基于电子鼻的葡萄酒感官评价模型的构建

宫 雪，刘 宁，李二虎，刘延琳，2*

（1.西北农林科技大学 葡萄酒学院，陕西 杨凌 712100；2.陕西省葡萄与葡萄酒工程技术研究中心，陕西 杨凌 712100；3.华中农业大学 食品科技学院，湖北 武汉 430070）

葡萄酒的香气成分、感官评价及葡萄酒品质分析主要集中于仪器分析和感官评价两方面。一是利用葡萄酒仪器分析检测技术，来分析葡萄酒中的化学成分并判别葡萄酒的品质，主要集中于气相色谱（gas chromatograph，GC）[1-2]、高效液相色谱（high performance liquid chromatography，HPLC）[3]、质谱（mass spectrometry，MS）技术[4-5]、气质联用（gas chromatography-mass spectrometry，GC-MS）技术和液质联用（liquid chromatography-mass spectrometry，LC-MS）技术[6-7]及其他一些原子光谱分析技术[8-9]。这些研究技术需要消耗大量的化学试剂；且样品多需要进行前处理，所得信息都是经样品分离后的结果，测试结果都很难代表样品的整体信息，所以需把分离后的结果进行重组后才可作对比分析[10-11]。二是通过传统的葡萄酒感官评价方法，采用专业品尝员进行评审，这种方法需要有专业知识和训练的专家，不仅繁琐还要付出高额的费用。因此研究高效、便捷的智能化葡萄酒香气、感官评价分析方法显得非常重要。

电子鼻由阵列化学传感器和信号处理系统组成，工作过程是模拟哺乳动物嗅觉的过程。用已知气味物质产生适当的模式或指纹数据来构造一个数据库，并训练一套模式识别系统，从而未知气味物质进入后可以被分类识别出来[11-12]。电子鼻检测系统具有方便、快捷的优点，葡萄酒样品不需要进行前处理，对样品不存在破坏，且检测分析后得到的是样品的整体信息，也称作“指纹”数据；因此近年来得到了国内外研究者的广泛关注。国内相关研究集中在药物[13-14]、鱼肉品质[15]、白酒[16]、乳制品[17-18]、咖啡茶叶[19-20]、及其他水果蔬菜成熟度及等级划分等相关食品检测中[21-23]。关于葡萄酒的相关研究还不丰富，有葡萄酒的分类检测、酵母香气评价[24-25]及酒精度定量分析[26]等相关研究。国外关于电子鼻的研究比较丰富，应用于许多领域，尤其在食品质量和安全控制方面应用较多[27]；如乳制品风味检测[28]、呼吸道药物研究[29-30]、牛柳质量检测[31]等。其中关于在葡萄酒应用上的研究主要集中在不同参数葡萄酒的辨别分析[32-34]、与电子舌耦合使用监测发酵过程中葡萄酒香气和口感的变化及与其他相关技术的比较等方面。

本研究结合模式识别方法评价电子鼻对不同酿酒酵母菌株酿造葡萄酒样的鉴别效果，并构建基于电子鼻的葡萄酒感官评价模型，很好地结合了传统感官评价和化学仪器分析方法特点，对葡萄酒的感官评价既可以总体把握葡萄酒样品香气特点，又能以客观的将结果展示出来。

1 材料与方法

1.1 材料与试剂

试验所用酒样为2009年在宁夏御马庄园以霞多丽葡萄为原料，按照葡萄酒厂大生产中的酿造工艺，分别用不同野生酿酒酵母酿造的干白葡萄酒，对照为商业酵母VL1。野生酿酒酵母菌株编号及对应酒样编号如下：1号LFP529，2 号LFE1219，3 号LFA711，4 号LFE1217，5 号LFE1215，6号VL1，7号LFN524，8号LFP509，9号LFN518，10号LFP504，另外，选取宁夏产区商业酒样11号霞多丽干白葡萄酒作为其他试验酒样的对照。

1.2 仪器与设备

PEN3电子鼻：德国Airsense公司。

1.3 检测条件及方法

用微量移液器取每个酒样10mL并将酒样分别装于20mL试管中，用封口膜密封，静置，待测。电子鼻的传感器阵列由10个不同的金属氧化物组成，每根传感器对某一大类香气物质响应显著，如表1所示。在电子鼻检测酒样前对待测样品进行轻微振荡以促进挥发性成分的释放，电子鼻设置采样时间为1s/组，传感器自清洗时间为300s，传感器归零时间为10s，样品准备时间为5s，进样流量为300mL/min，分析采样时间为30s。采用直接顶空吸气法，在室温20℃条件下，对样品进行检测，每个样品做3个平行。

1.4 感官评分

由西北农林科技大学葡萄酒学院专业品尝训练小组进行酒样的感官品尝分析，感官评分标准（满分100分）见表2。品尝小组由30名葡萄酒专业的学生及老师组成，感官分析前品尝小组用葡萄酒标准香气物质训练，直至品尝小组对葡萄酒香气特征辨别分析结果的偏差小于整体平均值的5%，另外还经过严格的相关专业品尝知识及实践培训。

表1 电子鼻不同传感器对应香气种类Table 1 Electronic nose corresponding to different sensors aroma type

表2 葡萄酒感官评分标准Table 2 Sensory evaluation standard of grape wine

2 结果与分析

2.1 不同模式识别方法对不同菌株葡萄酒样品的鉴别

2.1.1 主成分分析

图1 WinMuster主成分分析结果图Fig.1 Principal component analysis result by WinMuster

根据电子鼻系统自带数据分析软件WinMuster中显示的电子鼻检测信号图谱，分析采样时间共30s，选取电子鼻传感器检测信号较稳定时间范围12～22s的数据对实验数据进行主成分分析（principal component analysis，PCA），结果见图1。可以得出第一主成分和第二主成分，主成分1和主成分2方差累计贡献率91.19%，能够反映原信息量；主成分1方差贡献率63.14%，主成分2方差贡献率28.05%。

由图1可知，电子鼻可以将10种不同菌株酿造的葡萄酒样品及商业酒样根据每个葡萄酒样品的不同特征香气100%完全区分开来，这说明试验所采用的不同野生酿酒酵母菌株具有各自的酿酒特性，使得酒样具有各自不同的香气特色，并且电子鼻可以根据这些不同酿酒酵母菌株酿造的葡萄酒酒样之间的不同香气特点将其区分开来。

2.1.2 线性判别分析

根据电子鼻系统自带数据分析软件WinMuster中显示的电子鼻检测信号图谱，分析采样时间共30s，选取电子鼻传感器检测信号较稳定时间范围12～22s的数据对试验数据进行线性判别分析（linear discriminant analysis，LDA），预处理结果见图2。由图2可知，在11种酒样之间均存在重合区域，即存在误判，电子鼻不能将酒样区分开来。

图2 WinMuster线性判别分析图Fig.2 Linear discriminant analysis result by WinMuster

自带WinMuster软件中的线性判别分析预处理结果不能得到线性判别分析的判别函数式，因此，选取电子鼻传感器检测信号较稳定时间范围12～22s的数据使用SPSS 19.0软件对11款酒样分别使用Fisher判别法和贝叶斯判别法进行判别分析。通过使用Fisher判别法得到的典则判别函数的判别图见图3。由图3可知，每种酒样的组数据的质心能够清晰分辨开来，但有部分酒样之间出现重合，即有些酒样存在误判，这与WinMuster软件线性判别分析结果一致。

图3 Fisher判别法函数图Fig.3 Linear discriminant analysis by Fisher

通过贝叶斯判别分析求得11种酒样的Fisher线性判别式函数，即贝叶斯得分系数见表3。根据表3中的贝叶斯的得分系数可以依次写出LFP529、LFE1219、LFA711等11个酒样的分类函数，对每个菌株所酿酒样的判别过程即将电子鼻传感器W1C、W5S、W6S、W5C、W1W、W2W的响应值分别代入分类函数，求得11个后验概率，概率最大的即属于该菌株所酿酒样。将每个菌株所酿酒样12～22s范围的检测数据分别代入表3中共11个Fisher线性判别式函数对每个菌株所酿酒样进行判别，分类结果见表4。由表4可知，对4号酒样LFE1217正判率为100%，其余酒样均存在一定的误判，对所有分析样品中的69.3%个进行了正确分类。

综合以上2种模式识别方法的分析发现，不同的模式识别分析方法会对智能感官系统的分析结果有所影响，因此在实际的生产实践中，需要选择多种不同模式识别分析方法来对智能感官检测数据进行分析，以找出最佳分析方法，获得较准确的研究结果。本研究中，通过Winmuster软件得到的主成分分析图（见图1）、线性判别分析图（见图2）和SPSS分析得到的典则判别函数图（即Fisher判别法）（见图3）及贝叶斯判别分析法得到的分类结果（见表4）。由表4可知，主成分分析方法对不同野生酿酒酵母菌株酿造葡萄酒的鉴别效果要比Fisher线性判别法和贝叶斯判别分析结果都要好，因此本研究选择主成分分析方法建立基于电子鼻的2009宁夏御马霞多丽干白葡萄酒感官评价模型。虽然电子鼻不能像气相质谱联用仪器将葡萄酒样的香气进行准确的分类和定量，但电子鼻检测数据是葡萄酒香气的指纹数据，能够从整体上表达出葡萄酒的香气大类和浓度，快速、便捷的对葡萄酒进行感官评价，这对于以后快速客观评价葡萄酒提供了一种新的途径。

表3 Fisher的线性判别式函数Table 3 The Fisher classification function coefficient

表4 分类结果Table 4 Results of classification

2.2 基于主成分分析的葡萄酒感官评价模型的建立

由于电子鼻自带的WinMuster软件的主成分分析结果无法提取出相应主成分的特征值和特征向量，从而不能建立基于主成分分析的葡萄酒感官评价模型，因此依然选取电子鼻传感器检测信号较稳定时间范围12～22s的数据，输入SPSS 19.0软件进行主成分分析，建立识别模型。分析结果得到主成分1和主成分2累计方差贡献率为98.83%，能够反映原信息量。主成分1方差贡献率82.42%，主成分2方差贡献率16.41%。根据分析结果中的主成分载荷矩阵和相对应的主成分特征值λ1=8.30，λ2=1.59，可以计算得出相对应主成分的特征向量，将此特征向量与标准化后的数据相乘，即可得出主成分1和2的得分表达函数分别为F1和F2：

函数中ZW1C、ZW5S等表示原始变量经过标准化处理后的值。通过主成分F1和F2的表达函数可以看出，对于第二主成分，W3C和W5C传感器所占比重在50%以上，因此第二主成分主要由W3C和W5C传感器解释，第一主成分主要由剩余8根传感器W1C、W5S、W6S、W1S、W1W、W2S、W2W、W3S解释。检测结果第一主成分得分82.42%远远大于第二主成分的16.41%，因此，第一主成分的8根传感器是影响电子鼻检测结果的主要方面，也是电子鼻反应的主要方面。因此根据表1中不同传感器分别显著响应于不同类香气物质，可以认为电子鼻主要根据不同菌株所酿酒样中醇类、芳香成分，硫化物类等对酒样进行区分鉴别。

根据主成分1和主成分2的特征值λ1=8.30，λ2=1.59可以计算得出主成分综合模型F=λ1/（λ1+λ2）F1+λ2/（λ1+λ2）F2，如下：

根据该主成分综合模型，可以计算得出各样品的综合主成分值。根据上文分析的主成分1、2的得分及各主成分主要对应的电子鼻传感器，所以各样品的综合主成分值反映了不同菌株所酿酒样中醇类、芳香成分，硫化物类等物质的不同含量。

2.3 感官评价对模型的验证

为了检验基于电子鼻检测数据建立的葡萄酒感官评价综合主成分模型的分析效果，通过对比传统的专业品尝员对葡萄酒感官评价结果，各酒样的感官品尝统计得分结果及排名顺序见表5。

表5 综合主成分值及品尝得分表Table 5 Comprehensive principal component value and sensory score

从表5可以看出，专业品尝小组对酒样的感官评价得分排名先后顺序为2、4、3、5、8、7、9、6、10、1、11。该结果与所建模型的综合主成分得分排名略有不同，其中6号与9号酒样颠倒位置，其余酒样均一致。6号酒样为商业酵母VL1酒样，9号为LFN518酒样，2种酒样的电子鼻感官评价结果与品尝员评价结果有微小误差，这可能与品尝员的主观性有一定联系。从图1的主成分分析结果可知，VL1与LFN518这2种酒样香气种类和浓度相似，表示这2株菌产香风格相似，但不影响验证电子鼻对所有葡萄酒样品的整体客观评价效果。

3 结论

本研究基于电子鼻建立的对葡萄酒感官评价的综合主成分评价模型对葡萄酒的感官评价具有一定的可参考性，与传统葡萄酒感官评价结果具有很好的一致性，有望成为对葡萄酒进行客观评价的新途径。但由于该模型所包含检测酒样的数量有限，对于丰富多样的葡萄酒样品，适用范围会受到一定限制。在进一步的试验中，需要采集更多的葡萄酒样品，以建立葡萄酒感官评价的模型数据库，扩大模型的适用范围，为进行更客观的葡萄酒感官评价提供一定的参考。

[1]CAMPO E,CACHO J,FERREIRA V.The chemical characterization of the aroma of dessert and sparkling white wines (Pedro Ximenez,Fino,Sauternes,and Cava) by gas chromatography-olfactometry and chemical quantitative analysis[J].J Agr Food Chem,2008,56(7):2477-2484.

[2]MOURET J R,MORAKUL S,NICOLLE P,et al.Gas-liquid transfer of aroma compounds during winemaking fermentations[J].LWT-Food Sci Technol,2012,49(2):238-244.

[3]DUARTE W F,DIAS D R,OLIVEIRA J M,et al.Raspberry(Rubus idaeusL.) wine:yeast selection,sensory evaluation and instrumental analysis of volatile and other compounds[J].Food Res Int,2010,43(9):2303-2314.

[4]BOSCH-FUSTÉ J,RIU-AUMATELL M,GUADAYOL J M,et al.Volatile profiles of sparkling wines obtained by three extraction methods and gas chromatography-mass spectrometry (GC-MS) analysis[J].Food Chem,2007,105(1):428-435.

[5]IVANOVA V,STEFOVA M,STAFILOV T,et al.Validation of a method for analysis of aroma compounds in red wine using liquid-liquid extraction and GC-MS[J].Food Anal Method,2012,5(6):1427-1434.

[6]SAGRATINI G,MAGGI F,CAPRIOLI G,et al.Comparative study of aroma profile and phenolic content ofMontepulciano monovarietalred wines from the Marches and Abruzzo regions of Italy using HS-SPMEGC-MS and HPLC-MS[J].Food Chem,2012,132(3):1592-1599.

[7]SUN S Y,JIANG W G,ZHAO Y P.Comparison of aromatic and phenolic compounds in cherry wines with different cherry cultivars by HSSPME-GC-MS and HPLC[J].Int J Food Sci Technol,2012,47(1):100-106.

[8]JOS A,MORENO I,GONZ?LEZ A,et al.Differentiation of sparkling wines (cava and champagne) according to their mineral content[J].Talanta,2004,63(2):377-382.

[9]PEREIRA A C.,REIS M S,SARAIVA P M,et al.Madeira wine ageing prediction based on different analytical techniques:UV-vis,GC-MS,HPLC-DAD[J].Chemometr Intell Lab,2011,105(1):43-55.

[10]周亦斌，王 俊.电子鼻在食品感官检测中的应用进展[J].食品与发酵工业，2004，30（2）：129-132.

[11]HUI G H,WU Y L,YE D D,et al.Study of peach freshness predictive method based on electronic nose[J].Food Control,2012,28(1):25-32.

[12]BEDOUI S,FALEH R,SAMET H,et al.Electronic nose system and principal component analysis technique for gases identification[C].Systems,Signals &Devices (SSD),10th international multi-conference,Hammamet,Tunisia,2013,March 18-21.

[13]李文敏，吴纯洁，艾 莉，等.基于电子鼻，电子舌技术实现中药性状气味客观化表达的展望[J].中成药，2009，31（2）：281-284.

[14]盛 良.用电子鼻，电子舌检测中西药物共同药效物质基础[J].现代中西医结合杂志，2008，17（18）：2778-2780.

[15]汪 敏，赵 晔.电子鼻和电子舌在鱼肉鲜度评价中的应用研究[J].肉类研究，2009（6）：63-65.

[16]史志存，李建平，马 青，等.电子鼻及其在白酒识别中的应用[J].仪表技术与传感器，2000（1）：34-37.

[17]范佳利，韩剑众，田师一，等.电子鼻和电子舌在乳制品品质及货架期监控中的应用研究[J].食品工业科技，2009（11）：343-346.

[18]兰会会，胡志和.电子鼻技术在乳品生产与质量控制中的应用[J].食品科学，2010，31（17）：467-471.

[19]胡荣锁，谷风林，宗 迎，等.不同研磨时间对咖啡感官风味的影响[J].中国农学通报，2012，28（9）：259-263.

[20]史波林，赵 镭，汪厚银，等.智能感官分析技术在茶叶品质检测中的应用[J].食品科学，2009，30（19）：351-355.

[21]孙月娥，陈 芬.电子鼻与电子舌在果蔬质量评价中的应用[J].食品工业，2011（4）：87-89.

[22]唐晓伟，张万清，耿利华，等.电子鼻评价甜瓜成熟度及风味的研究[J].中国农学通报，2010，26（21）：75-80.

[23]张 哲.仿生电子鼻传感器阵列设计及其在牛肉品质检验中的应用[D].长春：吉林大学博士论文，2008.

[24]梁 威，张丽娜，王 欢，等.基于电子鼻技术的葡萄酒分类检测方法[J].科学技术与工程，2013，13（4）：930-934.

[25]刘 宁，马 捷，刘延琳.电子鼻对酿酒酵母菌株产香特性的评价[J].食品科学，2011，32（2）：164-167.

[26]张树明，杨 阳，倪元颖.近红外光谱和电子鼻技术用于葡萄酒发酵过程中酒精度的定量分析[J].光谱学与光谱分析，2012，32（11）：2997-300l.

[27]QUICAZAN M C,DIAZ A C,ZULUAGA C M.Electronic nose a novel tool for quality and process control in the food industry[J].Vitae,2011,18(2):209-217.

[28]CONTE F,RAPISARDA T,BELVEDERE G,et al.Keeping quality of a fresh stringy chese.Application of traditional methods and analysis with a smart nose system[J].Ital J Food Saf,2011,1(1):43-47.

[29]MONTUSCHI P,MORES N,TROVÉ A,et al.The electronic nose in respiratory medicine[J].Respiration,2012,85(1):72-84.

[30]CHAPMAN E A,THOMAS P S,STONE E,et al.A breath test for malignant mesothelioma using an electronic nose[J].Eur Respir J,2012,40(2):448-454.

[31]PAPADOPOULOU O S,PANAGOU E Z,MOHAREB F R,et al.Sensory and microbiological quality assessment of beef fillets using a portable electronic nose in tandem with support vector machine analysis[J].Food Res Int,2013,50(1):241-249.

[32]ANTOCE A O,NAMOLOSANU I.Rapid and precise discrimination of wines by means of an electronic nose based on gas-chromatography[J].Rev Chim-Bucharest,2011,62(6):593-595.

[33]RAGAZZO-SANCHEZ J A,CHALIER R,CHEVALIER D,et al.Identification of different alcoholic beverages by electronic nose coupled to GC[J].Sensor Actuat B-Chem,2008,134(1):43-48.

[34]AGUILERA T,LOZANO J,PAREDES J A,et al.Electronic nose based on independent component analysis combined with partial least squares and artificial neural networks for wine prediction[J].Sensors,2012,12(6):8055-8072.