论文部分内容阅读
（中法合营王朝葡萄酿酒有限公司 300402）
摘要：随着近红外光谱剖析技术的引入，这为酒体的评论及成分剖析供给了一种快速准确科学的剖析办法。本文总述了近红外光谱剖析技术在现在我国酿酒行业中的使用开展研讨，涵盖了白酒、葡萄酒、啤酒、黄酒，并对红外光谱剖析技术的进一步开展做了展望。
关键词：红外光谱技术；酒类；检测
葡萄酒是一种具有较高营养价值的传统饮料，饮用适当的葡萄酒对人体健康非常有利，因而得到各国人民的重视和喜欢。葡萄酒化学是葡萄原料质量操控、葡萄酒的酿制及其质量操控的根底。在剖析葡萄与葡萄酒时，无论是一般成分（糖、酒精、酸）仍是特有成分（色素、丹宁、芳香物质），现在绝大多数的葡萄酒生产公司和质检组织依然选用传统的化学剖析办法，这些办法一般预处理复杂、费时吃力，检测过程中运用的化学品也不可避免地带来环境污染。这些年红外光谱技术作为一种迅速的检测手法已被广泛应用于农业、石油、食物、烟草、医药等职业的质量剖析和质量操控。在葡萄与葡萄酒方面，国内外专家开始首要致力于近红外技术的应用研讨。但近几年研讨发现，中红外能够作为替代近红外迅速猜测葡萄与葡萄酒特性的另一种光谱办法。中红外不只能够利用在近红外区调查到的C-H、N-H和O-H分子振荡光谱信息，并且能够对在近红外区调查不到的C-O、C-N和C-S基团的分子振荡很灵敏。总归，红外光谱技术能够减化葡萄与葡萄酒的剖析过程，削减剖析时间，此外其与化学计量学联系还具有一起测定几种成分和分类辨别的才能，在葡萄酒职业越来越遇到重视，并已得到成功应用。
1近红外光谱检测葡萄酒组成原理
待测葡萄酒样品是由烃类化合物所构成的，在850～950nm波长区间包含了芳烃C-H、亚甲基C-H、甲基C-H以及烯烃C-H等基团的近红外三级倍频信息，由于不相同基团的吸收峰位以及吸收强度各不相同，当待测葡萄酒样品的构成发生改动的时分，其近红外光谱的特征吸收也随着发生改动。而且近红外光谱特征吸收伴随着馏程改动也有极其明显的改动，也即是不相同碳数的组分将会形成不相同的近红外光谱。虽然这种改动极其微小，不过运用化学计量学的办法处理光谱数据后，也能取得葡萄酒样品构成改动的信息，为近红外光谱迅速检测葡萄酒的详细构成提供了光谱理论基础。所以，能够使用比如微分、滑润等谱图预处理进程对待测葡萄酒样品的构成数据以及近红外光谱进行适宜的处理，而且运用偏最小二乘法进行校正，挑选相关信息比较强的光谱区域，经过预测残差平方和挑选最好主因子，从而创立不相同构成性质和光谱两者之间的剖析校正模型。
2近红外光谱定量分析多元模型介绍
近红外光谱检测分析办法是由两个要素构成的，首先是安稳、精确地检测葡萄酒样品的吸收或许漫反射光谱谱图的硬件技术，关于选用的光谱仪器的榜首请求是要保证长期的安稳性；其次是采用多元校对办法计算检测结果的软件技术。在近红外光谱分析过程中，计算机除了用于收集数据、操控仪器，还经过多种多元校对办法对图谱进行解析，也即是创立光谱、构成或许性质之间的校对模型，并且用此模型预测不知道葡萄酒样品的性质或许构成。近红外光谱一般是比较宽的几个谱带，尽管已知的必定的基团都具有必定的吸收谱带，不过关于只在结构上存在细微区别的化合物，通常会呈现重叠的谱图，尽管葡萄酒样品的性质存在必定的不同，其光谱图却适当挨近。经过收集多波长数据的办法就完全可以充分利用好光谱图供给的信息。多元模型请求很多的建模葡萄酒样品并发生适当多的数据。光谱数据以及浓度数据被写作矩阵的方式以便于对数据进行处理，光谱数据矩阵的每一行代表一个待测葡萄酒样品光谱。浓度数据矩阵包含相应葡萄酒样品的浓度值。此矩阵将被分解为称作因子或许主成分的本征矢量。这种办法的优点是没必要用所有主成分来描写相应的光谱特性，仅有有关的主成分用来取代初始光谱数据，所以大大减少了数据量。
3近红外光谱剖析的影响因素
近红外光谱作为葡萄酒性质剖析检测技术不但简练敏捷，而且经济实用，可是剖析检测成果的精准性遇到各种因素的影响，例如葡萄酒样品的颗粒度、装填密度和均匀度等，这些物理特性在各定标葡萄酒样品中的不同直接影响葡萄酒样品光谱信息和化学成分信息间的线性关系，从而使定标剖析的精度有很大起伏的降低。在使用过程中，理应在规范的制备样品条件下制备定标以及猜测葡萄酒样品，使葡萄酒样品具有规范化的均匀粒度，保证一样的装样条件，削减由于颗粒度以及装填密度所致使的葡萄酒样品制备差错。模型初建过程中关于挑选葡萄酒待测樣品、定标葡萄酒样品的数目以及试验软硬件和外部环境条件、试验人员自身具有的本质的互不一样以及试验自身的规划，都将直接或许间接影响定标模型猜测的精准度。在挑选待测葡萄酒样品的过程中，应当归纳思考待测样品各种成分的含量梯度、散布状况、样品的物理化学特征，以提高定标模型的稳定性，推广模型的实践使用规模。假如标样数量太少，不能充分反映被测葡萄酒样品集的正常天然散布规则。而数量过多则增添了创立定标模型的工作量。假如被测样品的成分含量有关性对比强的话，可以按照有关准则进行挑选，以提高定标的作用和查验的精确性。温度也同样是影响近红外光谱定标精准性的中心因素。研讨显现，近红外对温度对比敏感，10-20℃就可以导致吸光度的改动，而且温度影响不出现规则性。此外，仪器的功能、报价以及在检测剖析方面缺少完整牢靠的剖析辦法以及质量操控技术规范，也是可以影响检测成果的几种因素。
4 葡萄原料的分析检测
优质葡萄原料是生产高质量葡萄酒的保证，其中葡萄浆果的含糖量是葡萄品质评定的重要指标，在葡萄成熟过程及原料分级时都要进行监测分析[19]。传统的葡萄浆果含糖量的检测方法是从每穗摘取一定数量的浆果，将采取的浆果压汁（应压干），混匀，取样分析含糖量和含酸量。这样不仅耗时费力，对葡萄造成损伤，而且由于取样分析时间长，难免造成样品变质而导致较大的人为误差产生。可见-近红外光谱技术可以不需要对葡萄样品进行匀浆处理，直接对整粒葡萄果实进行扫描，简化了样品准备过程，显著增加了样品的测定数量，减少误差，是一种预测葡萄成熟度的理想分析方法。应用可见/近红外光谱技术测量葡萄浆果糖度，并建立偏最小二乘法（PLS）与BP神经网络相结合的数据分析模型对葡萄浆果糖度进行预测。研究结果表明，应用可见/近红外光谱技术，偏最小二乘与BP神经网络相结合的数据处理模型能够很好的预测葡萄浆果的糖度，结果要好于PLS模型的预测效果。在葡萄酒生产中，除了包括气候和土壤在内的自然因素以及栽培技术外，葡萄品种对葡萄酒的特征和质量起着决定性的作用。不同的葡萄品种具有不同的浆果成分，因此，用之生产的葡萄酒的特点亦不同。
结论
红外光谱技术在葡萄与葡萄酒方面的使用远景极为广泛，现在某些方面已经得到使用，特别是样品的成分测定。但是葡萄酒成分杂乱，将红外光谱法使用于葡萄酒的检测，还需要尽量收集数量多、类型全的葡萄酒样品，依据其红外谱图特征树立样品的红外光谱模型，进而选用模型猜测不知道葡萄酒样品的成分含量。进行光谱数据处理与剖析时，还应依据实际情况挑选适宜的光谱预处理和数学建模算法以取得最优的剖析成果，从而使红外光谱技术在葡萄与葡萄酒安全检测，在线监测、生产质量控制等方面得到广泛的应用。
参考文献：
[1]于海燕，应义斌，刘燕德.农产品品质近红外光谱分析结果影响因素研究综述[J].农业工程学报，2005，21（11）：160-163.
[2]李树君，林亚玲，潘忠礼.红外技术用于农产品灭酶和脱水干燥的研究综述[J].农业机械学报，2008，39（6）：109-112.
摘要：随着近红外光谱剖析技术的引入，这为酒体的评论及成分剖析供给了一种快速准确科学的剖析办法。本文总述了近红外光谱剖析技术在现在我国酿酒行业中的使用开展研讨，涵盖了白酒、葡萄酒、啤酒、黄酒，并对红外光谱剖析技术的进一步开展做了展望。
关键词：红外光谱技术；酒类；检测
葡萄酒是一种具有较高营养价值的传统饮料，饮用适当的葡萄酒对人体健康非常有利，因而得到各国人民的重视和喜欢。葡萄酒化学是葡萄原料质量操控、葡萄酒的酿制及其质量操控的根底。在剖析葡萄与葡萄酒时，无论是一般成分（糖、酒精、酸）仍是特有成分（色素、丹宁、芳香物质），现在绝大多数的葡萄酒生产公司和质检组织依然选用传统的化学剖析办法，这些办法一般预处理复杂、费时吃力，检测过程中运用的化学品也不可避免地带来环境污染。这些年红外光谱技术作为一种迅速的检测手法已被广泛应用于农业、石油、食物、烟草、医药等职业的质量剖析和质量操控。在葡萄与葡萄酒方面，国内外专家开始首要致力于近红外技术的应用研讨。但近几年研讨发现，中红外能够作为替代近红外迅速猜测葡萄与葡萄酒特性的另一种光谱办法。中红外不只能够利用在近红外区调查到的C-H、N-H和O-H分子振荡光谱信息，并且能够对在近红外区调查不到的C-O、C-N和C-S基团的分子振荡很灵敏。总归，红外光谱技术能够减化葡萄与葡萄酒的剖析过程，削减剖析时间，此外其与化学计量学联系还具有一起测定几种成分和分类辨别的才能，在葡萄酒职业越来越遇到重视，并已得到成功应用。
1近红外光谱检测葡萄酒组成原理
待测葡萄酒样品是由烃类化合物所构成的，在850～950nm波长区间包含了芳烃C-H、亚甲基C-H、甲基C-H以及烯烃C-H等基团的近红外三级倍频信息，由于不相同基团的吸收峰位以及吸收强度各不相同，当待测葡萄酒样品的构成发生改动的时分，其近红外光谱的特征吸收也随着发生改动。而且近红外光谱特征吸收伴随着馏程改动也有极其明显的改动，也即是不相同碳数的组分将会形成不相同的近红外光谱。虽然这种改动极其微小，不过运用化学计量学的办法处理光谱数据后，也能取得葡萄酒样品构成改动的信息，为近红外光谱迅速检测葡萄酒的详细构成提供了光谱理论基础。所以，能够使用比如微分、滑润等谱图预处理进程对待测葡萄酒样品的构成数据以及近红外光谱进行适宜的处理，而且运用偏最小二乘法进行校正，挑选相关信息比较强的光谱区域，经过预测残差平方和挑选最好主因子，从而创立不相同构成性质和光谱两者之间的剖析校正模型。
2近红外光谱定量分析多元模型介绍
近红外光谱检测分析办法是由两个要素构成的，首先是安稳、精确地检测葡萄酒样品的吸收或许漫反射光谱谱图的硬件技术，关于选用的光谱仪器的榜首请求是要保证长期的安稳性；其次是采用多元校对办法计算检测结果的软件技术。在近红外光谱分析过程中，计算机除了用于收集数据、操控仪器，还经过多种多元校对办法对图谱进行解析，也即是创立光谱、构成或许性质之间的校对模型，并且用此模型预测不知道葡萄酒样品的性质或许构成。近红外光谱一般是比较宽的几个谱带，尽管已知的必定的基团都具有必定的吸收谱带，不过关于只在结构上存在细微区别的化合物，通常会呈现重叠的谱图，尽管葡萄酒样品的性质存在必定的不同，其光谱图却适当挨近。经过收集多波长数据的办法就完全可以充分利用好光谱图供给的信息。多元模型请求很多的建模葡萄酒样品并发生适当多的数据。光谱数据以及浓度数据被写作矩阵的方式以便于对数据进行处理，光谱数据矩阵的每一行代表一个待测葡萄酒样品光谱。浓度数据矩阵包含相应葡萄酒样品的浓度值。此矩阵将被分解为称作因子或许主成分的本征矢量。这种办法的优点是没必要用所有主成分来描写相应的光谱特性，仅有有关的主成分用来取代初始光谱数据，所以大大减少了数据量。
3近红外光谱剖析的影响因素
近红外光谱作为葡萄酒性质剖析检测技术不但简练敏捷，而且经济实用，可是剖析检测成果的精准性遇到各种因素的影响，例如葡萄酒样品的颗粒度、装填密度和均匀度等，这些物理特性在各定标葡萄酒样品中的不同直接影响葡萄酒样品光谱信息和化学成分信息间的线性关系，从而使定标剖析的精度有很大起伏的降低。在使用过程中，理应在规范的制备样品条件下制备定标以及猜测葡萄酒样品，使葡萄酒样品具有规范化的均匀粒度，保证一样的装样条件，削减由于颗粒度以及装填密度所致使的葡萄酒样品制备差错。模型初建过程中关于挑选葡萄酒待测樣品、定标葡萄酒样品的数目以及试验软硬件和外部环境条件、试验人员自身具有的本质的互不一样以及试验自身的规划，都将直接或许间接影响定标模型猜测的精准度。在挑选待测葡萄酒样品的过程中，应当归纳思考待测样品各种成分的含量梯度、散布状况、样品的物理化学特征，以提高定标模型的稳定性，推广模型的实践使用规模。假如标样数量太少，不能充分反映被测葡萄酒样品集的正常天然散布规则。而数量过多则增添了创立定标模型的工作量。假如被测样品的成分含量有关性对比强的话，可以按照有关准则进行挑选，以提高定标的作用和查验的精确性。温度也同样是影响近红外光谱定标精准性的中心因素。研讨显现，近红外对温度对比敏感，10-20℃就可以导致吸光度的改动，而且温度影响不出现规则性。此外，仪器的功能、报价以及在检测剖析方面缺少完整牢靠的剖析辦法以及质量操控技术规范，也是可以影响检测成果的几种因素。
4 葡萄原料的分析检测
优质葡萄原料是生产高质量葡萄酒的保证，其中葡萄浆果的含糖量是葡萄品质评定的重要指标，在葡萄成熟过程及原料分级时都要进行监测分析[19]。传统的葡萄浆果含糖量的检测方法是从每穗摘取一定数量的浆果，将采取的浆果压汁（应压干），混匀，取样分析含糖量和含酸量。这样不仅耗时费力，对葡萄造成损伤，而且由于取样分析时间长，难免造成样品变质而导致较大的人为误差产生。可见-近红外光谱技术可以不需要对葡萄样品进行匀浆处理，直接对整粒葡萄果实进行扫描，简化了样品准备过程，显著增加了样品的测定数量，减少误差，是一种预测葡萄成熟度的理想分析方法。应用可见/近红外光谱技术测量葡萄浆果糖度，并建立偏最小二乘法（PLS）与BP神经网络相结合的数据分析模型对葡萄浆果糖度进行预测。研究结果表明，应用可见/近红外光谱技术，偏最小二乘与BP神经网络相结合的数据处理模型能够很好的预测葡萄浆果的糖度，结果要好于PLS模型的预测效果。在葡萄酒生产中，除了包括气候和土壤在内的自然因素以及栽培技术外，葡萄品种对葡萄酒的特征和质量起着决定性的作用。不同的葡萄品种具有不同的浆果成分，因此，用之生产的葡萄酒的特点亦不同。
结论
红外光谱技术在葡萄与葡萄酒方面的使用远景极为广泛，现在某些方面已经得到使用，特别是样品的成分测定。但是葡萄酒成分杂乱，将红外光谱法使用于葡萄酒的检测，还需要尽量收集数量多、类型全的葡萄酒样品，依据其红外谱图特征树立样品的红外光谱模型，进而选用模型猜测不知道葡萄酒样品的成分含量。进行光谱数据处理与剖析时，还应依据实际情况挑选适宜的光谱预处理和数学建模算法以取得最优的剖析成果，从而使红外光谱技术在葡萄与葡萄酒安全检测，在线监测、生产质量控制等方面得到广泛的应用。
参考文献：
[1]于海燕，应义斌，刘燕德.农产品品质近红外光谱分析结果影响因素研究综述[J].农业工程学报，2005，21（11）：160-163.
[2]李树君，林亚玲，潘忠礼.红外技术用于农产品灭酶和脱水干燥的研究综述[J].农业机械学报，2008，39（6）：109-112.