基于NIR和GC-MS融合技术的浓香型白酒原酒等级鉴别

以蒸馏过程中不同等级的浓香型白酒原酒为研究对象,分别获取原酒的近红外光谱(nearinfrared spectroscopy,NIR)数据和气相色谱-质谱(gas chromatography-mass spectrometry,GC-MS)数据。采用5点2次卷积平滑对NIR数据进行预处理后,利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)筛选光谱特征波数;结合Spearman等级相关系数、最大信息系数和随机森林变量重要性筛选GC-MS中影响原酒等级划分的关键风味成分(key flavor components,KC)。然后利用极端梯度提升树分别建立基于NIR和GC-MS以及融合数据的原酒等级鉴别模型。结果表明,基于CARS选择的光谱特征变量建立的模型预测准确率为89.66%,基于特征选择后的KC建立的模型预测准确率为94.83%,基于CARS+KC融合数据建立的模型分类准确率达到了98.28%。研究表明,将GC-MS数据和NIR数据的有效特征信息进行数据融合,可以改善单一检测技术对不同等级原酒特征信息表征不全面的缺点,在单一数据源的基础上提高原酒等级鉴别的准确率和稳定性,实验结果为原酒的等级鉴别以及白酒其他的质量控制提供了新的思路和理论基础。