用于紹興黃酒總糖含量預測的電子鼻系統構建及其實驗研究*

周慧敏,李莎怡,陳婷婷,戚杰超,吳思妃,龔志涵,葉振龍,李 劍,惠國華,2*

(1.浙江農林大學信息工程學院,杭州 311300;2.浙江省杭電智慧城市研究中心,杭州 310035)

用于紹興黃酒總糖含量預測的電子鼻系統構建及其實驗研究*

周慧敏1,李莎怡1,陳婷婷1,戚杰超1,吳思妃1,龔志涵1,葉振龍1,李 劍1,惠國華1,2*

(1.浙江農林大學信息工程學院,杭州 311300;2.浙江省杭電智慧城市研究中心,杭州 310035)

構建了電子鼻檢測系統,用于紹興黃酒總糖含量的快速預測,采用具有8種氣體傳感器的電子鼻系統檢測了元紅、花雕、善釀、香雪4種經典黃酒樣品,同時實驗檢測了黃酒樣品的總糖含量,采用非線性雙重疊加隨機共振提取電子鼻檢測數據的特征值,采用特征值結合黃酒樣品總糖含量檢驗結果建立了總糖含量預測模型。該模型不但可以預測黃酒樣品的總糖含量,而且可以實現黃酒樣品的類型檢測。該方法在黃酒品質分析領域具有廣闊的應用前景。

電子鼻;紹興黃酒;總糖含量;隨機共振;信噪比

紹興黃酒以精白糯米輔以上等鑒湖水釀造,酒精濃度在14°～18°之間,常作為調味料使用或直接飲用。按其釀造方式可分為元紅酒、加飯酒、善釀酒及香雪酒。隨著人們生活水平的提高,消費者對黃酒的色澤、風味、口感等因素的要求也顯著提高。紹興黃酒的品鑒通常采用人工感官審評方法,但人工感官易受外界因素干擾,品評的準確性難以保證。儀器分析方法也是鑒定黃酒品質的常用方法[1-6],但儀器分析方法存在耗時長、成本高、有污染等缺點。

電子鼻理論首先在1982年由Persand教授等提出[7],以其樣品前處理簡單、檢測速度快、易操作等優點,在酒類品質分析中得到廣泛應用。周海濤等使用電子鼻對勁酒進行檢測鑒別,并進行了傳感器陣列優化分析,取得了較好的結果[8]。史志存等采用氣體傳感器件陣列結合模式識別技術構成了電子鼻,并且對幾種白酒進行了分類和模式識別實驗,結果證明電子鼻不僅能夠識別不同香型的白酒,而且可以辨識同一香型的不同白酒[9]。秦樹基等開發了一個能識別酒類的基于一個由3只具有不同寬譜氣敏響應特性金屬氧化物傳感器組成陣列的電子嗅覺系統,使用3層前饋神經網絡用于分析傳感器陣列輸出的數據,神經網絡采用Levenberg-Marquardt算法訓練后,電子嗅覺系統能成功地測定酒精濃度和烈性酒,識別葡萄酒和啤酒,正確識別率可達95%[10]。此外,電子鼻技術在其他類型食品品質區分檢測中也得到了廣泛的應用[11-17]。

圖1 電子鼻結構示意圖

本文介紹了一種基于電子鼻系統的不同風味紹興黃酒區分方法,選用紹興某釀酒公司生產的元紅、花雕、善釀和香雪4種黃酒產品作為檢測樣品,實驗記錄了4種風味黃酒樣品的電子鼻響應數據,并檢測了各樣品的總糖含量。在傳感器陣列優化的基礎之上,采用非線性隨機共振方法提取黃酒電子鼻響應特征值,并采用信噪比特征值與總糖含量數值線性擬合的方法構建黃酒總糖含量預測模型,實驗結果表明該方法不但可以預測黃酒樣品的總糖含量,而且可以實現黃酒樣品的類型檢測。

1 電子鼻系統及實驗

1.1 樣品制備

實驗采用紹興某釀酒公司生產的元紅、花雕、善釀和香雪4種黃酒產品,具體參數如表1所示。

表1 紹興黃酒參數

每種黃酒樣品取10組平行樣本,每組取20 mL,置于潔凈干燥的小樣品瓶中,并用封口膜密封,在室溫下靜置45 min,使樣品瓶頂空中積累一定的揮發性物質。樣品檢測時先通入潔凈空氣穩定60 s,然后通過儀器檢測探頭將揮發性氣體吸入電子鼻氣室,與傳感器陣列接觸,產生電信號,通過高速A/D采樣單元采集傳感器響應信號并傳輸至電腦端進行存儲。樣品檢測時間為40 s,檢測結束后通入潔凈的空氣清洗傳感器一段時間,以便進行下一次的測量。

1.2 電子鼻系統

電子鼻系統結構有3個模塊:氣敏傳感器陣列模塊、信號測量記錄模塊、模式識別模塊。電子鼻的檢測原理是記錄氣體傳感器陣列對樣品的響應信號,響應信號在計算機上經處理后給出特征值,將特征值輸入模式識別庫中對比,給出類型判斷的結果,從而實現樣品類型判斷的目的。實驗采用實驗室自主研發的電子鼻系統,結構如圖1所示。主要包括信號采集、調理與數據傳輸單元,氣敏傳感器陣列及氣室,以及供氣、清洗動力裝置3個部分。

研究表明,乳酸乙酯、乙酸乙酯、苯乙醇、丁酸2一甲基丁酯、異戊醇等是構成黃酒芳香主體的主要來源[18],因此實驗采用的電子鼻系統采用的8個氣體傳感器構成了傳感器陣列單元,每個氣體傳感器特性如表2所示。

表2 電子鼻傳感器陣列

1.3 雙層疊加隨機共振模型

隨機共振是意大利科學家邦濟等提出用于解釋地球氣候周期性變化的一種非線性動力學模型,它需要3個必備的因素:微弱輸入信號,外噪聲源和雙穩態系統[19-22]。

(1)

式中:x為布朗粒子的運動軌跡,t為運動時間,M和D是可調節參數,I(t)=S(t)+N(t)代表伴隨著內秉噪聲N(t)的輸入信號S(t)。ξ(t)是外噪聲,V(t)是標準雙勢阱函數,a和b為實參數。

(2)

將式(2)代入式(1)可以得到:

(3)

V(x)的極小值位于兩個勢阱±xm處,其中xm=(a/b)1/2。兩個勢阱之間相隔一個勢壘,勢壘位于xb=0處,高度為ΔU=a2/4b。在隨機共振三要素相互協調的情況下,勢壘被降低導致布朗運動粒子可以越過勢壘,從一個勢阱躍遷到另外一個勢阱中去。此時,微弱信號的強度得到增強,因此可以從強背景噪聲中被識別出來。

我們假設輸入信號為I(t)=Asin(2πft+φ),其中A是信號幅度,f是信號頻率,D是外噪聲強度,信噪比通常被用來表征隨機共振輸入輸出情況,如式(4)所示:

(4)

在這里,我們采用輸入信號I(t)=Asin(2πft+φ)+mea(t)+N(t)作為輸入矩陣,它包括一個周期性正弦信號Asin(2πft+φ),測量信號mea(t),以及內秉噪聲N(t)。

在絕熱近似條件下,假設信號幅度極小(A?1),雙穩態系統在沒有足夠能量驅動的情況下,布朗運動粒子偏置于一側勢阱中。信號周期比一些典型勢阱內系統弛豫時間要長的多,此時周期性驅動力的出現使勢函數發生傾斜,最終導致布朗運動粒子從一個勢阱到另外一個勢阱的躍遷,因此勢函數V(x,t)與輸入信號協同為:

(5)

式(6)為V(x,t)對于x的一階導數和二階導數,并且使等式等于0。

(6)

(7)

(8)

k2=h[a(xn+k1/2)-b(xn+k1/2)3+snn]

(9)

(10)

(11)

式中:xn為x(t)的n階值,snn是Sn(t)的n階值。h是計算步數,此時將兩個單層隨機共振系統串聯起來就構成了雙層隨機共振系統,根據式(1),朗之萬方程可以次序寫為:

(12)

在工程測量中,測量的數據通常包含目標信號和干擾噪聲,如果目標信號被強背景噪聲所掩蓋,我們是無法準確檢測到的。在隨機共振的幫助下,內秉噪聲被削弱而目標信號微弱信號則被有效放大,使得目標信號有可能被捕捉到。有時候由于目標信號過于微弱和背景噪聲太強,單層隨機共振并不能有效的降低系統噪聲,因此就需要將單層隨機共振輸出信號再次送到下一層隨機共振系統中進行分析,這樣可以最終實現測量目標微弱信號的目的。

2 黃酒樣品分析結果

2.1 傳感器陣列響應

圖2所示為電子鼻傳感器陣列對被測花雕酒樣品的響應圖,8種傳感器對樣品具有良好的響應,在0～12 s時間范圍內各傳感器響應值持續上升,在14 s時8個傳感器達到穩定值。不同類型傳感器的穩定值也不同,8種傳感器響應穩定值從大到小的順序依次為:傳感器8>傳感器2>傳感器5>傳感器6>傳感器1>傳感器4>傳感器3>傳感器7。這些檢測信息構成了花雕酒樣品的電子鼻特征圖譜,不同的紹興黃酒樣品具有不同的電子鼻響應特征圖譜,這就是電子鼻有效區分不同種類黃酒樣品的檢測基礎。本研究的目的在于利用電子鼻預測黃酒樣品的總糖含量,對于酒類樣品檢測而言,樣品揮發出的乙醇氣體對電子鼻氣體傳感器陣列有較大的影響,在某種程度上掩蓋了各氣體傳感器對總糖相關信號的反映,因此本研究對傳感器陣列進行了優化處理,隨機共振輸入信號中關閉傳感器s4的輸入量。

圖2 傳感器陣列對花雕黃酒樣品響應

圖3 黃酒樣品總糖含量檢驗結果

2.2 紹興黃酒總糖檢驗結果

紹興黃酒總糖檢驗結果如圖3所示,黃酒總糖含量按照元紅,花雕,善釀和香雪的順序升高。元紅屬于干黃酒,釀造過程中糖分大都發酵成為酒精,因此酒中總糖含量較低,口味醇和鮮爽。花雕酒屬于半干型黃酒,釀造過程中糖分未全部發酵成酒精,口味醇厚柔和。而半甜型黃酒在釀造中采用獨特工藝,在糖化發酵開始的時候,發酵醪中酒精濃度處于較高的水平,高酒精濃度抑制微生物的生長,因此大部分糖分不能轉化為酒精,善釀就屬于半甜型黃酒。而香雪則采用淋飯操作,發酵中糖化到一定程度后,加入米白酒或者糟燒酒抑制微生物發酵作用,因此總糖含量最高,香雪屬于甜黃酒。黃酒樣品的總糖含量檢驗結果與上述分析吻合。

4種黃酒樣品的電子鼻檢測數據雙層隨機共振信噪比曲線如圖4所示,在外部調制噪聲的作用下,首先各樣品的信噪比曲線呈現上升的趨勢,在噪聲強度38左右達到一個緩和的峰之后,在噪聲強度89附近出現一個尖銳的特征谷,信噪比谷值隨著元紅、花雕、善釀和香雪的順序而下降,之后各樣品的信噪比曲線開始上升并最終趨于平緩。我們選取信噪比曲線特征谷值作為黃酒樣品的表征參量,用于總糖含量預測模型的構建。

圖4 黃酒樣品隨機共振信噪比曲線

圖5所示為紹興黃酒總糖含量預測曲線,橫坐標為電子鼻檢測信噪比特征值,縱坐標為黃酒總糖含量。根據現行有效的中華人民共和國國家標準GB/T 17946-2008針對紹興黃酒的地理標志產品規定,可知四大類黃酒總糖含量的范圍,因此我們在圖5中劃分了四大類黃酒總糖含量的區域。A、B、C、D依次對應元紅、花雕、善釀和香雪。預測模型如式(13),我們采用電子鼻檢測某種未知總糖含量的黃酒樣品,并計算出信噪比特征值,代入式(13)計算出結果,根據結果所處于的區域即可得到該樣品總糖含量的預測值,同時也可以實現該黃酒樣品類型的大致預測。

總糖含量=-656.889 19-7.38295×信噪比峰值,R=-0.992 32

(13)

圖5 黃酒總糖含量預測模型

在之前的研究中,我們采用電子鼻實驗檢測了紹興黃酒的香氣特征,風味特征從高到低依次為善釀>香雪>加飯>元紅,與本研究的結果差異可能是善釀的獨特釀造工藝引起的,善釀雖然屬于半甜型黃酒,但是其采用成品黃酒代替水淋入發酵醪中,發酵過程中雖然一方面抑制了酵母菌的生長速度,另外一方面部分糖分卻依然可以轉化為酒精,實際上善釀的香氣特征是發酵產物與未轉化糖分的綜合產物。因此,在本研究中優化了氣體傳感器陣列,去除了乙醇傳感器s4的響應輸入,以確保電子鼻區分不同種類黃酒總糖含量的準確度。

3 結語

本文構建了電子鼻檢測系統,用于紹興黃酒總糖含量的快速預測,采用具有8種氣體傳感器的電子鼻系統實驗檢測了元紅、花雕、善釀、香雪4種經典黃酒樣品,同時實驗檢驗了黃酒樣品的總糖含量,并且從釀造工藝的角度分析了4種類型黃酒的差異。最終,在電子鼻氣體傳感器陣列優化的基礎之上采用非線性隨機共振提取電子鼻檢測數據特征值,采用隨機共振信噪比特征谷值結合黃酒樣品總糖含量檢驗結果建立了總糖含量預測模型:總糖含量=-656.889 19-7.382 95×信噪比峰值(R=-0.992 32)。該模型不但可以預測黃酒樣品的總糖含量,而且可以實現黃酒樣品的類型檢測,在黃酒品質分析領域具有廣闊的應用前景。

[1] 沈國惠,王榮民,王勤. 封缸酒揮發性風味成分的研究[J]. 食品與發酵工業,1986,6:33-36.

[2] 王榮民,沈國惠,林少雯,等. 黃酒低沸點揮發物氣相色譜分析初步探討[J]. 食品與發酵工業,1980,4:30-34.

[3] 張笑麟,沐晨. 黃酒酒腳的沉出過程對酒中風味物質-乙酸乙酯含量的影響[J]. 浙江工學院學報,1990,2:73-80.

[4] 李益圩,王冀平,孫力. 紹興加飯酒的香氣成分分析[J]. 分析測試學報,1990,5:27-34.

[5] 殷德榮. 毛細管氣相色譜法測定紹興黃酒中揮發性物質[J]. 中國衛生檢驗雜志,2006,16(8):930-931.

[6] 郭翔,胡普信,徐巖,等. 黃酒揮發性風味物質的研究[J]. 釀酒科技,2004,5:79-81.

[7] Persand K,Dodd G H. Analysis of Discrimination Mechanisms in the Mammalian Olfactory System Using a Model Nose[J]. Nature,1982,299(5881):352-355.

[8] 周海濤,殷勇,于慧春. 勁酒電子鼻鑒別分析中傳感器陣列優化方法研究[J]. 傳感技術學報,2009,22(2):175-178.

[9] 史志存,李建平,馬青,等. 電子鼻及其在白酒識別中的應用[J]. 儀表技術與傳感器,2000,1:34-37.

[10] 秦樹基,黃林. 用于酒類識別的電子鼻研究[J]. 鄭州輕工業學院學報,2000,15(4):17-19.

[11] Garder J W,Bartlett P N. A Brief History of Electronic Nose[J]. Sensors and Actuators B:Chemical,1994,18(3):210-211.

[12] 于勇,王俊,周鳴. 電子鼻技術的研究進展及其在農產品加工中的應用[J]. 浙江大學學報農業與生命科學版,2003,29(5):579-584.

[13] Arnold J W,Senter S D. Use of Digital Aroma Technology and SPME CC2MS to Compare Volatile Compounds Produced by Bacteria Isolated from Processed Poultry[J]. Journal of the Science of Food and Agriculture,1998,78(3):343-348.

[14] Santos J P,Garcia M,Aleixandre M,et al. Electronic Nose for the Identification of Pig Feeding and Ripening Time in Iberian Hams[J]. Meat Science,2004,66(3):727-732.

[15] Paolesse R,Alimelli A,Martinlli E,et al. Detection of Fungal Contamination of Cereal Grain Samples by an Electronic Nose[J]. Sensors and Actuators B,2006,119(2):425-430.

[16] Evans P,Persaud K C,McNeish A S,et al. Evaluation of a Radial Basis Function Neural Networks for the Determination of Wheat Quality from Electronic Nose Data[J]. Sensors and Actuators B,2000,69:348-358.

[17] Abramson D,Hulasare R,York R K,et al. Mycotoxins,Ergosterol,and Odor Volatiles in Durum Wheat During Granary Stroage at 16% and 20% Moisture Content[J]. Journal of Storaged Products Research,2005,41:61-76.

[18] 郭翔,胡普信,徐巖,等. 黃酒揮發性風味物質的研究[J]. 釀酒科技,2004,5:79-81.

[19] Benzi R,Sutera A,Vulpiana A. The Mechanism of Stochastic Resonance[J]. Journal of Physics A,1981,14:L453-L456.

[20] Gammaitoni L,Hanggi P. Stochastic Resonance[J]. Reviews of Modern Physics,1998,71:223-287.

[21] Jung P,Hanggi P. Amplification of Small Signal Via Stochastic Resonance[J]. Physical Review A,1991,44:8032-8042.

[22] Dutta R,Das A,Stocks N G,et al. Stochastic Resonance-Based Electronic Nose:A Novel Way to Classify Bacteria[J]. Sensors and Actuators B,2006,115(1):17-27.G.

周慧敏(1997-),女,浙江金華人,浙江農林大學信息工程學院信息管理與信息系統在讀,主要研究方向包括食品品質檢測等;

惠國華(1980-),男,副教授,現于浙江農林大學信息工程學院任教,主要從事傳感技術、測控儀器的開發工作,已發表論文三十余篇,多為SCI、EI收錄。deliver1982@163.com。

DesignandFabricationofElectronicNoseSystemforShaoxingRiceWineTotalSugarContentForecastandExperimentalStudy*

ZHOUHuimin1,LIShayi1,CHENTingting1,QIJiechao1,WUSifei1,GONGZhihan1,YEZhenlong1,LIJian1,HUIGuohua1,2*

(1.College of Information Engineering,Zhejiang A and F University,Hangzhou 311300,China;2.Zhejiang hangdian Intellegent Research Center,Hangzhou 310035,China)

Electronic nose system was designed and fabricated. Shaoxing rice wine total sugar content forecasting method using electronic nose was investigated. The electronic nose consisting of eight gas sensors was used to analyze four classic rice wine products:Yuanhong,Huadiao,Shanniang,and Xiangxue. Meanwhile,total sugar content index of rice wine products was examined. Non-linear cascaded double-layered stochastic resonance method was utilized to extract electronic nose measurement data eigen values. Rice wine total sugar content forecasting model was built using eigen value and total sugar content data. The developed model could not only predict total sugar content of the samples,but detect rice wine species. This method is promising in rice wine quality analysis field.

electronic nose;Shaoxing rice wine;total sugar content;stochastic resonance;signal-to-noise ratio

TN911.7

A

1004-1699(2017)11-1776-05

項目來源:浙江省公益技術應用研究項目(2017C31011);浙江省基礎公益技術研究計劃(LGG18F030006);浙江省杭電智慧城市研究中心開放基金項目;國家級大學生創新創業訓練計劃項目(105-2013200055);浙江農林大學學生科研訓練項目

2017-04-17修改日期2017-07-25

10.3969/j.issn.1004-1699.2017.11.026