[发明专利]一种葡萄酒近红外光谱检测方法

权利要求书

1.一种近红外检测葡萄酒成分的方法，其特征在于，所述方法是利用近红外光谱仪采集多个葡萄酒样品的近红外光谱，对光谱进行预处理后，使用蒙特卡罗无信息变量消除法和遗传算法对变量进行筛选，选出的特征波长进行概率偏最小二乘分析，建立MC-UVE-GA-PPLS模型；当检测未知葡萄酒样品时，先进行红外光谱检测，再将特征变量下的吸光度导入MC-UVE-GA-PPLS模型，既能得到待检测葡萄酒样品成分含量。

2.根据权利要求1所述方法，其特征在于，所述特征变量是根据变量的稳定指数进行筛选的。

3.根据权利要求1所述方法，其特征在于，所述方法用来检测葡萄酒的酒精度、总酚含量或者总糖含量。

4.根据权利要求3所述方法，其特征在于，所述方法用来检测葡萄酒酒精度时，所选特征变量的波数是4018.93cm^-1、4022.78cm^-1、4026.64cm^-1、4234.91cm^-1、4238.77cm^-1、4242.63cm^-1。

5.根据权利要求1所述方法，其特征在于，所述近红外光谱是在1000-2500nm下采集得到。

6.根据权利要求1所述方法，其特征在于，所述近红外光谱经过以下一种预处理方法或任一两种预处理方法结合进行预处理：Savitzky-Golay九点平滑、多元散射校正、基线校正、一阶导数或二阶导数预处理方法。

7.根据权利要求1所述方法，其特征在于，所述方法包括如下步骤：

(1)选择不同产地不同品种的葡萄酒作为实验样本；

(2)测定葡萄酒样品的待测物质的含量，使用近红外光谱仪采集葡萄酒样品的近红外光谱，并对光谱进行预处理；

(3)将样本随机分为训练集和预测集，把训练集样本的近红外数据导入matlab中，使用MC-UVE和GA算法对变量进行筛选，选出的特征波长进行PPLS分析，建立待测物质含量的回归模型，根据模型的校正均方根误差值判断模型的可靠性；

(4)使用所建模型对预测集样本的待测物质含量进行预测，计算预测集样本预测值和实测值的相关性以及预测集的预测均方根误差，以此来判断模型的预测性能；

(5)取待测样品，按照步骤(2)中的光谱测量条件采集待测样品的近红外光谱数据，并进行预处理后导入预测模型中，经模型运算，即可得到未知葡萄酒样品的成分含量。

8.根据权利要求7所述方法，其特征在于，所述方法包括如下步骤：

(1)选择不同产地不同品种的葡萄酒作为实验样本；

(2)使用酒精计法测定葡萄酒样品的酒精度，使用近红外光谱仪采集葡萄酒样品的近红外光谱，并对光谱进行预处理；

(3)将样本随机分为训练集和预测集，把训练集样本的近红外数据导入matlab中，使用MC-UVE和GA算法对变量进行筛选，选出的特征波长进行PPLS分析，建立酒精度回归模型，根据模型的校正均方根误差值，判断模型的可靠性；

(4)使用所建模型对预测集样本的酒精度进行预测，计算预测集样本预测值和实测值的相关性以及预测集的预测均方根误差，以此来判断模型的预测性能；

(5)取待测样品，按照步骤(2)中的光谱测量条件采集待测样品的近红外光谱数据，并进行预处理后导入预测模型中，经模型运算，即可得到未知葡萄酒样品的酒精度。

9.根据权利要求8所述方法，其特征在于，所述方法中是将117个样本按照2:1随机分为训练集和预测集，使用训练集样本的近红外光谱数据进行建模。

10.根据权利要求8所述方法，其特征在于，所述MC-UVE的运行次数为N＝1000，主成分数A＝15，以变量稳定指数RI为筛选依据，以RI最大值的60％为阈值，当变量的RI的绝对值大于阈值时，该变量被保留。