对于葡萄成熟度的判别方式主要分为现场藤上直接检测和实验室浆果单粒检测两种, 且主要采用糖度、 总可溶性固形物、 花青素浓度、 花色苷、 pH值等指标来衡量其成熟度。 根据上述成熟度指标差异, 可以对葡萄成熟状态进行区分。 受检测条件和检测精度的限制, 国内学者在葡萄成熟度现场分析检测方面的研究较少, 而国外学者基于国外较成熟的便携式近红外光谱设备对葡萄开展了大量研究。 早期Larrain等^[3]设计了一种便携式藤上葡萄成熟度无损测量仪, 通过收集与样品相互作用后的散射光谱, 实现对葡萄白利糖度、 pH值和花青素浓度的无损测量。 结果表明葡萄成熟度测量仪对不同葡萄品种有较好的校准判别, 尤其对白利糖度和pH值测量效果良好, 但在花青素浓度测量方面, 还需要一个更可靠的参照值。 该仪器测量时必须确保样品在自然或人造的阴凉处, 或在一天中的某些特定时间(太阳光不直接照射到葡萄上)进行测量, 因此具有一定的应用局限性。 Gonzá lez-Caballero等^[4]研究利用NIR光谱表征葡萄成熟期间白葡萄和红葡萄生长状态。 采用手持式分光光度计(1 600~2 400 nm)在葡萄树上直接标记和分析葡萄品种, 探究酿酒葡萄各种构型、 成熟阶段和光谱数据之间的关系。 研究表明光谱特性可以区分不同葡萄品种成熟的三个阶段(早期、 中期和晚期), 且基于葡萄糖度变化, 通过偏最小二乘判别分析(partial least squares-discriminant analysis, PLS-DA)可以实现对上述酿酒葡萄的分类, 并以此确定最佳收获时机。

Urraca等^[5]研究了将近红外光谱分析仪作为一种替代湿化学方法监测葡萄果实成熟度的方法。 基于700个葡萄浆果近红外校准光谱, 对比分析了实验室和现场采集条件下葡萄果实中总可溶性固体预测模型的精度, 研究表明现场条件下预测精度(RMSEP=1.68° Brix, SEP=1.67° Brix)接近实验室湿化学实验数据(RMSEP=1.42° Brix, SEP=1.40° Brix)。 Costa等^[6]使用可见/近红外(visible-near infrared, VIS-NIR)反射光谱法建立了“ 西拉(Syrah)” 和“ 赤霞珠(Cabernet Sauvignon)” 两个品种酿酒葡萄质量与成熟阶段属性的预测模型, 试验结果表明利用主成分回归(PCR)、 偏最小二乘回归(PLSR)和多重线性回归(MLR)构建的回归模型能够较好预测酿酒葡萄总可溶性固形物和花色苷含量(R²≥ 0.90)及黄酮类化合物含量(R²≥ 0.70)。 此外, 使用PLS-DA可以准确区分葡萄的不同成熟阶段, 分类准确率达93.15%, 得到了较好分类效果。 图1为试验构建的葡萄单粒反射光谱采集系统, 测试时将葡萄放置在白色陶瓷板参考平面的中心, 通过垂直放置于测量平面的光纤传感器采集光谱信息, 分析中去除350~449和1 801~2 500 nm波段的光谱, 以消除过多的随机噪声。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 Vis-NIR光谱反射率采集系统[6]Fig.1 Diagram of the Vis-NIR spectrum reflectance acquisition system[6]

NIR技术除对葡萄成熟度判别分析外, 还适用于不同葡萄多种内部品质属性的区分评价, 尤其对单一品种、 单一品质指标的检测研究较多。 许锋等^[7]利用USB2000+微型光谱仪(Vis-NIR)采集红提400~1 000 nm透过率光谱数据, 并通过理化分析测得红提糖度和酸度值, 利用Savitzky-Golay卷积平滑法对原始光谱进行预处理, 最终建立的预测模型具有较高的准确度(R²> 0.94), 适用于利用糖度和酸度实现红提的快速无损检测和品质区分。 陈辰等^[8]基于可见-近红外漫反射光谱建立了玫瑰香、 马奶、 红提等不同品种葡萄贮藏期间可溶性固形物定量预测模型, 单一品种预测判定系数达0.94以上, 进一步证实了通过近红外技术预测葡萄果实可溶性固形物含量实现不同品种葡萄品质区分的可行性。 因葡萄酒的风味很大程度上取决于糖和酚类化合物的含量, 浆果的分选可以帮助改善葡萄酒的品质。 Xiao等^[9]利用Vis-NIR(400~1 100 nm)光谱对葡萄浆果进行分类, 应用偏最小二乘回归(partial least squares regression, PLSR)来预测质量参数, 包括色彩空间CIELAB, SSC和TP。 预测结果表明, Vis-NIR光谱与完整葡萄果实中存在的可溶性固体含量和总酚类化合物浓度相关, 使用Vis-NIR光谱通过PLS-DA来区分具有不同可溶性固体含量和总酚类化合物浓度的浆果, 其准确度大于77%。 此外, 肖慧^[10]、 袁雷明^[2]等基于光谱检测仪器对不同品种葡萄的可溶性固形物、 总酚等多个理化指标也进行了建模预测和区分。

近年来, 国内外学者逐渐采用近红外光谱仪器测量和感官分析相结合的方法对葡萄内部品质进行检测区分。 国外Parpinello等^[11]采用近红外光谱仪器测量和感官分析相结合的方法预测葡萄可溶性固体含量, 并对意大利消费者偏好的葡萄进行了分类。 Ferrer-Gallego等^{[12, 13]}先后利用NIR光谱法测定葡萄种子和果皮感官参数, 采用改进的PLS校正模型, 综合考虑了口感(酸味)、 质地(涩味、 单宁强度、 干度和硬度)、 视觉(颜色)和嗅觉(香气的强度和类型)属性。 结果表明NIR技术在预测葡萄上述感官属性方面具有相当大的潜力, 且通过鉴别分析可得到该样品的产地, 从而实现葡萄和葡萄酒样本的正确分类。 国内袁雷明等^[7]利用Vis-NIR技术检测巨峰葡萄内部品质以及感官偏好等级。 试验比较了漫反射、 透射两种光谱采集方式对葡萄内部品质的检测准确性, 研究表明透射光谱更能表征巨峰葡萄的内部品质信息, PLS模型对鲜食葡萄可溶性固形物、 总酸度的预测均方根误差小, 但在感官评价方面, 受到消费者感官偏好主观性、 多样性的影响, 其模型预测性能还有待提高。

此外, 葡萄在后续深加工处理前常需进一步检测葡萄质量, 尤其是对于机械采收的葡萄, 需确保待加工葡萄无泥土、 病菌等污染。 目前对于葡萄是否受到霉菌、 泥土等污染仍以主观视觉分析为主, 但部分指标只靠眼睛很难判别。 现有酿酒厂对货车上待加工的葡萄大都通过传统人工视觉检查评估葡萄是否健康或受到霉菌感染, 具有一定的局限性。 为实现酿酒厂葡萄加工前品质的在线规模化检测应用, 国外Giovenzana等^[14]研发了一种由卡车采样器(意大利Maselli CC05)组成的在线葡萄分析仪系统(图2), 该系统配有泵和机械搅龙, 以便在不同水平的托运货车上拾取葡萄。 但试验时同样需要先将检测样品送到特定分析仪箱中, 再进一步结合传统常见的葡萄质量指标(可溶性固形物含量和酸度)进行分析。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 在线葡萄分析仪系统[14]Fig.2 On-line grape analyzer system[14]

除成熟度判别和品质评价外, NIR技术还应用于葡萄浆果生长过程监测和收获时期葡萄的品质分析分类。 国外Urraca等^[5]设计了一种集成手持式NIR光谱分析仪(图3), 并在葡萄园里进行了系统性实验, 进一步优化了光谱采集程序。 该分析仪以8.7 nm(100个波段)的间隔覆盖1 595.7~2 396.3 nm的波长范围, 通过非侵入的方式分析采集葡萄漫反射光谱信息, 用于评估葡萄总可溶性固体含量, 以实现葡萄生长过程成熟状态的监测。 测量时需将葡萄放置在与分析仪反射窗口接触的位置, 其优点是可直接在葡萄串上收集葡萄光谱, 浆果不需要从葡萄藤上悬挂的簇中分离出来。 Ferrer-Gallego等^[15]使用光纤探头记录了完整成熟的葡萄和葡萄皮在整个成熟过程中的内近红外光谱信息。 结果表明使用NIR技术和化学计量工具开发的模型可以对整个成熟过程中葡萄皮内总酚类化合物和主要酚类化合物进行定量分析预测。 通过对总酚类含量变化的对比分析可实现对葡萄生长过程的实时监测。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 便携式NIR光谱分析仪在实验室(a)和现场条件(b)进行光谱信息采集[5]Fig.3 Portable NIR spectral analyzer in the laboratory (a), and under field conditions (b) for acquisition of spectral information[5]

Piazzolla等^[16]利用NIR技术对葡萄品质参数(糖, 酸度和pH值等)进行了测量, 并对与鲜食葡萄成熟相关联的光谱变化进行监测, 通过选择最佳波长区分不同收获时期的葡萄串并预测鲜食葡萄的总可溶性固体、 pH、 可滴定酸度、 酚和抗氧化剂活性。 研究结果表明分析葡萄在葡萄植株上光谱随时间的变化规律, 可以监测葡萄成熟情况, 并能根据收获时间对葡萄进行正确分类。 Barnaba等^[17]利用近红外声光可调滤光片(NIR-AOTF)分光光度计对四个不同的葡萄园进行了三个季节的测试, 应用PLS和化学计量学方法, 建立了用于估计几种酶学参数的预测模型, 并使用傅里叶变换红外光谱(FTIR)进行参考分析。 研究表明NIR光谱法可在葡萄栽培中直接用于田间研究监测葡萄成熟发育情况。

国内Yu等^[18]探讨了基于主成分分析(principal component analysis, PCA)的NIR光谱与径向基函数神经网络(radial basis function neural network, RBFNN)和最小二乘支持向量机(least squares-support vector machines, LS-SVM)相结合的方法, 用于对不同葡萄品种酿造的葡萄酒进行分类, 并比较了不同预处理方法(标准正态变量SNV和乘积散射校正MSC)对分类结果的影响。 结果表明: 使用具有最佳RBFNN参数的NIR预处理光谱数据可产生很高的正确分类率, 而基于MSC预处理的LS-SVM方法具有最佳的识别率, 两种葡萄酒的鉴别准确率可达96.67%和100%。 进一步说明NIR光谱法结合化学计量学和适当的光谱数据预处理, 具有快速鉴别酿酒葡萄品种以及无损区分葡萄酒的能力。 李霞^[19]确定了赤霞珠干红葡萄酒主要成分(还原糖、 总浸出物、 蛋白质、 酒精度、 总酸、 总糖、 挥发酸、 单宁等)的近红外光谱特征波段, 较全面地建立了各品质指标的定量检测模型。 模型对挥发酸、 pH值、 酒精度、 总浸出物和总酚的检测效果较好。 国外Cozzolino等^[20]开发了一种适用于商业葡萄酒生产设施中的大规模成分分析方法, 该方法利用Vis-NIR分光光度计对红葡萄样品进行反射率分析, 获得的光谱和分析数据被用来建立PLS模型来预测干物质含量和浓缩单宁浓度, 且该方法也可以测量红葡萄匀浆中的其他重要参数, 如总花青素、 总可溶性固形物和pH值, 为葡萄酒无损品质检测提供了参考。 Carames等^[21]采用NIR光谱法测定葡萄汁中总酚和花青素的含量, 采用PLSR方法建立校正模型, 对葡萄汁中总酚和花青素进行预测。 研究表明NIR技术在预测总酚含量(R²=0.96)方面比花青素(R²=0.84)有更好的预测效果。

葡萄酒带有浓厚的葡萄原产地地域特点与个性, 利用光谱等无损检测手段有效确定葡萄酒年份、 品种和产地, 获取葡萄酒质量相关信息和鉴别真伪对保障产品安全和品质具有非常重要的意义。 国外学者利用NIR技术对葡萄酒掺假鉴别的研究较少, 而国内学者大都结合PLS-DA法建立基于NIR光谱的葡萄酒产区判别模型, 从而实现对葡萄酒不同产区的判别分析, 且近年来通过近红外(NIR)与中红外(MIR)等光谱信息融合技术, 进一步扩大了信息来源, 提高了模型判别精度。 Jin等^[22]综合应用了MIR光谱、 NIR光谱、 电子舌(E-tongue)和顶空固相微萃取及气相色谱— 质谱联用(HS-SPME-GC-MS)等多元分析技术进一步探索用于葡萄酒判别的仪器测定数据。 试验结果表明: MIR和NIR光谱不足以鉴别赤霞珠葡萄酒样品, 但与灰色关联度分析(GRA)结合后可以进行鉴别, 此外, 电子舌与PCA联合能够区分掺假的葡萄酒样品, HS-SPME-GC-MS基于挥发性化合物的详细信息, 结合PCA同样可对葡萄酒进行一致的区分。

含糖量、 酒精度、 滴定酸、 pH值等参数是葡萄酒重要的理化指标, 在葡萄酒发酵及后期管理过程中也需要实时监测。 国内贾柳君^[23]基于NIR技术分别建立了酿酒葡萄品种赤霞珠的主要品质指标(总糖、 总酸、 有机酸)、 葡萄酒发酵液品质指标(总糖、 酒精度)及葡萄酒品质指标(总糖、 总酸、 干浸出物、 挥发酸等)的含量测定模型, 为NIR技术在葡萄酒生产过程的监控提供了技术借鉴。 国外Juan Ferná ndez-Novales等^[24]评估了NIR光谱用于预测成熟葡萄酿酒和陈酿过程中糖含量变化的可行性。 对一组146个葡萄样品在NIR区域(800~1 050 nm)进行光谱采集, 并采用PCA, PLS和多元线性(MLR)回归建立校准模型, 用于提高光谱解释葡萄、 葡萄汁和葡萄酒中糖含量精度的校准方法。 结果表明: NIR技术可用于预测葡萄成熟期间以及白葡萄酒和红葡萄酒发酵和陈化过程中糖含量的变化。 Cozzolino等^[25]将NIR技术应用于葡萄生产的多个阶段, 对红葡萄和白葡萄的总花青素(颜色)、 糖、 pH值和酸度进行了检测分析, 并使用光衰减全反射(ATR)对葡萄酒发酵过程中酵母菌株进行检测; 利用近红外分析仪对葡萄酒中的酒精含量进行常规分析, 实现对葡萄酒品质的评分和预测。 此外, Lorenzo等^[26]通过气相色谱分析技术, 分析和量化了属于不同地理区域的几种葡萄酒的发酵挥发物, 并使用PLSR建立了近红外所获得的光谱信息与这些挥发物的相关性, 为采用NIR光谱法快速测定陈年红葡萄酒中的发酵挥发物提供了新的思路。

葡萄汁作为葡萄的另一种加工产品以及葡萄酒的原材料, Preys等^[27]也结合NIR光谱技术和化学计量学法探究了葡萄汁浑浊介质中光谱散射变化与品质指标关系, 从而使这项技术能够用于商业酿酒厂的发酵监测。 Manley等^[28]尝试对葡萄汁中的游离氨基氮(FAN)进行NIR校准, 并评估葡萄酒的苹果酸发酵状态, 尽管这些校准信息不能准确地量化目标化合物(苹果酸、 乳酸、 FAN)的浓度, 但通过类比法独立建模, 可以区分高、 中和低浓度组葡萄汁。

Baca-Bocanegra等^[29]使用便携式微型近红外分光光度计(908~1 676 nm), 分析记录了两个不同收获年份的葡萄园完整葡萄和葡萄皮的光谱(图4), 研究发现光谱数据与红葡萄皮中可提取的多酚(总酚、 花色苷和黄烷醇)呈现一定的相关性。 同样Julio Nogales-Bueno^[30]等也利用NIR高光谱成像系统(900~1 700 nm)记录葡萄采收时的高光谱图像。 通过改进的PLSR方法, 对光谱数据进行了一系列的预处理, 并与红葡萄果皮中可提取的多酚(总酚、 花青素和黄烷醇)进行了关联, 为快速筛选完整葡萄中可提取的多酚类化合物提供了良好的方法。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 葡萄系统试验设计示意图[29]Fig.4 Schematic representation of the experimental design for systematic experiment of grape[29]

为监测葡萄藤营养状况, Cuq等^[31]使用NIR光谱与化学计量结合的方法, 对大量新鲜和干燥的藤本器官样品进行NIR光谱分析, 获得干物质(DM)中C, H和S等元素的相对含量以及C和N比, 利用PLSR模型进行了预测检验, 试验结果证实了NIR光谱技术可用于评估葡萄中氮营养状况并检测C、 N比。

除葡萄藤外, 葡萄叶片更能反映葡萄作物的生长状态。 Giovenzana等^[32]使用Vis-NIR和NIR光谱分别进行葡萄叶片状态分析, 提出了一种基于简化光学器件的叶片水势预测候选变量的选择方法, 以此探讨测试了利用两种便携式光学设备(分光光度计)对葡萄叶片水分状况进行快速、 无损评价的潜在有效性, 研究得出Vis-NIR和NIR光谱技术可以直接取代常规繁琐的葡萄叶片水状态评估技术, 从而为葡萄园灌溉计划的合理制订提供有用信息。