基于電子鼻的中國(guó)白酒酒齡檢測(cè)

徐晚秀，李臻峰*，張振 ,李靜，宋飛虎，浦宏杰

1(江南大學(xué) 機(jī)械工程學(xué)院，江蘇 無(wú)錫, 214122)　2(江蘇省食品先進(jìn)制造裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室，江蘇 無(wú)錫, 214122)

?

基于電子鼻的中國(guó)白酒酒齡檢測(cè)

徐晚秀1,2，李臻峰1,2*，張振1,李靜1,2，宋飛虎1,2，浦宏杰1,2

1(江南大學(xué) 機(jī)械工程學(xué)院，江蘇 無(wú)錫, 214122)2(江蘇省食品先進(jìn)制造裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室，江蘇 無(wú)錫, 214122)

摘要白酒的酒齡是其品質(zhì)的主要標(biāo)志之一，針對(duì)使用光譜儀、色譜儀等大型儀器檢測(cè)汾酒時(shí)在時(shí)間、地點(diǎn)上的使用限制，采用表面聲波型電子鼻zNose對(duì)5個(gè)年份的清香型白酒代表——汾酒進(jìn)行采樣分析，實(shí)現(xiàn)實(shí)時(shí)、實(shí)地的在線檢測(cè)。結(jié)果表明，采用主成分分析法和典型判別分析進(jìn)行數(shù)據(jù)分析，區(qū)分率達(dá)到98.8%。對(duì)汾酒樣品不同特征峰進(jìn)行回歸分析，其中，用于鑒別不同酒齡的特征峰1、峰3、峰5、峰7面積以及九峰面積和與對(duì)應(yīng)回歸方程間的相關(guān)系數(shù)較好，能夠?qū)λx的不同酒齡的汾酒正確區(qū)分。研究發(fā)現(xiàn)，表面聲波型電子鼻zNose結(jié)合化學(xué)計(jì)量方法適用于清香型白酒代表汾酒酒齡鑒別。

關(guān)鍵詞電子鼻；汾酒；酒齡；分類

中國(guó)白酒系世界六大蒸餾酒精飲料之一。“陳”是中華民族傳統(tǒng)文化中對(duì)好酒的評(píng)價(jià)標(biāo)準(zhǔn)，陳年老酒指的就是經(jīng)過(guò)長(zhǎng)時(shí)間貯存的優(yōu)質(zhì)白酒。風(fēng)味是所有中國(guó)白酒最重要的分級(jí)標(biāo)準(zhǔn)，而酒齡則是影響風(fēng)味最重要的因素之一。人們可以利用酒齡對(duì)白酒質(zhì)量等級(jí)進(jìn)行直接的評(píng)價(jià)。近年來(lái)，隨著年份酒的熱銷，市場(chǎng)上出現(xiàn)了各種各樣的年份酒，其中不乏假冒偽劣產(chǎn)品，研究鑒別酒齡行之有效的方法非常必要。目前用于酒類檢測(cè)及品質(zhì)鑒定的技術(shù)主要集中在色譜和光譜上(氣相色譜[1]、氣相色譜-質(zhì)譜聯(lián)用[2-3]、高效液相色譜[4]、近紅外光譜[5]、原子吸收光譜[6]、可見(jiàn)-紫外光譜[7]、熒光光譜[8])，而在人工嗅覺(jué)[9-12]跟人工味覺(jué)[13-14]方面的研究相對(duì)較少。

本實(shí)驗(yàn)以清香型汾酒為主要研究對(duì)象，利用電子鼻技術(shù)，采取數(shù)理統(tǒng)計(jì)方法，研究汾酒中微量香味成分含量隨酒齡的變化規(guī)律，進(jìn)而建立一個(gè)白酒酒齡鑒別的相關(guān)數(shù)學(xué)模型，為白酒市場(chǎng)監(jiān)管提供有效手段。

1材料與方法

1.1材料

山西汾酒集團(tuán)提供5個(gè)年份的清香型汾酒，每個(gè)年份取20個(gè)樣品，每個(gè)待測(cè)樣品平行測(cè)定3次，取平均值。不同年份汾酒的特征如表1所示。

表1　五種汾酒樣品的特征

1.2儀器

應(yīng)用zNose(4200快速氣相分析儀，Electronic Sensor Technology，USA)進(jìn)行白酒揮發(fā)物的檢測(cè)。zNose是一種微型高速氣相色譜儀，主要包括短色譜分離柱(DB-5)、傳感器和相關(guān)的電路系統(tǒng)。zNose的檢測(cè)器是一個(gè)未涂覆的高質(zhì)量的壓電石英晶體。石英晶體工作時(shí)，表面保持高頻率的聲波。待測(cè)物質(zhì)到達(dá)并粘在傳感器表面，傳感器頻率發(fā)生變化。頻率變化(單位Counts)通過(guò)微型控制器獲得，由此可以表征氣體的濃度。進(jìn)一步經(jīng)軟件處理，對(duì)待測(cè)物進(jìn)行定性和定量測(cè)定。在揮發(fā)物到達(dá)傳感器之前，它們被短色譜分離柱分離，這個(gè)短分離柱包含一個(gè)結(jié)合液相的內(nèi)部涂層。揮發(fā)物溶解在液相中，在不同的時(shí)刻揮發(fā)出分離柱，這種分離通過(guò)一個(gè)可編程的溫度控制柱加熱進(jìn)一步增強(qiáng)。一種化學(xué)物質(zhì)停留在分離柱的時(shí)間成為該種物質(zhì)的停留時(shí)間，對(duì)每一種分離物質(zhì)，停留時(shí)間都是獨(dú)一的。每個(gè)峰的面積被當(dāng)作揮發(fā)量的度量。

1.3實(shí)驗(yàn)方法

將5種不同年份的53°汾酒中特征較為明顯且含量相對(duì)較高的特征峰為變量，分別采用主成分分析、典型判別分析和多元回歸分析對(duì)上述變量與酒齡相關(guān)聯(lián)建模。

2結(jié)果與分析

2.1一階導(dǎo)數(shù)圖譜

zNose的傳感器檢測(cè)到的原始頻率信號(hào)通過(guò)電腦采集，然后得到它們的一階導(dǎo)數(shù)。一階導(dǎo)數(shù)的正數(shù)部分，經(jīng)過(guò)平滑化，用來(lái)繪制樣品的圖譜，這一點(diǎn)與氣相色譜儀類似。從每個(gè)文件的一階導(dǎo)數(shù)圖譜中選取9種特征峰。峰值橫坐標(biāo)表征白酒樣品中揮發(fā)成分的種類，峰面積代表白酒中相應(yīng)揮發(fā)性物質(zhì)的數(shù)量。通過(guò)zNose系統(tǒng)軟件(MicroSense 5.5)預(yù)處理后，對(duì)得到的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。圖1展示了正構(gòu)烷烴標(biāo)準(zhǔn)液跟5種不同年份白酒的氣味圖譜。

圖1　正構(gòu)烷烴(C6-C14)和5種汾酒樣品的一階導(dǎo)數(shù)圖譜Fig.1　First derivatives of n-alkanes (C6-C14) and five samples

為了比對(duì)方便，每條圖譜均進(jìn)行了縱向的偏移，即各圖譜的基線均進(jìn)行了一定程度的偏移。正構(gòu)烷烴的數(shù)字6～14代表C6-C14(碳原子數(shù)目)，樣品圖譜中的數(shù)字編號(hào)1～9代表特征峰1～9，是從中選取出來(lái)用于酒齡鑒別的特征峰。選取的原則是：特征峰的峰面積在所測(cè)得的面積總和中的百分比較大或者特征峰在不同年份汾酒中變化趨勢(shì)較大。在5種不同年份的汾酒中，所篩選出來(lái)的9個(gè)特征峰的峰面積和占據(jù)所有峰的峰面積和的93.1%，96.7%，93.7%，97.8%，98.6%，且9個(gè)峰面積和與所有峰的峰面積和隨酒齡的變化趨勢(shì)非常吻合，如圖2所示。

在圖2的圖譜中，峰3-峰7之間還存在一些較小的峰，將它們?nèi)コ脑蚴窃诓煌攴莸姆诰浦?，特征峰有時(shí)會(huì)缺失或峰面積值很小(小于50 Counts)。通過(guò)比對(duì)正構(gòu)烷烴標(biāo)準(zhǔn)液的圖譜，汾酒中大部分的揮發(fā)物是在C6-C14之間。由于不同酒齡的白酒揮發(fā)成分含量存在一定的差異，圖中各圖譜特征峰的峰值也有所不同。

圖2　九種峰的峰面積和與所有峰的峰面積和的變化趨勢(shì)Fig.2　Variation trend of sum of nine peaks and all peaks in aera

2.2酒齡鑒別模型的建立

2.2.1主成分分析

利用SPSS19.0 軟件進(jìn)行主成分分析[10-11]，相關(guān)矩陣的特征值如表2所示。由表2可知，前2個(gè)主成分解釋了樣品間89.9%的差異，其中，PC1解釋了78.2%的差異，PC2解釋了11.7%的差異,基本保留了原來(lái)變量的信息，故取前2個(gè)成分作為該研究的主成分進(jìn)行品牌白酒的區(qū)分是可行的。

表2　相關(guān)矩陣的特征值

將100個(gè)樣本的9個(gè)原始變量(原始變量為特征峰1、峰2、峰3……峰9；分別記作：X1、X2、X3……X9)通過(guò)SPSS19.0 軟件進(jìn)行分析變換成主成分，主成分是原始變量的線性組合，通過(guò)主成分分析得到2個(gè)無(wú)相關(guān)性的綜合指標(biāo)模型為：

PC1=0.30X1+0.37X2+0.35X3+0.37X4+0.33X5+0.31X6+0.36X7+0.27X8+0.35X9

PC2=-0.54X1-0.11X2-0.29X3+0.09X4+0.01X5+0.41X6-0.06X7+0.66X8-0.04X9

以主成分PC1、PC2 作為橫縱坐標(biāo)，建立每個(gè)樣本的二維得分圖，如圖3所示。從二維得分圖可直觀得到5種汾酒的區(qū)分結(jié)果，其中10年陳分布較分散，與15、20年陳部分分布存在交叉，區(qū)分效果比其他年份差。而15年陳、20年陳汾酒分布較集中，具有較好的聚類特性。1年陳、30年陳的分布區(qū)域與其他年份差異明顯，能夠與其他年份白酒區(qū)分開(kāi)來(lái)?？傮w看來(lái)，從主成分分類圖可以看出，1年陳、10年陳、15年陳、20年陳和30年陳的汾酒能夠區(qū)分開(kāi)來(lái)，因此，對(duì)汾酒分類，9個(gè)突出峰是很好的選擇，主成分分析是很有效的統(tǒng)計(jì)工具。

圖3　主成分分類圖Fig.3　Classification sketch of principal component analysis

PC1跟PC2相應(yīng)載荷評(píng)價(jià)表明，5種汾酒樣品的區(qū)分主要依賴于峰1,6,8，它們是選出來(lái)的9個(gè)峰中最為明顯的(圖4)。盡管它們對(duì)樣品的分類貢獻(xiàn)最多，峰6跟峰8在樣品之間也表現(xiàn)出差別。這一現(xiàn)象使得對(duì)主成分分析產(chǎn)生了疑問(wèn)，主成分分析采用原始變量的線性組合，可能被較大但無(wú)區(qū)分功能的峰值占據(jù)主導(dǎo)。為證明主成分區(qū)分汾酒及建立預(yù)測(cè)模型的能力，進(jìn)一步采用典型判別分析進(jìn)行實(shí)驗(yàn)。

圖4　五種汾酒樣品的載荷圖(zNose從5種汾酒樣品中檢測(cè)到的9個(gè)揮發(fā)物的峰)Fig.4　Loadings plot of five Fenjiu samples (peak1-9 volatile peaks detected from five Fenjiu samples by zNose)

2.2.2典型判別分析

鑒于主成分分析對(duì)部分白酒區(qū)分的局限性，對(duì)選取的原始變量進(jìn)行典型判別分析，即Fisher判別分析。在典型判別分析中，計(jì)算出典型變量，它們也是原始變量的線性結(jié)合，使得組間方差與組內(nèi)方差的比率最大化。經(jīng)過(guò)判別分析，取得了4個(gè)典型判別函數(shù)，其特征值分別為411.233，25.719，4.110和1.626，分別能夠解釋模型方差變化的92.9%，5.8%，0.9%和0.4%。其中，前2個(gè)典則判別函數(shù)可解釋98.7%的方差變化，包含了樣品的主要信息，可以描述汾酒風(fēng)味物質(zhì)特征的差異與聯(lián)系。用前2個(gè)典型判別函數(shù)對(duì)各個(gè)樣品作散點(diǎn)圖，結(jié)果見(jiàn)圖5。從前2個(gè)典型變量來(lái)看，分類的大部分通過(guò)視覺(jué)就可以鑒別出來(lái)，表明選擇的9個(gè)特征峰可以反映不同年份汾酒的風(fēng)味特征。這個(gè)結(jié)果跟主成分分析法的結(jié)果一致，表明對(duì)于汾酒的分類，主成分分析法跟典型判別分析都是很有效的統(tǒng)計(jì)分析工具。對(duì)于汾酒的分類和預(yù)測(cè)，用zNose檢測(cè)到的揮發(fā)性信號(hào)也是很有用的參數(shù)。

圖5　典則判別函數(shù)散點(diǎn)圖Fig,5　Scatter plot of canonical discriminant functions

在100次測(cè)試中(每個(gè)樣品20次)，其中，85次(每個(gè)樣品17次)用于校正，15次(每個(gè)樣品3次)用于確認(rèn)。在這項(xiàng)研究中，獲得4個(gè)典型變量，依據(jù)這些變量建立一個(gè)判別函數(shù)來(lái)實(shí)現(xiàn)酒樣的分類，準(zhǔn)確的區(qū)分率為98.8%。Fisher分類函數(shù)如下：

F1=1.482X1-1.132X2+1.11X3-6.925X4+1.997X5+4.588X6-2.095X7-7.22X8+15.241X9-3260.322

F2=1.323X1-0.8X2+0.586X3-4.909X4+1.248X5+3.208X6-1.1X7-3.499X8+5.751X9-1540.886

F3=1.336X1-0.434X2+0.49X3-4.992X4+1.263X5+3.166X6-1.071X7-3.671X8+5.565X9-1492.683

F4=1.211X1-0.872X2+0.226X3-3.567X4+0.87X5+2.354X6-0.551X7-2.186X8+3.397X9-1120.033

F5=1.020X1-0.857X2+0.095X3-2.466X4+0.548X5+1.762X6-0.244X7-1.135X8+2.217X9-883.484

實(shí)驗(yàn)采用電子鼻響應(yīng)信號(hào)結(jié)合判別因子分析法建立了汾酒酒齡鑒別模型，表5為鑒別分析結(jié)果。由表5中數(shù)據(jù)可以看出：電子鼻傳感器響應(yīng)值結(jié)合典型判別分析可用于汾酒酒齡鑒別模型的建立，25個(gè)樣品4次重復(fù)實(shí)驗(yàn)中，只有1次實(shí)驗(yàn)判別錯(cuò)誤，把第2組(10年陳)歸到第3組(15年陳)，其他均歸類正確，鑒別正確率均為98.8%(表4)。這表明，選擇的變量可用于不同酒齡汾酒的區(qū)分。

表3　分類結(jié)果a)

注a)：已對(duì)初始分組案例中的 98.8% 個(gè)進(jìn)行了正確分類。

2.2.3多元回歸分析

對(duì)選出的9種特征峰進(jìn)行回歸分析[3]，相關(guān)峰的散點(diǎn)圖、回歸線及回歸方程如下。

圖6展示了9個(gè)特征峰的峰面積的變化趨勢(shì)。峰1-峰9面積的平均值分別為2145.733Counts，308.2 Counts，862.6333 Counts，385.9 Counts，441 Counts，494.5667 Counts，254.4 Counts，255.7 Counts，139.5333 Counts。

圖6　峰1-9的峰面積值的變化趨勢(shì)Fig.6　Variation trend of peak 1-9 in aera

從圖6可知，峰1、峰3呈現(xiàn)上升的趨勢(shì)。峰2、峰4、峰6、峰8、峰9呈現(xiàn)先下降再上升的趨勢(shì)，其中峰4跟峰6趨勢(shì)較為明顯，其他峰下降之后上升的趨勢(shì)則較為平緩。峰5，峰7呈現(xiàn)先下降再逐漸穩(wěn)定的趨勢(shì)。

從分析結(jié)果可以看出，隨著年份的增加，不同特征峰呈現(xiàn)出不同的變化趨勢(shì)。在白酒釀造的不同階段，醇、醛、酸、酯類發(fā)生化學(xué)反應(yīng)，會(huì)引起某些變化。汾酒的香氣一般不是某一種化合物的突出香氣，而是一種由多種微量成分共同作用所產(chǎn)生的復(fù)合香氣，包括醇、酯、酸、醛以及各種雜環(huán)類化合物。這些風(fēng)味物質(zhì)主要是在制曲和發(fā)酵過(guò)程中由微生物代謝產(chǎn)生的，有些可由蒸糧、蒸酒和老熟過(guò)程中的化學(xué)反應(yīng)產(chǎn)生，有些則直接來(lái)自于釀酒和制曲原料[15]。在漫長(zhǎng)的陳釀老化過(guò)程中，白酒中各種成分相互作用，發(fā)生大量的化學(xué)變化和物理變化，香氣增加，酒味柔和，酒內(nèi)部各種成份之間趨于協(xié)調(diào)，使白酒風(fēng)味更佳。白酒風(fēng)味物質(zhì)主要有酸、醇、酯、醛、酮、芳香族化合物等幾大類物質(zhì)，其中以醇酯類為主。

研究表明，白酒中檢出的香味成分有300多種，定量的有近200種。這些微量香味成分含量極少，但種類繁多，組成錯(cuò)綜復(fù)雜，不同的量比關(guān)系形成不同的香型和風(fēng)格[15]。大部分研究是從其中的一類選取一種或幾種具體的化學(xué)物質(zhì)進(jìn)行品質(zhì)和分類的研究，而電子鼻則是利用傳感器陣列的交叉敏感特性，通過(guò)模式識(shí)別技術(shù)實(shí)現(xiàn)對(duì)混合氣體的檢測(cè)，得到樣品揮發(fā)物的綜合信息，從整體上進(jìn)行判別分析，有著極大的優(yōu)勢(shì)。

通過(guò)選取9種特征峰，根據(jù)其相關(guān)變化趨勢(shì)，可以實(shí)現(xiàn)對(duì)不同酒齡汾酒的區(qū)分。

在9種特征峰中，峰1、峰3隨著年份的增加而不斷遞增。峰5、峰7隨著年份的增加而不斷遞減，但20年以后則趨于穩(wěn)定。酯在白酒風(fēng)味構(gòu)成上有重要作用，酯類物質(zhì)含量高是白酒風(fēng)味的特點(diǎn)之一，酯類是香氣的主體成分，低分子酯類都帶有特殊的芳香，含量與比例影響酒體的典型風(fēng)格汾酒中酯類的含量，汾酒中酯類占微量成分的60%～65%，醇類占11%～13%，酸類占據(jù)14%～16%，醛類占9%～10%[16]。而特征峰1、峰3的面積占9峰面積和的平均百分率分別為41%、16%，由此可以推測(cè)峰1、峰3的組成主要來(lái)自酯類。

對(duì)于峰9，在5種不同年份的汾酒中，1年陳明顯高于其他年份，通過(guò)峰9可以將1年陳從中區(qū)分出來(lái)。

對(duì)于峰2、峰4、峰6和峰8，從1年到20年呈現(xiàn)下降的趨勢(shì)，之后開(kāi)始上升，即1年陳峰值最高，20年峰值最低(圖6)。峰8雖有變化，但變化幅度很小，最大值與最小值相差不足80 Count，且峰8在15年陳和20年上幾乎沒(méi)有變，并不利于觀察和分析。因此通過(guò)峰2、峰4和峰6可以將20年汾酒跟其他年份區(qū)分開(kāi)來(lái)。峰2跟其他特征峰不同之處在于峰2在10年陳和15年陳上幾乎沒(méi)有變化，呈現(xiàn)一個(gè)很穩(wěn)定的趨勢(shì)，結(jié)合峰8在15年陳和20年上數(shù)值很穩(wěn)定的情況，可以將15年陳從中區(qū)分開(kāi)來(lái)。

雖然電子鼻給出的不是被測(cè)樣品中某種或某幾種成分的定性和定量結(jié)果，而是樣品中揮發(fā)成分的整體信息，但是通過(guò)電子鼻得到的特征峰仍能與其他儀器測(cè)得的化學(xué)物質(zhì)找到一些對(duì)應(yīng)關(guān)系，并能對(duì)白酒的貯存老熟，風(fēng)味控制提供指導(dǎo)。

圖7　峰1的峰面積值散點(diǎn)圖及回歸線Fig.7　Scatter figure and regression line of peak1 in aera

總的來(lái)講，峰1、峰3、峰5、峰7，九峰面積和的回歸線，隨著年限的增加，接近線性分布，因此，可以通過(guò)峰1、峰3、峰5、峰7，九峰面積和對(duì)5種不同年份的汾酒進(jìn)行區(qū)分。對(duì)這5個(gè)變量進(jìn)行偏相關(guān)分析，判斷5個(gè)變量之間的相關(guān)性，除了峰3與峰7、峰5與九峰面積和、峰7與九峰面積和為中等相關(guān)外，其他變量之間均為強(qiáng)相關(guān)(表4)。此外，特征峰1、峰3、峰5、峰7的面積占九峰面積和的平均百分率分別為41%，16%，8%，5%，它們的累計(jì)百分率達(dá)70%。根據(jù)峰1、峰3、峰5、峰7在九峰面積和的百分率及其5個(gè)變量之間的相關(guān)性判斷，采用特征峰1、峰3、峰5、峰7，九峰面積和來(lái)區(qū)分不同酒齡的汾酒比較合理。

圖8　峰3的峰面積值散點(diǎn)圖及回歸線Fig.8　Scatter figure and regression line of peak3 in aera

圖9　峰5的峰面積值散點(diǎn)圖及回歸線Fig.9　Scatter figure and regression line of peak5 in aera

圖10　峰7的峰面積值散點(diǎn)圖及回歸線Fig.10　Scatter figure and regression line of peak7 in aera

圖11　九種峰的峰面積和的散點(diǎn)圖及回歸線Fig.11　Scatter figure and regression line of sum of nine peaks in aer

峰號(hào)峰1峰3峰5峰7九峰面積和峰11.0000.941-0.972-0.8940.895峰30.9411.000-0.869-0.7370.988峰5-0.972-0.8691.0000.960-0.792峰7-0.894-0.7370.9601.000-0.652九峰面積和0.8950.988-0.792-0.6521.000

3結(jié)論

本文的研究為不同年份汾酒的分類提供了一個(gè)新的思路和方法。隨著酒齡增加，白酒風(fēng)味成分含量會(huì)發(fā)生變化，其變化幅度可以用來(lái)進(jìn)行酒齡的鑒別。通過(guò)它們的揮發(fā)性信號(hào)，5種不同年份的汾酒可以很好地區(qū)分開(kāi)來(lái)。電子鼻可以很好地采集汾酒氣味信息，并可反映不同酒齡樣品之間的差異。電子鼻檢測(cè)到的不同峰的峰面積在汾酒的鑒別和分類中可作為有用的參數(shù)。采用化學(xué)計(jì)量方法結(jié)合電子鼻傳感器信息可較好地用于汾酒酒齡鑒別。

在這項(xiàng)研究中，通過(guò)特征峰1、峰3、峰5、峰7、九峰的面積總和，簡(jiǎn)單快速地區(qū)分了5種不同年份的汾酒。主成分分析法、典型判別分析以及回歸分析都是非常有用的工具。然而，在這項(xiàng)研究中，只有很有限的汾酒應(yīng)用其中，在企業(yè)中，需要用更多的樣品來(lái)進(jìn)行實(shí)驗(yàn)，來(lái)驗(yàn)證其分類能力。

參考文獻(xiàn)

[1]陳妙蘭.氣相色譜法檢測(cè)白酒中醇及酯類的含量[J].現(xiàn)代農(nóng)業(yè)科技,2009(9):286-287.

[2]黃艷梅,盧建春,李安軍,等.采用氣相色譜-質(zhì)譜分析古井貢酒中的風(fēng)味物質(zhì)[J].釀酒科技,2006(7):91-94.

[3]馬燕紅,張生萬(wàn),李美萍,等.清香型白酒酒齡鑒別的方法研究[J].食品科學(xué),2012,33(10):184-189.

[4]溫永柱,范文來(lái),徐巖,等.白酒中5種生物胺的HPLC定量分析[J].食品工業(yè)科技,2013,34(7):305-308.

[5]彭幫柱,龍明華,岳田利,等.傅立葉變換近紅外光譜法檢測(cè)白酒總酸和總酯[J].農(nóng)業(yè)工程學(xué)報(bào),2006,22(12):216-219.

[6]王書(shū)蘭,王永,陳尚龍,等.直接進(jìn)樣-石墨爐原子吸收光譜法測(cè)定白酒中的鎘[J].釀酒科技,2013(1):112-115.

[7]楊建磊,朱拓,徐巖,等.白酒單體物質(zhì)紫外熒光光譜研究[J].光譜學(xué)與光譜分析,2009(12):3 339-3 343.

[8]楊建磊,朱拓,武浩.基于三維熒光光譜特性的白酒聚類分析研究[J].光電子.激光,2009(4):495-498.

[9]柯永斌,周紅標(biāo),李珊,等.基于電子鼻的不同香型白酒快速識(shí)別[J].釀酒科技,2013(11):1-3;8.

[10]殷勇,田先亮.基于PCA與Wilks準(zhǔn)則的電子鼻酒類鑒別方法研究[J].儀器儀表學(xué)報(bào),2007,28(5):849-852.

[11]江濤,李博斌,鄭云峰, 等.電子鼻對(duì)紹興黃酒酒齡的定量判別研究[J].釀酒科技, 2012(1):39-41,46.

[12]LOZANOC J，ARROYOB T，SANTOSA J P，et al.Electronic nose for wine ageing detection[J].Sensors and Actuators B:Chemical,2008,133(1):180-186．

[13]王俊,姚聰.基于電子舌技術(shù)的葡萄酒分類識(shí)別研究[J].傳感技術(shù)學(xué)報(bào),2009,22(8):1 088-1 093.

[14]王永維,王俊,朱晴虹. 基于電子舌的白酒檢測(cè)與區(qū)分研究[J].包裝與食品機(jī)械,2009,27(5):57-61

[15]沈怡方.中國(guó)白酒感官品質(zhì)及品評(píng)技術(shù)歷史與發(fā)展[J].釀酒,2006,33(4):3-4.

[16]肖冬光.白酒生產(chǎn)技術(shù)[M].北京:化學(xué)工業(yè)出版社，2005:262,271,276-277.

Detection and classification of Chinese spirits with different wine age by zNose

XU Wan-xiu1, LI Zhen-feng1,2,3*, LI Jing1,2，SONG Fei-hu1,2,PU Hong-jie1,2, ZHANG Zhen1,2

1(School of Mechanical Engineering, Jiangnan University, Wuxi 214122,China)2(Jiangsu Key Laboratory of Advanced Food Manufacturing Equipment and Technology，Wuxi 214122，China)

ABSTRACTWine age is one of the main indicators for quality of Chinese spirits. There are many limits in time and place about chromatograph and spectrograph. Surface Acoustic Wave zNose can distinguish Chinese spirits of different wine age through real time, on-the-spot and on-line monitoring. Fenjiu from different categories were sampled. Principal component analysis and discriminant function analysis were adopted for data analyses, where 98.8% classification was achieved. The correlation coefficient of characteristic peak aera and regression equation were better. The linear regression model could also distinguish different Fenjiu Chinese spirit based on wine age. It showed that zNose together with chemical analysis methods could be used for discriminating wine age of Chinese spirit.

Key wordszNose; Chinese spirit; wine age; classification

收稿日期：2015-07-06，改回日期：2015-10-13

基金項(xiàng)目：江蘇省普通高校研究生科研創(chuàng)新計(jì)劃項(xiàng)目(KYLX_1158)；江蘇省產(chǎn)學(xué)研聯(lián)合創(chuàng)新資金(編號(hào)：BY20130155-22)

DOI:10.13995/j.cnki.11-1802/ts.201602026

第一作者：在讀博士研究生(李臻峰教授為通訊作者，E-mail:bcxwx@163.com)。