鎮(zhèn)江香醋固態(tài)發(fā)酵參數(shù)的智能在線監(jiān)測(cè)及其分布研究.pdf

1、固態(tài)發(fā)酵是微生物在沒有或幾乎沒有游離水的固態(tài)基質(zhì)上進(jìn)行發(fā)酵，是我國(guó)重要的傳統(tǒng)發(fā)酵方式。鎮(zhèn)江香醋是SSF的典型代表之一，其產(chǎn)物營(yíng)養(yǎng)豐富，口感純正，深受人民喜愛，然而它生產(chǎn)過程復(fù)雜，其中制醅是固態(tài)發(fā)酵過程的關(guān)鍵，在一定程度上決定香醋的品質(zhì)。在制醅過程中溫度、總酸、水分、pH值和不揮發(fā)酸均是影響醋醅品質(zhì)的重要指標(biāo)，依據(jù)它們的變化進(jìn)行翻醅操作，可使醋醅中養(yǎng)料和微生物均勻分布，避免局部發(fā)酵過快出現(xiàn)板結(jié)甚至壞醅等。但是目前仍是依據(jù)工人經(jīng)驗(yàn)或理化法進(jìn)

2、行檢測(cè)，檢測(cè)結(jié)果往往延遲于生產(chǎn)過程，無法及時(shí)指導(dǎo)生產(chǎn)。另外從手工到翻醅機(jī)僅解決了機(jī)械化問題，發(fā)酵狀況的判斷仍依靠經(jīng)驗(yàn)式，尤其啟動(dòng)時(shí)機(jī)、翻醅頻率、強(qiáng)度以及深度等還是根據(jù)工人的聞、看或觸等方式結(jié)合主觀經(jīng)驗(yàn)來判斷，缺乏科學(xué)依據(jù)，這嚴(yán)重影響了香醋的質(zhì)量穩(wěn)定性和企業(yè)經(jīng)濟(jì)效益。
　　本研究以鎮(zhèn)江香醋SSF為例，利用多傳感技術(shù)在線獲取SSF過程中氣味（酸度）、視覺（色澤、紋理）、光譜信號(hào)以及溫度等信息來監(jiān)測(cè)發(fā)酵過程，并結(jié)合化學(xué)計(jì)量學(xué)的方法定性識(shí)

3、別動(dòng)態(tài)發(fā)酵階段、定量預(yù)測(cè)可反映發(fā)酵品質(zhì)的理化指標(biāo)，快速判斷醋醅均勻性，為智能翻醅的實(shí)現(xiàn)提供科學(xué)數(shù)據(jù)和技術(shù)手段。具體研究?jī)?nèi)容如下：
　?。?）鎮(zhèn)江香醋動(dòng)態(tài)發(fā)酵階段的實(shí)時(shí)判別。醋醅的氣味及其內(nèi)在代謝物是判別發(fā)酵階段的關(guān)鍵，本研究首先使用嗅覺可視化技術(shù)（olfaction visualization technique, OVT）獲取每天發(fā)酵醋醅的氣味信息，提取陣列傳感器反應(yīng)前后的顏色變化信號(hào)，通過其顯色狀況，判斷醋醅氣味的變化；然后使

4、用近紅外光譜技術(shù)（Near infrared spectroscopy, NIR）采集每天發(fā)酵醋醅的光譜信息，依據(jù)其代謝物的光譜特性判別發(fā)酵階段；最后使用融合技術(shù)將最能表征醋醅階段的氣味和光譜信息進(jìn)行特征層融合，提取最優(yōu)主成分，結(jié)合KNN（K-nearest neighbors，KNN）、最小二乘-支持向量機(jī)（least squares support vector machine, LS-SVM）和人工神經(jīng)網(wǎng)絡(luò)（BP articici

5、al neual network, BP-ANN）等模型對(duì)動(dòng)態(tài)發(fā)酵階段進(jìn)行判別。結(jié)果顯示，融合技術(shù)結(jié)合BP-ANN算法為最優(yōu)模型，當(dāng)主成分?jǐn)?shù)為7時(shí)，識(shí)別率達(dá)到93.75％和91.25%。該法可實(shí)現(xiàn)發(fā)酵階段的動(dòng)態(tài)判別，為規(guī)范發(fā)酵操作工藝提供有效技術(shù)手段。
　?。?）發(fā)酵過程中溫度的在線監(jiān)測(cè)以及溫度場(chǎng)多維分布研究。溫度是影響微生物生長(zhǎng)代謝的重要因素，溫度場(chǎng)可形象地呈現(xiàn)醋醅中溫度分布云圖。本研究采用在線監(jiān)測(cè)裝置實(shí)時(shí)監(jiān)測(cè)SSF過程中不同發(fā)

6、酵階段、不同發(fā)酵層溫度的變化情況，然后依據(jù)獲得的溫度變化規(guī)律，擬合生產(chǎn)熱與時(shí)間經(jīng)驗(yàn)式，并首次提出使用ANSYS軟件結(jié)合有限元法（Finite Element Method, FEM）模擬醋醅中溫度場(chǎng)的多維分布。
　　結(jié)果顯示，溫度從上層到池底是先升高后降低，最大溫差6℃；在垂直于發(fā)酵池壁方向，溫度從中間至邊緣逐漸降低，最大溫差3℃；二維、三維溫度場(chǎng)可直觀、形象地呈現(xiàn)溫度的分布，這可大大提高人們對(duì)SSF過程的認(rèn)知度，并對(duì)翻醅操作有很

7、好的指導(dǎo)作用，也為全面了解醋醅中溫度變化規(guī)律以及智能翻醅提供有效依據(jù)。
　?。?）發(fā)酵過程中重要參數(shù)的快速預(yù)測(cè)及其二維分布檢測(cè)。醋醅中重要參數(shù)的快速預(yù)測(cè)可表征醋醅的發(fā)酵狀況以及發(fā)酵品質(zhì)，二維分布可實(shí)時(shí)反映醋醅的均勻性。本研究依據(jù)化學(xué)方法分別檢測(cè)了發(fā)酵過程中不同季節(jié)、不同發(fā)酵時(shí)間的總酸、水分、pH和不揮發(fā)酸等參數(shù)，并詳細(xì)分析了它們的變化規(guī)律。然后利用高光譜圖像（Hyperspectral imaging, HSI）技術(shù)結(jié)合偏最小二乘

8、（Partial least squares, PLS）、遺傳算法-偏最小二乘(Genetic algorithm-partial least squares, GA-PLS)、LS-SVM及BP-ANN等方法建立總酸、水分、pH以及不揮發(fā)酸的快速預(yù)測(cè)模型，選擇各自最優(yōu)模型。提出依據(jù)最優(yōu)模型計(jì)算各個(gè)參數(shù)在每個(gè)像素點(diǎn)的含量值，實(shí)現(xiàn)由單點(diǎn)檢測(cè)到二維分布的轉(zhuǎn)變，并基于區(qū)域統(tǒng)計(jì)信息定量描述它們的分布。
　　結(jié)果表明，對(duì)于醋醅中總酸和水分，

9、GA-PLS模型精度最高，其預(yù)測(cè)集相關(guān)系數(shù)rp分別為0.875和0.916，均方根誤差RMSEP分別為4.96g/100g和5.36g/100g。pH和不揮發(fā)酸，最優(yōu)模型分別是LS-SVM和BP-ANN，其rp分別0.932和0.894，RMSEP分別為0.048和0.495 mg/100g。最后使用各自最優(yōu)模型結(jié)合HSI計(jì)算總酸、水分、pH以及不揮發(fā)酸等主要參數(shù)的二維分布圖，它可快速地判斷發(fā)酵狀況和品質(zhì)，也可多維地反映翻醅的均勻性，這

10、為提高發(fā)酵品質(zhì)和效率提供有效技術(shù)手段。
　?。?）智能翻醅系統(tǒng)的初步設(shè)計(jì)。本研究采用模塊化設(shè)計(jì)，主要包括信息監(jiān)測(cè)模塊、系統(tǒng)控制模塊、移動(dòng)模塊和執(zhí)行模塊4部分，利用傳感技術(shù)、PLC以及多信息融合技術(shù)等初步提出智能化翻醅策略，使翻醅由機(jī)械化向智能化、信息化邁進(jìn)。
　　本研究首次解析了理化參數(shù)在固態(tài)發(fā)酵過程中的多維分布規(guī)律，為精確調(diào)控最優(yōu)翻醅操作條件提供基礎(chǔ)數(shù)據(jù)和技術(shù)手段，并初步提出智能翻醅系統(tǒng)的設(shè)計(jì)方案，為鎮(zhèn)江香醋的工業(yè)化、智能