近紅外光纖光譜法快速檢測葡萄酒中酒精度

刁娟娟，李 瑋，李 莉*，艾爾肯·依布拉音，鐘德全

（1.新疆醫(yī)科大學 中心實驗室，新疆 烏魯木齊 830011；2.新疆醫(yī)科大學 藥學院，新疆 烏魯木齊 830011）

新疆是我國葡萄的主產地之一，葡萄酒也是新疆的特色產品。葡萄酒的質量監(jiān)測研究對提升葡萄酒的品質具有重要的意義[1]。GB/T 15038-2006《葡萄酒、果酒通用分析方法》中采用密度瓶法、氣相色譜法、酒精計法測定葡萄酒的酒精度。其中氣相色譜法、酒精計法需經蒸餾后測定，前處理過程復雜，測定步驟繁瑣。近紅外光譜法結合化學計量學無需樣品前處理，已用于葡萄酒中酒精度的快速無損檢測[2-5]。但已上市的近紅外光譜儀需在專業(yè)的分析實驗室由專業(yè)人員測試，并不適于現(xiàn)場快速檢驗。本研究采用光纖傳感技術與近紅外光譜技術相結合，構建近紅外光纖傳感檢測系統(tǒng)，簡化儀器結構，提高儀器分析系統(tǒng)的便攜性，為近紅外技術應用于現(xiàn)場檢測奠定研究基礎。

本文基于光纖傳感技術，將近紅外光譜分析技術和化學計量學中偏最小二乘法分析相結合，對葡萄酒中的酒精度進行快速檢測。研究結果表明近紅外光纖光譜法在酒類的品質監(jiān)測中有良好的應用前景[6-7]。

1 儀器與試藥

1.1 儀器

DH-2000-BAL平衡性氘鹵燈光源，qpod可控溫度比色皿支架，NIR Quest近紅外光纖光譜儀，QP600-2-VIS-NIR光纖（美國海洋光學公司）；AB104-N電子分析天平（梅特勒-托利多）；GC-2010 plus 氣相色譜儀（日本島津公司）。

1.2 試藥

收集新疆地產紅葡萄酒樣品36份。4-甲基-2-戊醇（分析純，Sigma-Aldrich）；無水乙醇（色譜純，天津致遠化學試劑有限公司）；無水葡萄糖，DL-酒石酸，焦亞硫酸鉀（分析純，上海麥克林生化科技有限公司）。

2 方法與結果

2.1 近紅外光纖傳感檢測系統(tǒng)

近紅外光纖傳感檢測系統(tǒng)由DH-2000-BAL平衡性氘鹵燈光源、qpod可控溫度比色皿支架、NIR Quest近紅外光纖光譜儀和SpectraSuite光譜軟件4部分組成，該系統(tǒng)組成見圖1。采用QP600-2-VISNIR光纖進行光路的傳輸，可對860～2500 nm的近紅外光譜進行檢測。數據分析采用The Unscrambler X10.4軟件。

圖1 近紅外光纖傳感檢測系統(tǒng)

2.2 葡萄酒近紅外光譜數據采集

2.2.1 系列濃度模式酒溶液配制 以模式酒（4 g/L葡萄糖，5 g/L酒石酸，0.5 g/L焦亞硫酸鉀，適量乙醇，pH為3.5）模擬葡萄酒基質[8]，其中準確添加無水乙醇，使模式酒的乙醇濃度分別為2.00 %，4.00 %，6.00 %，8.00 %，10.00 %，12.00 %，14.00 %，16.00 %，18.00 %，20.00 %，備用。

2.2.2 近紅外光纖光譜法測定方法 依次開啟近紅外光源，近紅外光譜儀，計算機，預熱30 min。向石英比色皿中加入空白模式酒，以其作為參比溶液，調節(jié)明暗光譜，扣除暗光譜后進入吸光度模式，進行樣品光譜數據采集。采集的光譜為近紅外透射光譜。波長掃描范圍為860～2500 nm，積分時間100 ms，掃描平均次數3次，平滑度為3。每個樣品重復測定3次。葡萄酒近紅外光譜圖見圖2。

圖2 葡萄酒的近紅外光譜圖

2.3 模型的建立與評價

葡萄酒近紅外光譜重疊干擾嚴重，無法直接分析，因此采用化學計量學方法對葡萄酒中酒精度進行分析。以系列乙醇濃度的模式酒溶液的近紅外光譜作為校正集，葡萄酒樣品近紅外光譜作為驗證集，用于建立葡萄酒中乙醇濃度含量的定量分析模型。采用The Unscrambler X 10.4軟件進行光譜處理并建立數學模型。首先選擇最佳主成分數，再分別采用主成分回歸（PCR）和偏最小二乘法（PLS）建立定量模型，通過不同的光譜預處理方法優(yōu)化模型，以決定系數（R2）、交叉驗證均方根誤差（RMSECV）、預測均方根誤差（RMSEP）、相對分析誤差（RPD）及最佳主成分數來評價模型效果，最終確認最優(yōu)模型。

2.3.1 主成分數的選擇 使用PLS法建模中最主要的問題就是對主成分數的確定，其中第一主成分對樣品貢獻率最大，第二主成分次之。在建模時選擇的主成分數過多或過少都會影響模型的預測能力：選擇的主成分過少，光譜信息不能充分反映樣品信息，引起不充分擬合，預測準確度下降；選擇的主成分數過多，噪音會影響樣品的光譜信息，造成過度擬合，模型預測的能力下降。在建模時，當RMSECV較小，R2較大時，主成分數最佳。當主成分為6時，RMSECV值較小，且R2較大，為避免過度擬合，因此選取模型的主成分數為6，結果見表1。

表1 主成分數對葡萄酒定量模型的影響

2.3.2 分析模型的選擇 分別建立葡萄酒中酒精度的PCR和PLS定量模型。近紅外光譜儀采集到的近紅外原始光譜數據中，除樣品組成信息外，還包括各種噪音，這些噪音會對近紅外數學模型的性能與預測能力產生不同影響。因此在每種定量模型中，分別采用卷積平滑、多元散射校正、歸一化、標準正態(tài)變量變換4種光譜預處理方法進行預處理，考察各種預處理方法對PLS模型預測能力的影響，結果見表2。經過預處理后建立的數學模型與原始光譜之間存在一定差異。當R2越接近1，RMSEP越小時，RPD值越大，預測值擬合度越好，建立的模型效果就越好。當選擇PLS建立定量模型，以歸一化法進行光譜預處理，其R2最大，RMSEP較小，RPD值大于3，模型的預測性能最好。

表2 兩種模型的性能評價結果

2.3.3 最終模型參數 采用系列乙醇濃度模式酒溶液的近紅外光譜作為校正集，使用歸一化法進行光譜預處理，波長范圍由The Unscrambler X10.4軟件自動優(yōu)化，通過PLS建立定量模型，定量模型參數見表3。首先采用系列模式酒對模型進行驗證，其RPD值大于3，表明模型的預測性能較好。采用此模型對葡萄酒中酒精度進行預測，預測結果與氣相色譜法結果進行比較，見表4。

表3 葡萄酒定量模型參數

2.4 氣相色譜法驗證

2.4.1 色譜條件 采用氫火焰離子化檢測器（FID）；色譜柱為日本島津Rtx-Wax毛細管色譜柱；柱溫為200 ℃；進樣口溫度：250 ℃；檢測器溫度為240 ℃；程序升溫：初溫100 ℃（保持3 min），以25 ℃/min升至200 ℃，保持2 min；進樣量為1 μl；分流進樣，分流比為40:1；柱流量為1 ml/min；載氣為氮氣；內標為4-甲基-2-戊醇。

2.4.2 含量測定 依據GB/T 15038-2006《葡萄酒、果酒通用分析方法》中酒精度檢測第二法氣相色譜法[9]測定葡萄酒中酒精度。

2.4.3 與近紅外光譜預測值比較 葡萄酒酒精度近紅外光譜預測值與氣相色譜法檢測結果比較見表4，兩種方法的相關性和絕對偏差分別見圖3、圖4。圖3中數學模型的R2為0.9534、RMSEP為0.0179。圖4中預測值的最大絕對偏差為1.0，預測值與實測值間存在高度相關性，由此而建立的數學模型效果良好。采用配對t檢驗，當α=0.05時，P＞0.05，近紅外光譜預測值與氣相色譜法的測定結果差異無統(tǒng)計學意義。因此采用近紅外光譜法能滿足葡萄酒酒精度的測定要求。

表4 葡萄酒酒精度的氣相色譜實測值和近紅外光譜預測值比較

圖3 酒精度的預測值與實測值關系曲線

圖4 近紅外光譜預測值的絕對偏差

3 討論

本文基于光纖傳感技術，構建光纖傳感近紅外檢測系統(tǒng)，采集葡萄酒的近紅外光譜后，采用PLS進行數學建模，從而預測葡萄酒樣品的酒精度。與國家標準中氣相色譜法相比較，近紅外光譜法無需復雜的樣品前處理過程，如蒸餾、稀釋、定容等操作，可對葡萄酒樣品進行快速、無損、準確的分析。

構建小型、微型化、快速和專用型儀器的研制一直是近紅外光譜儀器的重點發(fā)展趨勢之一[10]。本實驗基于光纖傳感技術，構建近紅外光纖傳感檢測系統(tǒng)，簡化儀器結構，提高儀器分析的便攜性，從而為建立現(xiàn)場分析的近紅外儀器系統(tǒng)奠定了研究基礎，若進一步研究，可建立在線分析的近紅外光纖光譜分析方法，從而為酒類品質監(jiān)測提供新思路。