近紅外光譜儀在濃醬兼香型白酒酒醅檢測中的應(yīng)用研究

鄧麗娟，鄒小月，熊笠君，唐 寧

（湖北白云邊酒業(yè)股份有限公司，湖北松滋 434200）

酒醅化驗(yàn)是釀酒過程中日常監(jiān)測和指導(dǎo)生產(chǎn)的重要環(huán)節(jié)，是控制白酒質(zhì)量和產(chǎn)量的第一道關(guān)卡，是順利完成生產(chǎn)任務(wù)的保障。酒醅理化檢測包含水分、酸度、還原糖和淀粉幾項(xiàng)指標(biāo)。采用傳統(tǒng)分析方法無法快速完成大批量的酒醅樣本檢測分析，無法保證檢測結(jié)果對(duì)生產(chǎn)指導(dǎo)的時(shí)效性。

近紅外光(near infrared，NIR)是介于可見光和中紅外光之間的電磁波，美國材料檢測協(xié)會(huì)(ASTM)將波長780～2526 nm的光譜區(qū)定義為近紅外光譜區(qū)。福斯近紅外分析儀NIRS DS 2500F 主要應(yīng)用400～2500 nm 近紅外區(qū)和可見光區(qū)的合譜分析技術(shù)，選用連續(xù)改變頻率的近紅外光照射某樣品時(shí)，由于試樣對(duì)不同頻率近紅外光的選擇性吸收，通過試樣后的近紅外光線在某些波長范圍內(nèi)會(huì)變?nèi)?，透射出來的紅外光線就會(huì)攜帶有機(jī)物組分和結(jié)構(gòu)的信息。通過檢測器分析透射或反射光線的光密度，就可以確定該組分的含量。

福斯近紅外光譜儀已成功應(yīng)用于白酒的生產(chǎn)監(jiān)控。相較于傳統(tǒng)分析方法，近紅外光譜分析技術(shù)具有技術(shù)成熟，儀器性能穩(wěn)定，數(shù)據(jù)重現(xiàn)性較好，可快速、準(zhǔn)確的為車間提供有效的檢測數(shù)據(jù)，直接運(yùn)用于指導(dǎo)生產(chǎn)等優(yōu)點(diǎn)。

1 材料與方法

1.1 材料、儀器

酒醅樣采集：入池酒醅應(yīng)在堆積發(fā)酵完畢，即將入池時(shí)取樣，從堆的四周及中間采集試樣10 kg左右，迅速混勻，以四分法取出0.5～1 kg 裝入取樣碗中，蓋好碗蓋，迅速帶至化驗(yàn)室穩(wěn)定環(huán)境下。共取東北高粱入池酒醅樣本2000 個(gè)，經(jīng)處理檢測后篩選選取第三輪到第七輪共1200 個(gè)入池樣品為建模樣品集，另隨機(jī)抽取樣品為驗(yàn)證盲樣集。

儀器設(shè)備：福斯近紅外光譜分析儀型號(hào)（DS 2500F），福斯華（北京）科貿(mào)有限公司。

1.2 實(shí)驗(yàn)方法

1.2.1 酒醅理化分析酒醅各項(xiàng)理化指標(biāo)：水分、酸度、淀粉、還原糖分別按照白云邊企業(yè)標(biāo)準(zhǔn)進(jìn)行檢測。

1.2.2 光譜采集

將酒醅樣本攪拌均勻盛入儀器配套大樣品杯中，裝樣量為樣品杯的三分之二左右，用藥匙輕微整理壓緊樣品使杯底平整不透光，避免部分外來光譜的閃射影響，正確放置于檢測平臺(tái)上直接進(jìn)行光譜采集。近紅外光譜方法（NIR）利用有機(jī)物中含有C-H、N-H、O-H、C-C 等化學(xué)鍵的泛頻振動(dòng)或轉(zhuǎn)動(dòng)，以漫反射方式獲得所需待測成分在近紅外區(qū)的吸收光譜。白云邊酒醅主要掃描波長范圍為850～2500 nm，間隔2 nm，每個(gè)平行樣重新混勻填裝掃描3 次，重復(fù)性符合表1，設(shè)置每次掃描讀取8 次，光譜數(shù)據(jù)共24 次，對(duì)光譜進(jìn)行平均，生成平均光譜文件進(jìn)行建模，如圖1 所示。對(duì)于所選樣本酒醅是蒸煮糊化后的糧食、稻殼、糖化發(fā)酵劑的混合物屬非均質(zhì)的樣品，多點(diǎn)反射測量采集平均光譜是非常重要的。

圖1 入池酒醅樣品近紅外光譜圖

表1 酒醅近紅外分析法的基本要求

1.2.3 模型建立

近紅外光譜儀模型的建立依賴于人工檢測數(shù)據(jù)的準(zhǔn)確度，因此分析準(zhǔn)確度無論如何也不會(huì)比對(duì)定標(biāo)樣品集傳統(tǒng)分析的準(zhǔn)確度高。一般來說，當(dāng)近紅外分析誤差在傳統(tǒng)誤差的1.2～1.5 倍以內(nèi)，近紅外分析就是合理的。

共采集上千個(gè)酒醅樣品光譜，用對(duì)應(yīng)樣品的手工檢測值對(duì)每條光譜進(jìn)行匹配賦值，利用馬氏距離設(shè)定GH、NH 的閾值剔除超常樣品，將光譜數(shù)據(jù)轉(zhuǎn)化為得分?jǐn)?shù)據(jù)將樣品分類，由此可以將未知樣品與主群樣品進(jìn)行比較以描述未知樣品在主群樣品中的位置。通過主成分分析、偏最小二乘法等現(xiàn)代化學(xué)計(jì)量學(xué)的手段，建立物質(zhì)光譜與待測成分含量間的線形或非線形模型，從而實(shí)現(xiàn)用物質(zhì)近紅外光譜信息對(duì)待測成分含量的快速計(jì)量。

建立酒醅定標(biāo)模型過程中采用全光譜經(jīng)去散射處理，采用不同的“數(shù)學(xué)處理”技術(shù)進(jìn)行交叉驗(yàn)證，以交互驗(yàn)證誤差SECV、交互驗(yàn)證相關(guān)系數(shù)（1-VR）為依據(jù)，找出SECV 值最低，1-VR 值最高的模型，即為最佳模型。定標(biāo)過程如圖2所示。

圖2 定標(biāo)流程圖

1.2.4 模型驗(yàn)證

采用一組沒有參與定標(biāo)、具有很好代表性的獨(dú)立樣品運(yùn)用模型掃描得到儀器測定值，同時(shí)化驗(yàn)得到手工分析值。比較近紅外預(yù)測值和實(shí)驗(yàn)室分析值，評(píng)估已有模型的精確度及穩(wěn)定性。樣品組分的近紅外光譜法測定值與常規(guī)方法測定值之間的標(biāo)準(zhǔn)差，表示定標(biāo)模型調(diào)整后的準(zhǔn)確度。定標(biāo)樣品標(biāo)準(zhǔn)預(yù)測偏差常以SEC表示，驗(yàn)證樣品標(biāo)準(zhǔn)預(yù)測偏差常用SEP 表示，相關(guān)系數(shù)R越接近于1 越好，SEC與SEP 兩者相差不多且越小越好。根據(jù)結(jié)果進(jìn)行優(yōu)化且使模型符合固態(tài)發(fā)酵酒醅通用分析方法（T/CBJ 004—2018）表1要求。

2 結(jié)果與分析

2.1 近紅外光譜模型建立與驗(yàn)證

福斯2500 近紅外光譜儀內(nèi)部軟件專利技術(shù)利用全光譜和濕化學(xué)數(shù)據(jù)，運(yùn)用改進(jìn)最小二乘法回歸技術(shù)，光譜量化技術(shù)篩選留用樣品數(shù)據(jù)，SNV+Detrend(標(biāo)準(zhǔn)正?；?散射處理)和一階導(dǎo)數(shù)處理技術(shù)建立了入池酒醅模型。在已獲得模型的實(shí)際使用中，繼續(xù)比較被分析樣品和定標(biāo)樣品集的相似程度和位置關(guān)系，有針對(duì)性地收集與原有樣品差異較大的樣品對(duì)定標(biāo)模型進(jìn)行升級(jí)完善。

最終整合數(shù)據(jù)確定目前第三輪至第七輪入池酒醅模型參數(shù)如表2，水分、酸度、還原糖、淀粉的有效光譜數(shù)分別為1073、1019、1118、745。模型范圍為40.00～54.42、0.90～3.00、0.65～3.00、15.30～29.70，其中水分、淀粉的1-VR 皆大于0.95，酸度、還原糖的1-VR皆大于0.91。各組分的SEC均符合近紅外分析法的基本要求，SECV 所代表的模型精度說明近紅外光譜儀應(yīng)用在兼香型白酒酒醅中是可行的。

2.2 驗(yàn)證樣品集數(shù)據(jù)分析

定標(biāo)方程建立后，為驗(yàn)證模型預(yù)測性能的實(shí)際應(yīng)用可靠度，抽取實(shí)驗(yàn)室手工數(shù)據(jù)準(zhǔn)確可靠的250個(gè)樣品對(duì)所建模型進(jìn)行驗(yàn)證評(píng)估。根據(jù)所建立的入池酒醅水分、酸度、還原糖、淀粉定標(biāo)模型比較近紅外預(yù)測值和實(shí)驗(yàn)室分析值，預(yù)測性能如圖3、圖4、圖5、圖6 所示。從圖形可以直觀展示經(jīng)過矯正考察，近紅外分析結(jié)果和化學(xué)分析結(jié)果的相關(guān)程度以及系統(tǒng)偏差和斜率差異程度。

圖3 酒醅水分預(yù)測性能圖

圖4 酒醅酸度預(yù)測性能圖

圖5 酒醅還原糖預(yù)測性能圖

圖6 酒醅淀粉預(yù)測性能圖

表3 結(jié)合表1 分析可知，水分的SEP 為0.495 %≤1.00 %，酸度的SEP 為0.086 nmol/10 g≤0.30 nmol/10 g，還原糖的SEP為0.110%≤0.30%，淀粉的SEP 為0.387 %≤1.00 %。表3 結(jié)合表2 分析，各組分系統(tǒng)偏差與方程定標(biāo)標(biāo)準(zhǔn)預(yù)測偏差的比Bi-as/SEC 分別為0.54、0.36、0.44、0.59，都小于0.6，符合設(shè)定的報(bào)警線，各組分外部驗(yàn)證結(jié)果與模型的定標(biāo)預(yù)測標(biāo)準(zhǔn)偏差值之比SEP/SEC 分別為0.69、0.61、0.89、0.74，皆小于1.2，滿足儀器內(nèi)設(shè)報(bào)警線。

表2 酒醅4個(gè)指標(biāo)模型參數(shù)

表3 評(píng)估定標(biāo)方程預(yù)測性能數(shù)據(jù)

式中：n——樣本個(gè)數(shù)；

Y——樣品i的近紅外測定值；

y——樣品i的實(shí)驗(yàn)室手工值；

采集大出酒輪次的部分中具有代表性的樣品，分別按照科學(xué)規(guī)范的操作方法進(jìn)行實(shí)驗(yàn)室操作和近紅外掃描得到表4 的數(shù)據(jù)。由表4 可看出，20 個(gè)入池樣品的水分手工平均值為48.910，近紅外平均值為48.816；酸度手工平均值為2.459，近紅外平均值為2.523；還原糖手工平均值為1.993，近紅外平均值為1.929；淀粉手工平均值為20.893，近紅外平均值為20.584；所得各組分手工值與近紅外值皆偏差不大，掃描結(jié)果與實(shí)驗(yàn)室真實(shí)值吻合。

表4 入池酒醅數(shù)據(jù)分析

3 結(jié)論

實(shí)驗(yàn)室近紅外檢測酒醅分析法模型建立中SECV 和1-VR 基本能反映定標(biāo)模型對(duì)其它未知樣品的預(yù)測性能，利用驗(yàn)證樣品集評(píng)估定標(biāo)方程的預(yù)測性能，驗(yàn)證結(jié)果為入池水分相關(guān)系數(shù)為0.935，偏差為0.389；入池酸度相關(guān)系數(shù)為0.916，偏差為0.050；入池還原糖相關(guān)系數(shù)為0.940，偏差為0.059；入池淀粉相關(guān)系數(shù)為0.981，偏差為0.315，這些數(shù)據(jù)精密度滿足技術(shù)要求范圍，實(shí)驗(yàn)室手工數(shù)據(jù)和近紅外數(shù)據(jù)基本一致。

近年來隨著智能化自動(dòng)化在釀造生產(chǎn)中的推進(jìn)，為車間提供數(shù)據(jù)參考的檢測工作既要保證準(zhǔn)確度又要保證速度。近紅外光譜分析技術(shù)具有使用方便、測定速度快、精度較高、檢測成本低以及安全環(huán)保等特點(diǎn)，在白酒釀造行業(yè)具有較大的應(yīng)用前景。