近红外光谱快速分析成品葡萄酒指标的研究

常瑞红，李 娜，白从广

（江苏洋河酒厂股份有限公司，江苏宿迁223800）

近红外光谱快速分析成品葡萄酒指标的研究

常瑞红，李 娜，白从广

（江苏洋河酒厂股份有限公司，江苏宿迁223800）

采用近红外光谱技术结合化学计量学算法，建立了成品葡萄酒（总糖和酒精度）的快速检测方法。通过NCL对近红外光谱图谱进行预处理，使用偏最小二乘法(PLS)建立了总糖和酒精度近红外定量模型。以决定系数（R2）、校正均方根误差（RMSEC）和预测均方根误差（RMSEP）为模型质量的评价指标。R2分别为0.9684、0.9146，RMSEC值分别为0.0810、0.2382，RMSEP值分别为0.0877、0.2352。结果表明，建立的模型预测效果较佳，具有较好的稳定性和较高的精密度，能满足成品葡萄酒生产中总糖和酒精度的快速检测需求。

葡萄酒； 总糖； 酒精度； 近红外光谱； 偏最小二乘法

葡萄酒是用新鲜的葡萄或葡萄汁经完全或部分发酵酿成的酒精饮料，是一种具有较高营养价值的传统饮品，饮用适量的葡萄酒对人体健康十分有益，因此其得到各国人民的关注和喜爱[1]。总糖和酒精度是葡萄酒的重要理化指标，对葡萄酒风味、口感和品质有重要影响。目前大多数的葡萄酒生产企业和质检机构仍然采用传统的分析方法（GB/ T 15038—2006葡萄酒、果酒通用分析方法），进行葡萄酒的品质监控，其中葡萄酒的总糖采用斐林试剂法（水浴消化15 min，进行滴定）；酒精度采用酒精计法（样品先蒸馏、定容，再用酒精计测量），这些方法步骤繁琐、费时费力、污染环境、浪费资源，因此建立一种准确、高效、无损、环保、简便的葡萄酒检测方法具有极其重要的意义。

近红外光谱（near infrared spectroscopy，NIS）分析技术是20世纪80年代迅速发展起来的一种现代光谱分析技术，通过对物质的透射或者反射光谱来分析其分子结构特点及其化学组成[2]。近红外光谱主要反映样品中含氢基团（C-H、S-H、N-H、O-H）的倍频与合频化学键的信息，不同基团产生的光谱在吸收强度和峰位上有所不同，并随样品组成的变化其光谱特征也发生变化，这就为近红外光谱的定性和定量分析奠定了理论基础[3]。近红外光谱法（NIS）和传统化学分析方法相比，具有快速、高效、无损、绿色、低成本等优点，且可同时分析多种组成成分，目前，其在酒类品质检测中的应用也越来越广泛，已成功应用于黄酒、白酒、啤酒等检测[4-6]。但多数的应用研究为构建酒精体积分数的定量分析模型[7-12]，而同时构建成品葡萄酒的总糖和酒精度的定量模型尚未见报道。

本实验以成品葡萄酒为研究对象，运用近红外光谱仪进行扫描，采用偏最小二乘（partial least squares，PLS）化学计量学算法建立葡萄酒的总糖和酒精度的快速检测预测模型，并根据决定系数（R2）、校正均方根误差（RMSEC）和预测均方根误差（RMSEP）3个指标来评价模型预测能力的准确性和稳定性。旨在为成品葡萄酒品控检测提供一套高效、准确、快速、可行的分析方法，同时积极推广近红外光谱检测技术在葡萄酒检测中的应用。

1 材料与方法

1.1 材料、试剂与仪器

样品：138个成品葡萄酒样品，江苏东帝星徽国际贸易有限公司。

试剂及耗材：盐酸、浓硫酸、氢氧化钠、亚铁氰化钾、硫酸铜、次甲基蓝、酒石酸钾钠、无水葡萄糖均为分析纯，国药集团化学试剂有限公司。

仪器设备：NIRMaster傅里叶变换近红外光谱仪，瑞士BUCHI公司；恒温水浴锅，江苏金怡仪器科技有限公司；温度计和酒精计，冀州市耀华器械仪表厂；电炉（500～800 W），弗恩森（北京）电炉有限公司；电子分析天平，奥豪斯国际贸易有限公司。

1.2 实验方法

1.2.1 化学值测定

根据《GB/T 15038—2006葡萄酒、果酒通用分析方法》标准中规定的检测方法，分别对每个扫描后的葡萄酒样品进行总糖和酒精度的检测，其中总糖采用直接滴定法，酒精度采用酒精计法，样品化学值的准确与否直接关系模型的成败，所以实验时每个样品需做3次平行，求平均值。总糖以葡萄糖计，单位表示为“g/L”，酒精度单位表示为“%vol”。

1.2.2 光谱信息采集

光谱采集软件为NIRWare Opreator，光谱建模软件NIRCal。选择NIRFlex Liquid液体测量池进行光谱采集，近红外光谱测量波长范围4000～10000 cm-1，以空气为内参比，仪器自动扣除内外参比；光谱重复扫描32次，仪器分辨率8 cm-1；每个样品重复采集3次，取光谱平均值。

样品的均匀度会严重影响近红外分析的准确度，因此在光谱采集葡萄酒样品之前，需将样品混匀，随后用待测样清洗高性能样品杯3次，然后缓缓将约20 mL样品倒入样品杯，再将透反射盖小心盖上（防止样品杯底部的液膜有液泡生成，影响检测精确度），每次测样前需用专用擦镜纸将样品杯底部擦拭干净。

1.2.3 模型建立

在模型建立过程中，为剔除无效建模信息，需对葡萄酒的原始近红外光谱图进行预处理，本实验根据多次实验，选取最优预处理方法，通过上述预处理方法得到最佳光谱信息，以偏最小二乘法（PLS）作为建立模型的化学计量方法。

将国标方法检测数据与扫描光谱对应赋值，本实验共采集138个样品数据，在NIRCal光谱建模前，需按照校正集∶验证集以2∶1原则将数据光谱进行分配，参与总糖和酒精度定量模型建立。

1.2.4 模型评价方法

模型质量的评价指标采用决定系数（R2）、校正均方根误差（Root mean square error of calibration，RMSEC）和预测均方根误差（Root mean square error of prediction，RMSEP），如果建立的定量模型R2越接近1，则模型相关性越好，预测效果好；RMSEC和RMSEP的值越小，表明模型的质量就越好，并且RMSEC和RMSEP的值越接近越好[13]。

按照以上描述依次对葡萄酒的总糖和酒精度建立相应的定量检测模型，随机抽取3个成品葡萄酒样品，进行模型稳定性和精密度实验，再随机抽取14个成品葡萄酒样品作为总糖和酒精度定量模型实际预测能力外部验证集，根据预测结果分析该样品的预测值与化学检测值之间的偏差，确定模型是否可行。

2 结果与分析

2.1 葡萄酒的近红外光谱图

经近红外光谱仪扫描得到特征光谱图，其经NCL预处理后得到优化后光谱图，见图1。

图1 葡萄酒样品的近红外光谱图

由图1可知，葡萄酒样品在4000～10000 cm-1光谱区内具有独特的吸收特性，而在5000～7144 cm-1有较为强烈的吸收；在9000～10000 cm-1的吸收峰相对较弱。葡萄酒独特的光谱吸收特性为其定量分析提供了丰富信息基础。

葡萄酒样品的原始近红外图谱如图1a所示，394条谱线都较集中，谱图较细窄，是因为葡萄酒样品比较均匀，且样品指标差异不大。如图1b所示，光谱经NCL光谱预处理后，谱线更加集中；吸收峰的强度得以加强；光谱差异更加明显。葡萄酒的总糖和酒精度的最优波段，均为10000～7404 cm-1，7144～5000 cm-1。

2.2 近红外定量模型的建立

根据2.1分析，葡萄酒总糖和酒精度建模最佳光谱区、最佳预处理方法和主成分维数见表1。在此条件下所建立的定量模型决定系数（R2）最大，校正均方根误差（RMSEC）和预测均方根误差（RMSEP）接近，且最小。

表1 总糖和酒精度最优波段的选择和最佳预处理方法

利用以上建模条件，得到总糖和酒精度的定量模型，见图2。由图2可知，总糖和酒精度定量模型的R2分别为0.9684、0.9146，RMSEC值分别为0.0810、0.2382，RMSEP值分别为0.0877、0.2352，R2均大于0.9，且RMSEC与RMSEP值均较小，且同一指标的两个值都比较接近，说明建立的定量检测模型的效果较好，具有较强的预测能力。

2.3 近红外模型预测能力的精密度和稳定性检验

随机抽取3个葡萄酒样品，利用所建模型对其样品中的总糖和酒精度分别进行10次重复预测，结果见表2。

由表2可知，3个样品总糖和酒精度的标准偏差分别小于0.03、0.02，相对标准偏差（relative standard deviation，RSD）分别小于0.45%、0.15%，即两者的标准偏差和相对标准偏差均较小，说明用所建模型预测葡萄酒样品指标的数值波动较小，证明模型的稳定性和精密度均较好。

2.4 近红外模型外部验证

随机抽取14个成品葡萄酒作为模型外部验证样品，用建立的模型预测其中的总糖和酒精度，预测结果见表3。由表3可知，近红外光谱预测值与化学实测值相差不大，无显著差异（P＞0.05），其偏差均小于5%，表明模型实际应用效果较好，能满足企业生产对成品葡萄酒误差要求，近红外光谱快速检测方法可替代繁琐的常规化学分析方法。

图2 酒精度(a)和总糖(b)标准工作曲线

表2 模型预测样品的精密度和稳定性检验

3 结论

该研究通过传统检测方法收集葡萄酒的化学值，并采用傅立叶近红外光谱技术结合化学计量学中的偏最小二乘法算法，建立了预测效果良好的成品葡萄酒（总糖和酒精度）近红外光谱快速检测模型，总糖和酒精度的近红外定量模型的R2分别为0.9684、0.9146，RMSEC值分别为0.0810、0.2382，RMSEP值分别为0.0877、0.2352。随机抽取3个样品分别进行10次重复实验，RSD均小于0.45%，表明两个模型精密度和稳定性均较好。在随机抽取14个葡萄酒样品对模型进行外部验证时可知，其预测值与化学值相对偏差均小于5%，且两种测量方法无显著差异（P＞0.05）。以上可知，近红外光谱仪在葡萄酒检测中的应用是可行的，可满足实际生产需求。

本研究针对成品葡萄酒开展近红外建模快速检测，其预测效果良好，准确度较高，稳定性较好，在实际生产中可有效节约资源，减少浪费、大大提高检测效率等，因此，近红外光谱技术可在检测机构及其他企业中推广使用。

表3 总糖和酒精度模型外部检验结果

[1] 李华,王华.中国葡萄酒[M].杨凌：西北农林科技大学出版社,2010.

[2]YAN L,ZHAO L L,ZHANG L D.Application of near infrared spectroscopy[M].Beijing:China Light Industry Press,2005.

[3] 王豪,邬蓓蕾,林振兴,等.傅立叶变换近红外光谱法快速测定葡萄酒中的酒精度[J].中国酿造,2008,184(7)：72-74.

[4] 刘建学,张卫卫,韩四海,等.白酒基酒中己酸、乙酸的近红外快速检测[J].食品科学,2016,37(4)：181-185.

[5] 樊双喜,钟其顶,李国辉,等.近红外光谱法快速检测黄酒的酒精度、总糖和总酸[J].中国酿造,2015,34(2)：135-138.

[6] LACHENMEIER D.Rapid quality control of spirit drinks and beer using multivariate data analysis of Fourier transform infrared spectra[J].Food chem,2007, 101(2)：825-832.

[7] 余丽娟,郑建明,朱文雷.傅里叶变换红外光谱法测定白酒中乙醇含量[J].广州化工,2011,39(4)：112-113.

[8] 陈妍,胡慧,汪凤祖.近红外光谱法快速分析白酒中的关键指标[J].酿酒科技,2011(11)：90-92.

[9] 廖昱博,刘小清,陈娟,等.近红外光谱结合偏最小二乘回归法测定白酒酒精度[J].赣南师范学院学报,2013, 34(3)：7-9.

[10] 彭帮柱,龙明华,岳田利,等.用偏最小二乘法及傅立叶变换近红外光谱快速检测白酒酒精度[J].农业工程学报,2007,23(4)：233-237.

[11]YU C,ZHANG Q.Research on Raman spectra quantitative analysis model of ethanol aqueous solution based on net analyte signal[J].Spectroscopy and spectral analysis,2013,33(2)：390-394.

[12] 徐玮,谭红,包娜,等.近红外光谱法快速测定白酒中的酒精度[J].中国农学通报,2010,26(19)：70-72.

[13] 张树明,杨阳,梁学军,等.葡萄酒发酵过程主要参数近红外光谱分析[J].农业机械学报,2013,44(1)：152-156.

Rapid Determination of Total Sugar and Alcohol Content of Grape Wine by Near Infrared Spectroscopy

CHANG Ruihong,LI Na and BAI Congguang
（Yanghe Distillery Co.Ltd.,Suqian,Jiangsu 223800,China）

A method of near infrared spectroscopy coupled with chemometric algorithm had been developed for rapid determination of total sugar and alcohol content of grape wine.The spectrum were pretreated by NCL,and NIR models of total sugar and alcohol content were constructed by partial least square(PLS).The correlation coefficient of calibration(R2),the root mean square error of calibration(RMSEC)and the root mean square error of prediction(RMSEP)were used as the model evaluating indexes.R2values were 0.9684 and 0.9146 respectively,RMSEC values were 0.0810 and 0.2382 respectively,and RMSEP values were 0.0877 and 0.2352 respectively.The results demonstrated the satisfactory prediction effects of the established models.Besides,it had good stability and high precision and it could meet the requirements of rapid determination of total sugar and alcohol content in wine.

grape wine;total sugar;alcohol content;near infrared spectroscopy;partial least squares

TS262.6；TS261.7

A

1001-9286（2017）05-0065-05

10.13746/j.njkj.2017034

2017-02-23

常瑞红（1985-），女，硕士研究生，主要研究方向：白酒质量控制和大型仪器分析，E-mail：xiaoyong8886@163.com。

优先数字出版时间：2017-03-15；地址：http://kns.cnki.net/kcms/detail/52.1051.TS.20170315.1624.003.html。