基于三维荧光光谱的原酒品质评价模型建立

酒厂的生产主要采用传统的“看花摘酒”工艺,依靠工人的主观经验进行评价。实际生产中受到诸多因素的影响,导致接酒过程的不确定性,原酒品质的稳定性难以得到保证。通过采集原酒样本并配制掺加不同浓度酒尾(0.0%~2.0%)的复合原酒,进行荧光扫描得到三维荧光光谱,建立物质变化与荧光数据变化之间的联系:采取切除散射、拉曼归一化、Savitzky-Golay平滑、去除异常值等方法进行光谱预处理,通过平行因子分析将其分解为四个互不相关的组分,结合单物质荧光光谱特点进行综合相似度分析,对各组分进行了初步鉴别。结果表明,大部分酸类和酯类物质的荧光光谱与组分二相关性更大,组分二的荧光特性受酸类和酯类物质影响更大;数据集大小由781×61×164简化为4×164,达到了数据降维的效果。建立了支持向量机模型(SVM)对原酒品质进行评价,采取遗传寻优算法(GA)对支持向量机模型优化。GA-SVM模型较原始SVM模型性能有所提升,优化后的模型准确率由88.64%提升至95.45%,模型精确率由0.94提升至1.00。三维荧光结合化学计量学可以作为一种快速检测的有效手段对原酒质量进行评价,为酒厂摘酒过程实现在线检测提供支持。