酱香型白酒是我国重要的香型白酒之一，其中贵州茅台酒是传统工艺大曲酱香型白酒的典型代表，是与苏格兰威士忌、法国科涅克白兰地齐名的世界三大蒸馏名酒之一。以手工操作为主的传统工艺酱香型白酒的酿造因其独特而复杂的酿造工艺、对酿造环境的苛刻要求和高度依赖性，形成了季节性生产、生产周期漫长、生产成本高、出酒率低、多轮次高温发酵以及多轮次蒸馏取酒等特点，造就了酒体幽雅细腻、醇厚，回味悠长，空杯留香持久的风格[1-3]。
目前，酱香型白酒生产仍以传统工艺为主，相对传统工艺而言，非传统工艺中以碎沙工艺较常见，有部分翻沙工艺，也有少数企业在部分生产环节利用了机械化装备生产[4-5]。非传统工艺因其工艺操作简单，周期较短、生产成本较低、产量较高等特点，在降低企业生产经营成本、满足不同消费层次需求上有一定的推动作用。近年来，酱香型白酒市场需求日益扩大，出现了以酱香型白酒生产丢弃的酒糟，加入食用酒精进行串蒸取酒等生产的调香白酒来以次充好、掺杂使假，低质高价、蒙骗消费者，扰乱市场的现象。为维护消费者权益、引导企业诚信经营、维护市场有序竞争、维护酱香白酒产业健康发展，亟需建立快速有效的检测方法用于不同工艺酱香型白酒的区分与鉴定，为打击市场不良经营行为等提供参考依据。通常不同工艺酒体感官区别明显，在区分传统大曲酱香工艺白酒、非传统酱香工艺白酒及酒精串蒸的调香白酒上，感官鉴评法在一定范围内可快速有效地识别酒体工艺和品质，但由于感官的不稳定性，以及上述工艺酒体混合勾调的多样性，也存在一些不足和误差，需仪器检测结果辅助分析以提高鉴别准确率。在检验检测技术上，白酒鉴定利用色谱法或结合质谱法建立白酒风味物质组分指纹图谱进行分析[6-9]，这些技术实现了白酒风味物质的定性、定量以及判别模型的鉴定，但在实际应用上存在耗时长、人员要求高、设备昂贵等不足，较难实现快速鉴别及应用。
光谱法结合化学计量法在快速鉴别上被广泛应用于酒类产品，如用于茅台酒真伪鉴别[10]、古井贡酒年份酒鉴别[11]、白酒种类快速识别[12]、青稞酒种类判别[13]等。光谱法中的紫外光谱分析技术在食品领域的定性定量分析上具有仪器稳定、灵敏度高、准确性好、设备便宜、操作简单和测定速度快等优点。结合紫外光谱技术与化学计量方法，以已知样本光谱数据参数建立定量或定性模型，可实现对未知样本的预测。因此，本研究利用紫外光谱技术分析280批次具代表性的传统工艺酱香轮次酒、成品酒、碎沙工艺酱香白酒及酒精串蒸调香白酒在近紫外区的吸光度值、光谱指纹特征及部分紫外光吸收物质，应用主成分分析（principal component analysis，PCA）和偏最小二乘判别分析（partial leasts quares-discriminant analysis，PLS-DA）建立不同工艺酱香型白酒鉴别模型，以实现传统大曲酱香工艺白酒与碎沙工艺酱香白酒、酒精串蒸调香白酒的快速鉴别。
1 材料与方法
1.1 材料与试剂
不同工艺酱香型白酒酒样：项目参与企业提供及市场采购，其中传统工艺代表酒样60批次（编号为T01～T60），碎沙工艺代表酒样60批次（编号为S01～S60），串蒸调香酒样20批次（编号为C01～C20），酱香1～7轮次酒样20组（共140个），供试酒样除轮次酒外，酒精度均为53%vol。
酯类、酸类、醇类及醛酮类标准品（纯度均＞98%）、无水乙醇（色谱纯）：上海安谱实验科技股份有限公司。
1.2 仪器与设备
UV2700i紫外分光光度计：日本岛津公司；SK7200B超声清洗器：上海科导超声仪器有限公司；Milli-QAA10超纯水机：昆明倍捷科技有限公司。
1.3 方法
1.3.1 样品制备
取酒样0.5 mL，超纯水定容至10 mL，超声振荡5 min后，取适量样品于石英比色皿中，以53%vol乙醇水溶液作为空白对照，在波长190～350 nm范围内进行紫外光谱扫描。
1.3.2 标准品制备
称取适量酯类、酸类、醇类及醛酮类标准品，53%vol乙醇水溶液定容至10 mL为标准品母液，并将标准品储备液分别稀释至1 000 mg/L 和100 mg/L的标准中间液及工作液。取适量样品于石英比色皿中，以53%vol乙醇水溶液作为空白对照，在波长190～350 nm范围内进行紫外光谱扫描。
1.3.3 紫外光谱相似度
紫外光谱曲线相似度是样品稳定性和仪器稳定性的评价依据，当两样品间的紫外相似度＞0.90时，可认为这两个样品为同类样品或同一批次样品[14]。紫外光谱相似度计算公式如下：
其中S为两光谱曲线的相似程度，n为光谱曲线的采样点，h1、h2分别为两光谱曲线同一采样点的吸光度值。
1.3.4 数据处理
利用UVprobe2.6软件提取原始光谱数据，通过Microsoft Excel 2019计算样本光谱平均值和相似度，Origin Pro 2022和SIMCA 14进行数据可视化与模型建立。
2 结果与分析
2.1 紫外光谱曲线相似度分析
紫外光谱曲线相似度既能反映样品相似程度，又能反映二者差异。采集各代表酒样紫外光谱数据，每个样品3次平行，平行样的光谱曲线基本重合，且紫外相似度均＞0.95；说明酱香型白酒的光谱曲线重现性良好，具有较强的光谱稳定性。不同工艺酱香型白酒样品紫外光谱曲线特征的相似度比较结果见表1。由表1可知，相同工艺不同样品间的紫外相似度波动较小，不同工艺样品间的紫外相似度差异明显。传统工艺代表酒样间的紫外相似度均＞0.85，且与碎沙工艺、调香白酒紫外相似度均＜0.75；而碎沙工艺和调香白酒样品间的紫外相似度则在0.16～0.92之间波动，说明传统工艺酒样与碎沙工艺、调香白酒酒样光谱曲线区别明显。
表1 不同工艺酱香型白酒样品紫外光谱曲线特征的相似度比较
Table 1 Comparison of similarity of ultraviolet spectral curve characteristics of sauce-flavor Baijiu samples with different processes
样品编号T01 T30 T60 S01 S30 S60 C01 C10 C20传统工艺T01 T30碎沙工艺S01 S30 T60 S60调香白酒C01 C10 C20 1.00 0.90 1.00 0.94 0.85 1.00 0.71 0.54 0.75 1.00 0.16 0.06 0.18 0.21 1.00 0.56 0.49 0.61 0.84 0.37 1.00 0.61 0.49 0.65 0.88 0.30 0.92 1.00 0.16 0.08 0.17 0.31 0.64 0.39 0.34 1.00 0.42 0.36 0.24 0.57 0.43 0.52 0.81 0.52 1.00
2.2 酱香型白酒的紫外吸收光谱分析
2.2.1 酱香型轮次基酒的紫外光谱特征
传统工艺酱香轮次基酒是勾调形成优质成品酒的基础，各轮次基酒间的风味物质种类与含量是一个逐渐增加、积累后又随之降低、减少的过程[15-16]。一至七轮次基酒的紫外吸收光谱曲线及各轮次酒在波长277 nm处的吸光度值T检验结果见图1。由图1A和图1B可知，一轮次和二轮次在波长201～210 nm和277 nm处有最大吸收峰，波长277 nm处的吸光度值依次为0.181～1.211、0.361～2.530；由图1C和图1G可知，三轮次、七轮次在波长201～210 nm和277 nm处有最大吸收峰，波长223～226 nm处有微弱吸收峰，波长277 nm的吸光度值依次为1.248～2.939、0.643～2.634；图1D、1E、1F 可知，四轮次、五轮次、六轮次在波长201～210 nm、223～226 nm和277 nm处有最大吸收峰，波长277 nm处的吸光度值依次为1.591～3.806、2.294～4.582、2.012～4.307。由图1H可知，各轮次基酒间的紫外光谱吸光度值变化平均拟合曲线图与轮次基酒风味物质含量变化类似，呈现出先增加后降低的特征。由图1J可知，在波长277 nm处，七个轮次基酒间的平均吸光度值依次为0.439、1.125、2.010、2.814、3.404、2.972、1.598，四轮次、五轮次、六轮次基酒显著区别于其他轮次（P＜0.05），一轮次、二轮次基酒与其他轮次有显著差异（P＜0.05），三轮次、七轮次基酒间无显著差异（P＞0.05）。结果表明，不同企业相同轮次基酒的紫外吸收光谱具有一定差异，但轮次间的图谱曲线变化特征类似。在波长201～210 nm、223～226 nm及277 nm处，出现了明显的紫外光吸收波峰，且前两段波长范围内的吸收峰位置会因样品的不同而产生位移现象，而在波长277 nm处的波峰未因样品差异而产生位移，可能与酱香白酒中酯类、醛酮类、酸类、芳香族或杂环类等多物质间产生共轭作用有关[17]。
图1 一至七轮次基酒的紫外吸收光谱曲线（A～H）及各轮次基酒在波长277 nm处的吸光度值T检验结果（J）
Fig.1 Ultraviolet absorption spectrum curves of the first to the seventh rounds of base liquor (A-H) and T test results (J) of absorbance of various round base liquor at 277 nm
图J中不同字母为T-检验差异显著（P＜0.05），相同字母为不显著（P＞0.05）。
2.2.2 不同工艺与调香白酒的紫外光谱特征
传统工艺酱香型成品酒主要以七个轮次基酒按一定比例组合，其中以三至五轮次基酒用量占比较高，并加入不同酒龄、香型特征的调味酒勾调后，经长期贮存形成[3]。不同工艺酱香型白酒样品紫外光谱及各酱香型白酒在波长277 nm处吸光度值T检验结果见图2。
图2 不同工艺酱香型白酒样品的紫外光谱图（A～C）及各酱香型白酒在波长277 nm处的T检验结果（D）
Fig.2 Ultraviolet spectrum of sauce-flavor Baijiu samples with different processes (A-C) and T test results (D) of absorbance of various sauce-flavor Baijiu at 277 nm
由图2A可知，传统工艺酱香型成品酒的紫外吸收峰主要在波长205～210 nm、223～228 nm及277 nm处，紫外光谱特征类似于三至六轮次基酒，与传统工艺酱香型白酒以轮次酒为主体的勾调工艺一致。由图2B和图2C可知，碎沙工艺和调香白酒的紫外吸收图谱相似，均产生两个吸收峰，分别为277 nm、205～210 nm。由图2D可知，传统工艺在波长277 nm处的吸光度值明显大于非传统工艺，且存在极显著差异（P＜0.01），而碎沙工艺和调香白酒之间的吸光度值则无显著差异（P＞0.05）。
2.2.3 酱香型白酒风味物质的紫外光谱特征
酱香型白酒中已检出超过1 800种组分，约占总量的1%～2%，这些微量组分是形成酱香风格的重要组成部分[18]。为进一步分析酱香型白酒风味物质的紫外光谱特征，选取酱香型白酒中6种酯类、5种酸类、6种醇类及7种醛酮类物质共计24种具代表性风味组分，采集紫外光扫描特征图谱，结果见图3。由图3A可知，乙酸乙酯、丁酸己酯、己酸乙酯等酯类代表物质的紫外吸收主要集中在200～240 nm，乳酸乙酯在200～240 nm和250～300 nm两处波段间均有紫外吸收。由图3B可知，乙酸、丁酸、己酸等酸类代表物质的紫外吸收波段为200～240 nm。由图3C可知，醛酮类代表物质的紫外吸收带变化范围广，如乙醛为200～240nm，异丁醛为250～330 nm，乙缩醛为200～245 nm和250～320 nm，2-戊酮、2-丁酮和2,3-丁二酮则集中在230～330 nm。由图3D可知，正丙醇、正丁醇、异戊醇等醇类代表物质在200～350nm波长范围几乎无紫外吸收，推测醇类物质的吸收峰可能在波长＜200 nm的极紫外区。糠醛是酱香型白酒中典型的羰基类物质，含量一般在100～300 mg/L左右[19-21]。由图3E可知，糠醛在190～200 nm，205～240 nm和240～310 nm波长范围内均有吸收峰，最大吸收波长为277 nm；稀释20倍后，5 mg/L糠醛产生的紫外吸收光谱曲线和传统工艺的紫外光谱曲线相似，且二者最大吸收波长均为277 nm。
图3 酱香型白酒中代表性风味组分的紫外光谱图
Fig.3 Ultraviolet spectrum of representative flavor components in sauce-flavor Baijiu
图3A～D左侧黑字标识采集质量浓度为100 mg/L，右侧红字标识的采集质量浓度为1 000 mg/L；图3E左侧黑字标识采集质量浓度为100 mg/L，
右侧红字标识的采集质量浓度为5 mg/L。
由图3A～3D可知，除糠醛外，100 mg/L各标准化合物的波峰吸光度值均＜0.15，而采集质量浓度为1 000 mg/L的8种酱香型白酒高含量物质乙酸乙酯、乳酸乙酯、乙酸、乳酸、乙缩醛、2,3-丁二酮、正丙醇、异丁醇紫外光谱的结果表明，相应组分的波长吸光度值会随浓度增加而升高，而未产生紫外吸收波段的吸光度值则不会随之变化。综上可知，醇类物质在近紫外光区的吸收不完全，酸类、酯类和醛酮类组分是酱香型白酒在近紫外区产生吸收的物质基础，酸类、酯类主要在200～240 nm，醛酮类主要在240～310 nm；其中，糠醛是酱香型白酒在波长277 nm处产生紫外吸收主要物质，也是200～310 nm波段产生紫外吸收的重要贡献物质。
2.3 PCA和PLS-DA模型验证
PCA是通过识别数据中变化最大的方向即主成分来完成数据简化和降维的一种数学算法，并同时保留数据集中的大部分变化。通过使用几个成分表示每个样本数各变量的值来对样本进行绘制，从而直观地评估样本之间的相似性和差异性，并确定是否可以对样本进行分组[22]。酱香型白酒产生紫外吸收的波段主要为190～320 nm，其相应的风味组分的紫外吸收波段则为200～320 nm，而190～200 nm间的紫外吸收易受到乙醇及其他醇类物质干扰，故选择200～320 nm作为PCA和建立PLS-DA模型的波段。
对140个酒样的原始光谱吸光度值采用无监督的PCA和PLS-DA模型验证，结果见图4。由图4A可知，传统工艺（C）分别与碎沙工艺（S）、调香白酒（T）有显著的区分，而碎沙工艺和调香白酒酒样因其紫外光谱无显著差异，故碎沙工艺和调香白酒聚集在同一侧，且部分重叠。未在置信区间内的样品异常点，是由于酱香型白酒酿造工艺复杂，不同厂家的酱香型白酒风味组分种类与含量存在差异导致的[23-24]。PC1和PC2方差贡献率分别为93.7%和4.3%，累计方差贡献率达98.0%，说明基于酱香型白酒的紫外吸光度值变化可以有效区别传统工艺和非传统工艺。
图4 主成分分析（A）和偏最小二乘判别分析（B）模型验证结果
Fig.4 Results principal component analysis (A) and partial least squares-discriminant analysis (B) model verification
PLS-DA是基于偏最小二乘算法演变形成的判别分析模型，常用于样本检测指标的标志物筛选和样本分类预测研究[25]。采取有监督的PLS-DA建立传统工艺的判别模型，选择100个酒样作为训练集，20个酒样作为验证集，结果见图4B和表2。由图4B可知，基于传统工艺的监督，酱香型白酒的工艺可明显分为两类，其中传统工艺主要聚集在第2、3象限，非传统工艺主要聚集在第1、4象限。由表2可知，PLS-DA模型的测试集和验证集的拟合系数（R2Y）分别为0.782和0.801，交叉验证均方根误差（root mean square error，RMSE）分别为0.237和0.242，模型没有过度拟合；预测系数（Q2）为0.771和0.716，Q2＞0.5，模型的分类预测能力较强，PLS-DA模型对工艺的分类识别判断准确率为100%，这些参数指标说明紫外光谱技术结合PLS-DA模型能快速准确判断酱香型白酒传统工艺。
表2 偏最小二乘判别分析模型对传统工艺与非传统工艺的预测准确率
Table 2 Prediction accuracy of partial least squares discriminant analysis model for traditional and non-traditional processes
样本 R2Y Q2 RMSE测试集验证集准确率/%传统工艺 非传统工艺0.782 0.801 0.771 0.716 0.237 0.242 100 100 100 100
3 结论
本研究基于紫外光谱分析法的简捷、低成本、快速有效、无污染等优点，对不同工艺酱香型白酒酒体和串蒸的调香白酒进行了紫外光谱检测，构建了酱香型白酒传统工艺七个轮次基酒的紫外光谱曲线变化特征图，对比分析了传统工艺、碎沙工艺及调香白酒的紫外光谱特征图谱，在200～320 nm的紫外吸光度区间建立了传统工艺与非传统工艺的PLS-DA预测模型。紫外光谱结合PLS-DA模型验证结果表明，该模型在传统工艺和非传统工艺酒体的识别分类上准确率达到100%，证明了光谱法结合化学计量法可建立快速评价体系。本研究为酱香型白酒传统工艺轮次基酒的质量控制和酿造工艺的快速鉴别提供参考依据，同时为感官鉴评法鉴别不同工艺酱香酒体提供有效的辅助和参考。
[1]中华人民共和国国家质量监督检疫检验总局，中国国家标准化管理委员会.GB/T 18356—2007地理标志产品贵州茅台酒[S].北京：中国标准出版社，2007.
[2] WANG M, YANG J, ZHAO Q, et al.Research progress on flavor compounds and microorganisms of Maotai flavor Baijiu[J].J Food Sci,2019,84(1):6-18.
[3]DUAN J,YANG S,LI H,et al.Why the key aroma compound of soy sauce aroma type Baijiu has not been revealed yet?[J].LWT-Food Sci Technol,2021,154:112735.
[4]张先良.酱香碎沙大曲酒防夏秋掉排、提高产质的有效途径[J].酿酒科技，2013（2）：73-77.
[5]谭军辉，左垚.简述酱香型白酒新型生产工艺[J].酿酒，2020，47（4）：32-35.
[6]WANG X,FAN W,XU Y.Comparison on aroma compounds in Chinese soy sauce and strong aroma type liquors by gas chromatography-olfactometry,chemical quantitative and odor activity values analysis[J].Eur Food Res Technol,2014,239(5):813-825.
[7] XIAO Z, YU D, NIU Y, et al.Characterization of aroma compounds of Chinese famous liquors by gas chromatography-mass spectrometry and flash GC electronic-nose[J].J Chromatogr B Analyt Technol Biomed Life Sci,2014,945-946:92-100.
[8]WU Z,QIN D,DUAN J,et al.Characterization of benzenemethanethiol in sesame-flavour Baijiu by high-performance liquid chromatography-mass spectrometry and sensory science[J].Food Chem,2021,364(1):130345.
[9] YANG L, FAN W L, XU Y.GC×GC-TOF/MS and UPLC-Q-TOF/MS based untargeted metabolomics coupled with physicochemical properties to reveal the characteristics of different type daqus for making soy sauce aroma and flavor type Baijiu[J].LWT-Food Sci Technol, 2021, 146:111416.
[10] ZHANG Z, JIANG J, WANG G, et al.Application of two-dimensional correlation UV-Vis spectroscopy in Chinese liquor Moutai discrimination[J].Am J Anal Chem,2015,6(5):395-401.
[11]张正勇，宋超，沙敏，等.紫外可见光谱结合化学计量学方法用以古井贡酒年份快速鉴别[J].酿酒科技，2016（11）：20-23.
[12]李亚楠.紫外光谱结合化学计量学在复杂体系快速分析中的应用[D].西宁：青海师范大学，2020.
[13]张世芝，唐玮琦，张明锦，等.基于紫外光谱法的青稞酒快速鉴别方法[J].食品与发酵工业，2020，46（14）：211-215.
[14]孟庆华，王微波，胡育筑.紫外光谱相似度及其在中药注射液质量控制中的应用[J].中国中药杂志，2007，32（3）：206-210.
[15]马宇.基于风味组学策略研究酱香型白酒关键成分及其呈香呈味特性[D].贵阳：贵州大学，2019.
[16]张娇娇，郭松波，余硕文，等.基于多元色谱和主成分分析解析酱香型白酒大回酒风味品质研究[J].中国酿造，2021，40（11）：161-168.
[17]张苗苗.基于光谱的白酒鉴别研究[D].重庆：重庆大学，2010.
[18]LIU H,SUN B.Effect of fermentation processing on the flavor of Baijiu[J].J Agr Food Chem,2018,66(22):5425-5432.
[19]杨国先.酱香型白酒中糠醛的作用及测定方法研究[J].计量与测试技术，2009，36（9）：78-79.
[20]FAN W,SHEN H,XU Y.Quantification of volatile compounds in Chinese soy sauce aroma type liquor by stir bar sorptive extraction and gas chromatography-mass spectrometry[J].J Sci Food Agr,2011,91(7):1187-1198.
[21]JUANES M,LESARRI A,PINACHO R,et al.Sulfur hydrogen bonding in isolated monohydrates:Furfuryl mercaptan versus furfuryl alcohol[J].Chemistry,2018,24(25):6571-6564.
[22] RINGNÉR M.What is principal component analysis?[J].Nat Biotechnol,2008,26(3):303-304.
[23]孙时光，左勇，张晶，等.酱香型白酒中的风味物质及功效[J].中国酿造，2017，36（12）：10-13.
[24]唐平，山其木格，王丽，等.白酒风味化学研究方法及酱香型白酒风味化学研究进展[J].食品科学，2020，41（17）：315-324.
[25] SZYMAN′ SKA E, SACCENTI E, SMILDE A K, et al.Double-check:validation of diagnostic statistics for PLS-DA models in metabolomics studies[J].Metabolomics,2011,8(S1):S13-S16.