張世芝，唐瑋琦，張明錦*，朵興紅

1(青海民族大學(xué) 化學(xué)化工學(xué)院，青海 西寧，810007)2(青海師范大學(xué) 化學(xué)化工學(xué)院，青海 西寧，810016) 3(國家民委青藏高原資源化學(xué)與生態(tài)環(huán)境保護(hù)重點實驗室，青海 西寧，810007)

白酒是我國傳統(tǒng)的飲料酒。其香味組分極其復(fù)雜，組分種類之多，含量跨度之大，堪稱世界蒸餾酒之冠。由于白酒的品種多樣、成分復(fù)雜，目前國內(nèi)外對于白酒的質(zhì)量鑒別，一是檢測部分關(guān)鍵指標(biāo)，如乙醇、總酸、總酯、己酸乙酯等[1-2]，但所用方法均存在著樣品需要預(yù)處理、耗時、費力、測定步驟繁瑣等缺點。二是依靠人的感官，對產(chǎn)品的色、香、味進(jìn)行觀察、分析、描述、定級，并做出綜合評價。然而，傳統(tǒng)的白酒品評方法存在著諸多問題，例如分辨能力低、難以規(guī)范操作、誤差大等，致使產(chǎn)品質(zhì)量的優(yōu)劣程度難以反映，特色難以界定，大大限制了白酒質(zhì)量的規(guī)范、新產(chǎn)品的開發(fā)。因此，為滿足市場需要，如何在保證分析結(jié)果的準(zhǔn)確度的同時提高檢測速度，準(zhǔn)確、科學(xué)、有效地評價產(chǎn)品質(zhì)量已成為新的重要課題。

白酒作為一類典型的液體多組分體系，目前常用的檢測、鑒別方法主要包括光譜[3-4]、色譜-質(zhì)譜聯(lián)用[5-6]、電化學(xué)[7]等方法，以及利用各種傳感器模擬人的感官響應(yīng)進(jìn)行分析的仿生分析法[8-9]，所需儀器一般均較昂貴，不利于推廣應(yīng)用[10]。相比之下，紫外可見光譜儀器屬于常用光譜設(shè)備，儀器便攜廉價、測試簡單快速，基于這一設(shè)備的白酒品牌判別方法開發(fā)較易于推廣使用，因而具有較高的現(xiàn)場測試的應(yīng)用價值，可以滿足現(xiàn)場執(zhí)法的需求[11]。近年來，紫外光譜法在白酒品牌快速鑒別中已有應(yīng)用[12]。

與其他白酒相比，青稞酒在釀酒環(huán)境、原料、用水、工藝、風(fēng)格等方面非常獨特[13]。青海“互助”牌青稞酒，是“中華人民共和國原產(chǎn)地保護(hù)地理標(biāo)識產(chǎn)品”，“互助”牌商標(biāo)是“中國馳名商標(biāo)”。本研究以地理標(biāo)志產(chǎn)品“互助”青稞酒為對象，通過采集“互助”青稞酒、其他品牌青稞酒(非“互助”)以及非青稞原料白酒樣品的紫外可見光譜數(shù)據(jù)，分析不同類別樣品紫外光譜的相似程度，構(gòu)建“互助”青稞酒的質(zhì)量控制圖，可實現(xiàn)“互助”青稞酒的快速鑒別。

1 材料與方法

1.1 樣品測定

樣品：“互助”牌青稞酒共20種，購于青海青稞酒股份有限公司專營店；其他品牌青稞酒7種、非青稞原料白酒9種，均購于西寧市各大商場。

主要儀器：T9型紫外可見分光光度計，北京普析通用儀器有限責(zé)任公司。

光譜采集：取樣品適量于1 cm石英比色皿中，以無水乙醇為參比，在紫外光譜儀上重復(fù)測定3次，求平均光譜即為該樣品的紫外吸收光譜。其中波長掃描范圍是200～320 nm，光譜分辨率1 nm。

1.2 相似度評價

夾角余弦c(angle cosine)和相關(guān)系數(shù)r(correlation coefficient)可以表示2個向量的相似程度。此外，針對紫外光譜，孟慶華等[14]提出了紫外光譜相似度s(similarity)，用于量化紫外光譜的相似程度。利用紫外光譜曲線上每個波長下的吸光度值可計算2條紫外光譜曲線的相似度，該相似度既能表達(dá)2條光譜曲線之間的相似程度，又能反映它們的差異性。r，c和s的取值均在0～1，其值越接近1，表示2條光譜越相似，反之，則說明2條光譜差異越大。3種評價指標(biāo)分別按公式(1)～公式(3)計算：

(1)

(2)

(3)

1.3 質(zhì)量控制圖

質(zhì)量控制圖是對質(zhì)量特性值加以測定、記錄并進(jìn)行控制的一種圖，圖中縱坐標(biāo)為質(zhì)量特性值，設(shè)有中心線(control line, CL)、上控制界限(upper control limit, UCL)和下控制界限(lower control limit, LCL)；橫坐標(biāo)為采樣時間或樣本號。

用于“互助”青稞酒快速鑒別的質(zhì)量控制圖可按文獻(xiàn)[15]方法建立，其中，CL表示樣本質(zhì)量特性值(即樣本光譜與理論光譜的相似度)的平均值，UCL和LCL依據(jù)“3σ原理”按公式(4)～公式(6)計算：

(4)

(5)

(6)

1.4 樣品預(yù)測

以“互助”青稞酒樣本紫外光譜建立質(zhì)量控制圖后，待測樣品按上述方法測定紫外光譜，并按相同方法進(jìn)行預(yù)處理后，計算與參照光譜的相似度。若相似度在質(zhì)量控制圖中控制限范圍內(nèi)，則認(rèn)為待測樣本為“互助”青稞酒，反之，則判定待測樣品不是“互助”青稞酒。

2 結(jié)果與分析

2.1 原始光譜及其預(yù)處理

比較蒸餾水和無水乙醇2種參比溶液，隨機選5個樣品測得光譜如圖1所示。由圖1可知，2種參比溶液所得光譜主要區(qū)別在210 nm以下波長區(qū)間，蒸餾水參比時，隨波長減小，吸收值持續(xù)上升，這是由于乙醇在190～200 nm有強吸收。實際上，白酒中含量僅占1%～2%的酯、酸、醛等微量有機物的組成及其含量是保持各自香型白酒質(zhì)量穩(wěn)定及區(qū)別于其他香型的關(guān)鍵因素[16]。為盡量降低乙醇的影響，提取白酒分類中微量化合物的有關(guān)信息，本實驗采用無水乙醇為參比溶液。

圖1 不同參比溶液所得樣品紫外光譜圖Fig.1 UV spectra obtained by different references

對原始光譜數(shù)據(jù)，考察了平滑、求導(dǎo)、多元散射校正(multiplicative scatter correction, MSC)以及標(biāo)準(zhǔn)變量正態(tài)變換(standard normal variable transform, SNV)等預(yù)處理方法，圖2為原始光譜及SNV預(yù)處理后的光譜?？梢?，在210 nm及278 nm附近有2個吸收峰，其中210 nm附近的吸收峰主要是非鍵軌道至反鍵軌道之間的n-σ*躍遷所致，例如含N、O、S等雜原子的飽和烴衍生物，278 nm附近的吸收峰則主要是不飽和有機分子的外層電子的π-π*躍遷所致，例如芳香類以及糖醛分子[17]。

對預(yù)處理后的數(shù)據(jù)進(jìn)行主成分分析(principal component analysis, PCA)分析，對比前4個主成分中兩兩作圖后樣本的散點圖，發(fā)現(xiàn)以SNV預(yù)處理后，以PC2和PC3所作散點圖得到的分類效果最佳。因此本實驗采用SNV方法作為光譜預(yù)處理方法。

A-原始光譜；B-預(yù)處理后的光譜圖2 原始及SNV預(yù)處理后的紫外光譜圖Fig.2 UV spectra of samples

由圖3可知，SNV預(yù)處理后，PCA投影圖上能較好地體現(xiàn)不同樣本的分類信息。當(dāng)取前3個主成分時，其累積貢獻(xiàn)率為88.2%，表示前3個主成分能解釋原數(shù)據(jù)中88.2%的信息。由圖3-A(PC1～PC2)可見，在PC1的投影方向上，3類樣本均較分散，表明第1主成分體現(xiàn)不出上述幾類樣本的分類信息。由圖3-B(PC2～PC3)可知，樣本分類較明顯，其中PC2主要體現(xiàn)“互助”青稞酒與其他酒(包括其品牌青稞酒和非青稞原料白酒)之間的差異，而PC3主要體現(xiàn)青稞酒和非青稞原料白酒之間的差異。其中，非青稞酒樣本點比較分散，主要原因可能是由于非青稞酒種類非常繁多，而本研究中將所有非青稞酒作為不同于“互助”青稞酒的一類，由于包含不同品牌，因而這類樣本的光譜實際上是不一致的，故在PCA投影圖中不能聚為一類，但均與“互助”青稞酒之間存在差異。

A-PC1-PC2；B-PC2-PC3圖3 樣品預(yù)處理光譜的主成分投影圖Fig.3 PCA plot obtained by the pretreated spectra

2.2 相似度評價分析

按1.2所述方法計算“互助”青稞酒、其他品牌青稞酒、非青稞原料白酒3類樣本紫外光譜與參照光譜的夾角余弦c、相關(guān)系數(shù)r以及紫外相似度s，結(jié)果，“互助”青稞酒各樣本光譜與參照光譜的相似度均明顯高于其他兩類白酒，初步表明以樣本光譜與參照光譜之相似度進(jìn)行判別是可行的。不同類別樣本紫外光譜與參照光譜的相似度基本統(tǒng)計量如表1所示。

表1 樣本紫外光譜與參照光譜的相似度基本統(tǒng)計量Table 1 Basic statistics of similarities UV spectra between of samples and reference

從均值來看，“互助”青稞酒的相似度最高，其他青稞酒次之，非青稞白酒最低。這可能是由于其他非“互助”青稞酒的主要原料與“互助”青稞酒相似，都為青稞，而非青稞白酒則從原料上與青稞酒存在區(qū)別所致。其次，從標(biāo)準(zhǔn)偏差看，以夾角余弦為相似度指標(biāo)時，各類樣本所得標(biāo)準(zhǔn)偏差整體較小，表明夾角余弦在區(qū)別不同類別樣本的同時使同類樣本更加集中，因而更加有利于區(qū)別不同類別的樣本。綜合上述分析，本實驗選擇以夾角余弦為相似度評價指標(biāo)，建立質(zhì)量控制圖。

2.3 質(zhì)量控制圖分析

按1.3所述方法，以夾角余弦為相似性評價指標(biāo)，建立“互助”青稞酒的質(zhì)量控制圖，結(jié)果如圖4所示?？刂粕舷蕖⒅芯€以及下限分別為1.000 0、0.981 9、0.932 9。由圖4可知，“互助”青稞酒的所有樣本均處于控制上、下限之間，其他兩類樣本則處于控制下限以下，說明該質(zhì)量控制圖不但可以識別出與“互助”青稞酒原料不同的白酒，同時能識別出主要原料均為青稞但品牌不同的青稞酒，即本實驗所有樣本均能正確識別和歸類。

圖4 “互助”青稞酒的單值質(zhì)量控制圖Fig.4 Individual control chart for ‘Huzhu’ Qingke liquor

為驗證本方法的穩(wěn)健性，在樣本集上進(jìn)行了留一交叉檢驗(leave-one-out cross validation, LOOCV)，結(jié)果表明，當(dāng)樣本集中取出任意樣本后所得的質(zhì)量控制圖基本穩(wěn)定，且其分類效果并沒有受到影響，表明方法相對穩(wěn)健，進(jìn)而驗證了所提方案的實際應(yīng)用價值。

3 結(jié)論

以“互助”牌青稞酒為主要研究對象模式品牌，運用紫外光譜相似度評價指標(biāo)，建立了“互助”青稞酒的質(zhì)量控制圖，用于“互助”青稞酒與其他青稞酒、“互助”青稞酒與其他非青稞原料白酒的快速判別分析，結(jié)果顯示該方法可實現(xiàn)上述目的。值得說明的是，用于樣本分類的質(zhì)量控制圖，涉及不同類別的樣本，而不是以控制某一產(chǎn)品生產(chǎn)過程為目的，因而僅僅單值控制圖具有實際意義，其他如極差控制圖的研究在解決本問題方面可能沒有實際意義。鑒于上述考慮，本實驗中僅采用了單值控制圖。