赤霞珠酿酒葡萄总酚含量的近红外光谱定量分析

摘要

酿酒葡萄中的总酚含量是影响葡萄品质的重要指标,也是影响葡萄酒质量的关键因素.为了快速准确地检测赤霞珠葡萄的总酚含量,利用近红外光谱技术结合GA-ELM预测模型对赤霞珠葡萄总酚含量进行预测研究.试验采用5个收获期(每期采集40串,每串取10个)的赤霞珠葡萄,采集200组葡萄的12500～4000 cm-1波段范围内的近红外光谱.基于福林酚比色法原理对赤霞珠葡萄的总酚含量进行测定,使用SPXY算法将样品按照3:1比例分为校正集和预测集,共计150个校正集和50个预测集.分别采用多元散射(MSC)、标准正态变换(SNV)、数据中心化(MC)、移动窗口平滑(MA)和一阶导数+SG方法对原始光谱进行预处理,优选出最佳的预处理方法为MSC.并进一步采用竞争性自适应重加权算法(CARS)、遗传算法(GA)、联合区间偏最小二乘算法(si-PLS)和连续投影算法(SPA)分别对光谱波段进行提取,经对比分析发现CARS提取的69个特征波长数据能有效提高模型的稳定性和预测结果.在MSC预处理和特征波长提取的基础上,引入极限学习机(EL M)算法,建立赤霞珠葡萄总酚含量的预测模型,在总酚含量预测过程中,采用遗传算法(GA)对ELM模型进行优化,并探究了不同的激活函数和隐含层神经元个数对GA-ELM模型预测能力的影响,确定最优的激活函数为Sigmoidal,最优的神经元个数为50个.最后,将ELM和GA-ELM模型的预测能力进行对比,结果显示GA-ELM模型的预测能力高于ELM模型的预测能力,其中MSC+CARS+GA-ELM模型预测能力最好,校正相关系数(Rc)为0.9017,预测相关系数(Rp)为0.9013,校正均方根误差(RMSEC)为2.1124,预测均方根误差(RMSEP)为1.6868,剩余预测偏差(RPD)为2.3080.研究结果表明:利用近红外光谱技术结合变量优选建立的GA-ELM模型可实现对赤霞珠葡萄的总酚含量的预测,为赤霞珠葡萄品质的检测奠定了理论基础.