基于zNoseTM電子鼻的新產原酒品質檢測

張君生，李臻峰,2*，宋飛虎,2，李靜,2，朱冠宇，張鑫，呂丙

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技術重點實驗室，江蘇 無錫，214122) 3(山西杏花村汾酒廠股份有限公司 技術中心，山西 汾陽，032200)

中國白酒一般以糧谷為主要原料，用大曲、小曲、麩曲或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，新產原酒質量等級評判主要通過專業品酒師感官審評結合總酸、總酯含量確定。除滿足感官品評標準外，不同等級新產原酒總酸、總酯含量還需滿足企業標準，對未滿足企業標準的新產酒需做降級處理。在實際生產中，由于車間班組多、產量大，即使品酒師經過專業訓練，也難免受到自身身體狀況與所處環境等因素影響，從而使等級評價準確性受到干擾[2]。同時，人工感官評判結合化學方法繁瑣費時，很難做到實時快速檢測[3]。除上述方法外，色譜法、近紅外光譜法與電子鼻檢測也是常用的白酒品質分析方法，但光譜儀[4]、色譜儀等大型儀器設備檢測或是時間、空間上存在局限性，或是需要復雜的前期準備工作，使得這幾種方法主要用于實驗研究。電子鼻在白酒檢測方面，已經有一些針對不同年份[5]、不同香型與不同品牌白酒檢測的研究，例如徐晚秀[6]等利用電子鼻對不同年份汾酒揮發性物質進行檢測實現不同酒齡汾酒的鑒別；鄧霞[7]通過zNoseTM電子鼻對白酒中含碳有機物進行分析，實現了不同品牌汾酒鑒別。但目前電子鼻主要應用于經過品酒師區分或經過勾兌后的成品酒鑒別[8]，對于未經感官分級的原酒的檢測[9]以及對白酒總酸、總酯預測研究較少。因此對檢測白酒內部品質而言，電子鼻檢測仍然是一種比較新穎的方法。

該文以山西杏花村汾酒集團3個等級大茬新產原酒為研究對象，根據zNoseTM電子鼻采集的指紋圖譜結合化學計量法對新產原酒進行等級評定，并對總酸、總酯含量進行預測分析。

1 材料與方法

1.1 材料

山西杏花村汾酒集團提供一車間、二車間24個班組，2018年1月9日-14日，連續6天3個等級大茬新產原酒，共計144個樣品。其中，一級酒樣本31個、優級酒樣本92個、特優級酒樣本21個。由于采樣過程中未產出等外級原酒，故本文未對其進行討論。

1.2 儀器與設備

本文使用了一種基于超快速氣相色譜分析原理的電子鼻系統(zNoseTM4200 Fast GC Analyzer, Electronic Sensor Technology, New Bury, CA, USA)進行揮發性物質檢測分析。該系統主要包含：短色譜分離柱(DB-5)、傳感器和電路系統。其主要工作原理為不同揮發性物質在短色譜分離柱的滯留時間不同，使物質在到達傳感器前得到分離。不同物質在分離后通過壓電石英晶體傳感器時被黏附在傳感器的表面，從而改變傳感器的振蕩頻率(單位counts)。該頻率變化被微控制器捕獲，以此表征不同揮發性物質及其含量。

1.3 實驗方法

1.3.1 實驗氣味圖譜獲取

檢測前，需對電子鼻系統進行預熱，用正構烷烴標準液對其進行標定與校準，從而修正有機物停留時間偏移問題。系統參數設定：傳感器測試溫度60 ℃，烘烤溫度150 ℃，采樣時間10 s；運載氣體氦氣(99.999%)，每次酒樣檢測過程耗時64 s。

試驗中，為充分測試原酒樣品中揮發性物質，每個酒樣(10 mL)放入配有隔膜密封螺絲帽的頂空玻璃瓶中(40 mL)，置于室溫(19～21 ℃)下1 h。電子鼻通過側式針刺入頂空玻璃瓶進行取樣檢測，每個待測樣品重復3次,取均值。

1.3.2 感官評價

感官評價小組由汾酒質量中心7名女性，3名男性，共10名品酒師組成。評價人員當天身體狀況良好，并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，確定等級。感官評價方法參考汾酒企業內部標準Q/XFJ 06.04—2017。其中特優級：80～100分、優級：70～79分、一級：60～69、另存：60分以下。感官評價標準見表1。

表1 汾酒新產原酒質量感官評價標準Table 1 The evaluation standard of the quality of the new wine production

1.3.3 總酸、總酯測定

采用化學滴定法測量3個等級共144個酒樣中總酸、總酯含量真實值。取25.00 mL酒樣，置于250 mL錐形瓶中，加入100 mL水和2滴0.1%酚酞指示劑，采用4 g/L(0.1 mol/L)NaOH標準溶液滴定至淺粉色，半分鐘不褪，記錄消耗NaOH標準溶液體積。再加入NaOH標準溶液25 mL，用9.8 g/L (0.1 mol/L)H2SO4標準溶液進行反滴定，微紅色剛好完全消失時，記錄消耗H2SO4標準溶液的體積。具體測量結果如表2所示，從表2可得，隨著新產酒等級的提高，總酸、總酯含量均值呈上升趨勢，且一級與優級之間的酸酯均值差異較大。

表2 3個等級新產原酒總酸、總酯指標含量實測值Table 2 Total content of total acids and total esters in 3 grades of faw Baijiu newly produced

1.4 數據分析方法

主成分分析(principal component analysis, PCA)是從原始變量中去除冗余信息，提取出幾個少數指標(即主成分)，使它們盡可能多保留原始變量的信息，且彼此間互不相關，從而起到降維與簡化問題的作用[10]。

費舍爾判別分析(fisher discriminant analysis, FDA)是一種通過組合原始數據從而優化區分性的分類技術，可計算出原始變量重新組合后的典型變量，使組間方差比率最大化的同時保證組內差異最小，從而使各個組間的重心距離最大[11]。

偏最小二乘法(partial least square, PLS)是一種線性的統計分析方法，集多元回歸分析、典型相關性分析和主成分分析的基本功能于一體，將建模預測類型的數據分析方法與非模型式的數據內涵分析方法有機結合，可同時實現回歸建模、數據結構簡化和2組變量間的相關性分析[12]。

主成分分析和費舍爾判別分析使用SPSS 19.0軟件進行處理。總酸、總酯偏最小二乘回歸分析采用軟件MatlabR 2014b進行處理。

2 結果與分析

2.1 不同年份汾酒圖譜

通過電子鼻配套的軟件MicroSense 5.0將由傳感器采集到原始頻率信號進行一階求導，從而減小氣味峰寬，并將正數部分進行平滑處理，獲得樣品標準指紋圖譜[13]，這一點與氣相色譜儀類似。指紋圖譜中橫坐標為酒樣中揮發性物質在分離柱中停留時長(retention time，RT)。指紋圖譜中每一個峰代表具有相同碳原子數的有機化合物，各個峰峰面積代表樣品中揮發出有機化合物含量。3個等級汾酒新產原酒與烷烴標準液圖譜如圖2。

圖1 正構烷烴(C6～C14)和3個等級汾酒原酒樣品一 階導數圖譜Fig.1 First-order derivative maps of n-alkanes (C6～C14) and 3 grades of liquor

圖譜中正構烷烴標準液編號6～14代表含有6～14個碳原子化合物，樣品圖譜編號1～8代表特征峰1～8，以上樣本中，所篩選8個特征峰峰面積和均超過全部峰峰面積和的93.1%，部分樣本在特征峰8后雖然出現一些面積很小的尾峰，考慮到測量誤差予以舍棄。綜上，新產原酒等級判別使用篩選的8個特征峰作為特征值變量。

2.2 新產原酒等級判別

2.2.1 主成分分析

使用篩選的8個特征峰峰面積作為特征值變量，進行主成分分析，前2個主成分PC1和PC2解釋了樣品間85.3%的差別，即前2個主成分包含了原始變量85.3%的信息，其中PC1解釋了63.0%的差別，PC2解釋了22.3%的差別，因此選取前2個成分來代替原始變量。以主成分PC1，PC2為橫縱坐標軸繪制出酒樣二維得分圖，如圖2所示。結合PC1與PC2可直觀得到3種等級新產原酒的區分結果，從圖2可以看出，3個等級新產原酒呈現近似平行趨勢，且一級酒與優級酒之間存在少量邊界區域重疊現象，結果表明結合PC1與PC2可以較為有效對3個等級新產酒進行區分。

圖2 主成分分析得分圖Fig.2 Score plot of principal component analysis

圖3為2個主成分相應載荷圖，對區分3種不同等級新產原酒貢獻最大的為峰1、2、4。盡管它們對樣品分類貢獻最大，但峰1與峰2是圖譜中面積最大的峰而不是區別最大的峰，峰4相對其他峰而言變化也很小。主成分分析過程中起主要作用的為面積較大但區別作用小的特征峰，這使得我們對主成分分析的可靠性產生疑問，為了驗證主成分對不同等級新產原酒建立的預測模型，接下來運用費舍爾判別進行分析。

圖3 三個等級新產原酒載荷圖Fig.3 Loading plot of 3 bands of samples

2.2.2 費舍爾判別分析

將全部144個樣本分為2部分，其中97個用于校準，47個樣本用于驗證，具體信息如表3所示。

表3 3個等級新產原酒校準集、驗證集樣本數量Table 3 Samples of calibration and verification sets for 3 levels of newly-produced original liquor

費舍爾判別分析共得到4個判別函數，對于模型貢獻率分別為63.0%、30.4%、4.8%和1.8%。前2個判別函數的累計貢獻率達到93.4%，因此選用前2個判別函數對3個等級新產原酒進行分類。將前2個判別函數作為橫縱坐標軸畫出散點圖(圖4)。圖4中不同符號代表不同等級新產原酒樣本，相同符號空心點代表校準樣本，實心點代表驗證樣本(標識后C表示校準樣本，V表示驗證樣本)。47個驗證集樣本中7個樣本識別錯誤，預測準確率為85.11%，3個等級新產原酒分布區間無重疊區域，且各等級原酒聚集效果更好，結果表明費舍爾判別分析效果優于主成分分析。

圖4 費舍爾判別分析得分圖Fig.4 Score sketch of Fisher discriminant analysis

2.3 總酸、總酯預測

考慮到zNoseTM獲得各氣味峰值之間存在一定相關性，應變量集中度高且樣本數量未達到20倍于峰的數量，常用的多元線性回歸缺乏穩健性，本文使用偏最小二乘回歸進行建模分析。

在建模過程中，因子提取個數由全部因變量預測殘差平方和的方均根確定，如表4所示。表4的結果是基于舍一交叉驗證方法，抽取的因子個數分別為0～8時算得，提取因子個數為2時，對應的預測殘差方均根(PRESS)最小，其數值為0.800 252，因此實驗提取2個因子進行建模分析。

表4 氣味特征變量因子提取表Table 4 Odor characteristics variable factor extraction

將全部144個樣本分為2部分，其中97個作為校正集，另外47個作為預測集，具體信息如表3所示。利用偏最小二乘回歸對酒樣的總酸、總酯含量進行回歸擬合與預測，結果如圖6和圖7所示，利用97個樣本作為校正集數據建立的酸酯模型，總酸、總酯擬合決定系數分別為0.896 2、0.914 7，校正均方差誤差分別為0.018 0 g/L、0.258 8 g/L，另外47個作為測試集樣本，總酸、總酯模型實測值與預測值決定系數分別為0.836 1、0.852 2，預測均方根誤差分別為0.021 9 g/L、0.299 4 g/L。結果表明利用偏最小二乘建?？蓪Σ煌燃壭庐a原酒總酸、總酯指標含量進行較為準確的預測，且對總酯的預測效果好于總酸。

圖5 總酸測量值的PLS預測結果圖Fig.5 PLS prediction results plot for total acid measurements

圖6 總酯測量值的PLS預測結果圖Fig.6 PLS prediction results for total ester measurements

3 結論

該文基于zNoseTM電子鼻系統對新產原酒等級進行鑒別，并對總酸、總酯含量進行預測研究。通過氣味峰值的提取篩選并運用主成分與費舍爾判別分析，建立了氣味峰峰面積與新產原酒等級之間的關系。研究表明費舍爾判別分析效果優于主成分分析，識別正確率達到85.11%。通過偏最小二乘回歸法建立總酸、總酯預測模型，研究發現總酸、總酯含量的預測集模型決定系數分別為0.836 1、0.852 2，預測均方根誤差分別為0.021 9 g/L、0.299 4 g/L，誤差在可接受范圍。表明zNoseTM電子鼻系統結合費舍爾判別可對新產原酒等級進行有效判別。建立偏最小二乘回歸模型可對總酸、總酯含量進行有效預測，且總酯預測效果較好。利用zNoseTM型電子鼻系統進行檢測既不同與傳統感官品評是一種整體模糊的感受，也不同于色譜儀器對近百種物質進行精細描述，而是介于兩者之間的含相同碳原子化合物的檢測，將其應用于未經品酒師感官區分與勾兌的新產原酒品質檢測，結合分層思想可以為白酒品質檢測提供一種新的技術手段。

利用電子鼻速度快、效率高的特點，將該技術運用到新產酒等級劃分與酸酯含量預測，并不是為了代替現階段通過品酒師對不同等級新產汾酒進行品評的環節，而是結合數理統計方法作為傳統感官評價的一種補充手段，進一步推進新產酒品質評價數字化，為汾酒生產工藝的改進提供技術支持。