基于近紅外光譜技術檢測白酒基酒中乙醇含量的研究

韓四海,郭玉姍,李 璇,劉建學*,李佩艷,徐寶成,羅登林

(1.河南科技大學 食品與生物工程學院,河南 洛陽 471023;2.河南省食品原料工程技術研究中心,河南 洛陽 471023)

我國是白酒消費大國,在各種香型白酒中,濃香型白酒的銷量最多,其銷售份額占白酒市場份額的70%左右[1]。白酒由原料經發酵、蒸餾而獲得,乙醇和水占據主要成分,占總量的98%以上,其他香味物質占白酒總量的1%～2%[2]。在白酒中,乙醇的體積百分比越高,白酒的酒精度就越高,酒性也越強烈。適量飲用白酒有益于身體健康,但是飲酒一旦過量,就會引起機體酒精中毒。準確測定白酒中乙醇含量對于控制白酒質量安全、維護消費者健康具有重要意義。傳統的乙醇測定方法存在操作復雜、耗時長的缺點,操作過程中誤差較大,難以實現白酒中乙醇含量的快速檢測[3-5]。酒中乙醇含量的測定國家標準GB 5009.225—2016《酒中乙醇濃度的測定》中適用蒸餾酒(白酒)的方法有密度瓶法、酒精計法,這兩種方法都存在受溫度波動及酒內溶解的其他醇類物質影響較大等不足,而且不適合白酒生產過程中在線快速檢測。

近紅外光譜(near infrared spectroscopy,NIRS)技術是一種高效、無損的快速檢測技術[6-8],能夠實現在線檢測和現場監測[9],多成分同時分析[10],在工業[11]、農業[12-13]、醫藥[14]、化工[15-16]等各個領域開展了廣泛的應用。近年來,近紅外光譜分析技術在酒類分析中得到廣泛應用[17-19],克服了傳統的化學分析方法測量繁瑣費時的缺點,對酒的品質進行科學的評價,提高了酒成分分析的效率[20-22]。近紅外主要是對含氫化學鍵的化合物進行組分分析,利用物質對近紅外光的吸收特性,鑒定被測物的結構[23-24]。近紅外光譜技術在酒類行業的應用主要在定性分析和定量檢測方面[25-27],針對的主要是酒類的成品檢測,對于基酒的檢測還研究較少。偏最小二乘法(partial least squares,PLS)在近紅外定量檢測方面應用非常廣泛,它是一種多元校正分析方法,適合于復雜分析體系,能充分提取樣品光譜的有效信息,能克服數據間多重相關的問題,具有穩定性強,預測精度高的優點。

本研究通過氣相色譜法(gas chromatography,GC)與近紅外光譜技術相結合的方法,來快速檢測白酒基酒中的乙醇含量。將氣相色譜測得的乙醇含量的化學值作為基礎數據,采用偏最小二乘法(PLS)建立白酒基酒中乙醇含量的近紅外定量分析模型,達到乙醇的在線快速檢測的目的,為白酒基酒中乙醇含量的快速檢測提供一種方法。

1 材料與方法

1.1 材料與試劑

白酒基酒樣品:某大型酒廠選取具有代表性的濃香型白酒基酒樣品,在生產線分段取樣收集100個白酒基酒樣品。

無水乙醇、正丁醇標準品(純度≥99%):天津市科密歐化學試劑開發中心;超純水:亞仕蘭超純水機制備;0.22μm針頭式過濾器:美國Millipore公司。

1.2 儀器與設備

Agilent7890A氣相色譜儀:美國安捷倫科技有限公司;BRUKERVECTOR33型近紅外光譜儀:德國布魯克(Bruker)公司;石英比色皿:宜興市譜析光學元件有限公司。

1.3 方法

1.3.1 氣相色譜條件

乙醇含量的測定采用氣相色譜法,其色譜條件:AT.LZP-930型色譜柱(25 m×0.32 mm×0.1μm);載氣(高純氮氣)流速30 mL/min;柱流速2.0 mL/min;氫氣流速30 mL/min,空氣流速300 mL/min,尾吹流速25 mL/min;進樣方式:分流進樣,分流比10∶1;進樣量1μL。程序升溫條件:初始溫度60℃,保持1 min,以10℃/min升至110℃,再以20℃/min升至210℃保持4 min;進樣口溫度280℃;火焰離子檢測器(flameionization detector,FID),溫度280℃。

配制不同質量濃度梯度的乙醇標準溶液,以乙醇質量濃度對相應的峰面積進行線性回歸,得到乙醇氣相色譜標準曲線。利用該標準曲線對100個白酒基酒樣品中乙醇含量進行測定,每個白酒基酒樣品測定3次,測定結果取平均值。

1.3.2 近紅外光譜條件

測定環境溫度在20～25℃,試驗前打開儀器預熱30min檢查信號保存峰位,進行參數的設置,近紅外儀器參數設置如下:InGaAs檢測器,光譜波長范圍12 000～4 000 cm-1,儀器分辨率8 cm-1,掃描次數32次,掃描光程1 mm。以空氣作為參比,采用透射采樣的方式測定白酒基酒樣品的近紅外透射光譜圖。為了減小誤差,試驗過程中保持環境的干燥和樣品器皿的干燥,每次測完酒樣用濾紙擦拭比色皿,每個白酒基酒樣品平行測定3次,并取光譜的平均值作為最終光譜圖。

1.3.3 近紅外模型的建立與優化

為建立模型的需要,要將白酒基酒樣品劃分為校正集樣品和驗證集樣品。按氣相色譜測得的乙醇含量的化學值的均勻分布情況,選取80個樣品作為建立乙醇近紅外模型的校正集樣品,其余的20個樣品作為驗證集樣品。將乙醇含量的化學值導入OPUS6.5軟件中,與對應的白酒基酒樣品的近紅外透射圖譜相關聯,采用偏最小二乘法(PLS)建立白酒基酒中乙醇含量的定量分析模型。其中,在采集酒樣近紅外光譜圖的過程中,會受到噪音或客觀因素的干擾,為了提取光譜的特征信息,消除背景信息,提高模型的可靠性和穩定性,需要應用預處理方法對光譜圖進行預處理。采用OPUS6.5軟件對建模條件進行優化,得到最佳預處理方法、建模區間和主成分數。對所建乙醇定量分析模型的性能進行驗證,并對模型的精密度進行檢驗。

1.3.4 數據處理

光譜采集及分析軟件采用OPUS6.5軟件,光譜預處理采用The Unscrambler 9.7軟件,圖形的繪制和數據處理采用Origin 8.5軟件。

2 結果與分析

2.1 乙醇的化學值測定結果

按照1.3.1中的氣相色譜條件,將白酒基酒樣品進樣,得到的氣相色譜圖如圖1所不。

圖1 白酒基酒各成分的氣相色譜圖Fig.1 Gas chromatogram of components in base liquor of Baijiu

由圖1可知,白酒基酒中的組分乙醇、乙酸乙酯、1-丁醇、異戊醇、乳酸乙酯、己酸乙酯和己酸等組分在此氣相色譜條件下得到了較好的分離,通過定性確定乙醇的保留時間在4.949 min。

以乙醇含量對應峰面積進行線性回歸作乙醇標準曲線,得到標準曲線回歸方程為y=0.469 1x+31.454,相關系數R2達到了0.999 1,說明乙醇含量與峰面積之間線性關系良好。100個白酒基酒樣品中校正集樣品和驗證集樣品中乙醇含量的化學值如表1所不。

由表1可知,所選樣品中各組分含量范圍較寬,白酒基酒中乙醇的校正集的含量范圍在439.08～526.15 mg/mL,驗證集的含量范圍在444.25～511.62 mg/mL,校正集和驗證集的乙醇含量范圍較寬,且所選建立模型的校正集樣品的含量范圍大于驗證集樣品檢驗的含量范圍,有利于后期建立適用性強的模型,并對模型的適用性進行驗證。

表1 白酒基酒中乙醇含量的化學值分析Table1 Chemical value analysis of alcohol content in base liquor of Baijiu

2.2 白酒基酒中的近紅外光譜采集

按照1.3.2中的近紅外光譜條件,采集得到的100個白酒基酒樣品的近紅外光譜圖見圖2。

圖2 白酒基酒近紅外光譜圖Fig.2 Near infrared spectrogram of base liquor of Baijiu

白酒基酒中含有多種呈香成分,結構較為復雜,但水和乙醇是主要成分。乙醇在近紅外光譜區的吸收光譜,主要是通過含氫集團伸縮振動躍遷引起的[28]。由于樣品中組成成分的不同,造成吸收峰的強度也不盡相同。由圖2可知,在近紅外光譜區,白酒基酒的近紅外光譜圖出現明顯的吸收峰,近紅外光譜圖有部分重疊,光譜圖曲線較為尖銳,伴有噪聲的產生,白酒基酒的近紅外光譜圖采集過程中受到了干擾,對光譜圖需要進行預處理,采用The Unscrambler 9.7軟件處理。

2.3 白酒基酒中乙醇的近紅外模型的建立與優化

全譜段預測模型容易受到水分和其他無關因素的影響,會降低模型的精度和準確度,選擇合適的光譜變量是生成高精度模型的關鍵,能提高近紅外光譜與基酒中乙醇化學成分的相關性;主成分數的選擇關乎模型的準確度,主成分數過低,模型的準確度會降低,不能充分表征光譜特征;主成分數過高,則模型的預測能力會下降,結果會出現過擬合的現象。通過OPUS6.5分析軟件處理近紅外圖譜,并和對應的化學值相關聯,采用偏最小二乘法(PLS)建立模型,通過優化分析優選出最佳預處理方法、建模區間和模型主成分數。在建模過程中,為了提高模型的精度,剔除誤差較大的樣品。當主成分數為7時,此時模型的校正標準偏差(rootmeansquareerror of cross-validation,RMSECV)值最小,為0.89,模型的效果最好。白酒基酒中乙醇的近紅外光譜模型的分析結果如表2所不。

表2 白酒基酒乙醇近紅外光譜模型分析結果Table2 Analysis results of NIRS model for the determination of ethanol in base liquor of Baijiu

利用以上近紅外模型分析結果,建立乙醇的定量分析模型,剔除誤差較大的樣品后,建立的乙醇校正模型的預測值和真實值的關系見圖3,利用所建模型對驗證集樣品進行預測,得到預測值和真實值的關系見圖4。

圖3 校正集乙醇含量的預測值與真實值相關性Fig.3 Relationship between prediction and real values of ethanol content in calibration set

由圖3可知,乙醇校正模型的決定系數(R2)為0.923 3,校正標準偏差(RMSECV)為0.89,所建模型的預測值和真實值基本一致,且校正集樣品中乙醇含量在465～515mg/mL之間時樣品數量較多,含量低于或高于這個范圍的樣品數量較少,所選校正集樣品符合正態分布規律。

圖4 驗證集乙醇含量的預測值與真實值相關性Fig.4 Relationship between prediction and real values of ethanol content in test set

由圖4可知,驗證集樣品中的乙醇含量的決定系數(R2)為0.954 8,預測標準偏差(root mean square error of prediction,RMSEP)為1.21。決定系數(R2)較高接近于1,標準偏差較小,所建模型的預測值與真實值相接近,模型具有良好的預測性能,且所選樣品具有很好的代表性。結果表明,利用所建模型對乙醇含量進行預測,結果與標準方法測定結果基本一致,所建模型有較高的準確性,可應用在快速檢測白酒基酒中的乙醇的含量。

2.4 模型預測能力的檢驗

另外取一個白酒基酒樣品,按照同樣的氣相色譜測定條件測得化學值為481mg/mL。通過近紅外光譜儀測量10次,利用所建模型對光譜圖進行預測得到10次預測值,求得其平均值。模型的預測平均值和真實值相比較,相對標準偏差(relativestandaral deviation,RSD)為0.23%。相對標準偏差較小,說明模型的精密度較高。

3 結論

本研究通過氣相色譜和近紅外光譜技術相結合的方法,建立白酒基酒中乙醇的定量分析模型。結果表明,在7502～5450cm-1光譜范圍內,通過減去一條直線預處理近紅外圖譜,得到的模型效果最好。此時乙醇校正模型的決定系數為0.923 3,校正標準偏差為0.89;驗證集樣品的決定系數為0.954 8,驗證標準偏差為1.21。對模型進行驗證,所建模型的預測性能較好,模型的精密度較高,近紅外光譜技術能夠快速檢測白酒基酒中乙醇的含量。

傳統的乙醇檢測方法繁瑣費時,難以實現快速檢測和在線分析。近紅外光譜技術具有方便快捷、高效環保,可以實現在線檢測的優點。本實驗利用近紅外光譜技術建立乙醇定量分析模型達到快速檢測白酒基酒中乙醇的目的,克服了傳統方法的局限性,可以應用在白酒生產過程中乙醇的在線檢測和質量控制,不僅操作便捷,不會造成化學污染,還有利于乙醇分析速度的提高,為白酒的在線檢測提供依據。