紅外光譜技術(shù)在黃酒行業(yè)中的應(yīng)用研究進(jìn)展

彭金龍，張 輝*，毛嚴(yán)根

（1.上海金楓酒業(yè)股份有限公司，上海 201501；2.上海黃酒工程技術(shù)研究中心，上海 201501）

黃酒作為傳統(tǒng)制造行業(yè)，歷史悠久、工藝成熟，是我國(guó)優(yōu)秀而寶貴的民族文化遺產(chǎn)。黃酒是以稻米、黍米、小米、玉米、小麥、水等為主要原料，經(jīng)加曲或部分酶制劑、酵母等糖化發(fā)酵劑釀制而成的發(fā)酵酒[1]。

紅外光譜是分子選擇性吸收某些波長(zhǎng)的紅外線,進(jìn)而引起分子中振轉(zhuǎn)能級(jí)和轉(zhuǎn)動(dòng)能級(jí)的躍遷,通過(guò)檢測(cè)紅外線被吸收的情況，從而得到特征吸收光譜，又稱分子振動(dòng)光譜或振轉(zhuǎn)光。紅外光譜技術(shù)通過(guò)觀察待測(cè)物紅外譜帶數(shù)量、位置、性狀和強(qiáng)度隨化合物結(jié)構(gòu)及聚集態(tài)的變化,進(jìn)行定性或定量分析[2-4]。紅外光譜（Infrared spectroscopy,IR）包括近紅外（NIR）、中紅外（MIR）和遠(yuǎn)紅外（FIR），目前應(yīng)用于食品領(lǐng)域檢測(cè)的紅外光譜主要是傅里葉變換近紅外光譜（Fourier transform near infrared spectroscopy，F(xiàn)TIR-NIR，波長(zhǎng)0.75～2.5 μm）和傅里葉變換中紅外光譜（Fourier transform mid-infrared spectroscopy，F(xiàn)TIR-MIP，波長(zhǎng)2.5～25 μm）等[5-7]。目前研究報(bào)道中，黃酒行業(yè)主要是應(yīng)用近紅外光譜進(jìn)行分析。近年來(lái)，有關(guān)中紅外光譜的應(yīng)用研究報(bào)道逐漸增多，因發(fā)現(xiàn)絕大多數(shù)有機(jī)物和無(wú)機(jī)物的基頻吸收帶都出現(xiàn)在中紅外區(qū)，其中2.5～7.5 μm 為特征頻率區(qū)，這有利于組分官能團(tuán)的鑒定，如羰基酮、酸、酯或酰胺類等化合物[8]。紅外光譜分析技術(shù)具有多項(xiàng)優(yōu)點(diǎn)[9]：①儀器操作簡(jiǎn)單，可直接測(cè)定液體、固體等多種形態(tài)樣品，檢測(cè)成本低；② 檢測(cè)速度快，大部分樣品可在3 min內(nèi)完成測(cè)樣；③樣品無(wú)需前處理，可實(shí)現(xiàn)在線分析及監(jiān)測(cè)，檢測(cè)不損傷樣品，可稱為無(wú)損檢測(cè)；④ 效率高、重現(xiàn)穩(wěn)定性好，可同時(shí)對(duì)樣品多個(gè)組分進(jìn)行定性和定量分析。

近年來(lái)，紅外光譜分析技術(shù)逐漸引入應(yīng)用到黃酒行業(yè)，承擔(dān)酒中關(guān)鍵指標(biāo)分析、質(zhì)量控制及品質(zhì)鑒別等分析工作。本文綜述了近年來(lái)紅外光譜分析技術(shù)在黃酒行業(yè)研究與應(yīng)用進(jìn)展，內(nèi)容包括黃酒生產(chǎn)過(guò)程中關(guān)鍵指標(biāo)檢測(cè)分析，質(zhì)量控制研究，黃酒年份、產(chǎn)地、類型和品牌等屬性鑒別，并對(duì)紅外光譜技術(shù)在黃酒行業(yè)的應(yīng)用發(fā)展方向進(jìn)行了展望，以期為黃酒行業(yè)從事紅外光譜分析技術(shù)應(yīng)用研究的相關(guān)人員提供參考。

1 研究進(jìn)展

1.1 紅外光譜在黃酒生產(chǎn)過(guò)程關(guān)鍵指標(biāo)檢測(cè)分析中的應(yīng)用

國(guó)內(nèi)外應(yīng)用紅外光譜技術(shù)對(duì)黃酒關(guān)鍵指標(biāo)的檢測(cè)，主要包括酒精度、總糖、總酸、氨基酸態(tài)氮、pH 值等，黃酒中的這些指標(biāo)對(duì)黃酒質(zhì)量、風(fēng)味和穩(wěn)定性起著重要的作用，對(duì)黃酒中的關(guān)鍵理化指標(biāo)進(jìn)行檢測(cè)分析，是黃酒生產(chǎn)過(guò)程檢驗(yàn)的關(guān)鍵所在[10]。這也是目前黃酒行業(yè)利用紅外光譜分析技術(shù)最主要的應(yīng)用方面。分析過(guò)程中通常采用FTIR-NIR或FTIR-MIR 采集數(shù)據(jù)，使用偏最小二乘回歸（PLS）或非線性偏最小二乘回歸（NLS）等一種或多種算法進(jìn)行處理，比較各方法的精度，得出最優(yōu)算法，再建立定性或定量分析模型。

1985 年Halsey 等[11]最先將近紅外光譜技術(shù)用于啤酒分析；1987 年Baumgarten 等[12]將該技術(shù)應(yīng)用于酒精度檢測(cè)；1997 年，Garcia-Jares 等[13]運(yùn)用近紅外光譜和偏最小二乘回歸建立了白葡萄酒中多組分的檢測(cè)模型。在國(guó)內(nèi)，十年前，朱宏霞等[14-15]、胡小邦等[16]、周揚(yáng)等[17]、謝廣發(fā)等[18]、王家林等[19]多個(gè)科研人員研究了黃酒紅外譜圖預(yù)處理方法，建立了傅立葉變換近紅外透射光譜技術(shù)定量分析黃酒中酒精度、總酸及氨基酸態(tài)氮的模型，實(shí)現(xiàn)了黃酒多組分同時(shí)分析，并提高了預(yù)測(cè)精確度。

近年來(lái)，樊雙喜等[20]研究黃酒近紅外光譜和化學(xué)計(jì)量學(xué)技術(shù)，采用PLS 建立快速檢測(cè)黃酒中酒精度、總糖和總酸的模型，模型預(yù)測(cè)精度和穩(wěn)定性均較好，表明近紅外光譜法可快速檢測(cè)黃酒中酒精度、總糖和總酸；田翔等[21]利用近紅外分析儀進(jìn)行光譜掃描，采用PLS 建立黃酒中酒度和總糖含量的檢測(cè)模型，模型的校正決定系數(shù)分別為0.9811 和0.8771，交叉驗(yàn)證標(biāo)準(zhǔn)誤差分別為0.52 和3.95；Shen 等[22]應(yīng)用近紅外和中紅外光譜技術(shù)對(duì)黃酒中的常規(guī)質(zhì)量參數(shù)進(jìn)行測(cè)定，并通過(guò)3 種化學(xué)計(jì)量方法建立標(biāo)準(zhǔn)模式，結(jié)果表明，PLS 模型的性能最好，中紅外光譜法測(cè)定乙醇、總糖、非糖固形物和總酸的模型優(yōu)于近紅外光譜法，pH 值反之；Ouyang 等[23]結(jié)合了協(xié)同區(qū)間偏最小二乘法算法（Si-PLS）和競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法（CARS）的優(yōu)點(diǎn)，提出了一種基于競(jìng)爭(zhēng)自適應(yīng)重加權(quán)抽樣的協(xié)同區(qū)間偏最小二乘算法(Si-CARS-PLS)，建立了近紅外光譜法快速測(cè)定中國(guó)黃酒中非糖固形物含量的方法，對(duì)7 個(gè)PLS 因子、18 個(gè)變量進(jìn)行優(yōu)化，結(jié)果表明，校正集（Rc）=0.95，校正誤差均方根（RMSEC）=1.12，預(yù)測(cè)集Rp=0.95，預(yù)測(cè)均方根誤差（RMSEP）=1.22、Liu等[24]利用可見(jiàn)和近紅外透射光譜和混合化學(xué)計(jì)量法，建立測(cè)定黃酒中的可溶性固形物含量和pH 的PLS 回歸模型，可溶性固形物含量的相關(guān)系數(shù)（R）、預(yù)測(cè)標(biāo)準(zhǔn)誤差（SEP）和RMSEP 分別為0.95、0.16 和0.17，pH的分別為0.94、0.02和0.02。

近年來(lái)，針對(duì)酒類產(chǎn)品的檢測(cè)分析，多個(gè)科學(xué)儀器研究公司開(kāi)發(fā)了近紅外或中紅外的內(nèi)嵌檢測(cè)模型的專門(mén)設(shè)備，如安東帕公司ALCOLYZER WINE 酒精分析儀和鉑金埃爾默公司FT-B 型中紅外酒類成分分析儀等，這標(biāo)志著紅外光譜分析技術(shù)更加成熟，同時(shí)也方便了酒行業(yè)領(lǐng)域研究者的使用。黃媛媛等[25]、李國(guó)輝等[26]、胡徽祥等[27]、歐昌榮等[28]應(yīng)用酒精分析儀測(cè)定黃酒中酒精度，并與國(guó)標(biāo)方法測(cè)定結(jié)果對(duì)比，其重復(fù)性好，準(zhǔn)確度高。

1.2 紅外光譜在黃酒質(zhì)量控制方面的應(yīng)用

目前，黃酒質(zhì)量控制的主要方面是感官指標(biāo)和理化指標(biāo)。國(guó)內(nèi)外應(yīng)用紅外光譜技術(shù)對(duì)黃酒質(zhì)量控制，主要是開(kāi)發(fā)了黃酒中感官指標(biāo)和理化指標(biāo)的動(dòng)態(tài)檢測(cè)方法，利用近紅外光譜檢測(cè)技術(shù)快速、準(zhǔn)確測(cè)定黃酒中的各項(xiàng)指標(biāo)，降低質(zhì)量檢測(cè)人員勞動(dòng)強(qiáng)度和減少其分析時(shí)間，提高在線監(jiān)測(cè)效率，為生產(chǎn)關(guān)鍵參數(shù)實(shí)時(shí)監(jiān)控提供可靠數(shù)據(jù)。

Yu等[29]設(shè)計(jì)了一套環(huán)形光纖光譜儀系統(tǒng)，用于采集黃酒樣品在棕色圓形玻璃瓶?jī)?nèi)的透反射光譜，利用最小二乘法支持向量機(jī)（LS-SVM）建立參考數(shù)據(jù)與可見(jiàn)近紅外（Vis-NIR）光譜之間的統(tǒng)計(jì)方程，開(kāi)發(fā)出了一套對(duì)黃酒中酒精含量、可滴定酸度和pH 具有較好預(yù)測(cè)能力的系統(tǒng)，結(jié)果表明，該系統(tǒng)是一種很有價(jià)值的黃酒在線質(zhì)量檢測(cè)方法；Ouyang等[30]將反向傳播人工神經(jīng)網(wǎng)絡(luò)（BPANN）與自適應(yīng)增強(qiáng)（AdaBoost）算法相結(jié)合，即BP-AdaBoost 算法，利用協(xié)同區(qū)間偏最小二乘法(Si-PLS)選擇最佳光譜區(qū)間，基于最優(yōu)光譜間隔建立了一套黃酒感官品質(zhì)預(yù)測(cè)方法的Si-BP-AdaBoost 模型，其Rp=0.9180，RMSEP=2.23；Shen 等[31]利用FTIR-MIR 光譜法采集數(shù)據(jù)，采用PLS 算法處理，對(duì)黃酒中非糖固體、葡萄糖、麥芽糖、異麥芽三糖、異麥芽糖、全糖、總酸、氨基酸氮、pH 和乳酸等11 個(gè)與糖含量和酸度相關(guān)的參數(shù)建立了校正模型，除異麥芽三糖和異麥芽糖外，大多數(shù)參數(shù)的驗(yàn)證回歸系數(shù)（Rval）均大于0.85，結(jié)果表明，MIR 光譜法可用于黃酒質(zhì)量的測(cè)定。Wu 等[32]研究了衰減全反射中紅外光譜技術(shù)（ATR-MIR），采用區(qū)間偏最小二乘法和支持向量機(jī)改進(jìn)偏最小二乘法模型的性能，建立了區(qū)間支持向量機(jī)（i-SVM）預(yù)測(cè)模型，結(jié)果表明，ATR-MIR結(jié)合高效變量選擇算法和非線性回歸工具作為黃酒發(fā)酵過(guò)程中乙醇、總糖、總酸、氨基酸態(tài)氮的快速監(jiān)測(cè)和控制方法是可行的。

1.3 紅外光譜在黃酒酒齡、類型、產(chǎn)地和品牌等屬性鑒別方面的應(yīng)用

黃酒酒齡、類型、產(chǎn)地和品牌是鑒別黃酒屬性的重要指標(biāo)。如何利用紅外光譜技術(shù)準(zhǔn)確的識(shí)別黃酒的酒齡、類型、產(chǎn)地及品牌，找出不同地域黃酒產(chǎn)品的差異，同時(shí)可打擊市場(chǎng)假冒偽劣產(chǎn)品，對(duì)黃酒產(chǎn)業(yè)和市場(chǎng)的意義重大，這也引起了很多研究者的關(guān)注。

蔣詩(shī)泉等[33]采用主成分分析（PCA）結(jié)合非線性最小二乘法支持向量機(jī)方法，使用多元散射校正、標(biāo)準(zhǔn)化歸一化、二階導(dǎo)數(shù)及Savitzky-Golay 平滑進(jìn)行譜圖預(yù)處理，建立了鑒別黃酒酒齡的近紅外譜圖模型，同時(shí)對(duì)比了不同主成分對(duì)建模分析結(jié)果的影響，結(jié)果表明，模型校正集和預(yù)測(cè)集均為100%；于海燕等[34-35]應(yīng)用近紅外光譜透射技術(shù)，結(jié)合化學(xué)計(jì)量方法，發(fā)現(xiàn)采用近紅外光譜結(jié)合判別分析法的分析結(jié)果最優(yōu)，由此建立了黃酒酒齡定性鑒別的方法，其校正集和預(yù)測(cè)集分別為98.1 %和90.6 %。結(jié)果表明，對(duì)于定性鑒別黃酒酒齡，近紅外光譜透射技術(shù)結(jié)合原始光譜及判別分析法是一種可靠、準(zhǔn)確、快速的檢測(cè)方法。同時(shí)，其采用近紅外光譜技術(shù)結(jié)合原子吸收光譜技術(shù)對(duì)紹興和嘉善的黃酒進(jìn)行產(chǎn)地模式識(shí)別，建立PLSR識(shí)別模型，模型正確率為100%[36]。牛曉穎等[37]對(duì)紹興黃酒基酒1～10 年陳的樣品進(jìn)行定性分析，比較了不同光程、不同模式識(shí)別方法、不同波段、不同光譜預(yù)處理方法的建模結(jié)果，分析了樣品中5種糖、3種酸和16種氨基酸隨酒齡的變化趨勢(shì)及其變化引起的不同酒齡基酒品質(zhì)特征的相似或差異，從風(fēng)味成分含量的角度分析了FTIR-NIR鑒別紹興黃酒基酒酒齡的理化依據(jù)；薛磊等[38]采用標(biāo)準(zhǔn)化、標(biāo)準(zhǔn)正態(tài)變量變換、一階導(dǎo)數(shù)等預(yù)處理方法，建立了傳統(tǒng)型、清爽型和特型3 種風(fēng)格的紹興黃酒PLS 判別分析模型，結(jié)果表明，傳統(tǒng)型、清爽型和特型黃酒的校正集和預(yù)測(cè)集識(shí)別率均為100%，成功地實(shí)現(xiàn)了黃酒風(fēng)格的判別。劉飛等[39]采用可見(jiàn)/近紅外光譜對(duì)不同品種的黃酒獲取光譜曲線，采用PCA 方法對(duì)光譜數(shù)據(jù)進(jìn)行聚類分析，并將其提取的主成分作為BP 神經(jīng)網(wǎng)絡(luò)的輸入值，建立了3 個(gè)品牌黃酒的品種鑒別模型，該方法的品種鑒別正確率為97.78%。

1.4 紅外光譜在黃酒其他方面的應(yīng)用

近年來(lái)，隨著科研人員的不斷深入研究，紅外光譜技術(shù)在一系列其他新技術(shù)搭橋的基礎(chǔ)上有了更多更廣泛的應(yīng)用，如：紅外光譜技術(shù)檢測(cè)黃酒中特征物質(zhì)或營(yíng)養(yǎng)成分和金屬元素以及鑒別黃酒原料等，具有重大意義。

沈飛等[40]利用近紅外光譜技術(shù)，在800～2500 nm 波段范圍內(nèi)建立了黃酒主要香氣指標(biāo)β-苯乙醇的回歸分析模型，結(jié)果顯示，標(biāo)準(zhǔn)矢量歸一化（SNV）預(yù)處理結(jié)合PLS 法在全波段范圍內(nèi)建立的模型性能最優(yōu)，校正模型的相關(guān)系數(shù)（R）為0.949，RMSEC 為6.66 mg/L，RMSEP 為10.4 mg/L，相對(duì)標(biāo)準(zhǔn)偏差（RPD）達(dá)1.83。同時(shí)，其采集分析透射模式下黃酒樣品的近紅外光譜，利用PCA 結(jié)合PLSR 建立校正集，建立了定量檢測(cè)黃酒中16 種氨基酸的模型，以高效液相色譜（HPLC）分析結(jié)果作為對(duì)照，使用RPD 以及留一交互驗(yàn)證法均方根誤差（RMSECV）評(píng)價(jià)模型，結(jié)果表明，除脯氨酸、組氨酸和精氨酸預(yù)測(cè)結(jié)果不理想外，其余游離氨基酸含量的預(yù)測(cè)結(jié)果令人滿意，這說(shuō)明利用近紅外光譜法可定量分析黃酒中游離氨基酸的含量[41]。焦愛(ài)權(quán)等[42]利用中紅外及近紅外光譜結(jié)合特征譜區(qū)，實(shí)現(xiàn)對(duì)黃酒中總酚含量及其抗氧化能力的快速檢測(cè)；于海燕等[43]選用不同光程的近紅外透射光譜，將其用于定量測(cè)定黃酒中的鉀、鈣、鎂、鋅和鐵等金屬元素；Wu 等[44]利用FT-NIR 光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)，采用區(qū)間偏最小二乘法（iPLS）和極限學(xué)習(xí)機(jī)（ELM）改進(jìn)了偏最小二乘法模型的性能，基于iPLS（iELM）選擇的子區(qū)間，建立對(duì)黃酒的抗氧化能力（TAC）和γ-氨基丁酸（GABA）含量測(cè)定的iELM 模型，模型具有較好的預(yù)測(cè)結(jié)果和精度，表明FT-NIR 結(jié)合高效變量選擇算法和非線性回歸工具可作為預(yù)測(cè)黃酒抗氧化能力和GABA 含量的快速替代方法。同時(shí)，其應(yīng)用SiPLS、支持向量機(jī)（SVM）和PCA對(duì)兩個(gè)獨(dú)立儀器的合并數(shù)據(jù)進(jìn)行處理，利用衰減全反射紅外光譜法（ATR-IR）及拉曼光譜法（RS）相結(jié)合的方法，建立測(cè)定黃酒總抗氧化能力和總酚含量（TPC）的模型，結(jié)果表明，ATR-IR和RS集成是可行的，并提高了兩者的預(yù)測(cè)精度[45]。黃桂東等[47]利用漫反射傅里葉變換紅外光譜（DR-FTIR）與軟獨(dú)立模式分類（SIMCA）相結(jié)合的方法，以1000～1750 cm-1為特征波長(zhǎng)，經(jīng)Savitzky-Golay 平滑、自動(dòng)基線校正及SNV 預(yù)處理后，采用交互留一驗(yàn)證法，建立粳米、糯米、秈米3 種大米的SIMCA識(shí)別模型，在α=0.05 顯著水平下，對(duì)預(yù)測(cè)集樣本的識(shí)別率和拒絕率均可達(dá)100%。程斐等[46]利用近紅外光譜儀建立一種快速鑒別黃酒生麥曲品質(zhì)的技術(shù)方法，該方法檢測(cè)結(jié)果與人工鑒別結(jié)果一致性達(dá)95%。

2 存在問(wèn)題與解決辦法

紅外光譜分析技術(shù)具有技術(shù)成熟易用、無(wú)污染、分析速度快、無(wú)損及成本低等優(yōu)點(diǎn)，目前已在奶制品等食品領(lǐng)域廣泛應(yīng)用，近年來(lái)，已在葡萄酒、啤酒、白酒、黃酒等酒行業(yè)推廣使用。然而，在黃酒行業(yè)大規(guī)模推廣使用，仍有諸多問(wèn)題需要解決，主要是兩大方面：

（1）黃酒中成分復(fù)雜，影響分析結(jié)果。黃酒中成分較多，相對(duì)復(fù)雜，各類成分相互反應(yīng)，黃酒整體是一個(gè)緩沖體系，這會(huì)影響相關(guān)關(guān)鍵組分在紅外檢測(cè)時(shí)的紅外光譜吸收強(qiáng)弱程度，導(dǎo)致靈敏性降低；同時(shí)，紅外光譜的測(cè)量成分和檢測(cè)限具有一定的范圍。因此，需要研究人員充分掌握所測(cè)黃酒的光譜信息，并將紅外光譜與其他技術(shù)結(jié)合進(jìn)行檢測(cè)分析。

（2）紅外光譜建模困難，研究廣度和深度仍然不足。一方面，紅外光譜模型建立需要大量具有代表性的樣品，不同區(qū)域、不同廠家、不同批次、不同原料所釀黃酒存在差異，這給建模樣品的選擇帶來(lái)很大困難，同時(shí)也限制了模型的適用性；另一方面，建立紅外光譜模型需要獲取大量的樣品真實(shí)值，花費(fèi)的人力、物力、財(cái)力較大，且建模時(shí)間較長(zhǎng)、建模過(guò)程復(fù)雜、建模專業(yè)要求比較高，模型也需要不斷的升級(jí)和維護(hù)。目前，在黃酒行業(yè)，關(guān)于黃酒理化指標(biāo)測(cè)定、產(chǎn)地溯源、品質(zhì)鑒定等統(tǒng)一的數(shù)據(jù)庫(kù)還未建立，這就要求研究人員在建模時(shí)盡可能選擇有代表性和多樣性的建模樣品，建立數(shù)據(jù)庫(kù)，并且同其他化學(xué)計(jì)量方法與軟件相結(jié)合，使紅外光譜模型能更好的滿足實(shí)際需要。

3 總結(jié)與展望

紅外光譜技術(shù)在黃酒行業(yè)中的應(yīng)用尚處于起步階段，相關(guān)報(bào)道也較少，尤其是中紅外光譜分析技術(shù)，這主要與參與基于紅外光譜法的黃酒分析研究工作的科研單位、科研人員仍然偏少，以及用以技術(shù)研發(fā)的科研經(jīng)費(fèi)投入尚不滿足實(shí)際需要有一定關(guān)系。目前，紅外光譜技術(shù)在黃酒產(chǎn)業(yè)中的應(yīng)用，主要還是以建模定性分析為主，且大多僅停留在研究階段，還未真正應(yīng)用于生產(chǎn)實(shí)際中。

隨著國(guó)內(nèi)紅外光譜方面研究的不斷深入以及釀酒企業(yè)不斷加大科研投入，基于紅外光譜技術(shù)的酒類品質(zhì)鑒定技術(shù)以及組分定量分析技術(shù)會(huì)不斷趨于成熟，甚至還有可能建成紅外在線質(zhì)量控制系統(tǒng)，通過(guò)采集流動(dòng)生產(chǎn)線或生產(chǎn)節(jié)點(diǎn)中基酒或成品酒的紅外光譜實(shí)現(xiàn)對(duì)其品質(zhì)的鑒別和多組分的同時(shí)定量，使得我國(guó)黃酒釀造行業(yè)的質(zhì)量檢驗(yàn)水平再上一個(gè)新臺(tái)階。