王怡淼， 朱金林， 張 慧， 趙建新， 顧小紅， 朱華新

(1． 江南大學(xué) 食品科學(xué)與技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 江蘇 無(wú)錫 214122； 2． 江南大學(xué) 食品學(xué)院， 江蘇 無(wú)錫 214122;3． 浙江大學(xué) 控制科學(xué)與工程學(xué)院, 浙江 杭州 310027; 4． 張家港出入境檢驗(yàn)檢疫局， 江蘇 張家港 215600;5. 食品安全國(guó)際合作聯(lián)合實(shí)驗(yàn)室， 江蘇 無(wú)錫 214122； 6． 江南大學(xué) 理學(xué)院， 江蘇 無(wú)錫 214122)

1 引 言

葡萄酒在我國(guó)起源較早，有著悠久的歷史。隨著人們生活條件的改善以及我國(guó)釀酒技術(shù)的提高，葡萄酒越來(lái)越被大眾所接受，成為餐桌上的必備飲品。葡萄酒的主要成分包括酒精、糖類、醇類、有機(jī)酸、維生素、多酚類物質(zhì)等，每天適量飲用能夠增強(qiáng)免疫力，抗氧化[1]，預(yù)防癌癥、動(dòng)脈硬化[2]、糖尿病等。葡萄酒的品質(zhì)鑒定主要依靠專業(yè)的品酒師進(jìn)行感官評(píng)定或是對(duì)其進(jìn)行理化檢測(cè)，但是這兩種方法不僅耗時(shí)耗力，而且前期投入大，對(duì)樣品預(yù)處理要求高。因此為了快速智能地對(duì)葡萄酒品質(zhì)進(jìn)行檢測(cè)，維護(hù)葡萄酒市場(chǎng)的穩(wěn)定，亟需一種快速無(wú)損精確的檢測(cè)方法。

近年來(lái)，國(guó)內(nèi)外已有許多針對(duì)葡萄酒快速檢測(cè)的研究。主要利用紅外光譜技術(shù)[3-4]、高效液相色譜法[5]、氣相色譜-質(zhì)譜聯(lián)用[6]等方法結(jié)合化學(xué)計(jì)量學(xué)對(duì)葡萄酒中的一些成分進(jìn)行快速檢測(cè)，其中又以紅外光譜技術(shù)最為簡(jiǎn)便快速，能滿足工業(yè)生產(chǎn)在線無(wú)損檢測(cè)的要求。目前，紅外光譜技術(shù)已經(jīng)作為一種常用手段應(yīng)用于產(chǎn)地溯源、多組分檢測(cè)、過(guò)程控制等領(lǐng)域。吳正宗等[7]利用傅里葉紅外光譜技術(shù)實(shí)現(xiàn)了黃酒中17種自由氨基酸濃度的快速檢測(cè)；Basalekou[8]使用傅里葉紅外光譜技術(shù)作為檢測(cè)葡萄酒成熟的工具；Urbano-Cuadrado等[9]利用近紅外光譜技術(shù)對(duì)葡萄酒樣本的15個(gè)參數(shù)分別建立了PLS模型，大部分模型效果良好；Cozzolino[10]使用近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)對(duì)葡萄酒中的酚類化合物濃度進(jìn)行預(yù)測(cè)。

通常，在建立葡萄酒酒精度定量分析模型時(shí)會(huì)通過(guò)譜圖分析選擇建模變量，這對(duì)光譜分析能力有較高的要求。但如果直接使用全光譜區(qū)域建模，往往會(huì)包括一些與樣品無(wú)關(guān)的信息，導(dǎo)致模型的穩(wěn)定性和預(yù)測(cè)性下降，并且對(duì)于大數(shù)據(jù)量的樣本，使用全光譜建模會(huì)影響建模及檢測(cè)效率。因此，選擇合適的算法對(duì)變量進(jìn)行篩選是很有必要的，不僅能夠簡(jiǎn)化模型，還能提高建模和檢測(cè)效率。最常用的變量選擇方法有模擬退火(SA)[11]、遺傳算法(GAs)[12]、人工神經(jīng)網(wǎng)絡(luò)(ANN)[13]、無(wú)信息變量消除法(UVE)[14]和連續(xù)投影算法(SPA)[15]。本研究主要基于GA和MC-UVE算法選擇最有效的特征波長(zhǎng)，進(jìn)一步進(jìn)行因子分析(FA)建立回歸模型，并與PLS回歸模型進(jìn)行比較，探究葡萄酒酒精度定量模型的優(yōu)化方法。

2 實(shí) 驗(yàn)

2.1 樣品

試驗(yàn)的樣品均來(lái)自張家港出入境檢驗(yàn)檢疫局，117個(gè)樣品分別產(chǎn)自西班牙(n=11)、智利(n=38)、澳大利亞(n=16)、法國(guó)(n=42)、阿根廷(n=4)、美國(guó)(n=3)、意大利(n=3)，密封保存在4 ℃的冰箱中。

2.2 近紅外光譜采集

使用FT-NIR光譜儀(Thermo Fisher，USA)采集近紅外光譜，每次實(shí)驗(yàn)前開(kāi)機(jī)預(yù)熱1 h。光譜采集范圍為4 000～10 000 cm-1，掃描次數(shù)16次，分辨率8 cm-1。在透射模式下采集每個(gè)樣品的光譜信息。將樣品在20 ℃下放置1 h，然后將樣品置于光程1 mm的矩形石英比色皿中，使用RUSULT軟件采集光譜數(shù)據(jù)，光譜數(shù)據(jù)輸出格式為吸光度。每個(gè)樣品掃描10次，得到平均光譜作為最終譜圖。

2.3 參考值的測(cè)定

酒精度含量測(cè)定采用酒精計(jì)法，按照GB/T 15038-2006測(cè)定。

2.4 因子分析方法(FA)

因子分析是基于概率回歸模型框架下進(jìn)行的[16]，與傳統(tǒng)的回歸分析模型相比，概率模型具有以下幾個(gè)優(yōu)勢(shì)[17]：(1)在概率建?？蚣芟拢軌?qū)⒂行У淖畲笃谕?EM)化算法納入到參數(shù)學(xué)習(xí)中；(2)可以有原則的方式制定概率模型的混合形式；(3)可以通過(guò)概率模型解決數(shù)據(jù)遺漏問(wèn)題；(4)可以對(duì)概率模型進(jìn)行進(jìn)一步的貝葉斯(Bayes)處理，用于自動(dòng)確定潛變量模型的維度。但是，PCA和PCR的概率模型都有一個(gè)限制假設(shè)：不同的過(guò)程變量使用相同的噪聲方差。為了解決這個(gè)問(wèn)題，將因子分析引入概率模型中。

傳統(tǒng)的FA模型集中在高斯分布的潛變量t上，而原始測(cè)量變量x被視為t和噪聲e的線性組合，其目的是找到最可能的參數(shù)集[18]。傳統(tǒng)的FA模型只集中在一個(gè)無(wú)監(jiān)督的數(shù)據(jù)集上，而監(jiān)督的FA分析試圖在一對(duì)數(shù)據(jù)集X和Y之間建立模型，X=[x1,x2,…,xn]T∈Rn×m，Y=[y1,y2,…,yn]T∈Rn×r，其中m代表X的測(cè)量變量的數(shù)量，r代表Y的測(cè)量變量的數(shù)量，監(jiān)督FA模型的結(jié)構(gòu)如下述方程式所示：

x=Axt+ex，

(1)

y=Ayt+ey，

(2)

其中Ax∈Rm×k，Ay∈Rr×k，分別是X和Y的因子載荷矩陣。t∈Rk×1，是潛在因子向量，而ex∈Rm×1、ey∈Rr×1分別是x和y的測(cè)量噪聲。在本實(shí)驗(yàn)中，x代表波長(zhǎng)，y代表酒精度。

2.5 蒙特卡羅無(wú)信息變量消除法(MC-UVE)

UVE可以消除無(wú)用的信息變量，通常使用穩(wěn)定性來(lái)評(píng)估每個(gè)變量的可靠程度。在UVE算法中，使用leave-one-out(LOO)交叉驗(yàn)證，而對(duì)于MC-UVE來(lái)說(shuō)，是使用MC交叉驗(yàn)證來(lái)獲得穩(wěn)定性的值，這兩者的區(qū)別在于，LOO交叉驗(yàn)證一次只留一個(gè)樣本用于驗(yàn)證，而MC交叉驗(yàn)證一次篩選出大部分樣品以進(jìn)行驗(yàn)證。這增強(qiáng)了驗(yàn)證對(duì)建模的影響，提高了選出最佳模型的可能性[19]。通過(guò)MC算法，從訓(xùn)練集中隨機(jī)選擇一定量的樣本作為用于構(gòu)建PLS子模型的訓(xùn)練子集，并且該過(guò)程重復(fù)M次。然后，計(jì)算PLS回歸系數(shù)b(M×p)的矩陣，通過(guò)下式計(jì)算每個(gè)變量j的穩(wěn)定性：

(3)

其中mean(bj)和std(bj)是變量j的回歸系數(shù)的平均值和標(biāo)準(zhǔn)偏差。穩(wěn)定性Sj的絕對(duì)值越大，相應(yīng)變量越重要。

2.6 遺傳算法(GA)

遺傳算法是基于自然遺傳和自然選擇過(guò)程建立的一種優(yōu)化方法，主要包括五個(gè)基本步驟：(1)變量編碼；(2)初始化群體；(3)計(jì)算適應(yīng)度值；(4)復(fù)制；(5)變異。不斷重復(fù)步驟(3)～(5)，直到達(dá)到終止條件[20]。應(yīng)用遺傳算法對(duì)近紅外建模波長(zhǎng)進(jìn)行優(yōu)化選擇是基于該算法能夠不斷地對(duì)模型進(jìn)行簡(jiǎn)化以及對(duì)有利于提高建模效果的波段或者波長(zhǎng)點(diǎn)進(jìn)行優(yōu)化組合，從而達(dá)到最佳的預(yù)測(cè)效果[21]。

2.7 模型的評(píng)估

3 結(jié)果與討論

3.1 葡萄酒近紅外光譜

圖1顯示了不同產(chǎn)地葡萄酒樣品的近紅外透射光譜圖，從圖中可以看出，不同產(chǎn)地的葡萄酒具有相似的近紅外吸收峰。其中，在4 996 cm-1處的吸收峰，其吸光度接近3，說(shuō)明此時(shí)透過(guò)樣品的近紅外光很微弱，極易受到噪聲等外界環(huán)境的影響，因此在分析時(shí)應(yīng)把其剔除。同時(shí) 5 200 cm-1附近的吸收峰已經(jīng)飽和，也應(yīng)將其剔除。6 862 cm-1處較強(qiáng)的吸收峰與葡萄酒中碳水化合物和水的—OH基團(tuán)的一級(jí)倍頻吸收相關(guān)，4 300～4 500 cm-1波段內(nèi)的小峰主要與樣品中各組分的C—H鍵的合頻吸收有關(guān)，而5 250～6 000 cm-1的峰則是與C—H鍵的二倍頻吸收有關(guān)[23]。

從以上分析可以看出，近紅外光譜吸收弱，大多與O—H、C—H、S—H和N—H等含氫基團(tuán)的分子振動(dòng)有關(guān)，并且譜帶寬、重疊現(xiàn)象嚴(yán)重，很難對(duì)單一譜帶進(jìn)行精確歸屬。因此基于近紅外光譜建立定量模型時(shí)，對(duì)建模特征變量的選取是有一定難度的，而光譜區(qū)域的選擇又會(huì)直接影響模型的效果。

圖1 葡萄酒樣本近紅外透射光譜圖

3.2 樣品的酒精度含量

葡萄酒樣品中酒精度含量較為集中，符合用于建模的組分含量應(yīng)盡量均勻分布的原則，因此可直接用于建模。參考國(guó)標(biāo)法測(cè)定的葡萄酒樣品中酒精度含量，作為建模時(shí)的標(biāo)準(zhǔn)數(shù)據(jù)，產(chǎn)自7個(gè)產(chǎn)地的共117個(gè)葡萄酒樣品酒精度參考值如表1所示，將117個(gè)樣品分為78個(gè)訓(xùn)練集樣品和39個(gè)預(yù)測(cè)集樣本。

表1 葡萄酒樣品酒精度參考值

3.3 使用全譜結(jié)合PLS分析方法建立的酒精度回歸模型

使用全譜范圍進(jìn)行PLS分析，建立回歸模型。從表2可以看出，原始光譜建立的模型R2和RMSECV分別為0.891和0.301，表明基于近紅外光譜建立葡萄酒酒精度PLS回歸模型具有可行性，但是由于未對(duì)建模變量進(jìn)行篩選，導(dǎo)致紅外光譜數(shù)據(jù)中包含較多的噪聲和無(wú)關(guān)信息，使得模型的預(yù)測(cè)能力不高。利用預(yù)測(cè)集樣本對(duì)該模型進(jìn)行驗(yàn)證，預(yù)測(cè)結(jié)果見(jiàn)表3。

表2訓(xùn)練集樣本酒精度PLS模型參數(shù)

Tab.2 Main parameters in PLS models of alcohol content of training samples

PretreatmentCalibrationCross-validationRMSECR2RMSECVR2Full0.2380.9330.3010.891

表3 不同模型的酒精度預(yù)測(cè)集

3.4 基于MC-UVE方法的變量選擇

圖2 使用MC-UVE算法對(duì)酒精度預(yù)測(cè)的變量的穩(wěn)定性分布

Fig.2 Stability distribution of variables for prediction of the alcohol content by MC-UVE method

3.5 基于GA算法的變量選擇

圖3 RMSECV與所選變量數(shù)量的變化關(guān)系

Fig.3 Variation of RMSECV with the number of selected variables

3.6 因子分析

圖4為兩個(gè)模型的預(yù)測(cè)結(jié)果的相關(guān)性，從圖中可以看出，采用MC-UVE-GA-FAR模型的實(shí)測(cè)值和預(yù)測(cè)值的相關(guān)性明顯高于使用全光譜所建模型，說(shuō)明MC-UVE、GA算法和FA分析能顯著提高模型的性能。并且MC-UVE和GA算法是對(duì)變量進(jìn)行自動(dòng)選擇，不需要有較強(qiáng)的紅外光譜分析能力；用于建模的變量數(shù)僅為6個(gè)，有效地提高了建模及檢測(cè)效率，更加適合于實(shí)際生產(chǎn)應(yīng)用。

圖4 預(yù)測(cè)集酒精度實(shí)測(cè)值與預(yù)測(cè)值散點(diǎn)圖。 (a)全光譜PLS模型結(jié)果；(b)MC-UVE-GA-FAR模型結(jié)果。

Fig.4 Scatter plot of measuredversuspredicted alcohol content of the prediction set. (a)Results of full spectra-PLS model. (b)Results of MC-UVE-GA-FAR.

4 結(jié) 論

本實(shí)驗(yàn)是基于葡萄酒酒精度快速無(wú)損檢測(cè)要求的優(yōu)化研究。對(duì)117個(gè)葡萄酒樣本進(jìn)行近紅外光譜采集，以采集到的光譜數(shù)據(jù)的平均值為基礎(chǔ)，利用MC-UVE和GA算法以選擇最佳變量，同時(shí)建立PLS回歸模型和FA回歸模型。結(jié)果表明，MC-UVE-GA-FAR模型的效果最佳，預(yù)測(cè)集R2為0.946，RMSEP為0.215，均優(yōu)于MC-UVE-GA-PLS模型，說(shuō)明FA分析能夠提高模型的預(yù)測(cè)能力。并且所需的建模變量數(shù)僅為6個(gè)，簡(jiǎn)化了模型，提高了預(yù)測(cè)效率。本實(shí)驗(yàn)證明MC-UVE和GA算法是變量選擇的有效方法，結(jié)合FA分析能夠?qū)崿F(xiàn)模型的簡(jiǎn)化及優(yōu)化，滿足實(shí)際生產(chǎn)應(yīng)用的要求，實(shí)現(xiàn)葡萄酒酒精度在線快速無(wú)損檢測(cè)。