基于电子舌技术的豉香型白酒分类识别研究

豉香型白酒作为广东地产酒,是中国白酒十二大主流香型之一,深受粤港澳地区和东南亚地区群众的喜爱。该研究采用电子舌技术和多变量统计学方法相结合,对广东地产豉香型白酒的滋味品质评价分析。结果表明,电子舌对同一产地不同品牌的豉香型白酒做出了较好的分类判别。从味觉雷达图发现三个品牌的酸味、涩味、苦味指标存在一定差异,而在三个品牌的分类判别结果表明,线性判别分析法优于主成分分析法,9个批次的未知样品均能准确识别,表明该模型能够较好区分不同品牌的豉香型白酒。     

一种可视化快速鉴别白酒的新方法研究

白酒主体香味成分的含量和比例,是白酒香型风格的"构成要素"。针对白酒的主体香味成分,选择筛选出特异性敏感元件20种,构建5×4比色传感阵列芯片,建立了一种可视化快速鉴别白酒新方法。新阵列芯片检测性能明显优于已报道的通用阵列,可精确识别出不同风味白酒,且能反映出不同白酒中主体香味成分的差异。对15种白酒进行检测,主成分分析结果表明,前三个主成分对识别的贡献率依次为酯、醛、缩醛类物质(34.5%),酸类物质(19.2%)和乙醇(11.9%)。聚类分析发现同一品牌的白酒能正确归类,不同品牌同种香型白酒能率先聚为一类。各白酒间的相似性和差异性在聚类图上有较好的体现,不同香型白酒间的距离远近与白酒的生产原料、糖化发酵剂、酿造工艺密切相关。     

基于超高效液相色谱-高分辨质谱的白酒基酒等级判别

白酒基酒等级的准确鉴别是白酒分级储藏和勾兑的重要依据,对白酒质量控制至关重要。以浓香型白酒基酒为研究对象,采用超高效液相色谱-高分辨质谱联用(UPLC-Q-Exacive-MS)技术对不同等级浓香型白酒基酒进行分析,经过主成分分析(PCA)降维处理,结合线性判别分析(LDA)、支持向量机(SVM)和反向传播神经网络(BP-ANN)等多种化学计量学方法建立白酒基酒等级判别模型。结果显示,BP-ANN鉴别效果最好,在主成分为8时,训练集和测试集的识别率均达100%,不同等级的白酒样本全部正确识别;其次是SVM(训练集和测试集的识别率分别为96.25%、95.00%)和LDA(训练集和测试集的识别率分别为91.25%、90.00%)。实验证明,UPLC-Q-Exacive-MS结合化学计量学分析方法能实现不同等级浓香型白酒基酒的准确判别。     

电子舌对不同食用植物油区分识别研究

采用法国Alpha M.O.S公司生产的电势型味觉电子舌系统对20种不同品种、不同原料产地的食用植物油进行区分与识别,并对传感器阵列采集的食用植物油响应数据进行主成分分析和判别因子分析.结果表明:传感器阵列的选择与剔除由不同食用植物油样品和不同传感器响应能力决定,主成分分析和判别因子分析2种方法均能较好地对食用植物油样品进行分类识别,分析结果显示判别因子分析优于主成分分析.电子舌作为一种新型的现代检测技术在油脂品质定性定量检测与分析方面具有巨大的应用潜力.     

基于便携式电子鼻的同香型白酒识别

采用自制便携式电子鼻对4种同香型白酒进行了测量,研究了不同蒸发温度对白酒测量结果的影响。采用主成分分析法(PCA)对传感器信号进行了分析,应用人工神经网络(ANN)对4种白酒进行了识别。蒸发温度为20℃、40℃和60℃时,识别率分别为75%、81.3%和93.8%。同时对误识产生的原因进行探讨,并提出了改进措施。     

基于低场核磁共振的白酒品牌判别分析

为探求一种白酒品牌判别的方法,基于低场核磁共振（LF-NMR）技术,综合运用主成分分析（PCA）、偏最小二乘法-判别分析（PLS-DA）、反向传播人工神经网络（BP-ANN）方法对6种浓香型白酒品牌共300个样本进行模式识别分析,解析了对不同品牌浓香型白酒进行判别的可行性。结果表明,运用PCA方法对样品进行识别,无法区分白酒品牌;运用PLS-DA的方法对白酒样品进行识别,训练集的识别率约为99.5%,预测集识别率约为96.7%;运用BP-ANN的方法对白酒样品进行识别,训练集识别率约为99.5%,预测集识别率约为98.9%。结果表明,PLS-DA方法和BP-ANN方法对浓香型白酒样品的区分成功,表示将低场核磁共振方法应用到浓香型白酒的品牌判别中是可行有效的。     

基于便携式电子鼻的白酒快速识别

开发了一种基于顶空采样的新型便携式电子鼻,该电子鼻包含一个8阵列不同掺杂纳米Sn O2气体传感器,电子鼻尺寸为?6.0×2.5 cm,重量仅50 g。应用该电子鼻对6种市售白酒进行了测量,单个样本的测量时间少于5 min。采用主成分分析法(PCA)对电子鼻信号进行了分析,应用人工神经网络(ANN)对6种白酒进行识别,识别率为95.8%。研究表明,该新型电子鼻能实现对白酒的在线、快速、准确识别。     

应用电子鼻技术的鹅绒与鸭绒区分

为探索羽绒种类的快速识别方法,研究了采用电子鼻技术区分鹅绒与鸭绒的可行性,并建立了识别羽绒种类的定性预测模型。分别提取鹅绒与鸭绒样品的响应（96~98 s）均值作为特征值,运用主成分分析、线性判别分析等方法对鹅绒与鸭绒进行定性判别,讨论不同模式识别方法区别鹅绒与鸭绒的能力,利用偏最小二乘法建立了羽绒类别预测模型。结果表明：主成分分析法对鹅绒与鸭绒的区分度为89.2%,其累计方差贡献率达到99.9%;线性判定分析法得到第1主成分的区分贡献率为90.63%;最小二乘法的校正集识别率达到97.5%,验证集的识别率达90%。     

电子鼻技术在兼香型白酒年份区分中的应用研究

采用电子鼻技术分析不同年份兼香型白酒中的香气物质,通过特征响应分析、主成分分析（PCA）、线性判别分析法（LDA）和方差分析法（ANOVA）,优化出了可以区分识别年份酒的操作条件,分别为酒精度14%vol、加热温度40 ℃、加热时间30 min。结果表明,10个传感器中贡献最大的三个是W5S、W1S和W2S,LDA的区分识别效果要优于PCA。在优化后的实验条件下,对兼香型各年份酒进行电子鼻检测分析,其结果表明LDA对原始数据信息的保留量达到了96.78%;逐步线性判别分析得出储存期为12年内的酒样能获得100%的准确率,超过12年的储存年份也能获得较高的准确率,因此电子鼻技术对兼香型各年份酒具有良好的区分效果。     

电子鼻传感器阵列优化对猪肉新鲜度法的检测

用电子鼻检测猪肉新鲜度时,传感器阵列的冗余信息会带来负面影响。为了提高识别的准确性,根据猪肉散发的气味选择初始的传感器阵列,利用方差分析方法剔除重复性和区分度不明显的传感器;再通过变异系数分析、相关系数绝对值累加和最小分析、主成分分析(principal component analysis,PCA)第2主成分系数分析,筛选出了适合检测猪肉新鲜度的传感器阵列的优化阵列。本研究采用逐步判别法筛选出合适的特征值,并用贝叶斯判别方法对传感器阵列优化前后的数据进行对比分析。结果表明:通过对传感器阵列的优化,识别率由优化前的86.8%提高到优化后的98.9%。研究表明,本实验的传感器阵列优化方法可以大大提高电子鼻对猪肉新鲜度的识别准确性。     

基于电子鼻和电子舌的白酒检测

研究利用电子鼻和电子舌技术快速检测白酒品质。以不同品牌、不同香型和不同比例掺假白酒为检测对象,采用主成分分析、线性判别分析和偏最小二乘法对电子鼻整体气味响应图谱和电子舌在1、10、100和1000Hz四个不同频段脉冲激发下的金、银、钨、钛四个工作电极组成的传感电极阵列响应信号进行分析。结果显示:电子舌对不同品牌和不同香型白酒的区分能力要优于电子鼻,且LDA的识别效果较PCA更好;利用偏最小二乘法建立的定量预测模型,在主成分数取5时,电子舌所建模型最优。用独立样品检验模型精度,模型预测值和参考值的相关系数为0.881。研究结果可为白酒生产和销售过程中的质量监控提供支持。     

探索解决新工艺白酒"同质化"现象的途径

新工艺白酒具有许多优点，因此获得了大的发展，但其“百酒一味”的同质化现象阻碍了其发展。酒的生产工艺与酒的风味是时代的产物，仍沿用以前提出的白酒香型分类论，会阻碍多种白酒的发展。综合两种香型酒的生产工艺可生产出兼有两种香型特征的酒，或用两种香型的基础酒勾兑出兼有两种香型特征的酒，可丰富白酒品种，满足时代消费需求，尤其可克服新工艺白酒同质化的问题。     

基于指纹图谱和化学计量学的浓香型白酒分类研究

该研究以市售畅销的7个品牌、不同等级的浓香型白酒为研究对象,利用气相色谱-质谱联用（GC-MS）技术建立了浓香型白酒中风味成分的指纹图谱,结合相似度分析、主成分分析（PCA）和判别分析（DA）对不同品牌的浓香型白酒样品进行了有效区分和鉴别。结果表明,不同品牌间样品的相似度存在一定差异;PCA表明前三个主成分累计方差贡献率达到89.71%,能对样品进行聚类和区分;利用判别分析可以将不同产地的酒样区分开,正确率为100%。综上,相同品牌不同等级的白酒具有明显的相关性,不同品牌白酒可以利用指纹图谱结合化学计量学方法进行鉴别和分类,为白酒质量控制及真伪鉴定提供了一种新方法。     

Application of Vis/NIR Spectroscopy for Chinese Liquor Discrimination

As one of the most widely consumed alcoholic beverages, Chinese liquor varies greatly in price, flavor, and quality. This diversity calls for effective and reliable discrimination methods. In an attempt to find the best liquor discrimination method, this study used different methods to analyze and identify 730 Chinese liquor samples including 22 kinds, ten brands, and six flavors. These samples, covering most of the famous liquors in China, were analyzed by visible and near-infrared (Vis/NIR) spectroscopy and modeled by three classification methods including supporting vector machine, soft independent modeling of class analogy, and linear discriminate analysis based on principal component analysis (PCA-LDA). Pretreatments and parameters for each model were optimized, and models discrimination ability was compared. The research finds that PCA-LDA was the best model with an average prediction rate of 98.94 % in the training set and 95.70 % in the test set. The correct rates for brands, flavor styles, ages, and alcohol degrees were all higher than 95 %. It shows that Vis/NIR is a reliable, inexpensive, and effective tool for Chinese liquors discrimination.     

Colorimetric artificial nose for identification of Chinese liquor with different geographic origins

Colorimetric artificial nose was used to characterize and identify Chinese liquors from six different geographic origins. Using chemical dyes as the sensing elements, the developed colorimetric artificial nose showed a unique pattern of color changes upon its exposure to Chinese liquors. Data analysis was performed by chemometric techniques: Hierarchical cluster analysis (HCA), principal component analysis (PCA) and linear discriminant analysis (LDA). Each category of Chinese liquor could cluster together in PCA score plot. No errors in classification by HCA were observed in 45 trials. LDA model showed a 100% of prediction ability for Chinese liquor. The results demonstrated that colorimetric artificial nose was able to classify Chinese liquors from different geographic origins.     

Evaluation of Chinese tea by the electronic tongue: Correlation with sensory properties and classification according to geographical origin and grade level

Research was conducted to compare tea quality measured by a trained sensory panel and instrument analysis using a potentiometric sensor array. This array is formed by a set of non-specific all-solid-state potentiometric sensors and has been used in combination with principal component analysis (PCA) for the classification of tea samples from different geographical origins and quality grades. The method used to assess 10 sensory attributes in tea taste such as heavy flavor, thick flavor, sweet flavor, fresh flavor, mellow flavor, astringency, tenderness, stale flavor, purity and fired flavor were in accordance to the China National Institute of Standardization (CNIS) sensory profile test. The relationship between instrumental and sensory measurements of tea was also investigated. Results from these analyses demonstrate that the electronic tongue can be used to predict sensory characteristics and their relationship to the taste quality of tea measured by professional taster.     

稻花香馫香型白酒风味特征分析

为了研究一种三香结合工艺的馫香型白酒,对其和其他5种香型(浓香型、清香型、酱香型、兼香型、馥郁香型)进行定性定量分析。将得到的数据进行相关性分析、主成分分析(PCA)和聚类分析。结果表明,馫香型白酒在化合物种类上接近酱香型白酒;在某些风味化合物上与浓香型白酒相似度较高,都与己酸乙酯、己酸己酯、己酸异丁酯、庚酸乙酯、己酸乙酯、己酸丁酯、戊酸乙酯、己酸戊酯和乙酸己酯等化合物存在较高的相关性;与小曲清香型白酒中的β-苯乙醇、乙酸异戊酯、异戊醇的绝对含量接近,且明显高于其他香型,尤其是乙酸异戊酯含量突出,两种白酒含量分别达到了10.35 mg/L和13.07 mg/L。最终确定了馫香型白酒融合了浓、清、酱三种香型的部分特点,形成了具有复合香气的独特风格。     

稻花香馫香型白酒风味特征分析

为了研究一种三香结合工艺的馫香型白酒,对其和其他5种香型(浓香型、清香型、酱香型、兼香型、馥郁香型)进行定性定量分析。将得到的数据进行相关性分析、主成分分析(PCA)和聚类分析。结果表明,馫香型白酒在化合物种类上接近酱香型白酒;在某些风味化合物上与浓香型白酒相似度较高,都与己酸乙酯、己酸己酯、己酸异丁酯、庚酸乙酯、己酸乙酯、己酸丁酯、戊酸乙酯、己酸戊酯和乙酸己酯等化合物存在较高的相关性;与小曲清香型白酒中的β-苯乙醇、乙酸异戊酯、异戊醇的绝对含量接近,且明显高于其他香型,尤其是乙酸异戊酯含量突出,两种白酒含量分别达到了10.35 mg/L和13.07 mg/L。最终确定了馫香型白酒融合了浓、清、酱三种香型的部分特点,形成了具有复合香气的独特风格。