宗緒巖 ，李 驥 ，鄒永芳 ，王 陶 ，葉光斌 ，劉恩滿(mǎn) ， 李 麗 ，3

（1.四川理工學(xué)院生物工程學(xué)院，四川宜賓 644000；2.釀酒生物技術(shù)及應(yīng)用四川省重點(diǎn)實(shí)驗(yàn)室，四川宜賓 644000；3.固態(tài)釀造關(guān)鍵技術(shù)研究四川省院士（專(zhuān)家）工作站，四川宜賓 644000；4.舍得酒業(yè)股份有限公司，四川遂寧 629209）

白酒作為我國(guó)的一種傳統(tǒng)酒精飲料，是中國(guó)特有的酒精類(lèi)飲料[1]。白酒采用固態(tài)釀造、雙邊發(fā)酵[2-3]。白酒中富含醇、酸、醛、酯等風(fēng)味物質(zhì)[4]，其中尤以酯類(lèi)物質(zhì)含量豐富為代表[5]。在生產(chǎn)過(guò)程檢驗(yàn)時(shí)，基本使用傳統(tǒng)化學(xué)方法，人為因素大、數(shù)據(jù)精確度不高。雖然近年來(lái)氣相色譜分析基本在白酒企業(yè)普及，但仍然存在操作復(fù)雜、用時(shí)長(zhǎng)等問(wèn)題[6-7]。

隨著技術(shù)的發(fā)展，有些學(xué)者開(kāi)始運(yùn)用光譜技術(shù)對(duì)白酒進(jìn)行分析、檢測(cè)。Zhu W等人[8]使用熒光光譜技術(shù)預(yù)測(cè)清香型白酒的年份。近紅外光譜是近年來(lái)發(fā)展很快的光譜技術(shù)，能夠快速、無(wú)損獲取樣品的化學(xué)指紋，在復(fù)雜的背景中分辨出待測(cè)物質(zhì)[9-11]。近紅外光譜主要是對(duì)有機(jī)分子中含氫基團(tuán)X-H鍵（X為C，O，N，S等）的倍頻和合頻吸收。根據(jù)這些基團(tuán)的近紅外吸收光譜出現(xiàn)的位置、吸收強(qiáng)度等信息特征，結(jié)合數(shù)理統(tǒng)計(jì)對(duì)該成分作定性和定量分析。該法具有快速、無(wú)損、環(huán)保、可以實(shí)現(xiàn)在線(xiàn)分析等特點(diǎn)，已廣泛用于食品領(lǐng)域中[12-14]。

通過(guò)對(duì)白酒中添加不同含量的四大酯制作出白酒樣本，然后采用近紅外光譜進(jìn)行掃描，使用化學(xué)計(jì)量學(xué)方法對(duì)光譜進(jìn)行定量分析，以期達(dá)到快速、無(wú)損檢測(cè)白酒成分的目的，該研究為后續(xù)研究機(jī)理和工業(yè)化應(yīng)用提供理論基礎(chǔ)。

1 材料與方法

1.1 材料與試劑

白酒，舍得酒業(yè)股份有限公司提供；乙酸乙酯、丁酸乙酯、己酸乙酯、乳酸乙酯均為分析純，購(gòu)于Sigma-Aldrich公司；乙醇為分析純，購(gòu)于成都市科隆化學(xué)品有限公司。

1.2 儀器與設(shè)備

FTLA2000-160型近紅外光譜儀，ABB公司產(chǎn)品；氣相色譜質(zhì)譜聯(lián)用儀，美國(guó)安捷倫公司產(chǎn)品。

1.3 數(shù)據(jù)處理軟件

Grams，ABB公司配套數(shù)據(jù)采集軟件；MATLAB，數(shù)據(jù)轉(zhuǎn)換和處理平臺(tái)；PLS-Toolbox 8.11，數(shù)據(jù)處理和分析軟件。

1.4 方法

1.4.1 樣品制備

使用去離子水將乙醇稀釋到52%（V/V），分別加入不同體積的酯，使其質(zhì)量濃度達(dá)到表1中列出的含量。每個(gè)樣品按照分別獨(dú)立制備3個(gè)重復(fù)樣品。

樣品酯質(zhì)量濃度見(jiàn)表1。

表1 樣品酯質(zhì)量濃度/mg·（100 mL）-1

1.4.2 氣相色譜質(zhì)譜聯(lián)用分析

將舍得酒業(yè)股份有限公司提供的不同質(zhì)量、等級(jí)的10個(gè)白酒樣品分別采用直接進(jìn)樣的方式，使用氣相色譜質(zhì)譜聯(lián)用儀進(jìn)行酯的含量分析。

1.4.3 近紅外光譜采集

使用ABB公司生產(chǎn)的FTLA2000-160型近紅外光譜儀進(jìn)行掃描，采用石英-鹵素?zé)糇鳛楣庠矗~克爾遜干涉儀進(jìn)行波長(zhǎng)選擇，InAs檢測(cè)器，波數(shù)掃描范圍14 000～400 cm-1，采樣間隔4，掃描次數(shù)8次，使用Grams軟件采集數(shù)據(jù)。

1.4.4 光譜預(yù)處理

光譜數(shù)據(jù)經(jīng)Grams采集后，由MATLAB平臺(tái)下PLS-Toolbox讀取。數(shù)據(jù)經(jīng)過(guò)均值中心化后，進(jìn)行均值中心化、標(biāo)準(zhǔn)正態(tài)變換（Standard normal variate，SNV）、矢量歸一化（Vector normalization，VN）、一階導(dǎo)數(shù)（First derivative，F(xiàn)D）、二階導(dǎo)數(shù)、乘性信號(hào)校正 （Multiplicative signal correction，MSC）、SG平滑、波段選擇等預(yù)處理方法[15]對(duì)光譜進(jìn)行預(yù)處理，通過(guò)這些方法提高信噪比、濾除噪聲、消除基線(xiàn)漂移造成的干擾等。

1.4.5 定量模型的構(gòu)建

采用化學(xué)計(jì)量學(xué)方法中的偏最小二乘法（PLS）構(gòu)建數(shù)學(xué)模型，將光譜數(shù)據(jù)和樣品中酯含量數(shù)據(jù)導(dǎo)入PLS-Toolbox，利用軟件進(jìn)行計(jì)算和模型構(gòu)建，同時(shí)對(duì)異常值進(jìn)行剔除[16]。

1.4.6 模型的驗(yàn)證

將標(biāo)準(zhǔn)酒樣的光譜數(shù)據(jù)代入軟件，計(jì)算出酯含量，與氣相色譜質(zhì)譜聯(lián)用儀測(cè)定的結(jié)果進(jìn)行比較，并計(jì)算偏差。

1.4.7 模型的判斷

構(gòu)建的模型質(zhì)量的標(biāo)準(zhǔn)一般考查模型的決定系數(shù)（R2）和交叉驗(yàn)證均方根（RMSECV）。其中，決定系數(shù)越大，說(shuō)明模型越接近建模數(shù)據(jù)；交叉驗(yàn)證均方根越小，說(shuō)明模型質(zhì)量越好。模型預(yù)測(cè)質(zhì)量一般用預(yù)測(cè)誤差均方根（RMSEP）表征。預(yù)測(cè)誤差均方根越小，說(shuō)明模型預(yù)測(cè)越準(zhǔn)確[17]。

2 結(jié)果與分析

2.1 光譜預(yù)處理

一階導(dǎo)數(shù)處理后的光譜圖見(jiàn)圖1。

圖1 一階導(dǎo)數(shù)處理后的光譜圖

從圖1可以看出，在4 000～400 cm-1和14 000～12 000 cm-1內(nèi)，噪音較大，光譜加載的數(shù)據(jù)信息較難處理。根據(jù)波譜學(xué)理論，水分子中羥基的對(duì)稱(chēng)和反對(duì)稱(chēng)伸縮振動(dòng)的一級(jí)頻譜帶，以及醇分子的單聚體、多聚體的羥基伸縮振動(dòng)的一級(jí)頻譜帶，都會(huì)集中出現(xiàn)在7 300～6 200 cm-1內(nèi)。針對(duì)這些對(duì)含量信息有影響或不能高效表征這些信息的譜帶進(jìn)行剔除，增加后續(xù)分析的準(zhǔn)確性，減少分析過(guò)程負(fù)荷。

分別對(duì)光譜數(shù)據(jù)進(jìn)行了均值中心化、標(biāo)準(zhǔn)正態(tài)變換、矢量歸一化、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、乘性信號(hào)校正、SG平滑等預(yù)處理，但發(fā)現(xiàn)經(jīng)一階導(dǎo)數(shù)和乘性信號(hào)校正處理后的光譜數(shù)據(jù)效果最好。

2.2 定量模型的構(gòu)建

定量模型的構(gòu)建過(guò)程就是將經(jīng)過(guò)預(yù)處理的光譜數(shù)據(jù)與樣品的含量等化學(xué)測(cè)量數(shù)據(jù)進(jìn)行數(shù)學(xué)關(guān)聯(lián)，通過(guò)計(jì)算機(jī)等工具找到他們之間關(guān)聯(lián)關(guān)系的過(guò)程。

在使用偏最小二乘法構(gòu)建定量模型時(shí)，關(guān)系模型實(shí)際預(yù)測(cè)能力的最直接參數(shù)是主成分?jǐn)?shù)的選擇。主成分?jǐn)?shù)選擇過(guò)少，會(huì)造成部分光譜信息丟失，不能充分體現(xiàn)出未知樣品被測(cè)組分所對(duì)應(yīng)光譜信息，造成模型預(yù)測(cè)不夠準(zhǔn)確；如果主成分?jǐn)?shù)選擇過(guò)多，會(huì)將一些噪聲引入模型，導(dǎo)致模型過(guò)擬合，也會(huì)使模型的預(yù)測(cè)能力下降。誤差是難以避免的，所以在近紅外光譜采集過(guò)程中和化學(xué)分析測(cè)定過(guò)程中都會(huì)存在誤差，一般在構(gòu)建模型是將異常閾值設(shè)定為0.99，對(duì)于顯著偏離平均誤差的5個(gè)異常樣本予以剔除，再利用偏最小二乘法等方法構(gòu)建模型。

經(jīng)過(guò)一階導(dǎo)數(shù)和乘性信號(hào)校正預(yù)處理后的光譜，在主成分?jǐn)?shù)為4時(shí)基本能夠涵蓋光譜信息，波數(shù)在9 800～7 500 cm-1和 6 100～5 400 cm-1范圍內(nèi)，模型的交叉驗(yàn)證均方根最小。應(yīng)用交叉驗(yàn)證均方根和預(yù)測(cè)誤差均方根作為標(biāo)準(zhǔn)，剔除了異常樣品，對(duì)剩余光譜數(shù)據(jù)進(jìn)行分析，利用校正集建立的乙酸乙酯定性模型的預(yù)測(cè)值與實(shí)際值，建立的4個(gè)模型均穩(wěn)健、可靠，預(yù)測(cè)值和實(shí)際值具有極好的關(guān)聯(lián)關(guān)系。

乙酸乙酯模型質(zhì)量濃度預(yù)測(cè)值與實(shí)際值對(duì)照見(jiàn)圖2。

圖2 乙酸乙酯模型質(zhì)量濃度預(yù)測(cè)值與實(shí)際值對(duì)照

2.3 模型的驗(yàn)證

利用氣相色譜質(zhì)譜聯(lián)用儀對(duì)不同等級(jí)、不同質(zhì)量的10個(gè)白酒樣品進(jìn)行成分分析，并計(jì)算出其中4種酯類(lèi)物質(zhì)的含量，同時(shí)進(jìn)行近紅外光譜掃描，將光譜數(shù)據(jù)導(dǎo)入已經(jīng)構(gòu)建的模型，計(jì)算出預(yù)測(cè)值。

各模型參數(shù)見(jiàn)表2。

從表2可以看出，近紅外光譜的預(yù)測(cè)值與化學(xué)分析的實(shí)測(cè)值基本一致，模型的預(yù)測(cè)效果很好，在一定程度上能夠較好地預(yù)測(cè)白酒中4種酯類(lèi)物質(zhì)的含量，從而實(shí)現(xiàn)無(wú)損、快速檢測(cè)的目的。

3 結(jié)論

采用近紅外光譜儀對(duì)白酒模擬樣品進(jìn)行了光譜掃描，對(duì)乙酸乙酯、丁酸乙酯、己酸乙酯和乳酸乙酯4種白酒中重要的酯類(lèi)物質(zhì)建立了偏最小二乘法定量模型，在光譜預(yù)處理、波長(zhǎng)選擇、異常值剔除、主成分?jǐn)?shù)選擇等方面進(jìn)行了研究，模型預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)均大于0.97。使用白酒樣品進(jìn)行驗(yàn)證試驗(yàn)，預(yù)測(cè)值與測(cè)定值無(wú)顯著差異。說(shuō)明采用近紅外光譜進(jìn)行白酒中酯類(lèi)物質(zhì)檢測(cè)可以實(shí)現(xiàn)快速、無(wú)損、多參數(shù)、多指標(biāo)檢測(cè)，為白酒生產(chǎn)和質(zhì)量控制提供了新的思路和理論。

表2 各模型參數(shù)