《食品科学》：宁夏大学金刚教授等：高光谱快速无损检测酿酒葡萄可溶性固形物和可滴定酸含量

葡萄酒是一种古老而备受人们喜爱的酒精饮品，具有降低胆固醇、改善心血管功能、清除自由基、缓解衰老、促进人体健康等功效。高品质酿酒葡萄原料是酿造优质葡萄酒的先决条件，可溶性固形物、可滴定酸（TA）、单宁、花色苷等物质含量常被用于酿酒葡萄质量评价，其中可溶性固形物含量（SSC）影响后续葡萄酒的乙醇浓度，TA影响后续葡萄酒整体酸味风格特征，单宁和花色苷影响后续葡萄酒的色泽和口感风味，这些组分之间的平衡决定着所酿造葡萄酒的品质。SSC、TA含量以及它们的比值被广泛应用于监测酿酒葡萄的成熟度，目前检测SSC和TA含量的方法需破坏样品本身，检测过程耗时耗力，同时会产生化学废弃物，且只能进行单批次检测，无法满足大规模酿酒葡萄品质检测需求。因此，寻找快速检测酿酒葡萄SSC和TA含量的无损检测方法对生产高质量葡萄酒、保障人体健康和促进农业经济发展具有重要的意义。

目前，结合成像技术和光谱技术的高光谱成像（HSI）技术在食品和农业领域被广泛研究和应用。HSI技术获取的高光谱图像是一个三维立方体，包含二维空间信息（x行和y列）和一维光谱信息（波长），能在分析果实表面信息的同时反映果实的内部信息，并且HSI技术不需要对样品进行复杂的前处理，这为无损、快速检测提供了基础支撑。然而高光谱数据在包含大量信息的同时也含有大量共线性和冗余信息，这为模型的计算效能和准确性带来了复杂性和不稳定性。有研究表明，HSI技术结合化学计量学方法能有效除去非信息变量，挑选出主要信息变量，使模型高效且稳定。化学计量学是一门结合化学、统计学和计算机科学的交叉学科，通过运用先进的数学和统计方法对数据进行分析和解释，其方法包含有光谱预处理、变量筛选、线性回归建模、深度学习等内容。目前，HSI技术结合化学计量学方法在‘黑比诺’、‘赤霞珠’、‘桑娇维塞’等酿酒葡萄的SSC和TA含量检测上已有相关报道，这些报道证明了HSI技术结合化学计量学方法无损检测酿酒葡萄SSC和TA含量的可行性，但是这些报道只研究了一种酿酒葡萄在一个年份的变化情况，建立的模型预测准确性较低，适用范围较小，不适用于实际生产。因此，构建准确性更高、适用性更强的检测模型成为当务之急。

宁夏大学葡萄酒与园艺学院的沈子健、王松磊、金刚*等本研究连续两年以宁夏贺兰山东麓两个葡萄酒产区的3 个酿酒葡萄品种‘紫大夫’（DF）、‘马瑟兰’（MS）、‘小味儿多’（PV）为研究对象，自转色期至成熟期共进行10 次采样，建立各品种果实的SSC和TA质量浓度高光谱快速无损检测方法体系，旨在实现酿酒葡萄的快速无损检测，弥补现行检测方法的缺陷和不足，以期为提高酿酒葡萄果实的检测效率和准确性提供方案，为优质葡萄酒的酿造提供技术支持。

 

 

1

 SSC和TA质量浓度检测结果

如图3所示，2025年青铜峡产区的3 种酿酒葡萄均有最低的SSC和最高的TA质量浓度；在相同年份同一采样期永宁产区酿酒葡萄的SSC普遍高于青铜峡产区，TA质量浓度普遍低于青铜峡产区，这可能与永宁产区平均气温高于青铜峡产区有关。同一产区同一采样期，2024年酿酒葡萄SSC普遍高于2025年，TA质量浓度普遍低于2025年，这可能由于2024年的贺兰山东麓产区气候条件更适宜酿酒葡萄糖分累积。随着采样期的延长，SSC呈现逐渐上升的趋势，TA质量浓度呈现逐渐下降的趋势，这与Zhou Xuejian和Wei Xinguang等研究中酿酒葡萄SSC和TA质量浓度的变化趋势一致，表明本研究获取的SSC和TA质量浓度数据具有准确性，能够用于高光谱检测SSC和TA质量浓度的模型构建。

 

2

异常值剔除与样本集划分

为了减少由人为或者仪器原因造成的异常样对预测模型的影响，使用专用于多组分分析的MODXY法进行异常值剔除，该方法可以同时处理X和多个Y的关系，对光谱值X和化学值Y都处于异常状况下具有更好的辨别能力。使用MODXY算法对数据集进行异常值剔除的结果如图4所示。共检测出12 个异常样本，主要分布于数据集中端和后端。

剔除异常值后剩余348 个样本，使用SPXY法按照3∶1的比例进行样本集划分，其中校正集260 个样本，预测集88 个样本，具体分布如表2所示。校正集的范围包含了预测集范围，预测集的样本可以用于检验最终模型性能。

3

高光谱数据预处理结果

原始光谱和预处理后的光谱图像如图5所示。由原始光谱曲线可知，酿酒葡萄的反射波长集中在900～1 650 nm之间，各样本波峰出现在950、1 100 nm和1 250 nm附近（图5A），这与Lyu和Ye Weixin等研究中波峰出现位置一致，表明这些波峰反映的有机物质与光互动更强烈。不同品种酿酒葡萄在成熟过程各个时期的反射率存在差异，这为高光谱技术进行含量检测提供了可行性和基础。经归一化法、SNV、MSC处理后的光谱曲线在特征峰处的差异变小，曲线更加集中（图5B～D）；SG处理后的光谱变得更加平滑（图5E）； DT后光谱特征峰处的差异变小，在1 300～1 700 nm波长范围呈现出新的波段分布（图5F）。预处理后的图像波形变化与文静和成云玲的研究中使用相同方法处理后变化一致，表明本研究预处理结果可靠，可用于进一步分析。

 

为了评价预处理效果，使用PLSR对预处理后的数据进行建模，结果如表3、4所示。

由表3可知，对于SSC，归一化预处理效果显著低于其他预处理方法，SG和SNV预处理后的效果与原始光谱效果相差不大，其余预处理方法效果均比原始光谱数据效果好，其中MSC预处理后的效果最好，为0.937 2，RMSEP为1.189 4 °Brix，RPD为3.653 0，相较于原始光谱提升了0.054 6，RMSEP降低了0.429 8 °Brix，RPD提升了0.969 6，因此后续使用MSC预处理的高光谱数据进行SSC的相关分析。

由表4可知，对于TA质量浓度，归一化、SNV、MSC、SG预处理后的效果均不如于原始光谱。在校正集中，归一化预处理建模效果最差，仅为0.701 8；在预测集中，SNV预处理建模效果最差，仅为0.729 7。DT后的数据在预测集与原始光谱数据建模效果相近，在校正集中DT后为0.843 4、RMSEC为2.429 6 g/L，相较于原始光谱提升了0.043 3、RMSEC降低了0.316 0 g/L。 因此，后续使用DT高光谱数据进行TA质量浓度的 相关分析。

4

特征波长提取结果

全波段光谱信息中包含冗杂和共线性变量，为了精简模型、提高检测效能，使用CARS、SPA、UVE等方法对光谱进行特征波长提取。

对于SSC，高光谱数据经过MSC预处理后，CARS提取出17 个特征波长，SPA提取出40 个特征波长，UVE提取出65 个特征波长，具体分布情况如图6A～C所示。CARS提取出的特征波长最少，特征波长在中部波段呈现均匀分布；SPA提取出的特征波长在前端波段分布较多；UVE提取出的特征波长最多，特征波长在后端波段分布较多。

 

对于TA质量浓度，高光谱数据经过DT后，CARS提取出47 个特征波长，SPA提取出36 个特征波长，UVE提取出85 个特征波长，具体分布情况如图6D～F所示。CARS提取出的特征波长在全波段呈现均匀分布；SPA提取出的特征波长最少，特征波长在前端波段分布较多；UVE提取出的特征波长最多，特征波长在后端波段分布较多。CARS和UVE在TA质量浓度上提取出的特征波长数量显著多于SSC，而SPA在TA质量浓度和SSC上提取出的特征波长数量相差不大，可能因为TA的高光谱数据经DT后在1 300～1 700 nm波段出现新的波形，导致呈现不一样的特征，CARS和UVE能展现出这部分特征，而SPA对这部分特征展现能力较弱。

5

模型建立结果

为了得到效能优异的SSC和TA质量浓度预测模型，将CARS、SPA和UVE提取出的特征波长结合PLSR、SVR、RF、ELM以及BPNN进行建模。由表5、6可知，SPA提取的特征波长建模效果在SSC和TA质量浓度上都普遍低于另外2 种方法提取特征波长的建模效果，可能因为SPA选取的波段主要集中在前端波段，前端波段包含的干扰信息可能较多，不能较好地体现出总体波段特征，从而影响模型性能。通过对比发现，无论是预处理建模结果还是特征建模结果，相同方法下SSC的模型效果普遍优于TA质量浓度的模型效果，这与Lyu等研究中的情况相近，可能因为TA质量浓度下降速率较快，且在采样后期分布较为集中，而SSC上升速率较为平稳，分布较为均匀，数据建立模型稳定性和适应性更强。

如表5所示，在SSC检测上，CARS-BPNN建立模型的为0.955 9，为所有SSC预测模型中最高值，RMSEP为0.996 5 °Brix，在所有SSC预测模型中为最低值，RPD为4.360 2＞3，表明CARS-BPNN建立的模型检测SSC效果最好，且模型预测性能极好，其预测集真实值和预测值的散点图分布如图7A所示。如表6所示，在TA质量浓度检测上，UVE-RF建立模型的为0.925 3，在所有TA质量浓度预测模型中为最高值，RMSEP为2.045 1 g/L，在所有TA质量浓度预测模型中为最低值，RPD为3.008 1＞3，表明UVE-RF建立的模型检测TA质量浓度的效果最好，且模型预测性能极好，其预测集真实值和预测值的散点图如图7B所示。Lyu等探讨了HSI技术检测‘黑比诺’SSC和TA质量浓度的可行性，构建了不同的机器学习模型，结果表明SSC和TA质量浓度的SVR模型预测效果最好，模型分别为0.622 0和0.525 0；Gamboa等使用HSI技术检测‘赤霞珠’SSC和TA质量浓度等指标，结果表明SSC和TA质量浓度的模型分别为0.622 0和0.525 0，其研究结果均明显低于本研究，可能由于本研究综合早、中、晚3 个成熟期的葡萄品种，且研究周期涉及两个年份、样本量大、预处理和建模的方法多样，导致结果的最优模型决定系数更高、稳定性更强、适用性更广，证明了建立跨品种通用预测模型的可行性。总地来说，CARS-BPNN可作为现阶段检测酿酒葡萄SSC的最终模型，UVE-RF可作为现阶段检测酿酒葡萄TA质量浓度的最终模型。

 

6

结 论

本研究使用3 种不同成熟期酿酒葡萄的10 个生长时期葡萄浆果作为研究样本，利用HSI技术结合化学计量学方法分别建立SSC和TA质量浓度的预测模型，实现了对酿酒葡萄SSC和TA质量浓度的高光谱快速无损检测。结果表明，MSC-CARS-BPNN建立的模型能够更准确地对酿酒葡萄的SSC进行预测，其为0.955 9，RMSEP为0.996 5 °Brix，RPD为4.360 2；DT-UVE-RF建立的模型能够更准确地对酿酒葡萄的TA质量浓度进行预测，为0.925 3，RMSEP为2.045 1 g/L，RPD为3.008 1，均表现出极好的预测性能。本研究表明，HSI技术结合化学计量学方法建立模型能够快速、无损地检测酿酒葡萄成熟品质，对HSI技术在酿酒葡萄成熟品质检测具有重要意义，可为酿酒葡萄成熟品质快速无损评估提供解决方案，为HSI技术在葡萄与葡萄酒行业的应用奠定基础，同时也为食品安全领域提供创新的技术手段，并为今后酿酒葡萄品质检测提供新的研究路径。

通信作者

金刚 男，博士，准聘教授，博士生导师，宁夏青年科技人才托举工程人选，西北农林科技大学和澳大利亚阿德莱德大学联合培养博士（2012.2-2014.7受国家留学基金委资助赴阿德莱德大学联合培养学习）。现任葡萄与葡萄酒工程专业负责人、葡萄与葡萄酒教育部工程研究中心副主任。《农业科学研究》副主编，《食品科学》《Food Chemistry》《Food Control》等多个杂志审稿人，发表学术论文50余篇，获批发明专利2 项，出版专著1 部。近年来主持自治区级教学改革项目2 项，校级教改项目1 项，主持国家自然科学基金、自治区重点研发计划项目、宁夏自然科学基金等10余项。开发的德沃（DEVO）牌传统法起泡酒是贺兰山东麓产区第一款自主开发上市并获得国内外多项大奖的起泡酒，获得广泛关注并带动了我国的起泡酒开发热。建立了贺兰山东麓产区苹果酸-乳酸发酵细菌菌种资源库，筛选优良菌种10余株，开发出了直投式苹果酸-乳酸发酵剂3 种，为解决我国葡萄酒发酵剂长期依赖进口的局面和葡萄酒发酵存在的问题奠定了基础。

通信作者

沈子健 男，硕士研究生。本科就读于湖北工业大学工程技术学院生物工程专业，在校期间担任学生会副主席，组织举办校级千人大型户外活动“荧光夜跑”活动，在第五届全国大学生生命科学创新创业大赛中获二等奖，2020年被评为优秀学生干部。

现攻读宁夏大学葡萄酒与园艺学院农艺与种业专业硕士学位，研究方向为葡萄与葡萄酒学。攻硕士期间参与宁夏回族自治区育种专项，负责葡萄与葡萄酒品质快速无损检测方法的建立和葡萄酒新产品开发方面的研究，在中国国际大学生创新大赛（2024）宁夏赛区总决赛中铜奖，参加学术会议一次并进行墙报展示，连续三年获三等奖学金。

引文格式：沈子健, 王松磊, 张昂, 等. 高光谱快速无损检测酿酒葡萄可溶性固形物和可滴定酸含量[J]. 食品科学, 2026, 47(10): 209-216. DOI:10.7506/spkx1002-6630-20260109-071. SHEN Zijian, WANG Songlei, ZHANG Ang, et al. Hyperspectral imaging for rapid non-destructive detection of soluble solids and titratable acid contents in wine grapes[J]. Food Science, 2026, 47(10): 209-216. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20260109-071.