刘芳，杨康卓，张建敏，何张兰，彭志云，郑佳*
(宜宾五粮液股份有限公司，技术研究中心，四川宜宾，644007)
摘要该研究分别利用电子鼻和气质联用(gaschromatography-massspectrometry，GC-MS)分析7种不同品牌浓香型白酒的差异。结果表明，电子鼻的S2、S6、S7和S94个传感器对不同品牌浓香型白酒具有较好的响应信号，经主成分分析(principalcomponentanalysis，PCA)筛选后可以作为浓香型白酒差异的特征指标来衡量。基于传感器信号，比较了PCA和线性判别对不同各品牌浓香型白酒的分类效果，PCA分析能够对不同品牌白酒进行较好区分。GC-MS分析表明，不同品牌浓香型白酒风味物质含量存在明显差异，而PCA分析中关系密切的样品在风味成分层面存在相似性。该研究提供了一种基于电子鼻、GC-MS技术和数理统计分析相结合的浓香型白酒分类方法，为浓香型白酒的快速质量分类方法的开发提供了理论和数据支撑。
关键词浓香型白酒；电子鼻；GC-MS；分类；主成分分析
中国传统固态白酒采用粮谷类为原料(如高粱、大米、糯米、玉米、小麦等)，以大曲为糖化发酵剂，经发酵、蒸馏、贮存、勾调等工艺制成，与白兰地、威士忌、朗姆酒、伏特加、金酒并称为世界6大蒸馏酒[1]。白酒的品质往往决定于酒体中的微量和痕量风味成分，近年来，色谱等现代分析仪器已广泛应用于白酒品质的分析，目前白酒中已知的风味化合物超过1400种[2-4]。白酒中的风味成分含量极低，仅占总质量的1%～2%，是决定白酒香型、风格及品质的关键成分。
本文研究了电子鼻结合GC-MS在浓香型白酒分类分析应用的可行性，采用PCA分析对电子鼻传感器进行优选，基于优选后的电子鼻传感器响应值比较了PCA与线性判别分析(lineardiscriminantanalysis,LDA)对浓香型白酒的识别分类效果，并结合GC-MS分析结果，进一步分析浓香型白酒风味物质含量的差异，为浓香型白酒快速分类及风味快速分析提供理论依据和有效方法。
试验选择不同品牌浓香型白酒，样品信息如表1所示，所有酒样均购于本地市场。
表1浓香型白酒样品
Table1Thedetailsofthestrong-flavorbaijiusamples.
品牌酒度(乙醇体积分数)/%生产年份352014392017五粮液4520165220196820161573352016天之蓝422017剑南春522015丰谷522016水井坊392018国缘422008
甲醇(HPLC级)，Honeywell公司；二氯甲烷(色谱纯)，阿拉丁试剂有限公司；4-辛醇(内标)，Sigma-aldrich公司。
PEN3便携式电子鼻(含有10个金属氧化物传感器，各传感器主要性能如下[17]：S1(W1C)对方香成分敏感，S2(W5S)对氮氧化合物敏感，S3(W3C)对氨类芳香族化合物敏感，S4(W6S)对氢化物敏感，S5(W6S)对烷烃芳香族化合物敏感，S6(W1S)对甲烷类化合物敏感，S7(W1W)对无机硫化物敏感，S8(W2S)对醇类物质敏感，S9(W2W)对芳香成分和有机硫化物敏感，S10(W3S)对高浓度烷烃敏感)，德国Airesense公司;7890B-5977B气质联用仪，美国Agilent公司;DVB/CAR/PDMS固相微萃取纤维头，美国Supelco公司。
将酒样与水按照体积比1∶5进行稀释，取稀释液10μL于50mL进样瓶中，拧紧瓶盖，室温(24℃)平衡20min后进行测试。
萃取条件：取一定量样品，用饱和食盐水稀释100倍，取5mL稀释后的酒样于20mL顶空瓶中，加入50μL内标(4-辛醇，质量浓度为0.1g/L)；50℃平衡15min，插入萃取头，萃取45min后，在GC进样口中解析3min。
GC条件：DB-WAXETR色谱柱(30m×0.250mm×0.25μm)，载气为高纯度氦气，流速1mL/min，分流比10∶1；进样口温度250℃；升温程序：起始温度40℃，保持5min，以4℃/min升至230℃，保持5min。
MS条件：全扫描模式；EI离子源，电子能量70eV；离子源温度230℃，四级杆温度150℃，扫描范围30～350amu。
定性和定量：化合物的定性参考文献[18-19]，将物质的质谱图与NIST12数据库相比对，再计算物质的保留指数与文献值进行比对后确认；化合物的定量以4-辛醇为内标，用内标法进行半定量计算。
利用电子鼻配备的WinMuster软件进行PCA和LDA分析。
2.1.1电子鼻对白酒的信号响应
图1电子鼻10个传感器对52%vol五粮液的响应曲线
Fig.1Responsecurvesoftensensorsto52%volWuliangye
a-不同酒度五粮液；b-不同品牌白酒
图2不同品牌浓香型白酒雷达图
Fig.2Radarmapofdifferentbrandsofstrong-flavorbaijiu
2.1.2传感器优化分析
PCA分析是模式识别中最重要的降维方法之一，其主要思想是通过线性变换减少数据维度，最终经过变换的数据依然保留样本的主要信息。主成分分析中，第一变量具有最大方差，为第一主成分，第二变量方差次之，称做第二主成分，依次类推，一般前2个主成分包含了原始数据的主要信息[17]。
对浓香型白酒样本电子鼻采集的数据进行PCA分析，分析结果如图3所示。传感器在第一主成分的贡献率为94.52%，在第二主成分的贡献率为3.5%，其中W1C、W3C、W3S、W5S、W6S五个传感器对第一主成分及第二主成分贡献率几乎为0，表明上述5个传感器无法有效识别白酒的香气成分；W1S传感器对第一主成分的贡献率最大，W2W传感器对第一和第二主成分均具有较高的贡献率，W5S、W2W传感器对第二主成分具有较高的贡献值。根据传感器对不同化合物的敏感可知，W1S传感器对烷烃类化合物敏感，W1W传感器对无机硫化物灵敏，W5S传感器对氮氧化合物灵敏，W2W传感器对有机硫化物物灵敏，这表明浓香型白酒中第一主成分为烷烃类物质、无机/有机硫化物、氮氧化合物等，而第一主成分所代表的气体大类可以作为浓香型白酒差异的特征指标来衡量。
基于传感器载荷值，对传感器进行优选，以去除冗余信息，选择贡献率较高且载荷值不重叠的4个传感器进行后续分析，即S2(W1W)、S6(W1S)、S7(W1W)、S9(W2W)，这与上述传感器的响应结果相印证。
图3基于电子鼻响应值的PCA分析
Fig.3PCAanalysisofresponsevalues
2.1.3PCA分析不同度数的浓香型白酒
采用PCA方法对不同酒度五粮液的分析结果，由4图可知主成分1(PC1)的方差贡献率为94.45%，主成分2(PC2)方差贡献率为4.27%，累计贡献率达到98.72%，说明这2个主成分包含原始数据的绝大部分信息，可以反映不同酒度五粮液挥发性气体成分的整体信息。不同酒度五粮液分属不同区域且界线清晰，说明样本之间的挥发性气体成分有差异，电子鼻能够有效识别这种差异。PCA载荷图中，可用样品间的距离表征间的差异，35%vol五粮液与39%vol五粮液在第一主成分及第二主成分距离均较短，表明这2个样品相似度较高；45%vol五粮液与68%vol五粮液在第一主成分距离较近，在第二主成分距离较远，由此可知，这两个样本的差异主要表现在第二主成分。
图5为不同品牌浓香型白酒PCA分析结果，主成分1(PC1)的方差贡献率为98.26%，主成分2(PC2)方差贡献率为1.15%，累计贡献率达到99.41%，表明这2个主成分包含原始数据的绝大部分信息。PCA方法对11个样本区分度较高，表明该方法能够有效区分不同样本。
图4不同度数五粮液电子鼻响应值的PCA分析
Fig.4PCAanalysisofresponsevaluesofelectronicnoseinWuliangyewithdifferentalcoholcontents
图5不同品牌浓香型白酒电子鼻响应值的PCA分析
Fig.5PCAanalysisofresponsevaluesofelectronicnoseindifferentbrandsofstrong-flavorbaijiu
2.1.4LDA分析不同品牌浓香型白酒
LDA也称为Fisher判别分析，是模式识别的经典算法。其主要思想是给定样本分类标签，将分类后的样本投射到一维直线上,使得投影后类内方差最小，类间方差最大[20]。
本研究采用LDA法分析不同品牌浓香型白酒的电子鼻响应值，结果如图6所示。对于LDA分析，总贡献率超过70%～85%的方法即可使用，由图6可知第一判别式的贡献率为68.45%，第二判别式的贡献率为16.42%，总贡献率为84.87%。11个样本中，52%vol五粮液、水井坊及剑南春相互重叠，分离度较差。与PCA方法比较，该方法对同一样的本聚合度较高，但对个别样较差，推测可能是这3种白酒均产自四川，而这三者在生产工艺和地域上存在一定的相似性和关联性，挥发性风味成分的差异有可能主要体现在量比关系，进而在传感器层面无法获得更精细的差异信息，因此基于传感器数据的LDA分析暂时还不适用于对该类样本进行区分。
图6不同品牌浓香型白酒电子鼻响应值的LDA分析
Fig.6LDAanalysisofresponsevaluesofelectronicnoseindifferentbrandsofstrong-flavorbaijiu
为进一步揭示不同类型样品之间的关系，尤其是导致LDA分类相互影响的原因，本研究利用GC-MS分析了这些浓香型白酒的风味成分。图7为样本基于酯类物质含量均一化处理后的样本聚类分析，不同酒度五粮液酯类物质构成比例类似，随着酒度升高，酯类物质含量增加，39%vol五粮液、45%vol五粮液、52%vol五粮液及水井坊中酯类物质的类型及含量类似，被归为一类；丰谷、国缘、天之蓝、全兴、1573及35%vol五粮液酯类物质含量相对较低，被归为一类；68%vol五粮液除异戊酸乙酯与乳酸乙酯外，其他酯类物质远高于另10个样本，被区别于上述两类，单独归为一类。
图7不同品牌浓香型白酒酯类物质聚类分析
Fig.7Clusteranalysisofestersindifferentbrandsofstrong-flavorbaijiu
醇类物质依据含量被分为两类：39%vol五粮液、45%vol五粮液、52%vol五粮液、68%vol五粮液及水井坊中醇类物质含量相对较高，被归为一类；35%vol五粮液、1573、剑南春、国缘、天之蓝、丰谷中醇类物质含量相对低，被归为一类(图8-a)。11个样本其他风味物质含量差异较大，68%vol五粮液除壬醛及萘，其他风味物质含量明显高于另10个样本；国缘、1573及天之蓝其他风味物质含量相对较低被归为一类；1573、水井坊、丰谷、剑南春、35%vol五粮液、39%vol五粮液、45%vol五粮液及52%vol五粮液其他风味物质含量及组成类似、被归为一类(图8-b)。
a-白酒醇类物质；b-其他风味物质
图8不同品牌浓香型白酒醇类物质及其他风味物质聚类分析
Fig.8Clusteranalysisofalcoholsandotherflavorcompoundsindifferentbrandsofstrong-flavorbaijiu
浓香型白酒挥发性风味物质复杂，不同品牌浓香型白酒香气特性具有较大差异，本研究使用电子鼻对11种浓香型白酒进行检测。结果表明，电子鼻对不同品牌浓香型白酒挥发性风味成分具有较好的响应值，优选的S2、S6、S7、S9四种传感器数据可进行数据采集和分析。基于4种传感器的响应值，PCA对不同品牌浓香型白酒区分度较LDA好，该方法更适用于浓香型白酒的分类分析。GC-MS分析表明,不同品牌浓香型白酒风味物质含量存在明显差异，在PCA分析中关系较近的样品在风味成分层面存在一定的相似性。建立关于不同地域、质量等级以及不同类型白酒的电子鼻分类模型以及在生产中的实际应用将是后续的重点课题。
参考文献
[1]沈怡方.白酒生产技术全书[M].北京：中国轻工业出版社,1998.
[3]FANW,QIANMC.CharacterizationofaromacompoundsofChinese"Wuliangye"and"Jiannanchun"liquorsbyaromaextractdilutionanalysis.[J].JournalofAgriculturalandFoodChemistry,2006,54(7):2695-2704.
[4]FANWL，XUY，QIANMC.IdentificationofaromacompoundsinChinese“Moutai”and“Langjiu”liquorsbynormalphaseliquidchromatographyfractionationfollowedbygaschromatography/olfactometry[J].FlavorChemistryofWineandotherAlcoholicBeverages，2012:303-338.
[5]王俊,胡桂仙,于勇,等.电子鼻与电子舌在食品检测中的应用研究进展[J].农业工程学报,2004,20(2):292-295.
[6]徐赛,陆华忠,周志艳,等.电子鼻对荔枝成熟过程中理化参数的表征[J].食品工业科技,2016,37(8):100-103；115.
[7]赵秀洁,吴海伦,潘磊庆,等.基于电子鼻技术预测草莓采后品质[J].食品科学,2014,35(18):105-109.
[8]李宁,郑福平,李强,等.电子鼻对牛奶、奶油、奶味香精检测参数的研究[J].食品科学,2009,30(18):335-339.
[9]陈哲,赵杰文.基于电子鼻技术的碧螺春茶叶品质等级检测研究[J].农机化研究,2012,34(11):133-137.
[10]CYNKARW,DAMBERGSR,SMITHP,etal.ClassificationofTempranillowinesaccordingtogeographicorigin:Combinationofmassspectrometrybasedelectronicnoseandchemometrics[J].AnalyticaChimicaActa,2010,660(1-2):227-231.
[11]李静,宋飞虎,浦宏杰,等.基于电子鼻的白酒品质检测[J].食品与发酵工业,2015,41(4):160-164.
[12]王立川,张覃轶,黄伟.基于气体传感器阵列的白酒特征分析[J].传感技术学报,2010,23(12):1686-1689.
[13]李静,宋飞虎,浦宏杰,等.基于电子鼻的白酒品质检测[J].食品与发酵工业,2015,41(4):160-164.
[14]ZHANGQ,XIEC,ZHANGS，etal.IdentificationandpatternrecognitionanalysisofChineseliquorsbydopednanoZnOgassensorarray[J].SensorsandActuatorsB(Chemical),2005,110(2):370-376.
[15]张明霞,赵旭娜,杨天佑,等.顶空固相微萃取分析白酒香气物质的条件优化[J].食品科学,2011,32(12):49-53.
[16]范文来,徐岩.白酒风味物质研究方法的回顾与展望[J].食品安全质量检测学报,2014(10):3073-3078.
[17]LIUM,HANX,TUK,etal.ApplicationofelectronicnoseinChinesespiritsqualitycontrolandflavourassessment[J].FoodControl,2012,26(2):564-570.
[18]赵东,郑佳,彭志云,等.利用顶空固相微萃取、液液萃取和香气分馏技术鉴定糠壳的挥发性成分[J].酿酒科技,2016(12):31-39.
[19]ZHENGJ,LIANGR,WUC,etal.DiscriminationofdifferentkindsofLuzhou-flavorrawliquorsbasedontheirvolatilefeatures[J].FoodResearchInternational,2014,56:77-84.
[20]MORENO-GARCIAJ,RAPOSORM,MORENOJ.BiologicalagingstatuscharacterizationofSherrytypewinesusingstatisticalandoenologicalcriteria[J].FoodResearchInternational,2013,54(1):285-292.
LIUFang,YANGKangzhuo,ZHANGJianmin,HEZhanglan,PENGZhiyun,ZHENGJia*
(TechnologyResearchCenter,WuliangyeYibinCo.,Ltd.Yibin644007，China)
ABSTRACTBaijiuisacomplexsystemthatisconstituteofethanol-waterandtraceamountofaromacompounds,anditsqualityisdecidedbytheconstitutionandratioofaromacompounds.Inthisstudy,electronicnose(e-nose)andgaschromatography-massspectrometry(GC-MS)wereusedtoanalysisthedifferencein7brandsofstrong-flavorBaijiu(SFB).TheresultsshowedthatthesensorsincludingS2,S6,S7andS9ine-nosepresentedexcellentresponsesignalsfordifferentbrandsofSFB.Basedonsignalsofe-nose,comparisonbetweenprincipalcomponentanalysis(PCA)andlineardiscriminantanalysiswasconducted.TheresultssuggestedthatPCAcouldgaveclearclassificationbetweendifferentbrandofSFB.GC-MSanalysisshowedthatobviousdiscriminationwasdeterminedindifferentbrandsofSFB,andsamplesthatclusteredtogetherinPCAplothadsimilarvolatileprofiles.Thisstudyprovidedacomprehensivemethodemployinge-nose,GC-MSandstatisticalanalysistoclassifydifferentSFB,anditalsoprovidedtheoreticalanddatareferenceforthedevelopmentoffastclassificationmethodforSFB.
Keywordsstrong-flavorBaijiu;electronicnose;GC-MS;classification;principalcomponentanalysis
DOI:10.13995/j.cnki.11-1802/ts.022071
引用格式:刘芳，杨康卓，张建敏，等.基于电子鼻和气质联用技术的浓香型白酒分类[J].食品与发酵工业,2020,46(2):73-78.LIUFang,YANGKangzhuo,ZHANGJianmin,etal.Classificationofstrong-flavorBaijiuusingelectronicnoseandGC-MStechnologies[J].FoodandFermentationIndustries,2020,46(2):73-78.
第一作者：硕士(郑佳博士为通讯作者，E-mail：zhengwanqi86@163.com)
基金项目：固态发酵资源利用四川省重点实验室开放基金(2018GTJ004)；国家重点研发计划(2016YFD0400500)