基于zNoseTM电子鼻的新产原酒品质检测

张君生，李臻峰,2*，宋飞虎,2，李静,2，朱冠宇，张鑫，吕丙

1(江南大学 机械工程学院，江苏 无锡，214122) 2(江苏省食品先进制造装备技术重点实验室，江苏 无锡，214122) 3(山西杏花村汾酒厂股份有限公司 技术中心，山西 汾阳，032200)

中国白酒一般以粮谷为主要原料，用大曲、小曲、麸曲或酒母等为糖化发酵剂，经蒸煮、糖化、发酵、蒸馏而制成，为世界六大蒸馏酒之一[1]。

目前，新产原酒质量等级评判主要通过专业品酒师感官审评结合总酸、总酯含量确定。除满足感官品评标准外，不同等级新产原酒总酸、总酯含量还需满足企业标准，对未满足企业标准的新产酒需做降级处理。在实际生产中，由于车间班组多、产量大，即使品酒师经过专业训练，也难免受到自身身体状况与所处环境等因素影响，从而使等级评价准确性受到干扰[2]。同时，人工感官评判结合化学方法繁琐费时，很难做到实时快速检测[3]。除上述方法外，色谱法、近红外光谱法与电子鼻检测也是常用的白酒品质分析方法，但光谱仪[4]、色谱仪等大型仪器设备检测或是时间、空间上存在局限性，或是需要复杂的前期准备工作，使得这几种方法主要用于实验研究。电子鼻在白酒检测方面，已经有一些针对不同年份[5]、不同香型与不同品牌白酒检测的研究，例如徐晚秀[6]等利用电子鼻对不同年份汾酒挥发性物质进行检测实现不同酒龄汾酒的鉴别；邓霞[7]通过zNoseTM电子鼻对白酒中含碳有机物进行分析，实现了不同品牌汾酒鉴别。但目前电子鼻主要应用于经过品酒师区分或经过勾兑后的成品酒鉴别[8]，对于未经感官分级的原酒的检测[9]以及对白酒总酸、总酯预测研究较少。因此对检测白酒内部品质而言，电子鼻检测仍然是一种比较新颖的方法。

该文以山西杏花村汾酒集团3个等级大茬新产原酒为研究对象，根据zNoseTM电子鼻采集的指纹图谱结合化学计量法对新产原酒进行等级评定，并对总酸、总酯含量进行预测分析。

1 材料与方法

1.1 材料

山西杏花村汾酒集团提供一车间、二车间24个班组，2018年1月9日-14日，连续6天3个等级大茬新产原酒，共计144个样品。其中，一级酒样本31个、优级酒样本92个、特优级酒样本21个。由于采样过程中未产出等外级原酒，故本文未对其进行讨论。

1.2 仪器与设备

本文使用了一种基于超快速气相色谱分析原理的电子鼻系统(zNoseTM4200 Fast GC Analyzer, Electronic Sensor Technology, New Bury, CA, USA)进行挥发性物质检测分析。该系统主要包含：短色谱分离柱(DB-5)、传感器和电路系统。其主要工作原理为不同挥发性物质在短色谱分离柱的滞留时间不同，使物质在到达传感器前得到分离。不同物质在分离后通过压电石英晶体传感器时被黏附在传感器的表面，从而改变传感器的振荡频率(单位counts)。该频率变化被微控制器捕获，以此表征不同挥发性物质及其含量。

1.3 实验方法

1.3.1 实验气味图谱获取

检测前，需对电子鼻系统进行预热，用正构烷烃标准液对其进行标定与校准，从而修正有机物停留时间偏移问题。系统参数设定：传感器测试温度60 ℃，烘烤温度150 ℃，采样时间10 s；运载气体氦气(99.999%)，每次酒样检测过程耗时64 s。

试验中，为充分测试原酒样品中挥发性物质，每个酒样(10 mL)放入配有隔膜密封螺丝帽的顶空玻璃瓶中(40 mL)，置于室温(19～21 ℃)下1 h。电子鼻通过侧式针刺入顶空玻璃瓶进行取样检测，每个待测样品重复3次,取均值。

1.3.2 感官评价

感官评价小组由汾酒质量中心7名女性，3名男性，共10名品酒师组成。评价人员当天身体状况良好，并各自对样品进行品评(每次1个，品尝完后漱口)，独立完成对样品各项指标的打分，确定等级。感官评价方法参考汾酒企业内部标准Q/XFJ 06.04—2017。其中特优级：80～100分、优级：70～79分、一级：60～69、另存：60分以下。感官评价标准见表1。

表1 汾酒新产原酒质量感官评价标准Table 1 The evaluation standard of the quality of the new wine production

1.3.3 总酸、总酯测定

采用化学滴定法测量3个等级共144个酒样中总酸、总酯含量真实值。取25.00 mL酒样，置于250 mL锥形瓶中，加入100 mL水和2滴0.1%酚酞指示剂，采用4 g/L(0.1 mol/L)NaOH标准溶液滴定至浅粉色，半分钟不褪，记录消耗NaOH标准溶液体积。再加入NaOH标准溶液25 mL，用9.8 g/L (0.1 mol/L)H2SO4标准溶液进行反滴定，微红色刚好完全消失时，记录消耗H2SO4标准溶液的体积。具体测量结果如表2所示，从表2可得，随着新产酒等级的提高，总酸、总酯含量均值呈上升趋势，且一级与优级之间的酸酯均值差异较大。

表2 3个等级新产原酒总酸、总酯指标含量实测值Table 2 Total content of total acids and total esters in 3 grades of faw Baijiu newly produced

1.4 数据分析方法

主成分分析(principal component analysis, PCA)是从原始变量中去除冗余信息，提取出几个少数指标(即主成分)，使它们尽可能多保留原始变量的信息，且彼此间互不相关，从而起到降维与简化问题的作用[10]。

费舍尔判别分析(fisher discriminant analysis, FDA)是一种通过组合原始数据从而优化区分性的分类技术，可计算出原始变量重新组合后的典型变量，使组间方差比率最大化的同时保证组内差异最小，从而使各个组间的重心距离最大[11]。

偏最小二乘法(partial least square, PLS)是一种线性的统计分析方法，集多元回归分析、典型相关性分析和主成分分析的基本功能于一体，将建模预测类型的数据分析方法与非模型式的数据内涵分析方法有机结合，可同时实现回归建模、数据结构简化和2组变量间的相关性分析[12]。

主成分分析和费舍尔判别分析使用SPSS 19.0软件进行处理。总酸、总酯偏最小二乘回归分析采用软件MatlabR 2014b进行处理。

2 结果与分析

2.1 不同年份汾酒图谱

通过电子鼻配套的软件MicroSense 5.0将由传感器采集到原始频率信号进行一阶求导，从而减小气味峰宽，并将正数部分进行平滑处理，获得样品标准指纹图谱[13]，这一点与气相色谱仪类似。指纹图谱中横坐标为酒样中挥发性物质在分离柱中停留时长(retention time，RT)。指纹图谱中每一个峰代表具有相同碳原子数的有机化合物，各个峰峰面积代表样品中挥发出有机化合物含量。3个等级汾酒新产原酒与烷烃标准液图谱如图2。

图1 正构烷烃(C6～C14)和3个等级汾酒原酒样品一 阶导数图谱Fig.1 First-order derivative maps of n-alkanes (C6～C14) and 3 grades of liquor

图谱中正构烷烃标准液编号6～14代表含有6～14个碳原子化合物，样品图谱编号1～8代表特征峰1～8，以上样本中，所筛选8个特征峰峰面积和均超过全部峰峰面积和的93.1%，部分样本在特征峰8后虽然出现一些面积很小的尾峰，考虑到测量误差予以舍弃。综上，新产原酒等级判别使用筛选的8个特征峰作为特征值变量。

2.2 新产原酒等级判别

2.2.1 主成分分析

使用筛选的8个特征峰峰面积作为特征值变量，进行主成分分析，前2个主成分PC1和PC2解释了样品间85.3%的差别，即前2个主成分包含了原始变量85.3%的信息，其中PC1解释了63.0%的差别，PC2解释了22.3%的差别，因此选取前2个成分来代替原始变量。以主成分PC1，PC2为横纵坐标轴绘制出酒样二维得分图，如图2所示。结合PC1与PC2可直观得到3种等级新产原酒的区分结果，从图2可以看出，3个等级新产原酒呈现近似平行趋势，且一级酒与优级酒之间存在少量边界区域重叠现象，结果表明结合PC1与PC2可以较为有效对3个等级新产酒进行区分。

图2 主成分分析得分图Fig.2 Score plot of principal component analysis

图3为2个主成分相应载荷图，对区分3种不同等级新产原酒贡献最大的为峰1、2、4。尽管它们对样品分类贡献最大，但峰1与峰2是图谱中面积最大的峰而不是区别最大的峰，峰4相对其他峰而言变化也很小。主成分分析过程中起主要作用的为面积较大但区别作用小的特征峰，这使得我们对主成分分析的可靠性产生疑问，为了验证主成分对不同等级新产原酒建立的预测模型，接下来运用费舍尔判别进行分析。

图3 三个等级新产原酒载荷图Fig.3 Loading plot of 3 bands of samples

2.2.2 费舍尔判别分析

将全部144个样本分为2部分，其中97个用于校准，47个样本用于验证，具体信息如表3所示。

表3 3个等级新产原酒校准集、验证集样本数量Table 3 Samples of calibration and verification sets for 3 levels of newly-produced original liquor

费舍尔判别分析共得到4个判别函数，对于模型贡献率分别为63.0%、30.4%、4.8%和1.8%。前2个判别函数的累计贡献率达到93.4%，因此选用前2个判别函数对3个等级新产原酒进行分类。将前2个判别函数作为横纵坐标轴画出散点图(图4)。图4中不同符号代表不同等级新产原酒样本，相同符号空心点代表校准样本，实心点代表验证样本(标识后C表示校准样本，V表示验证样本)。47个验证集样本中7个样本识别错误，预测准确率为85.11%，3个等级新产原酒分布区间无重叠区域，且各等级原酒聚集效果更好，结果表明费舍尔判别分析效果优于主成分分析。

图4 费舍尔判别分析得分图Fig.4 Score sketch of Fisher discriminant analysis

2.3 总酸、总酯预测

考虑到zNoseTM获得各气味峰值之间存在一定相关性，应变量集中度高且样本数量未达到20倍于峰的数量，常用的多元线性回归缺乏稳健性，本文使用偏最小二乘回归进行建模分析。

在建模过程中，因子提取个数由全部因变量预测残差平方和的方均根确定，如表4所示。表4的结果是基于舍一交叉验证方法，抽取的因子个数分别为0～8时算得，提取因子个数为2时，对应的预测残差方均根(PRESS)最小，其数值为0.800 252，因此实验提取2个因子进行建模分析。

表4 气味特征变量因子提取表Table 4 Odor characteristics variable factor extraction

将全部144个样本分为2部分，其中97个作为校正集，另外47个作为预测集，具体信息如表3所示。利用偏最小二乘回归对酒样的总酸、总酯含量进行回归拟合与预测，结果如图6和图7所示，利用97个样本作为校正集数据建立的酸酯模型，总酸、总酯拟合决定系数分别为0.896 2、0.914 7，校正均方差误差分别为0.018 0 g/L、0.258 8 g/L，另外47个作为测试集样本，总酸、总酯模型实测值与预测值决定系数分别为0.836 1、0.852 2，预测均方根误差分别为0.021 9 g/L、0.299 4 g/L。结果表明利用偏最小二乘建模可对不同等级新产原酒总酸、总酯指标含量进行较为准确的预测，且对总酯的预测效果好于总酸。

图5 总酸测量值的PLS预测结果图Fig.5 PLS prediction results plot for total acid measurements

图6 总酯测量值的PLS预测结果图Fig.6 PLS prediction results for total ester measurements

3 结论

该文基于zNoseTM电子鼻系统对新产原酒等级进行鉴别，并对总酸、总酯含量进行预测研究。通过气味峰值的提取筛选并运用主成分与费舍尔判别分析，建立了气味峰峰面积与新产原酒等级之间的关系。研究表明费舍尔判别分析效果优于主成分分析，识别正确率达到85.11%。通过偏最小二乘回归法建立总酸、总酯预测模型，研究发现总酸、总酯含量的预测集模型决定系数分别为0.836 1、0.852 2，预测均方根误差分别为0.021 9 g/L、0.299 4 g/L，误差在可接受范围。表明zNoseTM电子鼻系统结合费舍尔判别可对新产原酒等级进行有效判别。建立偏最小二乘回归模型可对总酸、总酯含量进行有效预测，且总酯预测效果较好。利用zNoseTM型电子鼻系统进行检测既不同与传统感官品评是一种整体模糊的感受，也不同于色谱仪器对近百种物质进行精细描述，而是介于两者之间的含相同碳原子化合物的检测，将其应用于未经品酒师感官区分与勾兑的新产原酒品质检测，结合分层思想可以为白酒品质检测提供一种新的技术手段。

利用电子鼻速度快、效率高的特点，将该技术运用到新产酒等级划分与酸酯含量预测，并不是为了代替现阶段通过品酒师对不同等级新产汾酒进行品评的环节，而是结合数理统计方法作为传统感官评价的一种补充手段，进一步推进新产酒品质评价数字化，为汾酒生产工艺的改进提供技术支持。