白酒年份检测鉴定技术研究进展

金煜彬，林飞，周建峰，张碧宇，张方方

（1.浙江义谱检验检测技术服务有限公司，浙江温州 325000； 2.温州市质量技术检测科学研究院，浙江温州 325000）

俗话说“酒是陈的香”，白酒的香味成分会随着陈放时间的增长而变化，白酒价值也会随之增长[1-6]。近年来，消费者对年份酒愈加青睐，导致市场上的年份白酒产品越来越多。不少白酒厂商为了追求经济利益最大化，在白酒包装上随意标注年份，致使市场出现了与实际不符的年份白酒。仪器分析可以对白酒中的微量成分和常规理化指标进行定性和定量分析，但对于白酒储存年份的鉴别判定，还不够准确、有效。

为了扭转白酒市场的虚假年份标注乱象，中国酒业协会于2019 年颁布实施了团体标准T/CBJ 2101—2019《白酒年份酒》，并于2021 年公布了《白酒生产许可审查细则(征求意见稿)》，对白酒年份标准进行了明确且相对细致的规定。为了确保白酒的真实性，《白酒年份酒团体标准》规定了多种分析检测技术。其中包括可以采用气相色谱法或气相色谱-质谱联用测定产品挥发性风味组分；可以采用稳定同位素质谱法测定乙醇及微量醇酯的13C/12C 比值，以此判断是否添加了外源呈香呈味物质；也可以采用三维荧光光谱指纹图谱分析技术识别产品的真实性。随着仪器技术的发展，以及白酒年份科学鉴定方法的建立，白酒年份的检测分析技术也在逐步完善。笔者对气相色谱法、气相色谱-质谱法、荧光光谱法以及稳定同位素质谱法检测鉴定白酒年份的分析技术研究进展进行综述，并对相关技术的未来发展趋势进行展望。

1 气相色谱法

吴天祥等[7]建立了白酒气相色谱指纹图谱，得到了较为理想的检测条件：气相色谱的载气流量为1.3 mL/min，进样分流比为50∶1。对所建立的测试方法进行了考察验证，白酒各组分相对色谱峰面积的相对标准偏差小于5.0% (n=5)，相对保留时间的相对标准偏差小于0.03% (n=5)。在样品稳定性试验中，各组分相对色谱峰面积的相对标准偏差小于5.0% (n=5)，相对保留时间的标准偏差小于0.04% (n=5)。说明仪器设备精密度、检测方法可靠性、样品稳定性均满足指纹图谱的技术要求。

李宜聪等[8]利用气相色谱法直接进样，采用内标法测定馥郁香型白酒样品中48 种主要挥发组分的含量，结合偏最小二乘回归(PLSR)多元统计学方法，建立一套馥郁香型成品白酒存储年份PLSR 预测模型。该模型的决定系数(R2)为0.953，校正标准偏差(RMSEC)为0.216，预测标准偏差(RMSEP)为0.838，相对分析误差(RPD)为4.63%。该模型预测精度高，回归拟合效果好。采用Jack-Knife 方法对该模型回归系数进行显著性检验，筛选出部分对预测模型有明显影响的特征标记物，其中正丁醇、辛酸乙酯、乙醛、己酸乙酯等与馥郁香型白酒存储年份显著相关，可作为馥郁香型白酒存储年份PLSR 预测模型的特征标记物。

杨莹等[9]利用气相色谱法对4 类(X1～X4)不同年份特香型白酒的挥发性物质进行检测，通过主成分分析(PCA)对所有挥发性风味物质创建出一套质量评价模型，共检测出30余种风味物质成分。借助该挥发性香气质量评价模型来评定4类不同年份的特香型白酒的综合得分值，得分顺序由大到小依次为X1、X2、X3、X4。主成分分析结果显示，X1和X2类年份白酒之间差异较明显； X3和X4类年份白酒样品相似性较高，而与X1、X2类别的年份白酒类型存在一定区别。主成分分析结果与感官品评结果基本相同，说明主成分分析能有效鉴别特香型年份类别白酒。

杨莹等[10]选择A 类五年成品酒、B 类九年成品酒、C 类十五年成品酒、D 类二十年成品酒4 类各5批次年份白酒样本进行实验，从所建立的特香型年份白酒气相色谱图谱中筛选出17 个具有特征性的指纹峰用于构建指纹图谱，采用SPSS 22.0统计分析软件中的系统聚类分析功能，对具有不同年份类型的白酒指纹图谱进行鉴定分析，得出与通过感官品评相一致的结果，基本能够区别特香型年份白酒的年份档次。说明可以通过气相色谱聚类分析来鉴定不同年份的特香型白酒。

张敏敏等[11]利用气相色谱-离子迁移谱(GCIMS)技术结合化学计量学分析，建立了快速区分不同年份酱香型白酒的方法。利用GC-IMS技术对多个批次不同年份的酱香型酿造白酒样本中挥发性有机物组分进行测定，通过挥发性有机物组分的含量差异比对，获得特定指纹图谱，利用主成分分析-聚类分析(PCA-CA)方法完成样本快速区分工作。通过分析所得到的白酒中化合物组分，利用Nist 2014气相保留指数数据库与IMS 迁移时间数据库进行二维定性鉴别，共鉴定出包含单体、二聚体等在内的53 种挥发性有机物组分。挥发性有机物组分指纹图谱对比结果显示，不同年份样本中所含有的化合物含量和种类差异较大，通过PCA[12]分析方法可以有效区分不同年份老熟酒和原酒，利用主成分分析-聚类分析方法可以进一步明确区分结果的准确性。该方法直观、快速、准确，可以用于酿造白酒的年份区分。

林园等[13]利用GC-IMS技术对不同年份梯度浓香型年份白酒样本中的挥发性组分进行检测，获得一套浓香型瓶贮年份白酒风味的指纹图谱，对挥发性组分物质的种类及含量差异进行分类，并通过主成分分析对白酒的储存年份进行鉴别。结果显示，6批不同年份梯度的浓香型瓶贮白酒所含挥发性有机物组分的含量和种类均存在显著差异。年份时间越长的白酒，其挥发性物质含量和种类越多，其中正己醇、己酸甲酯等物质随着年份的增加其含量逐渐增大，上述醇、酯类等呈香物质的增多，使酒体物质含量更为丰富，风味更为醇厚。相似度分析结果显示，该检测分析技术能够有效判断浓香型瓶贮白酒样品的年份，为瓶贮年份酒的年份鉴定提供了一种有效的检测手段。

邬子璇等[14]利用GC-IMS 法，根据指纹图谱鉴别不同年份白兰地酒挥发性香气组分差异和特征性标记物，结合化学计量学方法对各组分吸收峰响应强度进行数据降维分析以及可视化操作，构建年份判别用模型，共检测出50余种挥发性香气组分。该指纹图谱显示，不同年份白兰地酒中挥发性香气组分种类及含量存在较为显著的差异。主成分分析结果表明，第一主成分(PC1)和第二主成分(PC2)累计贡献率高达85%，不同年份白兰地酒样本具有良好的聚类效果。通过偏最小二乘回归分析方法，构建年份酒判别用模型，获得不同年份酒样本的特征性标记物，筛选出22种变量投影重要性(VIP)大于1的对陈酿白兰地年份判别作用较大的挥发性香气组分。结合多元统计学，利用GC-IMS 法可快速鉴别年份白兰地酒的特征性标记物，且建模效果佳，能够为白兰地的年份鉴别和质量控制提供应用思路和经验借鉴。

刘丽丽等[15]以酒海贮存的凤香型年份基酒为研究对象，采用GC-IMS 技术分析了凤香型基酒在酒海贮存过程中挥发性组分变化。GC-IMS法定性检出47 种挥发性组分，其中酯类23 种，醛酮类14 种。该技术对小分子物质尤其灵敏，异戊烷、二丙基硫醚、双乙酰等物质含量随贮存时间的增加呈上升趋势，主成分分析表明年份基酒之间差异显著。在该技术手段的支持下，获得了陈酿过程中凤香型基酒挥发性组分变化规律，表现为酸升酯降，而棕榈酸乙酯、亚油酸乙酯、反油酸乙酯、十八酸乙酯、苯乙醇、苯甲醛、二甲基硫醚含量明显降低。该结果为凤香型基酒陈酿体系的建立提供了理论依据。

2 气相色谱-质谱法

郑岩等[16]采用气相色谱-质谱联用(GC-MS)技术对10余批白酒样本进行指纹图谱测定，利用指纹图谱计算软件进行分析，构建了贵州茅台酒的共有指纹图谱模型。结果显示，GC-MS法所建立的GCMS 指纹图谱不但具有多组分同时定性的优势，而且重复性、重现性和稳定性都较好，能有效地应用于白酒的真伪辨别和质量控制。

马燕红等[17]以清香型白酒汾酒为研究对象，利用GC-MS法定性、气相色谱三内标法定量，对新产和贮存30 年以内的65°白酒中31 种微量组分随酒龄的变化行为进行系统统计分析，并对白酒的电导率、pH 值等进行分析。以此为基础，运用偏最小二乘技术和多元线性回归，构建一套白酒酒龄与组分的相关模型，同时采用内外部双重验证的方法对所构建模型的稳定性进行验证分析。多元线性分析结果表明，建模相关系数为0.999，交互检验复相关系数为0.998，外部检验相关系数为0.998；偏最小二乘回归结果表明：建模相关系数为0.995，交互检验复相关系数为0.984。所构建的数学模型具有良好的预测能力和稳定性，可用于清香型白酒的年份分析。

张默雷等[18]利用GC-MS 法分别对1 年份、5 年份、10 年份竹叶青酒进行风味组分分析，初步研究了不同年份竹叶青酒的风味差异。通过对不同年份竹叶青酒气味的分析，确定三组年份竹叶青酒的气味，结果显示10年份竹叶青酒香气更为醇厚稳定。

杨辉等[19]将衍生化方法和GC-MS技术相结合，利用代谢组学方法对不同年份基酒中差异化组分进行分析。结果显示，不同年份基酒共鉴别出59种化合物组分，包括7种糖类物质、7种糖醇类物质、10种氨基酸、30 种有机酸和5 种其它化合物。利用PCA法、PLS-DA 法以及样本树状图分析发现新酒和储存2年的酒可归为一类，储存3年和5年的酒可归为一类，储存7年和9年的酒归可为一类，不同年份基酒之间类别较为显著。不同年份的基酒的组分化合物种类及含量均存在显著差异。利用变量重要性(VIP)筛选出20种差异化合物组分，包括糖类、氨基酸、有机酸、甘油等，这些物质在储存过程中含量显著提升，这与盛酒容器酒海特殊的内壁材料有关，这也是新酒经过酒海储存一段时间后酒体变得更加醇厚的原因，酒海储存对于酒体风味的形成具有重要影响。

刘丽丽等[15]以酒海储存的凤香型年份基酒为研究对象，利用GC-MS 技术分析凤香型基酒在酒海贮存过程中挥发性物质变化。结果显示，分析的85种化合物组分中，酸类有10种，醇类物质有17种，酯类有41种，且包含部分相对分子质量较大的化合物组分。在储存过程中，酯类物质含量明显下降，酸类物质含量增加，反油酸乙酯、十八酸乙酯、棕榈酸乙酯、亚油酸乙酯等高级脂肪酸酯和苯乙醇的含量呈线性下降。利用GC-MS 技术，可获得陈酿过程中凤香型基酒挥发性组分的变化规律，为凤香型基酒陈酿体系的构建提供了理论依据。

3 稳定同位素分析法

秦人伟[20]介绍了同位素14C 用于年份酒储存时间测定的技术。粮食等农副产品作为生产白酒的主要原料，其中有机碳(碳水化合物)经糖化与发酵工艺转化为乙醇，可以以乙醇和多种香味成分与特征化合物组分为代表，其中放射性同位素14C会随着储存时间的增加不断地衰变而减少。分析测定各种酒类产品中有无放射性同位素14C，就能确定生产酒类的原料是否为天然农副产品。经化学合成工艺生产的乙醇不会含有放射性同位素14C。测量酒类(乙醇和特征化合物组分)的单位时间放射性14Cβ衰变率，即储存时间愈长，14C衰变次数愈多，放射性计数率愈低，就可分析出年份酒储存时间。

李贺贺等[21]优化了有机溶剂稀释法结合气相色谱-燃烧-同位素质谱仪分析测定白酒中乙醇的13C同位素比值的方法。测定了5 种年份原酒、24 种市场流通固态法白酒以及14种固液法白酒的13C同位素比值。研究显示，同系列的年份原浆酒中乙醇的13C 同位素比值基本没有差别；酒中乙醇的13C 同位素比值与酿酒粮食和产地存在一定关系；利用13C同位素比值鉴别固液法和固态法白酒具有可行性。

4 光谱分析法

杨涛等[22]研究了年份酒在稳定的储存条件下的鉴别方法：(1) 采用等离子发射光谱法测定金属元素含量，通过储存过程中的化学和物理变化，寻找酒体中与储存时间呈正相关或负相关的因子而达到鉴别年份酒的目的；(2) 采用紫外光谱法测定共轭体系化合物含量。即白酒在储存过程中，由于具有氧化性金属元素的增加及氧的作用，会促使酒体中含羰基的共轭体系化合物增加，如2，3-丁二酮，二乙醛等。这些组分与其它化合物缩合而生成杂环类化合物，使得白酒紫外吸收强度增加，据此可鉴别出一定的年份酒。

黄琴等[23]对不同储存期兼香型白酒的挥发性组分和白酒的三维荧光光谱进行了测定。通过固相微萃取对挥发性组分物质进行提取，对5 个不同储存期酒样挥发性组分的变化进行了统计。结果表明：不同储存期酒样中的酸类物质含量呈上升趋势；醇类物质的含量稍有上升；部分酯类物质含量上升，部分酯类物质含量呈下降趋势。利用三维荧光光谱对不同储存期酒样进行了分析，初步分析了三维荧光在兼香型白酒酒龄方面的技术应用，发现不同储存期酒样在相同激发波长下有最大峰强度值，且随着时间延长，峰强度值呈递增趋势。

王国祥等[24]利用支持向量机回归(SVR)算法和拉曼光谱，构建了一套数据分析模型，用于同一年份不同储存时间以及不同年份白酒的年份鉴别。该方法的创新点包括3个方面：(1) 利用拉曼光谱对白酒品质进行分析；(2) 白酒年份鉴定；(3) 构建基于回归框架的白酒年份与年份指数对应关系，实现白酒年份识别及预测，既可以有效鉴别白酒年份，也可以鉴别白酒储存时间。分别采用5 年、8 年、16 年、26 年系列古井贡年份酒进行验证测试，数据分析结果显示，所构建的基于SVR算法和拉曼光谱的白酒年份鉴定分析流程和方法，对鉴定同一年份不同储存时间的白酒样品，以及不同年份的白酒(包括对数据库内已有样本年份的鉴定，以及对数据库内没有的盲样的年份预估)，均取得较好的测试效果，相比于其它常用回归分析方法具有明显的优越性，可以为白酒年份酒分析提供技术支撑。

张正勇等[25]分别以8年、16年、26年的古井贡年份酒为研究对象，研究了基于紫外可见光谱的白酒年份酒快速鉴别方法。通过采集白酒样品的紫外可见光谱，建立了该品牌酒的年份与紫外可见最大吸收峰(277 nm)强度关系图。8 年酒的最大吸收峰强度在1.017±0.127范围内波动，16年酒的最大吸收峰强度在1.855±0.410范围内波动，26年酒的最大吸收峰强度在2.494±0.130 范围内波动，以此为依据，可进行年份酒的初步筛查分析。同时利用年份酒紫外可见光谱全谱数据，结合主成分分析方法，可有效提高特征提取效率，进而利用最近邻算法实现白酒年份酒快速、高效、智能鉴别。研究结果表明，在交叉验证实验条件下鉴别正确率可达93.75%。该方案可为白酒年份酒品质鉴定提供一套简单、快速的鉴别方法。

张正勇等[26]研究了荧光光谱结合相关系数法用于白酒品质控制的可行性。以高通量分析平台获取不同品牌古井贡酒的荧光光谱数据，具有样本用量少、分析快速等优势。对比了同批次及不同批次8年陈、16年陈、26年陈和不同品牌白酒与古井贡8年陈之间的相关性。研究表明，同批次8 年酒样本间相关系数超过0.99，不同批次8 年酒相关系数达到0.98 左右，而古井贡16 年陈、26 年酒以及其它品牌白酒与古井贡8 年酒相关系数值较低，以此可初步实现古井贡8 年酒在同批次、不同批次、同品牌、不同品牌白酒间的鉴别分析。该方法理论上可实现古井贡酒年份酒简单、高效的品质控制鉴别。

宋鑫澍等[27]建立了利用皮尔逊系数结合多维偏最小二乘(NPLS)法鉴别白酒年份的方法。先后测试了两类香型白酒年份酒，包括11个年份的芝麻香型白酒和12个年份的浓香型白酒，得到了样品的三维荧光光谱。统计光谱数据矩阵中数据点与白酒年份的皮尔逊系数，依据系数值结合区域选择算法，选取光谱数据矩阵中不同区域的数据，参照NPLS 法预估白酒年份。该方法利用与年份线性相关程度较大的光谱数据预测结果较为准确，对于芝麻香型白酒，预测存储时间与真实存储时间的平均绝对误差为1.20 年，浓香型白酒为0.91 年。分析结果表明芝麻香型白酒的预测年份结果最佳区域对应乙酸乙酯与丁酸乙酯的荧光；浓香型白酒的预测年份结果最佳区域对应己酸乙酯的荧光。皮尔逊系数结合NPLS法能够保留与白酒年份相关性较高的光谱数据内容，可有效提高鉴别白酒年份的准确率。

张也等[28]以白酒时间分辨荧光光谱和稳态荧光光谱的测量和分析为基础，提出了基于时间分辨荧光光谱的白酒香型分类和年份鉴别的鉴别方法。针对6个品牌、3类香型的42批次白酒样本，对其时间分辨荧光光谱和稳态荧光光谱进行了测量分析。对白酒中微量成分物质的荧光光谱分析发现丁酸乙酯和己酸对白酒的荧光特性有较大影响。统计了不同香型白酒荧光寿命随储存时间的变化规律。结合主成分分析，以荧光寿命相关参数为指标，对白酒样本的香型进行分类鉴别。结合量子化学计算对浓香型白酒荧光寿命随年份的变化机理开展研究，得到了浓香型白酒的储存时间与荧光寿命的正比例增长关系，构建了浓香型白酒年份酒存储时间模型，其平均测定误差为2.8个月，为时间分辨荧光技术在多组分复杂体系定量研究中的应用提供了重要参考。

宗绪岩等[29]建立了白酒基酒等级、年份的近红外光谱快速检测方法，进行各种样品的预处理方法试验和模型建立。结果表明，白酒基酒中典型醇和酯的特异吸收范围为4 833～6 846 cm-1，分别构建等级和年份的近红外模型，确定最小二乘支持向量机(LSSVM)模型是较好的建模方法，最佳的样品处理方法分别为标准矢量归一化(SNV)和一阶导数标准矢量归一化(1 d+SNV)，年份近红外模型的验证集和校正集的决定系数R2p 和R2c 分别达到56.7%和98.6%，RMSEC 和RMSEP 分别为0.042 和0.344；等级的近红外模型R2p 和R2c 分别为58.2%和99.6%，标准偏差RMSEC 和RMSEP 分别为0.022 和0.213；等级和年份模型的比值(RPD)分别为44.72和23.75。该研究能够推动白酒产业和白酒分析技术的迅速发展。

为能够快速有效检测白酒年份酒的年份，王国宇等[30]采用光谱相似度算法和平行因子算法对白酒年份酒与基酒的三维荧光光谱进行分析，分别组建了年份酒年份测定函数和高年份基酒体积分数测定函数。研究显示，高年份基酒体积分数测定误差不超过0.02，平均加标回收率为100.3%，年份测定误差值小于1年。该方法解决了基于3种基酒配制年份酒的三维荧光光谱复杂性而导致的年份酒年份鉴别难题，为多种基酒配制年份酒的年份检测技术和其中基酒体积分数的确定提供一定的参考。

朱卫华等[31]基于某原浆白酒的三维荧光光谱，研究了白酒年份预测模型。首先探索了荧光光谱与白酒年份的相关性。结果发现，储存6 个月的酒与其它年份白酒的三维荧光光谱之间的相关系数达0.811；原始光谱中年份信息主要分布在发射波长为400～500 nm、激发波长为200～230 nm 和250～320 nm 的光谱区；导数光谱的年份信息离散性高，分布区域广。其次探索了荧光光谱之间的相关性。结果显示，原始光谱多重共线性严重，在400～600 nm 区间，相关系数近似等于1；求导可增加光谱分辨能力并降低多重共线性，二阶导数可以更好地抑制多重共线性，相关系数大部分小于0.6。最后通过量子遗传算法-小波神经网络研究了激发波长为300 nm的白酒年份预测模型，并提出了光谱建模信息密度的概念。

5 其它分析法

5.1 电子鼻技术

周容等[32]利用电子鼻技术分析了不同年份兼香型白酒中的香气物质，通过PCA 法、特征响应分析法、方差分析(ANOVA)法和线性判别分析(LDA)法，优化得出可以鉴别年份酒的操作条件，分别为加热时间为30 min，加热温度为40 ℃，酒精度为14% (体积分数)。研究结果表明，10个传感器中贡献最大的3 个分别是W5S、W1S 和W2S，而LDA 法的鉴别效果优于PCA法。在优化后的测试条件下，对兼香型各年份酒进行电子鼻检测分析，结果表明LDA法对原始数据信息的保留量达到96.8%；逐步线性判别分析得出贮存期为12年内的酒样能得到近100%的准确率，超过12年的贮存年份也可得到较准的鉴别率，该技术对兼香型各年份酒具有良好的鉴别效果。

田婷等[33]利用电子鼻技术分析了不同轮次酱香型白酒的香气差异性。利用单因素对比实验确定了样品量、加热温度和顶空进样体积的最佳值，分别为1 000 μL、25 ℃和100 μL。在该条件下对比了主成分分析和判别因子分析在处理电子鼻传感器响应信号时，对不同轮次酱香型白酒的鉴别效果。数据显示主成分分析法的鉴别效果优于判别因子分析法。

徐晚秀等[34]利用表面声波型电子鼻对5批次年份的清香型汾酒进行采样分析，实现实时、实地在线检测。研究显示采用主成分分析法和典型判别分析进行数据统计，区分率可达98.8%。对汾酒样本不同特征峰进行回归分析，其中用于区别不同年份的特征峰1、特征峰3、特征峰5、特征峰7 面积以及特征峰9 面积和与其对应回归方程间的相关系数较好，可以对不同年份的汾酒进行有效区分。化学计量方法结合表面声波型电子鼻，可以对清香型汾酒年份进行鉴别。

5.2 电子舌技术

王永维等[35]研究了市售同一档次不同品牌的茅台国典白酒、泰山特曲、银剑南和同一品牌不同档次的伊力特(五年陈)、伊力老陈酒(十年陈)白酒及当年伊力特曲对α-Astree 电子舌传感器的响应信号，利用判别因子分析法和主成分分析法对响应信号分析。结果显示，电子舌传感器对同一档次不同品牌的茅台国典白酒、泰山特曲、银剑南的响应信号有明显区别，对同一品牌不同档次酒的响应信号区别较小；判别因子分析法和主成分分析法既能够区分同一档次不同品牌的茅台国典白酒、泰山特曲、银剑南，也能够区分同一品牌不同档次的伊力特3种酒，且判别因子分析法的区分效果优于主成分分析法。

彭厚博等[36]以5批次不同年份浓香型白酒基酒为研究对象，利用电子舌对样品进行鉴别分析，并采用LDA法和PCA法对白酒年份进行分类，将所得模型分别通过簇状独立软模式(SMICA)法、判别因子分析(DFA)法对白酒年份进行验证鉴别。结果显示， SMICA 分析方法能够有效识别导入的样本数据是否模型以内、模型之外的年份基酒； DFA 分析方法可以准确地对导入的白酒样本的年份进行识别。综上所述，通过电子舌结合化学计量学，可快速有效地对白酒基酒年份进行鉴别，可为白酒掺假问题提供技术支撑，促进白酒产业和白酒分析技术的健康快速发展。

6 结语

以气相色谱法和气相色谱-质谱法为基础的分析技术主要是对白酒酒基中的挥发物成分进行分析，经过数据积累，构建一套指纹图谱和预测模型，再以实际样品的谱图进行匹配测定年份，对实际样品的成分比对比较准确；以稳定同位素技术开展的研究，主要是针对存储过程中白酒酒基中放射性同位素14C等成分的衰减程度来进行预测，准确度不如前者；以光谱仪为基础的分析技术类似于色谱方法，也是属于预测模型的构建和实际样品的匹配，需要以较多的分析数据支撑；电子鼻、电子舌检测技术，则更依赖于鉴定人员对于分析方法的熟练使用，准确度不如前面几种方法。

酒类年份鉴别技术目前种类不多，功能也不够完善，除了依靠经验丰富的品酒师进行人工鉴别外，基本上是依靠仪器分析结合主成分分析等系列方法构建一套预测模型，再结合实际样本的测定值，通过模型数据匹配进行年份预测鉴别。随着仪器新技术的逐步发展，更多新检测技术不断出现，同时随着白酒行业中白酒陈酿机制及其鉴别基础数据的积累，更多准确有效的基础模型数据库数据也会越来越丰富，从而为更加准确有效地鉴定白酒年份、丰富鉴定分析技术提供更科学的技术支撑。