白酒基酒中己酸、乙酸的近红外快速检测

刘建学，张卫卫，韩四海，李 璇，李佩艳，杨国迪，杨 莹，徐宝成，罗登林（河南科技大学食品与生物工程学院，河南省食品原料工程技术研究中心，河南 洛阳 471023）

白酒基酒中己酸、乙酸的近红外快速检测

刘建学，张卫卫，韩四海，李 璇，李佩艳，杨国迪，杨 莹，徐宝成，罗登林
（河南科技大学食品与生物工程学院，河南省食品原料工程技术研究中心，河南 洛阳 471023）

建立白酒基酒中的己酸、乙酸的快速检测方法，通过分析白酒基酒样品的近红外光谱图，对光谱数据进行不同处理。结果表明：白酒基酒中己酸、乙酸对近红外有特异吸收，最佳预处理方法与最优波段分别为：一阶导数＋减去一条直线、一阶导数＋矢量归一化预处理光谱；谱区选择6 101.7～5 446 cm－1和11 998.9～7 501.7 cm－1，6 101.7～5 449.8 cm－1和11 998.9～7 497.9 cm－1。利用偏最小二乘法与傅里叶变换近红外光谱相结合，采用内部交叉验证法建立模型，通过对模型进行优化，己酸、乙酸校正集样品的化学值与近红外的预测值的决定系数分别为99.73%、97.00%；内部交叉验证均方根差分别为0.90、0.63 mg/100 mL；进一步对己酸、乙酸模型进行验证和评价，己酸和乙酸模型验证集的决定系数分别为99.47%、95.63%，预测标准偏差分别为1.00、1.73 mg/100 mL。结果表明建立的模型效果很好，具有较高的精密度和良好的稳定性，能满足白酒生产中己酸和乙酸的快速检测要求。

傅里叶变换近红外光谱；白酒基酒；己酸；乙酸；偏最小二乘法

近红外光谱技术由于具有分析速度快、无损、多组分分析等优点，已经成为发展最快的定量、定性分析技术之一，在农业、作物、医学、化工、饲料和食品领域得到了广泛的应用[1-6]。它测试时间短，能实时反映被测对象状态；不需对样品进行预处理，可直接进行测定，适合现场检测；不消耗化学试剂，几乎所有有机物的主要结构和组成都可以在它们的近红外光谱中找到信号且谱图稳定[7]，已成为现代分析测试技术中的重要工具。

白酒工业是中国重要的一个产业，年产量大。浓香型白酒的销售量占白酒市场份额的70%左右，是各种香型白酒中销量最多的[8]。杜康酒是浓香型的代表，具有“清冽透明，柔润芳香，纯正甘美，回味悠长”的风味特点，深受广大饮酒者的喜爱。白酒中的酸为有机酸，酸类是形成酯类的前体物质，同时也可以构成其他香味物质。有机酸含量的多少，因酒的等级、香型和批次等不同而各异，同时，因其刺激阈的不同，在香气和口味上也有不同。白酒中的酸对主体香气既起烘托作用，又起缓冲、平衡的作用。酸类成分是白酒的重要口味物质。适量时可使酒体丰满、醇厚，回味悠长。酸量过少，酒味寡淡，后味短；酸量过大，酸味露头，酒味粗糙，甚至入口有尖酸味。白酒中含有20多种有机酸，它们中有的能够直接影响酒的风味和质量如，己酸是刺激性强的酸味；适量丁酸能增加“窖香”，过浓则有“汗臭”气味；乙酸有干酪气味，有刺激感，水溶性差，含量高时会引起白酒浑浊[9]。浓香型白酒中己酸、乙酸、丁酸、乳酸占总酸含量的90%以上。经过国标方法测定，杜康白酒基酒中己酸和乙酸含量较高，但国家标准中己酸和乙酸的测定方法相当繁琐且费时、费力。对其进行快速、准确的测定对降低生产成本、提高产品在线监测效率等具有重要意义。近红外光谱分析技术能有效地进行大量样品的高精度快速分析。近年来许多学者研究了其在酒类产品中的应用[10-19]，常见的应用研究多为构建酒精体积分数的定量分析模型[20-25]。本研究通过分析杜康白酒基酒样品的近红外光谱图，选取了建模的特征谱区，比较不同光谱数据预处理方法对建模效果的影响，旨在建立基于傅里叶变换近红外光谱法的白酒基酒中的己酸、乙酸的快速预测模型，以期为白酒工业测定提供一套高效、准确、快速的分析己酸、乙酸的方法。

1 材料与方法

1.1 材料与试剂

136 个白酒基酒样品 洛阳汝阳杜康控股集团。

无水乙醇（色谱纯） 天津市光复精细化工研究所；乙醛、乙缩醛（均为标准品） 天津市科密欧化学试剂开发中心。

1.2 仪器与设备

VECTOR33傅里叶变换近红外光谱仪 德国Brüker公司；7890A气相色谱（附氢火焰离子检测器） 美国Agilent公司；AT.LZP-930型色谱柱（25 m×0.32 mm，0.1 μm） 中国科学院兰州化学物理研究所。

1.3 方法

1.3.1 己酸、乙酸含量的化学值测定

气相色谱条件：LZP-930白酒分析专用柱的色谱条件：进样口温度220 ℃；检测器温度250 ℃；柱流速2.0 mL/min；载气为氮气（纯度99.999%）；载气流速30 mL/min；H2流速30 mL/min；空气流速300 mL/min；尾吹流速25 mL/min；采用分流进样方式，分流比10∶1；进样量1 μL；升温程序：初始温度75 ℃，保持3 min，以3.5 ℃/min升至89 ℃，然后以10 ℃/min升至100 ℃保持1 min，再以3.5 ℃/min升至130 ℃，然后再以11 ℃/min升至162 ℃保持2 min，最后以3 ℃/min升至170 ℃。

体积分数60%乙醇溶液的配制：准确量取600 mL色谱级无水乙醇于1 000 mL容量瓶中，用超纯水定容至刻度，摇匀备用。

标准样品的配制：分别用移液枪取己酸、乙酸各0.4 mL于100 mL容量瓶中，用体积分数60%乙醇溶液定容至刻度作为标准储备液。

分别吸取4、8、12、16、20、25 mL混合标准储备液于50 mL容量瓶，用体积分数60%乙醇溶液定容至刻度，制成一系列质量浓度的混合标准溶液，依次进样，记录峰面积，以峰面积对质量浓度进行一元线性回归。

1.3.2 酒样的近红外光谱采集与分析

1.3.2.1 近红外光谱采集

将白酒基酒样品移至1 m m的比色皿中，使用OPUS 6.5光谱采集及分析软件进行光谱采集，实验室内温度恒定在20～25 ℃。光谱扫描范围为12 000～4 000 cm－1，仪器分辨率为8 cm－1，扫描次数为32 次，每个样品重新装样采集3 次，并求平均光谱作为最终光谱数据进行分析。

1.3.2.2 光谱预处理和模型建立

校正集与验证集：将国标法所测定白酒基酒中己酸和乙酸含量的结果，从小到大排序，按选3留1的原则分别确定校正集和验证集，这样校正集样品数为102 个，验证集样品数为34 个，参与己酸、乙酸含量校正模型的建立。

在建模型的过程中，为提高有效信息，须进行光谱预处理，以选择合适的谱区来建立模型。本实验利用OPUS 6.5分析软件中的自动功能选择检验模型的最优建模谱区。将光谱经矢量归一化、多元散射校正、一阶导数、二阶导数、一阶导数＋减去一条直线、一阶导数＋矢量归一化、一阶导数＋多元散射校正等光谱预处理方法对采集到的图谱进行预处理后，选出最优波段和最佳预处理方法，利用偏最小二乘法建立校正集样品近红外光谱和2 种酸类的数学模型，所建模型用决定系数和校正标准差来评价，模型的预测能力通过检验集样品的决定系数、预测标准差、模型预测能力的精密度和稳定性检验来评价。

2 结果与分析

2.1 白酒基酒气相色谱

图1 白酒基酒样品的气相色谱图Fig.1 Chromatogram of liquor base

按1.3.1节色谱条件测得的白酒基酒样品色谱图如图1所示，11 种典型的风味物质均得到了良好的分离。

2.2 白酒基酒近红外光谱

图2 白酒基酒样品的近红外光谱图Fig.2 Near infrared spectra of different liquor base samples

由图2可知，白酒中的主要成分是水和乙醇，水分子在6 896 cm－1左右有明显的一级倍频吸收，二级倍频约在10 416 cm－1，合频位于5 128 cm－1附近，因此6 896 cm－1和5 128 cm－1附近是水的特征吸收区域[26]；乙醇分子在近红外光谱区也有明显的特征吸收，4 347 cm－1附近是乙醇的特征吸收区域[26]。所以建立模型时应该对次波段处重点关注。

2.3 标准曲线的绘制

以白酒基酒中己酸和乙酸的质量浓度为X，对应峰面积为Y，做线性回归方程，由表1可知，2 种物质的标准曲线相关系数均大于0.999；己酸和乙酸的标准品质量浓度和相应峰面积呈良好线性关系。

表1 己酸和乙酸的保留时间、回归方程和相关系数Table 1 Retention times, regression equations and correlation coefficients of caproic acid and acetic acid

2.4 精密度和加标回收率实验结果

向白酒基酒样品中定量添加2 种标准品的混合标准液，每一个样品重复测量8 次取平均值。1 μL进样，根据测定结果中2 种物质的含量分别计算相应的精确度和回收率，结果见表2。由表2可知，己酸和乙酸2 种物质的回收率均在90%以上，结果表明外标法可用于白酒基酒中己酸和乙酸的测定，方法精密度高。

表2 己酸和乙酸精密度和加标回收率实验结果（n=8）TTaabbllee 22 PPrreecciissiioonn ((RRSSDD)) aanndd rreeccoovveerriieess ffoorr ccaapprrooiicc aacciidd aanndd acetic aciidd ((n == 88))

2.5 白酒基酒中己酸和乙酸化学值分析

表3 白酒基酒中己酸和乙酸化学值分析Table 3 Chemical value analysis of caproic acid and acetic acid in liquor baassee

由表3可知，由检验集和校正集中己酸和乙酸的含量范围、平均值、极差可知，所选样品中各组分含量范围较宽，代表性较强。

2.6 己酸和乙酸近红外数学模型的建立与优化

表4 己酸和乙酸最优波段的选择和最佳预处理方法Table 4 Selection of optimal waveband and optimal pretreatment method for caproic acid and acetic acid

根据2.2节图谱可以看出水分子和乙醇分子对构建模型有干扰，为了避免这些强吸收噪声的干扰，在选择最优波长时应尽量避开此段谱区。从表4可以看出，己酸和乙酸的最优波段分别为6 101.7～5 446 cm－1和11 998.9～7 501.7 cm－1，6 101.7～5 449.8 cm－1和11 998.9～7 497.9 cm－1最佳预处理方法分别为一阶导数＋减去一条直线、一阶导数＋矢量归一化，主成分维数分别为7和8，在此条件下所建立的2 种物质的校正模型相关系数最大，校正标准偏差最小。

利用以上建模条件，对己酸与乙酸校正集进行内部交叉验正，建立校正模型的样品数为102 个，分别剔除12、5 个光谱异常的样品，实际采用的样品只有90、97 个，利用建立的己酸和乙酸定量模型预测验证集的34 个样品。己酸、乙酸的校正集和验证集的预测值和真实值的关系如图3所示。

图3 己酸（A）和乙酸（B）含量的校正集、验证集预测值与真实值的相关性Fig.3 Correlation between predicted and real values of acetic acid (A) and caproic acid (B) contents in calibration and test set

由图3可以看出，己酸和乙酸校正模型的决定系数分别为99.73%和97.00%，校正标准偏差分别为0.90、0.63 mg/100 mL，上述结果表明：所建模型的决定系数较高、标准偏差较小、误差较小、可靠、可行。

由图3还可以看出，己酸模型验证集的决定系数（R2）为99.47%，验证标准偏差为1.00 mg/100 mL；乙酸模型验证集的决定系数（R2）为95.63%，验证标准偏差为1.73 mg/100 mL，近红外光谱预测值与真实值基本一致，说明模型的预测效果很好，能满足白酒工业生产中己酸和乙酸的检测要求。

2.7 模型预测能力的精密度和稳定性检验

另取4 个白酒基酒样品，利用所建模型对其样品中己酸和乙酸含量分别进行10 次重复预测结果见表5。4 个样品的预测值和真实值做了比较，每个样品的10 次预测结果平均差异都小于0.25 mg/100 mL，相差范围在0～0.49 mg/100 mL，并且对每个样品的10 次预测值做了显著性分析，均无显著性差异，可见所建模型精密度和稳定性良好。

表5 模型预测样品的精密度和稳定性检验Table 5 Precision and stability of the established model mg/100 mL

3 结论与讨论

本实验采用近红外光谱技术对白酒基酒中己酸和乙酸的近红外图谱进行分析，结合气相色谱法测得的己酸和乙酸含量进行建模，通过校正集的决定系数、校正标准偏差和预测集的决定系数、验证标准偏差来评价白酒基酒中己酸和乙酸近红外定量分析模型的拟合功能与预测功能。主要结论为：白酒基酒中己酸和乙酸对近红外有特 异吸收。白酒工业中己酸和乙酸的常规分析检测工作繁重，测定方法繁琐费时，难以及时准确提供分析数据。本实验以傅里叶变换近红外光谱技术建立了白酒己酸和乙酸的定量分析模型，克服了常规方法的缺点。所建模型的精密度和稳定性良好，能较好地检测白酒基酒中的己酸（质量浓度范围14.94～220.92 mg/100 mL）和乙酸（质量浓度范围47.47～71.09 mg/100 mL）含量。模型对己酸和乙酸含量的预测结果满足白酒工业的误差要求，可以替代常规的分析方法。

近红外光谱技术可以用于酒类工业中原材料相关成分的检测分析和发酵过程中的在线监控上，也可以为生产管理与酒质评价体系的建立等提供技术支持，随着近红外光谱仪硬件技术的提高和设备成本的不断降低，以及数理统计方法的进一步完善，从近红外光谱中提取有效信息的效率也会大大提高，近红外光谱法的应用前景必将更加广阔。

[1] 杨晋辉, 卜登攀, 王加启, 等. 近红外透反射光谱法测定牛奶成分[J].食品科学, 2013, 34(20): 153-156. DOI:10.7506/spkx1002-6630-201320031.

[2] 姚杰, 杨倩, 孙彩云, 等. 红外光谱法定性分析假酒中的甲醇[J]. 光谱实室, 2000, 17(1): 35-37. DOI:10.3969/ j.issn.1004-8138.2000.01.005.

[3] XU Z H, ZHANG Z X, WANG J, et al. Spectral characterstics of voltage sensitive dyedi-4-ANEPPS in perfusates[J]. Acta Photonica Scinica, 2008, 37(3): 552-554.

[4] YU H Y, NIU X Y, LIN H J, et al. A feasibility study on on-line determination of rice wine composition by Vis-NIR spectroscopy and least-squares support vector machines[J]. Food Chemistry, 2009, 113(1): 291-296. DOI:10.1016/j.foodchen.2006.06.083.

[5] 徐文杰, 刘茹, 洪响声, 等. 基于近红外光谱技术的淡水鱼品种快速鉴别[J]. 农业工程学报, 2014, 30(1): 253-261. DOI:10.3969/ j.issn.1002-6819.2014.01.032.

[6] 李毅念, 姜丹, 刘璎瑛, 等. 基于近红外光谱的杂交水稻种子发芽率测试研究[J]. 光谱学与光谱分析, 2014, 34(6): 1528-1532. DOI:10.3964/j.issn.1000-0593(2014)06-1528-05.

[7] 徐广通, 袁洪福, 陆婉珍. 现代近红外光谱技术及应用进展[J]. 光谱学与光谱分析, 2000, 20(2): 134-142. DOI:10.3321/ j.issn:1000-0593.2000.02.003.

[8] 冯俊旗. 河南六种白酒香气成分的分析与构成规律研究[D]. 新乡:河南科技学院, 2013.

[9] 贾巧唤, 任石苟. 浅述酸, 酯, 醇等成分对白酒的影响[J]. 食品工程, 2009(4): 12-13. DOI:10.3969/j.issn.1673-6044.2008.04.003.

[10] 宋波. 白酒中各种成分对酒质的影响[J]. 酿酒科技, 2011(12): 65-67.

[11] 王豪, 邬蓓蕾, 林振兴, 等. 傅立叶变换近红外光谱法快速测定葡萄酒中的酒精度[J]. 中国酿造, 2008, 27(7): 72-74. DOI:10.3969/j.is sn.0254-5071.2008.04.024.

[12] 薛磊, 吕进, 施秧, 等. 基于近红外光谱的黄酒风格判别方法[J].食品科学, 2014, 35(8): 240-243. DOI:10.7506/spkx1002-6630-201408048.

[13] COZZOLINO D, CYNKAR W, SHAH N, et al. Quantitative analysis of minerals and electric conductivity of red grape homogenates by near infrared reflectance spectroscopy[J]. Computers and Electronics in Agriculture, 2011, 77(1): 81-85. DOI:10.1016/j.compag.2011.03.011.

[14] COZZOLINO D, KWIATKOWSKI M J, DAMBERGS R G, et al. Analysis of elements in wine using near infrared spectroscopy and partial least squares regression[J]. Talanta, 2008, 74(4): 711-716. DOI:10.1016/j.talanta.2007.06.045.

[15] LIU F, HE Y, WANG L, et al. Feasibility of the use of visible and near infrared spectroscopy to assess soluble solids content and pH of rice wines[J]. Journal of Food Engineering, 2007, 83(3): 430-435. DOI:10.1016/j.jfoodeng.2007.03.035.

[16] VERSARI A, LAGHI L, THORNGATE J H, et al. Prediction of colloidal stability in white wines using infrared spectroscopy[J]. Journal of Food Engineering, 2011, 104(2): 239-245. DOI:10.1016/ j.jfoodeng.2010.12.015.

[17] GARDE-CERD˘N T, LORENZO C, ALONSO G L, et al. Employment of near infrared spectroscopy to determine oak volatile compounds and ethylphenols in aged red wines[J]. Food Chemistry, 2010, 119(2): 823-828. DOI:10.1016/j.foodchem.2009.07.026.

[18] COZZOLINO D, CYNKAR W, SHAH N, et al. Feasibility study on the use of attenuated total reflectance mid-infrared for analysis of compositional parameters in wine[J]. Food Research International, 2011, 44(1): 181-186.

[19] SHEN F, YING Y, LI B, et al. Prediction of sugars and acids in Chinese rice wine by mid-infrared spectroscopy[J]. Food Research International, 2011, 44(5): 1521-1527. DOI:10.1016/ j.foodres.2011.03.058.

[20] 彭帮柱, 龙明华, 岳田利, 等. 用偏最小二乘法及傅立叶变换近红外光谱快速检测白酒酒精度[J]. 农业工程学报, 2007, 23(4): 233-237. DOI:10.3321/j.issn:1002-6819.2007.04.046.

[21] 徐玮, 谭红, 包娜, 等. 近红外光谱法快速测定白酒中的酒精度[J].中国农学通报, 2010, 26(19): 70-72.

[22] 廖昱博, 刘小清, 陈娟, 等. 近红外光谱结合偏最小二乘回归法测定白酒酒精度[J]. 赣南师范学院学报, 2013, 34(3): 7-9. DOI:10.3969/j. issn.1004-8332.2013.03.003.

[23] 余丽娟, 郑建明, 朱文雷. 傅里叶变换红外光谱法测定白酒中乙醇含量[J]. 广州化工, 2011, 39(4): 112-113. DOI: 10.3969/j.issn.1001-9677.2011.04.041.

[24] YU C, ZHANG Q. Research on raman spectra quantitative analysis model of ethanol aqueous solution based on net analyte signal[J]. Spectroscopy and Spectral Analysis, 2013, 33(2): 390-394. DOI:10.3964/j.isso.1000-0593(2013)02-0390-05.

[25] 陈妍, 胡慧, 汪凤祖. 近红外光谱法快速分析白酒中的关键指标[J].酿酒科技, 2010(11): 90-92.

[26] 陆婉珍, 袁洪福, 徐广通. 现代近红外光谱分析技术[M]. 北京: 中国石化出版社, 2000.

Rapid Detection of Caproic Acid and Acetic Acid in Liquor Base Based on Fourier Transform Near-Infrared Spectroscopy

LIU Jianxue, ZHANG Weiwei, HAN Sihai, LI Xuan, LI Peiyan, YANG Guodi, YANG Ying, XU Baocheng, LUO Denglin
(Henan Engineering Research Center of Food Material, College of Food and Bioengineering, Henan University of Science and Technology, Luoyang 471023, China)

Caproic acid and acetic acid, two important organic acids in liquor, have obvious effects on the quality of liquor. In order to accurately and quickly measure the contents of caproic acid and acetic acid in liquor base, calibration models were established based on Fourier-transform near-infrared spectroscopy with artificial neural network by cross-validation after the original spectra were analyzed and interpreted. The results showed that the caproic and acetic acid in liquor base exhibited strong near infrared absorption and that the best spectral pretreatment methods for the two acids were first derivative combined with deduction of a straight line and standard normal variate (SNV) transformation, respectively. Based on the selected spectral ranges of 6 101.7–5 446 cm-1, 11 998.9–7 501.7 cm-1, 6 101.7–5 449.8 cm-1, and 11 998.9–7 497.9 cm-1, a calibration model was established using partial least square regression and the internal cross-validation method. After optimization of the model, the correlation coefficients (R2) between the chemical values of caproic acid and acetic acid in calibration samples and near infrared prediction were 99.73% and 97.00%, internal cross-validation root mean square deviation were 0.90 and 0.63 mg/100 mL, and prediction standard deviation were 1.00 and 1.73 mg/100 mL, respectively. The method has been applied with satisfactory results to quick determination of caproic acid and acetic acid in the distilled spirit industry.

Fourier transform near infrared spectroscopy; liquor base; caproic acid; acetic acid; partial least squares

10.7506/spkx1002-6630-201604032

TS262.3

A

1002-6630（2016）04-0181-05

刘建学, 张卫卫, 韩四海, 等. 白酒基酒中己酸、乙酸的近红外快速检测[J]. 食品科学, 2016, 37(4): 181-185.

DOI:10.7506/spkx1002-6630-201604032. http://www.spkx.net.cn

LIU Jianxue, ZHANG Weiwei, HAN Sihai, et al. Rapid detection of caproic acid and acetic acid in liquor base based on Fourier transform near-infrared spectroscopy[J]. Food Science, 2016, 37(4): 181-185. (in Chinese with English abstract)

DOI:10.7506/spkx1002-6630-201604032. http://www.spkx.net.cn

2015-06-01

国家自然科学基金面上项目（31471658）

刘建学（1964—），男，教授，博士，研究方向为食品品质快速检测与安全控制。E-mail：jx_liu@163.com