基于FT-NIR的葡萄酒发酵过程中挥发酸的定量分析

利用近红外光谱技术对葡萄酒发酵过程中挥发酸含量进行定量分析,通过偏最小二乘法建立葡萄酒发酵过程中挥发酸定量分析模型,同时采用间隔偏最小二乘法(iPLS)、后向间隔偏最小二乘法(BiPLS)、组合间隔偏最小二乘法(SiPLS)、竞争性自适应重加权算法(CARS)对整个谱区进行光谱特征变量筛选.以决定系数(R2)、校正标准偏差(RMSEC)、预测标准偏差(RMSEP)、相对分析误差(RPD)以及最佳主因子数为模型质量的评价指标.结果表明:进行变量筛选可对模型起到优化作用,提高识别精度,降低模型解析难度.其中CARS对模型的优化效果最佳,优化模型的决定系数R2达到0.868,RMSEC为0.033,RMSEP为0.032,RPD为5.31,有效简化了模型复杂程度,提高了模型稳定性和预测能力.