闫 帅，李永玉*，彭彦昆，韩东海，刘亚超

（1 中国农业大学工学院 北京 100083 2 中国农业大学食品科学与营养工程学院 北京 100083）

随着人们生活水平的提高，消费者越来越关注食品的安全性和真实性。中国白酒作为世界上著名的蒸馏酒之一，具有悠久的历史文化背景，在市场上占有重要地位。酒精度是白酒中最重要的参数，在白酒国家标准中明确规定酒精度实测值与标签值允许误差为±1% vol[1]。如果企业生产工艺技术水平低，工艺控制不严格，存储时间过长或包装工艺不佳以及个别企业为节省成本虚标酒精度值以提高销售价格就会导致酒精度不合格。因此，建立一种瓶装白酒酒精度的无损快速定量检测方法具有重要意义。

酒精度传统的检测方法主要有酒精计法、密度瓶法[2]、蒸馏法[3-4]、高效液相色谱法（HPLC）、气相色谱法（GC）[5]等。目前也有紫外-可见吸收光谱法（UV-VIS）[6]、傅里叶近红外光谱法（NIR）[7]等酒精度快速检测方法。樊双喜等[8]和田育红等[9]诸多学者利用近红外光谱和化学计量学方法，研究了酒精度的快速检测方法，其预测模型相关系数达0.999，说明采用近红外光谱快速检测酒精度可行。近红外等快速检测方法虽具有操作简单、成本低廉等优点，但均不是无损检测方法，需开封取样检测，影响二次销售。目前玻璃瓶装白酒酒精度原位无损快速检测方法研究尚未见报道。

本文以市售瓶装白酒为研究对象，利用拉曼激发激光的穿透特点，研究一种玻璃瓶包装白酒酒精度的无损快速检测方法。基于实验室自行建立的拉曼光谱检测系统，间隔包装材料采集白酒拉曼光谱曲线和空白玻璃瓶拉曼光谱曲线，确定乙醇和玻璃瓶拉曼特征信息，滤除玻璃包装的干扰，建立瓶装白酒酒精度定量预测模型并进行外部验证，探讨所建模型对不同瓶装白酒的普适性，为瓶装白酒酒精度检测和白酒市场监管提供新的技术方法。

1 材料与方法

1.1 材料与仪器

试验材料：牛栏山白酒 （GB/T 20822，42%vol，原料：水、高粱、固态法白酒、食用香精）、小郎酒（GB/T 23547，45% vol，原料：水、高粱、小麦、玉米、糯米）购于北京市当地某超市；无水乙醇购于北京化工厂（分析纯级，质量分数≥99.7%）。

拉曼光谱仪，实验室自行搭建，包括拉曼光谱仪 （美国Headwall Photonics 公司，分辨率2～3 cm-1，检测范围0～2 344 cm-1），CCD 相机 （英国Andor Technology 公司，分辨率1 024×256 像素），激光器 （美国Innovative Photonic Solution 公司，激发波长785 nm），探头支架；Y 型光纤以及计算机等硬件。

1.2 试验方法

1）样品配制 无水乙醇用蒸馏水稀释并灌装入牛栏山白酒瓶制作模拟白酒用于建立酒精度预测模型，向市售牛栏山白酒样品中加入蒸馏水或无水乙醇调节酒精度模拟真实样品用于模型验证，无水乙醇稀释到不同的浓度灌入小郎酒酒瓶用于探究不同品牌不同包装白酒间酒精度预测模型的适用性。

2）光谱采集方法 设定拉曼光谱点检测系统的激光器功率为180 mW，CCD 相机曝光时间为0.5 s，将拉曼探头固定于探头支架，垂直酒瓶侧壁，沿酒瓶中部玻璃厚度均匀且无标签处按一定角度旋转采集拉曼光谱。光谱数据处理及光谱曲线绘制分别使用MATLAB 2016b 和Origin 2018。

2 结果与讨论

2.1 瓶装白酒酒精拉曼特征位移的确认和归属

基于自行搭建的拉曼光谱系统采集了乙醇的拉曼光谱曲线，如图1的曲线a所示。在444，888，1 061，1 104，1 285，1 463 cm-1拉曼位移处具有明显的特征峰信号，其中888 cm-1处为C-C-O 面内伸缩，1 061cm-1处为C-C-O 面外伸缩，1 104 cm-1处为CO 伸缩和CH3面内摇摆+δ （CHO），1 285 cm-1处为CH2扭转+δ（CHO），1 463 cm-1是CH3-不对称变形[10-11]。牛栏山白酒空玻璃瓶拉曼光谱如图1的曲线b所示，没有出现非常显著的拉曼特征信号，但具有较强的荧光背景。图1的曲线c 为隔着白酒玻璃瓶采集到的酒精度为42% vol 的瓶装白酒拉曼光谱曲线，仍在888 cm-1处出现了非常显著的拉曼特征位移，其它444，1 061，1 104，1 285，1 463 cm-1处拉曼位移虽受到玻璃瓶荧光背景掩盖相对比较微弱，但仍可以看到比较清晰的酒精特征信号，表明基于拉曼光谱法透过玻璃包装直接检测酒精度的可行性。

图1 无水乙醇（a）、空白酒瓶（b）和42% vol瓶装白酒（c）的拉曼光谱Fig.1 Raman spectra of absolute ethanol （a），empty liquor bottles （b） and 42% vol bottled Baijiu （c）

2.2 消除玻璃瓶背景光谱方法

沿酒精度为42% vol 的市售牛栏山白酒酒瓶中部圆周方向连续采集均匀分布的10 个点的原始拉曼光谱，结果如图2所示。由于酒瓶玻璃侧壁厚度不均，导致光通过玻璃的路径长度有差异，瓶壁圆周方向不同位置获取的拉曼谱图一致性较差，具有明显的基线漂移现象，不利于酒精拉曼特征信号的分析。如果直接隔玻璃瓶检测白酒的酒精度，必须消除玻璃瓶壁对酒精拉曼信号的影响。

图2 42% vol 瓶装白酒原始光谱曲线Fig.2 Raw spectra curve of 42% vol bottled Baijiu

首先为减除仪器暗电流等噪声，对原始光谱曲线进行Savitzky-Golay（S-G）5 点平滑预处理有效消除了噪声信号，如图3a所示，然而不同位置获取的拉曼谱图一致性较差，具有明显的基线漂移现象，无法反映真实的峰值变异程度。为进一步消除因激光光程等变化造成的光谱曲线的基线漂移，将S-G 平滑后的光谱进行了标准正态变量变换（SNV）预处理，结果如图3b所示。SNV 预处理后的光谱曲线基本消除了基线漂移，但玻璃瓶背景信号会影响瓶内酒精的特征拉曼信号强度的重复性，仍无法用于后续的定量预测分析。

为了扣除玻璃瓶壁对酒精拉曼信号的影响，利用常用于扣除荧光背景的不对称最小二乘平滑基线校正[12]（AsLS）方法扣除背景基线。AsLS 预处理后（拟合峰值正负的惩罚系数ρ=0.01，控制基线拟合曲率λ=100）的光谱如图3c所示，荧光背景扣除的同时有效地保留了酒精的拉曼特征信号。444，888，1061，1 104，1 463 cm-1处乙醇拉曼特征峰强度的变异系数显著变小，然而由于1 200 cm-1至1 500 cm-1附近玻璃瓶背景信号较强，基线曲率较大，无法完全拟合荧光背景基线，从而消除酒瓶玻璃信号的影响，因此1 285 cm-1处拉曼特征峰强度的变异系数显著增大，如表1所示。扩展乘性散射校正[13-14]（EMSC）可以分离和去除由物理现象引起的光谱中复杂的乘法效应和加法效应，从而提高化学效应的建模精度。本研究为了消除玻璃瓶壁对酒精拉曼信号的影响，以空酒瓶拉曼特征光谱作为参考，设置多项式阶数为2，获得了EMSC预处理后不含酒瓶背景信号的瓶装白酒拉曼特征光谱曲线，如图3d所示。滤除空白酒瓶的荧光背景和玻璃拉曼特征信号后，相比AsLS 预处理方法更好地还原了酒精的拉曼光谱信号，光谱重现性良好。AsLS 和EMSC 方法在444，888，1061，1104，1 285，1 463 cm-1处拉曼特征峰强度变异系数差异不明显（见表1），因此后续瓶装白酒酒精度建模分析中分别对这2 种方法进行比较。

表1 不同预处理后酒精拉曼特征峰强值变异系数Table 1 Variation coefficient of Raman characteristic peak strength of alcohol after different pretreatment

2.3 瓶装白酒酒精度定量预测模型的建立

利用无水乙醇和蒸馏水分别制备酒精体积分数在20%～100%范围内的不同酒精度样品14 个，分别装入市售白酒玻璃瓶模拟白酒样品，采集瓶中部圆周方向10 个点的光谱并进行平均，如图4a所示。随酒精度的增加，原始光谱中乙醇拉曼特征信号呈明显上升的趋势，在S-G 平滑处理后分别进行了AsLS 和EMSC 光谱预处理，结果如图4b 和4c所示。2 种光谱预处理方法均有效剔除玻璃瓶等荧光背景对乙醇拉曼特征信号的干扰。分别提取乙醇444，888，1 061，1 104，1 285，1 463 cm-1拉曼特征位移处峰值，建立其与酒精度的线性回归模型，结果如表2所示。乙醇各个特征峰强与酒精度有着非常好的相关性，一元线性回归预测模型决定系数R2都达到了0.99 以上。特别是经过EMSC 预处理光谱的888 cm-1处乙醇拉曼特征峰强的酒精度一元线性回归模型预测模型效果最好，其决定系数R2达到了0.9998，均方根误差（RMSE）为0.3077。

表2 模拟瓶装白酒一元线性回归模型Table 2 Linear regression model of simulated bottled Baijiu

图4 模拟白酒的拉曼光谱图Fig.4 Raman spectra of simulated Baijiu

为了验证瓶装白酒酒精度预测模型，用市售白酒掺加无水乙醇和蒸馏水分别制备了不同酒精度预测集白酒样品13 个，并利用经EMSC 光谱预处理的888 cm-1处酒精度一元线性回归模型进行了预测，结果如图5所示。模型预测值和真实值之间的决定系数R2为0.9986，均方根误差为0.3382。结果表明，基于拉曼光谱所建瓶装白酒酒精度模型预测实际样品精度高、误差小，完全可以实现瓶装白酒的酒精度原位无损快速检测。

图5 预测集白酒酒精度真实值与预测值散点图Fig.5 Scatter diagram of real value and predicted value of predictive set Baijiu

2.4 瓶装白酒酒精度定量预测模型普适性

相同酒精度的白酒玻璃瓶包装不同，乙醇拉曼散射信号穿过玻璃瓶壁的光程不同，拉曼散射信号强度也不同，因此无法利用已建立的酒精度预测模型对不同瓶装白酒进行酒精度预测。为了解决此问题，制备13 个不同酒精度白酒样品，分别装入牛栏山白酒与小郎酒的玻璃瓶包装中，探讨相同酒精度玻璃瓶白酒样品888 cm-1处拉曼特征峰强间的相关性。由图6可知，峰值与酒精度之间具有良好的线性相关关系，决定系数达0.9952，说明通过对相同酒精度的瓶装白酒拉曼特征峰进行校正，可以应用于不同品牌的市售瓶装白酒酒精度预测。

图6 牛栏山与小郎酒包装的模拟白酒相同酒精度888 cm-1 处拉曼特征峰值关系图Fig.6 The relationship of Raman characteristic peaks at 888 cm-1 of the same alcohol degree of simulated Baijiu packaged by Niulanshan and Xiaolangjiu

向待测瓶装牛栏山与小郎酒玻璃瓶中装入20%和80%的乙醇，分别采集拉曼光谱并计算它们和相同酒精度建模牛栏山白酒样品在888 cm-1处乙醇拉曼特征峰强比值，并基于此比值校正待测样品拉曼光谱信号，代入所建瓶装白酒酒精度预测模型进行预测，预测值与真实值散点结果如图7所示。基于20%酒精度888 cm-1处乙醇拉曼特征峰强比值校正后的预测结果与真实值决定系数为0.9955，均方根误差为1.1844，相对标准偏差（RSD）为6.37%。基于80%酒精度峰强比值校正后的预测结果与真实值决定系数为0.9955，均方根误差为1.2688，相对标准偏差为3.04%。结果表明，利用单个体积分数的乙醇拉曼特征峰强可校正因包装不同造成的信号差异，且较高体积分数的乙醇具有更好的校正效果，满足不同品牌不同包装白酒间的模型校正和酒精度预测。

图7 20%和80%乙醇校正后牛栏山白酒酒精度模型预测小郎酒酒精度结果Fig.7 Prediction of Xiaolangjiu Baijiu using Niulanshan Baijiu precision model corrected by 20%and 80% ethanol

3 结论

本文以市售瓶装白酒为研究对象，基于实验室自行搭建的拉曼光谱检测系统，研究了一种玻璃瓶包装白酒酒精度的原位无损快速检测方法。首先直接采集了瓶装白酒拉曼光谱曲线，并与空白玻璃瓶和乙醇拉曼光谱曲线进行对比分析，确定了444，888，1 061，1 104，1 285，1 463 cm-1处乙醇拉曼特征峰，并发现玻璃瓶荧光背景信号比较强，如果采用原位无损技术检测瓶装白酒的酒精度必须消除玻璃瓶壁对酒精拉曼信号的影响。基于EMSC 算法以空白酒瓶的拉曼光谱作为参考，较好地消除了白酒瓶玻璃的拉曼特征信号，有效还原了乙醇的拉曼特征光谱。分别提取14 个酒精体积分数在20%～100%的瓶装白酒样品于444，888，1 061，1 104，1 285，1 463 cm-1处的乙醇拉曼特征峰值，分别建立了瓶装白酒酒精度一元线性回归模型。乙醇各个特征峰强与酒精度有着非常好的相关性，其中经过EMSC 预处理光谱的888 cm-1处乙醇拉曼特征峰强的酒精度一元线性回归模型预测模型效果最好，其决定系数R2达到了0.9998，均方根误差（RMSE）为0.3077。利用13 个不同酒精度白酒样品验证所建瓶装白酒酒精度预测模型，模型预测值和真实值之间的决定系数R2为0.9986，均方根误差为0.3382。最后基于比值校正法对不同品牌不同包装白酒间的模型进行校正和酒精度预测。结果表明，基于拉曼光谱完全可以实现瓶装白酒的酒精度原位无损快速检测。该方法无需开封，不影响二次销售，为白酒市场监管提供了新的技术手段，也为瓶装食品品质安全无损快速检测提供了技术参考。