姜福州 高 景 尹家利 史文秀

（江蘇雙溝酒業(yè)股份有限公司 江蘇泗洪 223900）

1 前言

半成品酒醅是白酒釀造過程的中間產物，其質量直接影響原酒的品質，所以，酒醅的重要性不言而喻。通過開展酒醅各項指標檢測，可以直觀了解酒醅質量狀況。酒醅的關鍵理化指標主要包括水分、酸度等，以往主要依靠手工方式進行檢測，涉及樣品處理等多個檢測流程，操作煩瑣、時間較長、效率偏低，在企業(yè)釀酒規(guī)模擴大化和機械化生產的背景下，原手工檢測方式已無法滿足需求[1]。

近紅外光譜技術（NIR）作為一種新興的分析技術，可用于樣品中特定成分的定性定量測定，被廣泛應用于食品、藥物等多個領域。NIR操作較為簡單，分析周期短，不需要進行預處理，可直接對樣品進行檢測獲得結果，不會對樣品造成破壞，檢測環(huán)節(jié)不需要使用化學制劑，對環(huán)境的危害性較低，且分析結果的準確度較高。本文在研究過程中，通過NIR建立并應用相關模型，實現了對酒醅多組分的同時定量檢測，可為快速測定酒醅中重要參數指標提供依據。

2 材料和方法

2.1 材料

實驗設備:近紅外光譜儀（瑞士步琦有限公司）。

實驗樣品:釀酒車間出池和入池酒醅樣品，涵蓋釀酒車間所有班組。出池取自頭甑大叉酒醅共計527個，入池取自入窖第一甑共計498個。

2.2 方法

2.2.1 樣品預處理

酒醅取樣方法參照企業(yè)標準《酒醅檢測方法》，所取樣品需混合均勻后裝于350 mL塑料杯中密封保存，取樣后在1～2 h內完成樣品檢測。

2.2.2 樣品的人工分析

分別對收集的樣品進行水分、酸度、糖分、淀粉成分的檢測。其中，水分檢測采用直接干燥法（130℃恒溫干燥）；酸度檢測參考酸堿中和法（0.1 mol/L氫氧化鈉中和滴定）；淀粉檢測參考酸水解法（20%鹽酸水解）；糖分檢測參考還原糖測定法（菲林試劑滴定還原）。每個樣品均做1個平行樣，結果取平均值。

2.2.2 近紅外光譜儀檢測

在NIR使用過程中，工作人員需要做好預熱工作，預熱時間控制在30～40 min，并對儀器設備參數進行必要的控制，例如，掃描頻率控制在32次/min，光譜波數控制在4 000～10 000 cm－1。打開光譜采集軟件，對采集的樣品進行掃描檢測。將樣品混合均勻后，裝至測量皿的3/4處，用壓樣器壓實、鋪平、不漏光，擦干凈測量皿底部，并將其放置于測量池。設置每個樣品掃描3次，系統(tǒng)自動保存光譜信息[2]。

2.2.3 掃描光譜的賦值

將樣品手工檢測的化學值賦值于相對應的掃描光譜，保存待用。

2.2.4 定量分析模型的建立

對樣品進行近紅外光譜預處理、提取特征信息、確定相應波長、優(yōu)選算法、構建模型，建立最優(yōu)化的模型，以提升后續(xù)研究工作的準確性。

3 結果與分析

3.1 驗證模型預測的效果

在整個模型的構建過程中，對涉及的12個樣品開展相應的試驗研究，同時，對12個樣品采用傳統(tǒng)的檢測手段，開展對照試驗，詳見圖1～圖7。

圖1 出池水分含量

圖2 出池酸度

圖3 出池糖分含量

圖4 出池淀粉含量

圖5 入池水分含量

圖6 入池酸度

圖7 入池淀粉含量

由圖1～圖7可知，酒醅重要指標的預測值和實測值基本一致，說明模型的預測效果很好。其中，淀粉預測能力稍差，通過分析得出，主要是檢測時稱取量少、樣品相對較黏、不易混勻等客觀因素導致。由此可知，建立的模型可行、可靠，能滿足釀酒生產中酒醅檢測的精度要求，NIR完全可以替代傳統(tǒng)人工檢驗方法。

3.2 模型質量的驗證

為確保研究的準確性，在模型分析環(huán)節(jié)，以決定系數作為切入點，進行吻合程度的分析（分析所得數據越接近1，吻合度越高，精度越高）。依據公式進行計算，對模型進行驗證，結果詳見表1、表2。

其中:n—樣本個數；yTi—樣本的實測值；yPi—樣本的預測值；yα—樣本實測值的平均值；R—決定系數；RMSEP—標準均方根預測誤差。

表1 出池酒醅模型質量分析

表2 入池酒醅模型質量分析

由表1可知，糖分模型的平均差最小為0.040，R2為0.962，RMSEP也最低為0.042；淀粉模型的平均差最大為 0.350，R2為 0.920，RMSEP 為 0.270；酸度模型的平均差為0.070，R2為0.954，RMSEP為0.055；水分模型的平均差為0.280，R2為0.954，RMSEP為0.240。4個模型中糖分模型最佳。

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

出池糖分和入池酸度模型較好，二者均在酒醅浸泡、過濾后的溶液狀態(tài)下進行測定，誤差相對較小，模型效果更佳。通過模型的質量驗證可知，模型檢測符合生產中對酒醅重要成分檢測的精度要求。

4 結論

NIR作為一種有效的檢測手段，在分析樣品時，掃描時間非常短，約1 min[3]，是人工檢測所需時長的1/60；不需要使用任何化學試劑，不產生廢液，對環(huán)境無污染，作業(yè)安全性高；光譜儀的預測結果和實測結果基本一致，檢測結果準確性較高。而傳統(tǒng)檢測方法檢測耗時較長，效率低下，不能及時反映酒醅質量狀況，且使用的相關化學試劑對人身及環(huán)境存在一定影響，操作過程也存在一定的安全風險，且耗費人力物力較多，成本較高，已無法適應現代化規(guī)?；纳a方式[4]。利用NIR建模對白酒酒醅進行檢測，可為釀酒一線生產實時提供可靠的數據支撐，對數據呈現較好的工藝，可以進行固化推廣；數據對呈現不佳的工藝可以第一時間做出調整、優(yōu)化。此外，為了保證NIR模型的穩(wěn)定性和準確性，模型的后期維護也很重要，建議根據生產實際情況定期（如每月或每季度）對模型進行優(yōu)化，確保模型的使用效果、檢測精度滿足生產要求。

隨著計算機數據庫等先進科學技術的應用和化學計量方法的不斷改進，NIR日趨成熟，檢測結果的穩(wěn)定性、實用性和準確性不斷提高，NIR在白酒行業(yè)的應用越來越廣泛，我國酒類釀造行業(yè)的質量檢驗水平有望再上新的臺階[5-7]。