現(xiàn)代檢測(cè)技術(shù)在白酒自動(dòng)化摘酒中的研究現(xiàn)狀

林 慧 張宿義,,3 張 煉 張立強(qiáng),3 鄭昌寧

白酒是中國(guó)特有的固態(tài)發(fā)酵蒸餾酒，是以淀粉質(zhì)谷物為原料，曲藥或酒母為糖化發(fā)酵劑，經(jīng)蒸煮、糖化、發(fā)酵、蒸餾、陳釀、勾調(diào)等一系列工藝釀制而成的酒精飲料[1]。白酒釀造作為中國(guó)傳統(tǒng)手工產(chǎn)業(yè)，其釀制工藝復(fù)雜、生產(chǎn)周期較長(zhǎng)。隨著社會(huì)的發(fā)展，原料、勞動(dòng)力等生產(chǎn)成本持續(xù)增加，提高生產(chǎn)效率、提升產(chǎn)品質(zhì)量和促進(jìn)產(chǎn)業(yè)技術(shù)轉(zhuǎn)型是企業(yè)生存的根本途徑。近年來，中國(guó)白酒行業(yè)呈現(xiàn)出規(guī)?；a(chǎn)、產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的景象，建設(shè)產(chǎn)業(yè)園區(qū)，打造機(jī)械化釀造生產(chǎn)線，如智能化制曲生產(chǎn)線[2]、智能勾調(diào)系統(tǒng)[3]、智能包裝生產(chǎn)線以及由機(jī)械臂、配料輸送機(jī)、自動(dòng)上甑系統(tǒng)、攤晾加曲機(jī)、自動(dòng)蒸餾系統(tǒng)、自動(dòng)儲(chǔ)酒系統(tǒng)等組成的智能釀造生產(chǎn)線[4]，實(shí)現(xiàn)了中國(guó)白酒傳統(tǒng)釀造方式的轉(zhuǎn)型升級(jí)。

在白酒行業(yè)全面機(jī)械化、自動(dòng)化生產(chǎn)轉(zhuǎn)型的大環(huán)境下，自動(dòng)化摘酒是必然趨勢(shì)。但白酒風(fēng)味組分微量且復(fù)雜，且餾出受到糟醅發(fā)酵情況、蒸餾參數(shù)設(shè)置等多方面影響，給自動(dòng)化摘酒帶來了很大的挑戰(zhàn)。實(shí)現(xiàn)自動(dòng)化的摘酒，不僅依賴基酒品質(zhì)的數(shù)據(jù)化分析，還與在線檢測(cè)分析技術(shù)密切相關(guān)。近年來，在線檢測(cè)技術(shù)在摘酒環(huán)節(jié)得到大力發(fā)展，除了應(yīng)用相對(duì)成熟的乙醇傳感器，光譜技術(shù)、圖像識(shí)別技術(shù)也被開發(fā)用于在線檢測(cè)、分析基酒質(zhì)量。文章擬綜述相關(guān)檢測(cè)技術(shù)在白酒自動(dòng)化摘酒中的研究現(xiàn)狀，并對(duì)檢測(cè)技術(shù)的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，同時(shí)還對(duì)相關(guān)影響摘酒質(zhì)量因素的研究成果進(jìn)行概述，以期為早日實(shí)現(xiàn)白酒自動(dòng)化摘酒提供研究思路和參考。

1 摘酒方法及其影響因素

1.1 摘酒方法

在白酒蒸餾過程中，白酒餾分會(huì)在蒸餾的不同時(shí)段出現(xiàn)明顯差異[5]。對(duì)流酒初期形成的刺激、有害物質(zhì)和流酒后期有異雜味的酒掐頭去尾，同時(shí)對(duì)掐頭去尾部分的酒依據(jù)酒精度和風(fēng)味特征劃分成不同等級(jí)的過程叫做摘酒。最早的摘酒方法采用三段式摘酒，粗略地將基礎(chǔ)酒分為酒頭、酒身和酒尾。隨著實(shí)踐探索，酒身被細(xì)化分成多個(gè)等級(jí)，針對(duì)濃香型白酒，有研究[6]提出四段式摘酒，應(yīng)用看花摘酒將酒身劃分為兩個(gè)段次，分別作為不同質(zhì)量基酒分開貯藏，具體的摘酒方法和物質(zhì)特征如表1所示。

表1 濃香型白酒四段式摘酒方法Table 1 Four-stage liquor-picking method for luzhou-flavor liquor

1.2 摘酒質(zhì)量影響因素

研究[7]發(fā)現(xiàn)，甑桶的大小及高徑比會(huì)影響蒸餾效率，較大的甑桶高徑比可有效提升酒質(zhì)，增大醇溶性風(fēng)味物質(zhì)的提取量。此外，上甑技術(shù)、蒸汽壓(裝甑汽壓和流酒汽壓)、流酒速度、流酒溫度都對(duì)基酒品質(zhì)具有一定影響，在上甑過程中，要求工人細(xì)致謹(jǐn)慎，做到“輕撒勻鋪、探汽上甑”，操作看似簡(jiǎn)單，卻能極大地影響基酒質(zhì)量和產(chǎn)量[8]，行業(yè)內(nèi)現(xiàn)已實(shí)現(xiàn)智能探汽上甑的應(yīng)用[9-10]。

蒸餾過程中緩火蒸酒結(jié)合低溫流酒方式，有利于對(duì)微量成分提取，使香味物質(zhì)充分餾出，并在流酒后期加大蒸汽進(jìn)行蒸糧，使糧食充分糊化并降低酸度[11]。同時(shí)，流酒溫度、流酒速度對(duì)基礎(chǔ)酒質(zhì)量也有很大的影響[12-14]，若流酒溫度太高，會(huì)降低基礎(chǔ)酒中酸類、酯類及醇類物質(zhì)含量；若溫度過低，會(huì)導(dǎo)致過多的醛類等低沸點(diǎn)雜質(zhì)進(jìn)入酒體，造成雜味。流酒速度過快，酒的香味成分含量減少，酒質(zhì)較差；流酒速度過慢，又會(huì)影響出酒率同時(shí)還會(huì)使酒中乙醛等物質(zhì)含量過高，所以摘酒過程應(yīng)合理控制流酒溫度和速度，確保基酒質(zhì)量。程平言等[15]研究發(fā)現(xiàn)，適當(dāng)降低濃香型白酒的摘酒濃度，可提高有機(jī)酸含量，緩解酯類水解反應(yīng)，有利于低度酒產(chǎn)品的開發(fā)及保持貨架期產(chǎn)品質(zhì)量的穩(wěn)定。

2 白酒自動(dòng)化摘酒技術(shù)研究進(jìn)展

根據(jù)不同的分段標(biāo)準(zhǔn)，結(jié)合相應(yīng)的檢測(cè)技術(shù)建立穩(wěn)定的、高效率的、智能的摘酒系統(tǒng)是實(shí)現(xiàn)白酒自動(dòng)化摘酒的最終追求。目前，中國(guó)自動(dòng)化摘酒技術(shù)的研究按照檢測(cè)原理主要分為三類：基于光譜儀器分析的自動(dòng)化摘酒技術(shù)、基于傳感器的自動(dòng)化摘酒技術(shù)以及基于圖像識(shí)別的自動(dòng)化摘酒技術(shù)。

2.1 基于光譜儀分析的自動(dòng)化摘酒技術(shù)

光譜技術(shù)是利用物質(zhì)的吸收光譜、反射光譜或散射光譜數(shù)據(jù)的差異，實(shí)現(xiàn)對(duì)物質(zhì)的快速檢測(cè)和分類。該技術(shù)具有操作簡(jiǎn)單、無損耗、無污染、重復(fù)性好等優(yōu)點(diǎn)，更重要的是光譜技術(shù)具有的光纖傳輸特性，可使儀器遠(yuǎn)離生產(chǎn)現(xiàn)場(chǎng)實(shí)現(xiàn)工業(yè)在線分析，是實(shí)現(xiàn)自動(dòng)化摘酒具有廣闊應(yīng)用前景的分析技術(shù)。光譜技術(shù)在自動(dòng)化摘酒中的研究可分為兩類，一類是基于光譜數(shù)據(jù)建立等級(jí)基酒分類模型；一類是建立風(fēng)味組分的定量分析模型。目前，光譜技術(shù)用于白酒等級(jí)分類研究的主要是近紅外光譜、拉曼光譜和中紅外光譜技術(shù)。

2.1.1 近紅外光譜技術(shù) 近紅外光譜技術(shù)基于有機(jī)物含氫基團(tuán)X—H(如CH、NH、OH)吸收光譜位置和強(qiáng)度實(shí)現(xiàn)被測(cè)物的結(jié)構(gòu)鑒定及定量分析，在酒類檢測(cè)中被廣泛應(yīng)用于等級(jí)基酒分類研究和組分定量分析。等級(jí)基酒分類研究通過對(duì)大量不同等級(jí)的基酒樣本進(jìn)行有監(jiān)督分類模式的訓(xùn)練，結(jié)合化學(xué)計(jì)量學(xué)方法建立特征光譜的分類模型。楊國(guó)迪[16]21-34對(duì)采集的4個(gè)不同等級(jí)杜康白酒(240個(gè)樣品)基酒樣品的近紅外光譜數(shù)據(jù)進(jìn)行主成分(PCA)分析，并結(jié)合判別分析、判別偏最小二乘法(PLS-DA)和反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP-ANN)分別建立等級(jí)分類模型。結(jié)果表明，PCA結(jié)合BP-ANN模型的預(yù)測(cè)準(zhǔn)確率達(dá)100%。

相比之下，近紅外光譜技術(shù)近年來被更多地研究于酒體中風(fēng)味組分的快速定量。結(jié)合對(duì)酒體中微量成分的定性、定量檢測(cè)技術(shù)，如氣相色譜(gas chromatography，GC)、氣相色譜—質(zhì)譜聯(lián)用(gas chromatograph-mass spectrometry，GC-MS)等，建立特定風(fēng)味組分與光譜數(shù)據(jù)的定量模型，實(shí)現(xiàn)掃描光譜數(shù)據(jù)即可快速定量風(fēng)味組分的應(yīng)用。如楊國(guó)迪[16]35-45以GC測(cè)量酒體中庚酸乙酯、正戊醇、丁酸、正戊酸和糠醛的含量，應(yīng)用偏最小二乘法(PLS)分別建立5種風(fēng)味物質(zhì)與光譜數(shù)據(jù)的預(yù)測(cè)模型。結(jié)果顯示，訓(xùn)練集與驗(yàn)證集的決定系數(shù)(R2)≥0.928(共120個(gè)樣本)，模型具有良好的精密度和準(zhǔn)確度。董新羅[17]建立基酒中辛酸乙酯、β-苯乙醇、異戊醛、2,3-丁二酮和3-羥基-2-丁酮5種物質(zhì)(200個(gè)樣品)的近紅外定量分析模型，結(jié)果表明PLS所建模型優(yōu)于主成分回歸法(PCR)，校正集和驗(yàn)證集的決定系數(shù)(R2)>0.924。同樣地，大量研究[18-21]基于近紅外光譜還建立了乙醇、己酸、乙酸、己酸乙酯、乙酸乙酯、丁酸乙酯、總酸、總酯等重要指標(biāo)的定量分析模型?？焖俣匡L(fēng)味組分，結(jié)合相應(yīng)的摘酒標(biāo)準(zhǔn)，便能實(shí)現(xiàn)白酒在線摘酒的應(yīng)用。

除此之外，光譜技術(shù)也被用于其他酒類的定量檢測(cè)，Ouyang等[22]開發(fā)了一種便攜式紫外—可見光和近紅外光譜相結(jié)合的多元光譜分析系統(tǒng)，采用PLS法構(gòu)建模型定量分析黃酒發(fā)酵過程中總糖、酒精含量和pH值的變化。Grassi等[23]采用傅立葉變換近紅外光譜技術(shù)定量啤酒發(fā)酵過程中工藝參數(shù)的變化，建立了光譜數(shù)據(jù)與目標(biāo)參數(shù)的預(yù)測(cè)模型。由于發(fā)酵酒的密度和渾濁度影響，光譜技術(shù)在檢測(cè)、分析時(shí)往往需要對(duì)樣品進(jìn)行過濾和離心預(yù)處理。

近紅外光譜技術(shù)，因光譜特征性強(qiáng)，其鑒別能力極好；同時(shí)適用性廣，固態(tài)、液態(tài)或氣態(tài)樣品都能應(yīng)用。但該方法不太適用于分析含水樣品，因水中的羥基對(duì)測(cè)定有干擾；同時(shí)吸收強(qiáng)度弱，靈敏度相對(duì)較低，定量分析往往需要借助化學(xué)計(jì)量學(xué)建立光譜與待測(cè)參數(shù)之間的分析模型，所以定量結(jié)果的準(zhǔn)確性與模型質(zhì)量有很大關(guān)系。

2.1.2 拉曼光譜技術(shù) 拉曼光譜，一種分子散射光譜，利用物質(zhì)分子對(duì)入射光頻率改變發(fā)生散射的現(xiàn)象實(shí)現(xiàn)分子結(jié)構(gòu)分析。隨著拉曼光譜學(xué)的發(fā)展，傳統(tǒng)的激光拉曼光譜已發(fā)展成傅立葉變換拉曼光譜(FT-Raman spectroscopy)、表面增強(qiáng)拉曼光譜和激光共振拉曼光譜等多種技術(shù)，被廣泛應(yīng)用于生物、材料、化工、石油、高分子等領(lǐng)域。拉曼位移的大小、強(qiáng)度及峰面積常作為鑒定化學(xué)鍵、官能團(tuán)的重要手段，拉曼光譜在酒類檢測(cè)中的應(yīng)用主要是開發(fā)便攜式儀器和乙醇含量的定量分析。

傳統(tǒng)的拉曼光譜儀，體積龐大，應(yīng)用受到一定限制，便攜式的拉曼光譜儀在食品檢測(cè)中得到發(fā)展[24]?；谔卣鞴庾V波段，不同的乙醇濃度其光譜特征峰強(qiáng)度具有差異性，Song等[25]選取特定波段采用高斯擬合法結(jié)合最小二乘法建立峰面積定量乙醇濃度的預(yù)測(cè)模型，并利用拉曼光譜對(duì)分子結(jié)構(gòu)敏感、可實(shí)現(xiàn)微量甚至痕量分析的特點(diǎn)，利用差譜法在1 074.6 cm-1波數(shù)附近建立痕量甲醇的預(yù)測(cè)模型。結(jié)果表明，酒精度和甲醇預(yù)測(cè)模型的相關(guān)系數(shù)分別為0.998 7和0.999 0，實(shí)現(xiàn)了對(duì)白酒中酒精度和痕量甲醇的在線檢測(cè)。試驗(yàn)環(huán)境、雜光干擾等噪聲信號(hào)使得光譜數(shù)據(jù)存在誤差，因此，合適的光譜預(yù)處理方法和建模算法決定了模型的穩(wěn)定性和可靠性，同樣是基于特征峰強(qiáng)度，楊旭寧[26]3-5對(duì)采集的3種不同酒精度的白酒樣本的拉曼光譜數(shù)據(jù)采用不同的預(yù)處理方法建立偏最小二乘判別分析模型，結(jié)果表明標(biāo)準(zhǔn)正態(tài)變量變換(SNV)預(yù)處理方法建立的PLS-DA模型效果最好，相關(guān)指數(shù)為0.936 4。然后比較了拉曼光譜數(shù)據(jù)在PCA和連續(xù)投影算法兩種降維處理方法下，分別結(jié)合K最近鄰分類算法(KNN)和BP神經(jīng)網(wǎng)絡(luò)算法建立的乙醇濃度的分類模型，結(jié)果表明，連續(xù)投影算法(SPA)結(jié)合BP-神經(jīng)網(wǎng)絡(luò)模型的分類效果最好，訓(xùn)練集和預(yù)測(cè)集正確率分別為93.86% 和94.44%，并建立了該模型的白酒酒精度在線檢測(cè)平臺(tái)。針對(duì)熒光背景的干擾，F(xiàn)T-Raman可通過多次累加信號(hào)提高信噪比，減弱熒光干擾，在非破壞性結(jié)構(gòu)分析方面展現(xiàn)優(yōu)勢(shì)。Anjos等[27]應(yīng)用傅里葉拉曼光譜對(duì)蜂蜜酒蒸餾過程中摘取的頭、身、尾3個(gè)階段的酒樣光譜采集，利用特征譜區(qū)的譜峰差異實(shí)現(xiàn)不同階段酒樣的識(shí)別分類。另外，基于納米結(jié)構(gòu)的表面增強(qiáng)拉曼和針尖增強(qiáng)拉曼光譜技術(shù)在高靈敏度檢測(cè)方面取得重大進(jìn)展，推動(dòng)拉曼光譜的分子檢測(cè)水平，可實(shí)現(xiàn)低濃度、微量甚至痕量樣品的檢測(cè)[28]。

拉曼光譜基于各種技術(shù)的延伸發(fā)展，具有高靈敏度、高分辨率、測(cè)定速度快等特點(diǎn)，同時(shí)因?yàn)樗睦⑸湮⑷?，拉曼光譜也被認(rèn)為是水溶液樣品分析的理想方法[26]7，其技術(shù)的高質(zhì)量發(fā)展和優(yōu)勢(shì)性也將進(jìn)一步推動(dòng)白酒領(lǐng)域?qū)崿F(xiàn)在線檢測(cè)、定量分析的應(yīng)用和發(fā)展。

2.1.3 中紅外光譜技術(shù) 中紅外光譜技術(shù)(又稱紅外光譜技術(shù))，其發(fā)展歷史比近紅外和拉曼光譜要早很多。區(qū)分于近紅外光譜主要是波段范圍和光譜攜帶信息，近紅外主要是分子的倍頻、合頻信息，而中紅外光譜為基頻信號(hào)，幾乎所有的有機(jī)物在該波段內(nèi)都會(huì)出峰，譜峰信息豐富，所以中紅外光譜技術(shù)的應(yīng)用非常成熟，被廣泛應(yīng)用在石油化學(xué)、環(huán)境監(jiān)測(cè)等領(lǐng)域[29]。

紅外光譜技術(shù)在酒類中的研究也包括建立等級(jí)基礎(chǔ)酒分類模型和酒體中風(fēng)味物質(zhì)的定量分析兩種形式。孫宗保等[30]采用傅里葉變換衰減全反射紅外光譜(ATR-FTIR)技術(shù)采集4個(gè)等級(jí)(60個(gè)樣本)白酒基酒樣本的光譜數(shù)據(jù)，采用線性判別(LDA)和BP-ANN建立等級(jí)酒分類模型，線性判別分析訓(xùn)練集和測(cè)試集識(shí)別率均達(dá)到100%，BP-ANN分析訓(xùn)練集和測(cè)試集識(shí)別率均在95%以上。另外，以GC定量酯類物質(zhì)含量，采用區(qū)間偏最小二乘法(siPLS)建立白酒中4種主要酯類化合物(己酸乙酯、乳酸乙酯、乙酸乙酯和丁酸乙酯)的定量分析模型，訓(xùn)練集(40個(gè)樣本)模型相關(guān)系數(shù)>0.95，測(cè)試集(20個(gè)樣本)模型的相關(guān)系數(shù)>0.80。辛新[31]比較了不同等級(jí)濃香型白酒基酒的近紅外光譜、中紅外光譜、紫外—可見光譜、拉曼光譜4種光譜數(shù)據(jù)，分別結(jié)合PCA、LDA、BP-ANN 3種化學(xué)計(jì)量學(xué)方法建立等級(jí)基酒判別模型，結(jié)果表明，中紅外光譜的LDA和BP-ANN模型效果最好，訓(xùn)練集和測(cè)試集識(shí)別率均達(dá)到100%。同時(shí)，采用GC定量酯類化合物含量，分別與4種光譜建立聯(lián)合區(qū)間偏最小二乘(SiPLS)定量模型。結(jié)果表明，中紅外光譜技術(shù)對(duì)白酒基酒中己酸乙酯、乳酸乙酯、乙酸乙酯3種酯類的定量模型效果最好，訓(xùn)練集和測(cè)試集的相關(guān)系數(shù)≥0.984 7。近紅外光譜技術(shù)對(duì)丁酸乙酯的定量模型效果最好，其訓(xùn)練集和測(cè)試集的相關(guān)系數(shù)為0.926 2和0.970 7，實(shí)現(xiàn)了對(duì)白酒中主要酯類化合物的快速定量分析。

相比傳統(tǒng)的色譜、質(zhì)譜檢測(cè)技術(shù)，光譜技術(shù)無需樣品制備在基酒分類、定量酒體風(fēng)味組分的研究中展現(xiàn)出極大優(yōu)勢(shì)，與光纖傳感技術(shù)的聯(lián)用將是未來實(shí)現(xiàn)工業(yè)自動(dòng)化控制的發(fā)展趨勢(shì)。當(dāng)然，光譜技術(shù)作為一種間接分析技術(shù)，實(shí)現(xiàn)對(duì)未知樣品的定量檢測(cè)往往需要建立校正模型，模型的建立、儀器的性能指標(biāo)等決定了測(cè)試結(jié)果的準(zhǔn)確性，在不斷的實(shí)踐中有針對(duì)性地優(yōu)化性能將進(jìn)一步提升光譜技術(shù)的應(yīng)用空間。

2.2 基于傳感器的自動(dòng)化摘酒技術(shù)

在線檢測(cè)儀直接測(cè)量參數(shù)變化的摘酒，具有應(yīng)用方便、操作簡(jiǎn)單等優(yōu)點(diǎn)，同時(shí)也對(duì)傳感器的測(cè)量精度、靈敏度以及環(huán)境耐受力有著很高要求。

白酒中乙醇含量常作為衡量白酒質(zhì)量的一項(xiàng)重要指標(biāo)，溶液密度作為一項(xiàng)基本物理量，被大量研究用以建立乙醇含量的定量模型。陳林等[32]使用音叉密度計(jì)測(cè)量基礎(chǔ)酒的密度，集成溫度檢測(cè)元件，以最小二乘法建立基礎(chǔ)酒密度、溫度與酒精濃度三者數(shù)據(jù)間的定量模型，結(jié)果表明，預(yù)測(cè)集30個(gè)樣本的酒精度預(yù)測(cè)平均差≤2.84%vol。此外，壓力傳感器[33]、在線測(cè)量液位高度、重量的采集裝置[34]等傳感器方式也被用于建立基于溶液密度的乙醇含量檢測(cè)系統(tǒng)。除了溶液密度，基于乙醇濃度與介電常數(shù)之間的關(guān)系，余航等[35]設(shè)計(jì)了乙醇含量檢測(cè)系統(tǒng)，結(jié)合流酒速度的控制，實(shí)現(xiàn)基礎(chǔ)酒的分段采集。另外熒光顯色法的乙醇傳感器也有相關(guān)研究[36-37]，為乙醇傳感器的開發(fā)提供了更多的思路。

隨著技術(shù)的發(fā)展，相信在未來，快速、靈敏、易維護(hù)的傳感器檢測(cè)方式會(huì)是實(shí)現(xiàn)白酒自動(dòng)化摘酒應(yīng)用的最終形式。在線檢測(cè)酒精含量是一種有效的檢測(cè)方法，應(yīng)用也相對(duì)簡(jiǎn)單、成熟，但這種方法忽略了風(fēng)味組分，仍然需要更全面的摘酒標(biāo)準(zhǔn)。隨著光譜技術(shù)快速定量風(fēng)味組分研究的深入和成熟，未來實(shí)現(xiàn)酒精度和風(fēng)味組分共同指導(dǎo)的在線摘酒方式將普及開來。同時(shí)可以預(yù)見，由于半導(dǎo)體工業(yè)帶來的微型化變革，光譜儀將向著更便攜、功能更強(qiáng)大的趨勢(shì)發(fā)展。

2.3 基于圖像識(shí)別的自動(dòng)化摘酒技術(shù)

隨著人工智能的興起，圖像識(shí)別技術(shù)作為人工智能的一個(gè)重要領(lǐng)域，已被廣泛應(yīng)用于各個(gè)領(lǐng)域，如智能安防監(jiān)控、醫(yī)療影像診斷、產(chǎn)品瑕疵檢測(cè)等等。酒花圖像識(shí)別技術(shù)基于傳統(tǒng)的“看花摘酒”工藝，由攝相機(jī)獲取酒花圖像，經(jīng)圖像處理、特征提取進(jìn)而實(shí)現(xiàn)段次分類，具有無損、實(shí)時(shí)、分段標(biāo)準(zhǔn)統(tǒng)一等優(yōu)點(diǎn)。

酒花形態(tài)作為一種表面特征，人眼可觀察得到，在流酒過程中其直徑會(huì)發(fā)生改變。早期有研究[38]通過在酒花槽上方安裝攝像頭實(shí)時(shí)獲取酒花圖像，根據(jù)酒花直徑大小實(shí)現(xiàn)分段摘酒。隨著人工智能的發(fā)展，深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)算法成為熱門研究方向。在圖像識(shí)別領(lǐng)域，通過將人工標(biāo)注的不同類別的圖像作為算法輸入，卷積神經(jīng)網(wǎng)絡(luò)從圖像中自主地學(xué)習(xí)，實(shí)現(xiàn)對(duì)圖像的深層次特征提取并判斷分類，該技術(shù)的圖像分類能力往往超過人工水平。余鍇鑫[39]將深度學(xué)習(xí)應(yīng)用于酒花圖像識(shí)別，通過對(duì)上萬個(gè)數(shù)據(jù)集進(jìn)行訓(xùn)練和驗(yàn)證，設(shè)計(jì)了基于酒花圖像處理和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的自動(dòng)摘酒系統(tǒng)，算法分類準(zhǔn)確率達(dá)97.9%?；谏鲜鲅芯?，田子宸[40]結(jié)合企業(yè)實(shí)際生產(chǎn)線的應(yīng)用，優(yōu)化了酒花分類算法，提高了算法檢測(cè)速率和酒花分類準(zhǔn)確率，實(shí)現(xiàn)了智能“看花摘酒”的應(yīng)用。

圖像識(shí)別技術(shù)在白酒酒花識(shí)別上的應(yīng)用比較創(chuàng)新和智能化，但在實(shí)際的生產(chǎn)應(yīng)用中，要特別注意，酒花圖像的識(shí)別依賴于酒花形態(tài)的穩(wěn)定性，需穩(wěn)定控制流酒溫度和蒸汽壓大小，保持酒花的最佳形態(tài)，同時(shí)還需考慮鏡頭的防霧性能和現(xiàn)場(chǎng)環(huán)境光線等問題。目前，國(guó)內(nèi)外關(guān)于酒花圖像分類的研究還比較少，該技術(shù)在對(duì)酒花的特征提取上還有很大的探索空間。

3 展望

總的來說，不同等級(jí)的白酒基礎(chǔ)酒的分類研究和快速定量白酒組分的檢測(cè)技術(shù)已取得了一定進(jìn)展，但全面實(shí)現(xiàn)自動(dòng)化摘酒應(yīng)用還有很長(zhǎng)的路要走，仍面臨如下挑戰(zhàn)：

(1) “看花摘酒”方式一直沿用至今，對(duì)其的智能化研究還處于起步階段。大數(shù)據(jù)分析手段往往依賴于大的樣本數(shù)據(jù)，現(xiàn)有的研究都存在樣本數(shù)據(jù)量不足的問題。另外，酒液成分對(duì)酒花特征的影響機(jī)理也值得進(jìn)一步探究。

(2) 在線檢測(cè)技術(shù)在白酒自動(dòng)化摘酒進(jìn)程中已取得一定進(jìn)展，進(jìn)一步探究風(fēng)味物質(zhì)與基酒質(zhì)量、感官評(píng)價(jià)之間的定量關(guān)系，實(shí)現(xiàn)風(fēng)味組分的可視化、數(shù)據(jù)化分析，建立酒精度與風(fēng)味物質(zhì)相結(jié)合的摘酒標(biāo)準(zhǔn)，是行業(yè)面臨的又一大挑戰(zhàn)。

(3) 在未來，使用傳感器在線監(jiān)測(cè)物質(zhì)組分的變化會(huì)是實(shí)現(xiàn)自動(dòng)化摘酒的終極方式。目前，傳感器的應(yīng)用主要是乙醇傳感器，進(jìn)一步實(shí)現(xiàn)光譜技術(shù)定量分析風(fēng)味物質(zhì)的摘酒應(yīng)用，并向著傳感器、便攜式的趨勢(shì)發(fā)展，將大大提升行業(yè)自動(dòng)化水平。