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。     

基于电子鼻及GC-M S技术的啤酒识别研究

为区分不同品牌啤酒并分析样品间挥发性风味物质种类及含量的差异,采用PEN3电子鼻和气相色谱-质谱联用(GC-MS)技术从宏观和微观上对5种品牌啤酒的挥发性成分进行检测。利用主成分分析(PCA)、Fisher判别分析(FDA)对电子鼻响应值进行数据处理并建立分类判别模型,并与GC-MS数据进行了相关性分析。结果表明,电子鼻PCA分析与FDA分析都能对样品进行区分,R6和R9传感器起主要区分作用。GC-MS共鉴定出24种酯类、16种醇类、13种酸类、10种醛类、12种烷类、7种酮类以及13种芳香族化合物等挥发性物质。5种啤酒的主要挥发性成分的种类大体相同,但是各组分含量有所区别。根据偏最小二乘回归模型,电子鼻与挥发性风味物质表现出良好的相关性。这两种方法在分类识别啤酒方面有很好的应用前景。     

不同颜色蒜泥的风味及挥发性物质分析

以打破休眠期的大蒜为原料,制备白色、蓝色、绿色和黄色4 种颜色蒜泥,采用电子鼻和气相色谱-质谱（gas chromatography-mass spectrometry,GC-MS）联用技术揭示其风味及挥发性物质的变化。电子鼻检测中,不同颜色蒜泥对传感器的响应值雷达图和主成分分析（principal component analysis,PCA）结果显示各个样品间的风味存在显著差异。GC-MS结果显示4 种颜色蒜泥共检测出83 种挥发性物质,其中蒜泥的主要挥发性物质是硫醚类和醛类化合物,此为蒜泥的主要风味物质。使用PCA实现对蒜泥样品挥发性物质的区分,明确4 种蒜泥风味差异的挥发性物质,为研究不同颜色蒜泥的风味差异提供理论依据。     

浓香型瓶贮年份酒的风味差异分析

采用气相离子迁移谱(Gas chromatography-ion mobility spectrometry,GC-IMS)技术对不同年份梯度浓香型瓶贮年份白酒样品中的挥发性成分进行检测分析,构建浓香型瓶贮年份白酒风味的指纹图谱,对挥发性成分的种类及含量差异进行分类区分,并利用主成分分析(Principal component analysis,PCA)对白酒的瓶贮年份进行分析和判别。结果表明,6个不同年份梯度的浓香型瓶贮白酒所含挥发性有机物成分在种类及含量上存在一定差异;年份越久的白酒,其挥发性物质种类及含量越多,其中己酸甲酯、正己醇等物质随着年份的增加含量逐渐升高,上述酯、醇类等呈香物质的增加使酒体物质含量更加丰富,风味更加醇厚。经相似度分析结果表明该技术能有效地判别浓香型瓶贮白酒样品的年份,为瓶贮年份酒的年份鉴别提供了一种更高效的技术及手段。     

基于电子鼻/舌融合技术的白酒类别辨识

为实现白酒质量的快速鉴别,本研究采用两个不同的电子鼻和电子舌融合系统采集不同品牌白酒样品的气-味信息,采用主成分分析法、K均值法对检测结果进行聚类分析,采用支持向量机法对白酒的品牌进行预测分类分析。经主成分分析聚类分析后,应用基于TGS型气敏传感器的电子鼻和电子舌融合系统可以将3种酒进行很好的区分,其余5种酒有交叉,而应用基于MQ、MP型气敏传感器的电子鼻和电子舌融合系统可以将8种白酒基本区分开来;K均值法分别用于两融合系统,前融合系统的错分类概率为33.3%,后融合系统的错分类概率为23.75%。采用支持向量机法对白酒的品牌进行预测分类,应用前融合系统的识别率为93.75%,而应用后融合系统的识别率为98.75%。结果表明:气-味信息融合技术可以实现对白酒品牌的鉴别,且应用基于MQ、MP型气敏传感器的电子鼻和电子舌融合系统对白酒类别的识别结果较好于应用基于TGS型气敏传感器的电子鼻和电子舌融合系统。     

气味指纹分析技术在植物油识别中的应用

利用电子鼻对不同来源以及不同品牌的植物油进行检测,得到电子鼻传感器的响应信号,采用主成分分析法(PCA)和判别因子分析法(DFA)等多元统计方法进行数据分析。结果表明:不同来源(海藻油、亚麻籽油、玉米油、葵花籽油)的植物油在风味上有一定差别,而不同品牌的植物油(福临门葵花籽油和多力葵花籽油、纯度不同的海藻油)在风味上没有明显的差异;在模式识别分析中,主成分分析和判别因子分析对于不同来源的植物油均具有良好的区分效果,指纹图能更好地反映不同类型传感器对植物油中挥发性物质响应信号的强弱。     

基于电子感官技术结合GC-MS分析不同干燥方式下澳洲坚果风味的差异

为科学评价不同干燥方式下澳洲坚果风味的差异,采用电子舌、电子鼻电子感官技术结合气相色谱-质谱（gas chromatography-mass spectrometry,GC-MS）对其风味品质进行分析。结果表明：不同干燥处理的果仁与新鲜果仁在鲜味、咸味、酸味和苦味上差异显著,且判别函数分析（linear discriminant analysis,LDA）前两主成分的累计贡献率为96.60%,可以完全区分不同方式干燥的澳洲坚果仁。电子鼻对不同处理的澳洲坚果仁有明显不同响应,主成分分析（principal component analysis,PCA）前两主成分的累计贡献率达到98.79%,可以很好地区分不同干燥处理的澳洲坚果果仁的挥发性风味物质,传感器W1S、W3S和W3C在主成分分析时发挥主要区分作用,GC-MS作为电子鼻的补充,共鉴定出227种挥发性成分,烷烃和醛类在种类与含量上占较大优势,四种不同处理的澳洲坚果仁的烷烃相对含量分别为26.29%、40.76%、23.64%及39.46%,醛类相对含量分别为29.01%、18.96%、26.03%及23.87%。可见,通过电子舌、电子鼻和GC-MS相结合的手段,可以较好地区分不同干燥方式下的澳洲坚果,从而为澳洲坚果的采后产地初加工提供理论参考。     

基于GC-MS的浓香型白酒等级评判模型研究

以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）技术建立浓香型白酒微量成分的指纹图谱,采用稀疏主成分分析（SPCA）提取GC-MS图谱前7个稀疏主成分构建白酒成分特性的综合指标,进而采用回归分析建立浓香型白酒质量评价的客观模型。验证实验结果表明,建立的白酒质量评价模型与感官评价的评分绝对误差＜3,在实现特级、优级、一级、二级四个等级的评价中,正确率达到94%。研究表明,不同等级的白酒的GC-MS图谱的稀疏主成分存在较明显差异,该研究建立的白酒质量评价模型能有效地实现白酒等级的评判,为白酒质量控制及等级鉴定提供了一种客观方法。     

基于电子鼻与气相色谱-质谱联用区分不同陈酿期恒顺香醋风味物质

为区分不同陈酿期恒顺香醋,并构建其香气特征,选取陈酿期3、5、10 a的恒顺香醋作为研究对象,采用电子鼻与气相色谱-质谱联用(gas chromatography-mass spectrometry,GC-MS)方法,并结合主成分分析和载荷分析量化主成分贡献率和样品间风味的区分度。结果显示:电子鼻能够很好地区分3种不同陈酿期香醋的风味,电子鼻传感器W2S、W5S对恒顺香醋香气的区分能力最强。GC-MS分析结果表明糠醛和川芎嗪的相对含量对区别不同陈酿期恒顺香醋贡献率最大。可见,通过电子鼻技术和GC-MS相结合的手段,可以较好区分不同陈酿期的恒顺香醋,可为鉴别不同陈酿期的恒顺香醋提供理论依据和技术参考。     

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。