葡萄酒品质分析方法研究进展

2015-01-26 22:50邵志芳
中国酿造 2015年4期
关键词:葡萄酒感官评价

邵志芳

(扬州大学广陵学院,江苏扬州225009)

葡萄酒品质分析方法研究进展

邵志芳

(扬州大学广陵学院,江苏扬州225009)

简要介绍了市售葡萄酒的酿制与保存情况,系统综述了目前葡萄酒生产工艺控制及品质分析方法如国标法,感官分析方法、统计学方法及光谱法和色谱法等研究现状,最后简述了葡萄酒生产工艺控制及品质分析研究存在的问题及发展趋势。

葡萄酒;生产工艺;品质分析

葡萄酒是以新鲜葡萄或葡萄汁作为原料,经发酵酿制而成,属于健康酒精饮品。其主要成分包括水、乙醇、酸、酚类化合物和芳香物质等,具有保护心肌,软化心血管,美容及助消化的功效。目前除工厂商业化的生产,越来越多的普通家庭也自己动手酿制葡萄酒,各种保健型葡萄酒也日益增多如紫甘薯葡萄酒、山茱萸葡萄酒、灵芝葡萄酒等[1-3]。但由于葡萄原料、酿酒的相关设备和生产过程中温度、土壤、光照和水质等生态因素,以及工艺技术的差异使得成品葡萄酒的品质各异,如何评价和鉴定成品葡萄酒的品质显得至关重要[4-5]。

1 葡萄酒的酿制与保存

将采摘的新鲜葡萄剪掉腐烂霉坏部分,去掉葡萄梗和藤叶后放入酒糟中,一边发酵一边浸皮,发酵完成后再进行皮渣分离,将汁液引入储存容器中,高品质葡萄酒还需放入橡木桶中培养,以达到柔协、舒顺的口味。成品葡萄酒需平放、恒温、恒湿、通风、避光、避震才可以长期储存[6-7]。

2 葡萄酒质量分析方法研究进展

2.1 国标法

GB/T 15038—2006《葡萄酒、果酒通用分析方法》[8]对葡萄酒品质评价包含两个方面:感官分析和理化分析。感官分析从外观、香气、滋味及典型性四个感官特性对葡萄酒进行检查与分析评定,具体为在适宜的环境中(包括品尝室的要求、光源的要求、温度与湿度的要求等),由国家评酒员对样品进行品评,按照评分细则对样品进行打分,根据GB 15037—2006《葡萄酒》[9]评定等级,包括优级品、优良品、合格品、不合格品及劣质品五个等级。理化分析主要从酒精度、总糖和还原糖、干浸出物、总酸、挥发酸、柠檬酸、二氧化碳、二氧化硫、铁、铜、甲醇、抗坏血酸、糖分和有机酸以及白藜芦醇16个方面对样品葡萄酒的成分进行测定。

2.2 感官方法

感官评价又称为感官分析、感官检验,是用于唤起、测量、分析、解释产品通过视觉、嗅觉、触觉、味觉和听觉所引起反应的一种科学的方法[10]。葡萄酒的感官评价又叫品酒、评酒,是指评酒员通过眼、鼻、口等感觉器官对葡萄酒的外观、香气、滋味及典型性等感官特性进行分析评定的一种分析方法[11]。从20世纪40年代开始,许多科学家开始思索如何收集人们对物品的感官反应以及形成这些反应的生理现象[12]。目前为止,各国相关食品公司均已建立完善的感官评价部门,国内相比而言,发展起步较晚,1975年国内有学者开始研究香气和组织的评价,至20世纪90年代,食品科学界大量引用“感官评价”。张艳芳[11]根据葡萄酒的感官特性及感官分析的特点,提出了保证葡萄酒感官分析正确性的保证体系。该体系包含了对评酒员的考核;充分的准备、严格的保密和科学的安排;对评酒结果的科学的统计分析。

2.3 统计学方法

2.3.1 点特异性天然同位素分馏核磁共振技术(SNIFNMR)和同位素比质谱(IRMS)法

点特异性天然同位素分馏核磁共振技术(site specific natural isotope fractionation of nuclear magnetic resonance technology,SNIF-NMR)是通过分析葡萄酒内乙醇分子中甲基和次甲基位点D/H含量的差异,从而鉴别葡萄酒酿造过程中是否人为进行了加糖、调酒精度等不允许的操作[13]。蒋露等[14]基于葡萄酒中外加糖后乙醇分子中SNIF-NMR测定甲基位(D/H)1和次甲基位点(D/H)11值会产生变化,参照欧共体(European Communities,EC)官方方法,通过蒸馏,提取葡萄酒样品中的乙醇,研究通过对采集次数和精密度、准确度的研究,建立了葡萄酒外加糖的SNIF-NMR法。基于纯净水中的δ18O‰和葡萄酒水分中的δ18O‰不同,通过检测各葡萄酒样品内水分子中18O/16O同位素的比值,建立了同位素比质谱仪(isotope ratio mass spectrometer,IRMS)检测氧同位素鉴定全汁葡萄酒的方法。

2.3.2 基于PLS模型分析方法

偏最小二乘回归分析(partial least squares regression,PLS)是一种多对多线性回归建模的方法。席倩等[15]基于酿酒葡萄和葡萄酒的理化指标,将其作为自变量,而葡萄酒的质量作为因变量,建立偏最小二乘回归分析模型。研究以红葡萄为例,通过提取成分的贡献率的计算,得到葡萄酒的质量与所有理化指标之间的PLS回归方程。结果显示,其中葡萄中的VC含量、褐变度、可溶性固形物、干物质含量、果皮质量、果皮颜色以及葡萄酒的理化指标中的总酚对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)半抑制浓度等都对葡萄酒的质量影响非常显著。并用Matlab编程对模型的精度进行了检验,结果表明,如果不考虑酿酒工艺等技术、环境因素的影响,利用理化指标根据建立的偏最小二乘回归模型预测葡萄酒的质量具有很高的可信度。

2.3.3 基于多元统计分析方法

多元统计分析方法即在多个对象和多个指标互相关联的情况下分析其统计规律的分析方法。王玉霞等[16]根据已知葡萄酒质量评定结果、酿酒葡萄和葡萄酒的理化指标以及芳香物质进行多元统计分析。研究以大学生数学建模竞赛为背景,根据模型一,运用方差分析和可信度系数法,求出可信度,提出模型二分析结果,对葡萄酒的分级情况与实际比较一致,应用模型四得到芳香类的理化指标对葡萄酒的质量影响较大,直接影响质量评价结果的准确性。

2.3.4 基于主成分分析与神经网络的分析方法

人工神经网络是以一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型,亦是由大量处理单元互联组成的非线性、自适应信息处理系统。吴淦洲等[17]在主成分分析的基础上,筛选出4种主要特征来作为BP神经网络输入层的神经元,选取的神经网络层数为三层,输出元为葡萄酒的品质,随即选择24个样本作为训练样本,以出错率、偏差值、训练次数及时间作为判断条件,不断模拟实验,寻找所需的神经网络。最终挑选出最佳的一组,以5个隐含层节点数,tansig为输入层转移函数和输出层函数,学习次数为1 000次,学习函数为默认函数,训练函数为Levenberg-Marquardt函数,研究随即从加州大学欧文分校(university of californialrvine,UCI)机器学习数据库选取3组样品数据输入检验训练好的程序,结果显示,3组检验样本的相对误差均<1%,说明通过建立神经网络模型来评价葡萄酒的品质的方法是行之有效的。

2.3.5 基于新的Hopfield神经网络分类器的分析方法

Hopfield网络是一种反馈型神经网络,具有联想记忆的特征,可以作为一类有效的分类器[18]。刘延玲[19]基于单层前向神经网络的Hopfield记忆存储器设计方法[20],将给定的样本数据作为平衡点,通过训练该神经网络,建立了一种新的Hopfield神经网络分类器模型。研究通过将数据库中的其他数据作为分类测试样本,结果表明,测试样本实现了正确的分类,该分类器模型数据兼容性强,可以直接处理来自UCI标准测试数据库的葡萄酒的理化性质测试指标数据和专家的感官评价等级数据,可以高效地为葡萄酒的生产、工艺改进以及市场定位提供决策信息。

2.4 模糊综合评价法

模糊综合评价是借助模糊数学的一些概念,应用模糊关系合成原理,将一些边界不清、不易定量的因素定量化、综合评价的一种方法,常用于定性检测、感官多指标综合[21]。惠小静[22]研究将酒的质量定为四个等级,分别为“优、良、中、差”,根据品酒员对酒样品的打分,确定对于外观分析,香气分析,口感分析及整体评价的隶属程度,建立10行4列的模糊综合评价矩阵,同时根据外观分析,香气分析等四个因素在评价酒的质量中所起的作用大小,给出权重系数,用广义模糊合成运算确定酒样品的质量等级,最终把红葡萄酒分为“优、良、中、差”四个等级。王百姓等[23]研究选取干红葡萄酒的外观、香气、滋味、典型性及综合品质等5个方面作为协调性指标论域,并选定优(1级)、优良(2级)、合格(3级)、不合格(4级)、劣质(5级)5个评语等级论域,选用M(·,+)算子建立了模糊综合评价模型,再根据隶属度采用秩加权平均原则进行口感协调性向量分析,确定各样品葡萄酒的质量等级。研究结果使用Matlab7.0对品评结果进行频数分析,通过与感官评价结果相比较,验证了此模糊综合评价模型的可行性。模糊综合评价的方法克服了以往简单评分法给结果带来的主观性和片面性,品评不需要打分或下结论,只需根据品评情况在确定项目栏中划“√”即可,经微机计算出隶属度,即可确定酒样的质量等级,具有较高的准确性和公正性。

2.5 光谱法

2.5.1 紫外-可见光谱分析法

紫外-可见光谱分析法是由价电子的跃迁而产生的,利用物质的分子或离子对紫外和可见光的吸收所产生的紫外可见光谱及吸收程度可以对物质的组成、含量和结构进行分析、测定、推断的一种方法。有学者[24]分别对不同档次的赤霞珠干红和不同品种酿酒葡萄酿制的葡萄干酒的紫外可见光谱扫描分析。根据研究结果,讨论提出了不同档次的赤霞珠葡萄酒在紫外光区吸收峰的丰富度和响应值存在梯度差异,结合光吸收数据及统计分析技术,可用于葡萄酒品质评价,对于不同酿酒葡萄酿制的葡萄酒,因在颜色和成分上差别较大,故可先通过大量的分析建立一个不同酿酒葡萄酿制葡萄酒的紫外-可见吸收光谱数据库,再辅助相应的对比统计软件,也可用于酿酒葡萄品质的鉴定。

2.5.2 分光光度分析法

分光光度法是通过测定被测物质在特定波长处或一定波长范围内光的吸光度值或发光强度,对该物质进行定性和定量分析的方法。梁冬梅等[25]在分光光度计波长420 nm、520 nm、620 nm处分别测定葡萄酒的吸光度值,三者之和即为葡萄酒的色度,研究讨论了不同pH值条件下的色度测定,直接法和稀释法测定的对比结果显示,不同pH值条件下,葡萄酒的色度也不同,生产中葡萄酒的最佳pH值范围应为3.2~3.4。此外测定葡萄酒色度时,若吸光度值<0.5,则使用直接法测定;若吸光度值为0.5~1.5,可用10被稀释法测定;若稀释10倍后吸光度值仍>1.5,则可相应增大稀释倍数,研究完善了分光光度法测定红葡萄酒色度。

2.5.3 近红外光谱分析法

近红外光谱(near infrared spectrum instrument,NIRS)是介于可见光和中红外之间的电磁辐射波,与有机分子中含氢基团振动的合频和各级倍频的吸收区一致,通过扫描样品的近红外光谱,可以得到样品中有机分子含氢基团的特征信息。URBANCR CUADRADO M等[26-27]通过对样品的近红外光谱(NIRS)和傅里叶变换红外光谱学(Fourier transform infrared spectrometer,FTIS)中期扫描,选定几个特征参数(如酒精度、总酸度、甘油、总多酚指数、乳酸和总二氧化硫),用于开发训练集和验证集,建立方程并用偏最小二乘法进行多元校准,研究结果证明了近红外反射光谱(NIRS)分析监测葡萄酒的可行性。张树明等[28]研究将近红外光谱技术应用于葡萄酒发酵监控中,通过结合化学计量法,对葡萄酒酒精发酵中葡萄糖、果糖、乙醇和甘油4个指标进行了定量分析,采用高效液相色谱法测定该4个化学指标。通过对近红外数据筛选、变量标准化,比较了主成分回归和偏最小二乘回归定量分析的模型质量,结果显示,对于葡萄糖和果糖,主成分回归和偏最小二乘回归精度相当,都适用。对于乙醇,主成分回归预测更精确;对于甘油,则偏最小二乘回归更适用。研究为葡萄酒发酵的在线检测、监测提供了一个新的方向。

2.6 气相色谱法

气相色谱法即通过将一定量的气体或液体分析物注入到柱一端的进样口中,当分析物在载气带动下通过色谱柱时,分析物的分子会受到柱壁或柱中填料的吸附,使通过柱的速度降低,分析物中的各种不同组分就会在不同的时间(保留时间)到达柱的末端,从而得到分离。通过物质流出柱(被洗脱)的顺序和它们在柱中的保留时间来表征不同的物质。有学者[29]基于亚硝酸与环己基氨基磺酸钠反应生成环己醇亚硝酸酯,环己醇亚硝酸酯在常温条件下成气态可由气相色谱仪中氢火焰离子化检测器(flame ionization detector,FID)定量检测的原理建立了葡萄酒中亚硝酸盐的气相-顶空检测方法。研究证明,回收率为85.0%~101.0%,信噪比为3∶1时最低检出限为0.5 μg/L,线性方程为Y=6.96X-5.33,相关性和精密度都较高,能避免酒的颜色的干扰,可有效测定葡萄酒中的亚硝酸盐。佟晓芳[30]基于硫酸介质中甜蜜素(环己基氨基磺酸钠)与亚硝基反应,生产环乙醇亚硝酸盐,利用气相色谱法可进行定量测定的原理,建立了毛细管气相色谱法测定葡萄酒中的甜蜜素的方法,最低检出限为3~4 μg/L,研究结果表明,该方法可快速、准确测定葡萄酒中的甜蜜素。姜自军等[31]基于液相微萃取技术建立了顶空液相微萃取/气相色谱仪-质谱联用测定葡萄酒中的氨基甲酸乙酯的方法。研究结果表明,该方法测定葡萄酒中的氨基甲酸乙酯,检出限为1 μg/L(S/N=3),在100~1 600 μg/L的范围内线性关系良好,相关系数达0.999 9,回收率为81.0%~103.1%。研究表明,此方法操作简单,可测定烃类、醇类、酯类、酮类、烯醇类、醛类、含硫化合物、杂环化合物等风味组分,分析速度快,是行之有效的检测方法。

2.7 高效液相色谱法

高效液相色谱法是以液体为流动相,采用高压输液系统,将具有不同极性的单一溶剂或不同比例的混合溶剂、缓冲液等流动相泵入装有固定相的色谱柱,在柱内各成分被分离后,进入检测器进行检测,从而实现对试样的分析。杭莉[32]建立了高效液相色谱法测定葡萄酒中3种防腐剂和2种甜味剂。研究通过将样品中乙醇水浴去除后,再加入亚铁氰化钾和乙酸锌沉淀蛋白,离心取上清液过0.45 μm水相滤膜后测定,样品经上机梯度淋洗后,样品中苯甲酸、山梨酸、脱氢乙酸、安赛蜜和阿斯巴甜能够完全分离,且定量呈现良好的线性关系。结果经加标回收验证,灵敏度高,准确度和精密度高,在20 min内能将5种添加剂完全分离。李广等[33]建立了葡萄酒中9种人工合成色素(柠檬黄、苋菜红、胭脂红、日落黄、诱惑红、两蓝、偶氮玉红、专利兰和赤藓红)的高效液相色谱检测法。结果显示该方法分离度高,能有效检测0.50~100 mg/L的合成色素,也能为定性检测葡萄酒中是否添加人工合成色素提供依据。赵广西等[34]使用葡聚糖凝胶提取样品后用高效液相色谱测定其中的红花黄色素,建立了天然色素红花黄掺伪葡萄酒的鉴别检测方法,结果显示,该方法线性关系良好,方法准确、灵敏、简单。

3 葡萄酒生产工艺控制及品质分析方法存在问题及前景

我国葡萄酒需求量大,生产、供应、流通体系相对较为复杂,在酿制过程中,因发酵工艺不规范,产生的甲醇和杂醇油等有害物质或人工添加合成色素等都会给酒的品质带来影响,由此带来的质量监管难度相对较大。而对于葡萄酒品质检测,国标中也未明确规定影响葡萄酒品质的指标及安全使用量。目前,葡萄酒品质检测的方法较多,涉及到的质量指标也比较广,大部分葡萄酒品质检测的方法测定程序繁琐、准确度和精密度有待商榷,且只适用于实验室检测,难以满足现代社会对食品安全检测技术简便、快速、准确和现场化测定要求,因此对于葡萄酒品质检测技术发展应该从以下两方面进行深入研究。首先需要解决的问题即确定影响葡萄酒品质的特征质量指标,提高检测的针对性;其次,研究如何将测试过程简化,提高检测效率,可重点研究物理方法,如近红外技术测定方法,以实现无试剂、快速和在线测定目标。

[1]史经略,张安宁.紫甘薯葡萄酒酿造工艺研究[J].中国酿造,2011,30(7):158-162.

[2]李丹素,冀玉良,刘邻渭.山茱萸葡萄酒的酿造及澄清技术研究[J].中国酿造,2011,30(8):105-109.

[3]高清山,肖素荣,潘敏.灵芝葡萄酒的酿造工艺初探[J].中国酿造,2008,27(17):82-84.

[4]王显苏.葡萄酒工艺及相关质量安全性评价[J].科技传播,2014(1):146-147.

[5]王秀芹,陈小波,战吉宬,等.生态因素对酿酒葡萄和葡萄酒品质的影响[J].食品科学,2006,27(12):791-797.

[6]王立鹏.干型红葡萄酒酿造工艺的探讨[J].科学时代,2013(14):1-6.

[7]郭磊,刘云,姜磊.巨峰葡萄酒酿造工艺[J].湖北农业科学,2011,50(19):4036-4037.

[8]中华人民共和国国家质量监督检验检疫总局.GB/T 15038—2006葡萄酒、果酒通用分析方法[S].北京:中国标准出版社,2008.

[9]中华人民共和国国家质量监督检验检疫总局.GB/T 15037—2006葡萄酒[S].北京:中国标准出版社,2008.

[10]LAWLESS H T,HEYMANN H.王栋,译.食品感官评价原理与技术[M].北京:中国轻工业出版社,2001.

[11]张艳芳.葡萄酒感官分析保证体系的探讨[J].食品工业,2002(4):21-22.

[12]王文静.感官评价在葡萄酒研究中的应用[J].酿酒,2007,34(4):57-59.

[13]高年发,李丽,张健.利用模式识别技术鉴别中国葡萄酒的产地和品种[J].中国酿造,2009,28(3):68-72.

[14]蒋露,薛洁,林奇,等.SNIF-NMR和IRMS技术在葡萄酒质量评价中的初步研究[J].食品与发酵工业,2008,34(11):139-143.

[15]席倩,万冰越.基于PLS模型的葡萄酒质量评价[J].科技和产业,2014,14(2):88-93.

[16]王玉霞,李果,王芳,等.基于多元统计分析的葡萄酒及其理化指标评价研究[J].物理工程与管理,2014,36(1):160-164.

[17]吴淦洲,梁海燕.基于主成分分析与神经网络的葡萄酒品质评价[J].广东石油化工学院学报,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]刘延玲.新的Hopfield神经网络分类器在葡萄酒质量评价中的应用[J].价值工程,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]吴有炜.试验设计与数据处理[M].苏州:苏州大学出版社,2002.

[22]惠小静.模糊数学方法对葡萄酒的分类及评价[J].数学的实践与认识,2013,43(16):40-45.

[23]王百姓,冯积社.模糊综合评价在干红葡萄酒感官品评中的应用[J].中国食物与营养,2011,17(8):33-37.

[24]杨华峰,杨勇,俞凡,等.基于光谱分析的葡萄酒品质鉴别技术初探[J].中国酿造,2013,32(3):28-32.

[25]梁冬梅,李记明,林玉华.分光光度法测葡萄酒的色度[J].中外葡萄与葡萄酒,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]张树明,杨阳,梁学军,等.葡萄酒发酵过程主要参数近红外光谱分析[J].农业机械学报,2013,44(1):152-156.

[29]雷安亮,钟其顶,高红波,等.静态顶空-气相色谱法测定葡萄酒中主要香气成分研究[J].中国酿造,2009,28(5):147-151.

[30]佟晓芳.葡萄酒中甜蜜素含量的测定[J].酿酒,2008,35(2):87.

[31]姜自军,阎雪,单纪平,等.顶空液相微萃取/气相色谱仪-质谱联用测定葡萄酒中的氨基甲酸乙酯[J].商品与质量:学术观察,2013(12):244.

[32]杭莉.高效液相法同时测定葡萄酒中3种防腐剂和2种甜味剂[J].中国酿造,2014,33(6):144-146.

[33]李广,李琪,金丽琼,等.高效液相色谱法同时测定葡萄酒中9种人工合成色素[J].中国酿造,2013,32(11):132-135.

[34]赵广西,刘浩,刘锐萍.外源性红花黄色素掺伪葡萄酒鉴别检测方法的研究[J].中国酿造,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,硕士,主要从事电化学研究工作。

猜你喜欢
葡萄酒感官评价
SBR改性沥青的稳定性评价
中药治疗室性早搏系统评价再评价
葡萄酒的产区品牌
十款葡萄酒与十块石头
感官训练纸模
感官训练纸膜
法国葡萄酒何以誉满天下
供应蓝莓汁和葡萄酒
保加利亚转轨20年评价
多维度巧设听课评价表 促进听评课的务实有效