基于拉曼光譜-層次聚類分析的葡萄酒品質控制研究

張正勇， 李曉燁， 龍 宸， 姜逸雪， 沙 敏， 王海燕， 劉 軍*

(1.南京財經大學管理科學與工程學院，江蘇南京 210023； 2.湖南大學化學生物傳感與計量學國家重點實驗室，湖南長沙 410082； 3.浙江工商大學管理工程與電子商務學院，浙江杭州 310018)

葡萄酒是以葡萄為原料并經過特定生產工藝釀造而成的一種果酒，其營養物質含量豐富并具有多種保健功能，深受消費者的喜愛。但在釀造過程中，由于葡萄種類、產地、栽培技術、發酵工藝、保存方法、環境條件等不同，葡萄酒產品表現出品牌差異及品質差異。隨著人民生活水平的不斷提高，葡萄酒產品的生產量和銷售量逐年上升，出于經濟利益的誘惑，加之近年來葡萄酒產品產地、品種和年份概念的濫用和炒作，假冒行為、偽劣產品時有發生，對于普通消費者而言，限于經驗和鑒別技術的匱乏，常常難以做出準確的判別[1 - 2]。目前，關于葡萄酒品質鑒別控制方法，主要包括基于品酒專家的感官鑒別法和基于理化分析技術的特征物質判別法。通過對葡萄酒的色澤、澄清程度、起泡程度、香氣、滋味以及典型性的感官檢驗，品酒專家借助其豐富的經驗和專業知識積累可以對葡萄酒質量安全水平予以判別，是目前葡萄酒品質分析的重要技術手段，也是葡萄酒新產品研發、質量改進的重要技術支撐，不過面臨的風險在于品酒專家的數量有限，難以滿足龐大市場的品控需求[3 - 5]。基于理化分析技術的特征物質判別法，是通過色譜、原子吸收光譜、紫外-可見光譜、滴定分析等理化分析手段，定量分析葡萄酒所含有的如總糖、揮發酸、鐵、銅、甲醇等特征物質，以特征物質含量進行葡萄酒品質判斷。該方法可準確定量特定物質含量，可客觀評價葡萄酒產品質量等級，面臨的問題在于分析過程較為復雜，需要必要的前處理過程，耗時耗力，難以滿足葡萄酒品質快速鑒別控制的市場需求[6 - 9]。

本研究針對上述需求與問題，發展了一種基于拉曼光譜并結合層次聚類分析的葡萄酒品質控制快速檢測方法。以張裕干紅葡萄酒為例，系統分析考察了同品牌不同系列，以及不同品牌間品質差異情況，并進行了實驗參數優化，以利于模型的推廣。

1 實驗部分

1.1 實驗材料

張裕干紅葡萄酒、張裕釀酒師赤霞珠干紅葡萄酒、張裕干紅葡萄酒(佐餐級)購于煙臺張裕葡萄酒釀酒股份有限公司；王朝干紅葡萄酒購于天津王朝葡萄釀酒有限公司；長城干紅葡萄酒購于中糧酒業有限公司。

1.2 儀器與采集參數

Prott-ezRaman-D3激光拉曼光譜儀(美國，恩威公司(Enwave Optronics))。儀器參數設置：激光波長785 nm，激光功率450 mW，積分時間為1～5 s，間隔步長為1 s，波數范圍250～2 339 cm-1，分辨率1 cm-1。數據分析運算平臺：MATLAB R2016a。

1.3 數據分析方法

1.3.1層次聚類分析(1)距離度量方法：通過計算對象間距離的方法評估相似度，距離越大相似度越小。本文采用歐氏距離(基于matlab的euclid函數)、標準歐氏距離(seuclid函數)、曼哈頓距離(cityblock函數)和余弦距離法(cosine函數)。(2)創建聚類樹的方法：本文采用層次聚類分析，基本過程是首先將每個對象分作一個單獨的類，然后逐次地合并相似度高的對象或類，直到所有的對象都被分在同一類中，或者達到了終止條件則停止合并，得到最終的分類。基于層次的聚類算法將樣品聚類分析后繪成一棵聚類樹，簡單直接地展示了數據樣本間的關系以及各類的層次結構。創建系統聚類樹時不僅需要衡量不同對象之間差異，還需要計算不同類之間的距離。本文采用并分析了最短距離法(基于matlab的single函數)、最長距離法(complete函數)、平均距離法(average函數)、重心距離法(centroid函數)和離差平方和法(ward函數)。

1.3.2同表象型相關系數根據(1)距離度量方法,計算各類之間的距離以用于構建聚類樹。層次聚類分析的同表象型相關系數定義為聚類樹中獲得的相似值的同型距離之間的線性相關系數。其計算公式為：

(1)

該系數是層次聚類對數據擬合程度的標準度量，可以用來評價聚類樹結果的準確程度。采用不同的距離度量和聚類策略，將會產生不同的同表象型相關系數，該值越接近1，則聚類分析效果越理想，據此來選擇最佳距離計算方式和聚類方法[10 - 11]。

1.3.3數據歸一化由于拉曼光譜數據各樣品間在不同波數上的信號強度差別較大，為統一量綱，也為方便樣本間距離的計算，在進行層次聚類分析前對樣本數據進行歸一化處理。本文采用的是Matlab的mapminmax歸一化函數。其基本原理如下：假定minA和maxA分別為觀測信號的最小值和最大值，則最小—最大歸一化通過計算:

(2)

將x的值映射到區間[new_minA,new_maxA]中的x′。

在本文中，將數據歸一化到[0,1]區間內，即new_minA=0，new_maxA=1。

2 結果與討論

2.1 葡萄酒的拉曼光譜分析

拉曼光譜是表征分析待測物質分子振動、轉動能級的重要手段，可用于分子特征結構分析[12]。如圖1A所示是張裕干紅葡萄酒拉曼光譜圖，激光積分時間為1～5 s。可以看出:首先，隨著激光積分時間的增加，激光照射樣品的累積時間相應增加，張裕干紅葡萄酒拉曼光譜信號表現出在1 s時，出現1個熒光峰和2個弱拉曼譜峰，2 s時拉曼譜峰信號增加，熒光峰信號強度也增加，3 s及之后熒光峰信號強度進一步增強，超出了儀器的信號檢測上限并掩蓋了拉曼譜峰信號。熒光峰的出現原因在于葡萄酒成分中含有豐富的酚類、氨基酸等成分，其中富含熒光基團，在一定的激發光照射下可獲得熒光，最佳熒光激發波長約為240 nm[13]，并且有研究表明熒光峰的強度與葡萄酒的品質間存在一定的相關性[14]。本文使用的是785 nm的激光器，已經遠離紅酒的最佳熒光激發波長，但是拉曼信號本身較弱，故需使用功率約450 mW的激光，使得紅酒的熒光信號產生難以避免。拉曼光譜圖中出現的2個拉曼光譜峰，～885 cm-1可歸屬于C-C伸縮振動峰，～1 005 cm-1可歸屬于環振動峰(源自苯丙氨酸)[15 - 16]。實驗進一步觀察了張裕干紅葡萄酒6個樣品的拉曼光譜數據，同品種樣品的拉曼光譜圖間表現出較高的相似性。在同樣的實驗條件下，獲取了同品牌不同系列的張裕釀酒師赤霞珠干紅葡萄酒和張裕干紅葡萄酒(佐餐級)的拉曼光譜數據，結果顯示隨著激光積分時間的增加，張裕釀酒師赤霞珠干紅葡萄酒和張裕干紅葡萄酒(佐餐級)的拉曼光譜也表現出熒光峰和拉曼峰強度增加的趨勢，不過，在譜峰形狀、強度上，不同系列酒間存在不同。

圖1B、圖1C分別為王朝干紅葡萄酒，長城干紅葡萄酒的拉曼光譜圖，可以看出王朝干紅葡萄酒的拉曼光譜信號隨著激光積分時間的增加，表現出熒光峰和拉曼峰強度增加的趨勢，且隨著激光積分時間的增加，拉曼譜峰表現出1～4 s信號愈發清晰的現象，而到5 s時由于熒光信號增加，減弱了拉曼峰信號的清晰趨勢。長城干紅葡萄酒的拉曼光譜信號隨著激光積分時間的增加，也表現出熒光峰和拉曼峰強度增加的趨勢。上述分析表明，激光積分時間的不同，針對不同樣品體系呈現出的拉曼譜峰信息存在差異，且這種差異與各自品牌紅酒樣品間存在一致性，因此，拉曼光譜信息可用以紅酒樣品的特征表征，但具體最佳積分時間有必要進一步探討，以利于模型的實際推廣應用。

圖1 張裕干紅葡萄酒(A)、長城干紅葡萄酒(B)和王朝干紅葡萄酒的拉曼光譜圖(C)Fig.1 Raman spectra of Zhang Yu dry red wine(A)，Dynasty dry red wine(B) and Great Wall dry red wine(C)

2.2 葡萄酒的層次聚類分析

實驗進一步采用層次聚類分析法定量研究了張裕同品牌不同系列葡萄酒以及不同品牌葡萄酒在不同激光積分時間條件下的分類判別情況。如表1所示，首先針對張裕干紅葡萄酒及其同品牌不同系列的張裕釀酒師赤霞珠干紅葡萄酒，張裕干紅葡萄酒(佐餐級)，在激光積分時間4 s時的距離度量和聚類樹創建方法的同表象型相關系數值展開分析。該相關系數是層次聚類對數據擬合程度的標準度量，該值越接近1，則聚類分析效果越理想。表1結果顯示，歐式距離結合平均距離法，以及歐式距離結合重心距離法的同表象型相關系數值(即C值)可達0.9920，綜合考慮激光積分時間1～5 s情況，歐式距離結合平均距離法的聚類效果較其他方法要好。

表2所示，比較研究了歐式距離結合平均距離法在激光積分時間1～5 s條件下的聚類樹判別結果，顯示出在激光積分時間1～5 s時，識別正確率達到94.44%，其中4 s和5 s的C值均超過0.99，分別達到0.9920和0.9932。激光積分時間4 s，使用歐式距離結合平均距離法可實現優化的張裕干紅葡萄酒同品牌3個不同系列葡萄酒的判別，判別效果如圖2所示。可以看出，張裕干紅葡萄酒的6個不同樣品可有效聚類，說明本文方案適用于目標對象張裕干紅葡萄酒的品質控制鑒別使用，同時，結果也發現張裕釀酒師赤霞珠干紅葡萄酒6個樣品中，其中編號為9的樣品性質與張裕干紅葡萄酒(佐餐級)有較大相似，原因可能在于此2個系列酒間的生產工藝、原料來源等較為相近有關。

表1 不同距離度量和聚類樹創建方法的同表象型相關系數

表2 歐氏距離結合平均距離法繪制聚類樹的判別結果

表3所示，比較研究了張裕干紅葡萄酒與王朝干紅葡萄酒，長城干紅葡萄酒，在歐式距離結合平均距離法在激光積分時間1～5 s條件下的聚類樹判別結果，顯示出在激光積分時間1～4 s時，識別正確率可以達到100%，其中4 s時的C值達到0.9892，5 s時的C值達到0.9895，但是識別率出現了降低。據此，激光積分時間4 s，使用歐式距離結合平均距離法可實現優化的判別，判別效果如圖3所示。可以看出，張裕干紅葡萄酒的6個不同樣品可有效聚類，各品牌酒間也可有效區分。

表3 歐氏距離結合平均距離法繪制聚類樹的判別結果

圖2 張裕干紅葡萄酒(Ⅰ，編號為1-6)、張裕釀酒師赤霞珠干紅葡萄酒(Ⅱ，編號為7-12)、張裕干紅葡萄酒(佐餐級)(Ⅲ，編號為13-18)的聚類樹圖Fig.2 The clustering tree of Zhang Yu dry red wine(Ⅰ,No.1-6),Zhang Yu Cabernet Sauvignon dry red wine(Ⅱ,No.7-12) and Zhang Yu dry red wine(table level)(Ⅲ,No.13-18)(Euclidean distance and average distance method,laser integration time 4 s)

圖3 張裕干紅葡萄酒(Ⅰ，編號為1-6)、王朝干紅葡萄酒(Ⅳ，編號為7-12)、長城干紅葡萄酒(Ⅴ，編號為13-18)的聚類樹圖Fig.3 The clustering tree of Zhang Yu dry red wine(Ⅰ,No.1-6), Dynasty dry red wine(Ⅳ,No.7-12) and Great Wall dry red wine(Ⅲ,No.13-18)(Euclidean distance and average distance method,laser integration time 4 s)

3 結論

實驗以張裕干紅葡萄酒為主要研究對象，綜合運用儀器分析技術與模式識別技術，獲取了樣品的拉曼光譜數據，并運用層次聚類分析法，研究了張裕干紅葡萄酒同品牌3個系列間，以及與王朝干紅葡萄酒、長城干紅葡萄酒不同品牌間的快速鑒別控制情況。結果顯示張裕干紅葡萄酒同批次間性質相似度高，可有效聚類，優化方案顯示激光積分時間4 s，使用歐式距離結合平均距離法可實現張裕干紅葡萄酒同品牌3個不同系列葡萄酒，以及不同品牌葡萄酒間的高效判別。實驗結果有效的論證了新快檢方法的應用潛力，并具有采樣速度快，無需樣品前處理，計算機處理簡單，智能化程度高等優點。