不同电子鼻传感器对葡萄酒香气的响应差异分析及其应用

张继元 王 波 丁嘉丽 牛育林 何晓丽 刘阿静王慧珺 张 波，

（1甘肃农业大学食品科学与工程学院，甘肃 兰州 730070； 2兰州海关技术中心，甘肃 兰州 730010；3甘肃莫高实业发展股份有限公司葡萄酒厂，甘肃 武威 733008）

葡萄酒品质是一个多维、复杂的概念，其中香气作为衡量其品质的关键指标，在葡萄酒的品鉴中发挥重要作用［1］。常用的葡萄酒评价鉴别方式主要有感官评定和仪器分析等［2］。其中，感官评定简便有效，但易受参评人员主观因素影响［3］。仪器分析是葡萄酒品评量化的重要方法，受限于该方法复杂、昂贵的设备需要以及无法有效联动感官判断，在使用时也存在缺陷［4］。因此，克服上述方法的缺点与不足，对提高葡萄酒评价鉴别质量有重要的推动作用。

电子鼻是由具有部分特异性的电子化学传感器阵列和能够识别简单或复杂气味的模式识别系统组成的仪器，可用来模拟人体嗅觉系统［5-6］。因其操作简单、样本量少、无需预处理、分析速度快，且不会对原料造成破坏而备受关注［7-9］，已被广泛应用于食品、药品的质量管理中［10-13］。

葡萄酒挥发性物质复杂多样，其中以芳樟醇、香叶醇以及α-紫罗兰酮等为代表的萜类是葡萄酒品种香气的重要组成成分，可赋予葡萄酒花香、果香，对葡萄酒香气轮廓有重要影响［14-17］。此外，发酵阶段产生的醇、醛、酯类等改善了葡萄酒的果香、花香，增加了葡萄酒风味的复杂性，使香气更加协调［18］。例如，醇类中的低浓度高级醇（正己醇、叶醇、反-2-己烯醇等）可提高葡萄酒青草香、果香［19］。酒精发酵不完全或酒精氧化情况下产生的醛（正己醛、反-2-己烯醛、反-2-壬烯醛等）进一步丰富了葡萄酒的风味（草本、果香等）［20］。酯类物质是赋予葡萄酒果香（葡萄味、草莓味、青苹果味等）的关键所在［21］。上述香气成分组成与含量的差异决定了葡萄和葡萄酒的风味和典型性。

甘肃河西走廊作为我国十大葡萄酒产区之一而闻名于全国乃至世界，然而，当地葡萄酒产业发展还面临着高度同质、竞争乏力等问题，从区域层面研究产区个性、提升区域竞争力成为当务之急［22-23］。因此，本研究选用甘肃河西走廊产区的葡萄酒作为研究对象，利用特征性香气成分构建葡萄酒判别模型，评估电子鼻气体识别技术对甘肃河西走廊产区不同干红葡萄酒的鉴别分析潜力，旨在为建立该产区葡萄酒质量控制体系和提升区域竞争力提供参考。

1 材料与方法

1.1 材料与试剂

芳樟醇、香茅醇、橙花醇、香叶醇、α-萜品醇、α-紫罗兰酮、β-紫罗兰酮、β-大马酮、正己醇、叶醇、顺-3-壬烯-1-醇、反-2-己烯醇、反-2-己烯醛、反-2-壬烯醛、正己醛、壬醛、乙酸己酯均为分析纯（纯度≥90%），购自上海麦克林生化科技股份有限公司；无水乙醇为色谱纯，购自成都市科隆化学品有限公司。

采用来自甘肃河西走廊产区不同年份和区域的葡萄酒作为试验样品，详见表1。

表1 不同年份和区域的葡萄酒样品Table 1 Samples of wines from different vintages and regions

1.2 仪器与设备

PEN3 型便携式电子鼻，德国AIRSENSE 公司。如表2所示，该仪器包含10根金属氧化物传感器，每个传感器对被测气体都有不同的灵敏度，能够对食品和饮料中大多数挥发性化合物进行交叉响应［24］。

表2 PEN3型电子鼻的10个传感器及其敏感物质Table 2 10 sensors of type PEN3 electronic nose and its sensitive substances

1.3 试验方法

灵敏传感器的确定：采用电子鼻作为检测仪器，考察传感器对不同浓度香气物质的响应，当香气物质进入电子鼻传感器并被传感器吸附后，使得其相对电导率G/G0（实时电导率G 与初始电导率G0 的比值）发生改变。通常情况下，判断10 个传感器对样品中挥发性成分识别能力的强弱，取决于传感器的电导响应值正偏离或负偏离1 的距离。在某根传感器上响应的香气物质含量越高，G/G0越偏离1；浓度低于检测限或者没有响应的气体，G/G0值就接近甚至等于1［25］。实时记录10 根传感器的G/G0 值，形成待测香气物质的响应图，以传感器响应为依据，获得最灵敏传感器型号。

1.3.1 标准溶液配制 香气物质标准储备液：准确量取香气物质溶液30 μL；用乙醇溶解，定容至10 mL 容量瓶中，配制成5 000 mg·L-1的香气物质标准储备液；4 ℃冷藏待用。

香气物质标准工作液：分别准确移取香气物质标准储备液0、25、50、100、200、400 μL 于各容量瓶中，定容至10 mL；配制成浓度为0、12.5、25、50、100、200 μg·mL-1的标准系列浓度工作液；4 ℃冷藏待用。

1.3.2 电子鼻测定及工作条件 取香气物质标准工作液5 mL 于20 mL 电子鼻专用瓶中，旋紧瓶盖密封放置0.5 h，使其顶部气体成分稳定，针式采集气味数据信息，每份样品重复测定6次。

电子鼻测定方法采用顶空进样法。传感器自清洗时间为300 s，进样准备时间5 s，传感器信号采集时间为60 s，载气的速率为400 mL·min-1，样品气体的进样速率为400 mL·min-1，操作环境温度为26 ℃。

1.4 数据处理

本研究中电子鼻的电导信号响应数据的采集、处理使用电子鼻配套的WinMuster 软件，主要方法为响应曲线图、负荷加载分析（Loadings）、电子鼻雷达图。使用Origin 2021 软件绘制双标图（Biplot）。利用在线软件MetaboAnalyst 5.0（https：//www.metaboanalyst.ca/MetaboAnalyst/home.xhtml）进行热图分析、主成分分析（principal component analysis，PCA）和PCA Biplot分析。

2 结果与分析

2.1 葡萄酒特征香气化合物传感器响应分析

本研究选用的PEN3型电子鼻具有10根传感器装置，不同传感器对不同类型挥发性物质灵敏度具有差异。因此，试验首先针对电子鼻各传感器与特征香气化合物识别灵敏程度情况进行判断选择，在筛选出适宜传感器的基础上，针对其所识别的特征香气化合物进行类别归属，分析各个特征香气化合物浓度与灵敏传感器的关联性。以此为依据，对不同葡萄酒产品进行分类判别。

2.1.1 特征香气化合物灵敏传感器筛选 聚类热图利用被研究变量的相似程度远近进行分类判别，借助热图中色块的属性差别可以判断变量的差异化程度。由图1 可知，电子鼻中的10根传感器明显聚为2类，即W1、W3、W4、W5、W10 为一类；W2、W6、W7、W8、W9为另一类。后者几乎对所有待分析的特征香气化合物表现出较灵敏的信号识别，且W2、W7 传感器较其他三者有更加强烈的信号显示。特征香气化合物在很大程度上决定了葡萄酒的整体气味轮廓，有研究显示，葡萄酒在传感器W2、W6、W7、W8、W9 上有较强的响应，与本研究特征香气化合物的结果一致［26］。

2.1.2 特征香气化合物气味与灵敏传感器的PCA Biplot 分析 PCA 的双标图（PCA Biplot 图）可反映变量间或变量与样本间的相关性，线条的长短可以反映变量对样本分离的贡献度，样本与变量间的距离反映关联性强弱。对挥发性风味物质和电子鼻传感器信号强度进行PCA Biplot 分析，如图2 所示，PCA 主成分的累积贡献量为94.4%，说明其保留了原始数据中大部分的信息量。PC1的正半轴反映了所有特征性香气化合物的信息，其中芳樟醇、β-大马酮、橙花醇、香茅醇、乙酸己酯、壬醛、反-2-壬烯醛、α-紫罗兰酮、反-2-己烯醇在PC2 的正半轴，与W7 距离最近，表示其与W7的相关性最强，这与Shi 等［27］的研究结果相似。而香叶醇、α-萜品醇、β-紫罗兰酮、正己醇、叶醇、顺-3-壬烯醇、反-2-己烯醛、正己醛与W2距离较近，说明其与W2有很强的相关性，符合该传感器所对应的broadrange（广域）的属性。

图2 特征香气化合物气味与灵敏传感器PCA Biplot图Fig.2 Characteristic aroma compounds scent with sensitive sensor PCA Biplot

2.1.3 特征香气化合物气味与浓度的Pearson 相关性 特征香气化合物浓度的高低对葡萄酒质量尤为重要，是不同葡萄酒品质差异的重要因素。双变量相关分析法（Pearson 相关性分析）是一种用来衡量两个变量之间线性关系强度的方法。为进一步探究特征香气化合物浓度与传感器响应的相关性，采用Pearson 相关分析法对电子鼻各传感器稳态时刻响应值的平均值与特征香气化合物浓度进行相关性分析，如表3 所示，W6、W8、W9 的响应与芳樟醇浓度间的相关系数均达到了0.900 及以上，W6、W7、W8、W9 的响应与反-2-己烯醛浓度则达到了0.891 及以上，壬醛浓度与W6、W8、W9 的响应也达到了0.900 及以上，上述传感器响应均与香气物质浓度间呈显著或极显著正相关。其余香气物质浓度与灵敏传感器响应值的平均值相关系数也都达到了0.879及以上，也呈显著或极显著正相关。

表3 各传感器稳态时刻响应值的平均值与特征香气物质浓度的相关系数Table 3 The correlation coefficient between the average response value of each sensor at steady state time and the concentration of characteristic aroma substance

2.1.4 葡萄酒样品在电子鼻上的响应分析 为了说明香气化合物灵敏传感器筛选的可靠性，用电子鼻对葡萄酒样品进行分析。葡萄酒样品电子鼻响应值曲线如图3-A 所示，以提取稳定阶段（48～60 s）中54 s 时的响应值作为分析特征值，评估葡萄酒香气在各个传感器上的响应情况。结果显示，葡萄酒样品中2 号的G/G0 值最高，为26.069，其次是7 号、9 号、8 号和6 号传感器，分别为20.289、18.622、18.181、9.521。电导信号雷达图如图3-B 所示，可以直观地反映待测样品整体的气味轮廓，葡萄酒样品的10 根传感器电导响应程度明显不同，2号传感器的雷达面积最大，其次是7号、9 号、8 号和6 号传感器。Loadings 负荷加载分析如图3-C所示，反映了10个传感器在主成分1和主成分2上贡献率的大小，W5S、W2W、W1W 在主成分1的识别上特征显示明显，而W2S 和W1S 在主成分2 的识别上具有明显特征显示，但W1C、W3C、W6S、W5C、W3S 这5 个传感器的电导响应值识别趋近于零，几乎没有显示。以上结果与响应曲线和电导信号雷达图结果相互印证，可确定上述传感器是区分葡萄酒样品特征的关键传感器。这与特征化合物筛选的结果一致，进一步说明了筛选传感器的正确性。

图3 葡萄酒在电子鼻上响应Fig.3 Wine response on the electronic nose

2.2 葡萄酒鉴别分析

2.2.1 不同品种的葡萄酒PCA 和PCA Biplot 分析对不同品种的葡萄酒样品电子鼻灵敏传感器数据进行主成分分析（图4-A），两种主成分的贡献率分别是69.2%和16.3%，累计贡献率为85.5%，说明其降维有效，能够反映原始数据的整体信息。借助于电子鼻对葡萄酒中特征香气物质的识别发现，赤霞珠和美乐样品在主成分图中有明显的区分，其中，赤霞珠样品分布在PC2 的正半轴，美乐则主要集中于PC2 的负半轴。同时，结合PCA Biplot图（图4-B）可知，W2传感器与美乐样品有较高的相关性。考虑到W2 传感器对香叶醇、α-萜品醇、β-紫罗兰酮、正己醇、叶醇、顺-3-壬烯醇、反-2-己烯醛、正己醛等特征香气化合物有较为灵敏的识别度，且与其浓度呈显著正相关，推测供试的美乐与赤霞珠样品在香叶醇、α-萜品醇、β-紫罗兰酮、正己醇、叶醇、顺-3-壬烯醇、反-2-己烯醛、正己醛存在明显的种类或含量差别，并由此带来香气效果的不同（蔷薇香、丁香、青草香）。因此，借助电子鼻W2 传感器的识别属性可作为区分美乐和赤霞珠葡萄酒的重要依据。

图4 不同品种葡萄酒电子鼻灵敏传感器数据的PCA（A）和PCA Biplot图（B）Fig.4 PCA （A） and PCA Biplot （B） of electronic nose-sensitive sensor data for different varieties of wine

2.2.2 同一品种不同区域的葡萄酒PCA 和PCA Biplot 分析 为了进一步探究甘肃河西走廊产区的同一品种不同区域葡萄酒样品的分离情况和香气物质差异，对上述样品电子鼻灵敏传感器数据进行PCA 和PCA Biplot分析。

赤霞珠样品中，两种主成分的贡献率分别是72.4%和23.1%，累计贡献率为95.5%。供试的3 个区域的样品（嘉峪关、武威、张掖）均得到了有效的分离。其中，张掖和武威地区的样品分别分布在PC1 的负、正半轴，说明香气差异明显，而嘉峪关与张掖、武威地区的差异主要体现在PC2 上（图5-A）。结合PCA Biplot 图（图5-B）可知，传感器W2、W7 与武威样品有较高的相关性，且W2的贡献大于W7，W7传感器对β-大马酮、橙花醇、香茅醇、乙酸己酯、反-2-壬烯醛、α-紫罗兰酮、反-2-己烯醇等特征香气化合物识别灵敏。因此，推测供试中武威样品的香气效果在蔷薇香（香叶醇）、丁香（α-萜品醇）、青草香（正己醇、叶醇、顺-3-壬烯-1-醇、反-2-己烯醛、正己醛）、橙花香（橙花醇）、苹果香（乙酸己酯）、黄瓜香（反-2-壬烯醛）、梨香（反-2-己烯-1-醇）上表现出不同，其香气化合物存在明显的种类或含量差别。另外，嘉峪关样品与传感器W6、W8、W9的相关性更强，这些传感器所代表的化合物是区分嘉峪关和张掖地区葡萄酒的重要依据，具体还有待进一步研究。

图5 同一品种不同区域葡萄酒电子鼻灵敏传感器数据的PCA和PCA Biplot图Fig.5 PCA and PCA Biplot of electronic nose-sensitive sensor data for wines of the same variety and different regions

美乐样品中，两种主成分的贡献率分别是84.2%和13.5%，累计贡献率为97.7%。供试的3个区域的样品均得到了有效的分离。嘉峪关与武威样品的差异主要体现在PC2 上（图5-C）。结合PCA Biplot 图（图5-D），发现结果与赤霞珠样品相似。传感器W6、W8 所代表的化合物是区分嘉峪关和张掖地区葡萄酒的依据。

综上所述，武威样品特征香气化合物（香叶醇、α-萜品醇、β-紫罗兰酮、正己醇、叶醇、顺-3-壬烯醇、反-2-己烯醛、正己醛、β-大马酮、橙花醇、香茅醇、乙酸己酯、反-2-壬烯醛、α-紫罗兰酮、反-2-己烯醇）种类和含量的不同是其香气效果差异（蔷薇香、丁香、青草香、甜玫瑰香、橙花香、苹果香、黄瓜香、梨香）的关键。因此，武威与张掖、武威与嘉峪关葡萄酒的区分可以借助W2 和W7 的识别属性。另外，嘉峪关和张掖葡萄酒的气味特征区别受其他特征化合物的影响，具体有待进一步研究。

2.2.3 同一品种同一区域不同年份的葡萄酒PCA 和Biplot 分析 为了进一步探究甘肃河西走廊产区同一品种同一区域不同年份葡萄酒的分离情况和香气物质差异，对上述样品电子鼻灵敏传感器数据进行PCA 和PCA Biplot 分析，如图6 所示。结果显示，PCA 图的累计贡献率均大于80%，同一品种同一区域不同年份的葡萄酒均得到了很好的分离（图6-A、C、E、G、I、K）。PCA Biplot 图显示，传感器W2、W7 更倾向于新鲜的葡萄酒，尤其是W2，往往在区分中表现出了更大的贡献（图6-B、D、F、H、J、L）。据此，推测供试的新鲜葡萄酒样品在蔷薇香、丁香、青草香等香气效果上与年份较为久远的样品间存在明显差异，在香气化合物上主要表现在香叶醇、α-萜品醇、β-紫罗兰酮、正己醇、叶醇、顺-3-壬烯醇、反-2-己烯醛、正己醛的种类和含量不同。因此，W2 传感器的识别属性有区分葡萄酒年份的潜力，尤其是鉴别新鲜葡萄酒。

图6 同一品种同一区域不同年份的葡萄酒电子鼻灵敏传感器数据的PCA和PCA Biplot图Fig.6 PCA and PCA Biplot of electronic nose-sensitive sensor data of wines of the same variety and different years in the same region

3 讨论

本研究利用电子鼻气体识别技术首先筛选出对香气物质较为灵敏的传感器W2、W6、W7、W8 和W9，香气物质在传感器的类别归属发现，十几种物质都集中在传感器W2和W7，这是由于这些香气物质结构相似。对应到已有文献传感器对化合物的识别属性上，大部分文献只提及了常见的个别物质，仅有个别文献能解释本研究的结果，例如，Shi 等［27］的研究提到传感器W2对一些萜类物质有较高的灵敏度，而大部分文献仅提到了其对氮氧化合物敏感［24］。因此，仅根据传感器的这种宽泛的识别属性进行待测物质化合物种类和含量的判断具有局限性。盛秀丽等［28］利用电子鼻和顶空固相微萃取气质联用（headspace solid phase microextraction combined with gas chromatography-mass spectrometry，HS-SPME-GC-MS）技术进行不同新疆石榴果实挥发性成分的分析发现，电子鼻判断结果与气相色谱-质谱（gas chromatography-mass spectrometry，GC-MS）检测得出的结果不一致，其解释为电子鼻和GC-MS 的数据库系统对物质分类方法不一致。因此，特征化合物在传感器上的归属在产品溯源、鉴别中显得尤为重要。

葡萄酒鉴别中，特征香气物质在电子鼻气体识别技术中的应用间接反映出了不同品种、区域、年份的葡萄酒样品香气效果上的差别。有研究显示，美乐中的反-2-己烯醛、正己醛、正己醇等是重要的特征香气组分，正己醇、正己醛、β-紫罗兰酮等是赤霞珠葡萄酒的特征香气成分，在甘肃河西走廊产区的赤霞珠葡萄酒中，正己醇、正己醛相对含量较高，但并未检出β-紫罗兰酮［29-30］。Jiang 等［31］对中国4 个葡萄产区赤霞珠和美乐葡萄酒香气化合物进行了比较，发现正己醇在两种葡萄酒间的含量差异显著，α-萜品醇在河北沙城的的美乐样品检测到，在赤霞珠中并未检测到。

嘉峪关葡萄酒的醇类物质（花香）含量最高，酯类（果香）含量最高的是张掖葡萄酒，而武威葡萄酒因地域的区别也表现出不同的香气轮廓特点，例如，武威凉州产地酒样缺少张掖高台、张掖板桥和嘉峪关共有的正己醇（青草香），而独有其他香气成分（1，3-丁二醇、4-羟基苯乙醇）［32］。另外，本研究发现，嘉峪关和张掖地区的样品差异主要受传感器W6 和W8 所代表化合物的影响，嘉峪关葡萄酒醇类物质含量高，张掖的酯类含量高；传感器W6 对烷类（甲基类）灵敏，W8 对醇类比较敏感，推测醇类物质的差异是区分两地葡萄酒的关键物质类别之一，具体有待进一步研究。

随着陈酿时间的延长，葡萄酒中酯类香气成分的含量逐渐增加，醇类香气成分含量先降低后趋于平缓，这些含量较高的物质种类虽然相似，但含量不尽相同；此外，一些有机酸、醛、酮等物质含量逐渐降低，微量特征芳香成分差异较显著［33］。感官上表现为果香逐渐浓郁，花香、草香等气味变淡。据此，可推测葡萄酒中的蔷薇香、丁香、青草香气味会随着贮藏时间的延长而变淡。

4 结论

电子鼻气体识别技术结果表明，对特征香气物质最为灵敏的传感器是W2 和W7，可作为判断不同葡萄酒间气味特征区别的重要媒介。借助此传感器对不同品种、产地和年份的葡萄酒样品进行分析可知，W2 传感器可有效区分供试的美乐和赤霞珠葡萄酒，且推测这两类样品的香气差异主要集中在蔷薇香、丁香、青草香等呈香效果方面；W2 和W7 传感器可明显区分供试的不同产地葡萄酒样品，并推测武威样品与其他地区样品香气差异主要表现在蔷薇香、丁香、青草香、甜玫瑰香、橙花香、苹果香、黄瓜香、梨香等方面；此外，W2传感器还具有判别葡萄酒年份的潜力，对比发现，新鲜葡萄酒样品具有更强烈的蔷薇香、丁香和青草香。