利用近紅外技術對河套原酒入庫指標的檢測研究

王海英，楊玉珍，任國軍，王慧，張智洋，屈慧，潘冬

（內蒙古河套酒業集團技術中心，內蒙古巴彥淖爾015400）

利用近紅外技術對河套原酒入庫指標的檢測研究

王海英，楊玉珍，任國軍，王慧，張智洋，屈慧，潘冬

（內蒙古河套酒業集團技術中心，內蒙古巴彥淖爾015400）

研究利用近紅外技術建立酒度、總酸、乙酸乙酯、乳酸乙酯、己酸乙酯和丁酸乙酯的快速檢測方法。經過反復對模型進行優化、驗證和修正，得到R2線性關系較好，交叉驗證均方根差RMSECV較小的最優模型。通過對模型的可靠性、穩健性和實用性評估，表明酒度、總酸、己酸乙酯、乙酸乙酯、乳酸乙酯和丁酸乙酯6項指標模型分析的結果可靠準確，其準確度和精密度分別為100%，100%；99.89%，100%；99.35%，100%；98.33%，100%；96.89%，100%；95.87%，100%。說明模型預測效果好，能滿足原酒入庫質量等級判定的要求。

白酒；近紅外光譜技術；模型預測

近紅外光譜技術是近幾年發展最為迅速的高新分析技術之一，屬于一項物理性質的測試技術，具有快速、無損耗、多成分同時分析、分析過程無污染、分析結果重現性高等優點，已滲透各行各業，成為現代分析測試技術中的重要工具。近紅外光譜區的波長范圍為780～2526 nm（12820～3959 cm-1），是由分子振動從基態向高能級躍遷時產生的，主要記錄是含氫基團X-H(X=C、N、O)振動的倍頻和合頻吸收，非常適合用于碳氫有機物質的組成與性質的測定[1]。

中國白酒行業是中國食品工業中重要的一個產業部門，且年產量巨大[2]?；诮t外分析技術分析速度快、結果準確穩定的特性，近紅外光譜分析技術已經在白酒生產過程和產品質量的控制方面逐步得到應用[3]。我公司早在2006年已經將近紅外光譜技術應用于檢測酒醅成分如水分、淀粉、糖分和總酸等指標，效果較好，儀器操作簡單、分析速度快，檢測結果準確穩定、樣品制備量小。鑒于此，本課題將近紅外光譜技術應用到白酒酒體的檢測方面，解析白酒樣品的近紅外光譜圖，優化比較不同的光譜預處理方法對建模效果的影響，通過對所建立預測模型各項參數的選擇比對，不斷優化模型，旨在建立白酒的酒精度、總酸、己酸乙酯、乙酸乙酯、乳酸乙酯和丁酸乙酯的校正模型，研發高效、快速、準確的一套分析方法，為判定原酒入庫的質量等級提供保障。

1 材料與方法

1.1 材料、試劑及儀器

1.1.1 樣品

建模樣品為河套酒業制酒車間現時生產的原酒樣品。針對己酸乙酯、乙酸乙酯、乳酸乙酯、丁酸乙酯、酒精度和總酸建模指標選取不同濃度系列的樣品，樣品具有代表性。

1.1.2 儀器

德國布魯克NIR光譜儀（MPA）,配有樣品腔以及透射光譜采集測量方法；日本島津GC-2014色譜儀；電子酒精計；上海般特pH計(PHS-3CW)等。

1.2 實驗方法

1.2.1 樣品理化指標化學值的測定

利用日本島津GC-2014色譜儀，依據GB/T 10345—2007白酒分析方法檢測建模樣品白酒中己酸乙酯、乳酸乙酯、乙酸乙酯、丁酸乙酯的含量；利用電子酒精計參照測定酒精度；利用pH計(PHS-3CW)采用GB/T 10345—2007白酒分析方法電位滴定法測定總酸。

1.2.2 樣品光譜采集

利用Bruker（MPA）傅里葉變換（FT）近紅外光譜儀采集光譜。TE-InGaAs檢測器。選用光程為1mm樣品杯，垂直光路，以空氣為參比，掃描波數為12000～4000 cm-1，分辨率為8 cm-1，重復掃描16次，取平均光譜值，每個樣品做2個平行樣的光譜采集。

1.2.3 光譜數據預處理

利用Bruker（MPA）傅里葉變換（FT）近紅外光譜儀采集到的白酒原酒光譜，采用自動交互功能將全波段光譜自動分為5個不同波頻的光譜段，然后經過一階導數（First derivative）、二階導數(Second derivative)、矢量歸一化（Spectra Vector normalization）等預處理方法，用于消除光程長短或樣品濃度等變化對光譜響應產生的影響[4]。在建立定量模型時，從光譜圖中提取與化學組成相關的信息，消除與樣品濃度無關的其他影響因素的干擾，提高圖譜與化學成分之間的相關性。同時經過對光譜做平滑處理，過濾噪音、提高信噪比[5]，消除光譜基線產生的平移或漂移，從而得到最明顯的特征光譜[6]。經過預處理后優化，使用內部交叉驗證法，選擇最佳校正模型。

1.2.4 衡量模型檢測能力的指標

1.2.4.1 模型質量參數

光譜處理后，采用內部交叉驗證法檢驗模型穩健性。通過比較模型的決定系數R2（R2給出了真實組分值中出現的變量的百分數，預測含量值愈接近真值，R2愈接近100%）和內部交叉驗證均方根差（RMSECV）來衡量模型質量，R2越大，RMSECV越小，模型質量越好。模型的預測性能用預測標準偏差RMSEP和相關系數R2來表示，預測模型R2越大，RMSEP越小，模型預測能力越好。

1.2.4.2 模型的準確性、穩健性和可靠性研究

準確性研究：同一樣品利用GC色譜儀分析和MPA所建模型分析，比較色譜值和預測值的一致程度。采用色譜值和預測值的相對標準偏差RSD表示，參照色譜分析同一樣品平行樣的RSD小于0.05，規定本實驗同一樣品的色譜值和預測值的RSD值≤0.05表示模型預測準確。

可靠性研究：模型預測批量原酒樣品，其中樣品預測準確的（色譜值和預測值RSD≤0.05）個數占總樣品的比值越高，表示模型可靠性越好。

穩健性研究：利用所建立模型對同一樣品平行測定5次，5次測定值的RSD≤0.05表示精密度良好。利用所建立模型對同一樣品在2 d內每隔6 h測定1次，同一樣品不同測定值的RSD≤0.05表示穩定性和重現性較好。

2 結果與討論

2.1 白酒樣品圖譜

實驗中通過樣品杯光程的選擇實驗、分辨率選擇實驗、檢測器的設置實驗和樣品掃描時間、次數的實驗等等，對采集白酒樣品光譜的各種參數確定最佳值，按照光譜采集的最優條件和參數對收集的樣品采集譜圖。本實驗近紅外掃描圖譜在全光譜范圍3960～12800 cm-1范圍內全波段掃描，光譜圖見圖1。

圖1 部分濃香型原酒樣品的譜圖

結合圖1分析：近紅外譜區主要體現基頻2000 cm-1以上的基團信息，其中以含氫基團為主，也有其他一些基團的信息如C=O基團、COOH基團等。白酒近紅外譜圖中對應Near Infrared Band AssignmentTable（近紅外波段分配表）能夠區分各官能團的吸收峰譜區：其中羰基C= O吸收峰譜區在FirstOvertoneRegion和SecondOvertoneRegion即第一、第二振動吸收區；羧基-COOH在FirstO-vertoneRegion第一振動吸收區；羥基-OH的吸收峰較強，在3個吸收區均有不同程度的吸收。

2.2 各指標對應的的校正模型

2.2.1 模型

對樣品光譜圖的處理，選擇譜圖有效信息最佳的波數范圍和預處理方法預建模。通過對模型異常樣品剔除、優化檢驗、補充目標樣品（建模樣品較少的）、再優化檢驗的循環過程，最終確定了各項指標的相應模型（圖2）。

圖2 各指標模型

表1 各指標模型參數

2.2.2 模型參數（見表1）

結合表1分析：不同理化指標建立模型時，結合樣品化學值和圖譜，利用（PLS）偏最小二乘法計算，會在不同光譜范圍做不同的預處理，強化和提取光譜有效信息，來增加模型的穩健性，從而提高模型質量。對于模型來說，質量參數R2越大，RMSECV越小，模型越穩健，模型質量越好。

上述6項指標，其中己酸乙酯、乙酸乙酯和酒精度模型的R2已達到99%，乳酸乙酯、丁酸乙酯和總酸R2在97%以上，說明各模型線性關系較好；乙酸乙酯、丁酸乙酯、總酸和酒精度模型的RMSECV較低，模型預測誤差較小。己酸乙酯和乳酸乙酯模型的RMSECV略偏高一點，模型預測誤差也就略偏大一些。總體來說模型質量較好。

對于己酸乙酯和乳酸乙酯模型的RMSECV略偏高分析原因：在原酒中這些成分屬于微量成分，如果實驗中在取得化學值和光譜掃描這兩個過程中有時間間隔，這些微量成分就會發生一些縮合、酯化和水解等化學反應，會導致微量成分發生微小的變化，另外酒樣光譜的取得、模型預處理方法的選擇等，對這2項模型的建立影響也較大一些，導致模型RMSECV略偏高，總體來說各指標的模型質量較好。模型預測結果是否可靠和穩健，還需要考慮在實際檢測過程中預測誤差對實驗結果的影響，來確定模型的分析結果能否滿足分析要求，能否達到實驗室流動化學分析儀分析結果準確度的極限。

2.3 模型預測驗證實驗

2.3.1 模型重現性和準確性（見表2）

選取本單位1701份樣品作為盲樣，利用近紅外建立的模型和色譜進行同步分析，每個樣品重復檢測2次，得出各指標的預測值和真值。

結合表2分析：同一樣品利用己酸乙酯、乙酸乙酯、乳酸乙酯、丁酸乙酯、酒精度和總酸6個模型預測，2次預測值的RSD%值的平均值分別為0.2842%、0.631%、0.7372%、0.7341%、0.0338%和0.7250%，均小于5%，表明模型預測較為穩定，重現性較好。同一樣品真值和預測值的RSD%的平均值分別為0.3449%、0.6540%、0.5548%、0.8146%、0.0318%和1.215%，也均小于5%，表明模型預測結果準確性好。

表2 部分酒樣真值和預測值

圖3 各指標模型預測性能

2.3.2 預測性能可靠性評估

將上述1000多份樣品的預測值和真值做預測性能評價，來進一步驗證所建立模型的可靠性。盲樣預測能夠客觀地反映所建定標模型對樣品的預測性能。

結合圖3分析：圖標為模型檢驗的預測值和樣品的真實值之間的線性關系圖，也表示模型預測值與真值的趨同程度，樣品點靠近中間線性區域，說明預測結果準確性高。實驗中系統自檢模型預測偏差和誤差，己酸乙酯、乙酸乙酯、乳酸乙酯、丁酸乙酯、酒精度和總酸的預測模型對于盲樣的預測均方根差(RMSEP)分別為7.18、 3.06、6.54、1.01、0.0226、0.123；模型預測系統誤差值（Bias）分別0.528、0.105、0.327、0.072、0.0031、0.0219。同時將每項指標的預測值和實測值做F檢驗t檢驗，均存在p＜0.05，表示2種測定方法幾乎不存在顯著性差異；說明各指標模型檢測數據準確可靠。

2.3.3 模型實用性評估

利用所建立的各指標模型檢測本單位連續3個月原漿酒共756個樣品的各項理化指標，同時將這些樣品按照GB/T 10345—2007白酒分析方法中氣相色譜法檢測各指標。通過整體考量模型在檢驗大量樣品時檢測準確性高的樣品占總樣品的百分比，來確定模型的最終實用性。

結合圖4分析：利用所建立的各項指標的模型檢測大量樣品，檢測樣品的各項指標重復性好的樣品占總樣品的百分比幾乎接近100%，說明模型檢測樣品的重復性較好、穩健性較強，檢測幾乎不受任何因素的干擾；檢測樣品的各項指標準確度高的樣品占總樣品的百分比都在95%以上，其中己酸乙酯、乙酸乙酯、乳酸乙酯和酒精度這4項指標占比更高一些，而丁酸乙酯和總酸稍低一些，都達到了我們既定的檢測要求。

圖4 各指標模型檢測樣品的實用性

針對丁酸乙酯和總酸檢測準確度高的占比略低一些的現象進行了分析。原酒總酸的檢測方法采用是酚酞酸堿滴定法，滴定由于手工的操作肯定存在系統誤差和手工操作誤差，建立模型的數據來源于此，模型受到影響，所以檢測準確程度較高的樣品占總樣品的比值不是很高；另一方面是在同一樣品中，一般丁酸乙酯的含量是己酸乙酯含量的十分之一到三十分之一，所以白酒中丁酸乙酯含量較低，在模型預測時預測偏差和檢測操作誤差對丁酸乙酯影響較大。這2項指標的模型通過以后的優化和修正，檢測準確度還會進一步提高。

2.4 預測值對原酒部分微量成分規律的影響

選取河套原酒400個樣品，利用建好的各指標模型分析檢測，同時將這400個樣品作為一個整體，分別將其微量成分各指標的含量總和做百分含量占比的結構分析，分析見圖5。

結合圖5分析，在這5項指標己酸乙酯占比最高，高于乙酸乙酯和乳酸乙酯；丁酸乙酯占比最小，總酸略小于乙酸乙酯。

經過圖5分析，這些微量組分結構的趨勢符合河套原酒入庫標準對于微量成分結構的要求。說明近紅外模型預測數據和原酒指標的實際情況相符，存在的檢測偏差對整個原酒微量成分的結構沒有質的影響。

3 結論

圖5 部分微量組分的結構圖

本課題利用近紅外技術對己酸乙酯、乙酸乙酯、乳酸乙酯、丁酸乙酯、酒精度和總酸指標建立定量分析模型，相關性系數R2分別為99.33%、99.11%、98.29%、97.53%、99.95%和98.71%。相關線性良好，模型質量較好。進一步對各項指標的模型驗證和評價，得出了6項指標的趨同程度基本一致，同時預測均方根差(RMSEP)分別為7.18、3.06、6.54、1.01、0.0226、0.123；模型預測系統誤差值（Bias）分別為0.528、0.105、0.327、0.072、0.0031、0.0219。且經過F檢驗和t檢驗驗證，說明兩種方法之間無顯著性差異，表明模型的預測效果很好，能滿足生產中白酒6項指標的檢測分析。

利用近紅外技術檢測白酒中的己酸乙酯、乙酸乙酯、丁酸乙酯、乳酸乙酯、酒精度和總酸的含量，前提條件是盡可能利用數量多、覆蓋范圍廣的樣品光譜和準確的化學值來構建近紅外檢測模型。所建立的模型分析樣品中這6項指標的含量時，樣品實際含量不能超過模型的分析范圍。如果在實際檢測過程中，樣品這6項指標含量有超過模型的分析范圍時，會產生分析錯誤。所以在遇到這種情況時，我們需要繼續補充優化模型，從而擴大模型的分析范圍。

[1]彭幫柱.傅立葉變換近紅外光譜法檢測白酒總酸和總酯[J].農業工程學報,2006,22(12)：216-219.

[2]徐瑋.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.

[3]江蘇.近紅外光譜分析技術及其在煙草行業中的應用[J].光譜實驗室,2006,23(3)：633-637.

[4]BARNESR J,DHANOAM S,LISTER SJ.Standard normal variate transformation and de-trending of near-infrared diffuse reflectance spectra[J].Appl spectrosc,1989,43：772-777.

[5]陸婉珍.現代近紅外光譜分析技術[M].北京：中國石化出版社, 2007.

[6]彭幫柱.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.

Rapid Detection of Warehousing Indexes of Hetao Base Liquor by Using Near Infrared Technology

WANG Haiying,YANG Yuzhen,REN Guojun,WANG Hui,ZHANG Zhiyang,QU Hui and PAN Dong
(Technology Center of Hetao Distillery Group,Bayannur,Inner Mongolia 015400,China)

In this study,the rapid detection model of alcohol content,total acid,ethyl acetate,ethyl lactate,ethyl caproate and ethyl butyrate in Hetao base liquor has been established by using near infrared technology.Through repeated optimization,verification and correction of the model,the optimum model with good R2linear relation and good cross validation root-mean-square deviation RMSECV was eventually obtained.Through assessment of the reliability,the robustness and the practicability of the model,it was demonstrated that the analytic results of 6model indexes including alcohol content,total acids,ethyl caproate,ethyl acetate,ethyl lactate and ethyl butyrate were accurate and reliable with accuracy and precision of 100%,100%;99.89%,100%;99.35%,100%;98.33%,100%;96.89%,100%;and 95.87%,100%,respectively.The established model had good prediction effects and it could meet the judging requirements of warehousing Hetao base liquor.

Baijiu;near infrared spectroscopy;prediction model

TS262.3；TS261.7

A

1001-9286（2017）01-0037-05

10.13746/j.njkj.2016276

2016-09-12

王海英(1982-)，女，工程師,本科，河套酒業技術中心高級技術員，主要從事釀酒相關發酵理論分析、理化檢測和微生物檢測。

優先數字出版時間：2016-11-25；地址：http://www.cnki.net/kcms/detail/52.1051.TS.20161125.1408.008.html。