田翔 秦慧彬 王君杰

摘要 [目的]研究利用近紅外光譜分析法定量分析黃酒酒精度和總糖含量的可行性，以期為黃酒理化分析提供參考依據(jù)。[方法]收集變幅較大的150份代表性黃酒樣品，利用近紅外分析儀進(jìn)行光譜掃描，采用常規(guī)化學(xué)分析方法測(cè)定黃酒酒精度和總糖含量，借助近紅外定標(biāo)軟件建立黃酒酒精度和總糖含量的定標(biāo)模型。[結(jié)果]采用偏最小二乘法（PLS）分別建立黃酒酒精度和總糖含量的校正模型，模型的校正決定系數(shù)（R2）分別為0.981 1和0.877 1，交叉驗(yàn)證標(biāo)準(zhǔn)誤差分別為0.52和3.95。近紅外法對(duì)于黃酒酒精度和總糖的預(yù)測(cè)，誤差較小，測(cè)定結(jié)果準(zhǔn)確可靠。[結(jié)論]近紅外光譜分析技術(shù)為黃酒酒精度和總糖含量的預(yù)測(cè)提供了一種新方法。

關(guān)鍵詞 黃酒;近紅外法;酒精度;總糖

中圖分類號(hào) TS261.7 ?文獻(xiàn)標(biāo)識(shí)碼 A ?文章編號(hào) 0517-6611（2020）21-0195-03

Abstract [Objective]The research aimed to study the feasibility of quantitatively analyzing the alcoholicity and total sugar content of rice wine by nearinfrared spectroscopy， in order to provide a reference for the analysis of rice wine.[Method]Collected 150 representative rice wine samples with large fluctuations， used a nearinfrared spectroscopy（NIRS） instrument to perform spectral scanning， used conventional methods to determine the alcoholicity and total sugar of rice wine， and the NIRS model for alcoholicity and total sugar determination in rice wine was set up by ?near infrared software.[Result]A partial least squares method （PLS） was used to establish a correction model for the alcoholicity and total sugar content of rice wine. The correction determination coefficients （R2） of the model were 0.981 1 and 0.877 1，and the standard errors of crossvalidation （RMSECV） were 0.52 and 3.95. The nearinfrared method had less error in the prediction of alcohol content and total sugar of rice wine， and the measurement results were accurate and reliable. [Conclusion]The nearinfrared spectroscopy analysis technology provides a new method for the prediction of alcohol content and total sugar content of rice wine.

Key words Rice wine;Nearinfrared spectroscopy（NIRS）;Alcoholicity;Total sugar

基金項(xiàng)目 國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系項(xiàng)目（CARS-06-13.5-A16）;國家農(nóng)作物種質(zhì)資源共享服務(wù)平臺(tái)山西農(nóng)作物種質(zhì)資源平臺(tái)（NICGR-2019-26）;山西省農(nóng)業(yè)科學(xué)院特色農(nóng)業(yè)技術(shù)攻關(guān)項(xiàng)目（YGG17058）。

作者簡(jiǎn)介 田翔（1982—），女，山西文水人，助理研究員，碩士，從事作物品質(zhì)分析。*通信作者，研究員，從事作物種質(zhì)資源研究。

收稿日期 2020-03-24

黃酒歷史悠久，有著深厚的文化底蘊(yùn)，是我國傳統(tǒng)發(fā)酵食品。黃酒以稻米、黍米等為主要原料，經(jīng)加曲、酵母等糖化發(fā)酵而成[1]。色澤溫潤紅亮、風(fēng)味醇厚，含有豐富的氨基酸、活性肽、糖類、多酚、維生素及礦物元素等，具有降血壓、抗氧化和提高免疫力等生理作用，深受廣大群眾喜愛[2]。隨著黃酒需求量的增長，黃酒的產(chǎn)量也逐年上升，消費(fèi)者對(duì)黃酒的品質(zhì)、風(fēng)味也提出了新的要求。黃酒成分復(fù)雜，種類繁多，根據(jù)黃酒中糖分的不同可分成干型、半干型、半甜型和甜型4類黃酒。黃酒質(zhì)量控制的因素和決定風(fēng)味的主要物質(zhì)是酒精度、總糖和酸度。目前，黃酒酒精度、總糖的檢測(cè)采用國標(biāo)GB/T 13662—2008《黃酒》的理化分析法。酒精度測(cè)定需加熱蒸餾，使用酒精計(jì)測(cè)定?？偺菧y(cè)定方法有廉愛農(nóng)法、亞鐵氰化鉀滴定法、3，5-二硝基水楊酸比色法等，上述方法均需要對(duì)樣品前處理，步驟繁瑣，無法滿足現(xiàn)代黃酒生產(chǎn)對(duì)黃酒品質(zhì)快速分析的需求[3]。近紅外反射光譜（near infrared reflectance spectroscopy，NIRS）是利用有機(jī)物在近紅外光譜區(qū)的特征振動(dòng)吸收信息而快速測(cè)定樣品中多種化學(xué)成分含量[4]，可測(cè)量固體、液體和氣體。近紅外法具有操作簡(jiǎn)單、分析速度快、準(zhǔn)確、環(huán)保等優(yōu)點(diǎn)，非常適合快速分析黃酒中常規(guī)指標(biāo)的含量。呂興龍等[5]建立了近紅外法快速測(cè)定黃酒醪液酒精度、總酸和總糖的分析模型。盧中明等[6]對(duì)白酒酒醅中還原糖、酸度和酒精度建立近紅外檢測(cè)模型。謝廣發(fā)等[7]主要應(yīng)用紅外技術(shù)對(duì)黃酒酒精度、總酸、氨基酸態(tài)氮和酒齡進(jìn)行識(shí)別檢測(cè)。近紅外光譜技術(shù)在黃酒品質(zhì)檢測(cè)中雖有研究，但主要為同類黃酒建模，筆者將收集不同類型黃酒，建立能夠同時(shí)測(cè)定黃酒酒精度和總糖的定量分析模型，并對(duì)相關(guān)校正模型進(jìn)行評(píng)價(jià)，為黃酒質(zhì)量快速鑒別提供依據(jù)，具有重要的實(shí)際意義[8]。

1 材料與方法

1.1 材料

試驗(yàn)選擇150個(gè)黃酒樣品均取自全國不同的產(chǎn)地和不同類型黃酒（包括大壇原酒、瓶裝酒、年份酒等），因此試驗(yàn)樣品具有廣泛的代表性。140個(gè)樣品作為建立濃度定標(biāo)方程的定標(biāo)樣品，10個(gè)樣品作為驗(yàn)證集合。

1.2 方法

1.2.1 近紅外光譜信息采集。

采用德國Bruke MPA傅里葉變換近紅外光譜儀，預(yù)熱30 min，借助OPUS/QUANT建模軟件，光譜掃描范圍12 500～4 000 cm-1，掃描次數(shù)64次，掃描分辨率16 cm-1，鍍金背景，每隔1 h扣除一次背景，用移液槍向玻璃樣品管中注入1 mL黃酒樣品，不銹鋼的壓樣制樣器，防止產(chǎn)生氣泡，放入液體透射腔中掃描2次。圖1是黃酒樣品近紅外掃描光譜圖，且在近紅外譜區(qū)合頻區(qū)域和倍頻區(qū)域都有明顯的吸收峰，進(jìn)一步表明該研究采集的黃酒樣品有明顯差異，有利于建模[9]。

1.2.2 黃酒酒精度和總糖含量測(cè)定。

酒精度和總糖2項(xiàng)指標(biāo)均按國家標(biāo)準(zhǔn)GB/T 13662—2008《黃酒》測(cè)得。酒精度采用蒸餾法測(cè)定，總糖的測(cè)定方法分別為廉愛農(nóng)法（適用于甜型和

半甜型）和亞鐵氰化鉀滴定法（適用于干型和半干型）。通過

統(tǒng)計(jì)分析，構(gòu)建定標(biāo)模型的黃酒酒精度含量為6.42%～19.95%，

平均值為11.56%。黃酒總糖含量為4.3%～47.5%，平均值為24.4%。數(shù)據(jù)變幅較大，具有較好的代表性和適用性[10]。

2 數(shù)據(jù)建模

2.1 近紅外定標(biāo)模型的建立

在近紅外定量分析模型建立的過程中，首先將樣品光譜記錄和化學(xué)測(cè)定值導(dǎo)入，采用OPUS/QUANT軟件中的自動(dòng)優(yōu)化功能，常規(guī)的光譜預(yù)處理方法包括多元散射校正（MSC）、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)和平滑處理等。該試驗(yàn)通過比較發(fā)現(xiàn)，校正模型的決定系數(shù)（R2）越大，交叉檢驗(yàn)的均方根誤差（RMSECV）越低，預(yù)測(cè)偏差比值（RPD）越高，確定最優(yōu)校正模型。該試驗(yàn)采用偏最小二乘法（PLS），一階導(dǎo)數(shù)+矢量歸一化（SNV）光譜預(yù)處理，譜區(qū)范圍4 242.9～7 506 cm-1，主因子數(shù)均為9，剔除異常值，分別建立酒精度和總糖含量的最佳校正模型。

2.2 定標(biāo)模型的驗(yàn)證

根據(jù)樣品近紅外光譜的特征，利用軟件的自動(dòng)驗(yàn)證功能，軟件每次在140 份建標(biāo)黃酒樣品中隨機(jī)選取2 份樣品作為檢驗(yàn)樣品，用其余的黃酒樣品（138 份）建立定標(biāo)模型，并對(duì)檢驗(yàn)樣品做預(yù)測(cè)，自動(dòng)重復(fù)至所有樣品均被做過檢驗(yàn)樣品。酒精度和總糖含量的交叉檢驗(yàn)結(jié)果如圖2所示，模型的預(yù)測(cè)值和真值之間存在良好的線性關(guān)系[11-12]，其R2分別為0.981 1和0.877 1，RMSECV分別為0.52和3.95。

為了進(jìn)一步驗(yàn)證模型效果，采用10個(gè)未參加模型建立的、化學(xué)成分已知的驗(yàn)證集樣品對(duì)所建模型的實(shí)際預(yù)測(cè)效果進(jìn)行評(píng)價(jià)。黃酒酒精度和總糖定量模型預(yù)測(cè)樣品的酒精度和總糖含量與標(biāo)準(zhǔn)化學(xué)分析方法數(shù)值進(jìn)行對(duì)比，結(jié)果如表1所示。

通過對(duì)表1分析，該研究挑選的驗(yàn)證樣品在各個(gè)指標(biāo)濃度范圍內(nèi)分布均勻，即具有代表性，酒精度和總糖模型預(yù)測(cè)標(biāo)準(zhǔn)偏差（RMSEP）分別為 0.65和4.01，RMSEP和 RMSECV 接近，即模型的穩(wěn)定性較好，且預(yù)測(cè)相對(duì)誤差分別小于1.18%和3.68%，進(jìn)一步說明該研究建立的黃酒酒精度和總糖近紅外定量模型準(zhǔn)確度滿足對(duì)實(shí)際樣品預(yù)測(cè)的要求[13-14]。

3 結(jié)論與討論

我國黃酒傳統(tǒng)發(fā)酵工藝周期長，發(fā)酵過程主要依靠經(jīng)驗(yàn)為主，如何控制發(fā)酵過程和成品酒中酒精度和總糖的變化十分必要。該研究利用近紅外儀，將黃酒樣品的酒精度與總糖含量與其樣品光譜相互關(guān)聯(lián)，通過對(duì)黃酒酒精度和總糖建標(biāo)模型的交叉驗(yàn)證，比較R2、RMSECV等參數(shù)，確定最優(yōu)校正模型。通過外部驗(yàn)證，該方法精確度滿足黃酒酒精度和總糖檢測(cè)的要求，具有測(cè)試速度快、操作簡(jiǎn)單的特點(diǎn)，適合于大批量樣品，可用于黃酒自動(dòng)化生產(chǎn)過程中酒精度和總糖含量的快速分析。試驗(yàn)中參與定標(biāo)的樣品數(shù)量有限，試驗(yàn)結(jié)果僅在一定范圍內(nèi)有效，另外黃酒化學(xué)測(cè)定值的準(zhǔn)確度以及環(huán)境溫度影響模型的準(zhǔn)確度。今后工作中還需擴(kuò)大模型樣品的覆蓋范圍，不斷完善模型的穩(wěn)定性與準(zhǔn)確性。

近紅外光譜法具有快速、準(zhǔn)確、環(huán)境友好和多組分同時(shí)檢測(cè)等優(yōu)點(diǎn)，樣品需要量僅為1 mL，檢測(cè)時(shí)間小于1 min。該模型簡(jiǎn)化了常規(guī)分析程序，提高了分析效率，為我國黃酒產(chǎn)業(yè)服務(wù)。利用近紅外技術(shù)探索黃酒氨基酸、多酚等含量的技術(shù)方法還有待于進(jìn)一步開發(fā)。

參考文獻(xiàn)

[1]汪建國，沈玉根，陸偉杰，等.我國黃酒研究現(xiàn)狀與發(fā)展趨勢(shì)[J].中國釀造，2012，31（11）：15-20.

[2]劉月，祁國棟，張炳文.黃酒功能成分的研究進(jìn)展[J].中國釀造，2015，34（11）：27-30.

[3]楊海玲.黃酒的釀制工藝及營養(yǎng)成分分析[J].現(xiàn)代農(nóng)業(yè)科技，2018（21）：258-259.

[4]周光華，朱大洲，王成.近紅外光譜在糧食作物檢測(cè)中的應(yīng)用進(jìn)展[J].安徽農(nóng)業(yè)科學(xué)，2010，38（28）：15475-15478.

[5]呂興龍，劉強(qiáng)，孫國昌，等.黃酒發(fā)酵過程理化指標(biāo)的近紅外光譜快速檢測(cè)方法研究[J].中國測(cè)試，2019，45（3）：75-79，120.

[6]盧中明，鄭敏，劉艷，等.基于液體樣品近紅外模型在白酒酒醅分析中的應(yīng)用[J].釀酒，2019，46（6）：35-39.

[7]謝廣發(fā)，徐榕，樊阿萍，等.近紅外光譜技術(shù)在黃酒理化指標(biāo)快速檢測(cè)中的應(yīng)用[J].中國釀造，2011，30（11）：182-185.

[8]梁高峰，賈宏汝，谷運(yùn)紅，等.近紅外光譜分析技術(shù)及其在農(nóng)業(yè)研究中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2007，35（29）：9113-9115.

[9]劉建學(xué)，張衛(wèi)衛(wèi)，韓四海，等.白酒基酒中己酸、乙酸的近紅外快速檢測(cè)[J].食品科學(xué)，2016，37（4）：181-185.

[10]于靜.葡萄酒和白酒質(zhì)量識(shí)別方法的研究[D].北京：中國農(nóng)業(yè)大學(xué)，2018.

[11]朱宏霞，鄧德文，鄭校先.傅立葉變換近紅外透射法測(cè)定黃酒酒精度[J].中國釀造，2008，27（12）：80-82.

[12]陳小玲，楊佳，李新生，等.黃酒品質(zhì)分析及質(zhì)量安全控制研究進(jìn)展[J].食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2019，10（6）：1582-1587.

[13]薛磊.黃酒品質(zhì)近紅外光譜模型優(yōu)化研究[D].杭州：中國計(jì)量學(xué)院，2014.

[14]田育紅，王鳳仙，吳青.基于近紅外光譜分析技術(shù)快速檢測(cè)白酒中的關(guān)鍵指標(biāo)[J].釀酒，2019，46（5）：93-96.