基于電子鼻的白酒品質檢測*

李靜，宋飛虎，浦宏杰，李臻峰，3

1(江南大學機械工程學院，江蘇無錫，214122)2(江蘇省食品先進制造裝備重點實驗室，江蘇 無錫，214122)

3(紹興縣魁聯機電科技有限公司，浙江紹興，312000)

中國白酒一般是以糧谷為主要原料，用大曲、小曲或麩曲及酒母等為糖化發酵劑，經蒸煮、糖化、發酵、蒸餾而制成，為世界六大蒸餾酒之一［1］。目前，白酒質量等級劃分與質量控制仍處于主要依靠感官評價的階段，其準確性受評價人員的身體狀況、情緒、品評環境等因素的影響，存在一定的模糊性和不確定性［2］。

白酒的風味(揮發性)物質包括酸、酯、醛和酮等，盡管體積含量只占總物質的1% ～2%，但卻是造成風味與品質不同的主要因素［3］。近年來，國內外許多研究者利用各種檢測手段對酒類進行分析。Zhang Qiny 等［4］、馬燕紅等［5］、吳天祥等［6］利用氣相色譜儀(GC)分析了中國白酒中化學成分，并建立成分與香型或酒齡之間的關系。氣相色譜儀(GC)雖然可以對白酒中的各種微量成分進行定量檢測，但操作復雜且耗時;同時，GC檢測都是樣品經高速分離后的結果，測試結果很難代表白酒的整體性，無法將檢測結果與感官評價統一起來。電子鼻是近年來發展起來的一種新型檢測技術，其優勢在于對氣味進行綜合性和模糊性的分析，且測量過程不破壞反應風味品質的氣味分子，測量結果通過分析更易于與感官評價相統一，故在酒類檢測中已經開始應用［7］。Buratti等［8-9］采用電子鼻和電子舌、Garca 等［10］采用基于金屬氧化物半導體膜的電子鼻，對不同類型的紅酒進行描述和分類，區分效果良好。Lozanoc等［11］采用電子鼻結合主成分分析和概率神經網絡對葡萄酒酒齡進行鑒別，鑒別準確率達到97%。許春華等［12］利用電子鼻與電子舌對果酒的風味進行了分析。ZHANG等［4］用納米氧化鋅傳感器、柯永斌等［13］和殷勇等［14-17］利用 TGS 系列氣敏傳感器、高永梅等［18］用GC-Flash型電子鼻測試了不同香型的中國白酒，獲得良好的區分度。

本文采用來自汾酒集團的6組具有不同陳化年限及不同制造工藝白酒樣品，用zNoseTM電子鼻檢測酒樣的指紋圖譜，研究指紋圖譜的“峰面積總和”與感官評價的對應關系。對檢測得到的指紋圖譜進行主成分分析和典型判別分析，研究zNoseTM電子鼻對不同品質等級白酒的區分效果。

1 材料與方法

1.1 材料與儀器

1.1.1 材料

汾酒樣品:串蒸汾酒、國藏汾酒、老白汾酒、汾酒、杏花村酒、玻汾酒，均由汾酒集團提供，具體信息如表1所示，每種酒樣取17個平行樣，共102個樣品。酒樣2～6在釀造后，均由傳統發酵技術進行陳化;而酒樣1在短期發酵后，又對其進行了人工老熟，以增加其老熟度。表1中樣品7為正構烷烴，用于化學成分的鑒定和特征峰位置的標定。

表1 汾酒樣品的特性Table 1 Characteristics of the Fenjiu samples

1.1.2 儀器

zNoseTM電子鼻(4200美國EST公司)以及系統軟件(MicroSense 4.0)，包括1個檢測器，1個短的分離柱(DB-5)及相關的電路系統，能在1 min內完成氣味物質的檢測;同時zNoseTM電子鼻所用分離柱較短，只收集包含5～20個碳原子的碳氫化合物(C5～C20)，基本包括了人類可以感知的白酒芳香氣味分子，卻不吸收乙醇和水分，避免了常規電子鼻中金屬氧化物傳感器反應漂移［7］的問題。

1.2 實驗方法

1.2.1 電子鼻參數條件

zNoseTM4200電子鼻，傳感器的檢測溫度60℃，分離柱溫度以每秒10℃的速率從40℃上升到180℃，傳感器焙烤溫度150℃。運載氣體(氦氣)流速0.03 m/s。在2次測量之間，至少要空運行1次來清洗系統，直到基線信號峰值低于200 Counts。

將樣品用帶有螺帽并且用隔膜密封的40 mL的小瓶(高度98 mm、直徑28 mm)取樣10 mL。在室溫下1 h后，開始頂空進樣。每個待測樣品平行測定3次，取平均值。

1.2.2 人工感官評價

建立9人感官評價小組，其中男性5人，女性4人，且感官評價當天身體狀況良好。感官評價方法［20］參考清香型白酒國家標準［21］和汾酒企業內部標準。感官評價人員各自對樣品進行品評(每次1個，品嘗完后漱口)，獨立完成對樣品各項指標的打分。感官評價標準見表2。

表2 汾酒質量感官評價標準Table 2 quality standards of the Fenjiu samples

1.3 統計分析

使用 MATLAB程序平臺(MATLAB 7.0，The Mathworks，Inc.，MA，USA)，主成分分析(PCA)進行數據分析。運用SAS/STAT(SAS9.1，SAS Institute Inc，Cary，NC，USA)中的典型判別進行數據分析。

2 結果與討論

2.1 汾酒的指紋圖譜

利用zNoseTM4200電子鼻對于汾酒樣品及正構烷烴進行測定，并提取標準圖譜。表1中6種樣品，每種17個平行樣，利用zNoseTM4200電子鼻進行3次平行測量，應用系統軟件MicroSense 4.0繪制標準指紋圖譜，見圖1。比對汾酒樣品與正構烷烴的圖譜，汾酒中大部分揮發物是在C5～C14之間，處于zNoseTM電子鼻檢測范圍內。指紋圖譜中的橫坐標保留時間(retention time，RT)為酒樣揮發物中不同氣味化合物在色譜柱內的停留時間，峰面積(peak area，PA)代表某一類氣味化合物的量。

由圖1可知，汾酒的指紋圖譜中主要有9個特征峰。不同樣品的峰1～4相似，為汾酒的基本特征，不具備品質鑒別能力。峰5在指紋圖譜中對應C10，為汾酒氣味揮發物中的大分子物質，在不同樣本中區分度最大。比對表1可知，除樣本1(“系列”發酵工藝)外，樣本2～6(傳統發酵工藝)的峰5面積與陳化年限正相關。樣品1為“系列發酵”產生的原酒，由于經過人工老熟技術，與酒樣2的指紋圖譜有相近峰面積的峰5，由此說明“系列”發酵工藝可在較短的時間內，產生較多的C10分子質量下的與風味口感相關的化合物。但更大分子質量的香醇氣味化合物，是酒樣中大量分子間長期締合作用的結果［24］，與其他酒樣相比，酒樣1的指紋圖譜中6～9特征峰(C11～C14)的峰面積明顯較小，需在工藝上改進，以達到傳統發酵陳化的效果。

圖1 汾酒樣品的標準指紋圖譜Fig.1 Standardfigerprint of the Fenjiu samples

2.2 峰面積總和與感官評價

峰面積總和(sum of PA)為指紋圖譜中所有特征峰面積之和，可表示zNoseTM4200電子鼻檢測到的所有氣味揮發物質總量。傳統感官評價體系依然是白酒品質鑒別的主要依據，所有樣品按表2進行感官評價。“峰面積總和”與感官評分如圖2所示樣品2為國藏汾酒，感官評價95.8分，其“峰面積總和”為1 416 137Counts，為所有樣品中最高，是所有樣品中陳化時間最長、品質最高的。樣品1為串蒸汾酒，感官評分為70.3，僅次于陳化時間超過10年的樣品2、3，優于陳化時間在1年以內的樣品4、5、6，品質較高;其“峰面積總和”為692 043Counts，亦優于樣品4、5、6。

表2感官評價中包括嗅覺、味覺等體驗標準，受評價人員主觀因素影響，且評價體系復雜，不利于白酒生產流通中統一標準的建立。如圖2所示，感官評價與“峰面積總和”的排序依次為 2、3、1、4、6、5，順序一致。“峰面積總和”代表樣品氣味揮發物的總量，品質越高的酒樣，“峰面積總和”越高。采用zNoseTM4200電子鼻檢測酒樣“峰面積總和”，能在1 min內完成，快速客觀，可作為汾酒品質標準確定的檢測手段之一。

圖2 峰面積總和及感官評分Fig.2 Sum of the peak areas and score of the sensory evaluation

2.3 主成分分析

主成分分析(principal component analysis，PCA)是模式識別中最基本的多元統計分析方法［22］。它在保留原始變量主要信息的前提下將多指標問題轉換成少數幾個綜合指標(主成分)，起到降維與簡化問題的作用。本試驗中，每種品質測試17個平行樣品，共測102個樣品，每個樣品提取9個特征值(9個峰)進行主成分分析。前兩個主成分的貢獻率分別為85.3%，7.7%，累計貢獻率達93%，可以代替原始信號的大部分信息，所以可以用PC1、PC2代替整個酒樣的電子鼻氣味數據。圖3為測試樣本點經PC1、PC2降維變換后所得到的散點圖，不同符號代表6種不同品質的白酒，相同符號的17個點代表的17個平行樣本。

圖3 汾酒樣品的PCA分析結果Fig.3 PCA scores plot of the Fenjiu samples

由圖3可見，6種不同品質的酒樣在主成分圖上可以較好地區分開來。陳化程度較高的樣品2、3的分布集中且互相距離很大，說明質量穩定且品質差異明顯。陳化程度接近的樣品4、5、6在PC1軸上區分度不夠，必須結合PC2才能互相區分。樣品1采用人工老熟技術，分布于獨立區域，可以獲得良好的區分，但散點分布明顯較傳統發酵酒樣分散，說明樣品間質量存在不穩定。

圖4為主成分分析PC1、PC2的負荷分析，電子鼻指紋圖譜中的特征峰2、4、5在樣品區分的貢獻最多，其他特征峰的貢獻較小。對比圖1，峰2、4、5是所有樣品指紋圖譜中峰面積較大的特征峰，但峰2、4在樣品之間的差別非常小，直觀上不具備品質鑒別的區分能力，而峰面積較小的峰6～9在電子鼻檢測中是代表香醇風味的大分子揮發物，卻在負荷分析中貢獻較小。造成這一現象的主要原因是由于主成分分析采用原始變量的線性組合，占據主導地位的可能是數值較大但區分度不夠的峰值，比如峰2、4，而忽略了區分度較大數值較小的峰值的影響。為了進一步提高統計分析效果，進一步采用典型判別進行數據分析。

圖4 汾酒樣品的負荷分析Fig.4 Loadings plot of the Fenjiu samples

2.4 典型判別分析

典型判別分析(canonical discriminant analysis，CDA)中，利用Fisher判別法，計算出的典型變量雖然也是原始變量的線性結合，但能保證組間方差與組內方差的比率最大化，即典型判別分析實際上是致力于尋找一個最能反映組和組之間差異的投影方向。對本試驗數據進行典型判別分析，獲得5個典型變量，并依據變量建立判別函數實現酒樣分類。102次測試中(每個樣品17次)的84次(每個樣品14次)用于校正，18次(每個樣品3次)用于確認。

降維后的CDA散點圖見圖5，不同符號代表不同白酒樣品，相同符號中的14個虛點代表校正樣品，3個實點樣品代表盲測樣品。從圖5可以看出，6種不同品質等級的樣本分布集中且相互間距離大。所有盲測樣品的散點均出現在對應品質樣本區域，準確區分率為100%。比較圖5與圖3，CDA較PCA的樣本散點區域更集中且相互之間的距離更大，對陳化年限接近的酒樣區分度明顯增加。因此，CDA較PCA是更適于白酒指紋圖譜的統計分析工具。

圖5 汾酒樣品的典型判別分析Fig.5 CDA analysis of the Fenjiu samples

3 結論

結合電子鼻技術和主成分分析(PCA)、典型判別分析方法(CDA)，提出了基于電子鼻的白酒品質檢測方法，并選用同一廠家不同品質等級的6種酒樣進行實驗研究。結果表明:采用zNoseTM4200電子鼻檢測酒樣，指紋圖譜中的峰5在不同樣本中區分度最大。同時，參數“峰面積總和”為氣味揮發物總量，與感官評分順序一致，可作為汾酒品質判定的檢測手段之一。采用PCA處理指紋圖譜數據后，第一、第二主成分累計貢獻率達93%，可有效區分不同樣本，但負荷分析顯示包含數值較大但區分度不夠的峰2、4。采用CDA能保證組間方差與組內方差的比率最大化，二維處理的準確區分率為100%，更適用于指紋圖譜分析。

根據上述結果，該方法具有快速、客觀、準確區分白酒品質的優點，可用于白酒真偽的輔助鑒別，以及生產工藝改進效果的客觀評定，有望在此基礎上開發出一種白酒生產在線氣味檢測系統，為生產管理建立重要的技術支持。隨著電子鼻硬件技術的提高和設備成本的不斷降低，以及統計分析方法的進一步完善，將該技術應用于更多企業的不同產品，建立適用性更廣的指紋圖譜庫，從中提取有效信息的效率也會大大提高，電子鼻用于白酒品質鑒定的應用前景必將更加廣闊。

［1］ 賴登，林東.世界著名六大蒸餾酒工藝特點、香味特征的研究［J］.釀酒，2007，34(3):106-110.

［2］ 吳守一，鄒小波.電子鼻在食品行業中的應用研究進展［J］.江蘇理工大學學報(自然科學版)，2000，21(6):14-17.

［3］ 吳三多.五大香型白酒的相互關系與微量成分淺析［J］.釀酒科技，2001(4):106-110.

［4］ ZHANG Q，XIE C，ZANG S，et al.Identification and pattern recognition analysis of Chinese liquors doped nano ZnO gas sensor array［J］.Sensors and Actuators.B:Chemical，2005，110(2):370-376.

［5］ 馬燕紅，張生萬，李美萍.清香型白酒酒齡鑒別的方法研究［J］.食品科學，2012，33(10):184-189.

［6］ 吳天祥，王利平，劉揚岷，等.氣質聯用(GS-MS)分析茅臺王子酒的香氣成分［J］.釀酒，2002，295(2):25-26.

［7］ 戴鑫，于海燕，肖作兵.電子鼻和電子舌在飲料酒分析中的應用近況［J］.食品與發酵工業，2012，38(8):114-118.

［8］ Buratti S，Benedetti S，Scampicchio M.Characterizationand classification of Italian Barber wines by using an electronic nose and an amperometric electronic tongue［J］.Analytica Chimica Acta，2004，525(1):133-139.

［9］ BurattiS，Ballabio D，Benedetti S，et al.Prediction of Italian red wine sensorial descriptors from electronic nose，electronic tongue and spectraphotometric measurements by means of Genetic Algorithm regression models［J］.Food Chemistry，2007，100:211-218.

［10］ Garca M，A le ixandre M，Gutirrez J，et al.Electronic nose forwine discrimination［J］.Sensors and Actuators B:Chemical，2006，113(2):911-916.

［11］ Lozanoc J，Arroyob T，Santosa J P，et al.Electronic nose for wine ageing detection［J］.Sensors and Actuators B:Chemical，2008，133(1):180-186.

［12］ 許春華，肖作兵.電子鼻和電子舌在果酒風味分析中的應用［J］.食品與發酵工業，2011，37(3):163-167.

［13］ 柯永斌，周紅標，李珊，等.基于電子鼻的不同香型白酒快速識別［J］.釀酒科技，2014(2):5-9.

［14］ 殷勇.基于PCA與Wilks準則的電子鼻酒類鑒別方法研究［J］.儀器儀表學報，2007，28(5):849-852

［15］ 殷勇，田先亮，邱明.基于人工嗅覺的酒類質量穩定性判別方法研究［J］.儀器儀表學報，2005，26(6):565-656

［16］ 殷勇，邱明.酒類嗅覺鑒別系統的研制與試驗［J］.農業工程學報，2003，19(4):151-154.

［17］ 田先亮，殷勇，劉紅俊.酒類鑒別的人工嗅覺技術研究［J］.食品科學，2004，25(2):29-32.

［18］ 高永梅，劉遠方，李艷霞，等.主要香型白酒的電子鼻指紋圖譜［J］.釀酒科技，2008(5):38-44.

［19］ 張鋒國.談白酒的感官評價體系［J］.釀酒，2013，39(3):100-104.

［20］ GB/T10781.2-2006.清香型白酒［S］.

［21］ 王楊，何紅，馬格麗.白酒陳味及超高壓老熟技術研究［J］.釀酒科技，2009(11):94-96.

［22］ 姚鑫鋒等編著.SAS統計分析實用寶典［M］.北京:清華大學出版社，2013