近红外光谱仪在白酒酒醅检测中的应用

姜福州 高 景 尹家利 史文秀

（江苏双沟酒业股份有限公司 江苏泗洪 223900）

1 前言

半成品酒醅是白酒酿造过程的中间产物，其质量直接影响原酒的品质，所以，酒醅的重要性不言而喻。通过开展酒醅各项指标检测，可以直观了解酒醅质量状况。酒醅的关键理化指标主要包括水分、酸度等，以往主要依靠手工方式进行检测，涉及样品处理等多个检测流程，操作烦琐、时间较长、效率偏低，在企业酿酒规模扩大化和机械化生产的背景下，原手工检测方式已无法满足需求[1]。

近红外光谱技术（NIR）作为一种新兴的分析技术，可用于样品中特定成分的定性定量测定，被广泛应用于食品、药物等多个领域。NIR操作较为简单，分析周期短，不需要进行预处理，可直接对样品进行检测获得结果，不会对样品造成破坏，检测环节不需要使用化学制剂，对环境的危害性较低，且分析结果的准确度较高。本文在研究过程中，通过NIR建立并应用相关模型，实现了对酒醅多组分的同时定量检测，可为快速测定酒醅中重要参数指标提供依据。

2 材料和方法

2.1 材料

实验设备:近红外光谱仪（瑞士步琦有限公司）。

实验样品:酿酒车间出池和入池酒醅样品，涵盖酿酒车间所有班组。出池取自头甑大叉酒醅共计527个，入池取自入窖第一甑共计498个。

2.2 方法

2.2.1 样品预处理

酒醅取样方法参照企业标准《酒醅检测方法》，所取样品需混合均匀后装于350 mL塑料杯中密封保存，取样后在1～2 h内完成样品检测。

2.2.2 样品的人工分析

分别对收集的样品进行水分、酸度、糖分、淀粉成分的检测。其中，水分检测采用直接干燥法（130℃恒温干燥）；酸度检测参考酸碱中和法（0.1 mol/L氢氧化钠中和滴定）；淀粉检测参考酸水解法（20%盐酸水解）；糖分检测参考还原糖测定法（菲林试剂滴定还原）。每个样品均做1个平行样，结果取平均值。

2.2.2 近红外光谱仪检测

在NIR使用过程中，工作人员需要做好预热工作，预热时间控制在30～40 min，并对仪器设备参数进行必要的控制，例如，扫描频率控制在32次/min，光谱波数控制在4 000～10 000 cm－1。打开光谱采集软件，对采集的样品进行扫描检测。将样品混合均匀后，装至测量皿的3/4处，用压样器压实、铺平、不漏光，擦干净测量皿底部，并将其放置于测量池。设置每个样品扫描3次，系统自动保存光谱信息[2]。

2.2.3 扫描光谱的赋值

将样品手工检测的化学值赋值于相对应的扫描光谱，保存待用。

2.2.4 定量分析模型的建立

对样品进行近红外光谱预处理、提取特征信息、确定相应波长、优选算法、构建模型，建立最优化的模型，以提升后续研究工作的准确性。

3 结果与分析

3.1 验证模型预测的效果

在整个模型的构建过程中，对涉及的12个样品开展相应的试验研究，同时，对12个样品采用传统的检测手段，开展对照试验，详见图1～图7。

图1 出池水分含量

图2 出池酸度

图3 出池糖分含量

图4 出池淀粉含量

图5 入池水分含量

图6 入池酸度

图7 入池淀粉含量

由图1～图7可知，酒醅重要指标的预测值和实测值基本一致，说明模型的预测效果很好。其中，淀粉预测能力稍差，通过分析得出，主要是检测时称取量少、样品相对较黏、不易混匀等客观因素导致。由此可知，建立的模型可行、可靠，能满足酿酒生产中酒醅检测的精度要求，NIR完全可以替代传统人工检验方法。

3.2 模型质量的验证

为确保研究的准确性，在模型分析环节，以决定系数作为切入点，进行吻合程度的分析（分析所得数据越接近1，吻合度越高，精度越高）。依据公式进行计算，对模型进行验证，结果详见表1、表2。

其中:n—样本个数；yTi—样本的实测值；yPi—样本的预测值；yα—样本实测值的平均值；R—决定系数；RMSEP—标准均方根预测误差。

表1 出池酒醅模型质量分析

表2 入池酒醅模型质量分析

由表1可知，糖分模型的平均差最小为0.040，R2为0.962，RMSEP也最低为0.042；淀粉模型的平均差最大为 0.350，R2为 0.920，RMSEP 为 0.270；酸度模型的平均差为0.070，R2为0.954，RMSEP为0.055；水分模型的平均差为0.280，R2为0.954，RMSEP为0.240。4个模型中糖分模型最佳。

由表2可知，酸度模型的平均差为0.060，R2为0.968，RMSEP为0.047；水分模型的平均差为0.260，R2为0.944，RMSEP为0.280；淀粉模型的平均差最大为 0.410，R2为 0.926，RMSEP 为 0.320。 3 个模型中酸度模型最佳。

出池糖分和入池酸度模型较好，二者均在酒醅浸泡、过滤后的溶液状态下进行测定，误差相对较小，模型效果更佳。通过模型的质量验证可知，模型检测符合生产中对酒醅重要成分检测的精度要求。

4 结论

NIR作为一种有效的检测手段，在分析样品时，扫描时间非常短，约1 min[3]，是人工检测所需时长的1/60；不需要使用任何化学试剂，不产生废液，对环境无污染，作业安全性高；光谱仪的预测结果和实测结果基本一致，检测结果准确性较高。而传统检测方法检测耗时较长，效率低下，不能及时反映酒醅质量状况，且使用的相关化学试剂对人身及环境存在一定影响，操作过程也存在一定的安全风险，且耗费人力物力较多，成本较高，已无法适应现代化规模化的生产方式[4]。利用NIR建模对白酒酒醅进行检测，可为酿酒一线生产实时提供可靠的数据支撑，对数据呈现较好的工艺，可以进行固化推广；数据对呈现不佳的工艺可以第一时间做出调整、优化。此外，为了保证NIR模型的稳定性和准确性，模型的后期维护也很重要，建议根据生产实际情况定期（如每月或每季度）对模型进行优化，确保模型的使用效果、检测精度满足生产要求。

随着计算机数据库等先进科学技术的应用和化学计量方法的不断改进，NIR日趋成熟，检测结果的稳定性、实用性和准确性不断提高，NIR在白酒行业的应用越来越广泛，我国酒类酿造行业的质量检验水平有望再上新的台阶[5-7]。