论文部分内容阅读
伴随着我国经济的快速增长,葡萄酒产业开始迅速发展。然而,我国葡萄酒市场竞争环境混乱,质量问题层出不穷,严重阻碍了葡萄酒产业的长足发展,因此,迫切需要一种快速、高效、准确的分析技术来提高葡萄酒酿造企业的质量控制水平。本文采用近红外光谱分析技术结合化学计量学方法,研究了酿酒葡萄、葡萄酒发酵液及葡萄酒生产过程的关键成分指标快速定量检测方法,旨在为葡萄酒产品质量的提升提供理论指导。主要研究内容如下:(1)对酿酒葡萄的总糖、总酸、酒石酸、苹果酸快速定量检测方法进行研究。通过一阶导数(FD)、二阶导数(SD)、标准正态变换(SNV)和多元散射校正(MSC)四种预处理方法、提取最佳主成分数进行数据优化处理,并采用偏最小二乘法建立回归模型。结果显示总糖指标采用标准正态变换(SNV)预处理方法,主成分数为7时模型效果最好,验证决定系数R2、验证标准偏差RMSEP、相对分析误差RPD分别达到0.919、2.528、3.21。总酸、酒石酸、苹果酸指标采用多元散射校正(MSC)预处理方法,且主成分数分别为6、7、5时模型效果最好,验证决定系数R2分别为0.921、0.902、0.906,验证标准偏差RMSEP分别为0.486、0.475、0.305,相对分析误差RPD分别达到3.05、3.04、3.08。研究表明近红外光谱分析技术对于酿酒葡萄主要指标含量的测定是可行有效的。(2)研究了葡萄酒发酵液总糖、酒精度指标含量的快速定量检测方法。采用组合间隔偏最小二乘法(SiPLS)、移动窗口偏最小二乘法(MWPLS)结合遗传算法(GA)来筛选波段,减少变量数,并结合一阶导数(FD)、二阶导数(SD)、标准正态变换(SNV)和多元散射校正(MSC)四种预处理方法对模型进行优化。其中,在采用标准正态变换(SNV)预处理方法的基础上,SiPLS-GA筛选变量的偏最小二乘模型效果更为理想,R2分别达到0.944和0.957,RMSEP为0.266和0.162,RPD为4.36和5.12,最佳主成分数为6和5。结果表明,变量筛选方法可降低建模复杂性,提高模型的准确度和稳定性。(3)研究了葡萄酒中总糖、总酸、干浸出物、挥发酸指标含量的快速定量检测方法,采用CARS提取的特征变量作为径向基(RBF)神经网络的输入变量,先后建立葡萄酒中总糖、总酸、干浸出物、挥发酸的近红外定量模型,并与偏最小二乘回归模型结果进行比较,确定最佳建模方法。结果表明,与PLS模型相比,总糖、总酸、干浸出物、挥发酸四个指标的径向基(RBF)神经网络定量模型的结果更佳,R2、RMSEP以及RPD值更优,R2分别达到0.925、0.945、0.928、0.948,RMSEP 分别达到 0.305、0.223、0.236、0.063,RPD 分别达到 3.81、3.99、5.21、5.08。结果表明该模型可以应用于葡萄酒中总糖、总酸、干浸出物、挥发酸含量的快速检测。为实时、准确监控葡萄酒主要指标含量变化,科学指导葡萄酒生产过程提供了理论依据。