韓云翠,呂志遠,劉玉濤,張夢夢,張晨曦,盧春玲,邱振清,汪俊卿

1(齊魯工業(yè)大學(xué) 生物工程學(xué)院,山東 濟南,250353)2(濟南趵突泉釀酒有限責(zé)任公司,山東 濟南,250115)

白酒釀造過程中,基酒等級劃分的準(zhǔn)確性決定摘酒工序的成敗,但釀酒工人利用“看花摘酒”的傳統(tǒng)經(jīng)驗方法很難做到基酒不同等級餾分的準(zhǔn)確摘取。研究者們從酒精度檢測模型[1-2]、紅外光譜快速檢測技術(shù)[3]、酒花圖像特征[4-8]等方面,通過研究酒精度、紅外光譜、酒花圖像與基酒等級之間的關(guān)系,結(jié)合偏最小二乘法(partial least square, PLS)、聚類分析、線性判別、支持向量機、反向神經(jīng)網(wǎng)絡(luò)等大數(shù)據(jù)分析手段建立了基酒分級模型,探索了自動化摘酒的可行性和準(zhǔn)確性。白酒生產(chǎn)環(huán)境是半敞開式的,冬季嚴(yán)寒、夏季酷暑,基酒溫度可從4 ℃升高到30 ℃,巨大的環(huán)境溫差變化會影響酒精度、紅外光譜吸收、酒花特征圖的穩(wěn)定性,降低分級模型的準(zhǔn)確度。通過檢測基酒中關(guān)鍵風(fēng)味物質(zhì)含量并解決環(huán)境溫差對檢測的干擾是實現(xiàn)自動化量質(zhì)摘酒的一種有效方式。

濃香型白酒中的風(fēng)味物質(zhì)包括醇類、酯類、酸類、醛酮類、酚類及其他微量成分。醇類化合物使酒體醇和綿甜,是酯類化合物的前體物質(zhì)[9],傳統(tǒng)“看花摘酒”即是看的乙醇含量,乙醇含量越高,酒花越大;己酸乙酯、丁酸乙酯、乙酸乙酯、乳酸乙酯是濃香型白酒中含量最大、最有代表性的酯類,其中己酸乙酯有明顯的窖香是濃香型白酒中最重要的風(fēng)味物質(zhì)之一[10];酸類化合物有呈味助香作用,可以降低酒的苦味和雜味,提高白酒協(xié)調(diào)度,乳酸、己酸、乙酸、丁酸是濃香型白酒中含量最多的酸類,其中己酸可促進窖香風(fēng)味物質(zhì)成分的生成[11]。張競一等[12]研究了不同季節(jié)各段餾分的含量變化,二段酒中己酸乙酯以及乙酸乙酯、乙酸丁酯等酯類含量更高,乳酸乙酯、乙酸、苯乙酸乙酯等在三段酒中含量更高。倪書干等[13]利用層次聚類熱圖分析將34種餾分按照風(fēng)味物質(zhì)將基酒分為4類,利用正交偏最小二乘法判別分析找到丁酸乙酯、乙醛、己酸乙酯、正丁醇、乙酸乙酯5種骨架成分。乙醇、乙酸乙酯、己酸乙酯、乳酸乙酯、丁酸乙酯、乙酸、己酸、丁酸8種風(fēng)味物質(zhì)在酒中含量高[9-16],是影響量質(zhì)摘酒的關(guān)鍵呈香呈味物質(zhì)。

傅立葉變換紅外光譜技術(shù)無需樣品制備,在基酒分類、定量酒體風(fēng)味組分的研究中展現(xiàn)出極大優(yōu)勢,與光纖傳感技術(shù)的聯(lián)用將是未來實現(xiàn)工業(yè)自動化控制的發(fā)展趨勢[17]。目前,關(guān)于酒中微量成分快速檢測方面僅劉建學(xué)等[18]利用近紅外光譜與PLS結(jié)合建立了乙酸、己酸定量分析模型;孫宗保等[19]利用傅立葉變換中紅外光譜結(jié)合區(qū)間PLS檢測過己酸乙酯、乙酸乙酯、丁酸乙酯、乳酸乙酯。利用傅立葉變換中紅外快檢技術(shù)同時檢測濃香型基酒中乙醇、乙酸乙酯、己酸乙酯、乳酸乙酯、丁酸乙酯、乙酸、己酸、丁酸8種成分的研究尚未有相關(guān)報道。此外,溶液中分子振動與轉(zhuǎn)動易受溫度影響,對溫度波動范圍大的樣品的紅外吸收光譜進行修正是十分必要的。朱余等[20]通過反演算法分溫度區(qū)間給出修正系數(shù)來改善溫度導(dǎo)致的系統(tǒng)誤差。付慶波等[21]利用直接校正、全局校正、正交信號處理、廣義最小二乘加權(quán)法4種方法校正了溫度變化導(dǎo)致乙醇水溶液短波近紅外光譜吸收誤差大的問題。本研究以企業(yè)實際生產(chǎn)應(yīng)用為出發(fā)點,結(jié)合儀器檢測能力與量質(zhì)摘酒需求,對基酒中8種關(guān)鍵風(fēng)味物質(zhì)建立定量分析模型并通過溫度補償全局校正的方法降低環(huán)境溫度變化對模型預(yù)測準(zhǔn)確性的影響,為實現(xiàn)中紅外在線自動化量質(zhì)摘酒提供了一種實踐方法。

1 材料與方法

1.1 材料與試劑

無水乙醇(色譜純),福晨化學(xué)試劑有限公司;叔戊醇、乙酸正戊酯、2-乙基丁酸(色譜純),天津市津科精細化工研究所;標(biāo)準(zhǔn)物質(zhì)混合溶液,北京食品發(fā)酵工業(yè)研究院;純水,優(yōu)普超純水系統(tǒng)制造。

濃香型基酒樣品:取山東濟南某公司生產(chǎn)車間摘酒工藝過程中的濃香型基酒,從正常流酒開始,每隔1 min取1個基酒樣品,直至流酒結(jié)束,共取了90個樣品。

1.2 儀器與設(shè)備

FTATR-600傅立葉在線紅外分析儀,津九光科技發(fā)展有限責(zé)任公司;7890B氣相色譜儀,美國Agilent科技有限公司;UPR-11-10T優(yōu)普超純水系統(tǒng),四川優(yōu)普超純科技有限公司。

1.3 實驗方法

1.3.1 樣品化學(xué)值測定

酒精度的測定:按照GB 5009.225—2016 《食品安全國家標(biāo)準(zhǔn) 酒中乙醇濃度的測定》中規(guī)定的酒精計法測定,用酒精計測得酒精體積分?jǐn)?shù)示值,按照標(biāo)準(zhǔn)中附錄B進行溫度校正,折算成20 ℃時乙醇含量的體積分?jǐn)?shù)即為酒精度(%vol)。

氣相色譜條件:色譜柱為 CP-Wax 57 CB(50 m×0.25 mm,0.2 μm),檢測器為火焰離子化檢測器(flame ionization detector,FID),溫度為250 ℃,高純N2(≥99.999%)為載氣,空氣流量400 mL/min,H2流量30 mL/min,進樣量1 μL,分流進樣方式,分流比40∶1;進樣口溫度250 ℃;色譜柱流量1 mL/min,升溫程序:初溫35 ℃,保持4 min,以4 ℃/min升溫至60 ℃,再以10 ℃/min升溫到130 ℃,再以15 ℃/min 升溫至210 ℃,210 ℃保持20 min。

標(biāo)準(zhǔn)樣品、基酒樣品的配制:用100 μL移液器準(zhǔn)確吸取100 μL內(nèi)標(biāo)混合溶液(用體積分?jǐn)?shù)為50%乙醇溶液配制,叔戊醇含量161.7 mg/L為醇類化合物的內(nèi)標(biāo),乙酸正戊酯含量182.6 mg/L為酯類化合物的內(nèi)標(biāo),2-乙基丁酸含量184.1 mg/L為酸類化合物的內(nèi)標(biāo))于樣品瓶中,再用1 000 μL移液器準(zhǔn)確吸取1 mL標(biāo)準(zhǔn)樣品或基酒樣品于樣品瓶中,擰緊樣品瓶瓶塞,混勻后放入樣品盤中,由自動進樣器進樣后檢測。

1.3.2 基酒樣品中紅外光譜信息采集

使用Unsb軟件進行光譜采集和數(shù)據(jù)分析,室溫23～26 ℃,以純水的光譜作為背景,將50 mL基酒樣品置于燒杯中進行光譜采集。光譜掃描范圍800～5 000 cm-1,儀器分辨率2 cm-1,信噪比45 000∶1,波數(shù)精度0.01 cm-1,干涉儀為免維護角鏡干涉儀,光源燈為長壽命碳化硅光源,檢測器為電制冷MCT,采用金剛石ATR探頭,衰減全反射2次。

將90個基酒樣品按化學(xué)值從低到高均分成3份,從每份樣品中均勻選出22個作為測試集,3個作為驗證級,5個作為溫度校正測試樣品,按照表1采集基酒樣品中紅外光譜信息。

表1 濃香型基酒樣品紅外光譜采集方案Table 1 Infrared spectrum acquisition scheme of strong-flavor base Baijiu samples

2 結(jié)果與分析

2.1 濃香型基酒樣品化學(xué)值測定

2.1.1 氣相色譜圖分析

從圖1可知,4種酯類化合物的峰形是標(biāo)準(zhǔn)的尖窄峰,3種酸類化合物的峰形會有拖尾,這與酸的極性大有關(guān)系。7種化合物的分離比均大于1.5,可以完全分離,成分分析時不受相鄰化合物干擾。

2.1.2 繪制標(biāo)準(zhǔn)曲線

試驗采用內(nèi)標(biāo)法計算化合物含量,以基酒樣品中乙酸乙酯、丁酸乙酯、己酸乙酯、乳酸乙酯、乙酸、己酸、丁酸7種化合物的質(zhì)量濃度與相應(yīng)內(nèi)標(biāo)物質(zhì)的含量比值為橫坐標(biāo)X,以化合物的面積與對應(yīng)內(nèi)標(biāo)物質(zhì)的面積比值為Y,做線性回歸方程,由表2可知,7種化合物的標(biāo)準(zhǔn)曲線相關(guān)系數(shù)均大于0.999,表明7種化合物的峰面積與質(zhì)量濃度之間有很好的線性關(guān)系。

7.272-乙酸乙酯;11.131-丁酸乙酯;14.654-乙酸正戊酯內(nèi)標(biāo);16.008-己酸乙酯;18.160-乳酸乙酯;19.737-乙酸; 21.699-丁酸;23.623-2-乙基丁酸;24.552-己酸圖1 濃香型基酒樣品氣相色譜圖Fig.1 Gas chromatogram of strong-flavor base Baijiu sample

表2 濃香型基酒7種化合物標(biāo)準(zhǔn)曲線參數(shù)Table 2 Standard curve parameters of 7 compounds in strong-flavor base Baijiu

2.2 濃香型基酒中紅外模型建立與優(yōu)化

2.2.1 基酒樣品中紅外光譜

濃香型基酒中主要成分是乙醇和水,乙醇體積分?jǐn)?shù)約占50%～78%,水體積分?jǐn)?shù)約占20%～48%,香味物質(zhì)成分體積占比在2%以內(nèi)。實驗以純水為背景做基線校準(zhǔn),由圖2可知,3 000 cm-1后面為噪聲,化合物的特征吸收在900～3 000 cm-1,乙醇特征吸收在1 050 cm-1左右,乙酸乙酯、丁酸乙酯、己酸乙酯、乳酸乙酯、乙酸、己酸、丁酸的特征吸收在1 100～3 000 cm-1。

2.2.2 光譜信息預(yù)處理和模型參數(shù)優(yōu)化

試驗采集了測試集光譜66條,溫度補償校正光譜174條,重復(fù)性實驗光譜12條,溫度驗證光譜54條。將測試集樣品66條光譜與溫度校正樣本的15條室溫時采集的光譜合并,這81條光譜結(jié)合PLS參與建立8種化合物中紅外基酒定量分析模型1;將66條測試集光譜與174條溫度校正光譜合并,共240條光譜結(jié)合PLS建立中紅外溫度補償基酒檢測模型2。

圖2 濃香型酒基酒樣品紅外光譜總圖Fig.2 General infrared spectrums of strong-flavor base Baijiu samples

建模過程中,為平緩背景和基線漂移引起的干擾,分辨重疊峰,提高分辨率,對光譜信息進行一階導(dǎo)數(shù)處理,以找到建模最優(yōu)光譜區(qū)。使用Unsb軟件分析篩選出回歸系數(shù)最優(yōu)的光譜區(qū),乙醇最優(yōu)建模波譜區(qū)為980～1 118 cm-1,乙酸乙酯、丁酸乙酯、己酸乙酯、乳酸乙酯、乙酸、己酸、丁酸最優(yōu)建模波譜區(qū)為1 120～1 792 cm-1。這與化合物官能團的特征吸收有關(guān),乙醇在980～1 118 cm-1和3 000～3 650 cm-1有強吸收,980～1 118 cm-1是碳氧官能團的強吸收區(qū);3 000～3 650 cm-1是醇羥基和水羥基的強吸收區(qū),水羥基對醇羥基產(chǎn)生嚴(yán)重干擾,經(jīng)過優(yōu)化,980～1 118 cm-1是建立酒精度檢測模型的最優(yōu)波譜區(qū)。酯類化合物和酸類化合物中都包含羰基、烷基,二者光譜吸收區(qū)會相近,但酯類中羰基與—OR相連,酸中羰基與—OH相連,二者光譜吸收區(qū)域又有明顯區(qū)別,經(jīng)過優(yōu)化,1 120～1 792 cm-1是酸類化合物和酯類化合物的特征吸收光譜區(qū)。

樣品光譜采集過程中,可能出現(xiàn)采集誤差,為減少誤差光譜對模型整體效果的干擾,采用蒙特卡羅交叉驗證法[22]通過殘差對光譜異常的樣本進行分析,校準(zhǔn)殘差大的樣品屬于需剔除的離群樣本,剔除的樣本數(shù)不可超過總樣品數(shù)的5%,以免影響樣本建模的整體性。異常數(shù)據(jù)剔除結(jié)果見圖3,剔除了酒精度預(yù)測模型2中4個殘差值較大的數(shù)據(jù),模型的R2提高了0.53。

圖3 酒精度預(yù)測模型2中離群樣品剔除結(jié)果Fig.3 Elimination results of outlier samples in alcohol prediction model 2

為研究溫度對中紅外光譜采集的影響,建立了定量分析模型1和溫度校正檢測模型2,由表3可知,都采用一階導(dǎo)數(shù)求導(dǎo)處理光譜信息,且建模光譜區(qū)一致時,隨著模型2基酒樣品溫度信息的加入,8種化合物影響模型擬合度的因子數(shù)增加了1～3個,表明樣品溫度的變化使化合物的吸收光譜信息更復(fù)雜,構(gòu)建模型需要的影響因素更多。

表3 濃香型基酒中8種化合物預(yù)測模型的參數(shù)優(yōu)化結(jié)果Table 3 Parameter optimization results of 8 compounds prediction models in strong-flavor base Baijiu

2.2.3 模型1與模型2模型擬合度分析

利用PLS建立含量預(yù)測模型,采用校正集(圖4中藍色點)和驗證集(圖4中紅色點)留一交叉驗證法檢驗?zāi)Ｐ托Ч?由均方根誤差(root mean square error, RMSE)和相關(guān)系數(shù)R2評估模型效果,RMSE越小,R2越接近1,驗證集與校正集的參數(shù)越接近,模型的擬合效果越好。

a-酒精度模型1;b-酒精度模型2圖4 酒精度檢測模型預(yù)測值與化學(xué)值的相關(guān)性Fig.4 Correlation between predicted value and chemical value of alcohol detection model

由圖4和表4可知,與模型1相比,模型2的酒精度、乙酸乙酯、丁酸乙酯、己酸乙酯、乳酸乙酯、乙酸、己酸驗證集的R2下降了0.003～0.043,丁酸驗證集的R2提高了0.103;RMSE有增有減,RMSE差別均≤0.194,說明溫度光譜信息的加入稍降低了模型預(yù)測值與化學(xué)值的相關(guān)性,但對模型預(yù)測能力的影響很小。模型2中,酒精度、乙酸乙酯、乳酸乙酯驗證集的R2可達到0.99,己酸乙酯的R2為0.95,這4種化合物模型擬合度高,預(yù)測結(jié)果準(zhǔn)確性好;丁酸乙酯、乙酸、己酸的R2約為0.90左右,模型擬合度較好,可以滿足自動化摘酒的生產(chǎn)檢測需求。丁酸的R2為0.79,表明丁酸乙酯預(yù)測值和化學(xué)值間存在線性關(guān)系,但由于基酒中丁酸含量只有0.06～0.14 g/L,含量低,含量范圍窄,導(dǎo)致中紅外光譜采集信息有限,預(yù)測結(jié)果較差。酒精度、乙酸乙酯、乳酸乙酯、己酸乙酯、乙酸、己酸、丁酸乙酯、丁酸的含量范圍依次降低,模型預(yù)測決定系數(shù)也依次降低,表明基酒的紅外光譜吸收與化合物含量之間存在良好的線性關(guān)系,當(dāng)化合物含量范圍越寬,含量分布越均勻時,模型擬合效果越好,預(yù)測結(jié)果準(zhǔn)確性越高;反之,則模型擬合效果越差,預(yù)測結(jié)果準(zhǔn)確性越低。

表4 濃香型基酒中7種化合物模型1與模型2結(jié)果Table 4 Results of model 1 and model 2 for 7 compounds in strong-flavor base Baijiu

2.2.4 模型預(yù)測穩(wěn)定性和精密度

從驗證集9個基酒樣品中,選擇4個樣品,盡量均勻覆蓋8種待測化合物的化學(xué)值范圍。實驗室溫度下每個樣品重復(fù)采集4次光譜,用檢測模型2預(yù)測8種成分的含量。由表5可知,4個樣品4次重復(fù)性實驗預(yù)測結(jié)果與化學(xué)值的平均絕對偏差,酒精度、乙酸乙酯、己酸乙酯、乳酸乙酯≤3%,丁酸乙酯、乙酸、己酸≤7%,己酸≤12%,除己酸外,其他7種化合物的測量偏差均較小;酒精度相差范圍≤0.70%vol,其他7種化合物的相差范圍均≤0.15 g/L,相差范圍小,模型精密度較高,穩(wěn)定性好。

表5 八種化合物模型2預(yù)測值穩(wěn)定性試驗結(jié)果Table 5 Stability test results of 8 compounds predicted values by model 2

續(xù)表5

2.3 溫度對中紅外定量分析模型的影響

同一溫度校正集樣品在4、10、15、20、25、30 ℃下采集光譜如圖5所示。

a-乙醇;b-酯類、酸類圖5 同一樣品不同溫度時乙醇紅外光譜圖 和酯類、酸類化合物紅外光譜圖Fig.5 Infrared spectra of alcohol and ester and acid compounds in the same sample at different temperatures

由圖5可知,同一樣品不同溫度下,紅外光譜吸收峰高和峰谷差異明顯,這是由于不同溫度下分子振動躍遷所需的光譜輻射能量不同導(dǎo)致的。由圖5-a可知,溫度導(dǎo)致酒精度兩個關(guān)鍵吸收峰共同增加或減少,但2個峰增減的量不一樣。由圖5-b可知,酯類、酸類特征譜區(qū)的吸收峰在1 120～1 496 cm-1,30 ℃吸收光譜在上,4 ℃吸收光譜在下,而1 588～1 792 cm-1二者順序相反,表現(xiàn)出溫度影響化合物不同波段吸收的差異性。

由圖6可知,酒精度模型2的偏差≤2%,模型1達到了6%;乙酸乙酯、己酸乙酯、乳酸乙酯模型2預(yù)測結(jié)果絕對偏差均≤10%,而模型1的偏差可達到32%;丁酸乙酯、乙酸、己酸、丁酸模型2的偏差在15%以內(nèi),模型1的偏差達到了42%。模型1與模型2在20、25 ℃時預(yù)測結(jié)果比較接近且預(yù)測結(jié)果偏差小;在4、10、15 ℃時預(yù)測結(jié)果偏差相對較大,尤其是模型1在低溫時預(yù)測結(jié)果偏差比模型2大0.8～3.9倍。綜上可知,模型2的測量偏差可以滿足在線檢測酒中8種化合物的需求,溫度補償全局校正方法能夠減少溫度對定量分析模型的干擾,是解決環(huán)境溫差導(dǎo)致定量分析模型系統(tǒng)偏差大的一種有效方法。

a-酒精度;b-乙酸乙酯;c-丁酸乙酯;d-己酸乙酯;e-乳酸乙酯;f-乙酸;g-己酸;h-丁酸圖6 不同溫度下8種化合物模型1和模型2預(yù)測偏差對比圖Fig.6 Comparison of prediction deviations between Model 1 and Model 2 for 8 compounds at different temperatures注:同一樣品有12根偏差條形柱,從左往右依此為4、10、15、20、25、30 ℃時的絕對偏差,每個溫度有兩根, 左邊為模型2的預(yù)測結(jié)果偏差,右邊為模型1的預(yù)測結(jié)果偏差。

3 總結(jié)

在工業(yè)4.0的背景下,智能化釀造是白酒行業(yè)轉(zhuǎn)型升級的熱點,在線檢測基酒中關(guān)鍵風(fēng)味物質(zhì)含量,實現(xiàn)自動劃分基酒餾分質(zhì)量等級是智能釀造的關(guān)鍵一環(huán)。利用傅立葉變換中紅外光譜建立酒精度、乙酸乙酯、丁酸乙酯、己酸乙酯、乳酸乙酯、乙酸、己酸預(yù)測模型的R2≥0.90,重復(fù)性實驗偏差在10%以內(nèi),準(zhǔn)確性和系統(tǒng)穩(wěn)定性都滿足在線檢測需求。丁酸預(yù)測模型的R2僅為0.79,由于其含量小且范圍窄,對摘酒分級影響小;如果基酒中丁酸含量大,鑒于檢測模型的R2與待測化合物含量呈正相關(guān),只需補充高含量丁酸樣品的光譜信息完善丁酸檢測模型即可。此外,溫度補償全局校正方法解決了環(huán)境溫度變化引起的檢測系統(tǒng)偏差大的問題,為傅里葉變換中紅外在線檢測儀的實際應(yīng)用提供了數(shù)據(jù)支持。