基于電子鼻的葡萄酒感官評價模型的構建

宮 雪，劉 寧，李二虎，劉延琳，2*

（1.西北農林科技大學 葡萄酒學院，陜西 楊凌 712100；2.陜西省葡萄與葡萄酒工程技術研究中心，陜西 楊凌 712100；3.華中農業大學 食品科技學院，湖北 武漢 430070）

葡萄酒的香氣成分、感官評價及葡萄酒品質分析主要集中于儀器分析和感官評價兩方面。一是利用葡萄酒儀器分析檢測技術，來分析葡萄酒中的化學成分并判別葡萄酒的品質，主要集中于氣相色譜（gas chromatograph，GC）[1-2]、高效液相色譜（high performance liquid chromatography，HPLC）[3]、質譜（mass spectrometry，MS）技術[4-5]、氣質聯用（gas chromatography-mass spectrometry，GC-MS）技術和液質聯用（liquid chromatography-mass spectrometry，LC-MS）技術[6-7]及其他一些原子光譜分析技術[8-9]。這些研究技術需要消耗大量的化學試劑；且樣品多需要進行前處理，所得信息都是經樣品分離后的結果，測試結果都很難代表樣品的整體信息，所以需把分離后的結果進行重組后才可作對比分析[10-11]。二是通過傳統的葡萄酒感官評價方法，采用專業品嘗員進行評審，這種方法需要有專業知識和訓練的專家，不僅繁瑣還要付出高額的費用。因此研究高效、便捷的智能化葡萄酒香氣、感官評價分析方法顯得非常重要。

電子鼻由陣列化學傳感器和信號處理系統組成，工作過程是模擬哺乳動物嗅覺的過程。用已知氣味物質產生適當的模式或指紋數據來構造一個數據庫，并訓練一套模式識別系統，從而未知氣味物質進入后可以被分類識別出來[11-12]。電子鼻檢測系統具有方便、快捷的優點，葡萄酒樣品不需要進行前處理，對樣品不存在破壞，且檢測分析后得到的是樣品的整體信息，也稱作“指紋”數據；因此近年來得到了國內外研究者的廣泛關注。國內相關研究集中在藥物[13-14]、魚肉品質[15]、白酒[16]、乳制品[17-18]、咖啡茶葉[19-20]、及其他水果蔬菜成熟度及等級劃分等相關食品檢測中[21-23]。關于葡萄酒的相關研究還不豐富，有葡萄酒的分類檢測、酵母香氣評價[24-25]及酒精度定量分析[26]等相關研究。國外關于電子鼻的研究比較豐富，應用于許多領域，尤其在食品質量和安全控制方面應用較多[27]；如乳制品風味檢測[28]、呼吸道藥物研究[29-30]、牛柳質量檢測[31]等。其中關于在葡萄酒應用上的研究主要集中在不同參數葡萄酒的辨別分析[32-34]、與電子舌耦合使用監測發酵過程中葡萄酒香氣和口感的變化及與其他相關技術的比較等方面。

本研究結合模式識別方法評價電子鼻對不同釀酒酵母菌株釀造葡萄酒樣的鑒別效果，并構建基于電子鼻的葡萄酒感官評價模型，很好地結合了傳統感官評價和化學儀器分析方法特點，對葡萄酒的感官評價既可以總體把握葡萄酒樣品香氣特點，又能以客觀的將結果展示出來。

1 材料與方法

1.1 材料與試劑

試驗所用酒樣為2009年在寧夏御馬莊園以霞多麗葡萄為原料，按照葡萄酒廠大生產中的釀造工藝，分別用不同野生釀酒酵母釀造的干白葡萄酒，對照為商業酵母VL1。野生釀酒酵母菌株編號及對應酒樣編號如下：1號LFP529，2 號LFE1219，3 號LFA711，4 號LFE1217，5 號LFE1215，6號VL1，7號LFN524，8號LFP509，9號LFN518，10號LFP504，另外，選取寧夏產區商業酒樣11號霞多麗干白葡萄酒作為其他試驗酒樣的對照。

1.2 儀器與設備

PEN3電子鼻：德國Airsense公司。

1.3 檢測條件及方法

用微量移液器取每個酒樣10mL并將酒樣分別裝于20mL試管中，用封口膜密封，靜置，待測。電子鼻的傳感器陣列由10個不同的金屬氧化物組成，每根傳感器對某一大類香氣物質響應顯著，如表1所示。在電子鼻檢測酒樣前對待測樣品進行輕微振蕩以促進揮發性成分的釋放，電子鼻設置采樣時間為1s/組，傳感器自清洗時間為300s，傳感器歸零時間為10s，樣品準備時間為5s，進樣流量為300mL/min，分析采樣時間為30s。采用直接頂空吸氣法，在室溫20℃條件下，對樣品進行檢測，每個樣品做3個平行。

1.4 感官評分

由西北農林科技大學葡萄酒學院專業品嘗訓練小組進行酒樣的感官品嘗分析，感官評分標準（滿分100分）見表2。品嘗小組由30名葡萄酒專業的學生及老師組成，感官分析前品嘗小組用葡萄酒標準香氣物質訓練，直至品嘗小組對葡萄酒香氣特征辨別分析結果的偏差小于整體平均值的5%，另外還經過嚴格的相關專業品嘗知識及實踐培訓。

表1 電子鼻不同傳感器對應香氣種類Table 1 Electronic nose corresponding to different sensors aroma type

表2 葡萄酒感官評分標準Table 2 Sensory evaluation standard of grape wine

2 結果與分析

2.1 不同模式識別方法對不同菌株葡萄酒樣品的鑒別

2.1.1 主成分分析

圖1 WinMuster主成分分析結果圖Fig.1 Principal component analysis result by WinMuster

根據電子鼻系統自帶數據分析軟件WinMuster中顯示的電子鼻檢測信號圖譜，分析采樣時間共30s，選取電子鼻傳感器檢測信號較穩定時間范圍12～22s的數據對實驗數據進行主成分分析（principal component analysis，PCA），結果見圖1?？梢缘贸龅谝恢鞒煞趾偷诙鞒煞?，主成分1和主成分2方差累計貢獻率91.19%，能夠反映原信息量；主成分1方差貢獻率63.14%，主成分2方差貢獻率28.05%。

由圖1可知，電子鼻可以將10種不同菌株釀造的葡萄酒樣品及商業酒樣根據每個葡萄酒樣品的不同特征香氣100%完全區分開來，這說明試驗所采用的不同野生釀酒酵母菌株具有各自的釀酒特性，使得酒樣具有各自不同的香氣特色，并且電子鼻可以根據這些不同釀酒酵母菌株釀造的葡萄酒酒樣之間的不同香氣特點將其區分開來。

2.1.2 線性判別分析

根據電子鼻系統自帶數據分析軟件WinMuster中顯示的電子鼻檢測信號圖譜，分析采樣時間共30s，選取電子鼻傳感器檢測信號較穩定時間范圍12～22s的數據對試驗數據進行線性判別分析（linear discriminant analysis，LDA），預處理結果見圖2。由圖2可知，在11種酒樣之間均存在重合區域，即存在誤判，電子鼻不能將酒樣區分開來。

圖2 WinMuster線性判別分析圖Fig.2 Linear discriminant analysis result by WinMuster

自帶WinMuster軟件中的線性判別分析預處理結果不能得到線性判別分析的判別函數式，因此，選取電子鼻傳感器檢測信號較穩定時間范圍12～22s的數據使用SPSS 19.0軟件對11款酒樣分別使用Fisher判別法和貝葉斯判別法進行判別分析。通過使用Fisher判別法得到的典則判別函數的判別圖見圖3。由圖3可知，每種酒樣的組數據的質心能夠清晰分辨開來，但有部分酒樣之間出現重合，即有些酒樣存在誤判，這與WinMuster軟件線性判別分析結果一致。

圖3 Fisher判別法函數圖Fig.3 Linear discriminant analysis by Fisher

通過貝葉斯判別分析求得11種酒樣的Fisher線性判別式函數，即貝葉斯得分系數見表3。根據表3中的貝葉斯的得分系數可以依次寫出LFP529、LFE1219、LFA711等11個酒樣的分類函數，對每個菌株所釀酒樣的判別過程即將電子鼻傳感器W1C、W5S、W6S、W5C、W1W、W2W的響應值分別代入分類函數，求得11個后驗概率，概率最大的即屬于該菌株所釀酒樣。將每個菌株所釀酒樣12～22s范圍的檢測數據分別代入表3中共11個Fisher線性判別式函數對每個菌株所釀酒樣進行判別，分類結果見表4。由表4可知，對4號酒樣LFE1217正判率為100%，其余酒樣均存在一定的誤判，對所有分析樣品中的69.3%個進行了正確分類。

綜合以上2種模式識別方法的分析發現，不同的模式識別分析方法會對智能感官系統的分析結果有所影響，因此在實際的生產實踐中，需要選擇多種不同模式識別分析方法來對智能感官檢測數據進行分析，以找出最佳分析方法，獲得較準確的研究結果。本研究中，通過Winmuster軟件得到的主成分分析圖（見圖1）、線性判別分析圖（見圖2）和SPSS分析得到的典則判別函數圖（即Fisher判別法）（見圖3）及貝葉斯判別分析法得到的分類結果（見表4）。由表4可知，主成分分析方法對不同野生釀酒酵母菌株釀造葡萄酒的鑒別效果要比Fisher線性判別法和貝葉斯判別分析結果都要好，因此本研究選擇主成分分析方法建立基于電子鼻的2009寧夏御馬霞多麗干白葡萄酒感官評價模型。雖然電子鼻不能像氣相質譜聯用儀器將葡萄酒樣的香氣進行準確的分類和定量，但電子鼻檢測數據是葡萄酒香氣的指紋數據，能夠從整體上表達出葡萄酒的香氣大類和濃度，快速、便捷的對葡萄酒進行感官評價，這對于以后快速客觀評價葡萄酒提供了一種新的途徑。

表3 Fisher的線性判別式函數Table 3 The Fisher classification function coefficient

表4 分類結果Table 4 Results of classification

2.2 基于主成分分析的葡萄酒感官評價模型的建立

由于電子鼻自帶的WinMuster軟件的主成分分析結果無法提取出相應主成分的特征值和特征向量，從而不能建立基于主成分分析的葡萄酒感官評價模型，因此依然選取電子鼻傳感器檢測信號較穩定時間范圍12～22s的數據，輸入SPSS 19.0軟件進行主成分分析，建立識別模型。分析結果得到主成分1和主成分2累計方差貢獻率為98.83%，能夠反映原信息量。主成分1方差貢獻率82.42%，主成分2方差貢獻率16.41%。根據分析結果中的主成分載荷矩陣和相對應的主成分特征值λ1=8.30，λ2=1.59，可以計算得出相對應主成分的特征向量，將此特征向量與標準化后的數據相乘，即可得出主成分1和2的得分表達函數分別為F1和F2：

函數中ZW1C、ZW5S等表示原始變量經過標準化處理后的值。通過主成分F1和F2的表達函數可以看出，對于第二主成分，W3C和W5C傳感器所占比重在50%以上，因此第二主成分主要由W3C和W5C傳感器解釋，第一主成分主要由剩余8根傳感器W1C、W5S、W6S、W1S、W1W、W2S、W2W、W3S解釋。檢測結果第一主成分得分82.42%遠遠大于第二主成分的16.41%，因此，第一主成分的8根傳感器是影響電子鼻檢測結果的主要方面，也是電子鼻反應的主要方面。因此根據表1中不同傳感器分別顯著響應于不同類香氣物質，可以認為電子鼻主要根據不同菌株所釀酒樣中醇類、芳香成分，硫化物類等對酒樣進行區分鑒別。

根據主成分1和主成分2的特征值λ1=8.30，λ2=1.59可以計算得出主成分綜合模型F=λ1/（λ1+λ2）F1+λ2/（λ1+λ2）F2，如下：

根據該主成分綜合模型，可以計算得出各樣品的綜合主成分值。根據上文分析的主成分1、2的得分及各主成分主要對應的電子鼻傳感器，所以各樣品的綜合主成分值反映了不同菌株所釀酒樣中醇類、芳香成分，硫化物類等物質的不同含量。

2.3 感官評價對模型的驗證

為了檢驗基于電子鼻檢測數據建立的葡萄酒感官評價綜合主成分模型的分析效果，通過對比傳統的專業品嘗員對葡萄酒感官評價結果，各酒樣的感官品嘗統計得分結果及排名順序見表5。

表5 綜合主成分值及品嘗得分表Table 5 Comprehensive principal component value and sensory score

從表5可以看出，專業品嘗小組對酒樣的感官評價得分排名先后順序為2、4、3、5、8、7、9、6、10、1、11。該結果與所建模型的綜合主成分得分排名略有不同，其中6號與9號酒樣顛倒位置，其余酒樣均一致。6號酒樣為商業酵母VL1酒樣，9號為LFN518酒樣，2種酒樣的電子鼻感官評價結果與品嘗員評價結果有微小誤差，這可能與品嘗員的主觀性有一定聯系。從圖1的主成分分析結果可知，VL1與LFN518這2種酒樣香氣種類和濃度相似，表示這2株菌產香風格相似，但不影響驗證電子鼻對所有葡萄酒樣品的整體客觀評價效果。

3 結論

本研究基于電子鼻建立的對葡萄酒感官評價的綜合主成分評價模型對葡萄酒的感官評價具有一定的可參考性，與傳統葡萄酒感官評價結果具有很好的一致性，有望成為對葡萄酒進行客觀評價的新途徑。但由于該模型所包含檢測酒樣的數量有限，對于豐富多樣的葡萄酒樣品，適用范圍會受到一定限制。在進一步的試驗中，需要采集更多的葡萄酒樣品，以建立葡萄酒感官評價的模型數據庫，擴大模型的適用范圍，為進行更客觀的葡萄酒感官評價提供一定的參考。

[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.電子鼻在食品感官檢測中的應用進展[J].食品與發酵工業，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，吳純潔，艾 莉，等.基于電子鼻，電子舌技術實現中藥性狀氣味客觀化表達的展望[J].中成藥，2009，31（2）：281-284.

[14]盛 良.用電子鼻，電子舌檢測中西藥物共同藥效物質基礎[J].現代中西醫結合雜志，2008，17（18）：2778-2780.

[15]汪 敏，趙 曄.電子鼻和電子舌在魚肉鮮度評價中的應用研究[J].肉類研究，2009（6）：63-65.

[16]史志存，李建平，馬 青，等.電子鼻及其在白酒識別中的應用[J].儀表技術與傳感器，2000（1）：34-37.

[17]范佳利，韓劍眾，田師一，等.電子鼻和電子舌在乳制品品質及貨架期監控中的應用研究[J].食品工業科技，2009（11）：343-346.

[18]蘭會會，胡志和.電子鼻技術在乳品生產與質量控制中的應用[J].食品科學，2010，31（17）：467-471.

[19]胡榮鎖，谷風林，宗 迎，等.不同研磨時間對咖啡感官風味的影響[J].中國農學通報，2012，28（9）：259-263.

[20]史波林，趙 鐳，汪厚銀，等.智能感官分析技術在茶葉品質檢測中的應用[J].食品科學，2009，30（19）：351-355.

[21]孫月娥，陳 芬.電子鼻與電子舌在果蔬質量評價中的應用[J].食品工業，2011（4）：87-89.

[22]唐曉偉，張萬清，耿利華，等.電子鼻評價甜瓜成熟度及風味的研究[J].中國農學通報，2010，26（21）：75-80.

[23]張 哲.仿生電子鼻傳感器陣列設計及其在牛肉品質檢驗中的應用[D].長春：吉林大學博士論文，2008.

[24]梁 威，張麗娜，王 歡，等.基于電子鼻技術的葡萄酒分類檢測方法[J].科學技術與工程，2013，13（4）：930-934.

[25]劉 寧，馬 捷，劉延琳.電子鼻對釀酒酵母菌株產香特性的評價[J].食品科學，2011，32（2）：164-167.

[26]張樹明，楊 陽，倪元穎.近紅外光譜和電子鼻技術用于葡萄酒發酵過程中酒精度的定量分析[J].光譜學與光譜分析，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.