电子鼻技术在朗姆酒分类识别中的应用研究

缪 璐，何善廉，莫佳琳，吕仕军

（广西产品质量检验研究院，广西 南宁 530007）

电子鼻技术在朗姆酒分类识别中的应用研究

缪 璐，何善廉，莫佳琳，吕仕军

（广西产品质量检验研究院，广西 南宁 530007）

采用德国AIRSENSE公司PEN3电子鼻嗅觉指纹分析系统对不同产地（中国、牙买加、古巴、危地马拉、菲律宾）的朗姆酒以及四种不同工艺原酒的香气进行了检测，分析电子鼻指纹图谱各特征峰，分别利用主成分分析方法（PCA）和线性判别因子分析法（LDA）建立了识别模型，采用传感器区分贡献率（Loadings）对传感器进行研究，确认各传感器对样品区分的贡献率大小，从而可以考察哪一类气体起了主要区分作用。结果表明：PEN3电子鼻不仅可以很好的区分不同产地的朗姆酒，而且对四种不同工艺的原酒也做出了较好的分类判别。

朗姆酒；电子鼻；主成分分析方法（PCA）；线性判别因子分析法（LDA）

朗姆酒是以甘蔗或者糖蜜为原料，经压榨、发酵、蒸馏、橡木桶陈酿、勾兑、包装而成的甘蔗蒸馏酒［1］。它提高了甘蔗加工的附加值，是甘蔗深加工的代表产品。朗姆酒是一种风格非常多变的产品，不同的地区酿造出的朗姆酒具有不同的风味［2］，其中香气是朗姆酒最重要的感官特性。而目前其感官评价均是人工评价，会因评价者主观因素产生不同的结果，为提高朗姆酒品质评审的客观性、可靠性、重复性，减少人为评定差异，近年来国内外在应用电子鼻技术方面，开展了一系列研究，并取得相当进展。关于酒类研究主要集中在葡萄酒、白酒等酒龄鉴别［3，4］、感官评价［5-8］、产地区分［9］以及香气识别［10-12］，但是尚未见有报道采用电子鼻对朗姆酒分类识别进行研究。

因此，本文采用德国AIRSENSE公司生产的电子鼻指纹分析系统采集不同产地和不同工艺的朗姆酒样品的嗅觉指纹信息，运用主成分分析（PCA）、线性判别因子分析法（LDA）和传感器区分贡献率分析（Loadings）讨论电子鼻对不同产地、不同工艺朗姆酒的区分效果，为朗姆酒香气感官质量评价体系的建立提供依据。

1 材料与仪器

1.1 材料

白朗姆（产地：中国）；旧款摩根（产地：牙买加），哈瓦那（产地：古巴），萨凯帕（产地：危地马拉），欧德船长（产地：菲律宾）。

广西甘纳酒业蒸馏出的原酒1号样品（R14：2015年4月11日生产；R15：2015年4月12日生产；R16：2015年4月13日生产；R17：2015年4月14日生产；R18：2015年4月15日生产，均是木桶贮存）。

原酒2号样品（R19：2014年4月24日生产，木桶贮存；R20：2014年7月16日生产，木桶贮存；R21：2014年4月17日生产，陶坛贮存）。

原酒3号样品（R22：2014年7月24日生产，木桶贮存；R23：2015年1月25日生产，木桶贮存；R24：2014年2月18日生产，陶坛贮存）。

原酒4号样品（R25：2015年3月23生产；R26：2015年4月9生产；R27：2015年4月10生产；R28：2015年4月14生产；R29：2015年4月15生产，均是木桶贮存）。

1.2 仪器

德国AIRSENSE公司PEN3电子鼻指纹检测系统，内置10个金属氧化气体传感器，能在1 min内完成气味物质的检测。

2 实验方法

2.1 电子鼻参数条件

直接顶空吸气法：取10mL酒样，至进样瓶，电子鼻进行测定；参数设定：采样时间为1s/组，传感器自清洗时间为120s，传感器归零时间为10s，样品准备时间为5s，进样流量为600mL/min，分析采样时间为60s。

2.2 模式识别方法

模式识别是对传感器阵列的输出信号进行合适的处理，以获得混合气体组分信息和浓度信息［13］。在电子鼻系统中，模式识别技术对整个系统的搭建起关键作用，本实验的模式识别是基于WinMuster软件平台完成。

在对每个样品的数据采集过程中，由于每个传感器对某一类特征气体响应剧烈，可以确定样品分析过程中样品主要挥发气体是哪一类型，10个不同金属氧化物传感器及其对应的香气类型见表1。对于样品区分分析，本实验提取10个传感器的特征值，然后采用主成分分析法（PCA），线性判别法（LDA）和传感器区别贡献率分析法（Loadings）作为主要区别分析方法。

表1 传感器及其对应的香气类型

2.2.1 主成分分析（PCA）

主成分分析是将所提取的传感器多指标的信息进行数据转换和降维，找出几个综合因子来代表原来众多的变量，使得这些综合因子尽可能多地反映原来变量的信息，而彼此之间互不相干［14］，却能反映原来多指标的信息，最后在PCA分析的散点图上显示主要的两维或三维散点图。PC1轴和PC2轴上包含了在转换中得到的第一主成分和第二主成分的贡献率，贡献率越大，说明降维后的综合指标可以较好地反映原来多指标的信以达到简化的目的［15］。

2.2.2 线性判别分析（LDA）

线性判别式分析（Linear Discriminant Analysis，LDA），是模式识别的经典算法。其基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性［16］。第一、第二主成分总的区分贡献率越高，说明区分的越显著。

2.2.3 传感器区分贡献率分析（Loadings）

传感器区分贡献率分析（Loadings）与PCA是相关的，它们都基于同一种算法，但不同的是，本实验中Loadings算法主要是对传感器进行研究，利用该方法可以确认特定实验样品下各传感器对样品区分的贡献率大小，从而可以考察在这个样品区分过程中哪一类气体起了主要区分作用。根据传感器在PCA图中的数据，分析传感器对第一、第二主成分区分贡献率大小，贡献率越大，说明区分越明显。

3 结果与讨论

3.1 电子鼻对不同产地朗姆酒的信号响应

图1 中国白朗姆酒信号响应

图2 牙买加摩根信号响应

图3 古巴姆兰塔信号响应

图4 危地马拉萨凯帕信号响应

图5 菲律宾欧德船长信号响应

图1～5是不同产地朗姆酒挥发物的特征响应图以及采集样品50 s时雷达图，可以看出不同产地10个传感器的电阻比值不一致，由表2可以看出中国白朗姆酒6号、7号、9号传感器G/G0值相对其他传感器电阻比值高，说明该酒挥发物中含氮氧化合物甲基类化合物、无机硫化物、有机硫化物等物质；牙买加摩根朗姆酒2号、6号、7号传感器G/G0值相对其他传感器电阻比值高，说明该酒挥发物中含氮氧化合物、甲基类化合物、无机硫化物等物质；古巴姆兰塔朗姆酒6号、7号传感器G/G0值相对其他传感器电阻比值高，说明该酒挥发物中含甲基类化合物、无机硫化物等物质；危地马拉萨凯帕朗姆酒2号、6号、7号传感器G/G0值相对其他传感器电阻比值高，说明该酒挥发物中含氮氧化合物、甲基类化合物、无机硫化物等物质；菲律宾欧德船长朗姆酒6号、7号、9号传感器G/G0值相对其他传感器电阻比值高，说明该酒挥发物中含氮氧化合物甲基类化合物、无机硫化物、有机硫化物等物质。

表2 不同产地朗姆酒10个传感器电阻比值（G0为空气电阻值）

3.2 不同产地朗姆酒电子鼻模型的建立

由于不同产地的朗姆酒形成不同的风味。实验中利用电子鼻对五种不同产地的朗姆酒进行信息采集，用PCA、LDA和Loadings法进行分析。

3.2.1 PCA分析

不同产地的朗姆酒的PCA分析结果见图6，在相关性矩阵模式下：第一主成分区分贡献率为96.642%，两个主成分区分贡献率和为99.237%，所以这两个主成分已经基本代表了样品的主要信息特征。由图6可以看出五种不同产地的朗姆酒均可以被电子鼻显著区分。这说明试验所采用的不同产地具有各自的酿酒特性，使得酒样具有各自不同的香气特色，并且电子鼻可以根据这些不同产地的朗姆酒酒样之间的不同香气特点将其区分开来。

3.2.2 Loadings分析

Loadings分析PCA在相关性矩阵模式图：10号传感器W3S对第一主成分区分贡献率最大，8号传感器W2W对第二主成分区分贡献率最大。

3.2.3 LDA分析

不同产地的朗姆酒的LDA分析结果见图8：第一、第二主成分总的区分贡献率达99.29%，第一主成分区分贡献率为96.835%。所以这两个主成分已经基本代表了样品的主要信息特征。由图7可以看出五种不同产地的朗姆酒均可以被电子鼻显著区分。

3.3 电子鼻对不同工艺原酒的信号响应

图7 不同产地朗姆酒Loadings分析

图8 不同产地朗姆酒LDA图

图9 R14原酒信号响应

图10 R19原酒信号响应

图11 R22原酒信号响应

图12 R26原酒信号响应

图9～12是不同工艺原酒挥发物的特征响应图以及采集样品50 s时雷达图，可以看出不同工艺10个传感器的电阻比值不一致，R14原酒2号、7号、9号传感器G/G0值相对其他传感器电阻比值高，说明该酒挥发物中含氮氧化合物甲基类化合物、无机硫化物、有机硫化物等物质；R19原酒2号、7号传感器G/G0值相对其他传感器电阻比值高，说明该酒挥发物中含氮氧化合物、无机硫化物等物质；R22原酒2号、7号传感器G/G0值相对其他传感器电阻比值高，说明该酒挥发物中含氮氧化合物、无机硫化物等物质；R26原酒2号、6号、7号传感器G/G0值相对其他传感器电阻比值高，说明该酒挥发物中含氮氧化合物、甲基类化合物、无机硫化物等物质。

3.4 不同工艺原酒电子鼻模型的建立

分别取1号原酒中的R14、2号原酒中的R19、3号原酒中的R22、4号原酒中的R26建立的PCA、LDA和Loadings模型。

3.4.1 PCA分析

图13 不同工艺原酒的PCA图

不同工艺原酒的PCA分析结果见图13，在相关性矩阵模式下：第一主成分区分贡献率为85.648%，两个主成分区分贡献率和为98.398%，所以这两个主成分已经基本代表了样品的主要信息特征。由图12可以看出四种不同工艺的原酒均可以被电子鼻显著区分。这说明试验所采用的不同工艺的原酒具有各自的香气特色，并且电子鼻可以根据这些不同工艺的原酒酒样之间的不同香气特点将其区分开来。

3.4.2 Loadings分析

Loadings分析PCA在相关性矩阵模式图：2号传感器W5S对第一主成分区分贡献率最大，9号传感器W2W对第二主成分区分贡献率最大。

3.4.3 LDA分析

不同工艺的原酒的LDA分析结果见图15，第一、第二主成分总的区分贡献率达99.037%，第一主成分区分贡献率为78.398%，第二主成分区分贡献率为20.638%。所以这两个主成分已经基本代表了样品的主要信息特征。说明四种不同工艺的原酒均可以被电子鼻显著区分。

3.5 不同工艺原酒的拟合度

图14 不同工艺原酒的loadings分析

图15 不同工艺原酒的LDA分析图

将R14～R30原酒样品带入到由R14、R19、R22、R26样品建立的模型中，发现除了3号原酒中的R23、R24样品没有拟合以外，其他样品均能很好的根据模型判断出其是几号原酒。

贮存陈酿是完善朗姆酒品质的重要环节。陈酿香是酒在陈酿过程中产生的香气，它主要由氧化还原作用和酯化作用所生成的芳香成分构成［17］。刚蒸馏出的朗姆酒酒液具有不成熟的生酒味，要贮存一段时间进行陈酿，才能增进酒的芳香。3号样品中三个样品分别是2014年7月24日入桶贮存、2015年1月25日入桶贮存、2014年2月18日入陶坛贮存。说明贮存时间相差较大，芳香成分构成有所变化，因此可能是由于3号样品贮存时间差异导致无法拟合。

2号样品分别有木桶装和陶坛装两种，但是在带入模型中，依然有很好的拟合度，说明在短时间贮存时，木桶和陶坛两种容器不会导致朗姆酒香气巨大变化。

4 结论

结合电子鼻技术和主成分分析（PCA）、线性判别分析方法（LDA）、传感器区分贡献率分析（Loadings）提出了基于电子鼻的朗姆酒品质检测方法，并选用不同产地的5种朗姆酒酒样以及17种原酒进行实验研究。结果表明：采用PCA处理指纹图谱数据后，五种产地朗姆酒的第一、第二主成分累计贡献率达99.23%，四种工艺的原酒的累计贡献率达98.398%，可有效区分不同样本；采用LDA分析，五种产地朗姆酒的第一、第二主成分总的区分贡献率达99.29%，四种工艺的原酒的累计贡献率达99.037%，同样可以很好区分不同样本；采用Loadings分析可以看出五种产地朗姆酒中10号传感器W3S对第一主成分区分贡献率最大，8号传感器W2W对第二主成分区分贡献率最大，四种工艺的原酒中2号传感器W5S对第一主成分区分贡献率最大，9号传感器W2W对第二主成分区分贡献率最大；并且除3号原酒中的两个样品可能由于贮存时间差异较大没有拟合以外，其他原酒样品均能很好的拟合。

根据上述结果，该方法具有快速、客观、准确区分朗姆酒品质的优点，可用于朗姆酒产地的辅助鉴别，以及生产工艺改进效果的客观评定，有望在此基础上开发出一种朗姆酒生产在线气味检测系统，为生产管理建立重要的技术支持。随着电子鼻硬件技术的提高和设备成本的不断降低，以及统计分析方法的进一步完善，将该技术应用于更多企业的不同产品，建立适用性更广的指纹图谱库，从中提取有效信息的效率也会大大提高，电子鼻用于朗姆酒品质鉴定的应用前景必将更加广阔。

［1］ DBS 45/004-2013《广西食品安全地方标准朗姆酒》［S］.广西：广西壮族自治区卫生厅.

［2］鲁龙，张惟广.朗姆酒的香气与品质［J］.酿酒科技，2013，11：104-108.

［3］ Lozanoc J，Arroyob T，Santosa J P，etal.Electronic nose for wine aging detection［J］.Sensors and Actuators B：Chemical，2008，133（1）：180-186.

［4］ N.Prieto，M.L.Rodriguez-Mendez，R.Leardi，etal.Application of multi-way analysis to UV-visible spectroscopy，gas chromatography and electronic nose data for wine ageing evaluation［J］.Analytica Chimica Acta，2012（719）：43-51.

［5］M.García，M.Aleixandre，J.Gutiérrez，etal.Electronic nose for wine discrimination［J］.Sensors and Actuators B：Chemical，2006，113（2）：911-916.

［6］M.García，M.J.Fernández，J.L.Fontecha，etal.Differentiation of red wines using an electronic nose based on surface acoustic wave devices［J］.Talanta，2005，68（4）：1162-1165.

［7］ S.Buratti，D.Ballabio，S.Benedetti，etal.Prediction of Italian red wine sensorial descriptors from electronic nose，electronic tongue and spectrophotometric measurements by means of Genetic Algorithm regression models［J］.Food Chemistry，2005，100（1）：211-218.

［8］ 宫雪，刘宁，李二虎等.基于电子鼻的葡萄酒感官评价模型的构建［J］.中国酿造，2014，33（5）：67-71.

［9］ María de las Nieves，López de Lerma，Andrea Bellincontro，etal.Feasibility of an electronic nose to differentiate commercial Spanish wines elaborated from the same grape variety［J］.Food Research International，2013，51：790-796.

［10］高永梅，刘远方，李艳霞等.主要香型白酒的电子鼻指纹图谱［J］.酿酒科技，2008（5）：38-41.

［11］张鑫.电子鼻分析技术在白酒品质检定中的应用研究［J］.酿酒，2014，41（2）：27-29.

［12］陈秀丽，高海荣，黄振旭.电子鼻分析方法在白酒分类识别中的应用［J］.信阳师范学院学报：自然科学版2014，26（7）：386-393.

［13］J.P.Marquesdesa.模式识别—原理、方法及应用［M］.北京：清华大学出版社，2002.

［14］许禄，邵学广.化学计量学方法（第二版）［M］.北京：科学出版社，2004.

［15］Y.Yin，X.Tian.Classification of Chinese drinks by a gas sensors array and combination of the PCA with Wilks distribution［J］.Sensors and Actuators B，2007，127（6）：393-397.

［16］张覃轶，谢长生，阳浩，等.电子鼻模式识别算法的比较研究［J］.传感技术学报，2005，18（3）：576-579.

［17］孙建平，奚德智，张辉，等.橡木桶陈酿对葡萄酒质量的影响［J］.酿酒科技，2008（10）：81-85.

Application of electronic nose analysis in rum classification

Miao Lu，He Shan-lian，Mo Jia-lin（Guangxi Institute of Product Quality Inspection，Nanning 530007，China）

Using PEN3 electronic nose manufactured by the German AIRSENSE company detected the aroma of rums which produced in different origins（China，Jamaica，Cuba，Guatemala and Philippines）and four kinds of processes.Analyzing electronic Nose fingerprint of each characteristic peaks was established identification model using principal component analysis（PCA）and linear discriminant analysis（LDA）and using loadings analysis confirmed each sensor to distinguish the contribution of the samples，which can examine what kind of gas played a major role in distinguishing.The results showed that PEN3 electronic nose can not only distinguish between rums of different origin，but also made a good classification between four different processes of rum.

rum；electronic nose；Principal Component Analysis（PCA）；Linear Discriminant Analysis（LDA）

TS262.7；TS207.3

B

2095-820X（2016）04-10

2016-05-06

广西科技攻关计划项目（桂科攻1348009-7）

缪璐（1982-），女，工程师，硕士研究生，主要从事食品检测及研究；E-mail：37634635@qq.com；