盛鳳云，徐俊敏，孫佐紅，戴 炯，史春江

(無錫市振太酒業(yè)有限公司，江蘇無錫214091)

近紅外光是介于可見光和中紅外光之間的電磁波，近紅外光譜分析技術是一種既快速又簡便的分析方法，該方法具有無需破壞樣品、同時檢測多種組分、安全環(huán)保等優(yōu)點；目前近紅外分析技術已經(jīng)廣泛應用于糧食行業(yè)、飼料行業(yè)、食品行業(yè)、藥品行業(yè)等。

黃酒屬于發(fā)酵酒，在釀制過程中需要經(jīng)過長時間的發(fā)酵，而對發(fā)酵過程酒醅的檢測用于生產(chǎn)監(jiān)控、質(zhì)量分析、工藝改進等是生產(chǎn)過程中必不可少的環(huán)節(jié)。黃酒酒醅分析的主要理化指標為酒精度和總酸、還原糖，企業(yè)一般采用黃酒國標中的方法進行檢測，耗時耗力，因此開發(fā)快速簡便的測定方法很有必要。本研究采用近紅外光譜檢測技術可以節(jié)約時間、減少人力，提高檢測效率，節(jié)約公司成本。

1 材料與方法

1.1 材料、儀器

樣品：黃酒速釀酒母發(fā)酵72 h 的酒醅，每天投料兩罐酒母進行取樣分析。

儀器設備：福斯NIRS DS 2500，產(chǎn)自丹麥，數(shù)據(jù)收集和模型建立使用福斯Mosaic 軟件和WinISI 定標軟件。

1.2 實驗方法

1.2.1 樣品預處理

取樣時應將醪液混合均勻，放置于酒醅專用取樣杯中，掃描前用2 層紗布擠壓過濾。樣品處理完后應在0.5 h內(nèi)完成掃描，避免理化指標發(fā)生變化。

1.2.2 樣品的傳統(tǒng)分析

依據(jù)黃酒國標GB/T 13662，對酒醅中的酒精度和酸度進行檢測。

1.2.3 近紅外光譜數(shù)據(jù)采集

采用福斯DS2500 近紅外分析儀，經(jīng)過檢測分析透射和反射光線信號，形成光譜圖。每個樣品設置編號，樣品掃描前搖晃均勻，倒入液態(tài)掃描杯中，用干凈紙巾或軟布將掃描杯周邊擦拭干凈，放入掃描平臺，蓋上金屬反射板，操作Nova 軟件對樣品光譜進行掃描采集。

每個樣品采集2 次，Mosaic 軟件對掃描光譜自動保存。

樣品傳統(tǒng)分析同近紅外掃描時間間隔不超過30 min，以避免樣品持續(xù)發(fā)酵，理化指標發(fā)生太大變化。

1.2.4 模型的建立

福斯WinISI定標模型建立，使用主成分分析技術（聚類分析技術）將光譜數(shù)據(jù)抽提轉化為主成分和得分數(shù)據(jù)。然后根據(jù)各樣品光譜間的差異及某樣品與主組群的差異，剔除超常樣品，從而確定參與定標的最適樣品，見圖1。對原始光譜圖進行導數(shù)、散射校正、平滑處理，再進行模型建立。

用樣品檢測的手工值對近紅外掃描的光譜結果進行賦值，采用偏最小二乘法建立定標模型。

1.2.5 模型的驗證

采用沒有參與定標的樣品（盲樣），用已建立好的模型進行掃描和結果預測，同傳統(tǒng)分析的結果進行對比分析，判定模型的預測能力。

2 結果與分析

2.1 實驗室傳統(tǒng)分析方法的評估

一般而言，近紅外分析的準確度以傳統(tǒng)分析方法為基礎，所以要提高近紅外測試的分析準確度，必須先了解近紅外建模所用的化學手工方法的準確度，分析方法準確度采用標準偏差（SD）進行評估。

從生產(chǎn)車間隨機取8份樣品，平均分成2份，設置不同的編號，實驗室4 名化驗員隨機抽取不同編號的樣品，分析檢測酒精度、酸度，評估實驗室檢測人員的檢測誤差，具體數(shù)據(jù)見表1。

表1 實驗室傳統(tǒng)分析誤差

在測定出實驗室傳統(tǒng)分析誤差以后，可以確定近紅外儀器檢測分析的誤差可接受的范圍為酒精度為0.4%vol，酸度為0.2 g/L。

2.2 建立酒母72 h酒醅模型

經(jīng)過整個投料釀季的數(shù)據(jù)收集，酒母72 h 的數(shù)據(jù)共收集480 個數(shù)據(jù)，其中15 個樣品單獨列出用于建立定標模型時的交互驗證數(shù)據(jù)，另取出15 個數(shù)據(jù)作為盲樣，用于定標模型的準確性驗證。收集的光譜圖見圖2。

同時進行傳統(tǒng)手工檢測，對這些光譜圖賦予對應的數(shù)值，酒精度和酸度的手工檢測值分布見圖3和圖4。

從圖3 和圖4 可看出，酒精度在9.2 %vol～13.5 %vol 具有較好的分布，總酸在2.5～4.8 g/L 具有較好的分布。根據(jù)WinISI定標軟件原理，對收集的光譜圖進行聚類分析，測量每個樣品與樣品中心點的距離，剔除超常的樣品；然后光譜進行一階導數(shù)、散射校正、平滑處理，處理后的光譜見圖5。

處理過后的光譜采用偏最小二乘法，從480 個數(shù)據(jù)中單獨列出了15 個數(shù)據(jù)用于交互驗證，該15個數(shù)據(jù)不用于模型的建立。建立模型的分析數(shù)據(jù)見表2。

較好的定標模型應有較低的SECV 和高的1-VR。從總酸和酒精度的定標模型分析數(shù)據(jù)看酒精度在聚類分析過程中，剔除了16 個超常數(shù)據(jù)，定標模型的標準偏差為0.23%vol。總酸的定標模型剔除了10 個超常數(shù)據(jù)，標準偏差為0.18 g/L。單純從數(shù)據(jù)看，總酸的定標模型較好，但實際上由于總酸本身手工檢測的誤差較小，而酒精度手工檢測的誤差較大，因而分析酒精度的定標模型要優(yōu)于總酸，但兩者的標準偏差都可以滿足要求。

表2 酒母定標模型分析

2.3 模型驗證

采用之前取出的15 個盲樣，對建立的模型進行準確度的驗證確認，結果見圖6。

從定標模型對盲樣的預測結果看，酒精度的最小偏差為0.01%vol，最大偏差為0.45%vol，標準偏差為0.24%vol?？偹岬淖钚∑顬?.01 g/L，最大偏差為0.37 g/L，標準偏差為0.17 g/L；都符合近紅外偏差預設可接受范圍，確認72 h 酒母定標模型初步建立，可以用于黃酒酒醅的快速檢測。

3 討論

近紅外檢測技術近幾年來發(fā)展較快，主要是檢測速度快，可以同時檢測樣品的不同組分，不需要消耗化學試劑等優(yōu)點顯著。目前在飼料行業(yè)、白酒酒醅、黃酒酒液方面都有研究開發(fā)，但在黃酒酒醅方面少有報道應用。本研究通過嘗試使用近紅外分析技術分析酒母酒醅，建立初步的預測模型，并通過盲樣進行數(shù)據(jù)預測，酒精度的平均偏差0.30%vol，總酸的平均偏差為0.13 g/L，符合誤差可接受的范圍，可用于生產(chǎn)實際應用。

由于建立模型的數(shù)據(jù)量較少，仍有個別數(shù)據(jù)的偏差較高；但隨著數(shù)據(jù)量的增多，模型的穩(wěn)定性將會提升，預測的準確度更好；黃酒發(fā)酵過程中，在酒母階段、前發(fā)酵階段以及后發(fā)酵階段，都需要檢測酒精度、總酸、還原糖以及氨基酸態(tài)氮來監(jiān)控發(fā)酵的狀況，通過近紅外分析技術的應用，將大幅度降低人工檢測的強度，減少分析試劑的使用消耗，因此公司將會繼續(xù)進一步完善酒母72 h 的模型，并把該技術推廣應用到前發(fā)酵和后發(fā)酵階段酒醅的檢測。