葡萄酒品質分析方法研究進展

邵志芳

（揚州大學廣陵學院，江蘇揚州225009）

葡萄酒品質分析方法研究進展

邵志芳

（揚州大學廣陵學院，江蘇揚州225009）

簡要介紹了市售葡萄酒的釀制與保存情況，系統綜述了目前葡萄酒生產工藝控制及品質分析方法如國標法，感官分析方法、統計學方法及光譜法和色譜法等研究現狀，最后簡述了葡萄酒生產工藝控制及品質分析研究存在的問題及發展趨勢。

葡萄酒；生產工藝；品質分析

葡萄酒是以新鮮葡萄或葡萄汁作為原料，經發酵釀制而成，屬于健康酒精飲品。其主要成分包括水、乙醇、酸、酚類化合物和芳香物質等，具有保護心肌，軟化心血管，美容及助消化的功效。目前除工廠商業化的生產，越來越多的普通家庭也自己動手釀制葡萄酒，各種保健型葡萄酒也日益增多如紫甘薯葡萄酒、山茱萸葡萄酒、靈芝葡萄酒等[1-3]。但由于葡萄原料、釀酒的相關設備和生產過程中溫度、土壤、光照和水質等生態因素，以及工藝技術的差異使得成品葡萄酒的品質各異，如何評價和鑒定成品葡萄酒的品質顯得至關重要[4-5]。

1 葡萄酒的釀制與保存

將采摘的新鮮葡萄剪掉腐爛霉壞部分，去掉葡萄梗和藤葉后放入酒糟中，一邊發酵一邊浸皮，發酵完成后再進行皮渣分離，將汁液引入儲存容器中，高品質葡萄酒還需放入橡木桶中培養，以達到柔協、舒順的口味。成品葡萄酒需平放、恒溫、恒濕、通風、避光、避震才可以長期儲存[6-7]。

2 葡萄酒質量分析方法研究進展

2.1 國標法

GB/T 15038—2006《葡萄酒、果酒通用分析方法》[8]對葡萄酒品質評價包含兩個方面：感官分析和理化分析。感官分析從外觀、香氣、滋味及典型性四個感官特性對葡萄酒進行檢查與分析評定，具體為在適宜的環境中（包括品嘗室的要求、光源的要求、溫度與濕度的要求等），由國家評酒員對樣品進行品評，按照評分細則對樣品進行打分，根據GB 15037—2006《葡萄酒》[9]評定等級，包括優級品、優良品、合格品、不合格品及劣質品五個等級。理化分析主要從酒精度、總糖和還原糖、干浸出物、總酸、揮發酸、檸檬酸、二氧化碳、二氧化硫、鐵、銅、甲醇、抗壞血酸、糖分和有機酸以及白藜蘆醇16個方面對樣品葡萄酒的成分進行測定。

2.2 感官方法

感官評價又稱為感官分析、感官檢驗，是用于喚起、測量、分析、解釋產品通過視覺、嗅覺、觸覺、味覺和聽覺所引起反應的一種科學的方法[10]。葡萄酒的感官評價又叫品酒、評酒，是指評酒員通過眼、鼻、口等感覺器官對葡萄酒的外觀、香氣、滋味及典型性等感官特性進行分析評定的一種分析方法[11]。從20世紀40年代開始，許多科學家開始思索如何收集人們對物品的感官反應以及形成這些反應的生理現象[12]。目前為止，各國相關食品公司均已建立完善的感官評價部門，國內相比而言，發展起步較晚，1975年國內有學者開始研究香氣和組織的評價，至20世紀90年代，食品科學界大量引用“感官評價”。張艷芳[11]根據葡萄酒的感官特性及感官分析的特點，提出了保證葡萄酒感官分析正確性的保證體系。該體系包含了對評酒員的考核；充分的準備、嚴格的保密和科學的安排；對評酒結果的科學的統計分析。

2.3 統計學方法

2.3.1 點特異性天然同位素分餾核磁共振技術（SNIFNMR）和同位素比質譜（IRMS）法

點特異性天然同位素分餾核磁共振技術（site specific natural isotope fractionation of nuclear magnetic resonance technology，SNIF-NMR）是通過分析葡萄酒內乙醇分子中甲基和次甲基位點D/H含量的差異，從而鑒別葡萄酒釀造過程中是否人為進行了加糖、調酒精度等不允許的操作[13]。蔣露等[14]基于葡萄酒中外加糖后乙醇分子中SNIF-NMR測定甲基位（D/H）1和次甲基位點（D/H）11值會產生變化，參照歐共體（European Communities，EC）官方方法，通過蒸餾，提取葡萄酒樣品中的乙醇，研究通過對采集次數和精密度、準確度的研究，建立了葡萄酒外加糖的SNIF-NMR法。基于純凈水中的δ18O‰和葡萄酒水分中的δ18O‰不同，通過檢測各葡萄酒樣品內水分子中18O/16O同位素的比值，建立了同位素比質譜儀（isotope ratio mass spectrometer，IRMS）檢測氧同位素鑒定全汁葡萄酒的方法。

2.3.2 基于PLS模型分析方法

偏最小二乘回歸分析（partial least squares regression，PLS）是一種多對多線性回歸建模的方法。席倩等[15]基于釀酒葡萄和葡萄酒的理化指標，將其作為自變量，而葡萄酒的質量作為因變量，建立偏最小二乘回歸分析模型。研究以紅葡萄為例，通過提取成分的貢獻率的計算，得到葡萄酒的質量與所有理化指標之間的PLS回歸方程。結果顯示，其中葡萄中的VC含量、褐變度、可溶性固形物、干物質含量、果皮質量、果皮顏色以及葡萄酒的理化指標中的總酚對1,1-二苯基-2-三硝基苯肼（1,1-diphenyl-2-picrylhy drazyl radical 2,2-diphenyl-1-（2,4,6-trinitrophenyl）hydrazyl，DPPH）半抑制濃度等都對葡萄酒的質量影響非常顯著。并用Matlab編程對模型的精度進行了檢驗，結果表明，如果不考慮釀酒工藝等技術、環境因素的影響，利用理化指標根據建立的偏最小二乘回歸模型預測葡萄酒的質量具有很高的可信度。

2.3.3 基于多元統計分析方法

多元統計分析方法即在多個對象和多個指標互相關聯的情況下分析其統計規律的分析方法。王玉霞等[16]根據已知葡萄酒質量評定結果、釀酒葡萄和葡萄酒的理化指標以及芳香物質進行多元統計分析。研究以大學生數學建模競賽為背景，根據模型一，運用方差分析和可信度系數法，求出可信度，提出模型二分析結果，對葡萄酒的分級情況與實際比較一致，應用模型四得到芳香類的理化指標對葡萄酒的質量影響較大，直接影響質量評價結果的準確性。

2.3.4 基于主成分分析與神經網絡的分析方法

人工神經網絡是以一種應用類似于大腦神經突觸聯接的結構進行信息處理的數學模型，亦是由大量處理單元互聯組成的非線性、自適應信息處理系統。吳淦洲等[17]在主成分分析的基礎上，篩選出4種主要特征來作為BP神經網絡輸入層的神經元，選取的神經網絡層數為三層，輸出元為葡萄酒的品質，隨即選擇24個樣本作為訓練樣本，以出錯率、偏差值、訓練次數及時間作為判斷條件，不斷模擬實驗，尋找所需的神經網絡。最終挑選出最佳的一組，以5個隱含層節點數，tansig為輸入層轉移函數和輸出層函數，學習次數為1 000次，學習函數為默認函數，訓練函數為Levenberg-Marquardt函數，研究隨即從加州大學歐文分校（university of californialrvine，UCI）機器學習數據庫選取3組樣品數據輸入檢驗訓練好的程序，結果顯示，3組檢驗樣本的相對誤差均＜1%，說明通過建立神經網絡模型來評價葡萄酒的品質的方法是行之有效的。

2.3.5 基于新的Hopfield神經網絡分類器的分析方法

Hopfield網絡是一種反饋型神經網絡，具有聯想記憶的特征，可以作為一類有效的分類器[18]。劉延玲[19]基于單層前向神經網絡的Hopfield記憶存儲器設計方法[20]，將給定的樣本數據作為平衡點，通過訓練該神經網絡，建立了一種新的Hopfield神經網絡分類器模型。研究通過將數據庫中的其他數據作為分類測試樣本，結果表明，測試樣本實現了正確的分類，該分類器模型數據兼容性強，可以直接處理來自UCI標準測試數據庫的葡萄酒的理化性質測試指標數據和專家的感官評價等級數據，可以高效地為葡萄酒的生產、工藝改進以及市場定位提供決策信息。

2.4 模糊綜合評價法

模糊綜合評價是借助模糊數學的一些概念，應用模糊關系合成原理，將一些邊界不清、不易定量的因素定量化、綜合評價的一種方法，常用于定性檢測、感官多指標綜合[21]。惠小靜[22]研究將酒的質量定為四個等級，分別為“優、良、中、差”，根據品酒員對酒樣品的打分，確定對于外觀分析，香氣分析，口感分析及整體評價的隸屬程度，建立10行4列的模糊綜合評價矩陣，同時根據外觀分析，香氣分析等四個因素在評價酒的質量中所起的作用大小，給出權重系數，用廣義模糊合成運算確定酒樣品的質量等級，最終把紅葡萄酒分為“優、良、中、差”四個等級。王百姓等[23]研究選取干紅葡萄酒的外觀、香氣、滋味、典型性及綜合品質等5個方面作為協調性指標論域，并選定優（1級）、優良（2級）、合格（3級）、不合格（4級）、劣質（5級）5個評語等級論域，選用M（·，+）算子建立了模糊綜合評價模型，再根據隸屬度采用秩加權平均原則進行口感協調性向量分析，確定各樣品葡萄酒的質量等級。研究結果使用Matlab7.0對品評結果進行頻數分析，通過與感官評價結果相比較，驗證了此模糊綜合評價模型的可行性。模糊綜合評價的方法克服了以往簡單評分法給結果帶來的主觀性和片面性，品評不需要打分或下結論，只需根據品評情況在確定項目欄中劃“√”即可，經微機計算出隸屬度，即可確定酒樣的質量等級，具有較高的準確性和公正性。

2.5 光譜法

2.5.1 紫外-可見光譜分析法

紫外-可見光譜分析法是由價電子的躍遷而產生的，利用物質的分子或離子對紫外和可見光的吸收所產生的紫外可見光譜及吸收程度可以對物質的組成、含量和結構進行分析、測定、推斷的一種方法。有學者[24]分別對不同檔次的赤霞珠干紅和不同品種釀酒葡萄釀制的葡萄干酒的紫外可見光譜掃描分析。根據研究結果，討論提出了不同檔次的赤霞珠葡萄酒在紫外光區吸收峰的豐富度和響應值存在梯度差異，結合光吸收數據及統計分析技術，可用于葡萄酒品質評價，對于不同釀酒葡萄釀制的葡萄酒，因在顏色和成分上差別較大，故可先通過大量的分析建立一個不同釀酒葡萄釀制葡萄酒的紫外-可見吸收光譜數據庫，再輔助相應的對比統計軟件，也可用于釀酒葡萄品質的鑒定。

2.5.2 分光光度分析法

分光光度法是通過測定被測物質在特定波長處或一定波長范圍內光的吸光度值或發光強度，對該物質進行定性和定量分析的方法。梁冬梅等[25]在分光光度計波長420 nm、520 nm、620 nm處分別測定葡萄酒的吸光度值，三者之和即為葡萄酒的色度，研究討論了不同pH值條件下的色度測定，直接法和稀釋法測定的對比結果顯示，不同pH值條件下，葡萄酒的色度也不同，生產中葡萄酒的最佳pH值范圍應為3.2～3.4。此外測定葡萄酒色度時，若吸光度值＜0.5，則使用直接法測定；若吸光度值為0.5～1.5，可用10被稀釋法測定；若稀釋10倍后吸光度值仍＞1.5，則可相應增大稀釋倍數，研究完善了分光光度法測定紅葡萄酒色度。

2.5.3 近紅外光譜分析法

近紅外光譜（near infrared spectrum instrument，NIRS）是介于可見光和中紅外之間的電磁輻射波，與有機分子中含氫基團振動的合頻和各級倍頻的吸收區一致，通過掃描樣品的近紅外光譜，可以得到樣品中有機分子含氫基團的特征信息。URBANCR CUADRADO M等[26-27]通過對樣品的近紅外光譜（NIRS）和傅里葉變換紅外光譜學（Fourier transform infrared spectrometer，FTIS）中期掃描，選定幾個特征參數（如酒精度、總酸度、甘油、總多酚指數、乳酸和總二氧化硫），用于開發訓練集和驗證集，建立方程并用偏最小二乘法進行多元校準，研究結果證明了近紅外反射光譜（NIRS）分析監測葡萄酒的可行性。張樹明等[28]研究將近紅外光譜技術應用于葡萄酒發酵監控中，通過結合化學計量法，對葡萄酒酒精發酵中葡萄糖、果糖、乙醇和甘油4個指標進行了定量分析，采用高效液相色譜法測定該4個化學指標。通過對近紅外數據篩選、變量標準化，比較了主成分回歸和偏最小二乘回歸定量分析的模型質量，結果顯示，對于葡萄糖和果糖，主成分回歸和偏最小二乘回歸精度相當，都適用。對于乙醇，主成分回歸預測更精確；對于甘油，則偏最小二乘回歸更適用。研究為葡萄酒發酵的在線檢測、監測提供了一個新的方向。

2.6 氣相色譜法

氣相色譜法即通過將一定量的氣體或液體分析物注入到柱一端的進樣口中，當分析物在載氣帶動下通過色譜柱時，分析物的分子會受到柱壁或柱中填料的吸附，使通過柱的速度降低，分析物中的各種不同組分就會在不同的時間（保留時間）到達柱的末端，從而得到分離。通過物質流出柱（被洗脫）的順序和它們在柱中的保留時間來表征不同的物質。有學者[29]基于亞硝酸與環己基氨基磺酸鈉反應生成環己醇亞硝酸酯，環己醇亞硝酸酯在常溫條件下成氣態可由氣相色譜儀中氫火焰離子化檢測器（flame ionization detector，FID）定量檢測的原理建立了葡萄酒中亞硝酸鹽的氣相-頂空檢測方法。研究證明，回收率為85.0%～101.0%，信噪比為3∶1時最低檢出限為0.5 μg/L，線性方程為Y=6.96X-5.33，相關性和精密度都較高，能避免酒的顏色的干擾，可有效測定葡萄酒中的亞硝酸鹽。佟曉芳[30]基于硫酸介質中甜蜜素（環己基氨基磺酸鈉）與亞硝基反應，生產環乙醇亞硝酸鹽，利用氣相色譜法可進行定量測定的原理，建立了毛細管氣相色譜法測定葡萄酒中的甜蜜素的方法，最低檢出限為3～4 μg/L，研究結果表明，該方法可快速、準確測定葡萄酒中的甜蜜素。姜自軍等[31]基于液相微萃取技術建立了頂空液相微萃取/氣相色譜儀-質譜聯用測定葡萄酒中的氨基甲酸乙酯的方法。研究結果表明，該方法測定葡萄酒中的氨基甲酸乙酯，檢出限為1 μg/L（S/N=3），在100～1 600 μg/L的范圍內線性關系良好，相關系數達0.999 9，回收率為81.0%～103.1%。研究表明，此方法操作簡單，可測定烴類、醇類、酯類、酮類、烯醇類、醛類、含硫化合物、雜環化合物等風味組分，分析速度快，是行之有效的檢測方法。

2.7 高效液相色譜法

高效液相色譜法是以液體為流動相，采用高壓輸液系統，將具有不同極性的單一溶劑或不同比例的混合溶劑、緩沖液等流動相泵入裝有固定相的色譜柱，在柱內各成分被分離后，進入檢測器進行檢測，從而實現對試樣的分析。杭莉[32]建立了高效液相色譜法測定葡萄酒中3種防腐劑和2種甜味劑。研究通過將樣品中乙醇水浴去除后，再加入亞鐵氰化鉀和乙酸鋅沉淀蛋白，離心取上清液過0.45 μm水相濾膜后測定，樣品經上機梯度淋洗后，樣品中苯甲酸、山梨酸、脫氫乙酸、安賽蜜和阿斯巴甜能夠完全分離，且定量呈現良好的線性關系。結果經加標回收驗證，靈敏度高，準確度和精密度高，在20 min內能將5種添加劑完全分離。李廣等[33]建立了葡萄酒中9種人工合成色素（檸檬黃、莧菜紅、胭脂紅、日落黃、誘惑紅、兩藍、偶氮玉紅、專利蘭和赤蘚紅）的高效液相色譜檢測法。結果顯示該方法分離度高，能有效檢測0.50～100 mg/L的合成色素，也能為定性檢測葡萄酒中是否添加人工合成色素提供依據。趙廣西等[34]使用葡聚糖凝膠提取樣品后用高效液相色譜測定其中的紅花黃色素，建立了天然色素紅花黃摻偽葡萄酒的鑒別檢測方法，結果顯示，該方法線性關系良好，方法準確、靈敏、簡單。

3 葡萄酒生產工藝控制及品質分析方法存在問題及前景

我國葡萄酒需求量大，生產、供應、流通體系相對較為復雜，在釀制過程中，因發酵工藝不規范，產生的甲醇和雜醇油等有害物質或人工添加合成色素等都會給酒的品質帶來影響，由此帶來的質量監管難度相對較大。而對于葡萄酒品質檢測，國標中也未明確規定影響葡萄酒品質的指標及安全使用量。目前，葡萄酒品質檢測的方法較多，涉及到的質量指標也比較廣，大部分葡萄酒品質檢測的方法測定程序繁瑣、準確度和精密度有待商榷，且只適用于實驗室檢測，難以滿足現代社會對食品安全檢測技術簡便、快速、準確和現場化測定要求，因此對于葡萄酒品質檢測技術發展應該從以下兩方面進行深入研究。首先需要解決的問題即確定影響葡萄酒品質的特征質量指標，提高檢測的針對性；其次，研究如何將測試過程簡化，提高檢測效率，可重點研究物理方法，如近紅外技術測定方法，以實現無試劑、快速和在線測定目標。

[1]史經略，張安寧.紫甘薯葡萄酒釀造工藝研究[J].中國釀造，2011，30（7）：158-162.

[2]李丹素，冀玉良，劉鄰渭.山茱萸葡萄酒的釀造及澄清技術研究[J].中國釀造，2011，30（8）：105-109.

[3]高清山，肖素榮，潘敏.靈芝葡萄酒的釀造工藝初探[J].中國釀造，2008，27（17）：82-84.

[4]王顯蘇.葡萄酒工藝及相關質量安全性評價[J].科技傳播，2014（1）：146-147.

[5]王秀芹，陳小波，戰吉宬，等.生態因素對釀酒葡萄和葡萄酒品質的影響[J].食品科學，2006，27（12）：791-797.

[6]王立鵬.干型紅葡萄酒釀造工藝的探討[J].科學時代，2013（14）：1-6.

[7]郭磊，劉云，姜磊.巨峰葡萄酒釀造工藝[J].湖北農業科學，2011，50（19）：4036-4037.

[8]中華人民共和國國家質量監督檢驗檢疫總局.GB/T 15038—2006葡萄酒、果酒通用分析方法[S].北京：中國標準出版社，2008.

[9]中華人民共和國國家質量監督檢驗檢疫總局.GB/T 15037—2006葡萄酒[S].北京：中國標準出版社，2008.

[10]LAWLESS H T，HEYMANN H.王棟，譯.食品感官評價原理與技術[M].北京：中國輕工業出版社，2001.

[11]張艷芳.葡萄酒感官分析保證體系的探討[J].食品工業，2002（4）：21-22.

[12]王文靜.感官評價在葡萄酒研究中的應用[J].釀酒，2007，34（4）：57-59.

[13]高年發，李麗，張健.利用模式識別技術鑒別中國葡萄酒的產地和品種[J].中國釀造，2009，28（3）：68-72.

[14]蔣露，薛潔，林奇，等.SNIF-NMR和IRMS技術在葡萄酒質量評價中的初步研究[J].食品與發酵工業，2008，34（11）：139-143.

[15]席倩，萬冰越.基于PLS模型的葡萄酒質量評價[J].科技和產業，2014，14（2）：88-93.

[16]王玉霞，李果，王芳，等.基于多元統計分析的葡萄酒及其理化指標評價研究[J].物理工程與管理，2014，36（1）：160-164.

[17]吳淦洲，梁海燕.基于主成分分析與神經網絡的葡萄酒品質評價[J].廣東石油化工學院學報，2014，24（1）：56-62.

[18]HOPFIELD J J.Neurons with graded response have collective computational properties like those of two-state neurons[J].P Natl Acad Sci USA,1984,81(10):3088-3092.

[19]劉延玲.新的Hopfield神經網絡分類器在葡萄酒質量評價中的應用[J].價值工程，2012（2）：181-182.

[20]ZHENG P S,ZHANG J X,TANG W S.Learning associative memories byerror back propagation[J].IEEE T Neural Networ,2011,22(3):347-355.

[21]吳有煒.試驗設計與數據處理[M].蘇州：蘇州大學出版社，2002.

[22]惠小靜.模糊數學方法對葡萄酒的分類及評價[J].數學的實踐與認識，2013，43（16）：40-45.

[23]王百姓，馮積社.模糊綜合評價在干紅葡萄酒感官品評中的應用[J].中國食物與營養，2011，17（8）：33-37.

[24]楊華峰，楊勇，俞凡，等.基于光譜分析的葡萄酒品質鑒別技術初探[J].中國釀造，2013，32（3）：28-32.

[25]梁冬梅，李記明，林玉華.分光光度法測葡萄酒的色度[J].中外葡萄與葡萄酒，2002（3）：9-13.

[26]URBANCR CUADRADO M,LUQUE DE CASTRO M D,PéREZ JUAN P M,et al.Near infrared reflectance spectroscopy and multivariate analysis in enology:determination or screening of fifteen parameters in different types of wines[J].Analytica Chimica Acta,2004,527(1): 81-88.

[27]CUADRADO M U,DE CASTRO M D L,JUAN P M P,et al.Comparison and joint use of near infrared spectroscopy and Fourier transform mid infrared spectroscopy for the determination of wine parameters[J]. Talanta,2005,66(1):214-228.

[28]張樹明，楊陽，梁學軍，等.葡萄酒發酵過程主要參數近紅外光譜分析[J].農業機械學報，2013，44（1）：152-156.

[29]雷安亮，鐘其頂，高紅波，等.靜態頂空-氣相色譜法測定葡萄酒中主要香氣成分研究[J].中國釀造，2009，28（5）：147-151.

[30]佟曉芳.葡萄酒中甜蜜素含量的測定[J].釀酒，2008，35（2）：87.

[31]姜自軍，閻雪，單紀平，等.頂空液相微萃取/氣相色譜儀-質譜聯用測定葡萄酒中的氨基甲酸乙酯[J].商品與質量：學術觀察，2013（12）：244.

[32]杭莉.高效液相法同時測定葡萄酒中3種防腐劑和2種甜味劑[J].中國釀造，2014，33（6）：144-146.

[33]李廣，李琪，金麗瓊，等.高效液相色譜法同時測定葡萄酒中9種人工合成色素[J].中國釀造，2013，32（11）：132-135.

[34]趙廣西，劉浩，劉銳萍.外源性紅花黃色素摻偽葡萄酒鑒別檢測方法的研究[J].中國釀造，2014，33（9）：148-150.

SHAO Zhifang
（College of Guangling,Yangzhou University,Yangzhou 225009,China）

A brief introduction on the brewing and preservation of wine was given in this paper.The research status of wine production control and various analytical methods including the National Standard methods,sensory analysis methods,statistical methods,spectroscopy and chromatography methods were reviewed.Finally the development trend and problem existed in wine production process control and quality analysis was briefly introduced.

wine;production process;quality analysis

TS262.2

A

0254-5071（2015）04-0017-04

10.11882/j.issn.0254-5071.2015.04.005

2015-04-13

邵志芳（1986-），女，助教，碩士，主要從事電化學研究工作。