基于zNoseTM電子鼻的新產(chǎn)原酒品質(zhì)檢測

張君生，李臻峰,2*，宋飛虎,2，李靜,2，朱冠宇，張鑫，呂丙

1(江南大學(xué) 機械工程學(xué)院，江蘇 無錫，214122) 2(江蘇省食品先進制造裝備技術(shù)重點實驗室，江蘇 無錫，214122) 3(山西杏花村汾酒廠股份有限公司 技術(shù)中心，山西 汾陽，032200)

中國白酒一般以糧谷為主要原料，用大曲、小曲、麩曲或酒母等為糖化發(fā)酵劑，經(jīng)蒸煮、糖化、發(fā)酵、蒸餾而制成，為世界六大蒸餾酒之一[1]。

目前，新產(chǎn)原酒質(zhì)量等級評判主要通過專業(yè)品酒師感官審評結(jié)合總酸、總酯含量確定。除滿足感官品評標(biāo)準(zhǔn)外，不同等級新產(chǎn)原酒總酸、總酯含量還需滿足企業(yè)標(biāo)準(zhǔn)，對未滿足企業(yè)標(biāo)準(zhǔn)的新產(chǎn)酒需做降級處理。在實際生產(chǎn)中，由于車間班組多、產(chǎn)量大，即使品酒師經(jīng)過專業(yè)訓(xùn)練，也難免受到自身身體狀況與所處環(huán)境等因素影響，從而使等級評價準(zhǔn)確性受到干擾[2]。同時，人工感官評判結(jié)合化學(xué)方法繁瑣費時，很難做到實時快速檢測[3]。除上述方法外，色譜法、近紅外光譜法與電子鼻檢測也是常用的白酒品質(zhì)分析方法，但光譜儀[4]、色譜儀等大型儀器設(shè)備檢測或是時間、空間上存在局限性，或是需要復(fù)雜的前期準(zhǔn)備工作，使得這幾種方法主要用于實驗研究。電子鼻在白酒檢測方面，已經(jīng)有一些針對不同年份[5]、不同香型與不同品牌白酒檢測的研究，例如徐晚秀[6]等利用電子鼻對不同年份汾酒揮發(fā)性物質(zhì)進行檢測實現(xiàn)不同酒齡汾酒的鑒別；鄧霞[7]通過zNoseTM電子鼻對白酒中含碳有機物進行分析，實現(xiàn)了不同品牌汾酒鑒別。但目前電子鼻主要應(yīng)用于經(jīng)過品酒師區(qū)分或經(jīng)過勾兌后的成品酒鑒別[8]，對于未經(jīng)感官分級的原酒的檢測[9]以及對白酒總酸、總酯預(yù)測研究較少。因此對檢測白酒內(nèi)部品質(zhì)而言，電子鼻檢測仍然是一種比較新穎的方法。

該文以山西杏花村汾酒集團3個等級大茬新產(chǎn)原酒為研究對象，根據(jù)zNoseTM電子鼻采集的指紋圖譜結(jié)合化學(xué)計量法對新產(chǎn)原酒進行等級評定，并對總酸、總酯含量進行預(yù)測分析。

1 材料與方法

1.1 材料

山西杏花村汾酒集團提供一車間、二車間24個班組，2018年1月9日-14日，連續(xù)6天3個等級大茬新產(chǎn)原酒，共計144個樣品。其中，一級酒樣本31個、優(yōu)級酒樣本92個、特優(yōu)級酒樣本21個。由于采樣過程中未產(chǎn)出等外級原酒，故本文未對其進行討論。

1.2 儀器與設(shè)備

本文使用了一種基于超快速氣相色譜分析原理的電子鼻系統(tǒng)(zNoseTM4200 Fast GC Analyzer, Electronic Sensor Technology, New Bury, CA, USA)進行揮發(fā)性物質(zhì)檢測分析。該系統(tǒng)主要包含：短色譜分離柱(DB-5)、傳感器和電路系統(tǒng)。其主要工作原理為不同揮發(fā)性物質(zhì)在短色譜分離柱的滯留時間不同，使物質(zhì)在到達傳感器前得到分離。不同物質(zhì)在分離后通過壓電石英晶體傳感器時被黏附在傳感器的表面，從而改變傳感器的振蕩頻率(單位counts)。該頻率變化被微控制器捕獲，以此表征不同揮發(fā)性物質(zhì)及其含量。

1.3 實驗方法

1.3.1 實驗氣味圖譜獲取

檢測前，需對電子鼻系統(tǒng)進行預(yù)熱，用正構(gòu)烷烴標(biāo)準(zhǔn)液對其進行標(biāo)定與校準(zhǔn)，從而修正有機物停留時間偏移問題。系統(tǒng)參數(shù)設(shè)定：傳感器測試溫度60 ℃，烘烤溫度150 ℃，采樣時間10 s；運載氣體氦氣(99.999%)，每次酒樣檢測過程耗時64 s。

試驗中，為充分測試原酒樣品中揮發(fā)性物質(zhì)，每個酒樣(10 mL)放入配有隔膜密封螺絲帽的頂空玻璃瓶中(40 mL)，置于室溫(19～21 ℃)下1 h。電子鼻通過側(cè)式針刺入頂空玻璃瓶進行取樣檢測，每個待測樣品重復(fù)3次,取均值。

1.3.2 感官評價

感官評價小組由汾酒質(zhì)量中心7名女性，3名男性，共10名品酒師組成。評價人員當(dāng)天身體狀況良好，并各自對樣品進行品評(每次1個，品嘗完后漱口)，獨立完成對樣品各項指標(biāo)的打分，確定等級。感官評價方法參考汾酒企業(yè)內(nèi)部標(biāo)準(zhǔn)Q/XFJ 06.04—2017。其中特優(yōu)級：80～100分、優(yōu)級：70～79分、一級：60～69、另存：60分以下。感官評價標(biāo)準(zhǔn)見表1。

表1 汾酒新產(chǎn)原酒質(zhì)量感官評價標(biāo)準(zhǔn)Table 1 The evaluation standard of the quality of the new wine production

1.3.3 總酸、總酯測定

采用化學(xué)滴定法測量3個等級共144個酒樣中總酸、總酯含量真實值。取25.00 mL酒樣，置于250 mL錐形瓶中，加入100 mL水和2滴0.1%酚酞指示劑，采用4 g/L(0.1 mol/L)NaOH標(biāo)準(zhǔn)溶液滴定至淺粉色，半分鐘不褪，記錄消耗NaOH標(biāo)準(zhǔn)溶液體積。再加入NaOH標(biāo)準(zhǔn)溶液25 mL，用9.8 g/L (0.1 mol/L)H2SO4標(biāo)準(zhǔn)溶液進行反滴定，微紅色剛好完全消失時，記錄消耗H2SO4標(biāo)準(zhǔn)溶液的體積。具體測量結(jié)果如表2所示，從表2可得，隨著新產(chǎn)酒等級的提高，總酸、總酯含量均值呈上升趨勢，且一級與優(yōu)級之間的酸酯均值差異較大。

表2 3個等級新產(chǎn)原酒總酸、總酯指標(biāo)含量實測值Table 2 Total content of total acids and total esters in 3 grades of faw Baijiu newly produced

1.4 數(shù)據(jù)分析方法

主成分分析(principal component analysis, PCA)是從原始變量中去除冗余信息，提取出幾個少數(shù)指標(biāo)(即主成分)，使它們盡可能多保留原始變量的信息，且彼此間互不相關(guān)，從而起到降維與簡化問題的作用[10]。

費舍爾判別分析(fisher discriminant analysis, FDA)是一種通過組合原始數(shù)據(jù)從而優(yōu)化區(qū)分性的分類技術(shù)，可計算出原始變量重新組合后的典型變量，使組間方差比率最大化的同時保證組內(nèi)差異最小，從而使各個組間的重心距離最大[11]。

偏最小二乘法(partial least square, PLS)是一種線性的統(tǒng)計分析方法，集多元回歸分析、典型相關(guān)性分析和主成分分析的基本功能于一體，將建模預(yù)測類型的數(shù)據(jù)分析方法與非模型式的數(shù)據(jù)內(nèi)涵分析方法有機結(jié)合，可同時實現(xiàn)回歸建模、數(shù)據(jù)結(jié)構(gòu)簡化和2組變量間的相關(guān)性分析[12]。

主成分分析和費舍爾判別分析使用SPSS 19.0軟件進行處理。總酸、總酯偏最小二乘回歸分析采用軟件MatlabR 2014b進行處理。

2 結(jié)果與分析

2.1 不同年份汾酒圖譜

通過電子鼻配套的軟件MicroSense 5.0將由傳感器采集到原始頻率信號進行一階求導(dǎo)，從而減小氣味峰寬，并將正數(shù)部分進行平滑處理，獲得樣品標(biāo)準(zhǔn)指紋圖譜[13]，這一點與氣相色譜儀類似。指紋圖譜中橫坐標(biāo)為酒樣中揮發(fā)性物質(zhì)在分離柱中停留時長(retention time，RT)。指紋圖譜中每一個峰代表具有相同碳原子數(shù)的有機化合物，各個峰峰面積代表樣品中揮發(fā)出有機化合物含量。3個等級汾酒新產(chǎn)原酒與烷烴標(biāo)準(zhǔn)液圖譜如圖2。

圖1 正構(gòu)烷烴(C6～C14)和3個等級汾酒原酒樣品一 階導(dǎo)數(shù)圖譜Fig.1 First-order derivative maps of n-alkanes (C6～C14) and 3 grades of liquor

圖譜中正構(gòu)烷烴標(biāo)準(zhǔn)液編號6～14代表含有6～14個碳原子化合物，樣品圖譜編號1～8代表特征峰1～8，以上樣本中，所篩選8個特征峰峰面積和均超過全部峰峰面積和的93.1%，部分樣本在特征峰8后雖然出現(xiàn)一些面積很小的尾峰，考慮到測量誤差予以舍棄。綜上，新產(chǎn)原酒等級判別使用篩選的8個特征峰作為特征值變量。

2.2 新產(chǎn)原酒等級判別

2.2.1 主成分分析

使用篩選的8個特征峰峰面積作為特征值變量，進行主成分分析，前2個主成分PC1和PC2解釋了樣品間85.3%的差別，即前2個主成分包含了原始變量85.3%的信息，其中PC1解釋了63.0%的差別，PC2解釋了22.3%的差別，因此選取前2個成分來代替原始變量。以主成分PC1，PC2為橫縱坐標(biāo)軸繪制出酒樣二維得分圖，如圖2所示。結(jié)合PC1與PC2可直觀得到3種等級新產(chǎn)原酒的區(qū)分結(jié)果，從圖2可以看出，3個等級新產(chǎn)原酒呈現(xiàn)近似平行趨勢，且一級酒與優(yōu)級酒之間存在少量邊界區(qū)域重疊現(xiàn)象，結(jié)果表明結(jié)合PC1與PC2可以較為有效對3個等級新產(chǎn)酒進行區(qū)分。

圖2 主成分分析得分圖Fig.2 Score plot of principal component analysis

圖3為2個主成分相應(yīng)載荷圖，對區(qū)分3種不同等級新產(chǎn)原酒貢獻最大的為峰1、2、4。盡管它們對樣品分類貢獻最大，但峰1與峰2是圖譜中面積最大的峰而不是區(qū)別最大的峰，峰4相對其他峰而言變化也很小。主成分分析過程中起主要作用的為面積較大但區(qū)別作用小的特征峰，這使得我們對主成分分析的可靠性產(chǎn)生疑問，為了驗證主成分對不同等級新產(chǎn)原酒建立的預(yù)測模型，接下來運用費舍爾判別進行分析。

圖3 三個等級新產(chǎn)原酒載荷圖Fig.3 Loading plot of 3 bands of samples

2.2.2 費舍爾判別分析

將全部144個樣本分為2部分，其中97個用于校準(zhǔn)，47個樣本用于驗證，具體信息如表3所示。

表3 3個等級新產(chǎn)原酒校準(zhǔn)集、驗證集樣本數(shù)量Table 3 Samples of calibration and verification sets for 3 levels of newly-produced original liquor

費舍爾判別分析共得到4個判別函數(shù)，對于模型貢獻率分別為63.0%、30.4%、4.8%和1.8%。前2個判別函數(shù)的累計貢獻率達到93.4%，因此選用前2個判別函數(shù)對3個等級新產(chǎn)原酒進行分類。將前2個判別函數(shù)作為橫縱坐標(biāo)軸畫出散點圖(圖4)。圖4中不同符號代表不同等級新產(chǎn)原酒樣本，相同符號空心點代表校準(zhǔn)樣本，實心點代表驗證樣本(標(biāo)識后C表示校準(zhǔn)樣本，V表示驗證樣本)。47個驗證集樣本中7個樣本識別錯誤，預(yù)測準(zhǔn)確率為85.11%，3個等級新產(chǎn)原酒分布區(qū)間無重疊區(qū)域，且各等級原酒聚集效果更好，結(jié)果表明費舍爾判別分析效果優(yōu)于主成分分析。

圖4 費舍爾判別分析得分圖Fig.4 Score sketch of Fisher discriminant analysis

2.3 總酸、總酯預(yù)測

考慮到zNoseTM獲得各氣味峰值之間存在一定相關(guān)性，應(yīng)變量集中度高且樣本數(shù)量未達到20倍于峰的數(shù)量，常用的多元線性回歸缺乏穩(wěn)健性，本文使用偏最小二乘回歸進行建模分析。

在建模過程中，因子提取個數(shù)由全部因變量預(yù)測殘差平方和的方均根確定，如表4所示。表4的結(jié)果是基于舍一交叉驗證方法，抽取的因子個數(shù)分別為0～8時算得，提取因子個數(shù)為2時，對應(yīng)的預(yù)測殘差方均根(PRESS)最小，其數(shù)值為0.800 252，因此實驗提取2個因子進行建模分析。

表4 氣味特征變量因子提取表Table 4 Odor characteristics variable factor extraction

將全部144個樣本分為2部分，其中97個作為校正集，另外47個作為預(yù)測集，具體信息如表3所示。利用偏最小二乘回歸對酒樣的總酸、總酯含量進行回歸擬合與預(yù)測，結(jié)果如圖6和圖7所示，利用97個樣本作為校正集數(shù)據(jù)建立的酸酯模型，總酸、總酯擬合決定系數(shù)分別為0.896 2、0.914 7，校正均方差誤差分別為0.018 0 g/L、0.258 8 g/L，另外47個作為測試集樣本，總酸、總酯模型實測值與預(yù)測值決定系數(shù)分別為0.836 1、0.852 2，預(yù)測均方根誤差分別為0.021 9 g/L、0.299 4 g/L。結(jié)果表明利用偏最小二乘建模可對不同等級新產(chǎn)原酒總酸、總酯指標(biāo)含量進行較為準(zhǔn)確的預(yù)測，且對總酯的預(yù)測效果好于總酸。

圖5 總酸測量值的PLS預(yù)測結(jié)果圖Fig.5 PLS prediction results plot for total acid measurements

圖6 總酯測量值的PLS預(yù)測結(jié)果圖Fig.6 PLS prediction results for total ester measurements

3 結(jié)論

該文基于zNoseTM電子鼻系統(tǒng)對新產(chǎn)原酒等級進行鑒別，并對總酸、總酯含量進行預(yù)測研究。通過氣味峰值的提取篩選并運用主成分與費舍爾判別分析，建立了氣味峰峰面積與新產(chǎn)原酒等級之間的關(guān)系。研究表明費舍爾判別分析效果優(yōu)于主成分分析，識別正確率達到85.11%。通過偏最小二乘回歸法建立總酸、總酯預(yù)測模型，研究發(fā)現(xiàn)總酸、總酯含量的預(yù)測集模型決定系數(shù)分別為0.836 1、0.852 2，預(yù)測均方根誤差分別為0.021 9 g/L、0.299 4 g/L，誤差在可接受范圍。表明zNoseTM電子鼻系統(tǒng)結(jié)合費舍爾判別可對新產(chǎn)原酒等級進行有效判別。建立偏最小二乘回歸模型可對總酸、總酯含量進行有效預(yù)測，且總酯預(yù)測效果較好。利用zNoseTM型電子鼻系統(tǒng)進行檢測既不同與傳統(tǒng)感官品評是一種整體模糊的感受，也不同于色譜儀器對近百種物質(zhì)進行精細(xì)描述，而是介于兩者之間的含相同碳原子化合物的檢測，將其應(yīng)用于未經(jīng)品酒師感官區(qū)分與勾兌的新產(chǎn)原酒品質(zhì)檢測，結(jié)合分層思想可以為白酒品質(zhì)檢測提供一種新的技術(shù)手段。

利用電子鼻速度快、效率高的特點，將該技術(shù)運用到新產(chǎn)酒等級劃分與酸酯含量預(yù)測，并不是為了代替現(xiàn)階段通過品酒師對不同等級新產(chǎn)汾酒進行品評的環(huán)節(jié)，而是結(jié)合數(shù)理統(tǒng)計方法作為傳統(tǒng)感官評價的一種補充手段，進一步推進新產(chǎn)酒品質(zhì)評價數(shù)字化，為汾酒生產(chǎn)工藝的改進提供技術(shù)支持。