基于近紅外光譜分析技術(shù)的紅葡萄酒釀造過程中關(guān)鍵參數(shù)檢測方法研究.pdf

1、伴隨著我國經(jīng)濟的快速增長，葡萄酒產(chǎn)業(yè)開始迅速發(fā)展。然而，我國葡萄酒市場競爭環(huán)境混亂，質(zhì)量問題層出不窮，嚴(yán)重阻礙了葡萄酒產(chǎn)業(yè)的長足發(fā)展，因此，迫切需要一種快速、高效、準(zhǔn)確的分析技術(shù)來提高葡萄酒釀造企業(yè)的質(zhì)量控制水平。本文采用近紅外光譜分析技術(shù)結(jié)合化學(xué)計量學(xué)方法，研究了釀酒葡萄、葡萄酒發(fā)酵液及葡萄酒生產(chǎn)過程的關(guān)鍵成分指標(biāo)快速定量檢測方法，旨在為葡萄酒產(chǎn)品質(zhì)量的提升提供理論指導(dǎo)。主要研究內(nèi)容如下:
　　(1)對釀酒葡萄的總糖、總酸、酒石

2、酸、蘋果酸快速定量檢測方法進行研究。通過一階導(dǎo)數(shù)(FD)、二階導(dǎo)數(shù)(SD)、標(biāo)準(zhǔn)正態(tài)變換(SNV)和多元散射校正(MSC)四種預(yù)處理方法、提取最佳主成分?jǐn)?shù)進行數(shù)據(jù)優(yōu)化處理，并采用偏最小二乘法建立回歸模型。結(jié)果顯示總糖指標(biāo)采用標(biāo)準(zhǔn)正態(tài)變換(SNV)預(yù)處理方法，主成分?jǐn)?shù)為7時模型效果最好，驗證決定系數(shù)R2、驗證標(biāo)準(zhǔn)偏差RMSEP、相對分析誤差RPD分別達到0.919、2.528、3.21?？偹?、酒石酸、蘋果酸指標(biāo)采用多元散射校正(MSC)預(yù)

3、處理方法，且主成分?jǐn)?shù)分別為6、7、5時模型效果最好，驗證決定系數(shù)R2分別為0.921、0.902、0.906，驗證標(biāo)準(zhǔn)偏差RMSEP分別為0.486、0.475、0.305，相對分析誤差RPD分別達到3.05、3.04、3.08。研究表明近紅外光譜分析技術(shù)對于釀酒葡萄主要指標(biāo)含量的測定是可行有效的。
　　(2)研究了葡萄酒發(fā)酵液總糖、酒精度指標(biāo)含量的快速定量檢測方法。采用組合間隔偏最小二乘法(SiPLS)、移動窗口偏最小二乘法(M

4、WPLS)結(jié)合遺傳算法(GA)來篩選波段，減少變量數(shù)，并結(jié)合一階導(dǎo)數(shù)(FD)、二階導(dǎo)數(shù)(SD)、標(biāo)準(zhǔn)正態(tài)變換(SNV)和多元散射校正(MSC)四種預(yù)處理方法對模型進行優(yōu)化。其中，在采用標(biāo)準(zhǔn)正態(tài)變換(SNV)預(yù)處理方法的基礎(chǔ)上，SiPLS-GA篩選變量的偏最小二乘模型效果更為理想，R2分別達到0.944和0.957，RMSEP為0.266和0.162，RPD為4.36和5.12，最佳主成分?jǐn)?shù)為6和5。結(jié)果表明，變量篩選方法可降低建模復(fù)雜性

5、，提高模型的準(zhǔn)確度和穩(wěn)定性。
　　(3)研究了葡萄酒中總糖、總酸、干浸出物、揮發(fā)酸指標(biāo)含量的快速定量檢測方法，采用CARS提取的特征變量作為徑向基（RBF）神經(jīng)網(wǎng)絡(luò)的輸入變量，先后建立葡萄酒中總糖、總酸、干浸出物、揮發(fā)酸的近紅外定量模型，并與偏最小二乘回歸模型結(jié)果進行比較，確定最佳建模方法。結(jié)果表明，與PLS模型相比，總糖、總酸、干浸出物、揮發(fā)酸四個指標(biāo)的徑向基（RBF）神經(jīng)網(wǎng)絡(luò)定量模型的結(jié)果更佳，R2、RMSEP以及RPD值更優(yōu)