專利名稱：白酒年份鑒別方法
技術領域：
本發(fā)明屬于酒類檢測方法，具體地說是一種白酒年份鑒別方法。
背景技術：
酒的年份是區(qū)分酒的等級的重要指標，國外很早就開始利用儲藏年份對葡萄酒，威士忌，金酒，白蘭地等酒類進行區(qū)分。這種等級劃分的標準比較成熟，英美諸國都有關于酒的年份分類的相關法律，嚴格規(guī)范酒類的生產(chǎn)和儲藏。譬如1988年，英國頒布威士忌法案指出，蘇格蘭威士忌必須由蘇格蘭當?shù)氐恼麴s酒廠釀造，而且，整個過程應當符合相關規(guī)定并且原酒必須裝入700公升以內(nèi)的橡皮酒桶，貯存至少3年，熟成過程中，除水、烈酒及焦糖外，不得添加他物，還設置專門管理機構。國內(nèi)對白酒類年份鑒定、分類還處在起步階段，鑒別的技術和方法還不夠成熟，相關法規(guī)還不夠完善，監(jiān)管乏力。目前，國內(nèi)外鑒別酒的年份的常用方法是憑借專業(yè)人員通過品嘗酒的口感并結合色澤等判斷酒的年份，這種方法的主要缺點是人為因素較大，缺乏嚴密性。隨著技術的發(fā)展國內(nèi)外酒類年份鑒定領域又提出了一些新的鑒定思路和鑒定方法，概括起來大約有近紅外光譜法，核磁共振法，電導率法，紫外光譜法，氣相色譜法等。近紅外光譜法是利用近紅外光譜進行酒類年份鑒別，主要是通過傅里葉變換紅外光譜儀獲取不同年份酒的紅外光譜，建立基于偏最小二乘法的回歸判別模型，利用該模型對未知年份的酒的紅外光譜做回歸分析，再利用回歸的結果對酒的年份進行鑒定。缺點是紅外光譜法是物質結構鑒定的重要手段，定量回歸分析對于數(shù)據(jù)采集有較高要求。目前國內(nèi)應用該種方法對酒類年份鑒定的研究主要是針對黃酒年份的鑒別。核磁共振法采用核磁共振技術分析酒中的14C的含量或者18O含量或乙醇中的2HzilH的比值判定酒的年份。由于同位素受氣候，產(chǎn)地影響較大，同位素的含量與酒的年份不是一一對應的關系，檢測的結果不能準確表明酒的年份。利用核磁共振技術鑒定酒的年份的另一種思路是通過測量酒中醇和水的締合情況來推斷酒的年份。但實際情況是隨著儲存時間的增加，白酒中的水和醇類締合形成穩(wěn)定的結構，通常形成穩(wěn)定結構的時間最長為20個月，另外，對于處于酸性環(huán)境中的締合作用形成穩(wěn)定締合結構的時間更短，超過最長締合時間以后，白酒中醇和水的締合作用與白酒儲藏年份沒有直接關系。電導率法其測量原理是不同年份的蒸餾酒的電導率隨著儲存時間的增加而下降，利用電導率隨儲存時間的變化規(guī)律可以判定酒齡。但是研究發(fā)現(xiàn)導致電導率變化的主要原因是由于分子間氫鍵的締合作用生成了締合群，質子交換作用減少所致，因而氫鍵的締合作用和儲藏年份沒有直接關系。氣相色譜法利用氣相色譜法對不同酒齡的白酒的微量成分進行定量檢測，利用酒中的酯類，有機酸，醇類，羰基化合物隨時間變化的規(guī)律鑒定白酒的年份。缺點是測試樣品制作過程復雜，分析周期長，往往需要檢測多種物質，增加了檢測難度。鑒于酒類年份鑒定的實際情況，亟需建立一種白酒年份的鑒別方法。

發(fā)明內(nèi)容
為克服現(xiàn)有酒類年份鑒定方法中或人為因素影響較大，鑒定結果不嚴密；或鑒定的方法不科學，鑒定的結果不準確；或鑒定的方法較繁瑣，工作量大等缺點，本發(fā)明提供了一種能夠準確鑒別白酒年份的方法，該方法利用白酒中多種特征元素隨時間變化的規(guī)律，結合機器學習和模式識別理論來訓練白酒年份分類器，然后用分類器對白酒中特征元素定量分析、分類，鑒別出白酒儲存的年限，由于采用機器學習和模式識別技術，不但保證了該方法的科學性、嚴密性，還提高鑒定結果的精度，降低樣品制作復雜度。本發(fā)明解決技術問題所采用的技術方案是:白酒年份鑒別方法，包括:SI)測定不同品種、不同儲存時間的年份酒的特征微量元素含量，建立數(shù)據(jù)庫；S2)將數(shù)據(jù)庫中微量元素的含量作為訓練樣本的特征值，利用機器學習和模式識別的方法訓練年份酒鑒定分類器；S3)測定待測年份酒中的相關微量元素含量，建立特征值向量；S4)將步驟S3的特征值向量降維后帶入步驟S2得到的年份酒鑒定分類器進行計算，確定待測年份酒的年份。所述的方法，步驟SI和S3是利用電感耦合等離子體發(fā)射光譜儀進行測定的；微量元素包括招、鉀、鎂、磷、鋅和鈉 。所述的方法，步驟2訓練年份酒鑒定分類器的方法包括:首先建立分類器優(yōu)化模型，然后求解該模型得到需鑒別品牌年份酒的判別權矢量。所述的方法，建立分類器優(yōu)化模型的方法包括:設該年份酒有ny種年份，對每種品牌的年份酒鑒定需要η個降維后的微量元素特征值，按照年份從小到大排列，那么第i種年份酒的微量元素特征可以表示為特征向量Fni=Lfli, f2i，f^，...，fni]，其中G表示第i種年份酒的第j個降維后的微量元素特征值，i = 1、2、3、…、ny, j=l、2、3、…、η ;建立分類器優(yōu)化模型需要N個訓練樣本，N等于樣本總數(shù)的一半:
權利要求
1.白酒年份鑒別方法，其特征在于包括:51)測定不同品種、不同儲存時間的年份酒的特征微量元素含量，建立數(shù)據(jù)庫；52)將數(shù)據(jù)庫中微量元素的含量作為訓練樣本的特征值，利用機器學習和模式識別的方法訓練年份酒鑒定分類器；53)測定待測年份酒中的相關微量元素含量，建立特征值向量；54)將步驟S3的特征值向量降維后帶入步驟S2得到的年份酒鑒定分類器進行計算，確定待測年份酒的年份。
2.根據(jù)權利要求1所述的方法，其特征在于:步驟SI和S3是利用電感耦合等離子體發(fā)射光譜儀進行測定的；微量元素包括鋁、鉀、鎂、磷、鋅和鈉。
3.根據(jù)權利要求1所述的方法，其特征在于，步驟2訓練年份酒鑒定分類器的方法包括:首先建立分類器優(yōu)化模型，然后求解該模型得到需鑒別品牌年份酒的判別權矢量。
4.根據(jù)權利要求3所述的方法，其特征在于，建立分類器優(yōu)化模型的方法包括:設該年份酒有ny種年份，對每種品牌的年份酒鑒定需要η個降維后的微量元素特征值，按照年份從小到大排列，那么第i種年份酒的微量元素特征可以表示為特征向量Fni=Lfli, f2i，f^，...，fni]，其中G表示第i種年份酒的第j個降維后的微量元素特征值，i=l、2、3、…、ny，j=l、2、3、…、η ;建立分類器優(yōu)化模型需要N個訓練樣本，N等于樣本總數(shù)的一半；
5.根據(jù)權利要求4所述的方法，其特征在于，求解分類器優(yōu)化模型的方法包括:利用拉格朗日乘子法得到目標函數(shù)，其目標函數(shù)為:
6.根據(jù)權利要求1所述的方法，其特征在于，步驟S4降維的方法包括:設步驟S3得到的特征值向量為X=[Xl，X2,…，Xi，…xp]，其中Xi為第i種微量元素的鑒定值，P為微量元素的個數(shù)，i = 1，2，…，P ;對該特征向量[X1, X2,…，Xp]進行線性組合，提取包含η個新的特征值的向量F, F =[F1, F2,-,Fn],n< p，使得新的特征值向量F能概括原特征值向量的信息，即可實現(xiàn)特征值向量的降維。
7.根據(jù)權利要求6所述的方法，其特征在于:新的特征值向量F是通過求解下述優(yōu)化問題得到的:max(aTXTXa)，其約束為 | a || 2=1其中，max表示求最大值，a是線性組合的系數(shù)；利用拉格朗日乘數(shù)法可得目標函數(shù)L:L=aTXTXa- λ (aVl)其中，λ為拉格朗日常數(shù)；目標函數(shù)L對a求導可得:X1Xa = λ a即3是乂1的第一個標準化的特征向量，設對應的特征值是λ i，將原始特征值向量向a方向投影，即計算Xa就求得了新的m維向量F的第一維的值x1;同理選擇XtX的第二個標準化的特征向量b，對應的特征值是λ 2，將原始數(shù)據(jù)向b方向投影，即計算Xb就求得了新的η維向量F的第二維的值X2 ;依此類推，選擇前η個標準化的特征向量，將原始特征值向量分別投影，即獲得新的η維向量F。
8.根據(jù)權利要求6或7所述的方法，其特征在于:η取值范圍按
全文摘要
本發(fā)明提供了一種白酒年份鑒別方法，其包括S1)測定不同品種、不同儲存時間的年份酒的特征微量元素含量，建立數(shù)據(jù)庫；S2)將數(shù)據(jù)庫中微量元素的含量作為訓練樣本的特征值，利用機器學習和模式識別的方法訓練年份酒鑒定分類器；S3)測定待測年份酒中的相關微量元素含量，建立特征值向量；S4)將步驟S3的特征值向量降維后帶入步驟S2得到的年份酒鑒定分類器進行計算，確定待測年份酒的年份。本發(fā)明不但保證了該方法的科學性、嚴密性，還提高鑒定結果的精度，降低樣品制作復雜度。
文檔編號G01N21/71GK103076317SQ20121059479
公開日2013年5月1日 申請日期2012年12月31日 優(yōu)先權日2012年12月31日
發(fā)明者尤新革, 牟懌, 徐端全, 周龍, 曾武, 劉延申 申請人:華中科技大學