基于傅立叶变换近红外光谱的绍兴黄酒风味成分定量分析及其酒龄鉴别的研究

【外文题名】Flavor Components Quantitative Evaluation and Age Discrimination of Shaoxing Rice Wine Based on Fourier Transform Near Infrared Spectroscopy

【作者】 牛晓颖

【关键词】 绍兴黄酒 风味营养成分 酒龄 近红外

【外文关键词】 Shaoxing rice wine;flavor component;age;NIR

【导师姓名】应义斌

【学位名称】博士

【学位年度】暂无

【学位授予单位】暂无

【录入时间】2015-02-11

【全文挂接】 读秀挂接

【摘要】时，绍兴黄酒陈酿机理的不明确，致使使用近红外进行绍兴黄酒酒龄鉴别的研究难以深入进行下去，因此，对陈酿中绍兴黄酒的多项风味营养成分进行理化和近红外的研究已成为改善黄酒科研现状、提高黄酒消费档次、促进黄酒业规范化、科学化和国际化发展的迫切要求。本研究是对本课题组前期研究(基于傅立叶变换近红外的绍兴黄酒中酒精度、糖度、pH值和总酸指标定量，基酒酒龄1、2、3、4、5年陈定性鉴别)的进一步深入和拓展，目的是实现绍兴黄酒风味营养成分及其基酒酒龄(新酒1年陈、1—3年陈、5年陈和8—10年陈)和勾兑酒酒龄(3年陈、5年陈、6年陈和8年陈)的快速检测和鉴别。 本文以绍兴黄酒基酒和勾兑酒为研究对象，利用傅立叶变换近红外光谱分析技术、现代仪器分析技术和化学计量学分析方法，开展绍兴黄酒中总糖、非糖固形物、葡萄糖、异麦芽糖、异麦芽三糖、麦芽糖、潘糖、乙酸、柠檬酸和15种氨基酸的定量检测，基酒及勾兑酒酒龄傅立叶变换近红外分类鉴别及其风味成分变化机理的研究，并在此基础上建立绍兴黄酒各风味成分指标、基酒及勾兑酒酒龄快速鉴别的傅立叶变换近红外光谱分析模型。 本文的主要研究内容和研究结论如下： (1)为研究绍兴黄酒陈酿机理及建立绍兴黄酒近红外光谱指纹库，提出了十年不间断、动态研究绍兴黄酒基酒各风味成分指标的样品采集方案，以及将动态实验数据和非动态实验数据相结合研究绍兴黄酒基酒陈酿过程中风味成分和光谱变化的实验方案，设计了用于绍兴黄酒勾兑酒酒龄鉴别研究的勾兑酒配方方法。 (2)对绍兴黄酒基酒和勾兑酒样品的近红外原始光谱和预处理光谱特征进行了分析，发现基酒和勾兑酒光谱特征基本相同，均在982、1185、1460、1692、1776、1934以及2265和2302nm波长附近有比较明显的吸收峰，其中982、1185、1460、1934nm处的吸收可能与O—H基团有关，而1692、2265和2302nm处的吸收则可能与C—H基团有关，1776nm处的吸收可能与糖类成分的吸收有关，各特征峰与绍兴黄 酒中糖、酸、氨基酸等风味成分所含有的主要基团C—H、O—H、N—H等的吸收直接相关。 (3)分析了绍兴黄酒基酒1年陈，1—3年陈、5年陈和8—10年陈样品中5种糖、3种酸和16种氨基酸的含量变化趋势，发现异麦芽三糖、柠檬酸和蛋氨酸的含量可以作为区别绍兴黄酒新酒1年陈和陈酿后陈年酒(1—3年陈、5年陈和8—10年陈)的判别依据。 (4)对使用Chauvenet检验剔除光谱异常样品后的绍兴黄酒基酒新酒1年陈、1—3年陈、5年陈和8—10年陈共63个样品进行了定性分析。结果如下： 通过分析7个不同光程(0.5、1.0、1.5、2.0、2.5、3.0和5.0mm)的分类结果，发现1.0mm光程分类结果最优。 通过比较判别分析(Discriminant Analysis，DA)、判别偏最小二乘(DiscriminantPartial Least Squares，DPLS)、簇类独立软模式分类法(Soft Independent Modeling ofClass Analogy，SIMCA)和最小二乘—支持向量机(Least Squares—Support VectorMachine，LS—SVM)的分类结果，以及全波段、800—1250nm、1250—1650nm、1650—2200nm、2200—2500nm和1250—2200nm共6个波段和Savitzky—Golay滤波平滑(包括5点、15点和25点三种)、多元散射校正(Multiplictive Scatter Correction，MSC)、标准归一化(Standard Normal Variate，SNV)以及一阶和二阶微分共7种光谱预处理方法对于分类模型的优化效果，发现1.0mm光程全波段前8个主成分得分输入的LS—SVM方法判别结果最优，校正集正确率97.87％，预测集正确率93.75％，1年陈、1—3年陈和8—10年陈判别正确率为100％，5年陈判别正确率为75％。 (5)对剔除光谱异常样品的绍兴黄酒勾兑酒3年陈、5年陈、6年陈和8年陈共99个样品进行了定性分析，结果如下： 通过比较DA、DPLS、SIMCA和LS—SVM的分类结果，以及6个建模波段和7种光谱预处理方法对于分类模型的优化效果，发现1.0mm光程全波段前6个主成分得分输入的LS—SVM方法判别结果最优，校正集和预测集正确率均达到100％。 (6)对绍兴黄酒中的总糖、非糖固形物、葡萄糖、异麦芽糖、异麦芽三糖、麦芽糖、潘糖、乙酸、柠檬酸和15种氨基酸进行了定量分析，结果如下： 通过比较各指标不同光程的PLSR定量模型，发现总糖、非糖固形物、葡萄糖、麦芽糖、天门冬氨酸、苏氨酸、丝氨酸、甘氨酸、丙氨酸、缬氨酸、异亮氨酸、亮氨 酸、酪氨酸、苯丙氨酸，乙酸的0.5mm光程定量模型效果最优，潘糖2.0mm光程定量模型效果最优，赖氨酸和精氨酸2.5mm光程定量模型效果最优，异麦芽糖、异麦芽三糖、柠檬酸、谷氨酸、脯氨酸、组氨酸5.0mm光程定量模型效果最优。 使用杠杆值和学生残差的方法剔除浓度异常样品后用于总糖、非糖固形物、葡萄糖、异麦芽糖、异麦芽三糖、麦芽糖、潘糖、乙酸、柠檬酸定量分析的样品数分别为83、84、123、123、119、120、122、123、124个，用于天门冬氨酸、丝氨酸、谷氨酸、脯氨酸、甘氨酸定量分析的样品数为各90个，丙氨酸为91个，苏氨酸、亮氨酸和组氨酸为各89个，缬氨酸、异亮氨酸、酪氨酸、苯丙氨酸和精氨酸为各88个，赖氨酸87个。 使用PLSR、PCR、SMLR和LS—SVM四种定量方法建立各风味成分指标定量模型，并使用6个建模波段和7种光谱预处理方法对各模型进行优化，发现： ①使用PLSR方法的1)全波段结合25点平滑处理所建立的总糖、非糖固形物、麦芽糖、天门冬氨酸、甘氨酸、异亮氨酸、苯丙氨酸、脯氨酸定量模型，结合15点平滑处理建立的葡萄糖、潘糖、丝氨酸、丙氨酸、缬氨酸、亮氨酸、赖氨酸定量模型，结合5点平滑建立的苏氨酸模型，结合MSC校正所建立的酪氨酸模型，结合原始光谱所建立的异麦芽三糖、组氨酸模型结果最优；2)800—1250nm波段结合MSC校正的柠檬酸模型，结合SNV校正的谷氨酸定量模型结果最优。 使用SMLR方法的5个波长(958、1182、947、998和989nm)结合SNV校正的精氨酸定量模型结果最优。 使用LS—SVM方法的全波段10主成分得分输入所建立的异麦芽糖、乙酸模型结果最优。 ②各风味成分指标最优模型的校正集相关系数、交叉验证相关系数、校正误差、预测误差和交叉验证误差分别为总糖0.98677、0.96119、0.741g/L、1.1g/L和1.26g/L，非糖固形物0.98264、0.94269、1.18g/L、1.24g/L和2.12g/L；葡萄糖0.91173、0.79683、1330mg/L、1550mg/L和1950mg/L，异麦芽三糖0.97566、0.84996、223mg/L、320mg/L和537mg/L，麦芽糖0.81837、0.699、665mg/L、748mg/L和841mg/L，潘糖0.94010、0.82750、428 mg/L、506mg/L和706mg/L；柠檬酸0.98147、0.93231、224mg/L、410mg/L和423mg/L；天门冬氨酸0.96745、0.8554、109mg/L、215mg/L和226mg/L，苏氨酸0.96552、0.66033、69.6 mg/L、153mg/L、202mg/L，丝氨酸0.90998、 0.78218、201mg/L、290mg/L、304mg/L，谷氨酸0.94025、0.8184、281mg/L、377mg/L、479mg/L，脯氨酸0.96682，0.70022、244 mg/L、604 mg/L、693 mg/L，甘氨酸0.9416、0.82303、193 mg/L、305 mg/L、328 mg/L，丙氨酸0.98693、0.83257、121mg/L、450mg/L、417 mg/L，缬氨酸0.9374、0.83179、84.7 mg/L、182 mg/L、136 mg/L，异亮氨酸0.87051、0.71624、66.8 mg/L、75.9 mg/L、96.6 mg/L，亮氨酸 0.93946、0.86623、149 mg/L、266 mg/L和217 mg/L，酪氨酸0.97965、0.78817、48.8 mg/L、157 mg/L、150 mg/L，苯丙氨酸0.92269、0.77895、77.8 mg/L、157 mg/L、133 mg/L，赖氨酸0.92269、0.77895、101 mg/L、122 mg/L、167 mg/L，组氨酸0.96504、0.81526、86.9 mg/L、177mg/L、192 mg/L，精氨酸0.78312、0.72322、399 mg/L、592 mg/L和445 mg/L。校正集相关系数、预测集相关系数、校正误差和预测误差分别为异麦芽糖0.91417、0.70894、210 mg/L和264 mg/L，乙酸0.93979、0.79075、157.5 mg/L和283.6 mg/L。 使用PLSR载荷光

【外文摘要】