CN116735811A - 一种酒总酸和总酯含量的测定方法及测定系统 - Google Patents

Abstract

本发明公开了一种酒总酸和总酯含量的测定方法及测定系统，涉及酒总酸和总酯含量检测技术领域，对温度光照条件进行检测，确定检测区域的检测条件系数Jts，在检测条件系数Jts在预设阈值范围内时，建立成分数据集以及性质数据集；并分别获取成分系数Czl及性质系数Xzl，相关性分析后生成成分系数Czl与检测条件系数Jts间的相关性系数Rct；将相关性系数Rct与相关性阈值进行比对，依据比对结果选择不同的预测定策略，依据所选定的预测定策略；输入性质数据集后，输出预测定的成分数据集及对应的成分系数Czl。充分考虑光照和温度变化的带来的影响和干扰，对光照和温度进行调整，使测定结果和实际结果之间的误差更小。

Description

一种酒总酸和总酯含量的测定方法及测定系统

技术领域

本发明涉及酒总酸和总酯含量检测技术领域，具体为一种酒总酸和总酯含量的测定方法及测定系统。

背景技术

总酸和总酯是作为酒尤其是酱香型新白酒十分关键的理化指标，在酒体呈香及风味协调方面发挥着重要作用，对其进行测定时，通常会采用化学滴定法对酒中总酸和总酯进行标定。

具体测定方式如下：在对白酒中的有机酸进行检测时，以酚酞为指示剂，采用氢氧化钠溶液进行中和滴定，以消耗氢氧化钠标准滴定溶液的量计算总酸的含量；总酯的测定用碱中和样品中的游离酸，再准确加入一定量的碱，加热回流使酯类皂化，通过消耗碱的量计算出总酯含量。

但以上标定方法检测过程复杂费时、消耗化学试剂量大，对操作人员技术依赖度高，难以满足对酒中总酸和总酯进行快速检测标定的迫切需求；因此，随机计算机技术的发展，为了降低检测成本，提高检测效率，检测人员通常会在回归分析模型的基础上建立预测定模型，在获取部分的已知数据的基础上，对总脂和总酸进行预测定，当预测定结果不佳时，再进行实际测定。

以上的预测定方法虽然效率较高，但是酒总酸和总脂在光照和温度产生变化时，可能会产生分解或者重组，现有的预测定模型在进行预测定时，并未将检测区域的温度和光照变化考虑在内，这就导致现有的预测定模型生成的结果可靠性不足。

为此，本发明提供了一种酒总酸和总酯含量的测定方法及测定系统。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供了一种酒总酸和总酯含量的测定方法及测定系统，通过对温度光照条件进行检测，确定检测区域的检测条件系数Jts，在检测条件系数Jts在预设阈值范围内时，建立成分数据集以及性质数据集；并分别获取成分系数Czl及性质系数Xzl，相关性分析后生成成分系数Czl与检测条件系数Jts间的相关性系数Rct；将相关性系数Rct与相关性阈值进行比对，依据比对结果选择不同的预测定策略，依据所选定的预测定策略；输入性质数据集后，输出预测定的成分数据集及对应的成分系数Czl。充分考虑光照和温度变化的带来的影响和干扰，对光照和温度进行调整，使测定结果和实际结果之间的误差更小，解决了背景技术中提出的问题。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种酒总酸和总酯含量的测定系统，包括检测单元、第一处理单元，其中，在样品测定开始前，由检测单元先对待测定样品所在的区域内的温度和光照条件进行检测，依据检测结果生成检测条件系数Jts；

当检测条件系数Jts在预设阈值范围内时，对样品进行测定，依据由样品测定获取的子数据，分别建立包含有总酸总脂含量的成分数据集，以及至少包含有光谱吸收率、酸碱度及酒精含量的性质数据集；将成分数据集及性质数据集发送至第一处理单元后，分别获取成分系数Czl及性质系数Xzl，并在改变温度和光照条件的情况下，经过相关性分析，生成成分系数Czl与检测条件系数Jts间的相关性系数Rct；

将相关性系数Rct与相关性阈值进行比对，生成比对结果，依据比对结果选择不同的预测定策略，依据所选定的预测定策略，在输入性质数据集后，输出预测定后的成分数据集及对应的成分系数Czl；其中，所述相关性阈值包括第一阈值和第二阈值，第一阈值小于第二阈值。

进一步的，当相关性系数Rct小于对应的第一阈值，成分系数Czl及性质系数Xzl间存在相关性时，使用训练后生成成分预测模型，向成分预测模型中依次输入性质数据集中的子数据，将输出预测定后的成分数据集作为第一预测定成分数据集，生成第一预测定成分系数Czl。

进一步的，还包括：控制单元、调节单元、数据汇总单元及第二处理单元，

当相关性系数Rct大于对应第二阈值时，由控制单元形成控制指令，先使调节单元对测定区域内的温度和光照条件进行调整，直至检测条件系数Jts在对应阈值范围之内，后使数据汇总单元对酒水性质测定和成分测定的检测数据进行汇总，建立酒水检测数据集；将酒水检测数据集发送至第二处理单元，在训练和测试后建立酒水数字孪生模型，在经过调整后光照和温度条件下，输入当前的性质数据集，经过仿真分析后输出成分数据集，将输出成分数据集作为第二预测定成分数据集，并生成第二预测定成分系数Czl。

进一步的，还包括：第三处理单元，当相关性系数Rct处于对应的第一阈值与第二阈值之间时，在生成第一预测定成分系数Czl及第二预测定成分系数Czl的基础上，由第三处理单元分别获取第一预测定成分系数Czl及第二预测定成分系数Czl，判断两者间的差值；当差值在对应阈值之内时，以两次预测定生成的成分数据集中的子数据的均值作为新的预测定值；当差值在对应阈值之外时，对该样品进行成分测定，分别获取样品的总脂和总酸，汇总为二次成分检测数据集，并以二次成分检测数据集对成分预测模型及酒水数字孪生模型进行训练及修正。

进一步的，所述检测单元包括环境检测模块、成分检测模块及性质检测模块，其中，在对待测定样品进行测定前，确定待测定样品所在的测定区域，由环境检测模块分别确定测定区域内的区域温度Qt及光照强度Gq，在无量纲处理后，关联生成检测条件系数Jts；其中，检测条件系数Jts的生成条件下如下：

；

其中，，/>，且/>，其具体值由用户调整设置，/>为常数修正系数；当检测条件系数Jts符合预设的阈值范围时，由成分检测模块测定并获取样品的总酸量Zc及总脂量Zz，汇总后建立成分数据集；由性质检测模块测定并获取样品的光谱吸收率Gp、酸碱度Sj及酒精含量Qk，汇总建立性质数据集。

进一步的，所述第一处理单元包括评价模块、分析模块、预测模块及模型训练模块，其中，在依照预设幅度分别改变温度和光照条件后，逐个生成对应的检测条件系数Jts，并以改变后的温度和光照条件作为新检测条件，在新检测条件下重新对样品进行测定，再次获取成分数据集；依据再次获取的成分数据集，由评价模块生成成分系数Czl，并由分析模块进行相关性分析，输出成分系数Czl与检测条件系数Jts之间的相关性系数Rct。

进一步的，将性质数据集及再次获取的成分数据集发送至评价模块，分别生成成分系数Czl及性质系数Xzl；其中：成分系数Czl的生成方式如下：获取总酸量Zc及总脂量Zz，无量纲处理后依照如下公式：

；

其中，，/>，且/>，/>为权重，其具体值由用户调整设置，/>为常数修正系数；

性质系数Xzl的生成方式如下：获取光谱吸收率Gp、酸碱度Sj及酒精含量Qk，无量纲处理后依照如下公式：

；

其中，及/>为可变更常数参数，/>，/>，其具体值由用户调整设置。

进一步的，将成分系数Czl及性质系数Xzl发送至分析模块，由分析模块判断两者之间是否具有相关性，当存在相关性时，选择成分数据集及性质数据集中的部分数据作为样本数据，由模型训练模块使用神经网络算法构建成分预测模型，并选择样本数据对成分预测模型进行训练和测试后，将测试后的成分预测模型输出；将性质数据集中的子数据输入后，由预测模块使用成分预测模型输出预测定后的成分数据集，记为第一成分数据集，并由评价模块生成第一预测定成分系数Czl。

进一步的，所述第二处理单元包括构建模块、判断模块及匹配模块，其中，

将酒水检测数据集发送构建模块，在训练和测试后，建立酒水数字孪生模型，由调节单元将光照和温度调条件调整至可供样品长期保存的状态，并输出对应的检测条件系数Jts，由判断模块判断检测条件系数Jts是否符合预设阈值范围，如果不符合，则重进行调整，直至检测条件系数Jts符合预设阈值范围；在输入当前的性质数据集后，使用酒水数字孪生模型进行仿真测试，将匹配模块输出测试后的成分数据集作为第二预测定成分数据集，并生成第二预测定成分系数Czl。

一种酒总酸和总酯含量的测定方法，包括：在样品测定开始前，先对待测定样品所在的区域内的温度和光照条件进行检测，依据检测结果生成检测条件系数Jts；当检测条件系数Jts在预设阈值范围内时，对样品进行测定，依据由样品测定获取的子数据，分别建立包含有总酸总脂含量的成分数据集，以及至少包含有光谱吸收率、酸碱度及酒精含量的性质数据集；分别获取成分系数Czl及性质系数Xzl，并在改变温度和光照条件的情况下，经过相关性分析，生成成分系数Czl与检测条件系数Jts间的相关性系数Rct；将相关性系数Rct与相关性阈值进行比对，生成比对结果，依据比对结果选择不同的预测定策略，依据所选定的预测定策略；在输入性质数据集后，输出预测定后的成分数据集及对应的成分系数Czl；其中，所述相关性阈值包括第一阈值和第二阈值，第一阈值小于第二阈值。

（三）有益效果

本发明提供了一种酒总酸和总酯含量的测定方法及测定系统，具备以下有益效果：

1、通过构建检测条件系数Jts及相关性系数Rct，在对总酸和总脂进行测定时，充分考虑光照和温度变化的带来的影响和干扰，对光照和温度进行调整，使测定结果和实际结果之间的误差更小，测定的可靠性更高。

2、在输出相关性系数Rct后，依据相关性系数Rct的不同，选择不同的预测定策略，通过选择不同的预测定策略，使得预测定过程和实场景对应性更好，通过对测定区域内光照和温度条件充分考虑，充分减少预测定的误差；

3、在预测定误差较大时，在调整检测条件后，通过对样品进行实际测定，以实际测定结果对预测定模型进行修正，在确定反馈修正策略后，可以维持预测定模型的预测定准确性；通过获取成分系数Czl及性质系数Xzl，可以通过两者的值与对应阈值的关系，对样品的质量进行筛选，筛除其中的不合格品。

附图说明

图1为本发明酒总酸和总酯含量的测定系统第一流程示意图；

图2为本发明酒总酸和总酯含量的测定系统第二流程示意图。

图中：

10、检测单元；11、环境检测模块；12、成分检测模块；13、性质检测模块；20、第一处理单元；21、评价模块；22、分析模块；23、预测模块；24、模型训练模块；30、控制单元；40、调节单元；50、数据汇总单元；60、第二处理单元；61、构建模块；62、判断模块；63、匹配模块；70、第三处理单元。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。

请参阅图1-图2，本发明提供一种酒总酸和总酯含量的测定系统，所述系统包括检测单元10、第一处理单元20、控制单元30、调节单元40、数据汇总单元50、第二处理单元60及第三处理单元70，其中，

在样品测定开始前，由检测单元10先对待测定样品，也即是对待检测的酒水所在的区域内的温度和光照条件进行检测，依据检测结果生成检测条件系数Jts；当检测条件系数Jts在预设阈值范围内时，对样品进行测定；依据由样品测定获取的子数据，分别建立包含有总酸总脂含量的成分数据集，以及至少包含有光谱吸收率、酸碱度及酒精含量的性质数据集；将成分数据集及性质数据集发送至第一处理单元20后，分别获取成分系数Czl及性质系数Xzl，并在改变温度和光照条件的情况下，经过相关性分析，生成成分系数Czl与检测条件系数Jts间的相关性系数Rct；

将相关性系数Rct与相关性阈值进行比对，生成比对结果，依据比对结果选择不同的预测定策略，依据所选定的预测定策略，在输入性质数据集后，输出预测定后的成分数据集及对应的成分系数Czl；其中，所述相关性阈值包括第一阈值和第二阈值，第一阈值小于第二阈值。

参考图1及图2，当相关性系数Rct小于对应的第一阈值，成分系数Czl及性质系数Xzl间存在相关性时，使用训练后生成成分预测模型，向成分预测模型中依次输入性质数据集中的子数据，将输出预测定后的成分数据集作为第一预测定成分数据集，生成第一预测定成分系数Czl。

使用时，通过生成的相关性系数Rct，依据其值的分布，将测定区域的外部环境影响考虑在内，减少外部环境的干扰，依据成分数据集与性质数据集间的相关性，训练成分预测模型，在外部环境干扰较小时，选择训练后的成分预测模型输出预测定结果，可以降低减少检测时间成本，加速检测结果的完成。

参考图1及图2，当相关性系数Rct大于对应第二阈值时，由控制单元30形成控制指令，先使调节单元40对测定区域内的温度和光照条件进行调整，直至检测条件系数Jts在对应阈值范围之内，后使数据汇总单元50对酒水性质测定和成分测定的检测数据进行汇总，建立酒水检测数据集；

将酒水检测数据集发送至第二处理单元60，训练和测试后建立酒水数字孪生模型，在经过调整后光照和温度条件下，输入当前的性质数据集，经过仿真分析后输出成分数据集，将输出成分数据集作为第二预测定成分数据集，并生成第二预测定成分系数Czl。

使用时，在测定区域的外部的环境影响较大时，则通过调节单元40环境进行调整，降低测定区域外部环境的影响程度，并基于已经获取到的样品数据，建立建立酒水数字孪生模型；需要说明的是，所述的样品数据不仅仅包含成分数据集及性质数据集，还包括一些其他的测定数据，例如氨基酸含量，糖分等；

通过生成酒水数字孪生模型，在确定测定条件及性质数据的条件下，对成分数据集中的子数据进行仿真分析，以仿真分析结果作为预测定结果，完成预测定过程。通过进行仿真分析，将外部的检测条件作为初始条件，在预测定时，对环境影响考虑的更加充分，准确性更好。

参考图1及图2，当相关性系数Rct处于对应的第一阈值与第二阈值之间时，在生成第一预测定成分系数Czl及第二预测定成分系数Czl的基础上，由第三处理单元70分别获取第一预测定成分系数Czl及第二预测定成分系数Czl，判断两者间的差值；

当差值在对应阈值之内时，以两次预测定生成的成分数据集中的子数据的均值作为新的预测定值；当差值在对应阈值之外时，对该样品进行成分测定，分别获取样品的总脂和总酸，汇总为二次成分检测数据集，并以二次成分检测数据集对成分预测模型及酒水数字孪生模型进行训练及修正。

使用时，当相关性系数Rct处于中间区域时，如果两次预测定的误差较小，则将前两次的预测定结果进行综合，以均值作为预测定值；如果误差较大，则说明成分预测模型及酒水数字孪生模型均有可能存在一定的误差，此时，则可以对当前的样品进行手动测定，以手动测定结果作为最终结果，对成分预测模型及酒水数字孪生模型进行修正，进一步提高预测定的准确性，逐渐减少预测定的误差。

参考图1及图2，所述检测单元10包括环境检测模块11、成分检测模块12及性质检测模块13，其中，在对待测定样品进行测定前，确定待测定样品所在的测定区域，由环境检测模块11分别确定测定区域内的区域温度Qt及光照强度Gq，在无量纲处理后，关联生成检测条件系数Jts；其中，检测条件系数Jts的生成条件下如下：

；

其中，，/>，且/>，其具体值由用户调整设置，/>为常数修正系数。

当检测条件系数Jts符合预设的阈值范围时，由成分检测模块12测定并获取样品的总酸量Zc及总脂量Zz，汇总后建立成分数据集；由性质检测模块13测定并获取样品的光谱吸收率Gp、酸碱度Sj及酒精含量Qk，汇总建立性质数据集。

使用时，在生成检测条件系数Jts的基础上，可以对测定区域内的检测条件进行综合判断，并依据检测条件系数Jts的值对检测条件进行调整，在结合相关性系数Rct的基础上，减少检测条件带来的干扰；进一步的，通过建立成分数据集及性质数据集，分别选定输出数据和输入数据，可以用于对预测定模型进行训练和测试，其中，预测定模型指的是成分预测模型及酒水数字孪生模型。

参考图1及图2，所述第一处理单元20包括评价模块21、分析模块22、预测模块23及模型训练模块24，其中，在依照预设幅度分别改变温度和光照条件后，逐个生成对应的检测条件系数Jts，并以改变后的温度和光照条件作为新检测条件，在新检测条件下重新对样品进行测定，再次获取成分数据集；依据再次获取的成分数据集，由评价模块21生成成分系数Czl，并由分析模块22进行相关性分析，输出成分系数Czl与检测条件系数Jts之间的相关性系数Rct。

使用时，通过输出成分系数Czl与检测条件系数Jts之间的相关性系数Rct，能够对检测条件是否会对测定结果形成干扰进行判断。

参考图1及图2，将性质数据集及再次获取的成分数据集发送至评价模块21，分别生成成分系数Czl及性质系数Xzl；其中：成分系数Czl的生成方式如下：获取总酸量Zc及总脂量Zz，无量纲处理后依照如下公式：

；

其中，，/>，且/>，/>为权重，其具体值由用户调整设置，/>为常数修正系数；

性质系数Xzl的生成方式如下：获取光谱吸收率Gp、酸碱度Sj及酒精含量Qk，无量纲处理后依照如下公式：

；

其中，及/>为可变更常数参数，/>，/>，其具体值由用户调整设置。

使用时，通过形成的成分系数Czl及性质系数Xzl，可以对作为输入数据的性质数据及作为输出数据的成分数据的状态进行综合评价，也便于判断两者间的相关性。

参考图1及图2，将成分系数Czl及性质系数Xzl发送至分析模块22，由分析模块22判断两者之间是否具有相关性，当存在相关性时，选择成分数据集及性质数据集中的部分数据作为样本数据，由模型训练模块24使用神经网络算法构建成分预测模型，并选择样本数据对成分预测模型进行训练和测试后，将测试后的成分预测模型输出；将性质数据集中的子数据输入后，由预测模块23使用成分预测模型输出预测定后的成分数据集，记为第一成分数据集，并由评价模块21生成第一预测定成分系数Czl。

使用时，通过训练生成成分预测模型，在输入性质数据集中的子数据后，输出成分数据集的子数据，完成总酸和总脂的预测定过程。由成分预测模型在已知部分成分含量的条件下，对总酸和总脂进行预测定，相对于直接测定，虽然会存在一定的误差，但如果误差在可接受范围内，通过使用成分预测模型进行预测定的效率更高。

参考图1及图2，所述第二处理单元60包括构建模块61、判断模块62及匹配模块63，其中，将酒水检测数据集发送构建模块61，在训练和测试后，建立酒水数字孪生模型，由调节单元40将光照和温度调条件，也即将检测条件调整至可供样品长期保存的状态，并输出对应的检测条件系数Jts，由判断模块62判断检测条件系数Jts是否符合预设的阈值范围，如果不符合，则重进行调整，直至检测条件系数Jts符合预设阈值范围；在输入当前的性质数据集后，使用酒水数字孪生模型进行仿真测试，将匹配模块63输出测试后的成分数据集作为第二预测定成分数据集，并生成第二预测定成分系数Czl。

使用时，在预测定过程更容易受到检测条件系数Jts影响时，对检测条件系数Jts进行调整，并使用酒水数字孪生模型进行仿真测试，相对于成分预测模型，抗干扰更好，与实际误差也相对更小。

综合以上内容：

通过构建检测条件系数Jts及相关性系数Rct，在对酒总酸和总脂进行测定时，充分考虑光照和温度变化的带来的影响和干扰，对光照和温度进行调整，使测定结果和实际结果之间的误差更小，测定的可靠性更高。

在输出相关性系数Rct后，依据相关性系数Rct的不同，选择不同的预测定策略，通过选择不同的预测定策略，使得预测定过程和实场景对应性更好，通过对测定区域内光照和温度条件充分考虑，充分减少预测定的误差；

在预测定误差较大时，在调整检测条件后，通过对样品进行实际测定，以实际测定结果对预测定模型进行修正，在确定反馈修正策略后，可以维持预测定模型的预测定准确性；通过获取成分系数Czl及性质系数Xzl，可以通过两者的值与对应阈值的关系，对样品的质量进行筛选，筛除其中的不合格品。

请参阅图1-图2，本发明提供一种酒总酸和总酯含量的测定方法，包括：

在样品测定开始前，先对待测定样品所在的区域内的温度和光照条件进行检测，依据检测结果生成检测条件系数Jts；

当检测条件系数Jts在预设阈值范围内时，对样品进行测定，依据由样品测定获取的子数据，分别建立包含有总酸总脂含量的成分数据集，以及至少包含有光谱吸收率、酸碱度及酒精含量的性质数据集；

分别获取成分系数Czl及性质系数Xzl，并在改变温度和光照条件的情况下，经过相关性分析，生成成分系数Czl与检测条件系数Jts间的相关性系数Rct；

将相关性系数Rct与相关性阈值进行比对，生成比对结果，依据比对结果选择不同的预测定策略，依据所选定的预测定策略；

在输入性质数据集后，输出预测定后的成分数据集及对应的成分系数Czl；其中，所述相关性阈值包括第一阈值和第二阈值，第一阈值小于第二阈值。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种酒总酸和总酯含量的测定系统，其特征在于：包括检测单元（10）和第一处理单元（20），其中：

在样品测定开始前，由检测单元（10）先对待测定样品所在的区域内的温度和光照条件进行检测，依据检测结果生成检测条件系数Jts；当检测条件系数Jts在预设阈值范围内时，对样品进行测定，依据由样品测定获取的子数据，分别建立包含有总酸总脂含量的成分数据集，以及至少包含有光谱吸收率、酸碱度及酒精含量的性质数据集；将成分数据集及性质数据集发送至第一处理单元（20）后，分别获取成分系数Czl及性质系数Xzl，并在改变温度和光照条件的情况下，经过相关性分析，生成成分系数Czl与检测条件系数Jts间的相关性系数Rct；

将相关性系数Rct与相关性阈值进行比对，生成比对结果，依据比对结果选择不同的预测定策略，依据所选定的预测定策略，在输入性质数据集后，输出预测定后的成分数据集及对应的成分系数Czl；其中，所述相关性阈值包括第一阈值和第二阈值，第一阈值小于第二阈值。

2.根据权利要求1所述的酒总酸和总酯含量的测定系统，其特征在于：当相关性系数Rct小于对应的第一阈值，成分系数Czl及性质系数Xzl间存在相关性时，使用训练后生成成分预测模型，向成分预测模型中依次输入性质数据集中的子数据，将输出预测定后的成分数据集作为第一预测定成分数据集，生成第一预测定成分系数Czl。

3.根据权利要求2所述的酒总酸和总酯含量的测定系统，其特征在于：还包括：控制单元（30）、调节单元（40）、数据汇总单元（50）及第二处理单元（60）；

当相关性系数Rct大于对应第二阈值时，由控制单元（30）形成控制指令，先使调节单元（40）对测定区域内的温度和光照条件进行调整，直至检测条件系数Jts在对应阈值范围之内，后使数据汇总单元（50）对酒水性质测定和成分测定的检测数据进行汇总，建立酒水检测数据集；

将酒水检测数据集发送至第二处理单元（60），在训练和测试后建立酒水数字孪生模型，在经过调整后光照和温度条件下，输入当前的性质数据集，经过仿真分析后输出成分数据集，将输出成分数据集作为第二预测定成分数据集，并生成第二预测定成分系数Czl。

4.根据权利要求3所述的酒总酸和总酯含量的测定系统，其特征在于：还包括：第三处理单元（70）；

当相关性系数Rct处于对应的第一阈值与第二阈值之间时，在生成第一预测定成分系数Czl及第二预测定成分系数Czl的基础上，由第三处理单元（70）分别获取第一预测定成分系数Czl及第二预测定成分系数Czl，判断两者间的差值；

当差值在对应阈值之内时，以两次预测定生成的成分数据集中的子数据的均值作为新的预测定值；当差值在对应阈值之外时，对该样品进行成分测定，分别获取样品的总脂和总酸，汇总为二次成分检测数据集，并以二次成分检测数据集对成分预测模型及酒水数字孪生模型进行训练及修正。

5.根据权利要求1所述的酒总酸和总酯含量的测定系统，其特征在于：所述检测单元（10）包括环境检测模块（11）、成分检测模块（12）及性质检测模块（13），其中，在对待测定样品进行测定前，确定待测定样品所在的测定区域，由环境检测模块（11）分别确定测定区域内的区域温度Qt及光照强度Gq，在无量纲处理后，关联生成检测条件系数Jts；其中，检测条件系数Jts的生成条件下如下：

；

其中，，/>，且/>，其具体值由用户调整设置，/>为常数修正系数；

当检测条件系数Jts符合预设的阈值范围时，由成分检测模块（12）测定并获取样品的总酸量Zc及总脂量Zz，汇总后建立成分数据集；由性质检测模块（13）测定并获取样品的光谱吸收率Gp、酸碱度Sj及酒精含量Qk，汇总建立性质数据集。

6.根据权利要求5所述的酒总酸和总酯含量的测定系统，其特征在于：所述第一处理单元（20）包括评价模块（21）、分析模块（22）、预测模块（23）及模型训练模块（24）；其中，在依照预设幅度分别改变温度和光照条件后，逐个生成对应的检测条件系数Jts，并以改变后的温度和光照条件作为新检测条件，在新检测条件下重新对样品进行测定，再次获取成分数据集；

依据再次获取的成分数据集，由评价模块（21）生成成分系数Czl，并由分析模块（22）进行相关性分析，输出成分系数Czl与检测条件系数Jts之间的相关性系数Rct。

7.根据权利要求6所述的酒总酸和总酯含量的测定系统，其特征在于：将性质数据集及再次获取的成分数据集发送至评价模块（21），分别生成成分系数Czl及性质系数Xzl；其中：成分系数Czl的生成方式如下：获取总酸量Zc及总脂量Zz，无量纲处理后依照如下公式：

；

其中，，/>，且/>，/>为权重，其具体值由用户调整设置，/>为常数修正系数；

性质系数Xzl的生成方式如下：获取光谱吸收率Gp、酸碱度Sj及酒精含量Qk，无量纲处理后依照如下公式：

；

其中，及/>为可变更常数参数，/>，/>，其具体值由用户调整设置。

8.根据权利要求7所述的酒总酸和总酯含量的测定系统，其特征在于：将成分系数Czl及性质系数Xzl发送至分析模块（22），由分析模块（22）判断两者之间是否具有相关性，当存在相关性时，选择成分数据集及性质数据集中的部分数据作为样本数据，由模型训练模块（24）使用神经网络算法构建成分预测模型，并选择样本数据对成分预测模型进行训练和测试后，将测试后的成分预测模型输出；

将性质数据集中的子数据输入后，由预测模块（23）使用成分预测模型输出预测定后的成分数据集，记为第一成分数据集，并由评价模块（21）生成第一预测定成分系数Czl。

9.根据权利要求3所述的酒总酸和总酯含量的测定系统，其特征在于：所述第二处理单元（60）包括构建模块（61）、判断模块（62）及匹配模块（63），其中，

将酒水检测数据集发送构建模块（61），在训练和测试后，建立酒水数字孪生模型，由调节单元（40）将光照和温度调条件调整至可供样品长期保存的状态，并输出对应的检测条件系数Jts，由判断模块（62）判断检测条件系数Jts是否符合预设阈值范围，如果不符合，则重进行调整，直至检测条件系数Jts符合预设阈值范围；

在输入当前的性质数据集后，使用酒水数字孪生模型进行仿真测试，将匹配模块（63）输出测试后的成分数据集作为第二预测定成分数据集，并生成第二预测定成分系数Czl。

10.一种酒总酸和总酯含量的测定方法，其特征在于：包括：

在样品测定开始前，先对待测定样品所在的区域内的温度和光照条件进行检测，依据检测结果生成检测条件系数Jts；

当检测条件系数Jts在预设阈值范围内时，对样品进行测定，依据由样品测定获取的子数据，分别建立包含有总酸总脂含量的成分数据集，以及至少包含有光谱吸收率、酸碱度及酒精含量的性质数据集；

分别获取成分系数Czl及性质系数Xzl，并在改变温度和光照条件的情况下，经过相关性分析，生成成分系数Czl与检测条件系数Jts间的相关性系数Rct；

将相关性系数Rct与相关性阈值进行比对，生成比对结果，依据比对结果选择不同的预测定策略，依据所选定的预测定策略；

在输入性质数据集后，输出预测定后的成分数据集及对应的成分系数Czl；其中，所述相关性阈值包括第一阈值和第二阈值，第一阈值小于第二阈值。