張正勇， 李曉燁， 龍 宸， 姜逸雪， 沙 敏， 王海燕， 劉 軍*

(1.南京財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，江蘇南京 210023； 2.湖南大學(xué)化學(xué)生物傳感與計(jì)量學(xué)國家重點(diǎn)實(shí)驗(yàn)室，湖南長沙 410082； 3.浙江工商大學(xué)管理工程與電子商務(wù)學(xué)院，浙江杭州 310018)

葡萄酒是以葡萄為原料并經(jīng)過特定生產(chǎn)工藝釀造而成的一種果酒，其營養(yǎng)物質(zhì)含量豐富并具有多種保健功能，深受消費(fèi)者的喜愛。但在釀造過程中，由于葡萄種類、產(chǎn)地、栽培技術(shù)、發(fā)酵工藝、保存方法、環(huán)境條件等不同，葡萄酒產(chǎn)品表現(xiàn)出品牌差異及品質(zhì)差異。隨著人民生活水平的不斷提高，葡萄酒產(chǎn)品的生產(chǎn)量和銷售量逐年上升，出于經(jīng)濟(jì)利益的誘惑，加之近年來葡萄酒產(chǎn)品產(chǎn)地、品種和年份概念的濫用和炒作，假冒行為、偽劣產(chǎn)品時(shí)有發(fā)生，對(duì)于普通消費(fèi)者而言，限于經(jīng)驗(yàn)和鑒別技術(shù)的匱乏，常常難以做出準(zhǔn)確的判別[1 - 2]。目前，關(guān)于葡萄酒品質(zhì)鑒別控制方法，主要包括基于品酒專家的感官鑒別法和基于理化分析技術(shù)的特征物質(zhì)判別法。通過對(duì)葡萄酒的色澤、澄清程度、起泡程度、香氣、滋味以及典型性的感官檢驗(yàn)，品酒專家借助其豐富的經(jīng)驗(yàn)和專業(yè)知識(shí)積累可以對(duì)葡萄酒質(zhì)量安全水平予以判別，是目前葡萄酒品質(zhì)分析的重要技術(shù)手段，也是葡萄酒新產(chǎn)品研發(fā)、質(zhì)量改進(jìn)的重要技術(shù)支撐，不過面臨的風(fēng)險(xiǎn)在于品酒專家的數(shù)量有限，難以滿足龐大市場(chǎng)的品控需求[3 - 5]?；诶砘治黾夹g(shù)的特征物質(zhì)判別法，是通過色譜、原子吸收光譜、紫外-可見光譜、滴定分析等理化分析手段，定量分析葡萄酒所含有的如總糖、揮發(fā)酸、鐵、銅、甲醇等特征物質(zhì)，以特征物質(zhì)含量進(jìn)行葡萄酒品質(zhì)判斷。該方法可準(zhǔn)確定量特定物質(zhì)含量，可客觀評(píng)價(jià)葡萄酒產(chǎn)品質(zhì)量等級(jí)，面臨的問題在于分析過程較為復(fù)雜，需要必要的前處理過程，耗時(shí)耗力，難以滿足葡萄酒品質(zhì)快速鑒別控制的市場(chǎng)需求[6 - 9]。

本研究針對(duì)上述需求與問題，發(fā)展了一種基于拉曼光譜并結(jié)合層次聚類分析的葡萄酒品質(zhì)控制快速檢測(cè)方法。以張?jiān)８杉t葡萄酒為例，系統(tǒng)分析考察了同品牌不同系列，以及不同品牌間品質(zhì)差異情況，并進(jìn)行了實(shí)驗(yàn)參數(shù)優(yōu)化，以利于模型的推廣。

1 實(shí)驗(yàn)部分

1.1 實(shí)驗(yàn)材料

張?jiān)８杉t葡萄酒、張?jiān)ａ劸茙煶嘞贾楦杉t葡萄酒、張?jiān)８杉t葡萄酒(佐餐級(jí))購于煙臺(tái)張?jiān)Ｆ咸丫漆劸乒煞萦邢薰?；王朝干紅葡萄酒購于天津王朝葡萄釀酒有限公司；長城干紅葡萄酒購于中糧酒業(yè)有限公司。

1.2 儀器與采集參數(shù)

Prott-ezRaman-D3激光拉曼光譜儀(美國，恩威公司(Enwave Optronics))。儀器參數(shù)設(shè)置：激光波長785 nm，激光功率450 mW，積分時(shí)間為1～5 s，間隔步長為1 s，波數(shù)范圍250～2 339 cm-1，分辨率1 cm-1。數(shù)據(jù)分析運(yùn)算平臺(tái)：MATLAB R2016a。

1.3 數(shù)據(jù)分析方法

1.3.1層次聚類分析(1)距離度量方法：通過計(jì)算對(duì)象間距離的方法評(píng)估相似度，距離越大相似度越小。本文采用歐氏距離(基于matlab的euclid函數(shù))、標(biāo)準(zhǔn)歐氏距離(seuclid函數(shù))、曼哈頓距離(cityblock函數(shù))和余弦距離法(cosine函數(shù))。(2)創(chuàng)建聚類樹的方法：本文采用層次聚類分析，基本過程是首先將每個(gè)對(duì)象分作一個(gè)單獨(dú)的類，然后逐次地合并相似度高的對(duì)象或類，直到所有的對(duì)象都被分在同一類中，或者達(dá)到了終止條件則停止合并，得到最終的分類。基于層次的聚類算法將樣品聚類分析后繪成一棵聚類樹，簡單直接地展示了數(shù)據(jù)樣本間的關(guān)系以及各類的層次結(jié)構(gòu)。創(chuàng)建系統(tǒng)聚類樹時(shí)不僅需要衡量不同對(duì)象之間差異，還需要計(jì)算不同類之間的距離。本文采用并分析了最短距離法(基于matlab的single函數(shù))、最長距離法(complete函數(shù))、平均距離法(average函數(shù))、重心距離法(centroid函數(shù))和離差平方和法(ward函數(shù))。

1.3.2同表象型相關(guān)系數(shù)根據(jù)(1)距離度量方法,計(jì)算各類之間的距離以用于構(gòu)建聚類樹。層次聚類分析的同表象型相關(guān)系數(shù)定義為聚類樹中獲得的相似值的同型距離之間的線性相關(guān)系數(shù)。其計(jì)算公式為：

(1)

該系數(shù)是層次聚類對(duì)數(shù)據(jù)擬合程度的標(biāo)準(zhǔn)度量，可以用來評(píng)價(jià)聚類樹結(jié)果的準(zhǔn)確程度。采用不同的距離度量和聚類策略，將會(huì)產(chǎn)生不同的同表象型相關(guān)系數(shù)，該值越接近1，則聚類分析效果越理想，據(jù)此來選擇最佳距離計(jì)算方式和聚類方法[10 - 11]。

1.3.3數(shù)據(jù)歸一化由于拉曼光譜數(shù)據(jù)各樣品間在不同波數(shù)上的信號(hào)強(qiáng)度差別較大，為統(tǒng)一量綱，也為方便樣本間距離的計(jì)算，在進(jìn)行層次聚類分析前對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理。本文采用的是Matlab的mapminmax歸一化函數(shù)。其基本原理如下：假定minA和maxA分別為觀測(cè)信號(hào)的最小值和最大值，則最小—最大歸一化通過計(jì)算:

(2)

將x的值映射到區(qū)間[new_minA,new_maxA]中的x′。

在本文中，將數(shù)據(jù)歸一化到[0,1]區(qū)間內(nèi)，即new_minA=0，new_maxA=1。

2 結(jié)果與討論

2.1 葡萄酒的拉曼光譜分析

拉曼光譜是表征分析待測(cè)物質(zhì)分子振動(dòng)、轉(zhuǎn)動(dòng)能級(jí)的重要手段，可用于分子特征結(jié)構(gòu)分析[12]。如圖1A所示是張?jiān)８杉t葡萄酒拉曼光譜圖，激光積分時(shí)間為1～5 s?？梢钥闯?首先，隨著激光積分時(shí)間的增加，激光照射樣品的累積時(shí)間相應(yīng)增加，張?jiān)８杉t葡萄酒拉曼光譜信號(hào)表現(xiàn)出在1 s時(shí)，出現(xiàn)1個(gè)熒光峰和2個(gè)弱拉曼譜峰，2 s時(shí)拉曼譜峰信號(hào)增加，熒光峰信號(hào)強(qiáng)度也增加，3 s及之后熒光峰信號(hào)強(qiáng)度進(jìn)一步增強(qiáng)，超出了儀器的信號(hào)檢測(cè)上限并掩蓋了拉曼譜峰信號(hào)。熒光峰的出現(xiàn)原因在于葡萄酒成分中含有豐富的酚類、氨基酸等成分，其中富含熒光基團(tuán)，在一定的激發(fā)光照射下可獲得熒光，最佳熒光激發(fā)波長約為240 nm[13]，并且有研究表明熒光峰的強(qiáng)度與葡萄酒的品質(zhì)間存在一定的相關(guān)性[14]。本文使用的是785 nm的激光器，已經(jīng)遠(yuǎn)離紅酒的最佳熒光激發(fā)波長，但是拉曼信號(hào)本身較弱，故需使用功率約450 mW的激光，使得紅酒的熒光信號(hào)產(chǎn)生難以避免。拉曼光譜圖中出現(xiàn)的2個(gè)拉曼光譜峰，～885 cm-1可歸屬于C-C伸縮振動(dòng)峰，～1 005 cm-1可歸屬于環(huán)振動(dòng)峰(源自苯丙氨酸)[15 - 16]。實(shí)驗(yàn)進(jìn)一步觀察了張?jiān)８杉t葡萄酒6個(gè)樣品的拉曼光譜數(shù)據(jù)，同品種樣品的拉曼光譜圖間表現(xiàn)出較高的相似性。在同樣的實(shí)驗(yàn)條件下，獲取了同品牌不同系列的張?jiān)ａ劸茙煶嘞贾楦杉t葡萄酒和張?jiān)８杉t葡萄酒(佐餐級(jí))的拉曼光譜數(shù)據(jù)，結(jié)果顯示隨著激光積分時(shí)間的增加，張?jiān)ａ劸茙煶嘞贾楦杉t葡萄酒和張?jiān)８杉t葡萄酒(佐餐級(jí))的拉曼光譜也表現(xiàn)出熒光峰和拉曼峰強(qiáng)度增加的趨勢(shì)，不過，在譜峰形狀、強(qiáng)度上，不同系列酒間存在不同。

圖1B、圖1C分別為王朝干紅葡萄酒，長城干紅葡萄酒的拉曼光譜圖，可以看出王朝干紅葡萄酒的拉曼光譜信號(hào)隨著激光積分時(shí)間的增加，表現(xiàn)出熒光峰和拉曼峰強(qiáng)度增加的趨勢(shì)，且隨著激光積分時(shí)間的增加，拉曼譜峰表現(xiàn)出1～4 s信號(hào)愈發(fā)清晰的現(xiàn)象，而到5 s時(shí)由于熒光信號(hào)增加，減弱了拉曼峰信號(hào)的清晰趨勢(shì)。長城干紅葡萄酒的拉曼光譜信號(hào)隨著激光積分時(shí)間的增加，也表現(xiàn)出熒光峰和拉曼峰強(qiáng)度增加的趨勢(shì)。上述分析表明，激光積分時(shí)間的不同，針對(duì)不同樣品體系呈現(xiàn)出的拉曼譜峰信息存在差異，且這種差異與各自品牌紅酒樣品間存在一致性，因此，拉曼光譜信息可用以紅酒樣品的特征表征，但具體最佳積分時(shí)間有必要進(jìn)一步探討，以利于模型的實(shí)際推廣應(yīng)用。

圖1 張?jiān)８杉t葡萄酒(A)、長城干紅葡萄酒(B)和王朝干紅葡萄酒的拉曼光譜圖(C)Fig.1 Raman spectra of Zhang Yu dry red wine(A)，Dynasty dry red wine(B) and Great Wall dry red wine(C)

2.2 葡萄酒的層次聚類分析

實(shí)驗(yàn)進(jìn)一步采用層次聚類分析法定量研究了張?jiān)Ｍ放撇煌盗衅咸丫埔约安煌放破咸丫圃诓煌す夥e分時(shí)間條件下的分類判別情況。如表1所示，首先針對(duì)張?jiān)８杉t葡萄酒及其同品牌不同系列的張?jiān)ａ劸茙煶嘞贾楦杉t葡萄酒，張?jiān)８杉t葡萄酒(佐餐級(jí))，在激光積分時(shí)間4 s時(shí)的距離度量和聚類樹創(chuàng)建方法的同表象型相關(guān)系數(shù)值展開分析。該相關(guān)系數(shù)是層次聚類對(duì)數(shù)據(jù)擬合程度的標(biāo)準(zhǔn)度量，該值越接近1，則聚類分析效果越理想。表1結(jié)果顯示，歐式距離結(jié)合平均距離法，以及歐式距離結(jié)合重心距離法的同表象型相關(guān)系數(shù)值(即C值)可達(dá)0.9920，綜合考慮激光積分時(shí)間1～5 s情況，歐式距離結(jié)合平均距離法的聚類效果較其他方法要好。

表2所示，比較研究了歐式距離結(jié)合平均距離法在激光積分時(shí)間1～5 s條件下的聚類樹判別結(jié)果，顯示出在激光積分時(shí)間1～5 s時(shí)，識(shí)別正確率達(dá)到94.44%，其中4 s和5 s的C值均超過0.99，分別達(dá)到0.9920和0.9932。激光積分時(shí)間4 s，使用歐式距離結(jié)合平均距離法可實(shí)現(xiàn)優(yōu)化的張?jiān)８杉t葡萄酒同品牌3個(gè)不同系列葡萄酒的判別，判別效果如圖2所示。可以看出，張?jiān)８杉t葡萄酒的6個(gè)不同樣品可有效聚類，說明本文方案適用于目標(biāo)對(duì)象張?jiān)８杉t葡萄酒的品質(zhì)控制鑒別使用，同時(shí)，結(jié)果也發(fā)現(xiàn)張?jiān)ａ劸茙煶嘞贾楦杉t葡萄酒6個(gè)樣品中，其中編號(hào)為9的樣品性質(zhì)與張?jiān)８杉t葡萄酒(佐餐級(jí))有較大相似，原因可能在于此2個(gè)系列酒間的生產(chǎn)工藝、原料來源等較為相近有關(guān)。

表1 不同距離度量和聚類樹創(chuàng)建方法的同表象型相關(guān)系數(shù)

表2 歐氏距離結(jié)合平均距離法繪制聚類樹的判別結(jié)果

表3所示，比較研究了張?jiān)８杉t葡萄酒與王朝干紅葡萄酒，長城干紅葡萄酒，在歐式距離結(jié)合平均距離法在激光積分時(shí)間1～5 s條件下的聚類樹判別結(jié)果，顯示出在激光積分時(shí)間1～4 s時(shí)，識(shí)別正確率可以達(dá)到100%，其中4 s時(shí)的C值達(dá)到0.9892，5 s時(shí)的C值達(dá)到0.9895，但是識(shí)別率出現(xiàn)了降低。據(jù)此，激光積分時(shí)間4 s，使用歐式距離結(jié)合平均距離法可實(shí)現(xiàn)優(yōu)化的判別，判別效果如圖3所示?？梢钥闯觯瑥?jiān)８杉t葡萄酒的6個(gè)不同樣品可有效聚類，各品牌酒間也可有效區(qū)分。

表3 歐氏距離結(jié)合平均距離法繪制聚類樹的判別結(jié)果

圖2 張?jiān)８杉t葡萄酒(Ⅰ，編號(hào)為1-6)、張?jiān)ａ劸茙煶嘞贾楦杉t葡萄酒(Ⅱ，編號(hào)為7-12)、張?jiān)８杉t葡萄酒(佐餐級(jí))(Ⅲ，編號(hào)為13-18)的聚類樹圖Fig.2 The clustering tree of Zhang Yu dry red wine(Ⅰ,No.1-6),Zhang Yu Cabernet Sauvignon dry red wine(Ⅱ,No.7-12) and Zhang Yu dry red wine(table level)(Ⅲ,No.13-18)(Euclidean distance and average distance method,laser integration time 4 s)

圖3 張?jiān)８杉t葡萄酒(Ⅰ，編號(hào)為1-6)、王朝干紅葡萄酒(Ⅳ，編號(hào)為7-12)、長城干紅葡萄酒(Ⅴ，編號(hào)為13-18)的聚類樹圖Fig.3 The clustering tree of Zhang Yu dry red wine(Ⅰ,No.1-6), Dynasty dry red wine(Ⅳ,No.7-12) and Great Wall dry red wine(Ⅲ,No.13-18)(Euclidean distance and average distance method,laser integration time 4 s)

3 結(jié)論

實(shí)驗(yàn)以張?jiān)８杉t葡萄酒為主要研究對(duì)象，綜合運(yùn)用儀器分析技術(shù)與模式識(shí)別技術(shù)，獲取了樣品的拉曼光譜數(shù)據(jù)，并運(yùn)用層次聚類分析法，研究了張?jiān)８杉t葡萄酒同品牌3個(gè)系列間，以及與王朝干紅葡萄酒、長城干紅葡萄酒不同品牌間的快速鑒別控制情況。結(jié)果顯示張?jiān)８杉t葡萄酒同批次間性質(zhì)相似度高，可有效聚類，優(yōu)化方案顯示激光積分時(shí)間4 s，使用歐式距離結(jié)合平均距離法可實(shí)現(xiàn)張?jiān)８杉t葡萄酒同品牌3個(gè)不同系列葡萄酒，以及不同品牌葡萄酒間的高效判別。實(shí)驗(yàn)結(jié)果有效的論證了新快檢方法的應(yīng)用潛力，并具有采樣速度快，無需樣品前處理，計(jì)算機(jī)處理簡單，智能化程度高等優(yōu)點(diǎn)。