傅立葉變換近紅外光譜儀在入池酒醅回復(fù)性中的應(yīng)用研究

陳景宜，王衛(wèi)東，王青松，陳 爽

（江蘇洋河酒廠股份有限公司，江蘇宿遷 223700）

入池酒醅的回復(fù)性是衡量酒醅在受到外界壓力后恢復(fù)變形的能力，是酒醅骨力、手感揉實性和粘彈性的反映，與糧食蒸煮的熟爛程度、淀粉的糊化程度以及加漿水的使用量有較大關(guān)系，直接影響整個發(fā)酵過程及原酒品質(zhì)和產(chǎn)量。以往都是由車間里經(jīng)驗豐富的老師傅試醅，但該種方法存在主觀性較強的弊端。而質(zhì)構(gòu)儀可反映與機械性能相關(guān)的食品質(zhì)構(gòu)特性，它通過采用專用探頭對樣品進行準確量化，從而用定量指標對酒醅進行客觀、全面的評價，避免人為因素對結(jié)果的主觀影響，同時便捷性較高。我公司在行業(yè)內(nèi)首創(chuàng)采用質(zhì)構(gòu)儀測量的方法對入池酒醅手感特征進行量化分級，其中回復(fù)性是衡量酒醅性狀的一個重要指標。但質(zhì)構(gòu)儀的檢測方法存在著耗時、費力、不適合大批量檢測等缺點。

近紅外光譜分析技術(shù)是一種快速高效的現(xiàn)代分析技術(shù)，在食品、化工、制藥等領(lǐng)域得到了廣泛的應(yīng)用。近紅外光譜儀適合分析與含H 基團有直接或間接關(guān)系的成分，回復(fù)性雖然是物理特性，但該指標的大小最終反映的還是物質(zhì)本身化學特性的差異，如酒醅的疏松度、淀粉的糊化程度、水分含量等。本研究嘗試利用近紅外光譜分析技術(shù)應(yīng)用于入池酒醅手感指標回復(fù)性的快速檢測當中，提供一套高效、準確、快速的分析酒醅性狀的方法。

1 材料與方法

1.1 材料、儀器

試驗入池酒醅：洋河酒廠2020 年度釀酒周期的酒醅，取樣方式為從鐮上取三點，即左、右、中間，分布要均勻。每點取約200 g 樣品，將三點樣品混合均勻后，用四分法采用環(huán)刀(一種容器，可最大限度保持酒醅自然狀態(tài))取約200 g 樣品，放入塑料杯中，并注明車間、組別及窖池編號。選取200～500個有代表性的樣品建模。

儀器設(shè)備：瑞士BuChi 公司的NIRMaster 傅里葉變換近紅外光譜儀（NIR）、上海保圣科技的TA.TOUCH質(zhì)構(gòu)儀。

1.2 試驗方法

1.2.1 酒醅的回復(fù)性測定法

采用質(zhì)構(gòu)儀的全質(zhì)構(gòu)分析方法（TPA），即將待測酒醅樣品裝在環(huán)刀中，使用球形探頭，按照廠家提供的參數(shù)設(shè)置，從起始位置開始先以一定速率下壓待測樣品，壓縮到固定位移后，探頭返回壓縮的觸發(fā)點，停頓一段時間后繼續(xù)下壓同樣位移，而后返回。單個樣品檢測數(shù)值為3次測量均值。

1.2.2 測量參數(shù)

光譜譜區(qū)范圍為4000～10000 cm-1；光譜分辨率為4 cm-1，掃描次數(shù)為32次，測量序列個數(shù)為3。

1.2.3 酒醅樣品測量方法

提前打開NIR，預(yù)熱30 min，將入池酒醅混勻后平鋪于步琦培養(yǎng)皿上，樣品量約占培養(yǎng)皿的2/3，樣品應(yīng)鋪滿整個培養(yǎng)皿底部，不可透光。然后將培養(yǎng)皿放置于測量池上進行測量，系統(tǒng)自動保存光譜信息。

1.2.4 光譜的賦值

將質(zhì)構(gòu)儀檢測出的回復(fù)性數(shù)值賦值于相對應(yīng)的掃描光譜上，保存待用。

2 結(jié)果與分析

2.1 樣品的預(yù)處理方法及譜圖分析

近紅外光譜分析中主要的誤差來源于環(huán)境噪音、基線漂移及樣品的散射等。為了能夠從譜圖中充分提取有效特征信息，最大限度降低內(nèi)外部干擾噪音，可通過對光譜做一些合適的預(yù)處理方法，如一階導(dǎo)數(shù)、二階導(dǎo)數(shù)和矢量歸一化等，從而提高模型的適用性和準確性。利用傅里葉變換近紅外光譜儀對酒醅樣品進行光譜掃描，經(jīng)預(yù)處理后結(jié)果如圖1所示。

圖1 酒醅回復(fù)性原始掃描光譜圖

從譜圖本身來看，信號較強，說明樣品中可被采用的有效信息較多，可依據(jù)酒醅中水分、有機酸、淀粉含量的特征吸收，作為構(gòu)建表觀參數(shù)回復(fù)性模型的基礎(chǔ)。

2.2 模型波段的選擇分析

建模所選擇的光譜寬度會直接影響模型的適用性和準確性，早期的光譜定量分析經(jīng)常采用全波段響應(yīng)，但每個波段提取樣品的強度大小存在一定的差異性，波段選擇不當，反而會增加運算強度，降低信噪比，影響模型的預(yù)測效果。因此在近紅外光譜模型建模過程中，光譜區(qū)域的選擇至關(guān)重要。利用NIR 對酒醅樣品進行光譜掃描，通過化學計量學軟件對所收集光譜進行擬合分析。結(jié)果如圖2所示。

圖2 酒醅回復(fù)性回歸系數(shù)圖

由模型的回歸系數(shù)圖（圖2）可以看出，在波段4000～5000 cm-1光譜寬度內(nèi)，NIR 對酒醅回復(fù)性的反射為零；而在5000～10000 cm-1光譜寬度內(nèi)，NIR對酒醅回復(fù)性的反射存在不同程度的波動，說明不同酒醅樣品中回復(fù)性有較大的差異性響應(yīng)，有利于提取光譜有效信息，因此選擇5000～10000 cm-1波段建立模型。

2.3 酒醅回復(fù)性近紅外模型的內(nèi)部驗證

利用瑞士步琦公司開發(fā)的NIRCal5.2 對所吸收的光譜參數(shù)進行處理，同時采用數(shù)學處理法——偏最小二乘法來建立預(yù)測模型。本研究中，預(yù)測模型的質(zhì)量采用校正模型、驗證模型的相關(guān)系數(shù)（r）和預(yù)測均方根誤差（RMSEP）作為評價參數(shù)。好的模型需要有較高的相關(guān)系數(shù)（r）和較低的預(yù)測均方根誤差（RMSEP）。同時要求建模標準偏差SEC 要與預(yù)測標準偏差SEP 的比值接近1，以避免模型的過擬合。從所收集光譜中取240 組數(shù)據(jù)用于數(shù)學建模，86組數(shù)據(jù)作為模型的驗證集。模型的內(nèi)部驗證結(jié)果如圖3所示。

由圖3 和表1 可以看出，回復(fù)性數(shù)值在400～600 范圍內(nèi)時，模型的光譜預(yù)測值與原始值線性較好，在大于600 時線性一致性降低，這可能與所收集的樣品中回復(fù)性數(shù)值偏大的數(shù)量較少有關(guān)?？傮w上看，建模集的相關(guān)系數(shù)r 為0.8549，驗證集的相關(guān)系數(shù)r 為0.8328；建模集標準差SEC 與驗證集標準差SEP 的比值為1.026，已滿足行業(yè)內(nèi)對BUCHI近紅外光譜分析儀使用標準的要求，說明該模型可以實現(xiàn)對入池酒醅回復(fù)性的快速無損檢測，且模型未過擬合，穩(wěn)定性較好。

圖3 酒醅回復(fù)性模型內(nèi)部驗證結(jié)果圖

表1 酒醅回復(fù)性模型參數(shù)

2.4 酒醅回復(fù)性近紅外模型的外部驗證

為驗證酒醅回復(fù)性近紅外模型在實際應(yīng)用上的準確性，特對模型進行外部驗證預(yù)測性實驗。隨機選取40 組酒醅樣品分別進行TPA 檢測和近紅外模型檢測，所得結(jié)果如圖4所示。

圖4 酒醅回復(fù)性TPA測定值與模型預(yù)測值對比圖

由模型的外部驗證結(jié)果可以看出，酒醅回復(fù)性TPA 測定值與近紅外模型預(yù)測值的絕對偏差為16.78，平均相對誤差為3.11%，RMSEP 為0.263，說明該近紅外模型有較好的預(yù)測能力。本次實驗對二者不同的檢測方法進行比對（t 檢驗），結(jié)果顯示在0.05 顯著性水平下，兩種方法差值的顯著性為0.682（大于0.05)，表明不存在顯著性差異，也再次驗證了所建的模型預(yù)測能力已達到常規(guī)分析方法的精度要求，可以用于酒醅回復(fù)性的預(yù)測，實現(xiàn)了近紅外光譜儀對物質(zhì)物理指標的檢測。

3 結(jié)論與討論

本試驗結(jié)合質(zhì)構(gòu)儀檢測數(shù)據(jù)并采用近紅外光譜技術(shù)建立了入池酒醅回復(fù)性的定量預(yù)測模型。通過對模型的預(yù)測結(jié)果與TPA 檢測結(jié)果的對比分析可以看出，該模型的相關(guān)系數(shù)R 值都在0.8 以上，外部驗證的RMSEP 為0.263，這些數(shù)據(jù)均表明近紅外光譜的分析方法適用于酒醅回復(fù)性的定量分析，準確度能滿足實際生產(chǎn)中對酒醅發(fā)酵程度的預(yù)判。

近紅外檢測技術(shù)作為一種高效、快速的檢測技術(shù)，具有很多優(yōu)點，如樣品無需預(yù)處理、無需使用化學試劑等。其能為入窖前酒醅的感官指標提供數(shù)據(jù)支撐，便于釀酒師傅們及時調(diào)醅，使入池酒醅各項指標達到正常值，保證酒醅發(fā)酵前處于最佳狀態(tài)，從而實現(xiàn)較高的出酒率和產(chǎn)酒質(zhì)量，具有非常重要的生產(chǎn)意義。下一步將繼續(xù)對模型在600 以上的數(shù)據(jù)段進行持續(xù)補充和優(yōu)化光譜數(shù)據(jù)，逐步提高模型的預(yù)測準確性，更好地服務(wù)于釀酒生產(chǎn)。