1 基本原理 近红外光谱分析技术是二级分析方法, 即必须建立近红外分 析的模型对未知样品进行分析。近红外光谱分析的基本原理是: 选择代表性的分析样品(如酒醅)组成建模样品集,力博仪器仪表用经典方 法测定其中要分析组分或指标(如酸度、水分、淀粉和残糖等)的化 学分析值,再将这些样品在近红外光谱仪上用规范的方法测定其 近红外吸收光谱,使用化学计量学软件将这些样品的近红外光谱 与其对应的化学分析值关联,得到要分析组分或指标的近红外分 析模型。利用所建立组分或指标的模型预测未知样品的近红外光 谱图,可以同时得到这些组分或指标(如酸度、水分、淀粉和残糖 等)的近红外分析结果。 建立不同组分或指标的模型进行优化(包括选择与该组分或 指标相关的最佳谱区范围、最佳光谱预处理方法及最佳化学计量 学参数),在优化模型的同时对模型进行检验,以确保模型最优。 检验模型最常用的方法是内部交叉检验,所渭内部交叉检验 是每次从建模样品集中依次剔除n个样品,用剩下的样品建立模型 预测被剔除的n个样品。所有样品都被剔除并预测过j.udele.cn。预测值与其 化学分析值进行统计分析,主要考察预测值与化学分析值的决定 系数(R )和均方差(RMSECV)。 决定系数( )和均方差(RMSECV)的计算公式如下: ,f1 、} <100 尺脚c =J Σ一(D ri)2 / 其中:Diferi表示第 个样品的化学测定值和交叉证实测定值 之差。 是第 个样品的化学分析值, 是所有样品的化学分析值的 从以上公式可看出,样品集中组分的最大值和最小值之间差 值越大,决定系数(R )越大。 ASTM查询 谜语查询 IQ测试 新华字典在线查字
因此在优化模型时对同一样品集的同 一组分决定系数(R )越大,均方差(RMSECV)越小,模型越好。
2 仪器设备 布鲁克光谱仪器公司生产的VECTOR 22/N型傅立叶变换近 红外光谱仪,配备内径10 cln专门分析不均样品的镀金积分球,光 斑向上,光斑直径2 cm,用于水平测试样品,镀金背景,直径9 cm的 样品旋转器和样品杯,不锈钢的压样制样器。 布鲁克光谱公司的OPUS光谱软件,成语大全 歇后语查询 周公解梦近红外定量分析软件包 (包括PLS算法),控制近红外光谱仪的通用计算机。 五粮液集团公司车间化验室分析酒醅中水分、酸度、淀粉和残 糖的常规仪器。
3 样品和常规化学测试指标 从车间化验室采集酒醅样品555个,其中出窖样品157个,入窖 样品398个。出窖样品分析指标为水分、酸度、总淀粉和残糖,入窖 样品分析指标为水分、酸度和总淀粉。 以上样品的各项指标都经过车间化验员分析,该组样品作为 建模切I练集。
4 样品测试和分析结果
4.1 近红外光谱测试 利用不锈钢压样制样器在样品杯内制样,以保证测试光谱的 ~ 致性。将制好的样品放到样品旋转器中在近红外仪器上测试其 吸收光谱,光谱测试条件如下: 光谱测试谱区范围:12000~4000 cm一。光谱分辨率:8cm一。扫 描次数:64次。
4.2 建立教学模型 用人窖样品398个建立水分、酸度、淀粉的人窖模型,用出窖样 品157个建立出窖酒醅的模型,在傅立叶变换红外光谱仪上样品进 行扫描,并利用专用近红外定量分析软件进行分析,分析过程利用 交叉证实对模型进行验证(见图1)。利用预测值和化学分析值计算 决定系数R!和标准差(RMSECV)(见表1、表2)。 兰是 舌 詈 罢 曷一 皇昌 黾 詈 言 导 d 表1 图1 酒醅的傅立叶变换近红外吸收光谱图 入窖酒醅中3种指标内部交叉证实的决定 系数(R。)和标准差(RMSECV) 表2 出窖酒醅中4种指标内部证实的决定 系数(R )和标准差(RMSECV) 4.3 模型的检验 近红外光谱仪和化学分析对同一样品进行8次精度测试.结果 见表3,准确性实验结果见表4。 表3 近红外光谱仪精度测试 化学值磊萋平均值 预测值 平均值絮 淀粉 淀粉 21.56 0 55 21 2 2.59 21 92 0.16 21 76 0 74 2l 85 21 80 21 75 21.85 20 71 21 99 20.71 21 63 20.62 21 74 21.65 21.67 20 71 21.51 水分 水分 52.6 0 18 52.56 0 33 52 33 0 32 52.71 0 61 52.5 52.39 52.8 52.60 52.6 52.50 52.5 52 62 52 2 53.05 52.6 53.10 52 7 53.12 酸度 酸度 2 67 0 13 2.72 4.78 2.72 0 09 2.73 3.15 2 72 2.60 2.72 2.88 2 87 2.82 2 82 2.68 2.87 2.75 2 52 2.71 2.57 2 69 从表3可以看出,近红外光谱仪的测定精度明显好于常规检测 方法测定的精度。化学值测定同一样品的波动范围要大于近红外 测定的波动范围。 从表4可以看出,酸度、淀粉测定的准确性较好,对水分的准确 性较差一点。基本能满足对酿酒生产半成品检验的要求。 以上结果完全能够满足酿酒生产领域的应用。如果进一步提 高常规化学分析数据保留的有效数字,近红外的模型检验效果会 更好一些。
5 结论
通过本次应用实验可以得出,近红外在酿酒业中对酒醅的检 测能做到快速分析,近红外检测一个样品仅需要不到5 min就可以 完成,每天按8 h计可做300个样品,而且不需消耗任何化学试剂. 无需样品的前处理,而常规方法检测一个样品需4~5 h,效率是常 规检测的60倍,如在酒醅检测工作中采用近红外光谱仪方法,为酿 酒车间解决在酿酒过程中的配料问题,提供及时、可靠的数据,并 能节约大量的人力和物力,降低生产成本(一个车间化验室年物耗 为4~5万元),还解决了常规化学分析中带来的化学污染等问题。 由于近红外光谱仪分析方法的准确性依赖于化学常规分析的 酿酒斛技
文章评论(0条评论)
登录后参与讨论