Detection of Acid Ester Content in Baijiu (Chinese Liquor) Based on Near Infrared Spectroscopy
-
摘要: 为了建立成品白酒中酸酯总量的近红外模型，以达到快速检测酸酯总量的目的，本文采用回流及酸碱滴定法测定成品白酒中酸酯总量的化学值，与成品白酒在1 mm及8 mm光程比色池的近红外光谱图相结合，采用内部交叉检验法及外部独立验证建立了成品白酒中酸酯总量的近红外模型。结果表明：成品白酒中的酸类和酯类物质在近红外区有特异性吸收，1 mm光程比色池的最佳处理方法与最优波段分别为：一阶导数、谱区选择9400~5448 cm−1；8 mm光程比色池的最佳处理方法与最优波段分别为：一阶导数、谱区选择9400~7500 cm−1和6100~5448 cm−1。1、8 mm光程比色池的酸酯总量的近红外模型预测值与化学真值拟合的决定系数（R2）分别为99.18%、96.62%，内部交叉检验均方差根（RMSECV）分别为0.989、1.980 mmol/L。1 mm光程比色池的外部独立验证模型预测值与化学真值拟合的决定系数（R2）为99.45%，外部检验标准偏差（RMSEP）为0.819 mmol/L。结果表明，用1 mm光程比色池所建立的近红外模型具有很好的预测能力，能够满足成品白酒中酸酯总量的快速检测要求。
-
关键词:
- 成品白酒 /
- 酸酯总量 /
- 傅立叶变换近红外光谱 /
- 交叉检验法
Abstract: To construct the near infrared spectrum model of acid ester content in Baijiu (Chinese Liquor) and detect rapidly the acid ester content in Baijiu. The chemical value of acid ester content in Baijiu was determined by reflux and acid-base titration, which was combined with the near-infrared spectra of 1 mm and 8 mm optical path colorimetric cell of Baijiu, and the near-infrared spectrum model of acid ester content in Baijiu was established by internal cross test and external independent verification test. The results showed that acid ester content in Baijiu had special absorption to near infrared spectroscopy (NIR). The processing method and the best band of 1 mm optical path colorimetric cell were first derivative and 9400~5448 cm−1, and the processing method and the best band of 8 mm optical path cell were first derivative and 9400~7500 cm−1 and 6100~5448 cm−1. The coefficient of determination (R2) between the NIR predicted values and the chemical true values of acid ester content in 1 mm and 8 mm optical path colorimetric cells were 99.18% and 96.62%, and the correction standard deviation (RMSECV) were 0.989 mmol/L and 1.980 mmol/L. The coefficient of determination (R2) of external independent verification model between the predicted values and the chemical true values was 99.45%, and the prediction standard deviation (RMSEP) was 0.819 mmol/L. The results showed that the NIR model built by 1 mm optical path colorimeter cell had good prediction ability and could meet the requirements of rapid detection of acid ester content in Baijiu. -
白酒作为世界著名的蒸馏酒之一，因其特殊的风味和口感，深受人们欢迎，其品质也得到大家的广泛关注[1-2]。白酒中的有机酸和酯是重要的呈香、呈味物质，有机酸和酯与醇在自然条件下会发生可逆的转化反应，这种反应在一定时间内，有利于产品质量风格趋于稳定，口感更加醇厚[3]，其中的酸酯总量能够反应白酒在储藏过程中品质的变化，是白酒检测中的关键指标。目前，对白酒或烈酒中酸类、酯类、醇类等物质的检测主要采用气相色谱法或酸碱滴定法，其存在分析周期长、操作繁琐、检测单一、环境污染等方面的不足[4-5]，因此，研究一种快速高效的分析技术，对降低成本、提高效率、保护环境等方面具有重要的意义和作用[6]。
白酒中的有机分子有如O-H、N-H、C-H等这样的含氢基团，含氢基团的倍频和合频吸收区主要集中在近红外光谱区，通过扫描样品的近红外光谱可以得到样品中含氢基团的特征信息，因此，通过仪器检测近红外线被吸收的情况可以得到物质的近红外吸收光谱[7-8]，对光谱进行一定的预处理和优化，则能消除或减弱各种非目标因素对光谱的影响[9-10]。近年来，红外光谱技术因具有操作方便、步骤简易、检测时间短、不损伤样品、没有化学试剂消耗、能同时测定多个组分等独特优势[11-14]而被广泛应用研究，其在酒类行业的研究应用在国内外均有报道[15]，DIRK[16]利用中红外光谱技术对甲醇、乙酸乙酯等指标进行了监测研究；UMESH等[17]采用近红外光谱技术对烈酒中的有机酸进行了检测研究，结果都具有非常好的效果。谭超等[18]利用近红外光谱技术筛选出了白酒中乙酸乙酯含量的最优波段（2200~2400 nm）；刘建学等[19-20]利用近红外技术构建了白酒基酒中典型醇及己酸、乙酸的近红外预测模型；彭帮柱等[21]基于近红外光谱建立了白酒中总酯的快速检测模型。
本文以近红外光谱分析技术为基础，选取水井坊成品酒为研究对象，分别用1、8 mm光程的比色池扫描得到244个样品的近红外光谱图，并对光谱图进行分析，选取特征谱区及最佳预处理方法，比较不同光程比色池模型效果，并对模型进行验证和评价，建立了成品白酒中酸酯总量的近红外模型，可为白酒中酸酯总量的快速测定提供依据。
1. 材料与方法
1.1 材料与仪器
244个成品白酒样品 四川水井坊股份有限公司；10个白酒盲样 市面随机购买；0.1 mol/L氢氧化钠标准溶液、0.05 mol/L硫酸标准滴定溶液：按GB/T 601-2016《中华人民共和国国家标准化学试剂标准滴定溶液的制备》进行配制与标定[22]；10 g/L酚酞指示剂：按GB/T 603-2002《中华人民共和国国家标准化学试剂试验方法中所用制剂及制品的制备》进行配制[23]；氢氧化钠、硫酸、酚酞 均为分析纯，成都金山试剂厂。
Bruker MPAII型近红外光谱仪 德国布鲁克（Bruker）公司；水浴锅（温控100 ℃） 江苏金怡仪器科技有限公司；50 mL碱式滴定管、50 mL酸式滴定管 天津市天玻玻璃仪器有限公司；500 mL玻璃回流装置 天长市天沪分析仪器有限公司。
1.2 实验方法
1.2.1 酸酯总量的化学值测定
依据GB/T 10781.1-2021《中华人民共和国国家标准白酒质量要求第1部分：浓香型白酒中白酒中酸酯总量的测定方法》测定建模集及验证集白酒样品中的酸酯总量。吸取酒样50.0 mL于250 mL三角瓶中，加2滴10 g/L酚酞指示剂，用0.1 mol/L氢氧化钠标准溶液（c1）滴定至微红色，记录消耗的氢氧化钠体积V1（mL），再准确加入30 mL 0.1 mol/L氢氧化钠标准溶液，沸水浴回流30 min，然后用0.05 mol/L硫酸标准滴定溶液（c2）滴定至微红色刚好完全消失，记录消耗硫酸体积V2（mL），同时记录空白试验样品消耗硫酸体积V0（mL）。样品中的酸酯总量（X）计算公式如下：
X=[c1×V1+c2×（V0−V2）]×100050 1.2.2 酒样的近红外光谱采集
利用Bruker MPAII傅立叶变换近红外光谱仪采集白酒样品光谱，测量前将仪器预热30 min，在不放比色池情况下，以空气作参比，选用光程为1 mm和8 mm的石英比色皿，将白酒样品分别移至1 mm和8 mm的比色皿中，使用Bruker MPAII傅立叶变换近红外光谱仪及OPUS8.1分析软件进行光谱采集。光谱扫描范围为11550~3950 cm−1，仪器分辨率为8 cm−1，扫描次数为16次，每个样品采集3次，用所得平均光谱进行分析[24]。
1.2.3 光谱数据预处理及模型建立
样品在进行近红外测试过程中，可能存在无关因素的干扰，从而导致近红外光谱的基线漂移及光谱不重复，因此，为提高所采集近红外光谱的有效信息，提高模型的可靠性和稳定性，需要对原始光谱进行预处理，以选择合适的谱区来建立模型[25-26]。
本试验利用Bruker MPAII型傅立叶变换近红外光谱仪中的OPUS8.1分析软件的自动功能，选择出检验模型的最优谱区、波段及最佳预处理方法。根据国标法测定的白酒中酸酯总量的化学值的分布情况，将白酒样品划分为校正集样品和验证集样品，选取182个样品作为校正集样品，72（包含市面随机购买的10个白酒样品）个样品作为验证集样品，对校正集样品进行交叉检验来建立模型，用模型的预测值与化学真值的决定系数（R2）和交叉检验标准偏差（RMSEV）来评价模型质量[27]。最后用独立的验证集样品来对模型进行外部验证，将模型计算的结果与国标法测定的化学值进行比较，验证其可靠性[28]。
1.3 数据处理
白酒中酸酯总量的化学值由两次独立重复测定结果绝对差值不超过平均值的2%来确定，取其平均值；近红外模型的预处理方式及其相关系数和标准偏差的结果由布鲁克公司配套数据采集软件OPUS8.1中的自动功能及模型评价功能所得。
2. 结果与分析
2.1 白酒样品选择
将244个白酒样品按国标法测定的酸酯总量的高低顺序进行排序，为得到校正集及验证集样品分布均匀性结果，用隔3选1的方法，将样品分为校正集样品和验证集样品，其中为验证模型适用性，将市面随机购买的10个白酒样品也作为验证集样品，测定结果如表1所示。
表 1 校正集样品与验证集样品的酸酯总量测定结果Table 1. The results of total acid esters in calibration set and verification set名称 校正集 验证集 样品数（个） 182 72 酸酯总量范围（mmol/L） 44.66~85.96 45.61~85.00 平均值（mmol/L） 61.49 62.45 极差（mmol/L） 41.30 39.39 由表1可知，所选校正集样品中酸酯总量范围为44.66~85.96 mmol/L，验证集样品中酸酯总量范围为45.61~85.00 mmol/L。所选建模校正集样品含量范围大于验证集样品含量范围，且范围大具有代表性，符合选择建模样品的原则。
2.2 成品白酒近红外光谱分析
按照上述的近红外光谱采集条件，分别得到254个成品白酒样品的1 mm光程比色池的近红外光谱和8 mm光程比色池的近红外光谱，如图1和图2所示。
![]()
图 1 成品白酒1 mm光程比色池近红外光谱Figure 1. The near-infrared spectra of 1 mm optical path colorimetric cell of Baijiu![]()
图 2 成品白酒8 mm光程比色池近红外光谱Figure 2. The near-infrared spectra of 8 mm optical path colorimetric cell of Baijiu由图1和图2可知，样品在相同波数下，使用8 mm光程比色皿的吸光度高于1 mm光程比色皿的吸光度，8 mm比色皿所得光谱图形较饱和平滑，1 mm比色皿所得光谱图形比较尖锐，过大的谱图峰在建模中干扰因素较多，应予以避免[29]。白酒中含有大量的水和乙醇，其中水分子的近红外特征吸收区域在5128 cm−1附近，乙醇的吸收区域在4347 cm−1附近[29-30]，选择建模谱区时应避开这些强吸收干扰区域[24]。从图1可知，在波数9000~5300 cm−1范围内，样品吸光度适中，适合建模波段的选择。从图2可知，在波数7300~6000 cm−1范围内，样品吸光度太高，有较多非目标因素的影响，不适合建模波段的选择，其建模波段在9000~7300 cm−1和6000~5300 cm−1范围内选择较为合适。
2.3 模型建立
通过上述处理方式对校正集182个白酒样品进行校正集交叉检验建模分析处理，建模结果如表2所示。
表 2 不同光程比色池近红外模型结果Table 2. The results of near-infrared model in different optical path colorimetric cells名称 1 mm光程
比色池8 mm光程
比色池建模波数（cm−1） 9400~5448 9400~7500、
6100~5448模型预处理方式 一阶导数 一阶导数 模型预测值与真值拟合决定系数（R2，%） 99.18 96.62 模型预测值与真值标准偏差（mmol/L） 0.989 1.980 由表2可知，白酒酸酯总量1 mm光程比色池近红外模型的建模波数范围是9400~5448 cm−1，模型预处理方式是一阶导数，8 mm光程比色池建模波数范围是9400~7500 cm−1和6100~5448 cm−1，模型预处理方式是一阶导数，与上述两种光谱特征性一致。1 mm光程比色池和8 mm光程比色池近红外模型的预测值与真值拟合决定系数（R2）分别为99.18%、96.62%，其校正集标准偏差（RMSECV）分别为0.989、1.980 mmol/L，由此可知，选用1 mm光程的比色池对成品白酒样品中的酸酯总量进行近红外快速测试要优于8 mm光程的比色池。
2.4 酸酯总量1 mm光程比色池的近红外模型验证
通过对1 mm和8 mm两种光程比色池的近红外模型比较，1 mm光程的比色池具有明显优势，将选择的72个验证集样品（包含市面随机购买的10个白酒样品）对1 mm光程比色池近红外模型进行独立性验证，结果如图3所示。
![]()
图 3 酸酯总量1 mm光程比色池验证集的预测值和真值关系图Figure 3. The relationship between predicted value and true value of validation set in 1 mm optical path colorimetric cell由图3可知，酸酯总量1 mm光程比色池近红外模型验证集样品预测值与真值拟合的决定系数（R2）为99.45%，验证集标准偏差（RMSEP）数值为0.819 mmol/L，说明该模型具有非常好的预测能力，同时，对市面随机购买的10个白酒样品也有较好的预测能力，表明该模型可用于成品白酒酸酯总量的快速检测。
3. 结论
本文通过两种光程的比色池对成品白酒进行近红外光谱扫描，再结合国标法测得样品中酸酯总量的化学值，建立了两种光程比色池的近红外光谱定量模型，利用校正集样品中酸酯总量的预测值和真值的相关系数和标准偏差对模型进行评价，结果表明：使用1 mm光程的比色池建模效果更好，同时使用独立的验证集样品对模型进行验证，得到验证集样品中酸酯总量的预测值与真值拟合的决定系数（R2）和标准偏差（RMSEP）分别是99.45%和0.819 mmol/L，说明所建模型具有非常好的预测能力，能够用于快速测定成品白酒中的酸酯总量。后续需要不断补充优化近红外检测模型，扩大模型分析范围，利用近红外光谱仪在测试方面的诸多优势，为白酒以及其他行业的快速分析提供新的思路。
-
![]()
图 1 成品白酒1 mm光程比色池近红外光谱
Figure 1. The near-infrared spectra of 1 mm optical path colorimetric cell of Baijiu
![]()
图 2 成品白酒8 mm光程比色池近红外光谱
Figure 2. The near-infrared spectra of 8 mm optical path colorimetric cell of Baijiu
![]()
图 3 酸酯总量1 mm光程比色池验证集的预测值和真值关系图
Figure 3. The relationship between predicted value and true value of validation set in 1 mm optical path colorimetric cell
表 1 校正集样品与验证集样品的酸酯总量测定结果
Table 1 The results of total acid esters in calibration set and verification set
名称 校正集 验证集 样品数（个） 182 72 酸酯总量范围（mmol/L） 44.66~85.96 45.61~85.00 平均值（mmol/L） 61.49 62.45 极差（mmol/L） 41.30 39.39 
下载: 导出CSV
表 2 不同光程比色池近红外模型结果
Table 2 The results of near-infrared model in different optical path colorimetric cells
名称 1 mm光程
比色池8 mm光程
比色池建模波数（cm−1） 9400~5448 9400~7500、
6100~5448模型预处理方式 一阶导数 一阶导数 模型预测值与真值拟合决定系数（R2，%） 99.18 96.62 模型预测值与真值标准偏差（mmol/L） 0.989 1.980
下载: 导出CSV
-
[1] 陈育新, 韩珍, 郭庆东. 中国白酒中呈香呈味物质研究进展[J]. 食品研究与开发,2015,36(2):140−142. [CHEN Y X, HAN Z, GUO Q D. Prograss of research on the aroma and flavor-producing substances in liquor[J]. Food Research and Develoment,2015,36(2):140−142. doi: 10.3969/j.issn.1005-6521.2015.02.036 [2] 郑福平, 马雅杰, 侯敏, 等. 世界6大蒸馏酒香气成分研究概括与前景展望[J]. 食品科学技术学报,2017,35(2):1−12. [ZHENG F P, MA Y J, HOU M, et al. Prograss and prospect in aroma components in top six distilled spirits[J]. Journal of Food Science and Technology,2017,35(2):1−12. doi: 10.3969/j.issn.2095-6002.2017.02.001 [3] 国家市场监督管理总局, 国家标准化管理委员会. GB/T 10781.1-2021白酒质量要求第1部分: 浓香型白酒[S]. 北京: 中国标准出版社, 2021. State Administration for Market Regulation, Standardization Administration. GB/T 10781.1-2021 Quality requirements for Baijiu-Part 1: Nongxiangxing Baijiu[S]. Beijing: Standards Press of China, 2021.
[4] CHENG P, FAN W, XU Y. Deternination of Chinese liquors from different geographic origins by combination of mass spectrometry and chemoetric technique[J]. Food Control,2014,35(1):153−158. doi: 10.1016/j.foodcont.2013.07.003
[5] CHENG P, FAN W, XU Y. Quality grade discrimination of Chinese strong aroma type liquors using mass spectrometry and multivariate analysis[J]. Food Research International,2013,54(2):1753−1760. doi: 10.1016/j.foodres.2013.09.002
[6] 田育红, 王凤仙, 吴青. 基于近红外光谱分析技术快速检测白酒中的关键指标[J]. 酿酒,2019,46(5):93−96. [TIAN Y H, WANG F X, WU Q. Rapid detection of key indicators in liquor based on near infrared spectroscopy[J]. Liquor Making,2019,46(5):93−96. doi: 10.3969/j.issn.1002-8110.2019.05.025 [7] 陈乃鹏. 傅立叶变换近红外光谱对酒的鉴定综述[J]. 当代化工研究,2019(6):22−24. [CHEN N P. Review on identification of wine by fourier transform infrared spectroscopy[J]. Modern Chemical Research,2019(6):22−24. doi: 10.3969/j.issn.1672-8114.2019.01.014 [8] 王海英, 杨玉珍, 任国军, 等. 利用近红外技术对河套原酒入库指标的检测研究[J]. 酿酒科技,2017(1):37−41. [WANG H Y, YANG Y Z, REN G J, et al. Rapid detection of warehousing indexes of Hetao base liquor by using near infrared technology[J]. Liquor-Making Science & Technology,2017(1):37−41. [9] 陈霏, 庹先国, 曾祥林, 等. 近红外检测技术在白酒生产中的应用研究进展[J]. 食品科技,2021,46(1):280−284. [CHEN F, TUO X G, ZENG X L, et al. Research progress of near infrared detection technology in liquor production[J]. Food Science and Technology,2021,46(1):280−284. [10] MABOOD F, JABEEN F, HUSSAIN J, et al. FT-NIRS coupled with chemometric methods as a rapid alternative tool for the detection & quantification of cow milk adulteration in camel milk sammples[J]. Vibrational Spectroscopy,2017(7):245−250.
[11] YU H Y, NIU X Y, LIN H J, et al. A feasibility study on on-line determinnation of rice wine composition by Vis-NIR spectroscopy and least-squares support vector machines[J]. Food Chemistry,2009,113(1):291−296. doi: 10.1016/j.foodchem.2008.06.083
[12] YAO J, YANG Q, SUN C Y, et al. Qualitative analysis of methanol in the forged wine using spectrophotometer[J]. Chinese Journal of Spectroscopy Labortory,2000,17(1):35−37.
[13] 郭玉姗, 刘建学, 李璇, 等. 基于近红外光谱技术的白酒基酒中乳酸的快速检测[J]. 食品工业科技,2018,39(20):212−216. [GUO Y S, LIU J X, LI X, et al. Rapid determination of lactic acid in base liquor based on near infrared spectroscopy[J]. Science and Technology of Food Industry,2018,39(20):212−216. [14] 杨增玲, 黄圆萍, 沈光辉, 等. 基于在线近红外光谱的堆肥全过程关键参数快速检测[J]. 农业机械学报,2019,50(5):356−361,384. [YANG Z L, HUANG Y P, SHEN G H, et al. Rapid detection of key parameters of conposting process based on online near-infrared spectroscopy[J]. Trans Chin Soc Agric Mach,2019,50(5):356−361,384. doi: 10.6041/j.issn.1000-1298.2019.05.040 [15] 邓波, 沈才洪, 丁海龙, 等. 红外光谱分析技术在白酒行业中的应用进展[J]. 中国酿造,2020,39(9):13−17. [DENG B, SHEN C H, DING H L, et al. Advances in the application of infrared spectroscopy in the Chinese Baijiu industry[J]. China Brewing,2020,39(9):13−17. doi: 10.11882/j.issn.0254-5071.2020.09.003 [16] DIRK W. Rapid quality control of spirit drinks and beer using multivariate data analysis of Fourier transform infrared spectra[J]. Food Chem,2007,101(2):825−832. doi: 10.1016/j.foodchem.2005.12.032
[17] UMESH R, KRISHNA P, MIGUEL P. Determination of organic acids in wine and spirit drinks by Fourier transform infrared (FT-IR) spectroscopy[J]. J Food Sei Technol Nepal,2012,7:36−43.
[18] 谭超, 吴同, 李惟一, 等. 近红外光谱组合区间偏最小二乘法定量白酒中的乙酸乙酯[J]. 计算机与应用化学,2014,31(4):540−512. [TAN C, WU T, LI W Y, et al. Quantitative analysis of ethyl acetate in Baijiu by near infrared spectroscopy combined with partial least squares[J]. Computers and Applied Chemistry,2014,31(4):540−512. [19] 刘建学, 杨国迪, 韩四海, 等. 白酒基酒中典型醇的近红外预测模型构建[J]. 食品科学,2018,39(2):281−286. [LIU J X, YANG G D, HAN S H, et al. Prediction model for typical alcohols in base liquor based on near infrared spectroscopy[J]. Food Science,2018,39(2):281−286. doi: 10.7506/spkx1002-6630-201802044 [20] 刘建学, 张卫卫, 韩四海, 等. 白酒基酒中己酸/乙酸的近红外快速检测[J]. 食品科学,2016,37(4):181−185. [LIU J X, ZHANG W W, HAN S H, et al. Rapid detection of caproic acid and acetic acid in liquor base based on Fourier transform near-infrared spectroscopy[J]. Food Science,2016,37(4):181−185. doi: 10.7506/spkx1002-6630-201604032 [21] 彭帮柱, 龙明华, 岳田利, 等. 傅里叶变换近红外光谱法检测白酒总酸和总酯[J]. 农业工程学报,2006,22(12):216−219. [PENG B Z, LONG M H, YUE T L, et al. Determinstion of TA and TE concentration in liquor based an Fourier transform near-infrared spectroscopy[J]. Transactions of the CSAE,2006,22(12):216−219. doi: 10.3321/j.issn:1002-6819.2006.12.045 [22] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T601-2016化学试剂标准滴定溶液的制备[S]. 北京: 中国标准出版社, 2016. General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China, Standardization Administration of the People’s Republic of China. GB/T601-2016 Chemical reagent: Preparations of reference titration solutions[S]. Beijing: Standards Press of China, 2016.
[23] 中华人民共和国国家质量监督检验检疫总局. GB/T603-2002化学试剂试验方法中所用制剂及制品的制备[S]. 北京: 中国标准出版社, 2002. General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China. GB/T603-2002 Chemical reagent: Preparations of reagent solutions for use in test methods[S]. Beijing: Standards Press of China, 2002.
[24] 董新罗, 刘建学, 韩四海, 等. 白酒基酒中酮类物质的近红外光谱检测方法[J]. 分析测试学报,2020,39(11):1427−1432. [DONG X L, LIU J X, HAN S H, et al. Rapid detection of ketones in base liquor by near infrared spectroscopy[J]. Journal of Instrmental Analysis,2020,39(11):1427−1432. doi: 10.3969/j.issn.1004-4957.2020.11.018 [25] HAITAO S, YAOGENG L, LUCIANA L P, et al. Evaluation of near-infrafed (NIR) and Fourier transform mid-infrared (ATR-FT/MIR) spectroscopy techniques combined with chemometrics for the determination of crude protein and intestinal protein digestibility of wheat[J]. Food Chem,2019,272(9):507−513.
[26] GORDON R, CHAPMAN J, POWER A, et al. Unfrazzled by fizziness: Identification of beers using attenuated total reflectance mid-infrared spectroscopy and multivariate analysis[J]. Food Anal Method,2018,11(9):2360−2367. doi: 10.1007/s12161-018-1225-y
[27] SUN Z, LI C, LI L, et al. Study on feasibility of determination of glucosamine content of fermentation process using a micro NIR spectrometer[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy,2018(8):153−160.
[28] 宗绪岩, 李骥, 邹永芳, 等. 基于化学计量学的近红外光谱法检测白酒中酯含量研究[J]. 农产品加工,2019,2(2):53−55,59. [ZONG X Y, LI J, ZOU Y F, et al. Determination of ester contents in Baijiu by near infrared spectroscopy based on chemometrics[J]. Farm Products Processing,2019,2(2):53−55,59. [29] 陆婉珍. 现代近红外光谱分析技术(第二版)[M]. 北京: 中国石化出版社, 2007. LU W Z. Modern near infrared spectroscopy analytical technology (Second edition)[M]. Baijing: China Petrochemical Press, 2007.
[30] 李霞. 基于近红外光谱技术的赤霞珠干红葡萄酒品质指标检测方法研究[D]. 杨凌: 西北农林科技大学, 2018. LI X. Rapid detection of wuslity index in cabernet sauvignon red wine based on near-infrared spectroscopy[D]. Yangling: Northwest A & F University, 2018.
-
期刊类型引用(9)
1. 向芳. 食品减盐策略研究进展. 食品与发酵工业. 2024(06): 350-358 . 
百度学术
2. 赵亚丽，张香美，卢涵，杨贝，文港. 传统腌腊肉制品质量安全管理研究. 食品与机械. 2023(01): 55-60+156 . 百度学术
3. 刘东，夏金龙. 低钠酱鹿肉的配方优化及贮藏期特性研究. 中国调味品. 2023(03): 67-74 . 百度学术
4. 李智，牛超杰，邹爱军，常超. 肉制品加工减盐技术及其应用. 武汉轻工大学学报. 2023(04): 31-38 . 百度学术
5. 张彦慧，郑红霞，刘楠，高彦祥，毛立科. 胶体结构设计在减盐食品中的应用. 食品科学. 2022(01): 213-222 . 百度学术
6. 吕广英，孔君，郑润愽. 一种低钠休闲香肠的加工技术研究. 肉类工业. 2022(05): 16-19 . 百度学术
7. 芮李彤，李海静，张婷婷，郭琦，李子豪，夏秀芳. 食盐对肉制品品质形成的作用及减盐技术研究进展. 肉类研究. 2022(07): 61-67 . 百度学术
8. 孙悦，李震，王鹏，徐幸莲. 响应面优化减盐鸡肉松热加工工艺及品质测定. 食品工业科技. 2022(20): 263-273 . 本站查看
9. 周平萍. 咸味剂咸度分析研究方法进展. 现代食品. 2022(17): 23-26+37 . 百度学术
其他类型引用(5)
下载:
计量
- 文章访问数: 197
- HTML全文浏览量: 42
- PDF下载量: 33
- 被引次数: 14
