利用便携式衰减全反射傅里叶变换红外光谱（ATR-FTIR）原位监测秘鲁皮斯科蒸馏液品质：一种面向蒸馏过程实时控制的新方法

《Journal of Agricultural and Food Chemistry》：In-Plant Assessment of Peruvian Pisco Distillates Using Infrared Sensing Technologies

为解决传统蒸馏过程中依赖经验判断切割点、效率低且易导致产品品质波动的问题，研究人员开发了基于便携式ATR-FTIR结合化学计量学模型的原位监测技术。该研究实现了对皮斯科蒸馏液中乙醇、甲醇、乙醛、乙酸、糠醛和可滴定酸度等6项关键品质参数的快速预测（Rpre= 0.93–1.00），并准确区分头、心、尾三段馏分（分类准确率>97.5%）。该技术为蒸馏酒行业提供了一种实时、精准的品质控制方案，有望提升生产一致性并降低成本。

　　

在全球酒类市场持续扩大的背景下，蒸馏酒行业面临着一个关键挑战：如何在生产过程中快速、精准地控制产品品质，以确保风味一致性和安全性。以秘鲁国酒皮斯科（Pisco）为例，这种葡萄蒸馏酒采用单批铜壶蒸馏工艺，不经过加水勾兑、二次蒸馏或陈酿，因此蒸馏过程中的“切割点”判断尤为关键。传统上，蒸馏师依赖感官经验（如香气、口感）和简单的物理参数（如蒸汽温度、酒精度）来区分头、心、尾三段馏分。然而，这种方法主观性强、易受人为误差影响，且无法实时监测甲醇、乙醛、糠醛等有害或影响风味的成分。不恰当的切割会导致最终产品出现缺陷风味，甚至存在健康风险。尽管已有研究尝试通过气相色谱（GC）等实验室方法分析蒸馏液成分，但这些技术耗时耗力、无法实地应用，难以满足生产现场快速决策的需求。因此，开发一种能够实时、原位监测蒸馏液品质的技术，成为提升蒸馏酒生产效率和产品一致性的迫切需求。

为解决上述问题，本研究创新性地将便携式衰减全反射傅里叶变换红外光谱（ATR-FTIR）传感器与化学计量学建模相结合，旨在建立一种快速、无损、可实地应用的监测方法，实现对皮斯科蒸馏过程中关键品质属性的实时监控。该研究的目标是帮助蒸馏厂做出准确、快速的切割决策，确保产品品质稳定，减少头尾馏分的浪费，从而提高经济效益。相关研究成果已发表于《Journal of Agricultural and Food Chemistry》。

为开展研究，作者主要采用了以下几项关键技术方法：首先，样本来自秘鲁伊卡地区七个传统蒸馏厂，覆盖了2023至2025年葡萄收获季，包括Quebranta、Italia、Albilla等多种葡萄品种制成的188个皮斯科样本，并按头、心、尾馏分（分别由经验丰富的蒸馏师感官划分）进行划分。其次，采用气相色谱-火焰离子化检测器（GC-FID）作为参考方法，精确测定了样本中乙醇、甲醇、乙醛、乙酸、糠醛和可滴定酸度的含量。最后，使用便携式ATR-FTIR光谱仪采集样本光谱，并结合化学计量学方法（如SIMCA分类和偏最小二乘回归PLSR）建立分类和定量预测模型。

3.1. 皮斯科蒸馏馏分的表征

通过GC-FID分析发现，头馏分中乙醇和乙醛含量最高，心馏分次之，尾馏分最低；甲醇在心、头馏分间无显著差异；乙酸在头、心馏分中浓度较高；糠醛主要出现在心馏分末期和尾馏分初期，部分尾馏分样本超出法定限值。FT-IR平均光谱比较显示，三段馏分在水分相关波段和指纹区存在强度差异，反映了其酒精及伴生物含量的不同。

3.2. 用于皮斯科蒸馏液识别的SIMCA分类

利用SIMCA（软独立建模类类比）算法，选取3103–2665 cm^-1和1527–832 cm^-1特征光谱范围建立分类模型。模型使用3、3、2个潜变量分别对头、心、尾类进行建模，方差解释率分别达99.8%、99.9%和98.9%。类别投影图显示三类形成明显聚类，类间距离（ICD）介于5.0至37.9之间（ICD > 3），表明区分度显著。判别力图指出854–910 cm^-1范围的波段（主要与伯醇的C-O键相关）对区分三类贡献最大。经外部验证集测试，模型分类准确率达97.5%，灵敏度>93.8%，特异性为100%。有趣的是，模型还发现了训练集中6个被生产厂误贴标签的样本，显示了其在质量管控中的实用价值。

3.3. 偏最小二乘回归模型

通过PLSR建立了六个关键品质参数（乙醇、甲醇、乙醛、乙酸、可滴定酸度和糠醛）的定量预测模型。光谱数据经过二阶导数和样本二范数归一化预处理。模型在校准集中表现出高预测相关性（R_cv≥ 0.95）和低交叉验证误差。外部验证进一步证实了模型的稳健性，预测相关系数R_pre介于0.93至1.00之间，预测误差较低。回归向量图解析了各成分对应的特征红外波段：乙醇模型的关键波段在3071–2698 cm^-1和1208–715 cm^-1（对应CH₂、C-O、O-H基团伸缩振动）；甲醇模型在1015 cm^-1（C-O伸缩振动）有强特征峰；乙醛模型主要特征在950 cm^-1（甲基摇摆模式）；糠醛模型的特征峰位于1080 cm^-1和1020 cm^-1（呋喃环伸缩）及880 cm^-1（C-H面内弯曲）；乙酸和可滴定酸度模型的关键信息区域在1800–1134 cm^-1，包括1712 cm^-1（C=O伸缩振动）和1275 cm^-1（C-O伸缩振动）等羧酸特征波段。模型性能通过残差预测偏差（RPD）评估，乙醇、甲醇、乙酸和可滴定酸度的RPD值均高于4.1，表明模型预测性能优异；乙醛和糠醛的RPD值分别为3.19和3.00，适用于质量控制。

本研究首次报道了利用便携式ATR-FTIR系统对蒸馏酒生产进行原位、在线监测。所开发的方法能在20秒内完成检测，无需样品前处理，实现了对皮斯科蒸馏过程中心、头、尾三段馏分的准确鉴别（准确率>97.5%）以及对六项关键品质参数的高精度定量预测。该技术克服了传统经验方法和实验室分析技术的局限，为蒸馏酒行业提供了一种客观、快速、可实地部署的品质监控解决方案。其成功应用表明，将便携式光谱传感与化学计量学结合，能够显著提升生产过程的控制精度和一致性，有助于降低因不当切割导致的废料和成本，保障最终产品的风味与安全品质。这一研究为整个蒸馏酒乃至其他液态食品加工行业的实时过程分析技术（Process Analytical Technology, PAT）发展提供了重要借鉴。