[发明专利]利用近红外光谱快速检测白酒中主要成分的方法

说明书

技术领域

本发明涉及一种白酒中主要成分的检测方法，特别涉及一种采用近红外光谱快速检测白酒中主要成分的方法。

背景技术

白酒的化学成分复杂，测定这些指标，需要涉及到复杂的化学方法，如液相色谱仪、紫外可见分光光度计、天平和烘箱等多种仪器，样品分析必须在实验室条件下进行，检测报告需要几天的时间才能得到。

发明内容

本发明要解决的技术问题是：提供一种采用近红外光谱快速检测白酒中主要成分的方法，以解决现有技术检测时间长的问题。

本发明的技术方案是：利用近红外光谱快速检测白酒中主要成分的方法，包含以下步骤：

（1）收集白酒样品,编号后,密封冷藏；

（2）近红外光谱的采集：基于Workflow设定标准工作流程（SOP）和分析方法，采集白酒样品透射光谱图；

（3）模型的建立：使用TQAnalyst光谱分析化学计量学软件，建立起近红外光谱图与标准方法对同一样品测量出了的数据之间的数学模型；

（4）模型的验证：按照与第2步完全相同的方法，在近红外仪器

上测量新的白酒样品，并用第4步建立好的模型进行测量，与按照国标标准方法测量的结果进行比较。

所述步骤（2)中采集参数为：分辨率7cm-1，扫描次数50次，光谱范围10000-3800cm-1。

所述步骤（4）中建数学模型所用算法为偏最小二乘法。

本发明的有益效果：利用本发明的方法能快速的检测出样品的成分，而且本方法是建立在标准检测方法的基础之上的，所以其检测结果准确真实可靠。

具体实施方式

（1）白酒样本的准备：收集了白酒样品，编号后，密封冷藏。

（2）近红外光谱的采集：基于Workflow设定标准工作流程（SOP）和分析方法，采集白酒样品透射光谱图。采集参数为：分辨率7cm-1，扫描次数50次，光谱范围10000-3800cm-1。

（3）模型的建立：使用专门的化学计量学软件TQAnalyst7.1，建立起近红外光谱图与标准方法测量出了的数据之间的数学模型；建模所用算法选用PLS(偏最小二乘)。近红外光谱定量分析模型的建立属于化学计量学的范畴。在近红外光谱定量分析中，最常使用的多元校正算法有多元线性回归（MultiLinearRegression,MLR）、逐步多元线性回归（Step-wiseMultiLinearRgression,SMLR）主成分回归（PrincipalComponentRegression,PCR）、偏最小二乘回归（PartialLeastSquares,PLS）等。早期的近红外光谱定量研究较常使用MLR方法，因当时的光谱仪是采用滤光片分光，波长数相对较少。当新一代近红外光谱仪可在近红外全部波段采集光谱后，PCR与PLS法较MLR法获得更广泛的应用。

偏最小二乘回归（PLS）的优点是：可以使用全谱或部分谱数据；数据矩阵分解和回归交互结合，得到的特征向量直接与样品性质相关；模型更为稳健；可对由于光散射和其它组分带来的干扰做出补偿；可以适用于复杂的分析体系。缺点是：模型质量容易受到奇异点的影响；模型建立过程较复杂，较抽象，较难理解。

（4）模型的验证：按照与第2步完全相同的方法，在近红外仪器

上测量新的白酒样品，并用第4步建立好的模型进行测量，与按照国标标准方法测量的结果进行比较。实验结果表明，利用该模型测量出来的结果与标准方法测量出的结果吻合。