王昆,庹先國,*,張貴宇,,3,羅林,羅琪,劉杰

1(人工智能四川省重點實驗室(四川輕化工大學(xué)),四川 宜賓,644000)2(四川輕化工大學(xué) 自動化與信息工程學(xué)院,四川 宜賓,644000)3(西南科技大學(xué) 信息工程學(xué)院,四川 綿陽,621010)

白酒文化深深地根植于民族文化的沃土之中,在世界酒文化的長河里,展現(xiàn)著自己獨特的芬芳[1-3]。及時地了解發(fā)酵過程中酒醅物質(zhì)的變化是極其重要的,傳統(tǒng)方法主要是通過取樣后運用化學(xué)方法來了解酒醅中物質(zhì)成分的變化,此方法費時費力且不能在線監(jiān)測,實時為人們提供發(fā)酵情況[4-6]。通過現(xiàn)代工業(yè)物聯(lián)網(wǎng)技術(shù)對窖池環(huán)境中參數(shù)進(jìn)行在線監(jiān)測,再通過化學(xué)方法化驗得到酒醅理化性質(zhì)變化,以此建立回歸方程來預(yù)測發(fā)酵參數(shù)是發(fā)酵智能化監(jiān)測的發(fā)展趨勢[7-9]。當(dāng)前對白酒發(fā)酵優(yōu)化控制方面的研究較為落后,根本原因在于發(fā)酵過程極其復(fù)雜,期間涉及的微生物和物質(zhì)數(shù)量極為龐大,且發(fā)酵過程具有滯后性和時變性,難以建立準(zhǔn)確的數(shù)學(xué)模型[10-13]。對于目前白酒發(fā)酵模型的研究,張方等[14]對濃香型白酒中有機(jī)酸的種類和作用、白酒發(fā)酵過程中主要有機(jī)酸的形成途徑及其監(jiān)測方法和宏觀調(diào)控進(jìn)行了闡述。賈麗艷等[15]以清香型白酒酒醅為研究對象,追蹤了不同階段酒醅中理化指標(biāo)數(shù)據(jù),得出了溫度、pH值、酒精含量、淀粉含量以及水分含量的變化情況,為清香型白酒發(fā)酵可調(diào)控化提供了理論依據(jù)。葉建秋等[16]通過高光譜成像技術(shù)建立了大曲發(fā)酵過程水分含量及分布情況的反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型,并使用主成分分析和實驗分析對比提取了大曲發(fā)酵過程中水分特征光譜所對應(yīng)的各波段圖像,實現(xiàn)了對大曲發(fā)酵水分的快速檢測。

雖然在發(fā)酵智能化上取得了一定的進(jìn)展,但還存在較多問題需要解決,如動力學(xué)模型不太能適應(yīng)發(fā)酵環(huán)境的改變、代謝網(wǎng)絡(luò)建模難度較大、神經(jīng)網(wǎng)絡(luò)容易出現(xiàn)過擬合的情況尚需大量訓(xùn)練樣本數(shù)據(jù)[17-19]。本研究利用獲取的發(fā)酵過程中O2、CO2和溫濕度數(shù)據(jù),同時結(jié)合化學(xué)方法檢測得到的酒醅水分、酸度和淀粉含量建立快速預(yù)測數(shù)學(xué)模型[20]。首先對原始樣本數(shù)據(jù)進(jìn)行歸一化和剔除異常值處理,選定訓(xùn)練集和預(yù)測集,然后對兩兩變量之間進(jìn)行相關(guān)性分析,最后結(jié)合偏最小二乘回歸(partial least squares regression,PLSR)建立O2、CO2和溫濕度與酒醅水酸淀的快速預(yù)測模型,并從多個方面對模型進(jìn)行分析和評價,以期為白酒生產(chǎn)過程的智能化監(jiān)測提供指導(dǎo)[21]。

1 材料與方法

1.1 材料與試劑

330份酒醅樣品,宜賓市某清香型酒廠。

1.2 儀器與設(shè)備

OS50-O2便攜式氧氣檢測儀,深圳市歐森杰科技有限公司;GW2000-CO2-SC二氧化碳?xì)怏w探測儀,北京金龍昶泰科技發(fā)展有限公司;DS18B20溫度傳感器,美國達(dá)拉斯(Dallas)半導(dǎo)體有限公司;DHT90濕度傳感器,大連風(fēng)華傳感科技有限公司。

1.3 實驗方法

1.3.1 O2、CO2、溫濕度獲取

在為期10 d的發(fā)酵過程中,使用傳感器對發(fā)酵環(huán)境的溫度、濕度、CO2和O2參數(shù)進(jìn)行采集(圖1),同時每隔8 h進(jìn)行1次樣品采集后放入冷藏柜。

圖1 發(fā)酵參數(shù)采集方案Fig.1 Fermentation parameter collecting plan

1.3.2 酒醅水分含量測定

依據(jù)食品安全國家標(biāo)準(zhǔn)GB 5009.3—2016《食品中水分的測定》方法檢測。

1.3.3 酒醅酸度值測定

依據(jù)食品安全國家標(biāo)準(zhǔn)GB 12456—2021《食品中總酸的測定》中酸堿滴定法檢測。

1.3.4 酒醅淀粉含量測定

依據(jù)食品安全國家標(biāo)準(zhǔn)GB 5009.9—2016《食品中淀粉的測定》方法檢測。

1.3.5 數(shù)據(jù)樣本

利用傳感器技術(shù)采集到窖池的環(huán)境中的O2、CO2和濕度值,同時測得了酒醅中部的溫度值,每天采集3組數(shù)據(jù),采集數(shù)據(jù)的同時采集酒醅樣品,1個周期為10 d,總共循環(huán)10個發(fā)酵周期,一共測得樣本數(shù)據(jù)330組。

1.3.6 建立模型

1.3.6.1 樣本數(shù)據(jù)劃分

為使得模型訓(xùn)練效果更快,精度更好,對數(shù)據(jù)進(jìn)行歸一化處理統(tǒng)一量綱,同時選取264組樣本作為訓(xùn)練集,66組作為測試集,以下是訓(xùn)練集樣本總體情況。

1.3.6.2 建立回歸模型

依據(jù)變量之間的多重相關(guān)性選擇PLSR作為建模算法[22]。PLSR主要適用于變量多且變量之間兩兩存在多重相關(guān)性,PLSR分析著重于建模過程中主成分分析,典型相關(guān)分析和線性回歸分析[23-24]。

表1 訓(xùn)練集樣本總體情況Table 1 The overall situation of the training set samples

自變量有4個X=(x1,x2,x3,x4),因變量3個Y=(y1,y2,y3),其中x1,x2,x3,x4和y1,y2,y3,y4分別代表著O2、CO2、濕度、溫度和酒醅水酸淀。分別提取出X和Y中的主成分t1和u1并使他們之間相關(guān)性達(dá)到最大,然后建立t1與X和u1與Y的回歸方程,同時檢驗?zāi)Ｐ褪欠襁_(dá)到精度要求,若未達(dá)到精度要求則使用X和Y被t1和u1解釋后的參與信息再次進(jìn)行主成分提取,循環(huán)迭代至滿足精度要求為止。

1.3.6.3 模型評價指標(biāo)

為了驗證模型的泛化能力和預(yù)測精度,使用均方根誤差(root-mean-square error,RMSE)進(jìn)行評價,在相同的樣本數(shù)據(jù)下,RMSE越接近0時說明模型精度越高,預(yù)測能力越強(qiáng)。RMSE計算如公式(1)所示[25]：

(1)

2 結(jié)果與分析

2.1 數(shù)據(jù)結(jié)果展示

通過圖2觀察到O2含量在整個發(fā)酵過程中呈現(xiàn)下降趨勢,O2的消耗主要由于葡萄糖在水和酶的作用下生成大量的水、CO2和大量的能量,有氧呼吸將化學(xué)能源快速轉(zhuǎn)換為自身生物能源,促使酵母菌大量繁殖。所以在O2含量充足的情況下,反應(yīng)速率較快,當(dāng)O2含量變低時,酵母菌進(jìn)行無氧呼吸,無氧情況下酵母菌繁殖相對較慢,代謝也相對較慢。

CO2是發(fā)酵過程中主要的產(chǎn)物,從圖3可以看出整個發(fā)酵過程中,CO2的體積分?jǐn)?shù)一直在上升,入窖時體積分?jǐn)?shù)為0.7%,前2 d上升幅度較快,后期增長幅度有所放緩,最后趨于穩(wěn)定在43%左右。

圖2 氧氣濃度隨時間變化曲線Fig.2 Change of oxygen concentration during fermentation

圖3 二氧化碳濃度隨時間變化曲線Fig.3 Change of carbon dioxide concentration during fermentation

剛開始由于入窖溫度較高而且又是密閉環(huán)境導(dǎo)致水汽蒸發(fā),從而濕度較高,待溫度降低之后,水蒸氣冷凝導(dǎo)致環(huán)境濕度開始下降,在第2天中午降到最低點,之后發(fā)酵開始,酵母菌的有氧呼吸產(chǎn)生大量的水和能量,致使環(huán)境濕度開始較快增加,第9天左右時濕度達(dá)到峰值(圖4)。

圖4 相對濕度隨時間變化曲線Fig.4 Change of relative humidity during fermentation

蒸完糧食后開始攤涼,在攤涼溫度為40 ℃時撒曲,待溫度降到22 ℃左右時開始入窖,入窖后溫度有1個短暫的下降,在12 h后酵母菌和多種微生物開始分解有機(jī)物釋放出熱量,導(dǎo)致溫度開始緩慢上升,總體來看符合白酒發(fā)酵的“前緩”、“中挺”、“后緩落”的發(fā)酵經(jīng)驗,總體過程見圖5。

圖5 溫度隨時間變化曲線Fig.5 Change of temperature during fermentation

水是良好的化學(xué)反應(yīng)溶劑,同時也是酵母菌及微生物群有氧呼吸的產(chǎn)物,它的變化趨勢總的來說和CO2含量保持一致,O2充足的情況下,呼吸作用速率較快導(dǎo)致前期增長迅速,待到無氧呼吸后代謝速率降低,水分增加速度明顯放緩(圖6)。

圖6 酒醅水分含量隨時間變化曲線Fig.6 Change of water content in fermented grains during fermentation

正常的發(fā)酵過程并不會生成乙酸,乙酸生成的主要原因為糧食入窖前不可避免的被空氣中的醋酸菌污染,將發(fā)酵生成的乙醇轉(zhuǎn)換成了乙酸,或是酵母菌的不正常發(fā)酵產(chǎn)物,乙酸的含量會造成pH值的變化從而影響微生物和酵母菌的生物活性,同時也會造成酒的口感苦澀,整個過程乙酸的含量都呈現(xiàn)出上升的態(tài)勢(圖7)。

圖7 酒醅酸度值隨時間變化曲線Fig.7 Change of acidity value in fermented grains during fermentation

發(fā)酵的本質(zhì)就是酵母菌將淀粉轉(zhuǎn)化為葡萄糖,再經(jīng)過一系列反應(yīng)后生成酒精的過程,淀粉作為反應(yīng)原材料含量一直減少,減少速率隨著發(fā)酵進(jìn)行逐漸減緩。

圖8 酒醅淀粉含量隨時間變化曲線Fig.8 Change of starch content in fermented grains during fermentation

2.2 變量相關(guān)性分析

從相關(guān)性系數(shù)來看各個成分之間都有較為顯著的相關(guān)性(表2),發(fā)酵環(huán)境本身就是一個高度復(fù)雜的系統(tǒng),溫度影響化學(xué)反應(yīng)的速率,進(jìn)而改變了O2、CO2和濕度值,同時O2和CO2又是酵母菌呼吸作用的消耗物,決定著酒醅水酸淀的生成,研究O2、CO2、溫濕度與水酸淀之間具體的數(shù)學(xué)關(guān)系,為白酒發(fā)酵的實時調(diào)控提供理論依據(jù)。

表2 相關(guān)系數(shù)表Table 2 Correlation coefficient table

2.3 偏最小二乘水酸淀預(yù)測模型

根據(jù)PLSR建立的水酸淀回歸方程如公式(2)(3)和(4)所示：

y1=48.037-0.418 7x1+0.332 7x2+0.020 7x3+0.024 6x4

(2)

y2=-0.899 8-0.044 6x1+0.028 3x2+0.019 5x3-0.008 7x4

(3)

y3=62.607 1+0.457 3x1-0.265 2x2-0.272 6x3+0.071 3x4

(4)

分別對訓(xùn)練集和預(yù)測集樣本數(shù)據(jù)進(jìn)行RMSE值計算,訓(xùn)練集RMSE表示的是模型的精確度,預(yù)測集的RMSE則表示模型的泛化能力。

圖9和圖10中對角線為零誤差線,如果所有的點在這個預(yù)測圖上都能在對角線附近均勻分布,則擬合值與原值差異很小,模型的擬合效果滿意。通過公式(1)計算出預(yù)測模型水酸淀的驗證RMSE分別為y1=1.89、y2=0.12、y3=1.93,應(yīng)該來說總體誤差偏小,模型效果較為滿意。

a-發(fā)酵水分;b-發(fā)酵酸度;c-發(fā)酵淀粉圖9 酒醅理化性質(zhì)訓(xùn)練模型預(yù)測圖Fig.9 Prediction diagram of the physical and chemical properties training model of fermented grain

a-發(fā)酵水分;b-發(fā)酵酸度;c-發(fā)酵淀粉圖10 酒醅理化性質(zhì)驗證模型預(yù)測圖Fig.10 Prediction diagram of physical and chemical properties verification model for fermented grain

2.4 多元線性回歸

通過建立普通多元線性回歸模型進(jìn)行對比,進(jìn)一步驗證模型的可靠性。選取同樣的自變量、因變量和樣本數(shù)據(jù),通過SPSS軟件輸出回歸參數(shù)指標(biāo)。y1、y2、y3對應(yīng)的多元線性回歸參數(shù)指標(biāo)和回歸方程如公式(5)(6)和(7)所示：

y1=24.807-0.202x1+0.396x2+0.221x3-0.014x4

(5)

y2=-1.659-0.038x1+0.03x2+0.026x3-0.01x4

(6)

y3=55.035+0.528x1-0.245x2-0.207x3+0.059x4

(7)

將剩余預(yù)測集數(shù)據(jù)代入模型進(jìn)行預(yù)測值和真實值比較,根據(jù)公式(1)算得水酸淀RMSE分別為y1=2.51、y2=0.23、y3=2.61(表3)。

表3 模型誤差對比Table 3 Model error comparison

從RMSE來看多元線性回歸的預(yù)測值和真實值的誤差相比于PLSR明顯偏高,說明PLSR在預(yù)測能力和預(yù)測精度上都優(yōu)于普通多元線性回歸。

3 結(jié)論

小曲清香發(fā)酵過程中溫度的變化對其他參數(shù)有很大的影響。溫度對CO2和濕度呈正相關(guān)性,對氧氣則是呈負(fù)相關(guān),主要原因是因為溫度能加快化學(xué)反應(yīng)的速率,發(fā)酵的過程本質(zhì)就是酵母菌在酶的作用下的復(fù)雜化學(xué)反應(yīng),溫度的變化會導(dǎo)致其他指標(biāo)的改變。CO2和O2作為化學(xué)反應(yīng)原材料對于發(fā)酵產(chǎn)物的影響起到了決定性的作用,這對參數(shù)呈負(fù)相關(guān)性;酒醅水分隨著O2的減少逐漸增加,酵母菌的有氧呼吸消耗O2產(chǎn)生水,O2越少說明反應(yīng)越徹底,生成的水分越多;酸度值也是隨著O2的減少逐漸增加,發(fā)酵過程中酸的產(chǎn)生主要是因為酵母菌的無氧呼吸產(chǎn)生了乳酸,乳酸再在一系列反應(yīng)下生成了乙酸;淀粉含量和O2濃度呈正相關(guān)性,淀粉屬于消耗物,氧氣越多反應(yīng)越不徹底,淀粉含量越多,溫度主要通過影響O2和CO2的濃度來間接影響水酸淀的變化。通過常理推斷和模型結(jié)論對比側(cè)面反映了模型的可靠性,進(jìn)一步通過計算RMSE和用普通多元線性回歸模型作為對比驗證了模型的可靠性和精確性。本研究通過對清香型白酒發(fā)酵過程進(jìn)行數(shù)學(xué)建模,找到了發(fā)酵產(chǎn)物之間的數(shù)學(xué)關(guān)系,也為其他類型白酒發(fā)酵產(chǎn)物預(yù)測提供了一種方法和思路,同時為發(fā)酵調(diào)控優(yōu)化與自動化控制系統(tǒng)的發(fā)展提供了理論支撐。