鎮(zhèn)江香醋固態(tài)發(fā)酵參數(shù)的智能在線監(jiān)測及其分布研究.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)基質上進行發(fā)酵，是我國重要的傳統(tǒng)發(fā)酵方式。鎮(zhèn)江香醋是SSF的典型代表之一，其產(chǎn)物營養(yǎng)豐富，口感純正，深受人民喜愛，然而它生產(chǎn)過程復雜，其中制醅是固態(tài)發(fā)酵過程的關鍵，在一定程度上決定香醋的品質。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的重要指標，依據(jù)它們的變化進行翻醅操作，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)板結甚至壞醅等。但是目前仍是依據(jù)工人經(jīng)驗或理化法進

2、行檢測，檢測結果往往延遲于生產(chǎn)過程，無法及時指導生產(chǎn)。另外從手工到翻醅機僅解決了機械化問題，發(fā)酵狀況的判斷仍依靠經(jīng)驗式，尤其啟動時機、翻醅頻率、強度以及深度等還是根據(jù)工人的聞、看或觸等方式結合主觀經(jīng)驗來判斷，缺乏科學依據(jù)，這嚴重影響了香醋的質量穩(wěn)定性和企業(yè)經(jīng)濟效益。
　　本研究以鎮(zhèn)江香醋SSF為例，利用多傳感技術在線獲取SSF過程中氣味（酸度）、視覺（色澤、紋理）、光譜信號以及溫度等信息來監(jiān)測發(fā)酵過程，并結合化學計量學的方法定性識

3、別動態(tài)發(fā)酵階段、定量預測可反映發(fā)酵品質的理化指標，快速判斷醋醅均勻性，為智能翻醅的實現(xiàn)提供科學數(shù)據(jù)和技術手段。具體研究內容如下：
　　（1）鎮(zhèn)江香醋動態(tài)發(fā)酵階段的實時判別。醋醅的氣味及其內在代謝物是判別發(fā)酵階段的關鍵，本研究首先使用嗅覺可視化技術（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前后的顏色變化信號，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（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；最后使用融合技術將最能表征醋醅階段的氣味和光譜信息進行特征層融合，提取最優(yōu)主成分，結合KNN（K-nearest neighbors，KNN）、最小二乘-支持向量機（least squares support vector machine, LS-SVM）和人工神經(jīng)網(wǎng)絡（BP articici

5、al neual network, BP-ANN）等模型對動態(tài)發(fā)酵階段進行判別。結果顯示，融合技術結合BP-ANN算法為最優(yōu)模型，當主成分數(shù)為7時，識別率達到93.75％和91.25%。該法可實現(xiàn)發(fā)酵階段的動態(tài)判別，為規(guī)范發(fā)酵操作工藝提供有效技術手段。
　?。?）發(fā)酵過程中溫度的在線監(jiān)測以及溫度場多維分布研究。溫度是影響微生物生長代謝的重要因素，溫度場可形象地呈現(xiàn)醋醅中溫度分布云圖。本研究采用在線監(jiān)測裝置實時監(jiān)測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)熱與時間經(jīng)驗式，并首次提出使用ANSYS軟件結合有限元法（Finite Element Method, FEM）模擬醋醅中溫度場的多維分布。
　　結果顯示，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、三維溫度場可直觀、形象地呈現(xiàn)溫度的分布，這可大大提高人們對SSF過程的認知度，并對翻醅操作有很

7、好的指導作用，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)。
　　（3）發(fā)酵過程中重要參數(shù)的快速預測及其二維分布檢測。醋醅中重要參數(shù)的快速預測可表征醋醅的發(fā)酵狀況以及發(fā)酵品質，二維分布可實時反映醋醅的均勻性。本研究依據(jù)化學方法分別檢測了發(fā)酵過程中不同季節(jié)、不同發(fā)酵時間的總酸、水分、pH和不揮發(fā)酸等參數(shù)，并詳細分析了它們的變化規(guī)律。然后利用高光譜圖像（Hyperspectral imaging, HSI）技術結合偏最小二乘

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)酸的快速預測模型，選擇各自最優(yōu)模型。提出依據(jù)最優(yōu)模型計算各個參數(shù)在每個像素點的含量值，實現(xiàn)由單點檢測到二維分布的轉變，并基于區(qū)域統(tǒng)計信息定量描述它們的分布。
　　結果表明，對于醋醅中總酸和水分，

9、GA-PLS模型精度最高，其預測集相關系數(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)模型結合HSI計算總酸、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，也可多維地反映翻醅的均勻性，這

10、為提高發(fā)酵品質和效率提供有效技術手段。
　?。?）智能翻醅系統(tǒng)的初步設計。本研究采用模塊化設計，主要包括信息監(jiān)測模塊、系統(tǒng)控制模塊、移動模塊和執(zhí)行模塊4部分，利用傳感技術、PLC以及多信息融合技術等初步提出智能化翻醅策略，使翻醅由機械化向智能化、信息化邁進。
　　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，為精確調控最優(yōu)翻醅操作條件提供基礎數(shù)據(jù)和技術手段，并初步提出智能翻醅系統(tǒng)的設計方案，為鎮(zhèn)江香醋的工業(yè)化、智能