信息摘要：
近红外光谱技术以其即时在线监测的特点而在多个领域广泛应用，近年来在葡萄酒酿造定性和定量方面的研究已渗透到各个工艺细节的控制中。本文对近红外光谱分析技术...
近红外光谱技术以其即时在线监测的特点而在多个领域广泛应用，近年来在葡萄酒酿造定性和定量方面的研究已渗透到各个工艺细节的控制中。本文对近红外光谱分析技术作了简单介绍，系统阐述了国内外近红外光谱技术在酿酒葡萄、葡萄酒发酵过程、成品葡萄酒质量鉴别等方面的研究进展，总结了目前葡萄酒品质分析的主要问题及发展方向。
葡萄酒是以鲜葡萄或者葡萄汁为原料，经发酵酿制而成。葡萄酒口感醇厚，风味多样，深受消费者的喜爱。葡萄酒[1]含有较多的单宁酸、酚类物质及白藜芦醇等，具有保护心脑血管和延缓衰老的生理机能等。葡萄酒[2]以其物美价廉、口感醇厚、美容养颜的优点，成为一种大众化的酒类饮品，我国也成为世界上最大的葡萄酒消费国。
在当今竞争激烈的市场中，酿酒厂要不断提高生产效率和产品质量，加大技术投资，为企业赋能。好品质的葡萄酒必需有优质葡萄和独特的酿造工艺，随着葡萄酒厂产业规模化，近红外光谱快速检测技术[3]应运而生。近红外光谱技术具有方便操作、无损环保、重复性好的特点，与化学计量学方法结合广泛应用于工农业[4]、烟草[5]、医药[6]、石油[7]等行业的品质分析与质量控制，在葡萄酒[8]行业中，NIR技术在葡萄酒定性分析和定量检测中发挥着重要的作用。
本文对近10余年来NIR技术在酿酒葡萄的有效挑选、葡萄酒发酵液的实时监测、葡萄酒主要参数的合理控制的应用进展进行了系统评述，旨在为酿造酒快速鉴定与评价研究提供参考。
1 近红外光谱分析技术简介
1.1 NIRS分析技术
近红外[9](Near Infrared Spectroscopy简称NIRS）是介于紫外-可见和中红外之间的电磁波，NIRS的直接信息来源是有机物分子中的C-H、N-H、O-H等含氢基团发生倍频与合频时对光能量的吸收，因此NIRS分析技术可用于分析几乎所有的有机物。近些年来，近红外光谱(NIRS)分析技术被公认为是一种高效、方便、无损的绿色分析技术，已经在农业、食品、制药和化学方面有了非常广泛的应用。NIRS分析技术在葡萄酒[10]行业的应用研究也越来越多。
1.2 近红外光谱分析的优点
(1）分析快速简便。多数样品无需进行前处理，设置好扫描光谱的各个参数后，没有复杂的人为操作，对操作人员所需技术要求较低。定性或定量模型优化后，只需进行样品光谱采集，单个样品扫描光谱耗时1～2 min，与传统方法比较，有效缩短了检测时间。
(2）绿色环保无污染。样品分析过程不使用任何化学试剂，无对环境不利的因素。无损检测不仅降低了试验成本，还能重复利用样品，不造成珍贵样品的浪费。
(3）重复性好。近红外光谱的稳定性好，与其他分析技术相比，同一样品多次重复采集的光谱基本重合。
(4）可在线进行实时监测。近红外光谱技术可分析样品的多种形态，包括液体、固体、胶状物等，近红外光谱仪有光纤接口，既能用于实验室，也能将目标与光纤相接，实时监测生产工艺流程中的关键质控点，实现在生产现场完成样品快检。
2 近红外光谱在葡萄酒行业中的研究
传统葡萄酒的生产工艺[11]流程为：原料采摘、分拣→破碎、除梗（加亚硫酸）→冷浸渍→压榨→发酵→除渣→陈酿、熟化→成品调配→装瓶杀菌→成品葡萄酒。
下面按照近红外光谱在葡萄酒的原料、葡萄酒酿制过程和成品葡萄酒检验中的应用研究进展来进行详细综评。
2.1 酿酒葡萄质量控制
酿制葡萄酒的主要原料为酿酒葡萄[12]，优质的酿酒葡萄是酿制高质量葡萄酒的重要保障。与普通葡萄相比，酿酒葡萄的成熟度[13]、含糖量[14]、品种[15]、以及产地[16]均有特殊的要求。为了提高酿酒原料质量，酿造诸味协调的高质量葡萄酒，建立一套快速高效的检测方法，加强葡萄酒原料的监控，对提高葡萄酒质量具有深远意义。中国农业大学食品学院研究了NIRS分析技术预测酿酒葡萄Brix值的可行性，为酿酒企业使用近红外光谱技术预测葡萄成熟期和区分酿酒葡萄品种提供了初步的实践基础。
Fernández-Novales等[17]利用近红外光谱技术结合主成分分析(PCA)、偏最小二乘(PLS)和多元线性(MLR)回归分析检测了葡萄成熟过程中的还原糖含量，结果表明，近红外光谱技术可以预测葡萄成熟过程中还原糖含量。González-Caballero等[18]提出近红外(NIR)光谱技术可通过葡萄地理位置和葡萄串内部成分监测葡萄成熟过程，并根据酿制的葡萄酒类型进行选择性收获。Beghi等[19]利用可见光和近红外光谱的光学便携式检测仪定量评估了葡萄果实枯萎期间的质量参数，为葡萄酒质量控制提供技术支撑。徐洪宇等[20]应用傅里叶变换近红外光谱技术，采用偏最小二乘回归法建立了49种酿酒葡萄可溶性固形物含量的预测模型，预测相关系数为0.961，说明模型可靠，预测效果良好，可以满足酿酒葡萄快速检测的要求。吴桂芳等[21]选用5种干红葡萄酒，基于光谱技术和模式识别的方法，完成了对葡萄酒的品种鉴别模型，模型预测准确率达100%。Liao等[22]选择2016年的智利Aoyo葡萄酒共100个样品作为品牌样本，以其他不同品牌的红酒共373个样品作为干扰样本，采用近红外光谱结合偏最小二乘判别分析(PLS-DA)对葡萄酒品牌进行可行性分析识别，结果表明，葡萄酒品牌在可见光-近红外波段(400～2498 nm)的判别分析模型识别效果较好，其中阴性识别正确率达100%，阳性识别正确率达95.6%。Cozzolino等[23]采用近红外光谱法结合化学计量学方法，对来自澳大利亚的269个白葡萄酒样品产地进行了判别，初步建立葡萄酒的溯源模型。李梦华等[24]采集来自河北怀来、山东烟台、甘肃、河北昌黎、宁夏、新疆、河北蓟县等地的赤霞珠、美乐、蛇龙珠酿制的干红葡萄酒样品的循环伏安曲线和近红外透射光谱，将循环伏安电化学法和近红外光谱法联立建立葡萄酒品种溯源模型，模型的判别准确率为99.46%。该团队将多种单分类器模型融合，并用融合后的模型对不同品种干红葡萄酒进行判别分析。采用傅里叶变换型近红外光谱仪采集赤霞珠、美乐、蛇龙珠酿制的170个干红葡萄酒样品的近红外光谱，与多种判别分析方法相结合，建立了葡萄酒品种判别模型，该判别模型的准确率为92.94%。向伶俐等[25]采集了河北怀来、山东烟台、甘肃、河北昌黎等四个葡萄产地的153个葡萄酒样品，利用近红外透射光谱和中红外衰减全反射光谱，结合偏最小二乘判别分析法（PLS-DA）建立基于近红外光谱和中红外光谱融合后的葡萄酒产区判别模型，融合后模型的建模集和外部检验集的判别准确率都达到90%左右，且都比融合前单一近红外光谱法和中红外光谱法的判别准确率有所提高，说明用该融合模型对4个不同产地葡萄酒进行判别是可行的。
2.2 葡萄发酵液主要参数检测
葡萄酒品质好坏，首先取决于酿酒葡萄原料的品质，其次为酿制工艺。不同的发酵方式下发酵液中多个参数都有差别，酒精度、挥发酸、甘油、糖类、酚类等关键指标是决定葡萄酒品质[26][27]的重要因素。葡萄酒的发酵需要经过严格的工艺操作流程，准确快速的监控生产过程中的一系列关键参数是确保葡萄酒最终质量的前提。
Cozzolino等[28]采用近红外光谱(NIR)和PLS回归方法对malvidin-3-glucoside (M3G)、色素聚合物(PP)和单宁(T)进行预测，结果表明，近红外光谱法可作为预测红葡萄酒发酵过程中酚类化合物浓度的快速替代方法。张树明等[29]采用近红外光谱法结合主成分分析法、偏最小二乘回归分析法对葡萄酒发酵过程中葡萄糖、果糖、乙醇和甘油进行了检测，结果发现定量分析模型预测精度优良。Egidio等[30]利用近红外光谱和化学计量学方法监测了葡萄酒从初始发酵到最后阶段的葡萄糖、果糖、乙醇、甘油、总酚、总花青素、总黄酮类化合物的含量，建立了预测酒精发酵过程中主要成分物质变化的校正模型，特定发酵阶段的样品正确分类率达100%。贾柳君等[31]利用近红外光谱技术，通过偏最小二乘法对葡萄酒发酵过程中挥发酸含量进行建模，结果表明，模型稳定性好，预测能力强。陶思嘉等[32]利用近红外透射光谱技术和中红外衰减全反射光谱技术结合PLS-DA法建立了葡萄酒陈酿方式鉴别模型，用Bayes方法进行信息融合修正了该模型，实现了对葡萄酒陈酿方式的快速鉴别。唐剑波等[33]利用近红外光谱仪外加衰减全反射采集了3种陈酿方式的96个葡萄酒样品的光谱，建立的3种陈酿方式葡萄酒模型的判别准确率均高于90%，结合中红外光谱技术方法可快速识别不同陈酿方式的葡萄酒。Tao等[34]利用近红外光谱和中红外光谱技术，采用DPLS和Fisher方法建立了不同陈酿方式的红葡萄酒的判别模型，提出一种有前景的葡萄酒陈酿鉴别技术。
2.3 葡萄酒酒体主要参数检测
根据葡萄酒国家标准（GB/T 15038—2006），葡萄酒应完全由葡萄汁发酵酿制，其质量评价[35]包括感官品评和理化指标，感官品评的评判依据主要是葡萄酒的色、香、味、格及澄清度，常见的理化指标包括酒精度、糖酸比、挥发性酸等。许多不法商家为了赚取高额利润，通过添加酒精、糖浆、甘油、单宁、色素等生产葡萄酒，严重损害了消费者权益。因此，建立一些快速、无损地检测理化指标并识别掺假葡萄酒的方法势在必行。
王德福等[36]利用近红外光谱快检技术，定性研究了由赤霞珠葡萄酿造的不同年份葡萄酒，初步验证性试验表明近红外技术可应用于年份葡萄酒的定性判别。郭海霞等[37]以不同品牌的90个葡萄酒为样本，采用可见-近红外光谱结合主成分聚类分析建立了快速无损的鉴别葡萄酒真伪模型，该模型对样品的预测准确率达100%。王豪等[38]采用傅立叶变换近红外光谱透射法测定葡萄酒酒精度并建立了定量分析模型，该方法操作简单，重复性好。王怡淼等[39]优化了葡萄酒酒精度模型，MC-UVE-GA-FAR模型预测效果有效提高，实现在线快速检测。Dos Santos等[40]采用近红外光谱技术建立了适用于检测白葡萄酒中酒精浓度、密度、总酸度、挥发性酸度、总糖和pH值的定量模型，可实现优质葡萄酒质量参数的快检。Sen等[41]结合可见光和红外光谱对12个葡萄品种的葡萄酒样品的红葡萄酒花色苷类化合物、总酚含量、甘油、甘油乙醇比、苹果酸、邻香豆酸和白利度进行预测，结果表明将这些光谱范围与多元模型相结合，可用于快速在线测定葡萄酒的质量参数和化学特征。Dos Santos等[42]采用偏最小二乘判别分析(PLS-DA)对葡萄牙4个葡萄酒产区(Vinhos Verdes,Lisboa,Açores,Távora-Varosa)的葡萄酒样品进行近红外光谱、MIR光谱和拉曼光谱分析，通过对葡萄酒进行产地分类以确保葡萄酒的真实性。结果表明，将MIR和近红外光谱相结合得到了最佳模型，预测的正确率为86.7%。
3 总结与展望
综上所述，近红外光谱分析技术是一种广泛用于葡萄酒检测的现代分析技术，该技术操作简单，成本较低，结合光纤传感技术和化学计量学方法可较好的用于在线监测并识别葡萄酒的品种、产地、年份、陈酿、真假与优劣。尽管该技术检测效果良好，仍然有一些问题需要进一步探讨。
(1）便携式近红外光谱分析仪的研发。低成本，易携带的小型NIR光谱仪，适合不同场合检测，实现了葡萄酒厂实时监测酿酒葡萄的质量参数，因此便携式检测设备在葡萄酒行业中具有很大的发展潜力。
(2）在葡萄酒红外技术研究中，国内外学者起初致力于近红外技术，这几年研究表明中红外的稳定性更好一些，近红外和中红外的融合技术能建立更稳健、预测准确度更高的模型，因此近红外与中红外融合技术需要进一步在酿酒行业进行系统研究。
(3）近红外光谱技术与化学计量学方法的深度融合与改进技术是未来酿酒领域中重点发展方向。国内近红外光谱分析技术的定性分析和定量分析主要集中在葡萄和葡萄酒常规理化指标的检测分析，国外很多研究将酚类化合物、葡萄糖苷、色素聚合物和单宁等作为葡萄酒的鉴别标准。
微信号