基于電子舌的葡萄酒味覺品質檢測.pdf

1、針對目前葡萄酒市場上存在的虛標酒齡、缺乏產地溯源、以劣等葡萄品種冒充優(yōu)良品種等問題，傳統(tǒng)的檢測方法如感官評價缺乏足夠的可靠性，不適于快速準確檢測的需要。本文采用法國阿爾法公司的Astree型電子舌對國產葡萄酒的味覺品質進行檢測，選取了電子舌檢測葡萄酒的最佳方式，考察了電子舌對葡萄酒的分類判別能力；討論了電子舌傳感器的響應信號與不同產地、不同葡萄品種、不同酒齡的葡萄酒之間的相關性；并建立了信號與酒齡、酒精度、糖度、總酸、鐵離子等理化指標的

2、數學模型；采用了主成分分析、判別因子分析、人工神經網絡、偏最小二乘法、多元線性回歸等模式識別方法對數據進行處理，為葡萄酒質量品質評價體系的建立提供依據。本研究主要包括以下幾個方面：
　　 傳感器響應特性的研究：選用與樣品酒精濃度相近的體積比為5％、10％的酒精溶液和去離子水作為校準溶液，以不同產地的葡萄酒為研究對象，結果表明：以10％的酒精溶液為校準溶液時，傳感器能較快地適應樣品溶液的環(huán)境，區(qū)分效果最佳。以不同葡萄品種的葡萄酒為

3、研究對象，對第10s、30s、60s、120s的數據進行分析，結果表明第120s時傳感器響應信號相對標準差的最小，區(qū)分效果最佳。
　　 電子舌對葡萄酒的分類識別研究：在酒齡識別方面，電子舌能夠區(qū)分一年、三年、五年陳這3個不同酒齡的葡萄酒，采用PCA和DFA兩種數據分析方法均取得了較好的區(qū)分效果。PCA和DFA二維主成分的累計貢獻量分別達到了97.1％和99.9％，神經網絡的回判率達到91.7％。在產地識別方面，電子舌能夠對山東煙

4、臺、河北昌藜、河北沙城這3個不同產地的葡萄酒做出區(qū)分，PCA和DFA二維主成分的累計貢獻量分別達到了97.5％和99.9％，神經網絡的回判率達到95％。在葡萄品種識別方面，電子舌能夠對赤霞珠、品麗珠、蛇龍珠這3個不同葡萄品種的葡萄酒做出區(qū)分PCA和DFA二維主成分的累計貢獻量分別達到了99.8％和99.9％，神經網絡的回判率達到98.3％。結果表明，對葡萄酒味覺品質影響最大的因素是葡萄品種優(yōu)劣，其次是產地影響，最后是酒齡長短。
　

5、　 電子舌對葡萄酒主要味覺成分的定量分析研究：采用多元線性回歸、偏最小二乘回歸、BP神經網絡、二次多項式回歸建立酒齡與電子舌響應信號的相關模型。其中多元線性回歸模型用于預測葡萄酒的酒齡精度較高。模型對酒齡的訓練集和預測集的確定系數R2分別為0.98和0.99，標準誤SE分別為0.20年和0.37年。二次多項式回歸模型對糖度、總酸、鐵離子訓練集的確定系數R2分別為0.92、0.97、0.96；預測集的確定系數R2分別為0.90、0.95