近紅外光譜儀在特香型白酒生產檢測中的應用

（四特酒有限責任公司，江西樟樹 331200）

1 材料和方法

1.1 材料、儀器

糧食原料：大米、面粉、麥麩、稻殼。

儀器設備：NIR-TANGO 系列和配套工作站軟件（布魯克）。

1.2 實驗方法

1.2.1 傳統檢測方法

大米水分、面粉水分、麥麩水分、稻殼水分GB 5009.3—2016 第一法直接干燥法；大米粗淀粉、酒醅粗淀粉GB 5009.9—2016 第二法酸水解法（由于是粗淀粉檢測，不進行脂肪及可溶性糖類的去除步驟）；麥麩灰分、面粉灰分GB 5009.4—2016 第一法食品中總灰分的測定；面粉面筋值GB/T 5506.1—2008 小麥小麥粉面筋含量第1 部分：手洗法測定濕面筋；面粉脂肪酸值GB/T 5510—2011 油料檢驗糧食、油料脂肪酸值測定。

1.2.2 光譜采集

使用傳統方法檢測的樣品均使用近紅外光譜儀和工作站軟件進行光譜采集，大米、面粉、麥麩、稻殼分別裝測量杯采集3 次光譜，每次采集完將樣品倒出拌勻后再倒入測量杯中掃描；酒醅裝入測量杯，把樣品壓實后掃描采集，同樣采集3 次，每次采集完后倒出，將樣品拌勻后重新倒入測量杯中壓實后再掃描。

1.2.3 數據關聯

由于近紅外定量分析方法是二級方法，本質是利用化學計量學方法將近紅外光譜與傳統檢測方法的數據進行關聯。將傳統檢測方法得到的數值和掃描出的光譜進行一一對應。

1.2.4 建立模型

原發性高血壓屬于心內科疾病，多發生在中老年群體中，原發性高血壓患者的常見臨床癥狀包括頭脹、頭暈、健忘、乏力、失眠、多夢、耳鳴等，對患者正常生活以及身體健康極其不利。在對原發性高血壓患者進行治療的過程中，藥物治療是主要的控制方式，有相關研究結果發現，原發性高血壓患者中僅有40%～50%的治療依從性較好。患者的治療依從性不高，會一定程度上的影響原發性高血壓治療效果，因而在臨床實踐中需要研究制定出有效的護理管理對策，提高原發性高血壓患者的藥物治療依從性。

使用布魯克OPUS7.8 軟件建立方法模型，本研究建立了大米檢測模型、面粉檢測模型、麥麩檢測模型、稻殼檢測模型、酒醅入池檢測模型和酒醅出池檢測模型。

1.2.5 模型的檢驗和優化

大米檢測模型建立2 個組分，分別是水分和粗淀粉；麥麩檢測模型也是2 個組分，分別是水分和灰分；面粉檢測模型有4 個組分，分別是水分、灰分、脂肪酸值和面筋值；稻殼檢測模型只有水分1個組分；入池酒醅檢測模型有水分、酸度和淀粉3個組分；出池酒醅檢測模型有水分、酸度、淀粉和酒精度4 個組分，使用軟件對每個模型的每個組分分別進行檢驗和優化。

2 結果與分析

2.1 模型預測結果評價

理論上，近紅外光譜儀完全遵循“量子傳遞”的誤差理論，模型預測的結果誤差由傳統檢測方法的誤差決定。運用已建立并檢驗和優化的模型對樣品進行預測，預測對樣品掃描2 次，同時將樣品進行傳統檢測。此次研究收集的數據長達一年，模型建立、檢驗和優化完成后才開始投入使用，每個模型隨機抽取10 個樣品進行數據對比驗證。數據詳見表1—表6（模型預測值簡稱預測值，傳統檢測值簡稱檢測值，差值取絕對值）。

由表1—表6分析差值絕對值得出表7及圖1。

由圖1 分析可見，面粉的脂肪酸值、面筋值差值相對較大，分析其原因有兩個方面：一是由于面粉是釀造原料中占比較少，來貨批次數較少，收集到的數據相對較少；二是面筋值是手洗法，手洗法由于不同人員手法差異等人為因素會造成更大的誤差傳導至模型中。其次是大米粗淀粉、出入池淀粉和水分，分析其原因主要也是傳統檢測的誤差，因為傳統酒醅水分檢測是定溫定時法，并沒有使用恒重法，而傳統粗淀粉檢測也是酸直接水解，并沒有去除脂肪、可溶性糖等因素的影響，導致大米粗淀粉、酒醅水分和淀粉的誤差相對較大。其他項目誤差范圍基本不大，用于生產指導基本可以忽略不計。雖然這幾項誤差相對較大，但應用到生產指導上，這些誤差比起近紅外光譜儀帶來的時效性和便利性而言可以忽略不計。

表1 大米模型預測結果與傳統檢測結果比對

表2 麥麩檢測模型預測結果與傳統檢測結果比對

2.2 通過率分析

此次研究中，特香型白酒的龍頭企業四特酒有限責任公司糧食釀造原料采購的途徑比較單一和固定，大米、面粉、麥麩和稻殼使用模型預測時極少數出現馬氏距離（馬氏距離是對被分析譜圖與建模譜圖之間相似度的程量，Bruker 工作站軟件OPUS）超過范圍的情況。但是酒醅由于是開放式生產，窖池量上千，不確定性因素較多，經過一年的數據和光譜采集，依然存在預測通不過的情況，特香型白酒釀造生產封窖期在每年7 月中下旬至8月，模型投入使用后，本研究跟蹤兩年，對每月通過率進行了分析，詳見表8（當年9 月開始即模型投入使用的第一個月）。

表3 面粉檢測模型預測結果與傳統檢測結果比對

表4 稻殼檢測模型預測結果與傳統檢測結果比對

圖1 差值比較圖

將入池通過率和出池通過率分別做圖分析如圖2、圖3。

圖2 入池通過率分析圖

圖3 出池通過率分析圖

本研究中，對不通過的酒醅同時收集光譜，并進行傳統檢測后將光譜也增加至模型中，不斷優化模型。由圖2、圖3 及表8 分析可以看出，入池通過率整體比出池高，入池在當年12 月到次年6 月通過率較低，但第二年通過率就有很大的提升，此情況同樣發生在出池酒醅中，當年12 月至次年6月，通過率普遍較低，在第二年也有很大的改善。說明在12 月份至次年上半年中，窖池環境的不確定性因素較大，收集的光譜越豐富，通過率越高。說明開放式生產的特香型酒醅具有特別豐富的多樣性，在使用近紅外光譜儀進行檢測的應用中，可以通過不斷的豐富和優化檢測模型來提高通過率。

表5 入池酒醅模型預測結果與傳統檢測結果比對

表6 出池酒醅模型預測結果與傳統檢測結果比對

表7 各模型分析項目預測值絕對差值分析表

3 近紅外檢測在白酒生產中的應用前景及結果討論

3.1 應用前景

此次研究只在原輔料和酒醅檢測的領域，雖然在酒醅的應用上會出現通不過的概率，但整體上還是有效提高了檢測的效率，掃描樣品時間可以縮短到2 min之內，傳統的檢測需要4 h以上的時間。本次研究是在四特酒中心實驗室建立的，基于本次研究的成果，前景應用可以拓展至生產一線，比如在釀造車間，可以將中心實驗室建立的模型直接應用，預測出的數據結果可以快速反饋，更加有利于生產；同時近紅外光譜儀是指波長在780～2526 nm范圍內的電磁波,其近紅外區域的主要光譜信息來源于-CH、-NH和-OH等含氫基團的倍頻與合頻吸收[2]，有這些基團的物質理論上都可以使用近紅外光譜儀進行檢測，例如白酒中的酒精度、總酸、總酯，甚至是白酒中的乙酸乙酯、己酸乙酯等呈味物質，也可以擴展至特香型白酒不同等級和基酒年份的定性辨別等領域。未來近紅外光譜技術在白酒企業中的應用將越來越廣泛，可以開展更多領域的研究。

表8 模型投入使用后兩年內跟蹤情況表

同時可以展開更加精密的傳統實驗，例如面粉脂肪酸值、面筋值、大米淀粉、出入池酒醅水分和淀粉等實驗，不斷降低近紅外光譜儀檢測模型預測的誤差值。

3.2 討論

四特酒引進近紅外光譜儀，首先應用在原輔料和酒醅檢測的領域，考慮到特香型白酒主要產區都在江西省內，特香型白酒釀造環境都是開放的環境，一年內的四季變化會對窖池的生產環境造成影響，所以在酒醅檢測的建模之初收集一年內的數據。建成后的模型可以適用于預測所有特香型白酒的酒醅，但由于釀造環境的不確定性因素依然比較多，后期應該收集預測未通過的樣品光譜和同時對其進行檢測的理化數據，不斷的加入到模型中，使得模型的適用性不斷提高。在酒醅檢測的應用上可以為生產一線實時提供可靠的數據，及時有效的為生產提供工藝參數的指導。