近紅外分析技術(shù)快速檢測(cè)白酒基酒中的總酯含量

段 學(xué)，趙小波，2，鄒勝瓊，田 敏，鄧 波，2，周 軍，2，張宿義，2，3

（1.瀘州老窖股份有限公司，四川瀘州 646000；2.國(guó)家固態(tài)釀造工程技術(shù)研究中心，四川瀘州 646000；3.釀酒生物技術(shù)及應(yīng)用四川省重點(diǎn)實(shí)驗(yàn)室，四川瀘州 646000）

我國(guó)從20 世紀(jì)80 年代開(kāi)始進(jìn)行近紅外（NIR）技術(shù)的研究，主要側(cè)重于農(nóng)產(chǎn)品[1-2]的分析研究，發(fā)展至今，此項(xiàng)技術(shù)已經(jīng)應(yīng)用于石化[3-4]、制藥[5-6]、食品[7-8]、紡織品[9-10]等領(lǐng)域。近紅外光譜分析方法是指通過(guò)分析待測(cè)樣品近紅外光譜中所呈現(xiàn)出的官能團(tuán)信息，比較待測(cè)樣品與已知或標(biāo)準(zhǔn)樣品的近紅外光譜從而確定待測(cè)樣品含量的一種方法，該方法屬于二次檢測(cè)方法。

白酒基酒即基礎(chǔ)酒，是糧食發(fā)酵后的酒糟經(jīng)蒸餾后得到的未經(jīng)勾兌的原酒，白酒基酒精度一般在60%vol～70%vol之間[11]。不同的基酒除酒精度不同之外，影響口味的其他成分如總酯、總酸、乙酸乙酯、乳酸乙酯、己酸乙酯等都不同[12]?，F(xiàn)階段酒精度常規(guī)采用酒精計(jì)進(jìn)行測(cè)定，相對(duì)簡(jiǎn)單；總酸、總酯采用指示劑法，相對(duì)復(fù)雜；其他含量較低的成分采用氣相色譜進(jìn)行測(cè)定，檢測(cè)時(shí)間長(zhǎng)[13]。近紅外分析方法作為一種快速、高效、無(wú)損和現(xiàn)場(chǎng)分析的方法，具有檢測(cè)方便，樣品無(wú)需預(yù)處理，適合在線分析等特點(diǎn)，因此非常適合白酒快速定性、定量分析。陳林等[14]建立了基酒中甲酸的近紅外預(yù)測(cè)模型，驗(yàn)證集樣品的決定系數(shù)為0.98，校正集樣品的決定系數(shù)為0.99，所建的模型效果良好，能滿足白酒生產(chǎn)中甲酸的快速檢測(cè)需求。劉建學(xué)等[15]建立了基酒中己酸、乙酸的快速檢測(cè)方法，預(yù)處理方法與波段分別采用：一階導(dǎo)數(shù)＋減去一條直線、一階導(dǎo)數(shù)＋矢量歸一化預(yù)處理光譜；譜區(qū)選擇6101.7～5446 cm-1和11998.9～7501.7 cm-1，6101.7～5449.8 cm-1和11998.9～7497.9 cm-1；己酸、乙酸校正集樣品的決定系數(shù)分別為0.997、0.97；己酸和乙酸模型驗(yàn)證集的決定系數(shù)分別為0.994、0.96，檢測(cè)效果較好。

本項(xiàng)目以瀘州老窖基酒為研究對(duì)象，采用近紅外分析技術(shù)對(duì)其進(jìn)行快速檢測(cè)，采用不同的預(yù)處理方法，比較全波段和特征波段對(duì)建模效果的影響，不斷優(yōu)化模型，建立基酒總酯的近紅外檢測(cè)模型，為基酒實(shí)現(xiàn)在線檢測(cè)提供技術(shù)支持。

1 材料與方法

1.1 材料、試劑及儀器

基酒樣品：基酒樣由瀘州老窖股份有限公司提供。采集了釀酒生產(chǎn)基酒樣，選擇一部分為校正集，剩余為驗(yàn)證集，校正集中的基酒樣品必須包含驗(yàn)證集樣品檢測(cè)項(xiàng)目所有可能測(cè)定范圍，并且盡可能均勻分布。此外再隨機(jī)抽取未知基酒樣進(jìn)行外部驗(yàn)證，以最終評(píng)價(jià)所建模型的穩(wěn)定性、準(zhǔn)確度。

儀器設(shè)備：BUCHI 公司的近紅外NIR Master。光譜儀光源為高強(qiáng)度鹵鎢燈，配有玻璃樣品檢測(cè)皿，光譜范圍為4000～10000 cm-1，掃描次數(shù)為32次，分辨率為8 cm-1。利用近紅外光譜儀采集基酒光譜，利用BUCHI 公司自帶建模軟件建立定量基酒總酯模型，最后再用NIR Ware Management Console操作軟件測(cè)定未知基酒樣。

理化檢測(cè)設(shè)備與試劑：水浴鍋（溫控100 ℃），全玻璃回流裝置，全玻璃蒸餾器，50 mL 堿式滴定管，50 mL 酸式滴定管。酚酞指示劑（10 g/L）：按GB/T 603—2002 配制；氫氧化鈉標(biāo)準(zhǔn)滴定溶液(c(NaOH)=0.1 mol/L)：按GB/T 601—2016 配制與標(biāo)定；硫酸標(biāo)準(zhǔn)滴定溶液(c（1/2H2SO4）=0.1 mol/L)：按GB/T 601—2016 配制與標(biāo)定；體積分?jǐn)?shù)為40 %乙醇溶液：量取95%乙醇600 mL 于1000 mL 回流瓶中，加入3.5 mol/L 氫氧化鈉標(biāo)準(zhǔn)溶液5 mL，加熱回流皂化1 h。然后移入蒸餾器中重蒸，再配成40%乙醇溶液[13]。

1.2 試驗(yàn)方法

數(shù)據(jù)采集：采用透反射方式掃描采集基酒樣品，掃描32次取平均，每個(gè)基酒樣做2個(gè)平行樣，對(duì)獲得基酒樣光譜進(jìn)行預(yù)處理，舍去異常光譜，最終獲得建模用的光譜。建模酒樣總酯實(shí)測(cè)值測(cè)定：采用GB/T 10345—2007[13]《白酒分析方法》中的指示劑法。

1.3 樣本集劃分

樣品集劃分方法有擇3留1、Random Sam-pling(RS)、Kennard-Stone(KS)[16-17]等方法，本實(shí)驗(yàn)采用擇2 留1 方法來(lái)進(jìn)行樣本集劃分，去除異常樣，最終得到樣品光譜，其中一部分基酒樣品為校正集作為建模使用，另一部分為驗(yàn)證集以最終評(píng)價(jià)模型的穩(wěn)定性和準(zhǔn)確度，并調(diào)整模型，消除常規(guī)化學(xué)分析法測(cè)量的誤差。之后抽取50 個(gè)白酒樣品不參與建模分析，作為預(yù)測(cè)集樣品，用于預(yù)測(cè)模型效果。

為提高模型的準(zhǔn)確性，需對(duì)所采集的光譜進(jìn)行預(yù)處理，以選擇合適的譜區(qū)來(lái)建立模型。本實(shí)驗(yàn)通過(guò)BUCHI 自帶NIR Cal 建模軟件對(duì)光譜經(jīng)Ncl(趨近歸一化)、Mma（最大歸一化）、N01（0～1 間歸一化）、Nle（單位長(zhǎng)度歸一化）、Db1（一階導(dǎo)數(shù)）、Db2（二階導(dǎo)數(shù)）、Snv（標(biāo)準(zhǔn)歸一化）、Msc（多元散射校正）等光譜預(yù)處理后，選出最佳預(yù)處理方法，利用PLS 偏最小二乘法建立基酒總酯模型，探討全波段和特征波段所建模型的預(yù)測(cè)效果，所建模型用決定系數(shù)R2、交叉驗(yàn)證誤差均方根RMSECV 評(píng)價(jià)。R2越大，RMSECV 越小，模型預(yù)測(cè)性能越好。其計(jì)算公式如下：

式中：yi為實(shí)測(cè)數(shù)據(jù)，fi為預(yù)測(cè)數(shù)據(jù)，fp為實(shí)測(cè)平均值，N為樣品個(gè)數(shù)。

2 結(jié)果與分析

2.1 光譜掃描及光譜數(shù)據(jù)分析與處理

在原定的測(cè)定條件下，掃描采集到492 個(gè)基酒光譜。同時(shí)采用GB/T 10345—2007 中規(guī)定的方法測(cè)量基酒總酯的含量為輸入的手工值，為建立定標(biāo)模型提供手工標(biāo)準(zhǔn)值。對(duì)基酒樣品按擇2 留1 方法來(lái)進(jìn)行樣本集劃分，最終得到352 個(gè)基酒樣本為校正集，140個(gè)驗(yàn)證集樣品集。其校正集、驗(yàn)證集樣品基本信息見(jiàn)表1，校正集樣品完全包含了驗(yàn)證集，且校正集的偏差比驗(yàn)證集的偏差相差較小，符合近紅外光譜檢測(cè)要求。

表1 校正集、驗(yàn)證集樣品基本信息

對(duì)所采集的原始光譜進(jìn)行數(shù)學(xué)處理后，各個(gè)樣品的原始光譜圖和處理光譜圖見(jiàn)圖1、圖2。由圖1、圖2 可知，通過(guò)預(yù)處理方法處理后，光譜更加光滑，樣品之間的差異性更加明顯，Q 值有較為明顯的改善，這樣處理有利于定標(biāo)過(guò)程中對(duì)光譜信息的進(jìn)一步選擇。

2.2 全波段、特征波段比較

圖1 基酒樣品原始光譜圖

在原始光譜4000～10000 cm-1共采集到1501個(gè)光譜點(diǎn)，因?yàn)殚g隔數(shù)量會(huì)對(duì)模型有影響，通過(guò)MATLAB 軟件Si-PLS 組合間隔偏最小二乘法[18]將原始光譜分割為均勻等份，得到區(qū)間組合為（2,6,10,12），對(duì)應(yīng)的波段為（4300～4600，5500～5800，6700～7000，7300～7600）。將此特征波段與全波段進(jìn)行比較，結(jié)果見(jiàn)表2。由表2 可知，在特征波段條件下所建立的總酯模型校正集的決定系數(shù)R2C為0.95，校正集的均方根誤差RMSEC 為0.17%；預(yù)測(cè)集的決定系數(shù)R2P為0.93、預(yù)測(cè)集的均方根誤差RMSEP 為0.19%，特征波段的模型的校正集、驗(yàn)證集精度高，RMSEC 和RMSEP 都比全波段小，R2C、R2P都比全波段高，模型預(yù)測(cè)精度顯著提高，因此本文選擇特征波段進(jìn)行建模。

2.3 模型外部驗(yàn)證

為驗(yàn)證基酒樣品總酯模型的準(zhǔn)確性，另取50個(gè)基酒樣品，利用特征波段所建模型對(duì)樣品中總酯含量進(jìn)行兩次預(yù)測(cè)，將兩次預(yù)測(cè)結(jié)果取平均值后與手工值進(jìn)行比較，結(jié)果見(jiàn)圖3。

從圖3 可看出，基酒總酯含量的實(shí)測(cè)值與預(yù)測(cè)值線性相關(guān)較好，都在y=x 直線附近，通過(guò)計(jì)算得出R2為0.97，其中相對(duì)誤差小于5%高達(dá)90.12%，說(shuō)明總酯模型的預(yù)測(cè)效果較好。由此可見(jiàn)，所建模型可適用于基酒總酯的實(shí)際檢測(cè)。

表2 特征波段與全波段模型比較

圖3 外部驗(yàn)證樣品的線性回歸

3 結(jié)論

隨著白酒生產(chǎn)過(guò)程對(duì)先進(jìn)檢測(cè)技術(shù)要求的不斷提高，而利用近紅外光譜技術(shù)建立基酒總酯檢測(cè)方法是一種無(wú)需制樣，只用基酒潤(rùn)洗檢測(cè)皿極大的簡(jiǎn)化了分析流程的方法。本文分析比較了全波段和特征波段建立的基酒總酯模型效果，發(fā)現(xiàn)特征波段的模型的校正集、驗(yàn)證集精度高，RMSEC 和RMSEP 都比全波段小，模型預(yù)測(cè)精度顯著提高，因此選擇特征波段進(jìn)行建模。之后，通過(guò)外部驗(yàn)證，得到基酒總酯含量的實(shí)測(cè)值與預(yù)測(cè)值線性相關(guān)較好。由此可見(jiàn)，所建模型可以用于快速檢測(cè)基酒總酯的含量，為更好的揭示總酯與白酒風(fēng)味的關(guān)系提供了數(shù)據(jù)支持，對(duì)推動(dòng)白酒行業(yè)實(shí)現(xiàn)智能化摘酒具有重要意義。