不同電子鼻傳感器對葡萄酒香氣的響應差異分析及其應用

張繼元 王 波 丁嘉麗 牛育林 何曉麗 劉阿靜王慧珺 張 波，

（1甘肅農業大學食品科學與工程學院，甘肅 蘭州 730070； 2蘭州海關技術中心，甘肅 蘭州 730010；3甘肅莫高實業發展股份有限公司葡萄酒廠，甘肅 武威 733008）

葡萄酒品質是一個多維、復雜的概念，其中香氣作為衡量其品質的關鍵指標，在葡萄酒的品鑒中發揮重要作用［1］。常用的葡萄酒評價鑒別方式主要有感官評定和儀器分析等［2］。其中，感官評定簡便有效，但易受參評人員主觀因素影響［3］。儀器分析是葡萄酒品評量化的重要方法，受限于該方法復雜、昂貴的設備需要以及無法有效聯動感官判斷，在使用時也存在缺陷［4］。因此，克服上述方法的缺點與不足，對提高葡萄酒評價鑒別質量有重要的推動作用。

電子鼻是由具有部分特異性的電子化學傳感器陣列和能夠識別簡單或復雜氣味的模式識別系統組成的儀器，可用來模擬人體嗅覺系統［5-6］。因其操作簡單、樣本量少、無需預處理、分析速度快，且不會對原料造成破壞而備受關注［7-9］，已被廣泛應用于食品、藥品的質量管理中［10-13］。

葡萄酒揮發性物質復雜多樣，其中以芳樟醇、香葉醇以及α-紫羅蘭酮等為代表的萜類是葡萄酒品種香氣的重要組成成分，可賦予葡萄酒花香、果香，對葡萄酒香氣輪廓有重要影響［14-17］。此外，發酵階段產生的醇、醛、酯類等改善了葡萄酒的果香、花香，增加了葡萄酒風味的復雜性，使香氣更加協調［18］。例如，醇類中的低濃度高級醇（正己醇、葉醇、反-2-己烯醇等）可提高葡萄酒青草香、果香［19］。酒精發酵不完全或酒精氧化情況下產生的醛（正己醛、反-2-己烯醛、反-2-壬烯醛等）進一步豐富了葡萄酒的風味（草本、果香等）［20］。酯類物質是賦予葡萄酒果香（葡萄味、草莓味、青蘋果味等）的關鍵所在［21］。上述香氣成分組成與含量的差異決定了葡萄和葡萄酒的風味和典型性。

甘肅河西走廊作為我國十大葡萄酒產區之一而聞名于全國乃至世界，然而，當地葡萄酒產業發展還面臨著高度同質、競爭乏力等問題，從區域層面研究產區個性、提升區域競爭力成為當務之急［22-23］。因此，本研究選用甘肅河西走廊產區的葡萄酒作為研究對象，利用特征性香氣成分構建葡萄酒判別模型，評估電子鼻氣體識別技術對甘肅河西走廊產區不同干紅葡萄酒的鑒別分析潛力，旨在為建立該產區葡萄酒質量控制體系和提升區域競爭力提供參考。

1 材料與方法

1.1 材料與試劑

芳樟醇、香茅醇、橙花醇、香葉醇、α-萜品醇、α-紫羅蘭酮、β-紫羅蘭酮、β-大馬酮、正己醇、葉醇、順-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、乙酸己酯均為分析純（純度≥90%），購自上海麥克林生化科技股份有限公司；無水乙醇為色譜純，購自成都市科隆化學品有限公司。

采用來自甘肅河西走廊產區不同年份和區域的葡萄酒作為試驗樣品，詳見表1。

表1 不同年份和區域的葡萄酒樣品Table 1 Samples of wines from different vintages and regions

1.2 儀器與設備

PEN3 型便攜式電子鼻，德國AIRSENSE 公司。如表2所示，該儀器包含10根金屬氧化物傳感器，每個傳感器對被測氣體都有不同的靈敏度，能夠對食品和飲料中大多數揮發性化合物進行交叉響應［24］。

表2 PEN3型電子鼻的10個傳感器及其敏感物質Table 2 10 sensors of type PEN3 electronic nose and its sensitive substances

1.3 試驗方法

靈敏傳感器的確定：采用電子鼻作為檢測儀器，考察傳感器對不同濃度香氣物質的響應，當香氣物質進入電子鼻傳感器并被傳感器吸附后，使得其相對電導率G/G0（實時電導率G 與初始電導率G0 的比值）發生改變。通常情況下，判斷10 個傳感器對樣品中揮發性成分識別能力的強弱，取決于傳感器的電導響應值正偏離或負偏離1 的距離。在某根傳感器上響應的香氣物質含量越高，G/G0越偏離1；濃度低于檢測限或者沒有響應的氣體，G/G0值就接近甚至等于1［25］。實時記錄10 根傳感器的G/G0 值，形成待測香氣物質的響應圖，以傳感器響應為依據，獲得最靈敏傳感器型號。

1.3.1 標準溶液配制 香氣物質標準儲備液：準確量取香氣物質溶液30 μL；用乙醇溶解，定容至10 mL 容量瓶中，配制成5 000 mg·L-1的香氣物質標準儲備液；4 ℃冷藏待用。

香氣物質標準工作液：分別準確移取香氣物質標準儲備液0、25、50、100、200、400 μL 于各容量瓶中，定容至10 mL；配制成濃度為0、12.5、25、50、100、200 μg·mL-1的標準系列濃度工作液；4 ℃冷藏待用。

1.3.2 電子鼻測定及工作條件 取香氣物質標準工作液5 mL 于20 mL 電子鼻專用瓶中，旋緊瓶蓋密封放置0.5 h，使其頂部氣體成分穩定，針式采集氣味數據信息，每份樣品重復測定6次。

電子鼻測定方法采用頂空進樣法。傳感器自清洗時間為300 s，進樣準備時間5 s，傳感器信號采集時間為60 s，載氣的速率為400 mL·min-1，樣品氣體的進樣速率為400 mL·min-1，操作環境溫度為26 ℃。

1.4 數據處理

本研究中電子鼻的電導信號響應數據的采集、處理使用電子鼻配套的WinMuster 軟件，主要方法為響應曲線圖、負荷加載分析（Loadings）、電子鼻雷達圖。使用Origin 2021 軟件繪制雙標圖（Biplot）。利用在線軟件MetaboAnalyst 5.0（https：//www.metaboanalyst.ca/MetaboAnalyst/home.xhtml）進行熱圖分析、主成分分析（principal component analysis，PCA）和PCA Biplot分析。

2 結果與分析

2.1 葡萄酒特征香氣化合物傳感器響應分析

本研究選用的PEN3型電子鼻具有10根傳感器裝置，不同傳感器對不同類型揮發性物質靈敏度具有差異。因此，試驗首先針對電子鼻各傳感器與特征香氣化合物識別靈敏程度情況進行判斷選擇，在篩選出適宜傳感器的基礎上，針對其所識別的特征香氣化合物進行類別歸屬，分析各個特征香氣化合物濃度與靈敏傳感器的關聯性。以此為依據，對不同葡萄酒產品進行分類判別。

2.1.1 特征香氣化合物靈敏傳感器篩選 聚類熱圖利用被研究變量的相似程度遠近進行分類判別，借助熱圖中色塊的屬性差別可以判斷變量的差異化程度。由圖1 可知，電子鼻中的10根傳感器明顯聚為2類，即W1、W3、W4、W5、W10 為一類；W2、W6、W7、W8、W9為另一類。后者幾乎對所有待分析的特征香氣化合物表現出較靈敏的信號識別，且W2、W7 傳感器較其他三者有更加強烈的信號顯示。特征香氣化合物在很大程度上決定了葡萄酒的整體氣味輪廓，有研究顯示，葡萄酒在傳感器W2、W6、W7、W8、W9 上有較強的響應，與本研究特征香氣化合物的結果一致［26］。

2.1.2 特征香氣化合物氣味與靈敏傳感器的PCA Biplot 分析 PCA 的雙標圖（PCA Biplot 圖）可反映變量間或變量與樣本間的相關性，線條的長短可以反映變量對樣本分離的貢獻度，樣本與變量間的距離反映關聯性強弱。對揮發性風味物質和電子鼻傳感器信號強度進行PCA Biplot 分析，如圖2 所示，PCA 主成分的累積貢獻量為94.4%，說明其保留了原始數據中大部分的信息量。PC1的正半軸反映了所有特征性香氣化合物的信息，其中芳樟醇、β-大馬酮、橙花醇、香茅醇、乙酸己酯、壬醛、反-2-壬烯醛、α-紫羅蘭酮、反-2-己烯醇在PC2 的正半軸，與W7 距離最近，表示其與W7的相關性最強，這與Shi 等［27］的研究結果相似。而香葉醇、α-萜品醇、β-紫羅蘭酮、正己醇、葉醇、順-3-壬烯醇、反-2-己烯醛、正己醛與W2距離較近，說明其與W2有很強的相關性，符合該傳感器所對應的broadrange（廣域）的屬性。

圖2 特征香氣化合物氣味與靈敏傳感器PCA Biplot圖Fig.2 Characteristic aroma compounds scent with sensitive sensor PCA Biplot

2.1.3 特征香氣化合物氣味與濃度的Pearson 相關性 特征香氣化合物濃度的高低對葡萄酒質量尤為重要，是不同葡萄酒品質差異的重要因素。雙變量相關分析法（Pearson 相關性分析）是一種用來衡量兩個變量之間線性關系強度的方法。為進一步探究特征香氣化合物濃度與傳感器響應的相關性，采用Pearson 相關分析法對電子鼻各傳感器穩態時刻響應值的平均值與特征香氣化合物濃度進行相關性分析，如表3 所示，W6、W8、W9 的響應與芳樟醇濃度間的相關系數均達到了0.900 及以上，W6、W7、W8、W9 的響應與反-2-己烯醛濃度則達到了0.891 及以上，壬醛濃度與W6、W8、W9 的響應也達到了0.900 及以上，上述傳感器響應均與香氣物質濃度間呈顯著或極顯著正相關。其余香氣物質濃度與靈敏傳感器響應值的平均值相關系數也都達到了0.879及以上，也呈顯著或極顯著正相關。

表3 各傳感器穩態時刻響應值的平均值與特征香氣物質濃度的相關系數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 葡萄酒樣品在電子鼻上的響應分析 為了說明香氣化合物靈敏傳感器篩選的可靠性，用電子鼻對葡萄酒樣品進行分析。葡萄酒樣品電子鼻響應值曲線如圖3-A 所示，以提取穩定階段（48～60 s）中54 s 時的響應值作為分析特征值，評估葡萄酒香氣在各個傳感器上的響應情況。結果顯示，葡萄酒樣品中2 號的G/G0 值最高，為26.069，其次是7 號、9 號、8 號和6 號傳感器，分別為20.289、18.622、18.181、9.521。電導信號雷達圖如圖3-B 所示，可以直觀地反映待測樣品整體的氣味輪廓，葡萄酒樣品的10 根傳感器電導響應程度明顯不同，2號傳感器的雷達面積最大，其次是7號、9 號、8 號和6 號傳感器。Loadings 負荷加載分析如圖3-C所示，反映了10個傳感器在主成分1和主成分2上貢獻率的大小，W5S、W2W、W1W 在主成分1的識別上特征顯示明顯，而W2S 和W1S 在主成分2 的識別上具有明顯特征顯示，但W1C、W3C、W6S、W5C、W3S 這5 個傳感器的電導響應值識別趨近于零，幾乎沒有顯示。以上結果與響應曲線和電導信號雷達圖結果相互印證，可確定上述傳感器是區分葡萄酒樣品特征的關鍵傳感器。這與特征化合物篩選的結果一致，進一步說明了篩選傳感器的正確性。

圖3 葡萄酒在電子鼻上響應Fig.3 Wine response on the electronic nose

2.2 葡萄酒鑒別分析

2.2.1 不同品種的葡萄酒PCA 和PCA Biplot 分析對不同品種的葡萄酒樣品電子鼻靈敏傳感器數據進行主成分分析（圖4-A），兩種主成分的貢獻率分別是69.2%和16.3%，累計貢獻率為85.5%，說明其降維有效，能夠反映原始數據的整體信息。借助于電子鼻對葡萄酒中特征香氣物質的識別發現，赤霞珠和美樂樣品在主成分圖中有明顯的區分，其中，赤霞珠樣品分布在PC2 的正半軸，美樂則主要集中于PC2 的負半軸。同時，結合PCA Biplot圖（圖4-B）可知，W2傳感器與美樂樣品有較高的相關性?？紤]到W2 傳感器對香葉醇、α-萜品醇、β-紫羅蘭酮、正己醇、葉醇、順-3-壬烯醇、反-2-己烯醛、正己醛等特征香氣化合物有較為靈敏的識別度，且與其濃度呈顯著正相關，推測供試的美樂與赤霞珠樣品在香葉醇、α-萜品醇、β-紫羅蘭酮、正己醇、葉醇、順-3-壬烯醇、反-2-己烯醛、正己醛存在明顯的種類或含量差別，并由此帶來香氣效果的不同（薔薇香、丁香、青草香）。因此，借助電子鼻W2 傳感器的識別屬性可作為區分美樂和赤霞珠葡萄酒的重要依據。

圖4 不同品種葡萄酒電子鼻靈敏傳感器數據的PCA（A）和PCA Biplot圖（B）Fig.4 PCA （A） and PCA Biplot （B） of electronic nose-sensitive sensor data for different varieties of wine

2.2.2 同一品種不同區域的葡萄酒PCA 和PCA Biplot 分析 為了進一步探究甘肅河西走廊產區的同一品種不同區域葡萄酒樣品的分離情況和香氣物質差異，對上述樣品電子鼻靈敏傳感器數據進行PCA 和PCA Biplot分析。

赤霞珠樣品中，兩種主成分的貢獻率分別是72.4%和23.1%，累計貢獻率為95.5%。供試的3 個區域的樣品（嘉峪關、武威、張掖）均得到了有效的分離。其中，張掖和武威地區的樣品分別分布在PC1 的負、正半軸，說明香氣差異明顯，而嘉峪關與張掖、武威地區的差異主要體現在PC2 上（圖5-A）。結合PCA Biplot 圖（圖5-B）可知，傳感器W2、W7 與武威樣品有較高的相關性，且W2的貢獻大于W7，W7傳感器對β-大馬酮、橙花醇、香茅醇、乙酸己酯、反-2-壬烯醛、α-紫羅蘭酮、反-2-己烯醇等特征香氣化合物識別靈敏。因此，推測供試中武威樣品的香氣效果在薔薇香（香葉醇）、丁香（α-萜品醇）、青草香（正己醇、葉醇、順-3-壬烯-1-醇、反-2-己烯醛、正己醛）、橙花香（橙花醇）、蘋果香（乙酸己酯）、黃瓜香（反-2-壬烯醛）、梨香（反-2-己烯-1-醇）上表現出不同，其香氣化合物存在明顯的種類或含量差別。另外，嘉峪關樣品與傳感器W6、W8、W9的相關性更強，這些傳感器所代表的化合物是區分嘉峪關和張掖地區葡萄酒的重要依據，具體還有待進一步研究。

圖5 同一品種不同區域葡萄酒電子鼻靈敏傳感器數據的PCA和PCA Biplot圖Fig.5 PCA and PCA Biplot of electronic nose-sensitive sensor data for wines of the same variety and different regions

美樂樣品中，兩種主成分的貢獻率分別是84.2%和13.5%，累計貢獻率為97.7%。供試的3個區域的樣品均得到了有效的分離。嘉峪關與武威樣品的差異主要體現在PC2 上（圖5-C）。結合PCA Biplot 圖（圖5-D），發現結果與赤霞珠樣品相似。傳感器W6、W8 所代表的化合物是區分嘉峪關和張掖地區葡萄酒的依據。

綜上所述，武威樣品特征香氣化合物（香葉醇、α-萜品醇、β-紫羅蘭酮、正己醇、葉醇、順-3-壬烯醇、反-2-己烯醛、正己醛、β-大馬酮、橙花醇、香茅醇、乙酸己酯、反-2-壬烯醛、α-紫羅蘭酮、反-2-己烯醇）種類和含量的不同是其香氣效果差異（薔薇香、丁香、青草香、甜玫瑰香、橙花香、蘋果香、黃瓜香、梨香）的關鍵。因此，武威與張掖、武威與嘉峪關葡萄酒的區分可以借助W2 和W7 的識別屬性。另外，嘉峪關和張掖葡萄酒的氣味特征區別受其他特征化合物的影響，具體有待進一步研究。

2.2.3 同一品種同一區域不同年份的葡萄酒PCA 和Biplot 分析 為了進一步探究甘肅河西走廊產區同一品種同一區域不同年份葡萄酒的分離情況和香氣物質差異，對上述樣品電子鼻靈敏傳感器數據進行PCA 和PCA Biplot 分析，如圖6 所示。結果顯示，PCA 圖的累計貢獻率均大于80%，同一品種同一區域不同年份的葡萄酒均得到了很好的分離（圖6-A、C、E、G、I、K）。PCA Biplot 圖顯示，傳感器W2、W7 更傾向于新鮮的葡萄酒，尤其是W2，往往在區分中表現出了更大的貢獻（圖6-B、D、F、H、J、L）。據此，推測供試的新鮮葡萄酒樣品在薔薇香、丁香、青草香等香氣效果上與年份較為久遠的樣品間存在明顯差異，在香氣化合物上主要表現在香葉醇、α-萜品醇、β-紫羅蘭酮、正己醇、葉醇、順-3-壬烯醇、反-2-己烯醛、正己醛的種類和含量不同。因此，W2 傳感器的識別屬性有區分葡萄酒年份的潛力，尤其是鑒別新鮮葡萄酒。

圖6 同一品種同一區域不同年份的葡萄酒電子鼻靈敏傳感器數據的PCA和PCA Biplot圖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 討論

本研究利用電子鼻氣體識別技術首先篩選出對香氣物質較為靈敏的傳感器W2、W6、W7、W8 和W9，香氣物質在傳感器的類別歸屬發現，十幾種物質都集中在傳感器W2和W7，這是由于這些香氣物質結構相似。對應到已有文獻傳感器對化合物的識別屬性上，大部分文獻只提及了常見的個別物質，僅有個別文獻能解釋本研究的結果，例如，Shi 等［27］的研究提到傳感器W2對一些萜類物質有較高的靈敏度，而大部分文獻僅提到了其對氮氧化合物敏感［24］。因此，僅根據傳感器的這種寬泛的識別屬性進行待測物質化合物種類和含量的判斷具有局限性。盛秀麗等［28］利用電子鼻和頂空固相微萃取氣質聯用（headspace solid phase microextraction combined with gas chromatography-mass spectrometry，HS-SPME-GC-MS）技術進行不同新疆石榴果實揮發性成分的分析發現，電子鼻判斷結果與氣相色譜-質譜（gas chromatography-mass spectrometry，GC-MS）檢測得出的結果不一致，其解釋為電子鼻和GC-MS 的數據庫系統對物質分類方法不一致。因此，特征化合物在傳感器上的歸屬在產品溯源、鑒別中顯得尤為重要。

葡萄酒鑒別中，特征香氣物質在電子鼻氣體識別技術中的應用間接反映出了不同品種、區域、年份的葡萄酒樣品香氣效果上的差別。有研究顯示，美樂中的反-2-己烯醛、正己醛、正己醇等是重要的特征香氣組分，正己醇、正己醛、β-紫羅蘭酮等是赤霞珠葡萄酒的特征香氣成分，在甘肅河西走廊產區的赤霞珠葡萄酒中，正己醇、正己醛相對含量較高，但并未檢出β-紫羅蘭酮［29-30］。Jiang 等［31］對中國4 個葡萄產區赤霞珠和美樂葡萄酒香氣化合物進行了比較，發現正己醇在兩種葡萄酒間的含量差異顯著，α-萜品醇在河北沙城的的美樂樣品檢測到，在赤霞珠中并未檢測到。

嘉峪關葡萄酒的醇類物質（花香）含量最高，酯類（果香）含量最高的是張掖葡萄酒，而武威葡萄酒因地域的區別也表現出不同的香氣輪廓特點，例如，武威涼州產地酒樣缺少張掖高臺、張掖板橋和嘉峪關共有的正己醇（青草香），而獨有其他香氣成分（1，3-丁二醇、4-羥基苯乙醇）［32］。另外，本研究發現，嘉峪關和張掖地區的樣品差異主要受傳感器W6 和W8 所代表化合物的影響，嘉峪關葡萄酒醇類物質含量高，張掖的酯類含量高；傳感器W6 對烷類（甲基類）靈敏，W8 對醇類比較敏感，推測醇類物質的差異是區分兩地葡萄酒的關鍵物質類別之一，具體有待進一步研究。

隨著陳釀時間的延長，葡萄酒中酯類香氣成分的含量逐漸增加，醇類香氣成分含量先降低后趨于平緩，這些含量較高的物質種類雖然相似，但含量不盡相同；此外，一些有機酸、醛、酮等物質含量逐漸降低，微量特征芳香成分差異較顯著［33］。感官上表現為果香逐漸濃郁，花香、草香等氣味變淡。據此，可推測葡萄酒中的薔薇香、丁香、青草香氣味會隨著貯藏時間的延長而變淡。

4 結論

電子鼻氣體識別技術結果表明，對特征香氣物質最為靈敏的傳感器是W2 和W7，可作為判斷不同葡萄酒間氣味特征區別的重要媒介。借助此傳感器對不同品種、產地和年份的葡萄酒樣品進行分析可知，W2 傳感器可有效區分供試的美樂和赤霞珠葡萄酒，且推測這兩類樣品的香氣差異主要集中在薔薇香、丁香、青草香等呈香效果方面；W2 和W7 傳感器可明顯區分供試的不同產地葡萄酒樣品，并推測武威樣品與其他地區樣品香氣差異主要表現在薔薇香、丁香、青草香、甜玫瑰香、橙花香、蘋果香、黃瓜香、梨香等方面；此外，W2傳感器還具有判別葡萄酒年份的潛力，對比發現，新鮮葡萄酒樣品具有更強烈的薔薇香、丁香和青草香。