信息摘要：
中国白酒是世界六大蒸馏酒之一，以淀粉质原料或糖质原料，加入糖化发酵剂，经固态、半固态或液态发酵、蒸馏、贮存、勾调而成。我国白酒的主要构成成分是乙...
中国白酒是世界六大蒸馏酒之一，以淀粉质原料或糖质原料，加入糖化发酵剂，经固态、半固态或液态发酵、蒸馏、贮存、勾调而成。我国白酒的主要构成成分是乙醇和水，占总量的98%～99%，而白酒中重要的呈香呈味物质酸类、酯类、醇类、醛类等复杂化合物仅占总量的1%～2%[1][2]。白酒生产过程中由于原料、酒曲、生产工艺、发酵设备、贮存容器等因素的差异，直接影响到酒中香气香味成分、含量等，最终形成了各具特色、风味各异的白酒。白酒酿造中使用的原料、大曲及发酵酒醅等物料的关键指标与白酒产质量密切相关。因此，利用快速分析检测技术及时对关键指标进行监控，针对存在的关键参数进行调控，对指导生产、提高白酒品质及出酒率、加强白酒质量把关具有重要的意义。
近红外光（near infrared,NIR）是指介于紫外-可见光（ultraviolet-visible,UV-Vis）与中红外光（midinfrared,MIR）之间的电磁波，其波长范围为780～2526 nm（波数为12820～3959 cm-1）。近红外光谱（near-infrared spectroscopy,NIRS）技术作为一种新兴的分析检测技术，其主要的特点有操作简单、无需前处理且无污染、样品无损耗、检测快速、分析效率高、可同时对样品的多项指标进行检测等[3][4][5]。目前近红外光谱技术可实现样品中特定成分的定性定量测定，被广泛应用于工业、农业、食品、药物、化工等领域[6][7][8][9]。近年来，近红外光谱技术也被广泛应用于白酒行业中原料、半成品及成品酒质量检测中[10][11][12]，加快了传统制造业与快检技术的深度融合，丰富了酿造监测手段。本文通过对近红外光谱分析技术在白酒生产过程酿酒原料、大曲、酒醅、酒体等关键指标检测的应用进展进行概述，以期为白酒生产过程快速检测技术应用及相关研究工作提供参考，从而为进一步拓展近红外光谱分析技术的应用范围奠定良好基础。
1 近红外光谱技术概述
1.1 近红外光谱技术的分析原理及特点
利用近红外光良好的透射性，通过漫反射、反射、透射等方式作用于待检样品，样品内部含氢基团X—H(X=C,S,N,O)对近红外光有选择性吸收特性，通过漫反射、反射、透射等方式得到包含样品信息合频和各级倍频的吸收近红外光谱，从而运用化学计量学方法将样品吸收光谱与其理化指标数据进行关联并建立关系校正模型[13]。
近红外光谱检测技术的主要特点：第一，分析速度快，大部分的检测可以1 min之内完成；第二，检测效率高，可同时对样品的多个组分和性质进行定性、定量的测量；第三，适用范围广，可以对液体、固体等不同状态的样品进行测量；第四，绿色环保，无需使用化学试剂对样品进行预处理，减少了化学试剂消耗，降低化学、生物污染。
1.2 近红外分析模型建立流程
近红外光谱分析技术通过大量数据藕连建立校正模型，对待测样品测定其光谱，代入所建立的模型即可快速得出结果。近红外分析模型建立主要包括样品收集、化学分析、光谱采集、光谱预处理、校正模型建立及验证等5个流程。
(1）样品收集
在进行样品选择时应尽可能覆盖待测样品成分的全部范围，并且在各个范围内的样品数量分布应均匀，从而确保分析模型的精度，避免出现共线性的现象。
(2）化学分析
化学分析结果的准确性直接决定了预测模型结果的准确度。因此，在对收集到的样品进行化学分析时应尽可能降低误差，如选用精密度较高的仪器进行分析或采取多次测量的方法。
(3）光谱采集
对选择的样品进行光谱采集，光谱采集过程中应注意仪器状态和环境因素的变化，采集条件应保持一致，保证测量方法稳定可靠。
(4）光谱预处理
采集得到的光谱通常包含随机噪声、基线漂移等干扰信息。光谱采集结束后需对光谱进行预处理，剔除异常样品，降低或消除光谱噪声等因素的影响，筛选最优光谱范围，有效提取光谱信息，提高分析模型的稳定性。
(5）模型建立及验证
运用化学计量学方法建立近红外光谱定量、定性模型，预测未知样品的成分浓度。常见的化学计量方法包括多元线性回归、主成分回归、人工神经网络和偏最小二乘法等。为了确定模型的适用性，需从样品集选出浓度在预测范围内的样品对建立的校正模型进行外部验证。若样品数量较少，则采用内部交叉验证。如果预测结果接近标准值，表明模型预测能力强，反之，说明建立的模型精度低，不适合分析该样品。
2 近红外光谱技术在白酒生产中的应用
2.1 酿酒原料的检测
原料是白酒酿造的物质基础，其淀粉、蛋白质、脂肪、单宁等成分及含量的差异都将直接影响到白酒的品质。由于气候、温度、水分等环境因素的影响，不同地域的粮食作物所含成分存在一定差异，因此，选择合适的原料、鉴别原料的来源及品质备受行业关注，利用快速检测方法检测酿酒原料质量指标受到业界的重视。买书魁等[14]运用无信息变量消除法结合遗传算法(Uninformative variable elimination-genetic algorithm,UVE-GA)对酿酒原料高粱近红外光谱进行特征波长提取，建立了酿酒高粱中支链淀粉和直链淀粉的近红外偏最小二乘算法(Partial least squares,PLS)回归模型，该模型具有较好的预测效果。苏鹏飞等[15]采用近红外光谱技术结合传统分析方法建立了高粱水分指标的快速分析模型，该模型用于实际生产分析检测，预测能力较好。唐林等[16]采用近红外光谱技术结合偏最小二乘法，建立和优化了同时检测5种酿酒原料粗淀粉的预测模型，并随机选取验证集样品对模型预测能力进行验证，结果表明，该模型具有较好的预测能力，大大提升了检测效率，对原料的进场验收起到了良好的时效性。
2.2 大曲的检测
曲作为白酒生产中间产品，其品质的优劣将影响到新酒产质量。俗话说“曲为酒之骨”，大曲不仅是白酒酿造的糖化发酵剂，同时其富含各种香味成分及前体物质。大曲品质的评价指标主要依靠感官结合理化，其中理化指标水分、酸度、液化力、糖化力、发酵力是酿酒企业监控大曲品质的重要技术指标，实验室测定水分、酸度和糖化力的常用方法分别是105℃恒重法、酸碱滴定法、水解法和斐林试剂法，其检测耗时长，检测结果较滞后。因此，探索建立一种快速、高效的检测方法对大曲品质的监控具有重要意义。苏鹏飞等[17]采用近红外光谱技术结合偏最小二乘法（PLS）分别建立了西凤酒大曲水分、酸度以及淀粉指标的定量分析模型，各模型质量较好，可用于日常生产分析检测。王军凯等[18]采用近红外光谱结合偏最小二乘法建立大曲糖化力的预测模型，该模型所测得的结果与传统检测方法不存在显著性差异。
2.3 酒醅的检测
酒醅的发酵质量直接决定白酒的产质量，酒醅发酵过程各关键指标的控制是指导白酒生产及工艺改进的关键。评价酒醅发酵质量的重要理化指标有水分、酸度、淀粉、酒精、有机酸等，这些指标的传统检测结构较滞后，不利于参数的指导应用，但这些成分在近红外光谱段有特征吸收[19][20]。利用近红外光谱检测技术能够快速、准确测定酒醅的各项指标，降低检测人员劳动强度，提高在线监测效率，为生产关键参数实时提供可靠数据。李良等[21]利用近红外光谱分析仪结合偏最小二乘法建立检测酒醅中水分、酸度值的近红外光谱分析模型，经内部交叉验证法对模型进行检验，该模型测得的酒醅中水分和酸度值与真实值拟合良好，经盲样检测，该模型所测酒醅水分和酸度值均与实际值相匹配且模型稳定性良好。余松柏等[22]利用一阶导结合单位长度归一化等方法对光谱进行预处理，使用协同区间偏最小二乘法（SIPLS）、向后间隔偏最小二乘法（BI-PLS）等算法对光谱波段进行优化选择，最终建立了近红外酒醅水分、酸度和淀粉快速检测模型。以模型参数、外部盲样的理化数据对新建模型进行评估验证，证明模型准确度高。姜福州等[23]通过对出窖及入窖第一甑酒醅样品进行采集，分别建立酒醅水分、酸度、淀粉、糖分等理化指标的定量分析模型，该模型与传统检测方法检测偏差小于3%，具有较好的适用性。卢中明等[24]通过调整白酒酒醅浸出液处理方式，建立基于液体样品近红外酒醅还原糖、酸度、酒精度的偏最小二乘法回归模型，通过模型评价指标分析，相较于固体酒醅近红外模型，该方法所建近红外模型具有更好的稳定性和精确度。
2.4 白酒的检测
近红外光谱技术在酒体中主要用于测定白酒的理化指标、风味物质及基酒等级划分，其中白酒中酒精度、总酸、总酯等常规指标的检测方法已较成熟，检测模型准确度高，而对于白酒风味物质的分析检测还有较大的研究空间。田育红等[25]利用(Kennard-Stone,KS)算法进行样本划分，建立白酒酒精度、总酸、总酯的偏最小二乘法定量分析模型，相关系数分别达到0.9995、0.9576、0.9910，通过盲样验证表明近红外检测结果可信，可用于实际生产。刘建学等[26]将近红外光谱图结合偏最小二乘法和内部交互验证法建立基酒中典型醇的快速检测模型，确定了最优光谱预处理方法和最佳谱区，建立的典型醇近红外快速检测模型的准确度、稳定性及预测性能均呈现良好。刘建学等[27]利用偏最小二乘法与傅里叶变换近红外光谱相结合，采用内部交叉验证法建立己酸、乙酸的快速检测模型，该模型效果很好，具有较高的精密度和良好的稳定性，能满足白酒生产中己酸和乙酸的快速检测要求。张卫卫等[28]对杜康白酒基酒样品中乙醛和乙缩醛进行近红外光谱建模，并对模型进行验证和评价，乙醛和乙缩醛模型验证集的决定系数(R2)分别为0.9750、0.9186，预测标准偏差分别为0.80 mg/100 mL、1.0 mg/100 mL，说明所建模型效果很好，精密度较高，稳定性良好，能满足白酒生产中乙醛和乙缩醛的快速检测要求。董新罗等[29]选取杜康基酒作为研究对象，经扫描得到182个样品的近红外光谱图并分析，选取特征谱区及最佳预处理方法，建立了白酒基酒中2,3-丁二酮、3-羟基-2-丁酮的近红外检测模型，为白酒中酮类物质的近红外光谱快速检测提供了依据。陈林等[30]通过构建白酒基酒甲酸的近红外光谱分析模型，实现甲酸的快速检测。张良等[31]通过采集基酒近红外光谱，应用主成分分析法(PCA)结合支持向量机(Support vector machine,SVM)方法对基酒样品进行质量等级分类，验证达到较好的实验效果。何超等[32]运用近红外光谱分析技术对酒头、酒尾等级划分进行可行性验证，判定结果具有一定稳定性及可信度。
3 总结与展望
随着我国白酒产业集群发展，生产承载能力的日趋饱和，走高质量发展、效益型道路成为各白酒企业的必然选择。“十四五”将是我国白酒产业高质量发展的关键时期，高质量的发展需要我们守正创新，借助现代适用先进技术，探索白酒生产辅助方式的创新，推动新一代信息技术与传统酿造技术深度融合，推进白酒产业转型升级，促进白酒品质提升，实现白酒产业高质量发展。
未来，加快白酒生产辅助工具技术改造升级，利用各种快检技术将成为行业关注的重点。近红外光谱技术在定量检测方面具备显著优势，在酿酒原料、大曲及酒醅的检测方面，行业已基本实现了较成熟的实际应用，在白酒风味物质的分析检测方面还有较大的应用空间，近红外光谱技术在白酒行业的应用将日益广泛。
随着工业4.0的提出，利用物联网技术、大数据、人工智能结合快检技术，将近红外光谱分析技术与信息技术相结合，运用近红外光谱的在线监测能力，实现白酒生产过程中相关理化指标快速检测，有助于实现白酒生产过程质量控制及工艺优化的智能化制造。因此，在红外光谱分析技术的基础上，进行针对性的在线检测技术开发，实现实时工艺参数监控是今后白酒行业的重点研究内容之一。白酒过程参数自动检测能力的提高，对于节能降耗，提高白酒品质及出酒率，进一步推动白酒产业向环境友好、资源节约型发展起到积极的作用。
微信号