调控微生物糖化淀粉原料的过程的方法与流程

1.本发明涉及酿造工艺领域，具体涉及一种调控微生物糖化淀粉原料的过程的方法。

背景技术：

2.糖化属于酿造的基础阶段，也是白酒生产过程中的重要工艺。白酒糖化主要借助酒曲中的微生物将酿酒原料中的淀粉类组分转化为可发酵性糖，从而为白酒生产工艺中的酒精发酵奠定基础。白酒糖化过程可影响酒精发酵的效果，进而关系到白酒的品质。
3.白酒双边发酵(糖化与酒精发酵同时进行)的相关研究表明，固态纯粮白酒酿造工艺中糖化与酒精发酵往往同时进行，而且糖化与发酵速率的恰当匹配是关键。白酒酿造过程中糖化速率过小会导致酒精发酵过程中酵母发酵底物浓度不够；糖化速率过大易导致可发酵性糖积累过多，酒精发酵过程中酵母菌来不及使用，给其它有害菌生长创造条件并生成其它物质，降低出酒率及其品质。因此，糖化过程的快速感知及智能调控对白酒的高品质酿造具有重要意义。
4.不同香型白酒工艺不同，并且小曲糖化-大曲发酵工艺(指的是，糖化与酒精发酵两者分开，各自独立的进行)和双边发酵获得的白酒风味有明显区别。并且，白酒制造工艺一般都较为传统，对于糖化过程的评价原来多采用人工感官的方法，该方法对人员经验要求较高。因此，如果能优化得到一种对人员要求较低的小曲糖化的方法，不仅能够提供丰富的白酒风味，还能够降低人力、时间成本。
5.糖化的本质为微生物生长繁殖及其对发酵基质组分(淀粉)的代谢，因此，技术上主要通过检测或监控微生物生长、代谢的环境参数(温度)以及代谢产物(糖分)来感知、调节糖化过程。
6201911227420.2公开了一种白酒的发酵酿制系统，其技术方案中涉及检测窖池内部发酵温度的测温器。然而温度仅仅通过影响微生物的繁殖及其生理活性，感知温度难以真实反映糖化过程中的基质组分消耗、代谢产物的累积情况。
7201580031037.3公开了一种使用红外光谱法在线检测糖化过程的方法，其技术方案涉及衰减全反射中红外光谱实时感知液体发酵液中的糖分种类及相对含量。但以上的方案难以解析糖化代谢产量的累积规律，因此难以构建明确的糖化调控方案。
8.因此，目前亟需开发一种能够构建明确的糖化过程调控方案的方法，该方法能够快速感知糖化过程中重要指标的变化，从而对糖化过程进行调控，使糖化过程中各指标靠近标准糖化过程，获得较好的糖化效果。

技术实现要素：

9.本发明的目的是为了克服现有技术存在的以上问题，提供一种调控微生物糖化淀粉原料的过程的方法，该方法能够构建明确的糖化过程调控方案，并能够快速感知糖化过程中重要指标的变化，从而对所述糖化过程进行调控，使糖化过程中各指标靠近标准糖化
过程，获得较好的糖化效果。
10.为了实现上述目的，本发明提供一种调控微生物糖化淀粉原料的过程的方法，该方法包括：
11.(1)选取标准糖化过程，从糖化开始到糖化结束，每间隔δt时间，获取标准糖化过程的标准淀粉含量、标准还原糖含量、标准糖化反应时间、标准温度和标准湿度，并利用光谱技术获取糖化料的标准光谱信息；
12.其中，所述标准糖化过程为，0-20h时平均每小时糖化率为0.02-0.05％，20h后平均每小时糖化率为0.29-0.51％的糖化过程；
13.其中，将某时刻，获取的标准温度、标准湿度、标准糖化反应时间、标准光谱信息、标准淀粉含量和标准还原糖含量记为一个标准数据点；
14.(2)根据所有的标准数据点，构建标准光谱信息和标准淀粉含量的函数模型yd＝fd(m)，用于后续快速获取待调控的微生物糖化淀粉原料的过程中的淀粉含量监测值；
15.构建标准光谱信息和标准还原糖含量的函数模型yz＝fz(m)，用于后续快速获取待调控的微生物糖化淀粉原料的过程中的还原糖含量监测值；
16.其中，yd为标准淀粉含量，m为标准光谱信息，yz为标准还原糖含量；
17.(3)根据所有的标准数据点，构建标准还原糖含量和标准糖化反应时间的函数模型yz＝f1(j)，并构建标准还原糖含量与标准淀粉含量、标准糖化反应时间、标准湿度和标准温度之间的监控模型yz＝f2(yd，t，e，j)，并据此监控模型得到标准温度t的反函数模型t＝f3(yd，yz，e，j)和标准湿度e的反函数模型e＝f4(yd，t，yz，j)；
18.其中，t为标准温度，e为标准湿度，j为标准糖化反应时间；
19.(4)在待调控的微生物糖化淀粉原料的过程中，每间隔δt1时间，利用光谱技术和函数模型yd＝fd(m)、yz＝fz(m)监测糖化料中的淀粉含量监测值和还原糖含量监测值，并获取糖化反应时间监测值，温度监测值和湿度监测值；
20.通过函数模型yz＝f1(j)，获取该糖化反应时间监测值对应的还原糖含量理论值，将还原糖含量理论值、糖化反应时间监测值、淀粉含量监测值代入标准温度t的反函数模型和标准湿度e的反函数模型，得到温度理论值和湿度理论值，并将该糖化反应时间的温度监测值和湿度监测值分别调整至温度理论值和湿度理论值，从而消除还原糖含量监测值和还原糖含量理论值的差异。
21.通过上述技术方案，本发明可以取得如下的有益效果：
22.本发明的技术方案，通过对标准糖化过程的分析，可以建立起多个糖化指标之间的函数模型。根据本发明的方法，可以快速感知糖化过程中重要指标的变化，当重要指标出现异常时，可以根据函数模型对待调控的糖化过程进行调控，使待调控的糖化过程中各指标靠近标准糖化过程，获得较好的糖化效果。
具体实施方式
23.在本文中所披露的范围的端点和任何值都不限于该精确的范围或值，这些范围或值应当理解为包含接近这些范围或值的值。对于数值范围来说，各个范围的端点值之间、各个范围的端点值和单独的点值之间，以及单独的点值之间可以彼此组合而得到一个或多个新的数值范围，这些数值范围应被视为在本文中具体公开。
24.本发明提供了一种调控微生物糖化淀粉原料的过程的方法，该方法包括：
25.(1)选取标准糖化过程，从糖化开始到糖化结束，每间隔δt时间，获取标准糖化过程的标准淀粉含量、标准还原糖含量、标准糖化反应时间、标准温度和标准湿度，并利用光谱技术获取糖化料的标准光谱信息；
26.其中，所述标准糖化过程为，0-20h时平均每小时糖化率为0.02-0.05％，20h后平均每小时糖化率为0.29-0.51％的糖化过程；
27.其中，将某时刻，获取的标准温度、标准湿度、标准糖化反应时间、标准光谱信息、标准淀粉含量和标准还原糖含量记为一个标准数据点；
28.(2)根据所有的标准数据点，构建标准光谱信息和标准淀粉含量的函数模型yd＝fd(m)，用于后续快速获取待调控的微生物糖化淀粉原料的过程中的淀粉含量监测值；
29.构建标准光谱信息和标准还原糖含量的函数模型yz＝fz(m)，用于后续快速获取待调控的微生物糖化淀粉原料的过程中的还原糖含量监测值；
30.其中，yd为标准淀粉含量，m为标准光谱信息，yz为标准还原糖含量；
31.(3)根据所有的标准数据点，构建标准还原糖含量和标准糖化反应时间的函数模型yz＝f1(j)，并构建标准还原糖含量与标准淀粉含量、标准糖化反应时间、标准湿度和标准温度之间的监控模型yz＝f2(yd，t，e，j)，并据此监控模型得到标准温度t的反函数模型t＝f3(yd，yz，e，j)和标准湿度e的反函数模型e＝f4(yd，t，yz，j)；
32.其中，t为标准温度，e为标准湿度，j为标准糖化反应时间；
33.(4)在待调控的微生物糖化淀粉原料的过程中，每间隔δt1时间，利用光谱技术和函数模型yd＝fd(m)、yz＝fz(m)监测糖化料中的淀粉含量监测值和还原糖含量监测值，并获取糖化反应时间监测值，温度监测值和湿度监测值；
34.通过函数模型yz＝f1(j)，获取该糖化反应时间监测值对应的还原糖含量理论值，将还原糖含量理论值、糖化反应时间监测值、淀粉含量监测值代入标准温度t的反函数模型和标准湿度e的反函数模型，得到温度理论值和湿度理论值，并将该糖化反应时间的温度监测值和湿度监测值分别调整至温度理论值和湿度理论值，从而消除还原糖含量监测值和还原糖含量理论值的差异。
35.其中，所述平均每小时糖化率为，糖化过程中，某时间段内，最后时刻的还原糖含量与初始时刻还原糖含量的差值与该时间段内时长(h)的比值，其中，所述的还原糖含量为还原糖总质量与糖化料总质量的比值。计算公式如下：
[0036][0037][0038]
能够理解的是，步骤(1)中，由于选取的标准糖化过程根据还原糖变化分为两阶段，第一阶段为0-20h时，平均每小时糖化率为0.02-0.05％，第二阶段为20h后平均每小时糖化率为0.29-0.51％的糖化过程。两个阶段的平均每小时糖化率不同，是因为第一个阶段为糖化刚开始发生的阶段，温度上升较慢且微生物处于迟缓期，糖化过程较为缓慢，随着微生物代谢的增加，进入第二阶段，糖化料温度升高，糖化过程加快。即标准糖化过程的糖化率较为合适，那么该标准糖化过程中的各项指标可以认为是较为合适的，因此，以该标准糖
化过程中指标的值，来调控待调控的微生物糖化淀粉原料的过程中所对应的指标，可以得到与标准糖化过程较为相近的糖化率，从而减少现有糖化工艺中的试错。标准糖化过程可以通过如下的方式获得：监测某一厂家连续一段时间(至少半年)内不同批次的糖化情况，积累数据后筛选获得标准糖化过程，或通过小试(摇瓶实验等)方法获得。
[0039]
并且，本领域技术人员能够理解的是，一般，当糖化率达到13％时，一般可以认为糖化过程可以结束。其中，此处的糖化率指的是，糖化结束后，糖化料中生成还原糖总质量和糖化料总质量的比值，计算公式如下：
[0040][0041]
其中，所述标准糖化过程的标准淀粉含量，即为在标准糖化过程中，通过测定获得的糖化料中的真实的淀粉含量的值，标准还原糖含量的意义同理。标准糖化反应时间即为所述标准糖化过程的所真实进行的糖化反应时间。标准温度和标准湿度即为测定得到的标准糖化过程的物料的真实温度和真实湿度。标准温度和标准湿度的获得，可以通过在糖化进行的糖化池内部环形放置温度传感器和湿度传感器来获得。标准糖化过程中使用的淀粉原料、糖化剂等与待调控的微生物糖化淀粉原料的过程中使用的淀粉原料、糖化剂等相同。
[0042]
根据本发明，为了得到更为合适的函数模型，从而更好的调控微生物糖化淀粉原料的过程，优选的，糖化过程的淀粉原料选自高粱、大米、糯米和玉米中的至少一种。例如，在白酒糖化池中，先以高粱、大米、糯米、玉米为淀粉原料进行蒸煮糊化，然后加入糖化剂，进入所述标准糖化过程。
[0043]
根据本发明，优选的，糖化过程中的糖化剂(微生物)选自根霉(如米根霉)、曲霉(如黑曲霉、米曲霉等)或毛霉中的至少一种，并且可以将根霉、曲霉或毛霉接种至麸皮等原料上，制备成麸曲使用。
[0044]
根据本发明，优选的，所述δt的大小使得标准数据点的个数不低于90(例如，可以为100，150，200，250，300，400)。能够理解的是，在后续构建函数模型当中，较多的数据一般能够使得构建得到的函数模型更为合适，从而能够更好的用来调控微生物糖化淀粉原料的过程。例如，当所述标准糖化过程所用的总时间约为50h时，可以每隔δt＝0.25h取一次标准数据点，从而使得标准数据点的数量较多，能够进一步确保构建得到更为合适的函数模型。
[0045]
根据本发明，优选的，δt1＝标准糖化过程总时长的0.05-2.28％。其中，所述标准糖化过程总时长为标准糖化过程完成糖化所需要的总时间。能够理解的是，当δt1在如上的范围内，能够在兼顾调控过程的简便性的同时，以较小的时间间隔进行测定和调控，进而能够实现较为准确的调控。
[0046]
根据本发明，优选的，所述光谱技术选自可见光高光谱和近红外高光谱。其中，所述光谱技术的所用的摄像机可以为线阵摄像机，曝光时间可以设置为50ms，光谱技术的波长可以为430-960nm。能够理解的是，光谱分辨率在10-2
λ数量级范围内的光谱称为高光谱，高光谱能够提供更为丰富的信息。
[0047]
根据本发明，为了进一步保证得到较为准确的标准淀粉含量的值，从而能够用于构建获得更为合适的函数模型，优选的，所述获取标准淀粉含量的方法选自滴定法和淀粉检测试剂盒法，更优选为滴定法。
[0048]
根据本发明，为了进一步保证得到较为准确的标准还原糖含量的值，从而能够用于构建获得更为合适的函数模型，优选的，所述获取标准还原糖含量的方法选自直接滴定法、高锰酸钾滴定法、比法和还原糖测定仪法，更优选为直接滴定法。
[0049]
其中，可以通过温度传感器和湿度传感器来分别获得标准温度和标准湿度。并且，可以通过数字计时器来获得标准糖化反应时间。
[0050]
能够理解的是，一个标准数据点中包含了在某时刻的标准温度、标准湿度、标准糖化反应时间、标准光谱信息、标准淀粉含量和标准还原糖含量，因此，后续在利用标准数据点构建函数模型时，从标准数据点包含的数据中选取需要的数据，进行构建即可。
[0051]
其中，步骤(2)中，构建标准光谱信息和标准淀粉含量的函数模型yd＝fd(m)的目的在于：通过化学试剂测定标准淀粉含量的方法一般较为准确，但同时速度较慢，为了能够实现快速感知待调控的微生物糖化淀粉原料的过程中的淀粉含量，可以通过测定标准淀粉糖化过程中糖化料的光谱，并将光谱数据和通过化学试剂测定的较为准确的标准淀粉含量通过构建函数模型yd＝fd(m)的方式关联起来，后续在调控待调控的微生物糖化淀粉原料的过程中时，只需要通过光谱技术获得待调控的微生物糖化淀粉原料的过程中相对应的光谱数据，即可通过函数模型yd＝fd(m)，快速计算得到相对应的淀粉含量监测值。并且，能够理解的是，通过光谱技术获得待调控的微生物糖化淀粉原料的过程中相对应的光谱数据速度也是较快的，从而能够进一步保证获得淀粉含量监测值的速度是较快的。构建标准光谱信息和标准还原糖含量的函数模型yz＝fz(m)的目的也是相似的。
[0052]
根据本发明，为了进一步保证获得较为准确的函数模型，从而更好的调控微生物糖化淀粉原料的过程，优选的，步骤(2)中，构建标准光谱信息和标准淀粉含量的函数模型以及构建标准光谱信息和标准还原糖含量的函数模型的方法各自独立的选自化学计量学方法，更优选为偏最小二乘法和偏最小二乘支持向量机法。
[0053]
根据本发明，为了进一步保证获得较为准确的函数模型，从而更好的调控微生物糖化淀粉原料的过程，优选的，函数模型yd＝fd(m)、yz＝fz(m)的决定系数r2不低于90％(例如，可以为90％，91％，92％，93％，94％)。
[0054]
根据本发明，为了进一步保证获得较为准确的函数模型，从而更好的调控微生物糖化淀粉原料的过程，优选的，构建标准还原糖含量和标准糖化反应时间的函数模型以及所述监控模型的方法各自独立的选自机器学习方法，更优选为人工神经网络方法。
[0055]
根据本发明，为了进一步保证获得较为准确的函数模型，从而更好的调控微生物糖化淀粉原料的过程，优选的，函数模型yz＝f1(j)的决定系数r2不低于90％(例如，可以为90％，91％，92％，93％，94％)。
[0056]
能够理解的是，糖化过程中的糖化速率出现异常时，无论过大还是过小，都可反映为还原糖含量异常。因此可通过快速获得待调控的微生物糖化淀粉原料的过程中的还原糖含量监测值，并与还原糖含量理论值进行对比，即可了解糖化过程中的糖化速率是否出现异常。
[0057]
能够理解的是，即便以标准糖化过程为准，对待调控的微生物糖化淀粉原料的过程进行调控，调控后的还原糖含量监测值和还原糖含量理论值的值也会存在一定程度上的差异。将还原糖含量监测值和还原糖含量理论值调整至完全相同，会使得调控过程较为复杂。根据本发明，为了在减小调控过程复杂度的同时，还能使得待调控的微生物糖化淀粉原
料的过程更贴近标准糖化过程，优选的，当还原糖含量监测值和还原糖含量理论值的差值大于还原糖含量理论值的10％时，对待调控的微生物糖化淀粉原料的过程进行调控。
[0058]
根据本发明，优选的，该方法还包括，通过函数模型yz＝f1(j)，获取某糖化反应时间监测值对应的还原糖含量理论值，得到温度理论值和湿度理论值，并记录得到还原糖含量理论值和还原糖含量监测值的差值，将该糖化反应时间的温度监测值和湿度监测值分别调整至温度理论值和湿度理论值之后，再隔δt1时间，重复(4)，并再次获得还原糖含量理论值还原糖含量监测值的差值，比较前后的差值大小，可用于确定还原糖含量监测值和还原糖含量理论值的差异是否逐渐在消除。并且，可以多次重复(4)，以逐渐消除还原糖含量监测值和还原糖含量理论值的差异。
[0059]
本发明中，述及的“温度”是指糖化的淀粉原料内部的温度，可以采用内部取点测量算平均值的方式获得，如上所述可以通过在糖化池内部环形放置温度传感器，环形取点测量并计算平均值来得到。对温度进行调控的方式可以为加快或降低搅拌速率、提高或降低周围环境温度。
[0060]
本发明中，述及的“湿度”是指糖化的淀粉原料内部的湿度，可以采用内部取点测量算平均值的方式获得，如上所述可以通过在糖化池内部环形放置湿度传感器，环形取点测量并计算平均值来得到。对湿度进行调控的方式可以为采用保水材料进行毛细供水、提高或降低周围环境湿度。
[0061]
以下将通过实施例对本发明进行详细描述。
[0062]
实施例1
[0063]
用于说明本发明提供的调控微生物糖化淀粉原料的过程的方法
[0064]
(1)连续半年监测工厂的糖化过程，积累数据并筛选后得到标准糖化过程，所述标准糖化过程为：将1000kg淀粉原料(包含600kg高粱、150kg糯米和250kg大米)用水浸泡后，混合均匀并蒸熟。称取糖化剂米根霉(购自贵州立高轻工科技发展有限公司)，撒入降温至28℃的蒸熟后的淀粉原料中，糖化剂用量约为加入的淀粉原料的0.5重量％，将物料混合均匀后，转移至糖化池中，进入所述标准糖化过程。并且，所述标准糖化过程的中，0-20h时平均每小时糖化率为0.045％，20h后平均每小时糖化率为0.47％。在所述白酒糖化池中存在取样区域，在取样区域，环形放置温度传感器，并环形放置湿度传感器。
[0065]
从糖化t0＝0h开始到糖化结束te＝45h，每间隔δt＝0.25h的时间：通过温度传感器和湿度传感器获取该时刻下，糖化料的标准温度和标准湿度；通过数字计时器获取此时的标准糖化反应时间；取100g糖化料，进行可见和近红外高光谱信息采集，获取标准光谱信息；取100g糖化料，根据滴定法，获取糖化料中的标准淀粉含量；取100g糖化料，根据直接滴定法，获取糖化料中的标准还原糖含量。其中，所获得的标准光谱信息的波长范围为430.00nm-960.24nm。
[0066]
以上某时刻的标准淀粉含量、标准还原糖含量的测定均重复3遍，以减小误差。标准温度和标准湿度的测定，通过环形取点测量，计算平均值的方式减小误差。将某时刻，获取的标准温度、标准湿度、标准糖化反应时间、标准光谱信息、标准淀粉含量和标准还原糖含量记为一个标准数据点，从糖化t0＝0h开始到糖化结束te＝45h，共获取了184个标准数据点。
[0067]
其中，获得的184个数据点中的标准淀粉含量的值为(9.52-26.34)g/(100g糖化
料)，标准还原糖含量的值为(8.31-16.97)g/(100g糖化料)。
[0068]
(2)根据(1)中获取的184个标准数据点，取184个数据点中的标准光谱信息和标准淀粉含量，采用偏最小二乘法，构建标准光谱信息和标准淀粉含量的函数模型yd＝fd(m)，其决定系数为0.95，用于后续快速获取待调控的微生物糖化淀粉原料的过程中的淀粉含量监测值。
[0069]
根据(1)中获取的184个标准数据点，取184个标准数据点中的标准光谱信息和标准还原糖含量，采用偏最小二乘支持向量机法构建标准光谱信息和标准还原糖含量的函数模型yz＝fz(m)，其决定系数为0.93，用于后续快速获取待调控的微生物糖化淀粉原料的过程中的还原糖含量监测值。
[0070]
其中，yd为标准淀粉含量，m为标准光谱信息，yz为标准还原糖含量。
[0071]
根据(1)中获取的184个数据点，取184个数据点中的标准还原糖含量和标准糖化反应时间，采用人工神经网络方法构建标准还原糖含量和标准糖化反应时间的函数模型yz＝-7
×
10-6
j3+6
×
10-4j2-0.008j+0.012，其决定系数r2为0.94。(其中，j是以小时计的时间)
[0072]
根据(1)中获取的184个数据点，采用人工神经网络方法构建标准还原糖含量与标准淀粉含量、标准糖化反应时间、标准湿度和标准温度之间的监控模型，并据此监控模型得到标准温度t的反函数模型t＝-8.08yd+5.97e-0.16yz-9.42j+0.0011，和标准湿度e的反函数模型e＝1.17yd+7.69t+0.03yz+6.56j-0.0016。
[0073]
其中，t为标准温度，e为标准湿度，j为标准糖化反应时间；
[0074]
(4)在待调控的微生物糖化淀粉原料的过程中，所述待调控的糖化过程在白酒糖化池中进行。其中，所述待调控的微生物糖化淀粉原料的过程为：将1000kg淀粉原料(包含600kg高粱、150kg糯米和250kg大米)用水浸泡后，混合均匀并蒸熟。称取糖化剂米根霉(购自贵州立高轻工科技发展有限公司)，撒入降温至28℃的蒸熟后的淀粉原料中，糖化剂用量约为加入的淀粉原料的0.5重量％，将物料混合均匀后，转移至糖化池中，进入所述标准糖化过程。
[0075]
在所述白酒糖化池中存在取样区域(用于获取光谱信息、温度监测值和湿度监测值)，在取样区域，环形放置温度传感器以及环形放置湿度传感器。＝装温控装置和湿控装置，分别通过设定环境温度和湿度调控温度和湿度。
[0076]
对于该待调控的微生物糖化淀粉原料的过程，每间隔15min，利用光谱技术、函数模型yd＝fd(m)和函数模型yz＝fz(m)，获取该糖化反应时间监测值对应的还原糖含量理论值，将还原糖含量理论值、糖化反应时间监测值、淀粉含量监测值代入标准温度t的反函数模型和标准湿度e的反函数模型，得到温度理论值和湿度理论值，并将该糖化反应时间的温度监测值和湿度监测值分别调整至温度理论值和湿度理论值，从而消除还原糖含量监测值和还原糖含量理论值的差异。以下以糖化反应时间监测值从30h时开始的调控为例进行说明：
[0077]
当糖化反应时间监测值为30h时，利用光谱技术和函数模型yd＝fd(m)、yz＝fz(m)，快速得到糖化料中的淀粉含量监测值和还原糖含量监测值30.75g/(100g糖化料)和9.7g/(100g糖化料)，利用糖化池中的温度传感器和湿度传感器获得温度监测值和湿度监测值分别为32.09℃和90.11％。
[0078]
通过函数模型yz＝-7
×
10-6
j3+6
×
10-4j2-0.008j+0.012，获取糖化反应时间监测
值30h对应的还原糖含量理论值12.3g/(100g糖化料)，此时还原糖含量理论值与还原糖含量监测值的差值为2.6g/(100g糖化料)(100％*(12.3-9.7)/12.3＝21％，大于10％，需要调控)。
[0079]
将还原糖含量理论值，糖化反应时间监测值30h(对应反函数模型中的j)，淀粉含量监测值(对应反函数模型中的yd)，代入标准温度t的反函数模型，和标准湿度e的反函数模型，得到温度理论值为33.21℃，湿度理论值为94.86％。
[0080]
并利用温控装置和湿控装置，调整糖化池的温度和湿度，使得温度监测值和湿度监测值分别达到32.09℃和94.46％。
[0081]
(5)间隔15min后，利用光谱技术和函数模型yz＝fz(m)得到的糖化料中的淀粉含量监测值和还原糖含量监测值26.83g/(100g糖化料)和10.9g(100g糖化料)，利用糖化池中的温度传感器和湿度传感器获得温度监测值和湿度监测值分别为33.25℃和91.41％。
[0082]
通过函数模型yz＝-7
×
10-6
j3+6
×
10-4j2-0.008j+0.012，获取糖化反应时间监测值30.25h对应的还原糖含量理论值12.5g/(100g糖化料)，此时还原糖含量理论值与还原糖含量监测值的差值为1.6g/(100g糖化料)(100％*(12.5-10.9)/12.5＝12.8％，差异有减小，但仍大于10％，需要继续调控)。
[0083]
将还原糖含量理论值，糖化反应时间监测值30.25h(对应反函数模型中的j)，淀粉含量监测值(对应反函数模型中的δyd)，代入标准温度t的反函数模型和标准湿度e的反函数模型，得到温度理论值为33.39℃，湿度理论值与监测值差值为90.02％。
[0084]
并利用温控装置和湿控装置，调整糖化池的温度和湿度，使得温度监测值和湿度监测值分别达到33.39℃和90.02％。
[0085]
(6)间隔15min后，按(5)中方法测得此时还原糖含量理论值为12.8g/(100g糖化料)，与还原糖含量监测值的差值为1.4g/(100g糖化料)(100％*1.4/12.8＝10.94％，差异有减小，但仍大于10％，需要继续调控)，需重复(5)继续调控。
[0086]
(7)间隔15min后，按(5)中方法测得此时还原糖含量理论值为13g/(100g糖化料)与还原糖含量监测值的差值为1.2g/(100g糖化料)(100％*1.2/13＝9.23％，差异有减小，并低于10％，无需继续调控)，此时还原糖含量监测值和还原糖含量理论值的差值小于还原糖含量理论值的10％，不需要继续调控。
[0087]
按照以上的方法调控微生物糖化淀粉原料的过程，当糖化率达到13％时，所述待调控的微生物糖化淀粉原料的过程糖化结束，计算0-20h时平均每小时糖化率为0.04％，20h后平均每小时糖化率为0.40％；
[0088]
消除了还原糖含量监测值和还原糖含量理论值的差异，使得待调控的微生物糖化淀粉原料的过程更接近标准糖化过程。
[0089]
对比例1
[0090]
取与实施例1中相似的待调控的微生物糖化淀粉原料的过程，在不对其进行调控的情况下，完成糖化，当糖化率达到13％时，认为糖化过程结束。测定0-20h的平均每小时糖化率为0.015％，20h后平均每小时糖化率为0.19％。
[0091]
通过实施例1结果可以看出，采用本发明提供的技术方案，能够取得决定系数较好的函数模型，从而更好的用于调控待调控的微生物糖化淀粉原料的过程。并且，通过实施例1和对比例1可以看出，采用本发明的方法，可以合理的对所述糖化过程进行调控，使糖化过
程中各指标靠近标准糖化过程，能够获得较好的糖化效果。
[0092]
以上详细描述了本发明的优选实施方式，但是，本发明并不限于此。在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，包括各个技术特征以任何其它的合适方式进行组合，这些简单变型和组合同样应当视为本发明所公开的内容，均属于本发明的保护范围。

技术特征：

1.一种调控微生物糖化淀粉原料的过程的方法，其特征在于，该方法包括：(1)选取标准糖化过程，从糖化开始到糖化结束，每间隔δt时间，获取标准糖化过程的标准淀粉含量、标准还原糖含量、标准糖化反应时间、标准温度和标准湿度，并利用光谱技术获取糖化料的标准光谱信息；其中，所述标准糖化过程为，0-20h时平均每小时糖化率为0.02-0.05％，20h后平均每小时糖化率为0.29-0.51％的糖化过程；其中，将某时刻，获取的标准温度、标准湿度、标准糖化反应时间、标准光谱信息、标准淀粉含量和标准还原糖含量记为一个标准数据点；(2)根据所有的标准数据点，构建标准光谱信息和标准淀粉含量的函数模型yd＝f
d
(m)，用于后续快速获取待调控的微生物糖化淀粉原料的过程中的淀粉含量监测值；构建标准光谱信息和标准还原糖含量的函数模型yz＝f
z
(m)，用于后续快速获取待调控的微生物糖化淀粉原料的过程中的还原糖含量监测值；其中，yd为标准淀粉含量，m为标准光谱信息，yz为标准还原糖含量；(3)根据所有的标准数据点，构建标准还原糖含量和标准糖化反应时间的函数模型yz＝f1(j)，并构建标准还原糖含量与标准淀粉含量、标准糖化反应时间、标准湿度和标准温度之间的监控模型yz＝f2(yd，t，e，j)，并据此监控模型得到标准温度t的反函数模型t＝f3(yd，yz，e，j)和标准湿度e的反函数模型e＝f4(yd，t，yz，j)；其中，t为标准温度，e为标准湿度，j为标准糖化反应时间；(4)在待调控的微生物糖化淀粉原料的过程中，每间隔δt1时间，利用光谱技术和函数模型yd＝f
d
(m)、yz＝f
z
(m)监测糖化料中的淀粉含量监测值和还原糖含量监测值，并获取糖化反应时间监测值，温度监测值和湿度监测值；通过函数模型yz＝f1(j)，获取该糖化反应时间监测值对应的还原糖含量理论值，将还原糖含量理论值、糖化反应时间监测值、淀粉含量监测值代入标准温度t的反函数模型和标准湿度e的反函数模型，得到温度理论值和湿度理论值，并将该糖化反应时间的温度监测值和湿度监测值分别调整至温度理论值和湿度理论值，从而消除还原糖含量监测值和还原糖含量理论值的差异。2.根据权利要求1所述的方法，其中，糖化过程的淀粉原料选自高粱、大米、糯米和玉米中的至少一种；和/或，糖化过程中的糖化剂选自根霉、曲霉或毛霉中的至少一种。3.根据权利要求1或2所述的方法，其中，所述δt的大小使得标准数据点的个数不低于90；和/或，δt1＝标准糖化过程总时长的0.05-2.28％。4.根据权利要求1-3中任意一项所述的方法，其中，所述光谱技术选自可见光高光谱和近红外高光谱。5.根据权利要求1-4中任意一项所述的方法，其中，步骤(1)中，所述获取标准淀粉含量的方法选自滴定法和淀粉检测试剂盒法，更优选为滴定法。6.根据权利要求1-5中任意一项所述的方法，其中，步骤(1)中，所述获取标准还原糖含量的方法选自直接滴定法、高锰酸钾滴定法、比法和还原糖测定仪法，更优选为直接滴定法。
7.根据权利要求1-6中任意一项所述的方法，其中，步骤(2)中，构建标准光谱信息和标准淀粉含量的函数模型以及构建标准光谱信息和标准还原糖含量的函数模型的方法各自独立的选自化学计量学方法，更优选为偏最小二乘法和偏最小二乘支持向量机法。8.根据权利要求1-7中任意一项所述的方法，其中，函数模型yd＝f
d
(m)、yz＝f
z
(m)的决定系数r2不低于90％。9.根据权利要求1-8中任意一项所述的方法，其中，步骤(3)中，构建标准还原糖含量和标准糖化反应时间的函数模型以及所述监控模型的方法各自独立的选自机器学习方法，更优选为人工神经网络方法。10.根据权利要求1-9中任意一项所述的方法，其中，函数模型yz＝f1(j)的决定系数r2不低于90％。

技术总结

本发明涉及酿造工艺领域，具体涉及一种调控微生物糖化淀粉原料的过程的方法。该方法能够构建明确的糖化过程调控方案，并能够快速感知糖化过程中重要指标的变化，从而对所述糖化过程进行调控，使糖化过程中各指标靠近标准糖化过程，获得较好的糖化效果。获得较好的糖化效果。

技术研发人员：

郑晓卫 陈晓园 孙玉婷 丁子元 樊林 谌松强 李皓然 颜国政

受保护的技术使用者：

酒鬼酒股份有限公司

技术研发日：

2021.08.20

技术公布日：

2023/2/20