可視化陣列傳感器在不同酒齡白酒檢測中的應用

霍丹群，尹猛猛，張 良，侯長軍，*，張苗苗，秦 輝，楊麗敏，沈才洪，張宿義，，盧中明，，周 軍，

(1.“生物流變科學與技術”教育部重點實驗室(重慶大學)，重慶大學生物工程學院，重慶400044; 2.瀘州老窖股份有限公司，四川瀘州646000)

可視化陣列傳感器在不同酒齡白酒檢測中的應用

霍丹群1，尹猛猛1，張 良2，侯長軍1，*，張苗苗1，秦 輝1，楊麗敏1，沈才洪2，張宿義1，2，盧中明1，2，周 軍1，2

(1.“生物流變科學與技術”教育部重點實驗室(重慶大學)，重慶大學生物工程學院，重慶400044; 2.瀘州老窖股份有限公司，四川瀘州646000)

利用可視化陣列傳感器對瀘州老窖四種不同酒齡的酒樣進行檢測，得到了不同酒齡酒樣的指紋圖譜。將得到的傳感器光譜變化數據利用方差分析進行優(yōu)化，刪除了對識別結果貢獻小的傳感器陣列點和顏色分量。對優(yōu)化前后的數據進行聚類分析表明，可視化陣列傳感器經過數據優(yōu)化可以實現對不同酒齡瀘州老窖原酒的正確區(qū)分。

可視化陣列傳感器，方差分析，年份酒

目前，對白酒檢測分析的主要手段為感官評定、常規(guī)化學分析法以及傳感器檢測。然而感官分析是依靠品酒師的主觀經驗來判定白酒的質量，主觀性很強，很難形成一個客觀的評價標準。氣相色譜、熒光光譜、紅外光譜等化學分析方法可對白酒中的微量成分進行定性、定量檢測［1－4］，但是白酒是由幾百種復雜香氣化合物組成的［4］，常規(guī)化學分析方法多注重于白酒微觀化學成分的研究［5］，而將白酒中各種自身成分的綜合作用和相互關系割裂開來，因此，常規(guī)化學分析方法很難適應白酒的綜合、宏觀的整體評價。另外常規(guī)的色譜、光譜設備多為大型儀器，費用較高，不便于實時實地的在線檢測。電子鼻和電子舌是目前研究較多的傳感器，近年來已被廣泛應用于食品安全檢測和白酒檢測［6－7］。電子鼻和電子舌是一系列的具有非特異性、低選擇性、交互靈敏性和穩(wěn)定性的化學傳感器組成的分析裝置［8］，具有檢測速度快、能實現混合物的定性、定量檢測等優(yōu)點，但該類傳感器在選擇性方面有待改善，對相似物質的區(qū)分能力有限?？梢暬嚵袀鞲衅魇遣捎脤Σ煌镔|具有一定特異性識別能力的敏感材料制作而成，在與待測樣本反應后，陣列上的敏感材料會發(fā)生不同的光譜變化，通過信號識別和處理系統(tǒng)，得到反應前后的可視化光譜差圖以及光譜變化的三個顏色分量R、G、B變化數據［9－10］?？梢暬嚵袀鞲衅魃系拿舾胁牧鲜且怨矁r鍵、氫鍵等較強的作用力與待測樣本分子結合反應的，相比依靠分子吸附作用與待測分子結合的電子鼻、電子舌在特異性識別和檢測的敏感性方面更具優(yōu)勢。國內外尚未見采用可視化陣列傳感器對不同酒齡的酒樣進行檢測分析的報道，本文探討了可視化陣列傳感器光譜變化數據的優(yōu)化方法及其在瀘州老窖不同酒齡的酒樣區(qū)分中的應用。

1 材料與方法

1.1 材料與儀器

酒樣 瀘州老窖酒廠提供的0、5、10、20年的四個酒齡的酒樣，四個酒樣編號分別為 0Y、5Y、10Y、20Y。

可視化陣列傳感器 主要是由卟啉及其衍生物組成，實驗構建4×4的傳感陣列。傳感陣列采用疏水的反相硅膠板作為基底材料，可以有效地防止空氣濕度對陣列檢測造成的影響。制作好的陣列芯片密封保存于氮氣黑暗環(huán)境中，以保持陣列的反應活性。

1.2 裝置介紹

實驗裝置為自行加工設計的基于可視化陣列傳感器的白酒檢測系統(tǒng)。如圖1所示，整個檢測系統(tǒng)包括三部分:白酒揮發(fā)裝置、白酒氣體檢測裝置、控制和數據采集處理系統(tǒng)。白酒檢測裝置內部裝有溫度傳感器實時監(jiān)測裝置內部的溫度，LED照明系統(tǒng)為裝置內部光源，CCD攝像頭用于采集反應前后的傳感器圖像，氣體導流板為帶孔透明玻璃板，用于調節(jié)氣體流速和方向。白酒揮發(fā)裝置和白酒氣體檢測裝置外部均有加熱夾套，裝置內部溫度的控制是通過調節(jié)夾套中循環(huán)水的溫度實現的，循環(huán)水來自超級恒溫水浴鍋。

圖1 嗅覺可視化傳感器檢測系統(tǒng)示意圖

1.3 實驗方法

a.調節(jié)夾套中循環(huán)水溫度，使裝置內部溫度調整到所需溫度;b.通過進樣孔加入待測酒樣;c.將傳感器放入白酒氣體檢測裝置;d.打開真空泵和單向電磁閥，使白酒氣體在白酒揮發(fā)裝置和白酒氣體檢測裝置中循環(huán)。只需通過控制和數據采集處理系統(tǒng)采集反應前和反應后的陣列光譜圖，系統(tǒng)軟件就能自動提取并保存?zhèn)鞲嘘嚵猩厦總€點的R、G、B數值。通過軟件將反應前后的光譜圖進行標準化處理后，自動提供反應前后的差譜圖和其對應個點的RGB值。差譜圖是反應結果的直觀表達，RGB值則代表了反應過程中的詳細變化。本實驗采用4×4維的傳感陣列，每個陣列點包含R、G、B三維向量數據，響應結果包含了48維的數據，每個維數據理論上的變化范圍為0～255，因此可視化陣列傳感器在理論上的響應模式可達25648種，這就保證了傳感器的強大識別能力。

2 結果與討論

2.1 不同酒齡酒樣的指紋圖譜

利用基于可視化陣列傳感器的白酒檢測系統(tǒng)對不同酒齡的酒樣進行檢測，將25min以后達反應平衡的差譜圖平均，作為每次檢測的最終結果。每種酒樣重復進行7次，將平行樣的差譜圖平均作為該種酒樣的最終指紋圖譜。如圖2所示，四種酒齡酒樣同屬于瀘型酒，四種酒齡酒樣的指紋圖譜敏感點的種類和數目相似，差別不大。四種酒樣的差異主要表現在敏感點的光譜變化強度上。其中0Y酒樣與其它三個酒樣差別最大，5Y、10Y、20Y三個酒樣之間差別相對較小。

圖2 不同貯存時間的白酒指紋圖譜

對所得到的差譜圖及其指紋圖譜，采用方差分析(ANOVA，analysis of variance)、聚類分析(HCA，hierarchical cluster analysis)、判別分析(LDA，linear discriminant analysis)等方法進行數據分析，減少實驗誤差，使區(qū)分效果更加明顯。

2.2 傳感器數據的優(yōu)化

2.2.1 傳感器數據的預處理 為了減少實驗中設備和操作帶來的誤差，利用設定閾值對傳感器數據進行預處理。通過設定閾值，將RGB之和小于20的點的RGB變化值歸零，將四種酒樣中的光譜變化值顯著的陣列點的光譜變化數據作為指紋數據，對數據進行聚類分析(HCA)、方差分析(ANOVA)及判別分析(LDA)。

2.2.2 方差分析 利用方差分析評估傳感器陣列上顏色分量對不同酒齡酒樣分類效果的貢獻大小。方差分析是統(tǒng)計檢驗的一種，是研究一個或多個自變量對一個或多個因變量影響的方法，用于多個樣本間均數的比較。方差是描述變異的指標，方差分析則是對變異的分析。每次實驗結果都受不同因素的影響，不同的因素對實驗結果的影響程度不同。方差分析就是根據實驗結果進行數據分析，區(qū)別各個相關影響因素對實驗結果影響程度的有效方法。

將傳感陣列上15個光譜變化明顯的點的45個RGB分量作為單一影響因素的不同水平，利用單因素方差分析不同點的不同RGB顏色分量對檢測結果的影響。表1是利用SPSS軟件對傳感器數據進行單因素方差分析的結果。RGB編號欄是陣列點的RGB顏色分量編號，例如R4.1是指陣列上第四行第一列點的紅色顏色分量，即R分量。組間離差均方和組內離差均方分別反映不同酒齡酒樣之間的差異程度和同一酒樣不同平行樣之間的差異程度。F值是四類酒樣之間的組間差異與組內差異的比值。p值為顯著性概率，當p＞0.05時，說明樣本之間無顯著差異，反之樣本之間有差異。首先刪除p值大于0.05的顏色分量。G4.1、R4.2、B4.2、R4.3、G4.3、B4.3、R3.1、G3.4、B3.4、R2.1、R1.1、R1.2、B1.2、R1.4、G1.4、B1.4共16個對不同酒齡酒樣的區(qū)分無貢獻的顏色分量被刪除;組內離差均方越大則說明平行樣之間的差別越大，為了提高檢測數據的重現性，刪除組內離差均方大于40的顏色分量，G3.1、G2.2共2個顏色分量;組間離差均方越小說明不同酒齡酒樣之間的差別越小。為了提高區(qū)分效果，刪除組間離差均方小于20的顏色分量，G4.2、R3.3共2個顏色分量被刪除。

方差分析結果表明，不同顏色分離對酒樣的區(qū)分貢獻不同，p值越小說明該顏色分量可使不同酒樣區(qū)分效果越好。共有29個顏色分量的 p值小于0.05，這些顏色分量代表了不同酒齡酒樣之間是有顯著差別的。組間離差均方越大、組內離差均方越小，表明在該顏色分量下不同酒齡的酒樣各自的特點越集中，區(qū)分效果越好。通過挑選刪除，共保留25個顏色分量數據進行進一步分析。

2.3 優(yōu)化前后對比

為了對比方差分析優(yōu)化前后的不同酒齡酒樣分類效果的差異，采用聚類分析對優(yōu)化前后的光譜變化數據進行分析。聚類分析是一種常用的統(tǒng)計分析方法，它與一般分類的不同在于，聚類所要求劃分的類是未知的。聚類是將數據分類到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。先把各個分類對象單獨視為一類，然后根據距離最小的原則，依次選出一對分類對象，并成新類。經過多次重復，就可以把所有對象歸為一類，這樣就可以根據歸并的先后順序作出聚類譜系圖。聚類圖表示的是不同酒齡酒樣之間的相似程度，計算過程所用的數據就是陣列上每個點與不同酒齡酒樣反應前后的RGB差值，同時聚類圖還反映出平行樣實驗之間的差異。

圖3是設定閾值之后的傳感器數據聚類分析圖。四種不同酒齡的酒樣基本上可以被分開。其中0Y、5Y、20Y的酒樣被正確歸類，10Y酒樣平行樣之間差別較大，歸類出現錯誤。圖4是經過方差分析刪除對正確分類貢獻小的顏色分量后的聚類分析圖。經過優(yōu)化后，平行樣之間的距離縮小，四種不同酒齡的酒樣完全可以被正確歸類。從圖4上可以看出，隨著貯存時間的增加，酒樣的變化逐漸緩慢。0～5年之間，剛生產出的新酒，刺激性較大，各組分不協調，不同組分之間發(fā)生的物理化學變化比較頻繁，酒樣在這個階段發(fā)生的變化較大。5～10年之間，酒樣內部在這段時間里發(fā)生的化學變化與0～5年相比要少的多，因此，在聚類圖上5～10年的酒樣距離要近一些。10～20年之間，酒樣經過十年的貯存，絕大部分物質已經處于一個相對穩(wěn)定的狀態(tài)，僅有少量的組分在發(fā)生一些變化，這就使得10Y和20Y酒樣在聚類圖上距離最近。白酒的貯存過程就是一個酒樣內部物質逐漸趨于穩(wěn)定的過程，貯存初期酒樣組分極不穩(wěn)定，變化較大，隨著貯存時間的增加，酒樣內部物理化學變化的進行，各組分逐漸趨于穩(wěn)定，酒樣變化速度逐漸變慢，最終達到一個動態(tài)平衡。

表1 不同酒齡酒樣的方差分析結果

2.4 判別分析

圖3 優(yōu)化前不同貯存時間的白酒聚類分析圖

圖4 優(yōu)化后不同貯存時間的白酒聚類分析圖

聚類分析表明經過優(yōu)化，不同酒齡的酒樣區(qū)分效果更好。為了更好的區(qū)分不同酒齡的酒樣，采用判別分析對優(yōu)化后的光譜變化數據進行分析。判別分析是一種常用的模式識別方法，通過對數據進行分析得到判別函數，利用判別函數來提取同種樣本所獨有的特征，相同種類的樣本將得到的所有觀測值代入判別函數就可以得到相似的函數值，不同種類的樣本則得到不同的函數值。判別函數是對不同種類的樣本特征進行綜合的提取，對樣本整體特征的反映，通過對判別函數中參數系數的調整來實現對同種樣本特征的提取。利用判別分析方法對優(yōu)化后的數據進行判別分析，得到的判別函數散點圖如圖5所示。四種不同酒齡的酒樣分布在由判別函數組成的三維空間中，同種酒樣的三維坐標相似，平行樣點聚集在一起。隨著貯存時間的變化，酒樣在三維空間中的位置也在發(fā)生變化。在第一判別函數和第二判別函數組成的平面中，酒樣位置隨著貯存時間的增加按順時針方向自左向右發(fā)生變化。不同酒齡的酒樣在散點圖上的位置是由其判別函數值所決定的。判別函數是對不同酒齡酒樣特征的提取，不同酒齡的酒樣中香味物質的組成和不同組分之間的相互作用決定了該酒樣的特征，因此判別函數是不同酒齡的酒樣中香味物質的組成和不同組分之間的相互作用的公式化反映。

在判別函數散點圖上，不同酒樣區(qū)分明顯。同一酒樣的平行樣的判別函數值比較接近，分布在一個較小的范圍里。如圖5所示，0Y酒樣的判別函數值的范圍為(19.26～20.70，－13.90～－16.30，8.35～10.14)，5Y酒樣的判別函數值范圍為(22.15～24.87，12.54～14.81，－7.10～－9.60)，10Y酒樣的判別函數值范圍為(－22.24～－24.33，9.80～12.25，9.69～11.65)，20Y酒樣的判別函數值范圍為(－19.27～－22.76，－8.87～－11.39，－11.47～－13.78)。不同酒齡的酒樣判別函數值差別很大，區(qū)別明顯。利用判別分析獲得的判別函數，可以很好的實現對不同酒齡酒樣特征的提取和酒樣的區(qū)分。

圖5 優(yōu)化后不同貯存時間的白酒LDA散點圖

3 結論

通過可視化陣列傳感器對不同酒齡的瀘州老窖原酒進行了檢測，得到了不同酒齡酒樣的指紋圖譜。將得到的光譜變化數據運用方差分析技術進行優(yōu)化后，利用聚類分析和判別分析可以實現對不同酒齡酒樣的正確歸類和區(qū)分。不同酒齡酒樣的指紋圖譜是該酒樣特征的直觀反映，可以利用指紋圖譜來實現對不同酒齡酒樣的區(qū)分。同時，利用方差分析對傳感器數據進行優(yōu)化是對傳感器光譜變化數據特征的進一步提取，刪除了干擾因素，使不同酒樣的特征更加集中，區(qū)分更加明顯。

本研究為白酒酒齡的鑒別和區(qū)分提供了一種新的思路，在白酒質量監(jiān)測方面有著廣闊的應用前景，同時也為可視化陣列傳感器這種新型傳感器的數據優(yōu)化供了新的方法。

［1］Pereira AC，Reis MS，Saraiva PM，et al.Analysis and assessment of Madeira wine ageing over an extended time period through GC－MS and chemometric analysis［J］.Analytica Chimica Acta，2010，660(1－2):8－21.

［2］Coimbra MA，Goncalves F，Barros AS，et al.Fourier transform infrared spectroscopy and chemometric analysis of white wine polysaccharide extracts［J］.Joumal of Agricultural and Food Chemistry，2002，50(12):3405－3411.

［3］Edelmann Andrea，Diewok Josef，Baena Josefa Rodriguez，et al.High－performance liquid chromatography with diamond ATRFTIR detection for the determination of carbohydrates，alcohols and organic acids in red wine［J］.Journal of Agricultural and Food Chemistry，2003，376(1):92－97.

［4］Sadecka J，Tothova J，Majek P.Classification of brandies and wine distillates using front face fluorescence spectroscopy［J］. Food Chemistry，2009，117(3):491－498.

［5］Kevin Mac Namara，Riccardo Leardi，Andrew Sabuneti.Fast GC analysis ofmajor volatile compounds in distilled alcoholic beverages［J］.Analytica Chimica Acta，2005，542(2):260－267.

［6］ManuelUrbano，Marai D.Luque de Castro，Ultraviolet－visible spectroscopy and pattem recognition methods for differentiation and classification of wines［J］.Food Chemistry，2006，97: 166－175.

［7］Lozano J，Arroyo T，Santos JP，et al.Electronic nose for wine ageing detection［J］.Sensors And Actuators B－chemical，2008，133(1):180－186.

［8］Shi－Yi Tian，Shao－Ping Deng，Chun－Hui Ding，et al.Discrimination of red wine age using voltammetric electronic tongue based on multifrequency large－amplitude voltammetry and pattern recognition method［J］.Sensors and Materials，19(5):287－298.

［9］陳四海，周敬良.化學傳感器陣列的計算機數據分析方法和發(fā)展趨勢［J］.化學傳感器，2008(4):22－27.

［10］Rakow Neal A，S Suslick Kennet.A colorimetric sensor array for odour visualization［J］.Letter to Nature，2000，406:710－713.

［11］Zhang Chen，S Suslick Kenneth.A Colorimetric Sensor Array for Organics in Water［J］.Journal of American Chemical Society，2005，127:11548－11549.

Application of colorimetric array sensor for discrimination of liquors with different age and optimization of the sensor data

HUO Dan－qun1，YIN Meng－meng1，ZHANG Liang2，HOU Chang－jun1，*，ZHANG Miao－miao1，QIN Hui1，YANG Li－min1，SHEN Cai－h(huán)ong2，ZHANG Su－yi1，2，LU Zhong－ming1，2，ZHOU Jun1，2
(1.Key Laboratory of Biorheology and Technology of Ministry of Education，College of Bioengineering，Chongqing University，Chongqing 400044，China;2.Luzhou Laojiao Group Co.，Ltd.，Luzhou 646000，China)

Four Luzhoulaojiao liquors of different age were detected by colorimetric array sensor and the fingerprint maps of the liquors were obtained.Variance analysis was applied to optimize the signal data of the array sensor，a few of unremarkable sensors and RGB component values were removed.Hierarchical cluster analysis(HCA)was used to analyse the sensor data before and after optimized，computing results indicated that optimization array sensor data could make better on identification of the four Luzhoulaojiao liquors with different age.

colorimetric array sensor;analysis of variance;aged liquor

TS262.3

A

1002－0306(2011)12－0065－05

2010－11－04 *通訊聯系人

霍丹群(1965－)，女，博士，教授，主要從事微生物資源開發(fā)與利用、生物大分子的結構與功能等方面的研究。

國家自然科學基金(30770568);中央高校基本科研業(yè)務費資助(CDJXS102300);重慶市科委攻關項目(2008AC7037);重慶大學研究生創(chuàng)新團隊(200909B1008);CQDX“211工程”三期創(chuàng)新人才培養(yǎng)計劃(S－09104)資助項目;瀘州老窖股份有限公司合作研究基金項目(0221002605033)。