一種鑒別醬香型白酒真偽度技術方法的研究

王 霓，應全紅，白德奎 *，楊 玲，朱利民，侯超華

（1.綿陽市產品質量監督檢驗所，四川 綿陽 621000；2.四川省標準化研究院，四川 成都 610031）

近紅外光是介于可見光和中紅外光之間的電磁波，美國試驗材料協會（American society for testing material，ASTM）將近紅外光譜區定義為波長范圍為780～2 526nm的光譜區（波數為12820～3959cm-1），習慣上又將近紅外光譜區劃分為短波近紅外（780～1 100nm）和長波近紅外（1 100～2 526nm）兩個區域[1-2]。

在20世紀50年代，近紅外光譜分析技術就在農副產品分析中得到應用，但由于技術上的原因，在隨后的30多年進展不大。進入20世紀80年代后，隨著計算機技術的迅速發展以及化學計量學方法在解決光譜信息提取和消除背景干擾方面取得地良好效果，加之近紅外光譜在測試技術上所獨有的特點，人們對近紅外光譜分析技術有了進一步地了解，從而進行了廣泛的研究[2-7]。

通過對近紅外技術的分析研究了解到，近紅外技術目前大多數應用于中藥材以及地里標志產品糧食中的分析檢測，并有研究報道利用近紅外檢測方法建立中藥材譜圖模型用來鑒定中藥材[8-11]。因而設想將該項技術應用于白酒真偽的鑒定，以此來建立白酒的指紋譜圖譜庫，進一步為建立白酒真偽度鑒別方法提供技術支撐。

1 材料與方法

1.1 材料與試劑

在前期實驗研究中，選擇不同年份、不同批號出廠的酒樣6個批次，生產批次覆蓋了2009—2011年，樣品以生產批號編號，具體信息詳見表1。此外對照酒樣（假酒）由白酒實驗樣品生產廠家提供。

表1 樣品信息表Table 1 Sample information

2 結果與分析

2.1 光譜的預處理

紅外原始光譜預處理的目的在于采用數學方法將噪音信號的影響降至最小，從而提高模型的準確性和可靠性，光譜預處理主要解決噪音的濾除/數據的篩選/光譜范圍的優化及消除其他因素對光譜信息的影響，為校正模型的建立和未知樣品的預測打下基礎[12-15]。因此光譜前期預處理主要包括：平滑處理、小波變換、基線校正等。

2.2 紅外光譜分析結果

對試驗樣品進行紅外光譜分析，經過對光譜的預處理得到譜圖結果詳見圖1～圖7，試驗酒與對照酒對比見圖8。

圖1 20090803樣品譜圖Fig.1 Infrared spectra of sample 20090803

圖2 20101214樣品譜圖Fig.2 Infrared spectra of sample 20101214

圖3 20111015樣品譜圖Fig.3 Infrared spectra of sample 20111015

圖4 20110105樣品譜圖Fig.4 Infrared spectra of sample 20110105

圖5 20110507樣品譜圖Fig.5 Infrared spectra of sample 20110507

圖6 20110129樣品譜圖Fig.6 Infrared spectra of sample 20110129

圖7 對照酒樣品譜圖Fig.7 Infrared spectra of control sample

圖8 試驗酒與對照酒光譜圖對比結果Fig.8 Comparison of infrared spectra results between test sample and control sample

高溫制曲是醬香型酒特殊的工藝之一，由圖1～圖6樣品紅外譜圖可知，實驗樣品在2977cm-1、2933cm-1為－CH3和－CH2－的碳氫伸縮振動峰，1452cm-1附近的峰為－CH3和－CH2－的碳氫彎曲振動峰；1646cm-1附近中強吸收峰為α-氨基酸的－COO-不對稱伸縮振動和－NH3+不對稱彎曲振動，以及附近的吸收峰為α-氨基酸的－NH3+對稱彎曲振動和－COO-對稱伸縮振動，證實試驗樣品酒中含有一定量的脂肪族α-氨基酸；1 273cm-1的中強寬峰及1 044cm-1處的弱尖峰為乙酸酯類特有的=C-O-C伸縮振動雙峰且1 452cm-1處的－CH2－的彎曲振動峰可進一步證實乙酸酯類物質的存在。因而可以得出如下結論：試驗酒樣品的紅外譜圖在2 977cm-1、2 933cm-1、1 452cm-1、1 646cm-1等多處具有較為明顯、易于區分的特征。此外，由試驗酒樣品與對照酒樣品紅外譜圖二者相比較可知，在相同的前處理方式下試驗酒樣品的紅外譜圖峰形平滑整齊，而對照酒樣品紅外譜圖則較差。將試驗酒與對照酒紅外譜圖比較（見圖8），不難發現對照酒樣品與試驗酒樣本紅外譜圖對比存在較為明顯地差異。

3 結論

研究表明將紅外光譜技術成功的應用于白酒真偽度的鑒別中，成功地詮釋了該技術在分析鑒定中的應用，并且得出了切實可行的研究結論。利用紅外光譜技術分析鑒定白酒，可以通過樣品紅外譜圖的圖形比對與樣品特征吸收峰的波數、強弱等參數相結合的方式確定出白酒真偽的差異所在，以此為依據可建立白酒真偽度鑒別的數據模型，進而確立特征指紋圖譜庫。綜上所述，利用紅外光譜分析法建立鑒定白酒真偽度的技術方法切實可行，且實際操作簡單、快捷。

[1]陳蘭珍，趙 靜，葉志華，等.蜂蜜真偽的近紅外光譜鑒別研究[J].光譜學與光譜分析，2008，28（11）：2565-2568.

[2]BI Y M,XIE Q,PENG S L.Dual stacked partial least squares for analysis of near-infraredspectra[J].Anal Chim Acta,2013,792(8):19-27.

[3]徐廣通，劉澤龍，楊玉蕊，等.近紅外光譜法測定柴油組成及其應用[J].石油學報：石油加工，2002（8）：65-71.

[4]PARDO M,SBERVEGLIERI G.Random forests and nearest shrunken centroids for the classification of sensor array data[J].Sensor Actuat BChem,2008,131(1):93-99.

[5]JAN P,BERNARD D B,NIKKO E C.Random forests as a tool for ecohydrological distribution modelling[J].Ecol Model,2007,207(2-4):304-318.

[6]HUANG X,PAN W,GRINDLE S,et al.A Comparative study of discriminating human heart failure etiology using gene expression profiles[J].Bioinformatics,2005,6(1):205.

[7]ARANA I,JARN C,ARAZURI S.Maturity,variety and origin determination in white grapes(Vitis vinferaL.)using near infrared relectance technology[J].J Near Infrared Spec,2005,13(6):349.

[8]李波霞，魏玉輝，席莉莉，等.近紅外光譜和化學計量學對不同產地不同產期當歸的定性研究[J].光譜實驗室，2011，28（4）：2128-2134.

[9]陳 波，靳保輝，梁 宏，等.近紅外光譜技術與聚類分析鑒別中國名茶[J].光譜實驗室，2012，29（5）：2901-2905.

[10]馬冬紅，王錫昌，劉利平，等.近紅外光譜技術在食品產地溯源中的研究進展[J].光譜與光譜分析，2011，31（4）：877-881.

[11]FU X P,YIN G Y B,ZHOU Y,et al.Analytical chemical acted[J].Talanta,2007,598(1):27.

[12]夏柏楊，任 芊.近紅外光譜分析技術的一些數據處理方法的討論[J].光譜實驗室，2005，23（3）：629-634.

[13]秦 浩，林志娟，陳景武.偏最小二乘回歸原理、分析步驟及程序[J].數理醫藥學雜志，2007：20（4）：450-451.

[14]葉正良，虞 科，程翼宇.一種基于小波變換的近紅外化學指紋圖譜分析方法[J].高等化學學報，2007：28（3）：441-444.

[15]張 卉，宋 妍，冷 靜，等.近紅外光譜分析技術[J].光譜實驗室，2007，24（3）：387-394.