啤酒酒精含量测定研究进展.docVIP

啤酒酒精含量测定研究进展 　　【摘 要】对啤酒的酒精含量检测技术的应用研究进展作一综述。内容包括非蒸馏法、基于BP神经网络、偏最小二乘法、气相色谱法及正交信号校正（OSC）在啤酒酒精度近红外光谱分析中的应用，对各种方法的实验结果做了分析，对进一步研究啤酒酒精度测定方法的发展有很大的参考价值。 　　【关键词】BP神经网络；最小二乘法；酒精度；气相色谱法 　　0 引言 　　啤酒工业是中国食品工业中重要的一个产业部门。据统计目前中国的啤酒年产量达2300多万吨，居世界第2位。中国啤酒企业有800多家，1500多个品牌。啤酒在出厂前必须提供酒精度、原麦汁浓度、总酸、双乙酰以及CO2 的含量等5项质量指标。酒精度是影响啤酒质量的一个重要的理化指标。如何对其进行快速准确的测定对降低成本提高产品质量都具有重要的意义. 　　1 基于BP神经网络的啤酒酒精度近红外光谱快速检测[1-2] 　　BP（Back.Propagation Network）算法的原理是一种误差反向传播算法，给网络各种训练样本，把网络的实际输出和正确的目标值相比较，然后根据偏差情况修改各节点的连接权重，网络不断朝误差减小的方向进行变化，直到输出值与正确的目标值的偏差满足工作所需要的精度。设计的BP神经网络分3层，即输入层、隐含层和输出层，采用Sigmoid激发函数。在利用人工神经网络进行建模之前，首先要对近红外光谱数据进行压缩和降维，用它压缩的主成分作为BP神经网络输入。 　　采用美国Perkin―Elmer公司Spectrum GX傅里叶变换红外光谱仪，InGaAs检测器，2mm的石英样品池。m波长范围内，对原始光谱进行二阶导数预处理，然后进行主成分分析。建立PCA―BP校正模型，根据预测效果选择最佳主成分数，并与PLS模型最佳主成分数进行了比较.BP神经网络是通过输入与输出之间的不断循环迭代建立起的一种基于连接权重的非线性关系。 　　2 基于偏最小二乘法的啤酒的酒精度的近红外光谱法测定[3] 　　2.1 原理 　　遗传算法（Genetic Algorithms，GA）算法是由John Holland于1975年首先提出的一种仿生优化算法，是建立在自然选择和进化概念基础上的一种非导数的随机优化方法。GA算法基于生物进化论和遗传学说，针对采用偏最小二乘法（Partial Least Squares，PLS）建立近红外光谱预测模型时波长筛选问题，提出将相关系数法与相结合提取光谱有效信息，基于相关系数法，选取相关系数r大于阈值的波长参加预测模型的建立，基于遗传算法，对所有波长编码，每个波长作为1个基因，对基因进行0-1二进制编码，若编码是，1，建模时包括此波长；若为0，则反之。1种0-1编码组合称为1条染色体，其长度为被编码的波长数。提高预测模型的精度的方法。结果表明：该方法应用于啤酒酒精度近红外光谱检测中，吸收光谱和一阶导数光谱的预测建模的波长个数分别减少了83%、82%，预测平均相对误差分别降低了0.42%，0.64%，不仅简化、优化了模型，而且增强了预测建模型的预测能力，是一种采用PLS法建立预测模型前行之有效的降低和优选波长的方法.。 　　2.2 实验部分及数据处理 　　对啤酒样品利用Vector22/N型傅里叶变换近红外光谱仪，波数范围为4000-15000cm-1。自行配制80个标准样品作为校验集，29个标准样品作为预测集。每个1样品分别连续测定3个近红外光谱。光谱数据依次进行基线校正和17点移动平滑处理，然后每个样品的3个光谱取一平均光谱。最后，利用定量分析软件包，输入校验集的标准光谱和相应的数据，选定适当的预处理方法后用PLS计算程序在Windows2000下进行运算。实验结果表明：啤酒酒精度（V%）的最大绝对偏差仅为0.05，平均绝对偏差只有0.012，最大相对偏差1.20%，平均相对偏差只有0.25%，其预测模型对酒精、原麦汁和总酸的预测结果是满意的。 　　3 基于气相色谱法的啤酒酒精度的快速测定[4] 　　原理：试样进入气相色谱仪中的色谱柱时，由于在气固两相中吸附系数不同，而使乙醇与其他组分得以分离，利用氢火焰离子化检测器进行检测，与标样对照，根据保留时间定性，利用内标法定量。 　　采用All级乙醇和AR级异丙醇试剂，色谱柱长2m，内径3mm的玻璃柱，柱材料为chlomosorb GDX―102 60-80目用泵抽法装柱，于240℃通氮老化24小时，所用的色谱条件为：柱温200℃，汽化室与检测器240%，载气为N2流量为40ml/min，空气0.5kg/cm2，氢气0.5kg/cm2。采用超级恒温水浴，称取经双层中速滤纸过滤脱气的啤酒，于10ml容量瓶中，准确添加正丙醇（内标）0.5ml，混匀后即可供进样