楊亭榆

(四川工商職業(yè)技術(shù)學(xué)院，四川 都江堰 611830)

1 引言：

白酒生產(chǎn)均采用固態(tài)發(fā)酵方式進(jìn)行，整個(gè)發(fā)酵過(guò)程幾乎沒有游離水存在，并且多種微生物利用潮濕固態(tài)天然物料作為培養(yǎng)基的發(fā)酵工藝[1]。發(fā)酵過(guò)程實(shí)際是一個(gè)由淀粉轉(zhuǎn)化成葡萄糖，再轉(zhuǎn)化成酒精和各種香味成分的過(guò)程[2]。在固態(tài)發(fā)酵中，前期以好氧細(xì)菌產(chǎn)酒為主，后期以厭氧型或兼性厭氧型細(xì)菌產(chǎn)酸以及生酯為主。隨著發(fā)酵的進(jìn)行，多余水分不斷沉降至下層，導(dǎo)致下層酒醅的水分增至過(guò)飽和，從而多余的水分在窖泥上層積成黃水。黃水中除了含有發(fā)酵產(chǎn)生醇和未分解的殘?zhí)峭猓€會(huì)在窖泥中各種微生物的作用下，提高酸和酯的含量[3～5]。

黃水作為濃香型白酒發(fā)酵過(guò)程中最重要的副產(chǎn)物，其成分在較大程度上能夠反映窖內(nèi)母糟的發(fā)酵狀態(tài)[6]。而充分完成發(fā)酵所產(chǎn)生的黃水，具有低殘?zhí)?、低殘淀，而酒精度和酸度稍高的特征。從多家酒廠中了解到，目前在濃香型白酒的釀造中，除了用糟醅來(lái)判斷發(fā)酵是否充分，同時(shí)也將黃水用于評(píng)判發(fā)酵是否完全。其中黃水主要的參數(shù)有酒精度、酸度、殘?zhí)?、殘淀等，通過(guò)各成分的含量信息也可對(duì)母糟和發(fā)酵質(zhì)量進(jìn)行評(píng)估[7]。

由于目前固態(tài)發(fā)酵能在線檢測(cè)的參數(shù)只有溫度，而其他重要參數(shù)如酸度、酒精度等只能在入窖與出窖時(shí)進(jìn)行檢測(cè)。故本研究設(shè)計(jì)了一種用于固態(tài)發(fā)酵的在線檢測(cè)傳感器陣列，通過(guò)在線檢測(cè)黃水的相關(guān)參數(shù)，來(lái)監(jiān)測(cè)發(fā)酵過(guò)程。

傳感器陣列主要由多種傳感器電極，信號(hào)調(diào)理分析和模式識(shí)別組成[8]。不同的傳感器對(duì)不同組分進(jìn)行響應(yīng)并輸出信號(hào)，對(duì)處理后的信號(hào)進(jìn)行模式識(shí)別，并建立預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)黃水發(fā)酵參數(shù)在線檢測(cè)。其特點(diǎn)是：樣品不需預(yù)處理，消耗量小，操作簡(jiǎn)單，測(cè)量快。傳感器陣列既可評(píng)估樣品風(fēng)味以識(shí)別樣品，也可以定量分析樣品成分[9]。

目前在液體傳感器的方面的主要研究進(jìn)展如下：田師一等采用多頻脈沖電子舌來(lái)檢測(cè)分析不同酒齡的葡萄酒來(lái)對(duì)葡萄酒的酒齡進(jìn)行預(yù)測(cè)，采用主成分分析和偏最小二乘法判別分析進(jìn)行模式識(shí)別來(lái)區(qū)分不同酒齡樣品[10]。Rudnitskaya等利用電子舌并結(jié)合高效液相色譜，對(duì)葡萄酒酒齡和其中所含酸類、酯類進(jìn)行了預(yù)測(cè)和分析，采用PCA回歸模型，結(jié)果顯示電子舌可以較好地檢測(cè)其濃度[11]。Winquist等用電子舌建立了牛奶的在線檢測(cè)系統(tǒng)，采用PCA來(lái)區(qū)分不同質(zhì)量和產(chǎn)地的牛奶[12]。杜宏福等利用電子舌并結(jié)合HPLC來(lái)對(duì)醋的發(fā)酵過(guò)程進(jìn)行分析，采用BP神經(jīng)網(wǎng)絡(luò)對(duì)醋的主要成分乙酸和乳酸建立預(yù)測(cè)模型[13]。目前電子舌已經(jīng)在食品行業(yè)中特別是液體的檢測(cè)識(shí)別有了非常廣闊的應(yīng)用，但在黃水的參數(shù)檢測(cè)分析方面的研究還很少。

2 傳感器陣列的構(gòu)建

2.1 整體結(jié)構(gòu)介紹

黃水溶液內(nèi)部其實(shí)是一個(gè)復(fù)雜的電化學(xué)系統(tǒng)，在各電極與溶液的界面會(huì)發(fā)生復(fù)雜的界面效應(yīng)，如極化效應(yīng)、雙電層效應(yīng)，其等效電路模型如圖 1所示。

圖1 黃水電導(dǎo)池等效電路模型

其中：RL1、RL2為電極的引線電阻；Cd1、Cd2為雙電層電容；Cp為電解質(zhì)電容；Z1、Z2為極化阻抗；Rs為溶液阻抗。

針對(duì)黃水成分變化對(duì)導(dǎo)電性的影響，構(gòu)建了電導(dǎo)率傳感器陣列；針對(duì)黃水中富含的酸類物質(zhì)，增加了pH電極的傳感器；針對(duì)殘余葡萄糖具有還原性，增加了ORP(氧化還原電位)。整體結(jié)構(gòu)如圖2所示。

圖2 傳感器陣列整體結(jié)構(gòu)

本研究所采用的3種傳感器均采用三電極恒電位系統(tǒng)，三電極系統(tǒng)由工作電極、輔助電極和參比電極構(gòu)成。參比電極能夠提供恒定電勢(shì)參考點(diǎn)。因此比起雙電位系統(tǒng)，三電極系統(tǒng)能更精確地采集電流信號(hào)。實(shí)際電路圖如圖3所示。

圖3 三電極恒電位電路

2.1 電導(dǎo)率傳感器

黃水中含有豐富的有機(jī)酸，如乙酸、己酸、丁酸等，它們都能電離出氫離子，而黃水中的其他成分如醇、酯基本不會(huì)電離。由于離子濃度與導(dǎo)電率呈正相關(guān)，因此黃水的酸度與其導(dǎo)電性具有很強(qiáng)的相關(guān)性。因此構(gòu)建了基于電導(dǎo)率的傳感器陣列。

電導(dǎo)率傳感器的硬件結(jié)構(gòu)如下：采用ICL8038來(lái)構(gòu)建激勵(lì)源，產(chǎn)生頻率-2V至+2V，頻率為2 kHz的方波信號(hào)。信號(hào)處理電路包含放大、濾波兩個(gè)部分。放大通過(guò)可調(diào)電阻，將輸出的電壓信號(hào)調(diào)整到5V左右以便采集和分析；濾波采用二階Sallen-Key低通巴特沃茲濾波器，信號(hào)處理的整體設(shè)計(jì)電路見圖 4。

圖4 電導(dǎo)率電極信號(hào)處理電路

2.2 氧化還原傳感器

在本研究中，通過(guò)輔助電極與參比電極構(gòu)成的反饋回路，為工作電極提供恒定的基準(zhǔn)電壓。其中，基準(zhǔn)電壓(VREF)1.2 V由恒流源LM334與精密基準(zhǔn)電壓LM385產(chǎn)生?；鶞?zhǔn)電壓產(chǎn)生電路如圖5所示。

圖5 基準(zhǔn)電壓產(chǎn)生電路

信號(hào)采集和處理電路采用運(yùn)放OP07進(jìn)行，將工作電極反應(yīng)后的響應(yīng)電壓與參比電極的基準(zhǔn)電壓相減，得到電極對(duì)溶液氧化還原的響應(yīng)電壓信號(hào)。經(jīng)濾波和放大，再調(diào)節(jié)可調(diào)電阻大小，使輸出信號(hào)在1～5 V之間，輸出至信號(hào)采集器。其中對(duì)氧化還原傳感器信號(hào)的采集與放大電路見圖6所示；濾波電路見圖7所示。

圖6 氧化還原傳感器信號(hào)采集與放大電路

圖7 氧化還原傳感器濾波電路圖

2.3 PH傳感器

PH傳感器的響應(yīng)信號(hào)與氧化還原傳感器一樣，都是直流信號(hào)，因此共用同一基準(zhǔn)電壓(圖5)，并采用相同的濾波電路(圖7)。

不同的是，由于玻璃電極的內(nèi)阻較大，大約為108～109 Ω。故需測(cè)量電路具有較大的輸入阻抗。因此本研究采用ICL7621運(yùn)放用于采集信號(hào)，從datasheet可查得其輸入阻抗(Input Resistance)為1012 Ω，可有效采集PH電極響應(yīng)信號(hào)，信號(hào)采集電路如圖 8所示[14]。調(diào)節(jié)可調(diào)電阻大小，使輸出信號(hào)在1～5V之間，輸入至信號(hào)采集器。

圖8 PH傳感器信號(hào)采集與放大電路

2.4 數(shù)據(jù)采集

USB_HRF4626 是一種基于 USB 總線的高速高精度同步數(shù)據(jù)采集卡(可保留相位信息)，可直接插在計(jì)算機(jī)的 USB 接口上用于傳感器信的數(shù)據(jù)采集它具有8 路 16 位高精度高速同步AD，電壓檢測(cè)范圍最大-10V～+10V；且具備數(shù)據(jù)保存功能。數(shù)據(jù)采集界面如圖 9所示。

圖9 數(shù)據(jù)采集界面

3 實(shí)驗(yàn)材料與分析方法

3.1 材料與試劑

實(shí)驗(yàn)樣品為從四川宜賓某酒廠采集到的多個(gè)黃水樣品，主要實(shí)驗(yàn)試劑有氫氧化鈉、硫酸銅、酚酞等。

3.2 理化指標(biāo)測(cè)定方法

采用標(biāo)準(zhǔn)NaOH滴定法測(cè)得黃水總酸含量；采用斐林試劑滴定得出還原糖含量[15，16]。

3.3 傳感器陣列對(duì)樣品的檢測(cè)

傳感器陣列在檢測(cè)前先在3.5 mol/L的KCl溶液中預(yù)熱。然后檢測(cè)前處理后的樣品，每次測(cè)量之前用0.01 mol/L的KCl溶液清洗電極[17]。采集電導(dǎo)率電極信號(hào)的最高點(diǎn)和最低點(diǎn)；氧化還原電極和pH電極的平均值，重復(fù)4次，記錄并保存。

3.4 模式識(shí)別分析方法

3.4.1 主成分分析

主成分分析(principal component analysis，PCA)是將多個(gè)變量線性轉(zhuǎn)化成少量的綜合變量來(lái)代表原始數(shù)據(jù)。優(yōu)點(diǎn)是消除相關(guān)帶來(lái)的影響，并充分提取有效信息，減少工作量。缺點(diǎn)是表達(dá)含義準(zhǔn)確性降低，只有明顯降低主成分維數(shù)并保留大量原始信息才能體現(xiàn)PCA的優(yōu)勢(shì)[18]。

PCA的原理和步驟：假定樣本數(shù)為m，各有n個(gè)特征。

(1)標(biāo)準(zhǔn)化：分別求出個(gè)特征的平均值和標(biāo)準(zhǔn)差，將DATA中各數(shù)據(jù)減去平均值再除以各標(biāo)準(zhǔn)差，得到標(biāo)準(zhǔn)化矩陣DATAadjust(m·n)，此時(shí)原點(diǎn)位于各樣本點(diǎn)的中心。

(2)求出協(xié)方差矩陣。

(3)求協(xié)方差矩陣C的特征值λ，結(jié)合最大方差理論可知最大的幾項(xiàng)特征值所對(duì)應(yīng)的特征向量，是含有最多信號(hào)的投影方向。從中選出最大的前k位，計(jì)算出特征向量并歸一化，得到k個(gè)特征向量作為列向量構(gòu)成的特征向量矩陣Eigencector(n·k)。

(4)對(duì)原數(shù)據(jù)進(jìn)行映射。

3.4.2 判別函數(shù)分析

判別函數(shù)分析(discrimination function analysis，DFA)是判別樣品所屬類型的一種統(tǒng)計(jì)方法。將傳感器檢測(cè)樣品所得數(shù)據(jù)重新組合，最大化組分間差異而保持組內(nèi)差異較小，使各組樣品重心距離最大，從而建立出判別函數(shù)用于判別和區(qū)分樣品。DFA分類效果好，易實(shí)現(xiàn)，是電子鼻和電子舌常用的模式識(shí)別方法之一[19]。

距離的判別分析法對(duì)各類分布無(wú)特定要求，依據(jù)各類重心(各分組均值)進(jìn)行判。對(duì)于給定的一次觀測(cè)，若它與第i類的中心距離最近，則判定它來(lái)自于第i類。

3.4.3 多元線性回歸

假定變量y受k個(gè)變量的影響，且y與xj的關(guān)系為線性的，則稱他們的模型為多元線性回歸(Multiple Linear Regression, MLR)模型[20]，可表示為：

y=β0+β1xi1+β2xi2+…+βkxik

(1)

即：

(2)

(3)

則稱上式為多元線性樣本回歸方程。

4 結(jié)果與分析

4.1 理化檢測(cè)結(jié)果

經(jīng)過(guò)理化方式測(cè)量得到如表1的數(shù)據(jù)。將16個(gè)樣本其中的前12個(gè)樣品作為訓(xùn)練集，余下4組重復(fù)4次所得數(shù)據(jù)作為測(cè)試集。

表1 黃水中各物質(zhì)的含量

4.2 模式識(shí)別分析結(jié)果

4.2.1 主成份分析

在SPSS內(nèi)進(jìn)行主成份分析，主分析結(jié)果見圖 10。由圖可知傳感器陣列的響應(yīng)信號(hào)能夠用于區(qū)分不同黃水樣品。

圖10 主成分分析

4.2.2 判別函數(shù)分析

在SPSS內(nèi)，對(duì)前12個(gè)樣本數(shù)據(jù)進(jìn)行線性判別分析(linear discrimination analysis，LDA)，采用逐步判別法，得到判別函數(shù)分析圖，見圖 11。

圖11 判別函數(shù)分析

可以看出，樣本在判別分類圖上聚類趨勢(shì)明顯，且不同樣本空間距離較遠(yuǎn)，說(shuō)明判別函數(shù)能夠?qū)⒉煌l(fā)酵狀況的黃漿水樣品根據(jù)其組分不同進(jìn)行有效的分類。

4.2.3 多元線性回歸分析

在SPSS中進(jìn)行線性多元回歸分析，將傳感器陣列信號(hào)作為自變量；總糖、總酸作為因變量，選擇逐步回歸，得到多元線性回歸對(duì)數(shù)據(jù)的建模結(jié)果。對(duì)余下4組樣本的預(yù)測(cè)結(jié)果取平均后整理見表2。

表2 多元線性回歸的預(yù)測(cè)結(jié)果

模型對(duì)建模樣本的擬合圖見圖 12，圖中左邊與右邊分別為總糖與總酸的擬合圖。由圖可知：各模型數(shù)據(jù)的擬合程度足夠，模型能準(zhǔn)確代表樣本數(shù)據(jù)。

圖12 多元線性回歸對(duì)黃水總酸和總糖的預(yù)測(cè)擬合圖

通過(guò)計(jì)算預(yù)測(cè)標(biāo)準(zhǔn)差評(píng)價(jià)模型未知的預(yù)測(cè)結(jié)果。

(4)

5 結(jié)論

由PCA與DFA實(shí)驗(yàn)結(jié)果可知，傳感器陣列可將不同樣品黃水進(jìn)行區(qū)分。最后的預(yù)測(cè)結(jié)果顯示表明，傳感器陣列對(duì)黃水的酸度、還原糖的預(yù)測(cè)誤差均在可接受范圍內(nèi)。這說(shuō)明傳感器陣列可用于黃水參數(shù)的在線檢測(cè)，更全面地監(jiān)測(cè)白酒發(fā)酵過(guò)程。