近红外光谱结合机器学习在清香型白酒原酒快速分级中的应用OA

以清香型白酒大茬和二茬原酒为研究对象,采用气相色谱、近红外光谱技术结合机器学习构建馏分等级的遗传算法-反向传播神经网络(genetic algorithm-back propagation neural network,GA-BP)分类模型和挥发性风味物质含量偏最小二乘法(partial least squares,PLS)回归模型。结果表明,正交偏最小二乘判别分析可有效区分馏分中挥发性风味物质特征,将大茬和二茬原酒均划分为3个等级。以变量投影重要性值>1、P<0.05筛选出对大茬和二茬不同馏分具有重要等级区分贡献的挥发性风味物质各14种,包括亚油酸乙酯、油酸乙酯、棕榈酸乙酯等。GA-BP分类模型对测试集中样品馏分等级展现出优异的分类性能,准确率达96.30%。沙普利加性解释(Shapley additive explanation,SHAP)结果显示,波数11958、11954、5917、5909、5311、4428、4424、4420、4293、4289 cm^(-1)对模型输出SHAP贡献值较高,被确定是预测馏分等级的关键光谱点。PLS回归模型对挥发性风味物质如糠醛、丁酸、异丁酸、甲酸乙酯、乙酸异戊酯和丙酮含量预测能力良好,交叉验证决定系数均大于0.90,交叉验证均方根误差均小于1。综上,本研究提出的馏分等级区分方式、构建的馏分等级GA-BP分类模型和挥发性风味物质质量浓度PLS回归模型可为原酒在线快速分级提供理论参考。