近红外光谱法快速检测黄酒的酒精度、总糖和总酸

樊双喜，钟其顶，李国辉，熊正河，邹慧君，钱 斌，周建弟，谢广发，李 艳

（1.河北科技大学 生物科学与工程学院，河北 石家庄 050018；2.中国食品发酵工业研究院，北京100015；3.全国食品发酵标准化中心，北京 100015；4.河北大学 化学与环境科学学院，河北省分析科学技术重点实验室，河北 保定 071002；5.浙江古越龙山绍兴黄酒集团有限公司，浙江 绍兴 312000）

近红外光谱法快速检测黄酒的酒精度、总糖和总酸

樊双喜1，2，3，钟其顶2，3*，李国辉2，3，4，熊正河2，3，邹慧君5，钱 斌5，周建弟5，谢广发5，李 艳1

（1.河北科技大学 生物科学与工程学院，河北 石家庄 050018；2.中国食品发酵工业研究院，北京100015；3.全国食品发酵标准化中心，北京 100015；4.河北大学 化学与环境科学学院，河北省分析科学技术重点实验室，河北 保定 071002；5.浙江古越龙山绍兴黄酒集团有限公司，浙江 绍兴 312000）

通过研究黄酒的近红外光谱和利用化学计量学的技术，采用偏最小二乘法建立快速检测黄酒的酒精度、总糖和总酸的近红外模型。用相关系数（R）、交叉验证均方差（RMSECV）和相对分析误差（RPD）衡量模型的预测精度和稳定性，R值分别为0.999 4，0.998 9，0.978 0，RMSECV值分别为0.089 1，0.698 0，0.089 8，RPD值分别为27，21，4.8，RPD≥3表明建立的模型效果良好。研究结果表明，近红外光谱法可用于快速检测黄酒酒精度、总糖和总酸，为黄酒食品安全质量控制体系的建立提供了快速检测手段。

近红外光谱；黄酒；酒精度；总酸；总糖；偏最小二乘法

黄酒中的酒精度、总糖和总酸这三项指标影响黄酒品质、风味和口感，传统的检测方法相对来说步骤繁琐、费时费力且时效性差，因此对其建立快速检测方法尤为重要。近红外快速分析检测技术是通过对物质的透射或者反射光谱来分析其分子结构特点及其化学组成，具备快速、无损、绿色等一系列的优点，所以在酒类品质在线检测中的应用愈来愈普及[1-2]。已成功的应用于白酒、啤酒、葡萄酒等酒类品质检测中[3-5]，并应用在白酒、葡萄酒等发酵过程中对品质的在线监控[6-7]。

偏最小二乘法（partialleast squares，PLS）是化学计量学的重要内容[8-9]。本研究选用了偏最小二乘化学计量学数学模型算法来建立黄酒的酒精度、总糖和总酸的近红外光谱快速定量模型，建立的模型采用相关系数、交叉验证均方差和相对分析误差相关的评价指标来考证模型的预测能力的准确性和稳定性，通过近红外光谱分析检测技术的建模结果可知近红外光谱法可以非常快速、高效地同时检测黄酒中的酒精度、总糖和总酸。这是一项关于黄酒常规理化指标快速检测方法的基础性研究，目的是推广近红外光谱分析检测技术能够在黄酒企业中得到广泛的使用，旨在为黄酒企业建立一套完整、快速、便捷且具有较高预测精度的快速检测方法提供技术支持。

1 材料与方法

1.1 材料与试剂

实验用126个黄酒样品均取自某酒厂，黄酒样品基本覆盖了该酒厂生产的主要黄酒类型。

氢氧化钠、盐酸、酚酞、亚铁氰化钾、硫酸铜、乙醇、甲基红、酒石酸钾钠均为分析纯：国药集团化学试剂有限公司。

1.2 仪器与设备

MPA布鲁克近红外光谱仪、OPUS 6.5近红外光谱数据建模软件、8 mm直径低羟基玻璃样品管：BRUKER公司；500～800 W电炉：弗恩森（北京）电炉有限公司；VAL-1N酒精计：常州市凯悦热工仪表有限公司；BOCJ磁力搅拌器：北京瑞成伟业仪器设备有限公司；CP323S分析天平：德国赛多利斯天平公司。

1.3 方法

1.3.1 建模数据采集

根据GB/T 13662—2008《黄酒》国家相关黄酒常规理化指标检测方法对酒精度、总酸和总糖依次进行检测，酒精度的单位表示%vol，总糖、总酸的单位表示为g/L。

1.3.2 数据测量参数

光谱测定范畴是（12 500～4 000）cm-1，样本和背景的光谱重复扫描32次。光谱扫描的分辨率是8 cm-1。以空气作为扫描背景。每个样品重复扫描3次。

1.3.3 光谱信息采集

采用1 mL的移液枪吸取600μL左右样品注入实验样品试管中，样品试管中的装液量大于样品试管本身体积的2/3，每次测样前用试纸将试管外壁擦干净，放入液体透射腔中进行扫描。在（12 500～4 000）cm-1范围内获得黄酒样品的近红外扫描光谱图谱。

1.3.4 建立定量分析模型的评价准则[10-11]

建立的定量模型的有关评价指标包括相关系数（R）、交叉检验标准差（root mean squareserror of cross validation，RMSECV）[12-14]、预测标准差（rootmean square error of prediction，RMSEP）、相对分析误差（relative percentdeviation，RPD）即SD/RMSEP，其中SD（standard deviation）代表的是样品某成分含量的标准偏差。如果建立的定量模型的相关系数越高同时预测标准差越小，则表明该模型的预测准确度越高；然后再用相对分析误差对建立的定量模型效果做进一步相关评价，假使RPD≥3，说明定量模型具有良好的效果，定量模型可以用于对该实际样品相关成分实际的快速分析检测，RPD的值越高则说明建立的预测定量模型的预测能力非常好[15-17]。如果2.5＜RPD＜3，表明可以利用近红外光谱技术进一步的定量分析，但该模型的预测精度有待进一步提高；如果RPD＜2.5，则表明运用近红外光谱技术很难对该成分进行定量快速检测分析。定量模型的有关评价指标计算公式如下：

式中：n代表样本的数目；yi代表第i个样本的数值；ym代表该样本的平均值；yˆi为第i个样品的预测值。

RMSEC为校正模型内部预测值和实际值之间的差值，该值越小则表明建立的定量模型的拟合程度就越高。

式中：m代表模型交叉验证的循环数目。

RMSECV值小，表明定量模型具有良好的预测精度和稳定性。

式中：k代表该定量模型所检验的预测集样品的数目。

RMSEP值小表明定量分析模型较好，其值和RMSEC的差值较小，表明该模型具有更好的稳定性。

1.3.5 建立的数学模型方法的选择

本研究采用偏最小二乘法来建立模型，然后依照黄酒标准的方法检测得到样品的理化指标值将其与之对应的样品近红外光谱图谱输入OPUS数据建模软件。本研究采用内部交叉验证法对建立的模型一一逐步进行优化和模型能力验证。内部交叉验证法概括来说是通过每次交叉的不断剔除建模样本集中1个样本，然后将其余的样本集来建立模型，从而来预测被剔除的样本，根据这种方式不断的顺次循环下去。交互验证法相对于其他建立模型的数学算法的主要优点在于其能够对建立的定量模型估计其实际预测的预测精度。

用以上所描述的数学方法依次对黄酒酒精度、总酸和总糖建立相关的快速定量检测模型。选用114份黄酒样品作为建模样品集。选取12份黄酒样品作为总酸、总糖和酒精度这三个定量模型实际预测能力外部验证集。随机抽取出厂的12个黄酒样品，预测其酒情度、总糖和总酸这三项理化指标，同时分析该样品的预测值与化学测定值之间的实际误差。

2 结果与分析

2.1 黄酒样品的近红外光谱图

通过傅立叶变换近红外光谱仪，按照1.3.2的方法，设置好仪器的测量参数，然后扫描黄酒样品，其近红外光谱图见图1。

由图1可知，黄酒样品（12 500～4 000）cm-1光谱区内具有独特的吸收特征，黄酒中含有大量的C-H、O-H、N-H基团，在（4 000～5 000）cm-1合频区、（6 300～7 500）cm-1一倍频区都有较为强烈的吸收；在（8 000～11 000）cm-1的高倍频区吸收相对较弱。鲜明的光谱吸收特征为黄酒的定量分析提供了较为丰富的信息基础。

2.2 建模条件及结果

通过运用OPUS统计软件，选取内部交叉验证的化学计量学算法，建立近红外快速定量分析检测模型，然后从中选择最好的光谱预处理方式、最好的建模图谱范围、最佳的主成分数目，优化后的模型参数及结果见表1。

由表1可知，总酸采用矢量归一化预处理方法，在（12 493.2～7 498.3）cm-1和（6 102～5 446.3）cm-1的范围；总糖采用矢量归一化预处理方法，在（12 493.2～7 498.3）cm-1和（6 102～5 744.1）cm-1建模图谱范围；酒精度采用多元散射校正预处理方法，在（12 493.2～7 498.3）cm-1建模图谱范围；由酒精度、总糖和总酸模型预测值与化学值的关联图见图2。

由图2可知，建立模型的相关评价指标R值分别为0.999 4、0.998 9、0.978 0，RMSECV值分别为0.089 1、0.698 0、0.089 8，RPD值分别为27、21、4.8，其RPD≥3.0，说明建立的近红外定量分析检测模型的效果较好，该模型能够用于实际样品的分析检测。用建立的模型预测酒精度、总糖和总酸的外部检验集，预测结果见表2～表4。

由表2～表4可知，RMSEP值分别为0.081 9、0.681 0、0.079 1，RMSECV值和RMSEP值相差很小，建立的模型稳定性很好，同时样品预测值和实际值之间的偏差均＜5%，表明模型实际的建模效果较好，很好的满足了生产过程中对实际样品分析检测误差的要求。

3 结论

采用近红外光谱分析检测技术，偏最小二乘化学计量学算法，并且采用交叉验证的化学计量算法建立了酒精度、总糖和总酸的快速定量分析检测近红外光谱模型，建立的近红外模型的R值分别为0.999 4、0.998 9、0.978 0，RMSECV值分别为0.089 1、0.698 0、0.089 8，RPD值分别为27、21、4.8，RPD值均＞3.0。随机抽出12个黄酒样品对模型进行验证的结果分析可得实测值和预测值之间的偏差均＜5%，且两者之间不具有显著性差异（P＞0.05）。由本研究可知，在酒精度10.3%vol～18.8%vol，总糖7.8～47.2 g/L，总酸3.8～7.0 g/L范围内，近红外光谱模型实现了对黄酒中的酒精度、总糖、总酸的快速分析检测，为今后推行近红外光谱分析检测技术在黄酒领域中的运用奠定了一定的基础。

[1]YAN L,ZHAO L L,ZHANG L D.Application of near infrared spectroscopy[M].Beijing:China LightIndustry Press,2005.

[2]LI D X,WU Z Y,XU D J.Measurement of the principalcomponents in beer by means of near infrared spectroscopy[J].Chinese J Anal Chem, 2004,32(8):1070.

[3]DAMBERGS R,KAMBOURIS A,LEIGHFRANCIS I,etal.Rapid analysis ofmethanolin grape-derived distillation products using nearinfrared transmission spectroscopy[J].J Agric Food Chem,2002,50(11):3079-3084.

[4]LACHENMEIER D.Rapid quality controlof spiritdrinks and beer using multivariate data analysis of fourier transform infrared spectra[J].Food Chem,2007,101(2):825-832.

[5]COZZOLINO D,KWIATKOWSKIMJ,PARKER M,etal.Prediction of phenolic compounds in red wine fermentations by visible and near infrared spectroscopy[J].Anal Chim Acta,2004,513(1):73-80.

[6]CAVINATO A,MAYES D,GE Z H,etal.Noninvasive method formonitoring ethanol in fermentation processes using fiber optic near infrared spectroscopy[J].Anal Chem,1990,62(18):1977-1982.

[7]URBANO CUADRADO M,CASTRO M,PEREZ-JUAN P,et al.Near infrared reflectance spectroscopy and multivariate analysis in enology: determination or screening of fifteen parameters in different types of wines[J].Anal Chim Acta,2004,527(1):81-88.

[8]谢丽娟.转基因番茄的可见/近红外光谱快速无损检测方法[D].杭州：浙江大学博士论文，2009.

[9]LEARDIR,NORGAARD L.Sequentialapplication of backward interval PLS and genetic algorithms for the selection of relevant spectral regions [J].J Chemometr,2004,18(11):486-497.

[10]于海燕.黄酒品质和酒龄的近红外光谱分析方法研究[D].杭州：浙江大学博士论文，2007.

[11]许 禄，邵学广.化学计量学[M].北京：科学出版社，2004.

[12]牛晓颖.基于傅立叶变换近红外光谱的绍兴黄酒风味成分定量分析及其酒龄鉴别的研究[D].杭州：浙江大学博士论文，2009.

[13]CAIW,LIY,SHAO X.A variable selection method based on uninformative varable elimination for multivariate calibration of near infrared spectra[J].Chemometr Intell Lab,2008,90:188-194.

[14]李 勇.近红外分析模型稳健性研究[D].杨凌：西北农林科技大学硕士论文，2005.

[15]MALLEY D F,MCCLURE C,MARTIN P D,etal.Compositionalanalysis of cattle manure during composting using a field portable near infrared spectrometer[J].Commun Soil Sci Plan,2005,36(4-6):455-475.

[16]SORENSEN L K.Prediction of fermentation parameters in grass and corn silage by nearinfrared spectroscopy[J].J Dairy Sci,2004,87(11): 3826-3835.

[17]MALLEY D F,RÖNICKE H,FINDLAY D L,etal.Feasibility of using nearinfrared reflectance spectroscopy for the analysis of C,N,P,and diatoms in lake sediments[J].J Paleolimnol,1999,21(3):295-306.

Rapid determination of alcohol content, total sugar and total acid in Chinese rice wine by near infrared spectroscopy

FANShuangxi1,2,3,ZHONG Qiding2,3*,LIGuohui2,3,4,XIONG Zhenghe2,3,ZOUHuijun5,QIAN Bin5, ZHOU Jiandi5,XIE Guangfa5,LIYan1

(1.College of Bioscience and Bioengineering,HebeiUniversity of Science and Technology,Shijiazhuang 050018,China; 2.China National Research Institute of Food&Fermentation Industries,Beijing 100027,China; 3.China National Standardization Centre of Food&Fermentation,Beijing 100027,China; 4.Key Laboratory of AnalyticalScience of HebeiProvince,College of Chemistry and Environmental Science, Hebei University,Baoding 071002,China;5.China Shaoxing Rice Wine Group Co.,Ltd.,Shaoxing 312000,China)

On the basis of near infrared spectroscopy and chemometrics,the rapid detection modelof Chinese rice wine was established using partial leastsquare.The accuracy and stability ofthe modelwas evaluated by coefficientofdetermination(R),cross-validation mean square(RMSECV)and relative percentdeviation(RPD).The Rvalueswere 0.999 4,0.998 9 and 0.978 0,respectively,the RMSECV valueswere 0.089 1,0.698 0 and 0.089 8, respectively,and the RPD values were 27,21 and 4.8,respectively.The RPD values greater or equalto 3 indicated good modeling effect.The results showed that the near infrared spectroscopy technology can be used for rapid determination of alcohol content,total sugar and acid in Chinese rice wine,italso provided rapid detection methods forthe establishmentoffood safety quality controlsystem of Chinese rice wine.

nearinfrared spectroscopy;Chinese rice wine;alcoholcontent;acid;sugar;partialleastsquares

O657.33

A

0254-5071（2015）02-0135-04

10.11882/j.issn.0254-5071.2015.02.030

2015-01-06

国家自然科学基金（31101333）；科技部支撑计划项目（2012BAK17B11）

樊双喜（1989-），男，硕士研究生，研究方向为传统发酵工程创新技术。

*通讯作者：钟其顶（1980-），男，高级工程师，博士，研究方向为稳定同位素食品分析技术。