啤酒的酒精含量測(cè)定的研究進(jìn)展

谷成玲 何秀芝 呂 靜

（萊蕪職業(yè)技術(shù)學(xué)院 機(jī)電工程系，山東 萊蕪271100）

0 引言

啤酒工業(yè)是中國(guó)食品工業(yè)中重要的一個(gè)產(chǎn)業(yè)部門。據(jù)統(tǒng)計(jì)目前中國(guó)的啤酒年產(chǎn)量達(dá)2300 多萬噸,居世界第2 位。 中國(guó)啤酒企業(yè)有800多家,1500 多個(gè)品牌。 啤酒在出廠前必須提供酒精度、原麥汁濃度、總酸、雙乙酰以及CO2 的含量等5 項(xiàng)質(zhì)量指標(biāo)。 酒精度是影響啤酒質(zhì)量的一個(gè)重要的理化指標(biāo)。如何對(duì)其進(jìn)行快速準(zhǔn)確的測(cè)定對(duì)降低成本提高產(chǎn)品質(zhì)量都具有重要的意義.

1 基于BP 神經(jīng)網(wǎng)絡(luò)的啤酒酒精度近紅外光譜快速檢測(cè)[1-2]

BP(Back.Propagation Network)算法的原理是一種誤差反向傳播算法，給網(wǎng)絡(luò)各種訓(xùn)練樣本，把網(wǎng)絡(luò)的實(shí)際輸出和正確的目標(biāo)值相比較，然后根據(jù)偏差情況修改各節(jié)點(diǎn)的連接權(quán)重,網(wǎng)絡(luò)不斷朝誤差減小的方向進(jìn)行變化，直到輸出值與正確的目標(biāo)值的偏差滿足工作所需要的精度。 設(shè)計(jì)的BP 神經(jīng)網(wǎng)絡(luò)分3 層，即輸入層、隱含層和輸出層，采用Sigmoid 激發(fā)函數(shù)。在利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行建模之前，首先要對(duì)近紅外光譜數(shù)據(jù)進(jìn)行壓縮和降維，用它壓縮的主成分作為BP 神經(jīng)網(wǎng)絡(luò)輸入。

采用美國(guó)Perkin—Elmer 公司Spectrum GX 傅里葉變換紅外光譜儀，InGaAs 檢測(cè)器，2mm 的石英樣品池。在1200"1900am 波長(zhǎng)范圍內(nèi)，對(duì)原始光譜進(jìn)行二階導(dǎo)數(shù)預(yù)處理，然后進(jìn)行主成分分析。 建立PCA—BP 校正模型，根據(jù)預(yù)測(cè)效果選擇最佳主成分?jǐn)?shù)，并與PLS 模型最佳主成分?jǐn)?shù)進(jìn)行了比較.BP 神經(jīng)網(wǎng)絡(luò)是通過輸入與輸出之間的不斷循環(huán)迭代建立起的一種基于連接權(quán)重的非線性關(guān)系。

2 基于偏最小二乘法的啤酒的酒精度的近紅外光譜法測(cè)定[3]

2.1 原理

遺傳算法（Genetic Algorithms，GA）算法是由John Holland 于1975年首先提出的一種仿生優(yōu)化算法，是建立在自然選擇和進(jìn)化概念基礎(chǔ)上的一種非導(dǎo)數(shù)的隨機(jī)優(yōu)化方法。 GA 算法基于生物進(jìn)化論和遺傳學(xué)說，針對(duì)采用偏最小二乘法（Partial Least Squares,PLS）建立近紅外光譜預(yù)測(cè)模型時(shí)波長(zhǎng)篩選問題，提出將相關(guān)系數(shù)法與相結(jié)合提取光譜有效信息，基于相關(guān)系數(shù)法，選取相關(guān)系數(shù)r 大于閾值的波長(zhǎng)參加預(yù)測(cè)模型的建立,基于遺傳算法，對(duì)所有波長(zhǎng)編碼，每個(gè)波長(zhǎng)作為1 個(gè)基因，對(duì)基因進(jìn)行0-1 二進(jìn)制編碼，若編碼是,1，建模時(shí)包括此波長(zhǎng)；若為0，則反之。 1 種0-1 編碼組合稱為1 條染色體，其長(zhǎng)度為被編碼的波長(zhǎng)數(shù)。提高預(yù)測(cè)模型的精度的方法。結(jié)果表明：該方法應(yīng)用于啤酒酒精度近紅外光譜檢測(cè)中，吸收光譜和一階導(dǎo)數(shù)光譜的預(yù)測(cè)建模的波長(zhǎng)個(gè)數(shù)分別減少了83%、82%， 預(yù)測(cè)平均相對(duì)誤差分別降低了0.42%，0.64%，不僅簡(jiǎn)化、優(yōu)化了模型，而且增強(qiáng)了預(yù)測(cè)建模型的預(yù)測(cè)能力，是一種采用PLS 法建立預(yù)測(cè)模型前行之有效的降低和優(yōu)選波長(zhǎng)的方法.。

2.2 實(shí)驗(yàn)部分及數(shù)據(jù)處理

對(duì)啤酒樣品利用Vector22/N 型傅里葉變換近紅外光譜儀，波數(shù)范圍為4000-15000cm-1。 自行配制80 個(gè)標(biāo)準(zhǔn)樣品作為校驗(yàn)集，29 個(gè)標(biāo)準(zhǔn)樣品作為預(yù)測(cè)集。 每個(gè)1 樣品分別連續(xù)測(cè)定3 個(gè)近紅外光譜。 光譜數(shù)據(jù)依次進(jìn)行基線校正和17 點(diǎn)移動(dòng)平滑處理， 然后每個(gè)樣品的3 個(gè)光譜取一平均光譜。最后，利用定量分析軟件包，輸入校驗(yàn)集的標(biāo)準(zhǔn)光譜和相應(yīng)的數(shù)據(jù)， 選定適當(dāng)?shù)念A(yù)處理方法后用PLS 計(jì)算程序在Windows2000 下進(jìn)行運(yùn)算。 實(shí)驗(yàn)結(jié)果表明：啤酒酒精度（V%）的最大絕對(duì)偏差僅為0.05，平均絕對(duì)偏差只有0.012，最大相對(duì)偏差1.20%，平均相對(duì)偏差只有0.25%,其預(yù)測(cè)模型對(duì)酒精、原麥汁和總酸的預(yù)測(cè)結(jié)果是滿意的。

3 基于氣相色譜法的啤酒酒精度的快速測(cè)定[4]

原理：試樣進(jìn)入氣相色譜儀中的色譜柱時(shí)，由于在氣固兩相中吸附系數(shù)不同，而使乙醇與其他組分得以分離，利用氫火焰離子化檢測(cè)器進(jìn)行檢測(cè)，與標(biāo)樣對(duì)照，根據(jù)保留時(shí)間定性，利用內(nèi)標(biāo)法定量。

采用All 級(jí)乙醇和AR 級(jí)異丙醇試劑，色譜柱長(zhǎng)2m，內(nèi)徑3mm 的玻璃柱， 柱材料為chlomosorb GDX—102 60-80 目用泵抽法裝柱,于240℃通氮老化24 小時(shí)，所用的色譜條件為：柱溫200℃，汽化室與檢測(cè)器240%，載氣為N2 流量為40ml／min，空氣0.5kg/cm2，氫氣0.5kg/cm2。 采用超級(jí)恒溫水浴， 稱取經(jīng)雙層中速濾紙過濾脫氣的啤酒，于10ml 容量瓶中，準(zhǔn)確添加正丙醇(內(nèi)標(biāo))0.5ml，混勻后即可供進(jìn)樣。

實(shí)驗(yàn)結(jié)果表明，采用氣相色譜法測(cè)定啤酒酒精度含量操作方法簡(jiǎn)單，準(zhǔn)確度高，消除了比重瓶法蒸餾、恒溫等操作過程帶來的誤差；分析時(shí)間短，并且操作過程基本不受溫度影響。

4 正交信號(hào)校正(OSC)方法在啤酒酒精度近紅外光譜分析中的應(yīng)用[5]

從市場(chǎng)上收集包括“錢江”、“雪花”、“金威”、“燕京”、“青島”等多種品牌的啤酒，酒精的含量范圍為2.033%vol-4.859%vol,對(duì)原始光譜分別進(jìn)行一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、正交信號(hào)校正(OSC)等預(yù)處理方法后，用偏最小二乘法(PLS)建立了啤酒酒精度校正模型，然后用所建模型對(duì)預(yù)測(cè)集進(jìn)行預(yù)測(cè)。

S.Woldr 等人第一次提出了OSC 方法的思想，其具體算法如下：

①將原始定標(biāo)集光譜陣X(nxm)和濃度陣Y(nxl)進(jìn)行均值化、中心化或標(biāo)準(zhǔn)化處理(n 為定標(biāo)集樣品數(shù)，m 為波長(zhǎng)點(diǎn)數(shù),下同)；

②計(jì)算光譜陣X 的第一主成分得分向量t；

③將t 對(duì)Y，作正交處理，tnew=(I-y(y’y)-1y’)t；

④計(jì)算權(quán)重向量w,w 為X 與tnew進(jìn)行PLS 或PCR 運(yùn)算得到的回歸系數(shù)：

⑤計(jì)算新的t，t=Xw：

結(jié)果表明，光譜經(jīng)OSC 方法預(yù)處理后，啤酒模型主因子數(shù)僅為2，而模型的預(yù)測(cè)能力卻并沒有減弱反而得到加強(qiáng)。 說明OSC 算法確實(shí)有效濾除了與濃度陣正交而不相關(guān)的光譜信號(hào)， 減少了建模的因子數(shù)，達(dá)到了簡(jiǎn)化模型及提高模型預(yù)測(cè)能力和穩(wěn)健性的目的。

5 非蒸餾法測(cè)定啤酒的酒精度和原麥汁濃度[6-8]

在綜合分析幾種啤酒快速分析儀的工作原理后，設(shè)計(jì)歸納了一套相對(duì)快速、不經(jīng)蒸餾的測(cè)定啤酒酒精度和原麥汁濃度的方法(簡(jiǎn)稱非蒸餾法)。 第一步，將預(yù)先在冰箱中掙至10-15℃的啤酒，啟蓋后，經(jīng)決速單層濾紙過濾至200 向容量瓶中， 收集啤酒過濾原液約150ml 即可。第二步，用已知質(zhì)量的蒸發(fā)皿稱取啤酒過濾原液100.0g，于沸水浴上蒸發(fā)至原體積的1／3，取下冷卻，加水恢復(fù)至原質(zhì)量.混勻后得到啤酒真濃液，第三步，用DMA58 數(shù)字密度儀（奧地利Anton parr 生產(chǎn))或比重瓶法分別按ASBC 標(biāo)準(zhǔn)和GB4928—9l 標(biāo)準(zhǔn)測(cè)定啤酒過濾原液和啤酒真濃液的密度或比重。 第四步，在普通計(jì)算機(jī)上運(yùn)行設(shè)計(jì)開發(fā)的軟件程序，分別輸入啤酒過濾原液和啤酒真濃液的比重，計(jì)算機(jī)程序給出啤酒樣的酒精度。

非蒸餾法克服了蒸餾操作單個(gè)蒸餾慢的缺點(diǎn)，可同時(shí)連續(xù)操作多個(gè)啤酒樣。 測(cè)定結(jié)果更為準(zhǔn)確可靠。 最后用計(jì)算機(jī)運(yùn)行軟件程序代替了人工查表計(jì)算，從而較快提高了操作效率。

6 結(jié)束語

本文以啤酒酒精度的快速測(cè)定為研究對(duì)象，綜述了基于BP 神經(jīng)網(wǎng)絡(luò)與PCA、氣相色譜法、非蒸餾法、正交信號(hào)校正(OSC)法的酒精度的測(cè)定，并指出了各自建立的模型的結(jié)果。 結(jié)果表明：使用BP 神經(jīng)網(wǎng)絡(luò)后，能夠減少光譜中隨機(jī)誤差等非線性因素的影響，提高模型預(yù)測(cè)能力和穩(wěn)健性；GA 算法不僅能夠減少建模波長(zhǎng)個(gè)數(shù)，簡(jiǎn)化模型，而且能夠有效地提高預(yù)測(cè)精度，這些對(duì)進(jìn)一步研究啤酒酒精度測(cè)定方法的發(fā)展有很大的參考價(jià)值。

［1］白英奎，盂憲江.利用神經(jīng)網(wǎng)絡(luò)提高偏最小二乘法的MR 多組分分析精度[J].光譜學(xué)與光譜分析，2005，253：381-383.

［2］林敏，呂進(jìn).基于神經(jīng)網(wǎng)絡(luò)與近紅外光譜的玉米成分檢測(cè)方法[J].紅外技術(shù),2004，26(3)：8-81.

［3］李代禧,吳智勇,徐端鈞,等.啤酒主要成分的近紅外光譜法測(cè)定[J].分析化學(xué)研究簡(jiǎn)報(bào)，2004,8:1070-1073.

［4］張叢文.一種快速測(cè)定啤酒酒精含量的方法:氣相色譜法[J].計(jì)量與測(cè)試技術(shù)，2005,32,7:46-48.

［5］馮尚坤，徐海菊.正交信號(hào)校正方法在啤酒酒精度近紅外光譜分析中的應(yīng)用[J].釀酒科技，2008,2:119-121.

［6］陸婉珍,袁洪福,徐廣通,等.現(xiàn)代近紅外光譜分析技術(shù)[M].北京:中國(guó)石化出版社,2000.

［7］程勁松，田松.非蒸餾法測(cè)定啤酒的酒精度和原麥汁濃度[J].釀酒科技,2000,3:70-73

［8］李曉華，王霓.啤酒酒精度測(cè)定方法研究[J].中國(guó)釀造，2013,32:152-155.

［9］Inan Guler, Elif Derya ECG. Beat Classifier Designed by Combined Neural Network Model[J].Rattern Recognition，2005,38：199-298.

［10］Philos.W.H.Infrared spectrometry[J].Clinical Chemistry,1999,45:1651-1658.