CN113720797A - 一种白酒蒸馏的在线快速量质摘酒方法 - Google Patents
一种白酒蒸馏的在线快速量质摘酒方法 Download PDFInfo
- Publication number
- CN113720797A CN113720797A CN202111003624.5A CN202111003624A CN113720797A CN 113720797 A CN113720797 A CN 113720797A CN 202111003624 A CN202111003624 A CN 202111003624A CN 113720797 A CN113720797 A CN 113720797A
- Authority
- CN
- China
- Prior art keywords
- liquor
- base
- picking
- quality
- wine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004821 distillation Methods 0.000 title claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims abstract description 33
- 230000003595 spectral effect Effects 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 230000009286 beneficial effect Effects 0.000 claims abstract description 9
- 238000013145 classification model Methods 0.000 claims abstract description 9
- 238000002329 infrared spectrum Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 14
- 239000000523 sample Substances 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000003909 pattern recognition Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 7
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 16
- 150000001875 compounds Chemical class 0.000 description 11
- 239000000796 flavoring agent Substances 0.000 description 8
- 235000019634 flavors Nutrition 0.000 description 8
- 239000006260 foam Substances 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 238000010183 spectrum analysis Methods 0.000 description 5
- 235000008694 Humulus lupulus Nutrition 0.000 description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 4
- 230000001476 alcoholic effect Effects 0.000 description 4
- 238000000855 fermentation Methods 0.000 description 4
- 230000004151 fermentation Effects 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- 210000003128 head Anatomy 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 239000003205 fragrance Substances 0.000 description 2
- 238000003703 image analysis method Methods 0.000 description 2
- 238000012567 pattern recognition method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- HWJPHQNEWARZLH-UHFFFAOYSA-N 1,1,2,2,3,3,4,4,5,5-decafluoro-6,6-bis(trifluoromethyl)cyclohexane Chemical compound FC(F)(F)C1(C(F)(F)F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C1(F)F HWJPHQNEWARZLH-UHFFFAOYSA-N 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 235000015096 spirit Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 235000019605 sweet taste sensations Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种白酒蒸馏的在线快速量质摘酒方法，S1：通过酒醅蒸馏和冷凝工艺获得白酒基酒；S2：通过光谱仪实时检测基酒的光谱数据；S3：对光谱数据进行滤波预处理；S4：对滤波预处理后的光谱数据进行特征提取，保留利于量质分段摘酒的特征信息；S5：依据基酒光谱数据的属性信息，建立多维分析空间，每一个维度代表一个属性信息；S6：在多维空间下对基酒光谱矩阵进行分析，获得不同摘酒段数基酒的特征波长；S7：利用特征波长，采用模式识别算法，建立基于摘酒段数的分类模型，实现在线快速无损量质摘酒方法；对白酒基酒在线实时测量，脱离人工操作，能够解决摘酒操作完全依靠经验的缺陷，并且降低工人的劳动强度，同时提高了工艺的智能化程度。
Description
技术领域
本发明涉及摘酒技术领域，尤其涉及一种白酒蒸馏的在线快速量质摘酒方法。
背景技术
中国白酒素有“生香靠发酵、提香靠蒸馏、关键在摘酒”的经验总结，可见摘酒是白酒酿造的关键工艺环节。目前，大多酒厂以看花摘酒、量质(品尝)摘酒、看花量度等传统人工摘酒方式进行摘酒，该方式依赖人工经验、受人为因素影响较大、酒质因人而异、存在基酒分段不稳定等问题。
鉴于此，部分学者开展了自动化摘酒技术，如：
1)、通过检测基酒的密度，实现酒精度的间接测量，依据酒精度实现分段摘酒；但是由于基酒酒精度与密度的关系受温度影响，分段摘酒的准确性受冷凝器冷凝温度的影响，酒精度不能准确反应香味组分的综合作用；
2)、根据人工摘酒经验，将流酒的时间和流量作为分段的判断依据；但是由于不同发酵质量的酒醅直接决定了基酒的质量，不同的窖池、同一窖池不同层的酒醅、相同窖池不同发酵轮次的酒醅，发酵情况均不相同，仅仅依靠流酒的时间和流量作为分段的判断依据，分段摘酒的准确性非常差；
3)、根据人工摘酒经验，通过图像分析方法判断酒花的大小和消散速度，实现分段摘酒；但是“看花摘酒”是酿酒师的经验总结，图像分析方法仅仅是替代了肉眼，避免了人眼疲劳等因素造成的判断误差，但并未实现科学的判断依据；
4)、采用酒蒸汽气象温度监测，监测温度与预设分段摘酒温度对比，实现分段摘酒。
5)、采用酒蒸汽气象压力监测，监测压力与预设分段压力对比，实现分段摘酒。
对于第4、5点来说，摘酒讲究“缓火蒸馏，低温流酒”，适当的压力和温度有利于微量香味物质成分的提取，但目前仅仅将监测到的压力和温度分别与固定的预设值进行对比。而摘酒的质量是多个监测参数的综合影响，目前的自动摘酒方法未考虑参数之间的关系。上述的几种方法仍然依靠人工经验来确定自动分段摘酒的判断依据，并未实现科学的量质摘酒。基酒的质量是酒精和呈香呈味化合物的综合作用，单一的分段判断依据是不准确的。因此，急需一种能够解决上述问题的白酒蒸馏的在线快速量质摘酒方法。
发明内容
针对上述技术中存在的不足之处，本发明提供一种白酒蒸馏的在线快速量质摘酒方法，通过光谱仪对白酒基酒的在线实时测量，脱离人工经验操作，能够解决摘酒操作完全依靠经验的缺陷，并且降低工人的劳动强度，同时提高了工艺的智能化程度。
为实现上述目的，本发明提供一种白酒蒸馏的在线快速量质摘酒方法，包括以下步骤：S1：通过酒醅蒸馏和冷凝工艺获得白酒基酒；S2：通过光谱仪实时检测基酒的光谱数据；S3：对光谱数据进行滤波预处理；S4：对滤波预处理后的光谱数据进行特征提取，保留利于量质分段摘酒的特征信息；S5：依据基酒光谱数据的属性信息，建立多维分析空间，每一个维度代表一个属性信息；S6：在多维空间下对基酒光谱矩阵进行分析，获得不同摘酒段数基酒的特征波长；S7：利用特征波长，采用模式识别算法，建立基于摘酒段数的分类模型，实现在线快速无损量质摘酒方法。通过光谱仪对白酒基酒的在线实时测量，脱离人工经验操作，能够解决摘酒操作完全依靠经验的缺陷，并且降低工人的劳动强度，同时提高了工艺的智能化程度。实现依据基酒酒体中呈香呈味化合物协调作用的量质摘酒；同时提高分段摘酒的准确性和基酒酒体质量的一致性，实现摘酒过程在线摘酒的时效性。
优选的，摘酒段数包括酒头、中段酒和酒尾，所述中段酒可根据各酒企的要求进行二次分段。看花摘酒是基于不同浓度的酒精和水的混合液，在一定的压力和温度下，其表面张力不同，基酒落入盛酒器形成的泡沫大小、持留时间都不同的原理。酒精产生的泡沫，由于张力小而容易消散；在蒸馏过程中酒精浓度逐渐降低而酒精产生的泡沫的消散速度不断减慢，同时，混溶与酒精中的水的含量逐渐增多，水的相对密度大于酒精，张力大，泡沫的消散速度就慢。传统工艺中通过看花摘酒进行分段摘酒，但是对于工人的技艺要求较高，特别在分段段数较多，每一段的酒花差别非常细微的情况下，仅靠传统技艺是无法进行分辨的，而本申请的光谱分析通过智能化的仪器对整个过程的光谱数据进行准确测量，能够通过定性分析对摘酒段数进行区分和检测。
优选的，在步骤S2中，光谱仪包括近红外光谱仪，且近红外光谱仪的光谱波数范围为4000-12000cm-1。白酒中呈香呈味化合物的含量非常低，很多化合物的含量低于常规分析检测仪器的最低检测限，且常规检测仪器的分析耗时长、需对被检测对象进行复杂的处理。近红外光谱恰恰能够解决以上问题，分析速度快、不需对样品进行处理，利用近红外光谱对被检测对象白酒中有机分子含氢基团的综合性反映，诠释呈香呈味化合物的综合协调作用。还可以通过其他的光谱仪进行检测。
优选的，在步骤S3中，原始光谱数据中含有随机噪声、基线漂移等噪声信号，通过平滑、导数等算法，进行光谱数据的滤波预处理。本发明的分析方法不限于所述的特征提取、降维方法。
优选的，在步骤S3中，平滑窗口大小根据原始光谱的分辨率和噪声信号进行调节，平滑处理后滤除高频噪声，并保留光谱特征吸收峰，再通过一阶导数或二阶导数去除线性或分线性基线漂移。
优选的，在步骤S2中，在白酒基酒流经近红外光谱仪的流通池检测探头时，对白酒基酒进行实时检测。
优选的，由于近红外光谱数据属于高维数据，利用全光谱数据进行分析建模，计算量大、模型鲁棒性差，通过光谱数据的特征提取，降低光谱数据维度，并保留利于量质分段摘酒的特征信息。
优选的，在步骤S5中，所述属性信息至少包括基酒近红外光谱数据波长、基酒样品编号、基酒摘酒段数。依据基酒近红外光谱数据的属性信息，包括基酒近红外光谱数据波长、基酒样品编号、基酒摘酒段数等，建立多维分析空间，每一个维度代表一个属性信息。传统的光谱分析是建立在二维空间，忽略了检测对象在结构上的特征信息，将所有属性变换到二维空间，导致复杂的被检测对象分类模型的不准确性，而本方法的多维分析空间在数据结构上保留了基酒的属性信息，利于寻找不同摘酒段数基酒的差异光谱数据。
优选的，在步骤S6中，采用相关性算法在多维空间下对基酒光谱矩阵进行分析，获得光谱各波长的重要性得分系数矩阵，依据重要性得分系数的排序，获得依据不同摘酒段数的基酒特征波长。
优选的，在步骤S7中，包括采用神经网络和支持向量机等算法作为模式识别算法。本发明的分类建模方法不限于所述的模式识别方法。
本发明的有益效果是：与现有技术相比，本发明提供一种白酒蒸馏的在线快速量质摘酒方法，包括以下步骤：S1：通过酒醅蒸馏和冷凝工艺获得白酒基酒；S2：通过光谱仪实时检测基酒的光谱数据；S3：对光谱数据进行滤波预处理；S4：对滤波预处理后的光谱数据进行特征提取，保留利于量质分段摘酒的特征信息；S5：依据基酒光谱数据的属性信息，建立多维分析空间，每一个维度代表一个属性信息；S6：在多维空间下对基酒光谱矩阵进行分析，获得依据不同摘酒段数的基酒特征波长；S7：利用特征波长，采用识别算法，建立基于摘酒段数的分类模型，实现在线快速无损量质摘酒方法。通过光谱仪对白酒基酒的在线实时测量，脱离人工经验操作，能够解决摘酒操作完全依靠经验的缺陷，并且降低工人的劳动强度，同时提高了工艺的智能化程度。能够实现依据基酒酒体中呈香呈味化合物协调作用的量质摘酒；同时提高分段摘酒的准确性和基酒酒体质量的一致性，实现摘酒过程在线摘酒的时效性。
附图说明
图1为本发明的近红外光谱图；
图2为本发明的简单步骤结构图；
图3为本发明的详细步骤流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
本文所提到的看花摘酒是白酒蒸馏过程中掌握酒度高低的传统技艺，沿用至今。“看花”即通过观察酒花大小、酒花滞留长短来得知馏出液的酒度高低；“摘酒”，是指在流酒时，流酒时间逐渐增长，酒精浓度由高逐渐降低，香味组分不断变化，根据酒体质量将基酒分段摘取存储。所以“看花摘酒”是指通过看花以便决定把中、高度酒与低浓度酒(酒尾或酒梢子)分离开的白酒蒸馏工艺的过程。原酒流出后，先掐去酒头，然后通过一闻、二看、三品，将原酒分出特优、优、优一级、优二级四个等级来。但凡香气浓郁、酒花较大、入口香甜，皆为优质酒。对于所摘基酒的分段主要凭经验去感官评判观察。
近红外光谱区与有机分子中含氢基团(O-H、N-H、C-H)振动的合频和各级倍频的吸收区一致，通过扫描样品的近红外光谱，可以得到样品中有机分子含氢基团的特征信息，而且利用近红外光谱技术分析样品具有方便、快速、高效、准确和成本较低，不破坏样品，不消耗化学试剂，不污染环境等优点，因此该技术受到越来越多人的青睐。本发明中采用近红外光谱仪能够对白酒基酒进行实时在线测量，并且成本低，检测迅速，不影响环境。
实施例1：请参阅图1至图3，本发明公开了一种白酒蒸馏的在线快速量质摘酒方法，包括以下步骤：S1：通过酒醅蒸馏和冷凝工艺获得白酒基酒；S2：通过光谱仪实时检测基酒的光谱数据；S3：对光谱数据进行滤波预处理；S4：对滤波预处理后的光谱数据进行特征提取，保留利于量质分段摘酒的特征信息；S5：依据基酒光谱数据的属性信息，建立多维分析空间，每一个维度代表一个属性信息；S6：在多维空间下对基酒光谱矩阵进行分析，获得不同摘酒段数基酒的特征波长；S7：利用特征波长，采用识别算法，建立基于摘酒段数的分类模型，实现在线快速无损量质摘酒方法。通过光谱仪对白酒基酒的在线实时测量，脱离人工经验操作，能够解决摘酒操作完全依靠经验的缺陷，并且降低工人的劳动强度，同时提高了工艺的智能化程度。能够实现依据基酒酒体中呈香呈味化合物协调作用的量质摘酒；同时提高分段摘酒的准确性和基酒酒体质量的一致性，实现摘酒过程在线摘酒的时效性。
实施例2：请参阅图1至图3，本实施例的摘酒段数包括酒头、中段酒和酒尾，所述中段酒可根据各酒企的要求进行二次分段。看花摘酒是基于不同浓度的酒精和水的混合液，在一定的压力和温度下，其表面张力不同，基酒落入盛酒器形成的泡沫大小、持留时间都不同的原理。酒精产生的泡沫，由于张力小而容易消散；在蒸馏过程中酒精浓度逐渐降低而酒精产生的泡沫的消散速度不断减慢，同时，混溶与酒精中的水的含量逐渐增多，水的相对密度大于酒精，张力大，泡沫的消散速度就慢。传统工艺中通过看花摘酒进行分段摘酒，但是对于工人的技艺要求较高，特别在分段段数较多，每一段的酒花差别非常细微的情况下，仅靠传统技艺是无法进行分辨的，而本申请的光谱分析通过智能化的仪器对整个过程的光谱数据进行准确测量，能够通过定量分析对摘酒段数进行区分和检测。
实施例3：请参阅图1至图3，本实施例的在步骤S2中，光谱仪包括近红外光谱仪，且近红外光谱仪的光谱波数范围为4000-12000cm-1。白酒中呈香呈味化合物的含量非常低，很多化合物的含量低于常规分析检测仪器的最低检测限，且常规检测仪器的分析耗时长、需对被检测对象进行复杂的处理。近红外光谱恰恰能够解决以上问题，分析速度快、不需对样品进行处理，利用近红外光谱对被检测对象白酒中有机分子中含氢基团的综合性反映，诠释呈香呈味化合物的综合协调作用。还可以通过其他的光谱仪进行检测。本实施例的在步骤S2中，在白酒基酒流经近红外光谱仪的流通池检测探头时，对白酒基酒进行实时检测。
实施例4：请参阅图1至图3，本实施例的在步骤S3中，原始光谱数据中含有随机噪声、基线漂移等噪声信号，通过平滑、导数等算法，进行光谱数据的滤波预处理。本发明的分析方法不限于所述的特征提取、降维方法。本实施例的在步骤S3中，平滑窗口大小根据原始光谱的分辨率和噪声信号进行调节，平滑处理后滤除高频噪声，并保留光谱特征吸收峰，再通过一阶导数或二阶导数去除线性和非线性基线漂移。
实施例5：请参阅图1至图3，本实施例的在步骤S5中，所述属性信息至少包括基酒近红外光谱数据波长、基酒样品编号、基酒摘酒段数。依据基酒近红外光谱数据的属性信息，包括基酒近红外光谱数据波长、基酒样品编号、基酒摘酒段数等，建立多维分析空间，每一个维度代表一个属性信息。传统的光谱分析是建立在二维空间，忽略了检测对象在结构上的特征信息，将所有属性变换到二维空间，导致复杂的被检测对象分类模型的不准确性，而本方法的多维分析空间在数据结构上保留了基酒的属性信息，利于寻找不同摘酒段数基酒的差异光谱数据。
实施例6：请参阅图1至图3，本实施例的在步骤S6中，采用相关性算法在多维空间下对基酒光谱矩阵进行分析，获得光谱各波长的重要性得分系数矩阵，依据重要性得分系数的排序，获得不同摘酒段数基酒的特征波长。本实施例的在步骤S7中，包括采用神经网络和支持向量机等算法作为模式识别算法。本发明的分类建模方法不限于所述的模式识别方法。本实施例的由于近红外光谱数据属于高维数据，利用全光谱数据进行分析建模，计算量大、模型鲁棒性差，通过光谱数据的特征提取，降低光谱数据维度，并保留利于量质分段摘酒的特征信息。
实施例7：请参阅图1至图3，本实施例的操作步骤如下：
1)、通过酒醅蒸馏和冷凝工艺获得白酒基酒，摘酒段数可分为酒头、中段酒和酒尾，中段酒根据各酒企的要求可在进行分段；
2)、白酒基酒流经近红外光谱仪的流通池检测探头，实时获得基酒的近红外光谱数据，光谱波数范围4000-12000cm-1；特别的，如图1所示，选用光谱波数范围为4500-12000cm-1
3)、原始近红外光谱数据中含有随机噪声、基线漂移等噪声信号，通过平滑、导数等算法，进行光谱数据的滤波预处理；平滑窗口大小根据原始光谱的分辨率和噪声信号进行调节，平滑处理后滤除高频噪声，并保留光谱特征吸收峰，再通过一阶导数或二阶导数去除线性或非线性基线漂移。
4)、近红外光谱数据属于高维数据，利用全光谱数据进行分析建模，计算量大、模型鲁棒性差，通过光谱数据的特征提取，降低光谱数据维度，并保留利于量质分段摘酒的特征信息；
5)、依据基酒近红外光谱数据的属性信息，包括基酒近红外光谱数据波长、基酒样品编号、基酒摘酒段数等，建立多维分析空间，每一个维度代表一个属性信息。建立该多维分析空间的创新性在于：传统的光谱分析是建立在二维空间，忽略了检测对象在结构上的特征信息，将所有属性变换到二维空间，导致复杂的被检测对象分类模型的不准确性，而本方法的多维分析空间在数据结构上保留了基酒的属性信息，利于寻找不同摘酒段数基酒的差异光谱数据。
6)、采用相关性算法在多维空间下对基酒近红外光谱矩阵进行分析，获得光谱各波长的重要性得分系数矩阵，依据重要性得分系数的排序，获得依据不同摘酒段数的基酒特征波长。
7)、利用特征波长，采用神经网络、支持向量机等模式识别算法，建立基于摘酒段数的分类模型，实现在线快速无损量质摘酒方法。
本发明的优势在于：
1)、解决了摘酒操作完全依靠经验的缺陷，降低工人的劳动强度，提高智能化程度；
2)、实现依据基酒酒体中呈香呈味化合物协调作用的量质摘酒；
3)、提高分段摘酒的准确性和基酒酒体质量的一致性；
4)、实现摘酒过程在线摘酒的时效性。
以上公开的仅为本发明的几个具体实施例，但是本发明并非局限于此，专利所涉及的技术方法，也可应用于其他产品(不限于白酒)的质量分级、真伪鉴别等检测，均属于本专利的保护范围，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (9)
1.一种白酒蒸馏的在线快速量质摘酒方法，其特征在于，包括以下步骤：
S1：通过酒醅蒸馏和冷凝工艺获得白酒基酒；
S2：通过光谱仪实时检测基酒的光谱数据；
S3：对光谱数据进行滤波预处理；
S4：对滤波预处理后的光谱数据进行特征提取，保留利于量质分段摘酒的特征信息；
S5：依据基酒光谱数据的属性信息，建立多维分析空间，每一个维度代表一个属性信息；
S6：在多维空间下对基酒光谱矩阵进行分析，获得不同摘酒段数基酒的特征波长；
S7：利用特征波长，采用模式识别算法，建立基于摘酒段数的分类模型，实现在线快速无损量质摘酒方法。
2.根据权利要求1所述的白酒蒸馏的在线快速量质摘酒方法，其特征在于，摘酒段数包括酒头、中段酒和酒尾，所述中段酒可根据各酒企的要求进行二次分段。
3.根据权利要求1所述的白酒蒸馏的在线快速量质摘酒方法，其特征在于，在步骤S2中，光谱仪包括近红外光谱仪，且近红外光谱仪的光谱波数范围为4000-12000cm-1。
4.根据权利要求1所述的白酒蒸馏的在线快速量质摘酒方法，其特征在于，在步骤S3中，原始光谱数据中含有随机噪声、基线漂移等噪声信号，通过平滑、导数等算法，进行光谱数据的滤波预处理。
5.根据权利要求4所述的白酒蒸馏的在线快速量质摘酒方法，其特征在于，在步骤S3中，平滑窗口大小根据原始光谱的分辨率和噪声信号进行调节，平滑处理后滤除高频噪声，并保留光谱特征吸收峰，再通过一阶导数或二阶导数去除线性或非线性基线漂移。
6.根据权利要求3所述的白酒蒸馏的在线快速量质摘酒方法，其特征在于，在步骤S2中，在白酒基酒流经近红外光谱仪的流通池检测探头时，对白酒基酒进行实时检测。
7.根据权利要求1所述的白酒蒸馏的在线快速量质摘酒方法，其特征在于，在步骤S5中，所述属性信息至少包括基酒近红外光谱数据波长、基酒样品编号、基酒摘酒段数。
8.根据权利要求1所述的白酒蒸馏的在线快速量质摘酒方法，其特征在于，在步骤S6中，采用相关性算法在多维空间下对基酒光谱矩阵进行分析，获得光谱各波长的重要性得分系数矩阵，依据重要性得分系数的排序，获得不同摘酒段数基酒的特征波长。
9.根据权利要求1所述的白酒蒸馏的在线快速量质摘酒方法，其特征在于，在步骤S7中，包括采用神经网络和支持向量机算法作为模式识别算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111003624.5A CN113720797B (zh) | 2021-08-30 | 2021-08-30 | 一种白酒蒸馏的在线快速量质摘酒方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111003624.5A CN113720797B (zh) | 2021-08-30 | 2021-08-30 | 一种白酒蒸馏的在线快速量质摘酒方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113720797A true CN113720797A (zh) | 2021-11-30 |
| CN113720797B CN113720797B (zh) | 2024-02-09 |
Family
ID=78678945
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111003624.5A Active CN113720797B (zh) | 2021-08-30 | 2021-08-30 | 一种白酒蒸馏的在线快速量质摘酒方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113720797B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114276890A (zh) * | 2022-01-04 | 2022-04-05 | 泸州老窖股份有限公司 | 一种智能摘酒方法 |
| CN115184301A (zh) * | 2022-07-06 | 2022-10-14 | 河北凤来仪酒业有限公司 | 一种白酒自动化摘酒系统及其方法 |
| CN115453071A (zh) * | 2022-09-28 | 2022-12-09 | 四川物通科技有限公司 | 一种白酒分级装置 |
| CN116240083A (zh) * | 2023-01-31 | 2023-06-09 | 四川轻化工大学 | 一种多特征融合的智能摘酒方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2005100565A4 (en) * | 2005-07-12 | 2005-10-06 | The Australian Wine Research Institute | Non-destructive analysis by VIS-NIR spectroscopy of fluid(s) in its original container |
| FR2886405A1 (fr) * | 2005-05-27 | 2006-12-01 | Marc Dubernet | Procede et dispositif d'evaluation de la teneur en ochratoxine a et/ou en aspergillus carbonarius des mouts et des vins |
| US20100297291A1 (en) * | 2007-09-21 | 2010-11-25 | Suntory Holdings Limited | Visible/near-infrared spectrum analyzing method and grape fermenting method |
| CN103353446A (zh) * | 2013-07-23 | 2013-10-16 | 安徽古井贡酒股份有限公司 | 近红外快速检测白酒中理化指标的方法 |
| CN104749134A (zh) * | 2015-03-31 | 2015-07-01 | 江苏大学 | 一种检测叶菜类作物冠层水分含量的方法 |
| CN106092957A (zh) * | 2016-06-02 | 2016-11-09 | 浙江农林大学 | 红木家具的近红外光谱识别方法 |
| CN110144280A (zh) * | 2019-05-20 | 2019-08-20 | 江苏大学 | 一种基于近红外光谱在线检测的白酒摘酒方法及其在线模拟摘酒装置 |
-
2021
- 2021-08-30 CN CN202111003624.5A patent/CN113720797B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2886405A1 (fr) * | 2005-05-27 | 2006-12-01 | Marc Dubernet | Procede et dispositif d'evaluation de la teneur en ochratoxine a et/ou en aspergillus carbonarius des mouts et des vins |
| AU2005100565A4 (en) * | 2005-07-12 | 2005-10-06 | The Australian Wine Research Institute | Non-destructive analysis by VIS-NIR spectroscopy of fluid(s) in its original container |
| US20100297291A1 (en) * | 2007-09-21 | 2010-11-25 | Suntory Holdings Limited | Visible/near-infrared spectrum analyzing method and grape fermenting method |
| CN103353446A (zh) * | 2013-07-23 | 2013-10-16 | 安徽古井贡酒股份有限公司 | 近红外快速检测白酒中理化指标的方法 |
| CN104749134A (zh) * | 2015-03-31 | 2015-07-01 | 江苏大学 | 一种检测叶菜类作物冠层水分含量的方法 |
| CN106092957A (zh) * | 2016-06-02 | 2016-11-09 | 浙江农林大学 | 红木家具的近红外光谱识别方法 |
| CN110144280A (zh) * | 2019-05-20 | 2019-08-20 | 江苏大学 | 一种基于近红外光谱在线检测的白酒摘酒方法及其在线模拟摘酒装置 |
Non-Patent Citations (3)
| Title |
|---|
| 张芳 等: "红外光谱结合化学计量学在食品检测中的应用"", 《安徽农业科学》, pages 23 - 26 * |
| 王莉,季克良,徐岩: "近红外光谱技术及其在白酒质量控制中的应用展望", 酿酒, no. 05, pages 2004 - 2006 * |
| 范明明: ""基于近红外技术的白酒摘酒在线检测装置开发"", 《中国硕士电子期刊》, pages 1 - 72 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114276890A (zh) * | 2022-01-04 | 2022-04-05 | 泸州老窖股份有限公司 | 一种智能摘酒方法 |
| CN115184301A (zh) * | 2022-07-06 | 2022-10-14 | 河北凤来仪酒业有限公司 | 一种白酒自动化摘酒系统及其方法 |
| CN115453071A (zh) * | 2022-09-28 | 2022-12-09 | 四川物通科技有限公司 | 一种白酒分级装置 |
| CN115453071B (zh) * | 2022-09-28 | 2023-10-20 | 四川物通科技有限公司 | 一种白酒分级装置 |
| CN116240083A (zh) * | 2023-01-31 | 2023-06-09 | 四川轻化工大学 | 一种多特征融合的智能摘酒方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113720797B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113720797A (zh) | 一种白酒蒸馏的在线快速量质摘酒方法 | |
| dos Santos et al. | A review on the application of vibrational spectroscopy in the wine industry: From soil to bottle | |
| CN106501470B (zh) | 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法 | |
| Martelo‐Vidal et al. | Ultraviolet/visible/near‐infrared spectral analysis and chemometric tools for the discrimination of wines between subzones inside a controlled designation of origin: a case study of R ías B aixas | |
| CN111257487B (zh) | 一种果啤快速分类鉴别方法 | |
| Zhu et al. | Determination of total acid content and moisture content during solid-state fermentation processes using hyperspectral imaging | |
| Porep et al. | Implementation of an on‐line near infrared/visible (NIR/VIS) spectrometer for rapid quality assessment of grapes upon receival at wineries | |
| CN106226263A (zh) | 基于红外光谱技术的浓香型白酒基酒等级快速判别方法 | |
| CN108872136A (zh) | 一种基于红外光谱检测浓香型白酒基酒陈酿年份的方法 | |
| CN111795943A (zh) | 基于近红外光谱技术无损检测茶叶中外源掺杂蔗糖的方法 | |
| CN112098361A (zh) | 一种基于近红外光谱的玉米种子鉴别方法 | |
| CN115436508A (zh) | 一种基于水果原料指标预测果汁品质的方法 | |
| CN115587988A (zh) | 基于数字图像处理的分辨烟叶成熟度高低的方法 | |
| CN115166170A (zh) | 一种不同等级酱香基酒分类识别方法 | |
| Hasi et al. | A fast and nondestructive method for identifying liquor from outside the bottle | |
| CN108845021A (zh) | 一种食醋不同生产工艺方式的快速鉴别方法 | |
| CN111521641A (zh) | 一种白兰地原酒不同蒸馏方式的识别方法 | |
| CN111398208A (zh) | 一种利用近红外技术对传统工艺翡翠进行快速鉴定的方法 | |
| CN108645929A (zh) | 一种基于0阶稀疏学习tsk模糊模型的白酒酒龄检测方法 | |
| CN115586159A (zh) | 基于中红外光谱检测技术的白酒陈化缔合程度评定方法 | |
| CN112611745A (zh) | 一种水果可溶性固形物间接无损检测方法及系统 | |
| CN116403661B (zh) | 一种基于美拉德反应产物荧光信号解析的高温大曲白酒鉴别和化合物预测方法 | |
| CN115901714A (zh) | 茶叶的检测分析方法、质量监控方法以及分类方法 | |
| Ravindran et al. | A review on non-destructive techniques for evaluating quality of fruits | |
| Blanco-Rodriguez et al. | Development of an electronic nose to identify and classify odours from spirits beverages |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231225 Address after: 643000 Huidong learning street 180, Zigong, Sichuan Applicant after: Sichuan University of Science & Engineering Applicant after: Sichuan Mingkuo Technology Co.,Ltd. Address before: 643000 Huidong learning street 180, Zigong, Sichuan Applicant before: Sichuan University of Science & Engineering |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |