王小琴，郭 艳，宋廷富，罗 珠，李杨华，安明哲，陈宫傣，张国宏，王 毅，李光尧，夏维高，闫晓剑

(1.宜宾五粮液股份有限公司,四川宜宾 644000；2.四川长虹电器股份有限公司，四川绵阳 621000)

酒醅作为传统白酒酿造过程中的中间产物，其理化分析指标直接影响基酒的品质和出酒率。对比传统理化分析检测方法，近红外光谱分析法不仅能够快速的分析出酒醅中水分、淀粉、酸度和残糖等指标，而且具有无药品消耗、无污染、检测效率高、分析准确等优势。如今行业内应用的近红外光谱仪多为实验室设备，受限于体积大、需要专业人员操作、使用环境条件等因素，检测流程同传统理化分析相同，即现场取样后在实验室进行检测，不能在现场直接获取酒醅的各指标数据，无法为生产过程提供参考依据。微型近红外光谱仪具有体积小，便携及快速、实时、准确检测等优点，将其应用于生产车间中，能够为入窖酒醅粮食配比，出窖酒醅蒸馏后回糟预处理等生产工艺提供指导性建议。为了进一步提升近红外光谱分析法针对酒醅理化分析的应用价值，开发应用于现场的微型近红外光谱仪具有重要的意义。

近红外光谱仪常规的检测物质多呈现分布均匀和单一介质的状态，如粉末、颗粒、纯固态、纯液态等。酒醅是酿制白酒的原料经过微生物融合后发酵的物质，其中包含5 种粮食原料、稻壳等物质，呈现物质分布不均匀的固液混合状态，对比分布均匀和单一介质的物质，酒醅近红外光谱数据具有组分复杂，变异度较高，自然采样不受控等特点。受限于微型近红外光谱分析仪体积和便携性，如何提升酒醅近红外光谱数据信息量以及定量分析效果，成为一个亟待解决的问题。

为了提升酒醅近红外光谱数据信息量以及定量分析效果，本研究针对微型光谱仪的采样模式进行试验分析，分别设计4 种不同采样模式进行酒醅样本采集试验，分析不同模式下酒醅水分定量分析模型效果。

1 试验方案及方法

1.1 试验模式方案

1.1.1 试验模式一

如图1 所示，模式一着重于光效优先设计，近红外源照明由分布于类反光杯结构的锥形凹槽中心的四颗卤素灯提供，灯源与光谱传感器位于同侧，其中传感器位于中心，四颗灯呈圆周对称正方形环绕分布。样品反射得到的信号光经过同样中心位置的耦合透镜进入光谱传感器。

图1 模式一

1.1.2 试验模式二

为了限制进入光谱传感器的入射光孔径角，提高分辨率，在图1 的耦合透镜前放置了光阑，如图2所示。如果将光阑看作是截取的漫反射信号光的点光源，则经过透镜后进入光谱传感器都是垂直入射的平行光，此时传感器精度和灵敏度较高。

图2 模式二

1.1.3 试验模式三

单颗光谱传感器光谱响应范围比较窄，可能造成待测物质光谱信息缺失或光谱信息较弱的现象，为此在模式一的基础上进行了光谱传感器的拼接设计，实现了2 倍波段扫描范围的提升，如图3所示。

图3 模式三

1.1.4 试验模式四

为了解决杂散光干扰较强所造成的信噪比较低的问题，在模式三的基础上进行了模式四的设计，主要体现为在照明光路中，改变了作为光源的卤素灯的装配位置和装配角度，围绕着光谱探测器中心位置布置了多颗卤素灯，均匀照射于被测物质表面，减少了由于筒内壁和前端的石英窗口片多次反射进入光谱传感器的杂散光。同时进一步增加光谱传感器数量，进一步拓宽了波段扫描范围，如图4所示。

图4 模式四

1.2 试验方法

1.2.1 酒醅样品选择与样品指标含量测定

酒醅样品取自于五粮液酿酒车间的出窖酒糟，采用五点取样法取样，每天选取30 个酒醅进行试验，试验时间为5 d，试验样品数量为150 个。为了保证酒醅样品的表面平整性和一致性，使用特制的酒醅压紧工装进行制样。

酒醅中的水分、淀粉、酸度、残糖等常规指标的分析方法采用企业标准进行测定，所提供的参考值均由操作熟练、经验丰富的实验员提供，作为建模数据和验证数据。

1.2.2 光谱采集方法

进行光谱信息采集时，依次采用4 种不同模式的设计，对每个制备完成的酒醅样品进行光谱扫描。

2 模型预测分析

2.1 光谱预处理及建模方法

由于酒醅为包含数种粮食原料、稻壳等物质的固液混合体，在制样的过程中，不能保证样品的绝对均匀和表面平整，同时由于现场温湿度环境、仪器噪声、基线漂移等因素影响，近红外光谱数据会出现部分光谱仪异常和质量下降的情况，在构建模型之前需要对异常光谱样本进行筛除和预处理，提高整体光谱的稳定性和可靠性。

判断异常光谱样本的方法通常有3 种：（1）欧式距离判别；（2）马氏距离判别；（3）将主成分分析和马氏距离相结合进行判别。预处理过程一般将两种或多种预处理方法进行组合，预处理方法一般包括高斯平滑、SG 平滑、detrend、SNV、baseline、矢量归一化（vector normalization）、最大值归一化（maximum normalization）、SG 求导等，调整不同预处理方法的内部参数，依次对原始光谱进行处理，获得不同的预处理后光谱数据，用于构建定量分析模型。

近红外光谱分析的定量建模方法包括多元线性回归（MLR）、主成分回归（PCR）、偏最小二乘回归（PLS）、人工神经网络（ANN）和支持向量机（SVM）等。其中，PLS 算法应用最为广泛，可以通过选取不同的PLS 成分数，构建酒醅的水分、酸度、淀粉、残糖的最佳近红外光谱分析模型。

图5 4种模式近红外光谱数据图

2.2 模型预测效果

表1 为4 种模式各指标RMSECV 最小定量分析模型，包括光谱数据预处理方法、预处理参数、模型主成分数、R及RMSECV。

表1 4种模式下酒醅光谱模型参数

3 结论

针对酒醅的近红外光谱探测，设计了4 种不同采样模式的微型近红外光谱仪，实际使用了150 个出窖酒醅样本进行建模试验，对比不同模式下的水分、酸度、淀粉、残糖定量分析模型指标。试验结果表明，增加光谱波段扫描范围的模式三、模式四对酒醅水分、酸度的定量分析模型指标提升效果最明显，酒醅淀粉、残糖模型指标由于样品特征的影响，没有明显提升作用。