拉曼光谱技术以其无损检测、 灵敏度高、 简便快速等独特的技术优势, 在食品安全等领域展现出良好的应用潜力。 白酒是一种非常受消费者喜欢的饮品, 在中国有着非常悠久的历史, 也是中华文化的重要组成部分, 其质量安全一直受到大家的高度重视。 市场上的一些企业为了降低成本总是会生产一些劣质的勾兑白酒来冒充品牌酒, 其品质严重的影响着大家的利益和健康, 而现行的国家检验标准中并没有明确的检测方法能够对其进行快速的辨别, 所以如果能发展一种新的方法将这些劣质的勾兑白酒快速的鉴别出来, 将会有效的保障大家的生命安全。 利用拉曼光谱技术测量了56种散装白酒和7种瓶装品牌白酒的拉曼光谱, 并以拉曼光谱中位于886 cm-1处乙醇的C-C-O伸缩振动峰为内标来对所有样品的拉曼光谱进行归一化, 从而得到所有样品的归一化拉曼光谱。 将归一化拉曼光谱不同位置的荧光背景强度和位于886 cm-1处乙醇的C-C-O伸缩振动峰强度相比较, 结果表明瓶装品牌白酒的荧光背景基本上都明显比散装白酒的要小, 可以清楚的将这两类白酒样品区分开来。 一般对于拉曼光谱的测量和分析认为荧光背景的存在不利于对实验结果的准确分析, 所以大家发展了各种方法来减小或扣除其荧光背景。 而我们的这个工作表明保留荧光背景可能会更加有利于白酒的质量检测。 这种检测方法操作和分析过程非常简单快捷。 若将该方法与便携式拉曼光谱仪相结合, 则可以为白酒质量安全提供一种有效、 快速的检测方法。

快速、 准确检测酒醅酸度, 可显著提高白酒出酒率和成品酒品质。 近红外光谱(NIR)提供了分子的倍频和合频, 即有机物中含氢基团(C-H、 N-H、 O-H)的振动信息, 通常用于样品中含氢化合物的定性和定量分析。 采用NIR能简单、 迅速的测定酒醅酸度, 克服了传统化学分析方法检测周期长、 试剂消耗大、 人为误差等不足。 由于NIR是一种间接分析技术, 如何建立校正模型是准确检测酒醅酸度的关键。 作为深度学习中的典型模型, 卷积神经网络(CNN)具有局部区域连接, 分享权值等优点, 不仅能从复杂的光谱数据中提取关键特征, 还能减少网络模型的复杂度。 因此, 提出基于CNN和NIR的酒醅酸度定量分析方法, 以某酒企生产线中采集的545个酒醅样本光谱数据作为研究对象, 采用标准正态变换(SNV)、 Savitzky-Golay (SG）滤波和一阶求导（1stD）三种算法相结合对原始光谱进行预处理; 利用无信息变量消除法(UVE)选择光谱数据的特征波长; 使用CNN建立酒醅酸度模型。 结果表明: (1)对光谱数据进行预处理后, 消除了原始光谱中的基线偏移, 噪声等问题; 经过预处理后的光谱数据模型相较于原始光谱建模, 预测集决定系数提升了22.85%, 预测集均方根误差降低了0.049 5, 提高了酒醅酸度与光谱反射率的相关性。 (2)对光谱数据进行波长筛选后所建立的模型相较于全波段建模, 预测集决定系数提升了2.04%, 预测集均方根误差降低了0.004 8。 (3)基于CNN建立的酸度预测模型, 预测集决定系数为0.955 5, 预测集均方根误差为0.039 1。 相较于偏最小二乘回归模型, 预测集决定系数提升了1.03%, 预测集均方根误差降低了0.097 6; 相较于反向传播神经网络模型, 预测集决定系数提升了1.16%, 预测集均方根误差降低了0.099 4。 该方法可实现对酒醅酸度的快速、 准确测量, 为后续酒醅酸度在线检测提供方法支撑。

随着拉曼光谱技术的快速发展, 尤其是便携式拉曼光谱仪的普及, 拉曼光谱在食品安全快速分析领域显得极为重要。 目前拉曼光谱用于白酒质量的定量分析还较少。 因为在不同乙醇浓度下, 乙醇水溶液微观结构不同, 所以其拉曼光谱会有区别。 提出一种绝对拉曼差谱分析新方法来定量分析这些光谱区别, 并用于定量获取乙醇的浓度。 把拉曼光谱进行强度归一化, 然后把待测样品的光谱减去纯乙醇的光谱, 再取绝对值就获得了绝对拉曼差谱。 绝对拉曼差谱的强度和浓度有很好的相关性。 利用这种关联测量了一系列瓶装白酒的乙醇含量。 测量值与白酒标识的度数吻合得非常好, 这也证明了绝对拉曼差谱的可靠性。 基于该方法, 系统地测量了西安市一系列散酒的拉曼光谱。 绝对拉曼差谱分析显示散酒的乙醇浓度普遍比其标识值偏低几度, 这也凸显了散装白酒需要加强监管。 实验证明利用绝对拉曼差谱技术可为白酒乙醇浓度测量提供一种快速检测方法。

本研究建立了表面增强拉曼光谱快速检测糕点及白酒中糖精钠的方法。基于溶剂萃取法, 利用二氯甲烷对糕点及白酒中的糖精钠进行提取, 制备金溶胶后将其浓缩作为增强基底, 并优化增强基底的条件来获得最佳拉曼信号。结果表明, 在1.0 mol/L稀盐酸的酸性条件下用二氯甲烷提取糖精钠, 再用0.1 mol/L氢氧化钠溶液适当调节体系酸度后将糖精钠从二氯甲烷中反萃取出来, 可获得最高提取效率; 将1.0 mol/L稀硝酸作为凝聚剂使浓缩金溶胶与糖精钠分子紧密结合后检测, 可获得响应最强的SERS信号。糖精钠在糕点和白酒中的的最低检测浓度分别为0.5 mg/kg和0.5 mg/L, 回收率在75%~120%, RSD(n=5)在3.3%~8.6%, 该方法灵敏度高, 特异性强, 前处理方式简单, 实现了糕点及白酒中糖精钠的快速检测。

假酒的快速识别在食品安全领域具有重要意义,但现有的白酒检测技术无法既快速又准确地识别市售假酒。提出一种快速辨识白酒真假的方法,即利用激光诱导荧光技术获取待测白酒的荧光光谱,调整其大小后输入深度学习算法,进而辨识其真假。实验酒样选取4个样本,包括3个品牌的2种度数的白酒,每种酒样采集100个荧光光谱,然后从每种酒样的100个光谱中随机选取80个用于深度学习算法模型的训练,剩余20个用于测试训练好的模型。结果表明:品牌不同、度数不同的白酒,其荧光光谱都存在明显差异。在模型测试中,4种酒样荧光光谱的识别率为98.44%。激光诱导荧光技术结合深度学习能准确识别出白酒的品牌与度数。

为了快速测定白酒年份酒中乙酸的体积分数, 采用3维荧光光谱结合交替拟合残差算法, 首先将不同体积分数的乙酸乙醇水溶液的3维荧光光谱作为校正集, 然后将白酒的3维荧光光谱作为预测集, 利用交替拟合残差算法进行解析分辨, 采用标准添加法来验证结果的准确性。结果表明, 预测体积分数与真实体积分数的相关系数为0.9926, 平均回收率为101.97%;3维荧光光谱结合交替拟合残差算法可以快速有效地测定白酒年份酒中乙酸的体积分数。这一结果对白酒年份酒中单体体积分数的检测是有帮助的。

为满足白酒品牌判别领域快速检测的迫切需求, 提出了一种以紫外光谱为输入, 移动窗口相关系数法为手段的白酒品牌快速判别新方法。 研究以海之蓝酒作为对象品牌, 实验结果显示各批次海之蓝酒在实验波长区间存在较高的吻合一致性, 基于紫外光谱原始谱图的相关系数值和基于移动窗口光谱计算所得的相关系数值均达到0.99以上。 由于其他洋河系列白酒与海之蓝酒均属于洋河酒厂生产, 原料来源、 生产制备工艺等存在较高的相似性, 此时若仅使用紫外光谱原始谱图数据结合相似度算法进行品牌判别, 则定量化的判别区分存在一定困难。 移动窗口法可有效提高谱图细节差异, 突出光谱在特征谱段的形状、 强度、 变化趋势差异, 提高实验谱图在细节结构差异辨认分析能力。 经过研究筛选, 发现以移动窗口相关系数结合紫外光谱特征谱段(270～295 nm)可提高洋河系列酒间的谱图差异, 实现这种有较高相似性白酒品牌的判别区分。 此外, 市售六种其他品牌白酒及乙醇作为对照组, 进一步论证了该方案的可行性。 该研究的创新之处在于提出了一种移动窗口相关系数光谱法进行白酒品牌快速判别分析的新思路, 该方法同时具备速度快, 操作简便等优点, 具有较高的实际应用潜在价值, 并可为其他食品的质量安全判别分析研究提供借鉴。

白酒基酒等级的准确评判对白酒的质量控制至关重要, 是白酒分级储存和勾兑的重要依据。 目前白酒基酒分级是在生产车间班组工人初步分级基础上, 通过专业评酒人员的人工感官审评结合气相色谱法测定主要酯类物质含量最终确定白酒基酒的等级。 人工感官审评和气相色谱分析方法繁琐, 耗时费力, 很难实现实时快速检测。 红外光谱技术具有快速分析、 无损检测及灵敏度高和重现性好等优点, 在食品品质检测领域得到广泛应用。 运用傅里叶变换红外光谱（FTIR）和衰减全反射（ATR）技术结合化学计量学方法对不同等级白酒基酒及其主要酯类化合物进行快速定性和定量分析。 采用线性判别（LDA）和误差反向传播人工神经网络（BPANN）分析模型对不同等级白酒基酒进行判别, 线性判别分析训练集和测试集总体识别率均达到100%, BPANN分析训练集和测试集总体识别率均在95%以上。 采用区间偏最小二乘法（siPLS）对四种主要酯类化合物进行定量分析, 己酸乙酯、 乳酸乙酯、 乙酸乙酯和丁酸乙酯含量的训练集模型相关系数分别为0.986 4, 0.991 5, 0.970 2和0.951 4, 测试集模型的相关系数分别为0.982 4, 0.961 9, 0.905 2和0.808 0。 结果表明, 傅里叶变换红外光谱技术结合化学计量学方法能有效实现不同等级白酒基酒的准确判别, 同时基酒中主要酯类化合物的快速检测定量模型效果良好, 能满足白酒生产中的分析检测要求, 为白酒基酒等级的快速判别提供一种客观而准确的分析方法, 有效提升白酒的智能化生产水平。