[发明专利]预测酒糟成分的方法

说明书

本发明涉及酒糟成分检测技术领域，本发明预测酒糟成分的方法通过建立模型，计算预测值，再利用预测值与光谱数据结合建立模型，计算预测值，多次迭代，得到更加精准的数学模型，通过模型对光谱数据进行计算，获得酒糟样品水分含量和淀粉含量，解决了酒厂采用近红外光谱仪对酒糟成分检测时因红外光谱仪性能导致检测结果准确率低的问题，本发明适用于对酒糟成分的预测。

技术领域

本发明涉及酒糟成分检测技术领域，特别涉及预测酒糟成分的方法。

背景技术

酒糟是酿酒环节的必要产物，酒糟类物质主要是由谷物发酵而成，成分含有大量含氢基团，包含C-H、S-H、O-H和N-H等，在酒糟的发酵过程中，酒糟中水分、淀粉、酸度和糖等物质成分的含量将直接影响酒品质量，是衡量酒糟是否适宜及酒糟发酵过程是否正常的主要依据。然而酒糟是一种固液混合物，颗粒大小不一，组分分布不均，挥发十分严重，给成分分析造成了极大的困扰。

近年来，酒厂开始使用近红外光谱仪检测酒糟主要成分，近红外光谱仪受光源、检测器、使用方法、环境条件等影响，精度、灵敏度、稳定性、重现性、波长范围、分辨率等指标都有明显的性能降低，进而造成酒糟组分含量预测准确率低，严重的阻碍了近红外光谱检测技术在酒糟分析行业的发展。

发明内容

本发明所解决的技术问题：提供预测酒糟成分的方法解决酒厂采用近红外光谱仪对酒糟成分检测时因红外光谱仪性能导致检测结果准确率低的问题。

本发明解决上述技术问题采用的技术方案：预测酒糟成分的方法包括以下步骤：

S01、采集酒糟样品光谱数据；

S02、利用模型M对光谱数据进行训练，得到水分含量；

S03、将所述光谱数据和水分含量组成新的数据，利用模型M1进行训练，所述模型M1用于计算淀粉含量，获得预测淀粉含量；

S04、将所述光谱数据和预测淀粉含量组成新的数据，利用模型M2进行训练，获得预测水分含量。

进一步的，模型M的建立方法包括以下步骤：

S201、采集多个酒糟样品光谱数据，并分别使用化学分析方法得到训练集酒糟样品的水分含量和淀粉含量；

S202、将水分含量作为标定值，光谱数据作为响应数据，利用步骤S201中的酒糟样品光谱数据、水分含量和淀粉含量进行数学建模，得到光谱模型M。

进一步的，步骤S03中所述的模型M1和步骤S04中所述的模型M2的建立方法包括以下步骤：

S301、采集多个酒糟样品光谱数据，并分别使用化学分析方法得到训练集酒糟样品的水分含量和淀粉含量；

S302、将酒糟样品的水分含量作为标定值，淀粉含量和光谱数据作为响应数据，进行数学建模，得到光谱模型M'；

S303、将酒糟样品的淀粉含量和光谱数据一一对应结合，组成新的数据，利用M'进行训练，获得新的水分含量；

S304、将酒糟样品的淀粉含量作为标定值，新的水分含量和光谱数据作为响应数据，进行数学建模，得到光谱模型M1₁；

S305、将新的水分含量和光谱数据一一对应结合，组成新的数据，利用M1₁进行训练，得到新的淀粉含量；

S306、将水分含量作为标定值，新的淀粉含量和光谱数据作为响应数据，进行数学建模，得到光谱模型M2₁；

S307、将新的淀粉含量和光谱数据一一对应结合，组成新的数据，利用M2₁进行训练，获得新的水分含量；