一种基于近红外在线检测酒曲原料水分含量的方法

摘要

本发明涉及近红外在线检测技术，其公开了一种基于近红外在线检测酒曲原料水分含量的方法，解决传统烘干法检测方案存在的检测过程冗长，消耗大量财力物力，实时性差的问题。该方法首先分别采集酒曲原料润水小麦颗粒及粉末近红外光谱数据，并对润水小麦颗粒与润水小麦粉末光谱数据进行等量拟合，计算获取等量拟合公式，然后采用传统经典烘干法对同一批润水小麦粉末进行水分标定，建立润水小麦粉末近红外光谱数据与水分标定值之间的光谱模型，最后在线采集待检测润水小麦颗粒的近红外光谱数据，通过等量拟合公式计算出该颗粒对应的粉末光谱数据，进一步采用粉末光谱模型对其进行实时预测。

说明书

技术领域

本发明涉及近红外在线检测技术，具体涉及一种基于近红外在线检测酒曲原料水分含量的方法。

背景技术

在现代酿酒技术中，酒曲已经成为不可或缺的中间材料。酒曲上生长有大量的微生物及微生物所分泌的酶(淀粉酶、糖化酶和蛋白酶等)，酶具有生物催化作用，可以加速将谷物中的淀粉，蛋白质等转变成糖、氨基酸的速度。糖分在酵母菌的酶作用下分解成乙醇，即酒精。同时，酒曲本身包含有淀粉和蛋白质，也是酿酒的原料。可以说正是酒曲的加入极大程度提高了酿酒效率与酒水质量。

酒曲是多种微生物的复合，是酿酒发酵的原动力，酒曲的好坏直接影响着酒的质量和产量。要酿酒则需要先制曲，制曲实际上是扩大培养酿酒微生物的过程。具体过程为小麦→润水→磨碎→加水拌和为混曲→装入曲模→踏曲→入制曲室培养→翻曲→堆曲→出曲→入库贮藏→成品曲。

在制曲的过程中又尤其以小麦润水过程最为重要，小麦润水是制曲过程的第一步，对后续制曲过程均存在较大影响，其润水程度直接影响成品酒曲质量，而目前对润水程度(水分含量)的检测手段主要为传统的烘干法，具体流程为：车间取样→磨粉→烘干6小时→计算烘干前后质量比→获得水分占比。不仅过程冗长复杂，消耗大量的财力物力，而且耗时长，对当日的制曲原料无法起到改善作用，仅能指导次日的工艺改善，实时性差。

发明内容

本发明所要解决的技术问题是：提出一种基于近红外在线检测酒曲原料水分含量的方法，解决传统烘干法检测方案存在的检测过程冗长，消耗大量财力物力，实时性差的问题。

本发明解决上述技术问题采用的技术方案是：

一种基于近红外在线检测酒曲原料水分含量的方法，包括以下步骤：

S1、分别采集润水小麦颗粒样品及对应粉末样品的近红外光谱数据；

S2、对润水小麦颗粒样品与对应粉末样品的光谱数据进行等量拟合，计算获取等量拟合公式；

S3、采用烘干法对同一批润水小麦粉末样品进行水分标定；

S4、建立润水小麦粉末的近红外光谱数据与水分标定值之间的光谱模型；

S5、在线采集待检测润水小麦颗粒的近红外光谱数据，通过等量拟合公式计算出该颗粒对应的粉末光谱数据，然后所述光谱模型预测出水分含量。

进一步的，步骤S1中，所述分别采集润水小麦颗粒样品及对应粉末样品的近红外光谱数据，具体包括：

选取m个批次、且各批次等量的润水小麦颗粒作为原始基准样品；

将每个批次选取的润水小麦颗粒均分为三份，其中一份作为润水小麦颗粒样品，另外两份均进行打碎磨粉，打碎磨粉后，其中一份粉末作为润水小麦粉末样品，另一份粉末作为烘干法的水分标定样品；

采用近红外光谱仪分别采集m个批次的润水小麦颗粒样品和润水小麦粉末样品的光谱数据，则共获得m条润水小麦颗粒样品光谱数据和m条润水小麦粉末样品光谱数据，每一条光谱数据实际表示为n个波长点上的光强值矩阵，其中n为近红外光谱仪的波长点个数；所述m为大于等于1的整数。

进一步的，步骤S2中，所述对润水小麦颗粒样品与对应粉末样品的光谱数据进行等量拟合，计算获取等量拟合公式，具体包括：

对于近红外光谱仪波段范围中的第i个波长点，m批次的润水小麦颗粒光强值为P

则对于近红外光谱仪的n个波长点，可获取到n个拟合系数，分别为α

针对某单一批次的润水小麦，设定其颗粒的光谱数据为S＝(S

(D

进一步的，步骤S3中，所述采用烘干法对同一批润水小麦粉末样品进行水分标定，具体包括：

采用烘干法对步骤S1中获取的m份水分标定样品进行水分标定，获得m个水分标定值。

进一步的，步骤S4中，所述建立润水小麦粉末的近红外光谱数据与水分标定值之间的光谱模型，具体包括：

将m条润水小麦粉末样品光谱数据与获取的m个水分标定值进行逐一对应，再通过偏最小二乘法进行光谱建模，获得润水小麦粉末光谱模型。

本发明的有益效果是：

该方法通过传统经典烘干法对润水小麦粉末进行水分标定，与润水小麦粉末光谱数据进行光谱建模，进一步通过等量拟合公式将在线实时检测的润水小麦颗粒光谱数据转换为粉末光谱数据，保持样品形态一致性，进一步结合粉末光谱模型进行光谱预测，有效提高光谱预测准确率，同时也解决了传统经典烘干法过程冗长，消耗大量财力物力，实时性差的问题。

附图说明

图1是本发明实施例中的基于近红外在线检测酒曲原料水分含量的方法流程图。

具体实施方式

本发明旨在提出一种基于近红外在线检测酒曲原料水分含量的方法，解决传统烘干法检测方案存在的检测过程冗长，消耗大量财力物力，实时性差的问题。该方法首先分别采集酒曲原料润水小麦颗粒及粉末近红外光谱数据，并对润水小麦颗粒与润水小麦粉末光谱数据进行等量拟合，计算获取等量拟合公式，然后采用传统经典烘干法对同一批润水小麦粉末进行水分标定，建立润水小麦粉末近红外光谱数据与水分标定值之间的光谱模型，最后在线采集待检测润水小麦颗粒的近红外光谱数据，通过等量拟合公式计算出该颗粒对应的粉末光谱数据，进一步采用粉末光谱模型对其进行实时预测。

实施例：

如图1所示，本实施例中的基于近红外在线检测酒曲原料水分含量的方法包括以下步骤：

步骤101、分别采集润水小麦颗粒样品及对应粉末样品的近红外光谱数据；

在近红外光谱分析技术的实际应用中，当样品数量达到300个，即对应300条光谱数据时所建立的光谱模型便拥有良好的稳定性与预测能力，由此需要分别采集酒曲原料润水小麦颗粒及粉末各300条光谱数据作为原始数据。

在一个具体示例中，选取300个批次的润水小麦作为原始基准样品，每个批次的润水小麦300克，将每个批次的润水小麦颗粒平均分为3份，选取100克润水小麦颗粒样品作为近红外待采集样品，剩余的2个100克基准样品进行打碎磨粉，其中的100克润水小麦粉末作为近红外待采集样品，另100克润水小麦粉末作为传统经典烘干法的水分定标样品。

则一共获得：用于作为近红外待采集样品的300份(每份100克)润水小麦颗粒样品、用于作为近红外待采集样品的300份(每份100克)润水小麦粉末样品、用于作为传统经典烘干法的水分定标样品的300份(每份100克)润水小麦粉末样品。

本实施例中采用的近红外光谱仪的波段范围为1200nm～1800nm，分辨率为10nm，波长点的分布方式为波长均分式，具体包含的波长点个数为K＝1+(1800-1200)/10＝61个，则可以知道每一条光谱数据实际表示为61个波长点上的光强值矩阵。

步骤102、对润水小麦颗粒样品与对应粉末样品的光谱数据进行等量拟合，计算获取等量拟合公式；

由于传统经典烘干法对水分含量进行标定时采用的样品为润水小麦粉末，而实际制曲产线上的酒曲原料为润水小麦颗粒。如若直接采用润水小麦颗粒光谱数据与传统经典烘干法获取的水分标定值进行光谱建模，则会由于样品形态不同而严重影响预测准确率，由此需要将润水小麦颗粒与润水小麦粉末光谱数据进行等量拟合，计算获取等量拟合公式用于两种形态光谱数据之间的转换，从而保持建模样品形态与预测形态一致，有效提升光谱预测准确率。

在本实施例中，同一批次的润水小麦由于原料相同，润水时间相同，则可以判断润水小麦的含水量也相同。由步骤101可知，润水小麦颗粒及粉末的近红外光谱数据均表示为61个波长点上的光强值矩阵，同时由于润水小麦颗粒与润水小麦粉末数量相等，采用等量拟合的方式对两者光谱数据进行处理，计算获取等量拟合公式实现润水小麦颗粒光谱数据与润水小麦粉末光谱数据之间的相互转换，等量拟合的具体实现方式为：

设定波长点为1200nm时，300批次的润水小麦颗粒光强值为P

同理可以计算出波长点为(1210nm，1220nm，……1800nm)时，对应的拟合系数为(α

针对某单一批次的润水小麦，设定其颗粒的光谱数据为S＝(S

(D

步骤103、采用烘干法对同一批润水小麦粉末样品进行水分标定；

传统经典烘干法是最为常用的水分含量计量方法，其优势在于准确度高，其劣势在于耗时长，过程冗长复杂，采用传统经典烘干法对同一批次的润水小麦粉末进行水分标定可以最大程度的保证水分标定值的准确度。

在本实施例中，近红外实时在线检测分析技术的光谱建模过程中，对用于建模的样品定标准确度起着至关重要的作用，如果建模样品本身的定标偏差较大，则极容易将此偏差引入近红外光谱模型中进而引起待测样品的真实水分含量值与近红外预测值偏差较大，预测效果差的问题。由此，在本专利中采用传统经典烘干法对近红外光谱采集的同一批次润水小麦进行水分标定，水分标定的具体过程为：同一批次润水小麦粉末→烘干6小时→计算烘干前后质量比→获得水分占比。对300批次的润水小麦粉末进行逐一传统经典烘干法定标，获取300个水分标定值。

步骤104、建立润水小麦粉末的近红外光谱数据与水分标定值之间的光谱模型；

本步骤中，将300条润水小麦粉末光谱数据与传统经典烘干法获取的300个水分标定值进行逐一对应，再通过偏最小二乘法进行光谱建模，获得润水小麦粉末光谱模型。

偏最小二乘法为最常用的光谱数据建模方法，也是最为契合润水小麦光谱数据特点的线性拟合方法，对于润水小麦粉末，采用SG二阶求导的预处理方式来消除基线漂移、平缓背景干扰的影响，同时提供比原始光谱更高的分辨率和灵敏度，提高光谱模型效果。在实际的建模过程中，每一条光谱数据都对应一个水分标定值，即每一批次的润水小麦分为三个部分，分别作用为提供颗粒与小麦的近红外光谱数据以及通过传统经典烘干法进行水分标定，通过偏最小二乘法将300批次的润水小麦粉末光谱数据与传统经典烘干法获得的300个水分标定值进行线性拟合，得到润水小麦粉末的光谱模型，用于实时在线对制曲产线上的润水小麦进行水分含量预测。

步骤105、在线采集待检测润水小麦颗粒的近红外光谱数据，通过等量拟合公式计算出该颗粒对应的粉末光谱数据，然后所述光谱模型预测出水分含量。

在实际制曲生产线上，酒曲原粮润水小麦的形态为颗粒状，而并非传统经典烘干法所对应的粉末状形态，为了保持形态的一致性，提高光谱预测准确率，需要将颗粒状润水小麦光谱数据通过等量拟合公式进行计算出与之对应的粉末光谱数据，进而采用润水小麦粉末光谱模型进行实时预测，获取水分含量预测值，对制曲工艺提供实时指导数据。

在本实施例中，在实际制曲生产线上采集的待测润水小麦颗粒的光谱数据设定为T＝(T

最后应当说明的是，上述实施例仅是优选实施方式，并不用以限制本发明。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出若干修改，等同替换、改进等，均应包含在本发明的保护范围之内。