蘋果醋釀造過程中關(guān)鍵參數(shù)的近紅外快速檢測方法研究.pdf

1、我國的蘋果醋產(chǎn)業(yè)發(fā)展極為迅速，具有龐大的消費人群和市場容量。然而，市場上的蘋果醋質(zhì)量問題層出不窮，嚴重擾亂蘋果醋的市場秩序，因此，迫切需要一種快速、高效、準確的分析技術(shù)來提高蘋果醋釀造企業(yè)的質(zhì)量控制水平。本文采用近紅外光譜技術(shù)結(jié)合化學計量學方法，研究蘋果醋釀造過程原輔料驗收、蘋果酒及蘋果原醋品質(zhì)等關(guān)鍵環(huán)節(jié)的關(guān)鍵成分指標的快速定量檢測，旨在為蘋果醋釀造過程產(chǎn)品質(zhì)量的檢測提供新的技術(shù)參考。主要研究內(nèi)容如下:
　　(1)對蘋果醋釀造用原

2、料蘋果汁的可滴定酸及可溶性固形物指標快速定量檢測進行研究。通過一階導數(shù)、二階導數(shù)、標準正態(tài)變換和多元散射校正四種預處理方法、提取最佳主因子數(shù)進行數(shù)據(jù)優(yōu)化，結(jié)合偏最小二乘法建立模型，結(jié)果顯示可滴定酸及可溶性固形物模型驗證集的驗證決定系數(shù)R2、驗證標準偏差RMSEP、相對分析誤差RPD分別為0.981、0.129、5.97，0.992、1.474、11.26，說明了近紅外光譜技術(shù)對于蘋果汁主要指標含量的測定是可行有效的。
　　(2)研

3、究了蘋果醋釀造輔料果葡糖漿還原糖及可溶性固形物指標含量的快速定量檢測方法，采用CARS、無信息變量消除法三種波段篩選方法來減少變量數(shù)，并結(jié)合FD、SD、SNV和MSC四種預處理方法優(yōu)化模型。其中，CARS篩選變量的偏最小二乘模型效果更為理想，還原糖及可溶性固形物模型的R2、RMSEP、RPD分別為0.964、0.432、3.80，0.901、0.048、3.75，且經(jīng)成對t檢驗，各項指標預測值與實測值無明顯差異。說明選擇的優(yōu)化方法大幅減

4、少了建模復雜性，為模型的準確度和穩(wěn)定性奠定了基礎(chǔ)。
　　(3)針對蘋果醋釀造過程控制，對蘋果酒中的酒精度含量進行定量分析，通過PLS法建立蘋果酒酒精度定量分析模型，同時采用間隔偏最小二乘法、后向間隔偏最小二乘法和組合間隔偏最小二乘法以及遺傳偏最小二乘法對整個譜區(qū)進行光譜特征波段篩選，確定最佳建模方法。結(jié)果表明，進行特征波段篩選能夠?qū)δＰ推鸬絻?yōu)化作用，并提高模型運算速度，其中GA-BiPLS及GA-SiPLS優(yōu)化效果最為明顯，在極大

5、減少蘋果酒酒精度建模變量的同時，模型的R2分別達到0.987和0.988，RMSEP分別為0.459和0.468，有效地提高了模型的穩(wěn)定性與準確度，為蘋果酒的品質(zhì)分析方法研究提供了新的思路，同時，為近紅外光譜技術(shù)在蘋果醋生產(chǎn)過程的應用提供了技術(shù)借鑒。
　　(4)研究了蘋果原醋品質(zhì)的快速定量檢測方法，采用遺傳偏最小二乘法提取的特征波長作為最小二乘支持向量機的輸入變量，先后建立蘋果原醋中總酸、可溶性固形物的近紅外定量模型，并與建立的偏

6、最小二乘模型結(jié)果進行比較，確定最佳建模方法。結(jié)果表明，相比于PLS模型，總酸及可溶性固形物指標的LS-SVM定量模型的R2、RMSEP以及RPD值均有更好的表現(xiàn)，分別達到0.964、0.039、5.01，0.979、0.021、6.01，且在進行獨立測試集驗證時，LS-SVM模型的預測精度也明顯優(yōu)于PLS模型。說明模型可以應用于蘋果原醋總酸和可溶性固形物含量的快速檢測。為實時、準確監(jiān)控蘋果原醋主要指標含量變化，以及科學優(yōu)化近紅外光譜模型