白酒基酒中己酸、乙酸的近紅外快速檢測

劉建學，張衛衛，韓四海，李 璇，李佩艷，楊國迪，楊 瑩，徐寶成，羅登林（河南科技大學食品與生物工程學院，河南省食品原料工程技術研究中心，河南 洛陽 471023）

白酒基酒中己酸、乙酸的近紅外快速檢測

劉建學，張衛衛，韓四海，李 璇，李佩艷，楊國迪，楊 瑩，徐寶成，羅登林
（河南科技大學食品與生物工程學院，河南省食品原料工程技術研究中心，河南 洛陽 471023）

建立白酒基酒中的己酸、乙酸的快速檢測方法，通過分析白酒基酒樣品的近紅外光譜圖，對光譜數據進行不同處理。結果表明：白酒基酒中己酸、乙酸對近紅外有特異吸收，最佳預處理方法與最優波段分別為：一階導數＋減去一條直線、一階導數＋矢量歸一化預處理光譜；譜區選擇6 101.7～5 446 cm－1和11 998.9～7 501.7 cm－1，6 101.7～5 449.8 cm－1和11 998.9～7 497.9 cm－1。利用偏最小二乘法與傅里葉變換近紅外光譜相結合，采用內部交叉驗證法建立模型，通過對模型進行優化，己酸、乙酸校正集樣品的化學值與近紅外的預測值的決定系數分別為99.73%、97.00%；內部交叉驗證均方根差分別為0.90、0.63 mg/100 mL；進一步對己酸、乙酸模型進行驗證和評價，己酸和乙酸模型驗證集的決定系數分別為99.47%、95.63%，預測標準偏差分別為1.00、1.73 mg/100 mL。結果表明建立的模型效果很好，具有較高的精密度和良好的穩定性，能滿足白酒生產中己酸和乙酸的快速檢測要求。

傅里葉變換近紅外光譜；白酒基酒；己酸；乙酸；偏最小二乘法

近紅外光譜技術由于具有分析速度快、無損、多組分分析等優點，已經成為發展最快的定量、定性分析技術之一，在農業、作物、醫學、化工、飼料和食品領域得到了廣泛的應用[1-6]。它測試時間短，能實時反映被測對象狀態；不需對樣品進行預處理，可直接進行測定，適合現場檢測；不消耗化學試劑，幾乎所有有機物的主要結構和組成都可以在它們的近紅外光譜中找到信號且譜圖穩定[7]，已成為現代分析測試技術中的重要工具。

白酒工業是中國重要的一個產業，年產量大。濃香型白酒的銷售量占白酒市場份額的70%左右，是各種香型白酒中銷量最多的[8]。杜康酒是濃香型的代表，具有“清冽透明，柔潤芳香，純正甘美，回味悠長”的風味特點，深受廣大飲酒者的喜愛。白酒中的酸為有機酸，酸類是形成酯類的前體物質，同時也可以構成其他香味物質。有機酸含量的多少，因酒的等級、香型和批次等不同而各異，同時，因其刺激閾的不同，在香氣和口味上也有不同。白酒中的酸對主體香氣既起烘托作用，又起緩沖、平衡的作用。酸類成分是白酒的重要口味物質。適量時可使酒體豐滿、醇厚，回味悠長。酸量過少，酒味寡淡，后味短；酸量過大，酸味露頭，酒味粗糙，甚至入口有尖酸味。白酒中含有20多種有機酸，它們中有的能夠直接影響酒的風味和質量如，己酸是刺激性強的酸味；適量丁酸能增加“窖香”，過濃則有“汗臭”氣味；乙酸有干酪氣味，有刺激感，水溶性差，含量高時會引起白酒渾濁[9]。濃香型白酒中己酸、乙酸、丁酸、乳酸占總酸含量的90%以上。經過國標方法測定，杜康白酒基酒中己酸和乙酸含量較高，但國家標準中己酸和乙酸的測定方法相當繁瑣且費時、費力。對其進行快速、準確的測定對降低生產成本、提高產品在線監測效率等具有重要意義。近紅外光譜分析技術能有效地進行大量樣品的高精度快速分析。近年來許多學者研究了其在酒類產品中的應用[10-19]，常見的應用研究多為構建酒精體積分數的定量分析模型[20-25]。本研究通過分析杜康白酒基酒樣品的近紅外光譜圖，選取了建模的特征譜區，比較不同光譜數據預處理方法對建模效果的影響，旨在建立基于傅里葉變換近紅外光譜法的白酒基酒中的己酸、乙酸的快速預測模型，以期為白酒工業測定提供一套高效、準確、快速的分析己酸、乙酸的方法。

1 材料與方法

1.1 材料與試劑

136 個白酒基酒樣品 洛陽汝陽杜康控股集團。

無水乙醇（色譜純） 天津市光復精細化工研究所；乙醛、乙縮醛（均為標準品） 天津市科密歐化學試劑開發中心。

1.2 儀器與設備

VECTOR33傅里葉變換近紅外光譜儀 德國Brüker公司；7890A氣相色譜（附氫火焰離子檢測器） 美國Agilent公司；AT.LZP-930型色譜柱（25 m×0.32 mm，0.1 μm） 中國科學院蘭州化學物理研究所。

1.3 方法

1.3.1 己酸、乙酸含量的化學值測定

氣相色譜條件：LZP-930白酒分析專用柱的色譜條件：進樣口溫度220 ℃；檢測器溫度250 ℃；柱流速2.0 mL/min；載氣為氮氣（純度99.999%）；載氣流速30 mL/min；H2流速30 mL/min；空氣流速300 mL/min；尾吹流速25 mL/min；采用分流進樣方式，分流比10∶1；進樣量1 μL；升溫程序：初始溫度75 ℃，保持3 min，以3.5 ℃/min升至89 ℃，然后以10 ℃/min升至100 ℃保持1 min，再以3.5 ℃/min升至130 ℃，然后再以11 ℃/min升至162 ℃保持2 min，最后以3 ℃/min升至170 ℃。

體積分數60%乙醇溶液的配制：準確量取600 mL色譜級無水乙醇于1 000 mL容量瓶中，用超純水定容至刻度，搖勻備用。

標準樣品的配制：分別用移液槍取己酸、乙酸各0.4 mL于100 mL容量瓶中，用體積分數60%乙醇溶液定容至刻度作為標準儲備液。

分別吸取4、8、12、16、20、25 mL混合標準儲備液于50 mL容量瓶，用體積分數60%乙醇溶液定容至刻度，制成一系列質量濃度的混合標準溶液，依次進樣，記錄峰面積，以峰面積對質量濃度進行一元線性回歸。

1.3.2 酒樣的近紅外光譜采集與分析

1.3.2.1 近紅外光譜采集

將白酒基酒樣品移至1 m m的比色皿中，使用OPUS 6.5光譜采集及分析軟件進行光譜采集，實驗室內溫度恒定在20～25 ℃。光譜掃描范圍為12 000～4 000 cm－1，儀器分辨率為8 cm－1，掃描次數為32 次，每個樣品重新裝樣采集3 次，并求平均光譜作為最終光譜數據進行分析。

1.3.2.2 光譜預處理和模型建立

校正集與驗證集：將國標法所測定白酒基酒中己酸和乙酸含量的結果，從小到大排序，按選3留1的原則分別確定校正集和驗證集，這樣校正集樣品數為102 個，驗證集樣品數為34 個，參與己酸、乙酸含量校正模型的建立。

在建模型的過程中，為提高有效信息，須進行光譜預處理，以選擇合適的譜區來建立模型。本實驗利用OPUS 6.5分析軟件中的自動功能選擇檢驗模型的最優建模譜區。將光譜經矢量歸一化、多元散射校正、一階導數、二階導數、一階導數＋減去一條直線、一階導數＋矢量歸一化、一階導數＋多元散射校正等光譜預處理方法對采集到的圖譜進行預處理后，選出最優波段和最佳預處理方法，利用偏最小二乘法建立校正集樣品近紅外光譜和2 種酸類的數學模型，所建模型用決定系數和校正標準差來評價，模型的預測能力通過檢驗集樣品的決定系數、預測標準差、模型預測能力的精密度和穩定性檢驗來評價。

2 結果與分析

2.1 白酒基酒氣相色譜

圖1 白酒基酒樣品的氣相色譜圖Fig.1 Chromatogram of liquor base

按1.3.1節色譜條件測得的白酒基酒樣品色譜圖如圖1所示，11 種典型的風味物質均得到了良好的分離。

2.2 白酒基酒近紅外光譜

圖2 白酒基酒樣品的近紅外光譜圖Fig.2 Near infrared spectra of different liquor base samples

由圖2可知，白酒中的主要成分是水和乙醇，水分子在6 896 cm－1左右有明顯的一級倍頻吸收，二級倍頻約在10 416 cm－1，合頻位于5 128 cm－1附近，因此6 896 cm－1和5 128 cm－1附近是水的特征吸收區域[26]；乙醇分子在近紅外光譜區也有明顯的特征吸收，4 347 cm－1附近是乙醇的特征吸收區域[26]。所以建立模型時應該對次波段處重點關注。

2.3 標準曲線的繪制

以白酒基酒中己酸和乙酸的質量濃度為X，對應峰面積為Y，做線性回歸方程，由表1可知，2 種物質的標準曲線相關系數均大于0.999；己酸和乙酸的標準品質量濃度和相應峰面積呈良好線性關系。

表1 己酸和乙酸的保留時間、回歸方程和相關系數Table 1 Retention times, regression equations and correlation coefficients of caproic acid and acetic acid

2.4 精密度和加標回收率實驗結果

向白酒基酒樣品中定量添加2 種標準品的混合標準液，每一個樣品重復測量8 次取平均值。1 μL進樣，根據測定結果中2 種物質的含量分別計算相應的精確度和回收率，結果見表2。由表2可知，己酸和乙酸2 種物質的回收率均在90%以上，結果表明外標法可用于白酒基酒中己酸和乙酸的測定，方法精密度高。

表2 己酸和乙酸精密度和加標回收率實驗結果（n=8）TTaabbllee 22 PPrreecciissiioonn ((RRSSDD)) aanndd rreeccoovveerriieess ffoorr ccaapprrooiicc aacciidd aanndd acetic aciidd ((n == 88))

2.5 白酒基酒中己酸和乙酸化學值分析

表3 白酒基酒中己酸和乙酸化學值分析Table 3 Chemical value analysis of caproic acid and acetic acid in liquor baassee

由表3可知，由檢驗集和校正集中己酸和乙酸的含量范圍、平均值、極差可知，所選樣品中各組分含量范圍較寬，代表性較強。

2.6 己酸和乙酸近紅外數學模型的建立與優化

表4 己酸和乙酸最優波段的選擇和最佳預處理方法Table 4 Selection of optimal waveband and optimal pretreatment method for caproic acid and acetic acid

根據2.2節圖譜可以看出水分子和乙醇分子對構建模型有干擾，為了避免這些強吸收噪聲的干擾，在選擇最優波長時應盡量避開此段譜區。從表4可以看出，己酸和乙酸的最優波段分別為6 101.7～5 446 cm－1和11 998.9～7 501.7 cm－1，6 101.7～5 449.8 cm－1和11 998.9～7 497.9 cm－1最佳預處理方法分別為一階導數＋減去一條直線、一階導數＋矢量歸一化，主成分維數分別為7和8，在此條件下所建立的2 種物質的校正模型相關系數最大，校正標準偏差最小。

利用以上建模條件，對己酸與乙酸校正集進行內部交叉驗正，建立校正模型的樣品數為102 個，分別剔除12、5 個光譜異常的樣品，實際采用的樣品只有90、97 個，利用建立的己酸和乙酸定量模型預測驗證集的34 個樣品。己酸、乙酸的校正集和驗證集的預測值和真實值的關系如圖3所示。

圖3 己酸（A）和乙酸（B）含量的校正集、驗證集預測值與真實值的相關性Fig.3 Correlation between predicted and real values of acetic acid (A) and caproic acid (B) contents in calibration and test set

由圖3可以看出，己酸和乙酸校正模型的決定系數分別為99.73%和97.00%，校正標準偏差分別為0.90、0.63 mg/100 mL，上述結果表明：所建模型的決定系數較高、標準偏差較小、誤差較小、可靠、可行。

由圖3還可以看出，己酸模型驗證集的決定系數（R2）為99.47%，驗證標準偏差為1.00 mg/100 mL；乙酸模型驗證集的決定系數（R2）為95.63%，驗證標準偏差為1.73 mg/100 mL，近紅外光譜預測值與真實值基本一致，說明模型的預測效果很好，能滿足白酒工業生產中己酸和乙酸的檢測要求。

2.7 模型預測能力的精密度和穩定性檢驗

另取4 個白酒基酒樣品，利用所建模型對其樣品中己酸和乙酸含量分別進行10 次重復預測結果見表5。4 個樣品的預測值和真實值做了比較，每個樣品的10 次預測結果平均差異都小于0.25 mg/100 mL，相差范圍在0～0.49 mg/100 mL，并且對每個樣品的10 次預測值做了顯著性分析，均無顯著性差異，可見所建模型精密度和穩定性良好。

表5 模型預測樣品的精密度和穩定性檢驗Table 5 Precision and stability of the established model mg/100 mL

3 結論與討論

本實驗采用近紅外光譜技術對白酒基酒中己酸和乙酸的近紅外圖譜進行分析，結合氣相色譜法測得的己酸和乙酸含量進行建模，通過校正集的決定系數、校正標準偏差和預測集的決定系數、驗證標準偏差來評價白酒基酒中己酸和乙酸近紅外定量分析模型的擬合功能與預測功能。主要結論為：白酒基酒中己酸和乙酸對近紅外有特 異吸收。白酒工業中己酸和乙酸的常規分析檢測工作繁重，測定方法繁瑣費時，難以及時準確提供分析數據。本實驗以傅里葉變換近紅外光譜技術建立了白酒己酸和乙酸的定量分析模型，克服了常規方法的缺點。所建模型的精密度和穩定性良好，能較好地檢測白酒基酒中的己酸（質量濃度范圍14.94～220.92 mg/100 mL）和乙酸（質量濃度范圍47.47～71.09 mg/100 mL）含量。模型對己酸和乙酸含量的預測結果滿足白酒工業的誤差要求，可以替代常規的分析方法。

近紅外光譜技術可以用于酒類工業中原材料相關成分的檢測分析和發酵過程中的在線監控上，也可以為生產管理與酒質評價體系的建立等提供技術支持，隨著近紅外光譜儀硬件技術的提高和設備成本的不斷降低，以及數理統計方法的進一步完善，從近紅外光譜中提取有效信息的效率也會大大提高，近紅外光譜法的應用前景必將更加廣闊。

[1] 楊晉輝, 卜登攀, 王加啟, 等. 近紅外透反射光譜法測定牛奶成分[J].食品科學, 2013, 34(20): 153-156. DOI:10.7506/spkx1002-6630-201320031.

[2] 姚杰, 楊倩, 孫彩云, 等. 紅外光譜法定性分析假酒中的甲醇[J]. 光譜實室, 2000, 17(1): 35-37. DOI:10.3969/ j.issn.1004-8138.2000.01.005.

[3] XU Z H, ZHANG Z X, WANG J, et al. Spectral characterstics of voltage sensitive dyedi-4-ANEPPS in perfusates[J]. Acta Photonica Scinica, 2008, 37(3): 552-554.

[4] YU H Y, NIU X Y, LIN H J, et al. A feasibility study on on-line determination of rice wine composition by Vis-NIR spectroscopy and least-squares support vector machines[J]. Food Chemistry, 2009, 113(1): 291-296. DOI:10.1016/j.foodchen.2006.06.083.

[5] 徐文杰, 劉茹, 洪響聲, 等. 基于近紅外光譜技術的淡水魚品種快速鑒別[J]. 農業工程學報, 2014, 30(1): 253-261. DOI:10.3969/ j.issn.1002-6819.2014.01.032.

[6] 李毅念, 姜丹, 劉瓔瑛, 等. 基于近紅外光譜的雜交水稻種子發芽率測試研究[J]. 光譜學與光譜分析, 2014, 34(6): 1528-1532. DOI:10.3964/j.issn.1000-0593(2014)06-1528-05.

[7] 徐廣通, 袁洪福, 陸婉珍. 現代近紅外光譜技術及應用進展[J]. 光譜學與光譜分析, 2000, 20(2): 134-142. DOI:10.3321/ j.issn:1000-0593.2000.02.003.

[8] 馮俊旗. 河南六種白酒香氣成分的分析與構成規律研究[D]. 新鄉:河南科技學院, 2013.

[9] 賈巧喚, 任石茍. 淺述酸, 酯, 醇等成分對白酒的影響[J]. 食品工程, 2009(4): 12-13. DOI:10.3969/j.issn.1673-6044.2008.04.003.

[10] 宋波. 白酒中各種成分對酒質的影響[J]. 釀酒科技, 2011(12): 65-67.

[11] 王豪, 鄔蓓蕾, 林振興, 等. 傅立葉變換近紅外光譜法快速測定葡萄酒中的酒精度[J]. 中國釀造, 2008, 27(7): 72-74. DOI:10.3969/j.is sn.0254-5071.2008.04.024.

[12] 薛磊, 呂進, 施秧, 等. 基于近紅外光譜的黃酒風格判別方法[J].食品科學, 2014, 35(8): 240-243. DOI:10.7506/spkx1002-6630-201408048.

[13] COZZOLINO D, CYNKAR W, SHAH N, et al. Quantitative analysis of minerals and electric conductivity of red grape homogenates by near infrared reflectance spectroscopy[J]. Computers and Electronics in Agriculture, 2011, 77(1): 81-85. DOI:10.1016/j.compag.2011.03.011.

[14] COZZOLINO D, KWIATKOWSKI M J, DAMBERGS R G, et al. Analysis of elements in wine using near infrared spectroscopy and partial least squares regression[J]. Talanta, 2008, 74(4): 711-716. DOI:10.1016/j.talanta.2007.06.045.

[15] LIU F, HE Y, WANG L, et al. Feasibility of the use of visible and near infrared spectroscopy to assess soluble solids content and pH of rice wines[J]. Journal of Food Engineering, 2007, 83(3): 430-435. DOI:10.1016/j.jfoodeng.2007.03.035.

[16] VERSARI A, LAGHI L, THORNGATE J H, et al. Prediction of colloidal stability in white wines using infrared spectroscopy[J]. Journal of Food Engineering, 2011, 104(2): 239-245. DOI:10.1016/ j.jfoodeng.2010.12.015.

[17] GARDE-CERD?N T, LORENZO C, ALONSO G L, et al. Employment of near infrared spectroscopy to determine oak volatile compounds and ethylphenols in aged red wines[J]. Food Chemistry, 2010, 119(2): 823-828. DOI:10.1016/j.foodchem.2009.07.026.

[18] COZZOLINO D, CYNKAR W, SHAH N, et al. Feasibility study on the use of attenuated total reflectance mid-infrared for analysis of compositional parameters in wine[J]. Food Research International, 2011, 44(1): 181-186.

[19] SHEN F, YING Y, LI B, et al. Prediction of sugars and acids in Chinese rice wine by mid-infrared spectroscopy[J]. Food Research International, 2011, 44(5): 1521-1527. DOI:10.1016/ j.foodres.2011.03.058.

[20] 彭幫柱, 龍明華, 岳田利, 等. 用偏最小二乘法及傅立葉變換近紅外光譜快速檢測白酒酒精度[J]. 農業工程學報, 2007, 23(4): 233-237. DOI:10.3321/j.issn:1002-6819.2007.04.046.

[21] 徐瑋, 譚紅, 包娜, 等. 近紅外光譜法快速測定白酒中的酒精度[J].中國農學通報, 2010, 26(19): 70-72.

[22] 廖昱博, 劉小清, 陳娟, 等. 近紅外光譜結合偏最小二乘回歸法測定白酒酒精度[J]. 贛南師范學院學報, 2013, 34(3): 7-9. DOI:10.3969/j. issn.1004-8332.2013.03.003.

[23] 余麗娟, 鄭建明, 朱文雷. 傅里葉變換紅外光譜法測定白酒中乙醇含量[J]. 廣州化工, 2011, 39(4): 112-113. DOI: 10.3969/j.issn.1001-9677.2011.04.041.

[24] YU C, ZHANG Q. Research on raman spectra quantitative analysis model of ethanol aqueous solution based on net analyte signal[J]. Spectroscopy and Spectral Analysis, 2013, 33(2): 390-394. DOI:10.3964/j.isso.1000-0593(2013)02-0390-05.

[25] 陳妍, 胡慧, 汪鳳祖. 近紅外光譜法快速分析白酒中的關鍵指標[J].釀酒科技, 2010(11): 90-92.

[26] 陸婉珍, 袁洪福, 徐廣通. 現代近紅外光譜分析技術[M]. 北京: 中國石化出版社, 2000.

Rapid Detection of Caproic Acid and Acetic Acid in Liquor Base Based on Fourier Transform Near-Infrared Spectroscopy

LIU Jianxue, ZHANG Weiwei, HAN Sihai, LI Xuan, LI Peiyan, YANG Guodi, YANG Ying, XU Baocheng, LUO Denglin
(Henan Engineering Research Center of Food Material, College of Food and Bioengineering, Henan University of Science and Technology, Luoyang 471023, China)

Caproic acid and acetic acid, two important organic acids in liquor, have obvious effects on the quality of liquor. In order to accurately and quickly measure the contents of caproic acid and acetic acid in liquor base, calibration models were established based on Fourier-transform near-infrared spectroscopy with artificial neural network by cross-validation after the original spectra were analyzed and interpreted. The results showed that the caproic and acetic acid in liquor base exhibited strong near infrared absorption and that the best spectral pretreatment methods for the two acids were first derivative combined with deduction of a straight line and standard normal variate (SNV) transformation, respectively. Based on the selected spectral ranges of 6 101.7–5 446 cm-1, 11 998.9–7 501.7 cm-1, 6 101.7–5 449.8 cm-1, and 11 998.9–7 497.9 cm-1, a calibration model was established using partial least square regression and the internal cross-validation method. After optimization of the model, the correlation coefficients (R2) between the chemical values of caproic acid and acetic acid in calibration samples and near infrared prediction were 99.73% and 97.00%, internal cross-validation root mean square deviation were 0.90 and 0.63 mg/100 mL, and prediction standard deviation were 1.00 and 1.73 mg/100 mL, respectively. The method has been applied with satisfactory results to quick determination of caproic acid and acetic acid in the distilled spirit industry.

Fourier transform near infrared spectroscopy; liquor base; caproic acid; acetic acid; partial least squares

10.7506/spkx1002-6630-201604032

TS262.3

A

1002-6630（2016）04-0181-05

劉建學, 張衛衛, 韓四海, 等. 白酒基酒中己酸、乙酸的近紅外快速檢測[J]. 食品科學, 2016, 37(4): 181-185.

DOI:10.7506/spkx1002-6630-201604032. http://www.spkx.net.cn

LIU Jianxue, ZHANG Weiwei, HAN Sihai, et al. Rapid detection of caproic acid and acetic acid in liquor base based on Fourier transform near-infrared spectroscopy[J]. Food Science, 2016, 37(4): 181-185. (in Chinese with English abstract)

DOI:10.7506/spkx1002-6630-201604032. http://www.spkx.net.cn

2015-06-01

國家自然科學基金面上項目（31471658）

劉建學（1964—），男，教授，博士，研究方向為食品品質快速檢測與安全控制。E-mail：jx_liu@163.com