葡萄酒品質(zhì)分析方法研究進(jìn)展

邵志芳

（揚(yáng)州大學(xué)廣陵學(xué)院，江蘇揚(yáng)州225009）

葡萄酒品質(zhì)分析方法研究進(jìn)展

邵志芳

（揚(yáng)州大學(xué)廣陵學(xué)院，江蘇揚(yáng)州225009）

簡要介紹了市售葡萄酒的釀制與保存情況，系統(tǒng)綜述了目前葡萄酒生產(chǎn)工藝控制及品質(zhì)分析方法如國標(biāo)法，感官分析方法、統(tǒng)計(jì)學(xué)方法及光譜法和色譜法等研究現(xiàn)狀，最后簡述了葡萄酒生產(chǎn)工藝控制及品質(zhì)分析研究存在的問題及發(fā)展趨勢(shì)。

葡萄酒；生產(chǎn)工藝；品質(zhì)分析

葡萄酒是以新鮮葡萄或葡萄汁作為原料，經(jīng)發(fā)酵釀制而成，屬于健康酒精飲品。其主要成分包括水、乙醇、酸、酚類化合物和芳香物質(zhì)等，具有保護(hù)心肌，軟化心血管，美容及助消化的功效。目前除工廠商業(yè)化的生產(chǎn)，越來越多的普通家庭也自己動(dòng)手釀制葡萄酒，各種保健型葡萄酒也日益增多如紫甘薯葡萄酒、山茱萸葡萄酒、靈芝葡萄酒等[1-3]。但由于葡萄原料、釀酒的相關(guān)設(shè)備和生產(chǎn)過程中溫度、土壤、光照和水質(zhì)等生態(tài)因素，以及工藝技術(shù)的差異使得成品葡萄酒的品質(zhì)各異，如何評(píng)價(jià)和鑒定成品葡萄酒的品質(zhì)顯得至關(guān)重要[4-5]。

1 葡萄酒的釀制與保存

將采摘的新鮮葡萄剪掉腐爛霉壞部分，去掉葡萄梗和藤葉后放入酒糟中，一邊發(fā)酵一邊浸皮，發(fā)酵完成后再進(jìn)行皮渣分離，將汁液引入儲(chǔ)存容器中，高品質(zhì)葡萄酒還需放入橡木桶中培養(yǎng)，以達(dá)到柔協(xié)、舒順的口味。成品葡萄酒需平放、恒溫、恒濕、通風(fēng)、避光、避震才可以長期儲(chǔ)存[6-7]。

2 葡萄酒質(zhì)量分析方法研究進(jìn)展

2.1 國標(biāo)法

GB/T 15038—2006《葡萄酒、果酒通用分析方法》[8]對(duì)葡萄酒品質(zhì)評(píng)價(jià)包含兩個(gè)方面：感官分析和理化分析。感官分析從外觀、香氣、滋味及典型性四個(gè)感官特性對(duì)葡萄酒進(jìn)行檢查與分析評(píng)定，具體為在適宜的環(huán)境中（包括品嘗室的要求、光源的要求、溫度與濕度的要求等），由國家評(píng)酒員對(duì)樣品進(jìn)行品評(píng)，按照評(píng)分細(xì)則對(duì)樣品進(jìn)行打分，根據(jù)GB 15037—2006《葡萄酒》[9]評(píng)定等級(jí)，包括優(yōu)級(jí)品、優(yōu)良品、合格品、不合格品及劣質(zhì)品五個(gè)等級(jí)。理化分析主要從酒精度、總糖和還原糖、干浸出物、總酸、揮發(fā)酸、檸檬酸、二氧化碳、二氧化硫、鐵、銅、甲醇、抗壞血酸、糖分和有機(jī)酸以及白藜蘆醇16個(gè)方面對(duì)樣品葡萄酒的成分進(jìn)行測(cè)定。

2.2 感官方法

感官評(píng)價(jià)又稱為感官分析、感官檢驗(yàn)，是用于喚起、測(cè)量、分析、解釋產(chǎn)品通過視覺、嗅覺、觸覺、味覺和聽覺所引起反應(yīng)的一種科學(xué)的方法[10]。葡萄酒的感官評(píng)價(jià)又叫品酒、評(píng)酒，是指評(píng)酒員通過眼、鼻、口等感覺器官對(duì)葡萄酒的外觀、香氣、滋味及典型性等感官特性進(jìn)行分析評(píng)定的一種分析方法[11]。從20世紀(jì)40年代開始，許多科學(xué)家開始思索如何收集人們對(duì)物品的感官反應(yīng)以及形成這些反應(yīng)的生理現(xiàn)象[12]。目前為止，各國相關(guān)食品公司均已建立完善的感官評(píng)價(jià)部門，國內(nèi)相比而言，發(fā)展起步較晚，1975年國內(nèi)有學(xué)者開始研究香氣和組織的評(píng)價(jià)，至20世紀(jì)90年代，食品科學(xué)界大量引用“感官評(píng)價(jià)”。張艷芳[11]根據(jù)葡萄酒的感官特性及感官分析的特點(diǎn)，提出了保證葡萄酒感官分析正確性的保證體系。該體系包含了對(duì)評(píng)酒員的考核；充分的準(zhǔn)備、嚴(yán)格的保密和科學(xué)的安排；對(duì)評(píng)酒結(jié)果的科學(xué)的統(tǒng)計(jì)分析。

2.3 統(tǒng)計(jì)學(xué)方法

2.3.1 點(diǎn)特異性天然同位素分餾核磁共振技術(shù)（SNIFNMR）和同位素比質(zhì)譜（IRMS）法

點(diǎn)特異性天然同位素分餾核磁共振技術(shù)（site specific natural isotope fractionation of nuclear magnetic resonance technology，SNIF-NMR）是通過分析葡萄酒內(nèi)乙醇分子中甲基和次甲基位點(diǎn)D/H含量的差異，從而鑒別葡萄酒釀造過程中是否人為進(jìn)行了加糖、調(diào)酒精度等不允許的操作[13]。蔣露等[14]基于葡萄酒中外加糖后乙醇分子中SNIF-NMR測(cè)定甲基位（D/H）1和次甲基位點(diǎn)（D/H）11值會(huì)產(chǎn)生變化，參照歐共體（European Communities，EC）官方方法，通過蒸餾，提取葡萄酒樣品中的乙醇，研究通過對(duì)采集次數(shù)和精密度、準(zhǔn)確度的研究，建立了葡萄酒外加糖的SNIF-NMR法。基于純凈水中的δ18O‰和葡萄酒水分中的δ18O‰不同，通過檢測(cè)各葡萄酒樣品內(nèi)水分子中18O/16O同位素的比值，建立了同位素比質(zhì)譜儀（isotope ratio mass spectrometer，IRMS）檢測(cè)氧同位素鑒定全汁葡萄酒的方法。

2.3.2 基于PLS模型分析方法

偏最小二乘回歸分析（partial least squares regression，PLS）是一種多對(duì)多線性回歸建模的方法。席倩等[15]基于釀酒葡萄和葡萄酒的理化指標(biāo)，將其作為自變量，而葡萄酒的質(zhì)量作為因變量，建立偏最小二乘回歸分析模型。研究以紅葡萄為例，通過提取成分的貢獻(xiàn)率的計(jì)算，得到葡萄酒的質(zhì)量與所有理化指標(biāo)之間的PLS回歸方程。結(jié)果顯示，其中葡萄中的VC含量、褐變度、可溶性固形物、干物質(zhì)含量、果皮質(zhì)量、果皮顏色以及葡萄酒的理化指標(biāo)中的總酚對(duì)1,1-二苯基-2-三硝基苯肼（1,1-diphenyl-2-picrylhy drazyl radical 2,2-diphenyl-1-（2,4,6-trinitrophenyl）hydrazyl，DPPH）半抑制濃度等都對(duì)葡萄酒的質(zhì)量影響非常顯著。并用Matlab編程對(duì)模型的精度進(jìn)行了檢驗(yàn)，結(jié)果表明，如果不考慮釀酒工藝等技術(shù)、環(huán)境因素的影響，利用理化指標(biāo)根據(jù)建立的偏最小二乘回歸模型預(yù)測(cè)葡萄酒的質(zhì)量具有很高的可信度。

2.3.3 基于多元統(tǒng)計(jì)分析方法

多元統(tǒng)計(jì)分析方法即在多個(gè)對(duì)象和多個(gè)指標(biāo)互相關(guān)聯(lián)的情況下分析其統(tǒng)計(jì)規(guī)律的分析方法。王玉霞等[16]根據(jù)已知葡萄酒質(zhì)量評(píng)定結(jié)果、釀酒葡萄和葡萄酒的理化指標(biāo)以及芳香物質(zhì)進(jìn)行多元統(tǒng)計(jì)分析。研究以大學(xué)生數(shù)學(xué)建模競(jìng)賽為背景，根據(jù)模型一，運(yùn)用方差分析和可信度系數(shù)法，求出可信度，提出模型二分析結(jié)果，對(duì)葡萄酒的分級(jí)情況與實(shí)際比較一致，應(yīng)用模型四得到芳香類的理化指標(biāo)對(duì)葡萄酒的質(zhì)量影響較大，直接影響質(zhì)量評(píng)價(jià)結(jié)果的準(zhǔn)確性。

2.3.4 基于主成分分析與神經(jīng)網(wǎng)絡(luò)的分析方法

人工神經(jīng)網(wǎng)絡(luò)是以一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型，亦是由大量處理單元互聯(lián)組成的非線性、自適應(yīng)信息處理系統(tǒng)。吳淦洲等[17]在主成分分析的基礎(chǔ)上，篩選出4種主要特征來作為BP神經(jīng)網(wǎng)絡(luò)輸入層的神經(jīng)元，選取的神經(jīng)網(wǎng)絡(luò)層數(shù)為三層，輸出元為葡萄酒的品質(zhì)，隨即選擇24個(gè)樣本作為訓(xùn)練樣本，以出錯(cuò)率、偏差值、訓(xùn)練次數(shù)及時(shí)間作為判斷條件，不斷模擬實(shí)驗(yàn)，尋找所需的神經(jīng)網(wǎng)絡(luò)。最終挑選出最佳的一組，以5個(gè)隱含層節(jié)點(diǎn)數(shù)，tansig為輸入層轉(zhuǎn)移函數(shù)和輸出層函數(shù)，學(xué)習(xí)次數(shù)為1 000次，學(xué)習(xí)函數(shù)為默認(rèn)函數(shù)，訓(xùn)練函數(shù)為Levenberg-Marquardt函數(shù)，研究隨即從加州大學(xué)歐文分校（university of californialrvine，UCI）機(jī)器學(xué)習(xí)數(shù)據(jù)庫選取3組樣品數(shù)據(jù)輸入檢驗(yàn)訓(xùn)練好的程序，結(jié)果顯示，3組檢驗(yàn)樣本的相對(duì)誤差均＜1%，說明通過建立神經(jīng)網(wǎng)絡(luò)模型來評(píng)價(jià)葡萄酒的品質(zhì)的方法是行之有效的。

2.3.5 基于新的Hopfield神經(jīng)網(wǎng)絡(luò)分類器的分析方法

Hopfield網(wǎng)絡(luò)是一種反饋型神經(jīng)網(wǎng)絡(luò)，具有聯(lián)想記憶的特征，可以作為一類有效的分類器[18]。劉延玲[19]基于單層前向神經(jīng)網(wǎng)絡(luò)的Hopfield記憶存儲(chǔ)器設(shè)計(jì)方法[20]，將給定的樣本數(shù)據(jù)作為平衡點(diǎn)，通過訓(xùn)練該神經(jīng)網(wǎng)絡(luò)，建立了一種新的Hopfield神經(jīng)網(wǎng)絡(luò)分類器模型。研究通過將數(shù)據(jù)庫中的其他數(shù)據(jù)作為分類測(cè)試樣本，結(jié)果表明，測(cè)試樣本實(shí)現(xiàn)了正確的分類，該分類器模型數(shù)據(jù)兼容性強(qiáng)，可以直接處理來自UCI標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)庫的葡萄酒的理化性質(zhì)測(cè)試指標(biāo)數(shù)據(jù)和專家的感官評(píng)價(jià)等級(jí)數(shù)據(jù)，可以高效地為葡萄酒的生產(chǎn)、工藝改進(jìn)以及市場(chǎng)定位提供決策信息。

2.4 模糊綜合評(píng)價(jià)法

模糊綜合評(píng)價(jià)是借助模糊數(shù)學(xué)的一些概念，應(yīng)用模糊關(guān)系合成原理，將一些邊界不清、不易定量的因素定量化、綜合評(píng)價(jià)的一種方法，常用于定性檢測(cè)、感官多指標(biāo)綜合[21]。惠小靜[22]研究將酒的質(zhì)量定為四個(gè)等級(jí)，分別為“優(yōu)、良、中、差”，根據(jù)品酒員對(duì)酒樣品的打分，確定對(duì)于外觀分析，香氣分析，口感分析及整體評(píng)價(jià)的隸屬程度，建立10行4列的模糊綜合評(píng)價(jià)矩陣，同時(shí)根據(jù)外觀分析，香氣分析等四個(gè)因素在評(píng)價(jià)酒的質(zhì)量中所起的作用大小，給出權(quán)重系數(shù)，用廣義模糊合成運(yùn)算確定酒樣品的質(zhì)量等級(jí)，最終把紅葡萄酒分為“優(yōu)、良、中、差”四個(gè)等級(jí)。王百姓等[23]研究選取干紅葡萄酒的外觀、香氣、滋味、典型性及綜合品質(zhì)等5個(gè)方面作為協(xié)調(diào)性指標(biāo)論域，并選定優(yōu)（1級(jí)）、優(yōu)良（2級(jí)）、合格（3級(jí)）、不合格（4級(jí)）、劣質(zhì)（5級(jí)）5個(gè)評(píng)語等級(jí)論域，選用M（·，+）算子建立了模糊綜合評(píng)價(jià)模型，再根據(jù)隸屬度采用秩加權(quán)平均原則進(jìn)行口感協(xié)調(diào)性向量分析，確定各樣品葡萄酒的質(zhì)量等級(jí)。研究結(jié)果使用Matlab7.0對(duì)品評(píng)結(jié)果進(jìn)行頻數(shù)分析，通過與感官評(píng)價(jià)結(jié)果相比較，驗(yàn)證了此模糊綜合評(píng)價(jià)模型的可行性。模糊綜合評(píng)價(jià)的方法克服了以往簡單評(píng)分法給結(jié)果帶來的主觀性和片面性，品評(píng)不需要打分或下結(jié)論，只需根據(jù)品評(píng)情況在確定項(xiàng)目欄中劃“√”即可，經(jīng)微機(jī)計(jì)算出隸屬度，即可確定酒樣的質(zhì)量等級(jí)，具有較高的準(zhǔn)確性和公正性。

2.5 光譜法

2.5.1 紫外-可見光譜分析法

紫外-可見光譜分析法是由價(jià)電子的躍遷而產(chǎn)生的，利用物質(zhì)的分子或離子對(duì)紫外和可見光的吸收所產(chǎn)生的紫外可見光譜及吸收程度可以對(duì)物質(zhì)的組成、含量和結(jié)構(gòu)進(jìn)行分析、測(cè)定、推斷的一種方法。有學(xué)者[24]分別對(duì)不同檔次的赤霞珠干紅和不同品種釀酒葡萄釀制的葡萄干酒的紫外可見光譜掃描分析。根據(jù)研究結(jié)果，討論提出了不同檔次的赤霞珠葡萄酒在紫外光區(qū)吸收峰的豐富度和響應(yīng)值存在梯度差異，結(jié)合光吸收數(shù)據(jù)及統(tǒng)計(jì)分析技術(shù)，可用于葡萄酒品質(zhì)評(píng)價(jià)，對(duì)于不同釀酒葡萄釀制的葡萄酒，因在顏色和成分上差別較大，故可先通過大量的分析建立一個(gè)不同釀酒葡萄釀制葡萄酒的紫外-可見吸收光譜數(shù)據(jù)庫，再輔助相應(yīng)的對(duì)比統(tǒng)計(jì)軟件，也可用于釀酒葡萄品質(zhì)的鑒定。

2.5.2 分光光度分析法

分光光度法是通過測(cè)定被測(cè)物質(zhì)在特定波長處或一定波長范圍內(nèi)光的吸光度值或發(fā)光強(qiáng)度，對(duì)該物質(zhì)進(jìn)行定性和定量分析的方法。梁冬梅等[25]在分光光度計(jì)波長420 nm、520 nm、620 nm處分別測(cè)定葡萄酒的吸光度值，三者之和即為葡萄酒的色度，研究討論了不同pH值條件下的色度測(cè)定，直接法和稀釋法測(cè)定的對(duì)比結(jié)果顯示，不同pH值條件下，葡萄酒的色度也不同，生產(chǎn)中葡萄酒的最佳pH值范圍應(yīng)為3.2～3.4。此外測(cè)定葡萄酒色度時(shí)，若吸光度值＜0.5，則使用直接法測(cè)定；若吸光度值為0.5～1.5，可用10被稀釋法測(cè)定；若稀釋10倍后吸光度值仍＞1.5，則可相應(yīng)增大稀釋倍數(shù)，研究完善了分光光度法測(cè)定紅葡萄酒色度。

2.5.3 近紅外光譜分析法

近紅外光譜（near infrared spectrum instrument，NIRS）是介于可見光和中紅外之間的電磁輻射波，與有機(jī)分子中含氫基團(tuán)振動(dòng)的合頻和各級(jí)倍頻的吸收區(qū)一致，通過掃描樣品的近紅外光譜，可以得到樣品中有機(jī)分子含氫基團(tuán)的特征信息。URBANCR CUADRADO M等[26-27]通過對(duì)樣品的近紅外光譜（NIRS）和傅里葉變換紅外光譜學(xué)（Fourier transform infrared spectrometer，F(xiàn)TIS）中期掃描，選定幾個(gè)特征參數(shù)（如酒精度、總酸度、甘油、總多酚指數(shù)、乳酸和總二氧化硫），用于開發(fā)訓(xùn)練集和驗(yàn)證集，建立方程并用偏最小二乘法進(jìn)行多元校準(zhǔn)，研究結(jié)果證明了近紅外反射光譜（NIRS）分析監(jiān)測(cè)葡萄酒的可行性。張樹明等[28]研究將近紅外光譜技術(shù)應(yīng)用于葡萄酒發(fā)酵監(jiān)控中，通過結(jié)合化學(xué)計(jì)量法，對(duì)葡萄酒酒精發(fā)酵中葡萄糖、果糖、乙醇和甘油4個(gè)指標(biāo)進(jìn)行了定量分析，采用高效液相色譜法測(cè)定該4個(gè)化學(xué)指標(biāo)。通過對(duì)近紅外數(shù)據(jù)篩選、變量標(biāo)準(zhǔn)化，比較了主成分回歸和偏最小二乘回歸定量分析的模型質(zhì)量，結(jié)果顯示，對(duì)于葡萄糖和果糖，主成分回歸和偏最小二乘回歸精度相當(dāng)，都適用。對(duì)于乙醇，主成分回歸預(yù)測(cè)更精確；對(duì)于甘油，則偏最小二乘回歸更適用。研究為葡萄酒發(fā)酵的在線檢測(cè)、監(jiān)測(cè)提供了一個(gè)新的方向。

2.6 氣相色譜法

氣相色譜法即通過將一定量的氣體或液體分析物注入到柱一端的進(jìn)樣口中，當(dāng)分析物在載氣帶動(dòng)下通過色譜柱時(shí)，分析物的分子會(huì)受到柱壁或柱中填料的吸附，使通過柱的速度降低，分析物中的各種不同組分就會(huì)在不同的時(shí)間（保留時(shí)間）到達(dá)柱的末端，從而得到分離。通過物質(zhì)流出柱（被洗脫）的順序和它們?cè)谥械谋Ａ魰r(shí)間來表征不同的物質(zhì)。有學(xué)者[29]基于亞硝酸與環(huán)己基氨基磺酸鈉反應(yīng)生成環(huán)己醇亞硝酸酯，環(huán)己醇亞硝酸酯在常溫條件下成氣態(tài)可由氣相色譜儀中氫火焰離子化檢測(cè)器（flame ionization detector，F(xiàn)ID）定量檢測(cè)的原理建立了葡萄酒中亞硝酸鹽的氣相-頂空檢測(cè)方法。研究證明，回收率為85.0%～101.0%，信噪比為3∶1時(shí)最低檢出限為0.5 μg/L，線性方程為Y=6.96X-5.33，相關(guān)性和精密度都較高，能避免酒的顏色的干擾，可有效測(cè)定葡萄酒中的亞硝酸鹽。佟曉芳[30]基于硫酸介質(zhì)中甜蜜素（環(huán)己基氨基磺酸鈉）與亞硝基反應(yīng)，生產(chǎn)環(huán)乙醇亞硝酸鹽，利用氣相色譜法可進(jìn)行定量測(cè)定的原理，建立了毛細(xì)管氣相色譜法測(cè)定葡萄酒中的甜蜜素的方法，最低檢出限為3～4 μg/L，研究結(jié)果表明，該方法可快速、準(zhǔn)確測(cè)定葡萄酒中的甜蜜素。姜自軍等[31]基于液相微萃取技術(shù)建立了頂空液相微萃取/氣相色譜儀-質(zhì)譜聯(lián)用測(cè)定葡萄酒中的氨基甲酸乙酯的方法。研究結(jié)果表明，該方法測(cè)定葡萄酒中的氨基甲酸乙酯，檢出限為1 μg/L（S/N=3），在100～1 600 μg/L的范圍內(nèi)線性關(guān)系良好，相關(guān)系數(shù)達(dá)0.999 9，回收率為81.0%～103.1%。研究表明，此方法操作簡單，可測(cè)定烴類、醇類、酯類、酮類、烯醇類、醛類、含硫化合物、雜環(huán)化合物等風(fēng)味組分，分析速度快，是行之有效的檢測(cè)方法。

2.7 高效液相色譜法

高效液相色譜法是以液體為流動(dòng)相，采用高壓輸液系統(tǒng)，將具有不同極性的單一溶劑或不同比例的混合溶劑、緩沖液等流動(dòng)相泵入裝有固定相的色譜柱，在柱內(nèi)各成分被分離后，進(jìn)入檢測(cè)器進(jìn)行檢測(cè)，從而實(shí)現(xiàn)對(duì)試樣的分析。杭莉[32]建立了高效液相色譜法測(cè)定葡萄酒中3種防腐劑和2種甜味劑。研究通過將樣品中乙醇水浴去除后，再加入亞鐵氰化鉀和乙酸鋅沉淀蛋白，離心取上清液過0.45 μm水相濾膜后測(cè)定，樣品經(jīng)上機(jī)梯度淋洗后，樣品中苯甲酸、山梨酸、脫氫乙酸、安賽蜜和阿斯巴甜能夠完全分離，且定量呈現(xiàn)良好的線性關(guān)系。結(jié)果經(jīng)加標(biāo)回收驗(yàn)證，靈敏度高，準(zhǔn)確度和精密度高，在20 min內(nèi)能將5種添加劑完全分離。李廣等[33]建立了葡萄酒中9種人工合成色素（檸檬黃、莧菜紅、胭脂紅、日落黃、誘惑紅、兩藍(lán)、偶氮玉紅、專利蘭和赤蘚紅）的高效液相色譜檢測(cè)法。結(jié)果顯示該方法分離度高，能有效檢測(cè)0.50～100 mg/L的合成色素，也能為定性檢測(cè)葡萄酒中是否添加人工合成色素提供依據(jù)。趙廣西等[34]使用葡聚糖凝膠提取樣品后用高效液相色譜測(cè)定其中的紅花黃色素，建立了天然色素紅花黃摻偽葡萄酒的鑒別檢測(cè)方法，結(jié)果顯示，該方法線性關(guān)系良好，方法準(zhǔn)確、靈敏、簡單。

3 葡萄酒生產(chǎn)工藝控制及品質(zhì)分析方法存在問題及前景

我國葡萄酒需求量大，生產(chǎn)、供應(yīng)、流通體系相對(duì)較為復(fù)雜，在釀制過程中，因發(fā)酵工藝不規(guī)范，產(chǎn)生的甲醇和雜醇油等有害物質(zhì)或人工添加合成色素等都會(huì)給酒的品質(zhì)帶來影響，由此帶來的質(zhì)量監(jiān)管難度相對(duì)較大。而對(duì)于葡萄酒品質(zhì)檢測(cè)，國標(biāo)中也未明確規(guī)定影響葡萄酒品質(zhì)的指標(biāo)及安全使用量。目前，葡萄酒品質(zhì)檢測(cè)的方法較多，涉及到的質(zhì)量指標(biāo)也比較廣，大部分葡萄酒品質(zhì)檢測(cè)的方法測(cè)定程序繁瑣、準(zhǔn)確度和精密度有待商榷，且只適用于實(shí)驗(yàn)室檢測(cè)，難以滿足現(xiàn)代社會(huì)對(duì)食品安全檢測(cè)技術(shù)簡便、快速、準(zhǔn)確和現(xiàn)場(chǎng)化測(cè)定要求，因此對(duì)于葡萄酒品質(zhì)檢測(cè)技術(shù)發(fā)展應(yīng)該從以下兩方面進(jìn)行深入研究。首先需要解決的問題即確定影響葡萄酒品質(zhì)的特征質(zhì)量指標(biāo)，提高檢測(cè)的針對(duì)性；其次，研究如何將測(cè)試過程簡化，提高檢測(cè)效率，可重點(diǎn)研究物理方法，如近紅外技術(shù)測(cè)定方法，以實(shí)現(xiàn)無試劑、快速和在線測(cè)定目標(biāo)。

[1]史經(jīng)略，張安寧.紫甘薯葡萄酒釀造工藝研究[J].中國釀造，2011，30（7）：158-162.

[2]李丹素，冀玉良，劉鄰渭.山茱萸葡萄酒的釀造及澄清技術(shù)研究[J].中國釀造，2011，30（8）：105-109.

[3]高清山，肖素榮，潘敏.靈芝葡萄酒的釀造工藝初探[J].中國釀造，2008，27（17）：82-84.

[4]王顯蘇.葡萄酒工藝及相關(guān)質(zhì)量安全性評(píng)價(jià)[J].科技傳播，2014（1）：146-147.

[5]王秀芹，陳小波，戰(zhàn)吉宬，等.生態(tài)因素對(duì)釀酒葡萄和葡萄酒品質(zhì)的影響[J].食品科學(xué)，2006，27（12）：791-797.

[6]王立鵬.干型紅葡萄酒釀造工藝的探討[J].科學(xué)時(shí)代，2013（14）：1-6.

[7]郭磊，劉云，姜磊.巨峰葡萄酒釀造工藝[J].湖北農(nóng)業(yè)科學(xué)，2011，50（19）：4036-4037.

[8]中華人民共和國國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.GB/T 15038—2006葡萄酒、果酒通用分析方法[S].北京：中國標(biāo)準(zhǔn)出版社，2008.

[9]中華人民共和國國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.GB/T 15037—2006葡萄酒[S].北京：中國標(biāo)準(zhǔn)出版社，2008.

[10]LAWLESS H T，HEYMANN H.王棟，譯.食品感官評(píng)價(jià)原理與技術(shù)[M].北京：中國輕工業(yè)出版社，2001.

[11]張艷芳.葡萄酒感官分析保證體系的探討[J].食品工業(yè)，2002（4）：21-22.

[12]王文靜.感官評(píng)價(jià)在葡萄酒研究中的應(yīng)用[J].釀酒，2007，34（4）：57-59.

[13]高年發(fā)，李麗，張健.利用模式識(shí)別技術(shù)鑒別中國葡萄酒的產(chǎn)地和品種[J].中國釀造，2009，28（3）：68-72.

[14]蔣露，薛潔，林奇，等.SNIF-NMR和IRMS技術(shù)在葡萄酒質(zhì)量評(píng)價(jià)中的初步研究[J].食品與發(fā)酵工業(yè)，2008，34（11）：139-143.

[15]席倩，萬冰越.基于PLS模型的葡萄酒質(zhì)量評(píng)價(jià)[J].科技和產(chǎn)業(yè)，2014，14（2）：88-93.

[16]王玉霞，李果，王芳，等.基于多元統(tǒng)計(jì)分析的葡萄酒及其理化指標(biāo)評(píng)價(jià)研究[J].物理工程與管理，2014，36（1）：160-164.

[17]吳淦洲，梁海燕.基于主成分分析與神經(jīng)網(wǎng)絡(luò)的葡萄酒品質(zhì)評(píng)價(jià)[J].廣東石油化工學(xué)院學(xué)報(bào)，2014，24（1）：56-62.

[18]HOPFIELD J J.Neurons with graded response have collective computational properties like those of two-state neurons[J].P Natl Acad Sci USA,1984,81(10):3088-3092.

[19]劉延玲.新的Hopfield神經(jīng)網(wǎng)絡(luò)分類器在葡萄酒質(zhì)量評(píng)價(jià)中的應(yīng)用[J].價(jià)值工程，2012（2）：181-182.

[20]ZHENG P S,ZHANG J X,TANG W S.Learning associative memories byerror back propagation[J].IEEE T Neural Networ,2011,22(3):347-355.

[21]吳有煒.試驗(yàn)設(shè)計(jì)與數(shù)據(jù)處理[M].蘇州：蘇州大學(xué)出版社，2002.

[22]惠小靜.模糊數(shù)學(xué)方法對(duì)葡萄酒的分類及評(píng)價(jià)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2013，43（16）：40-45.

[23]王百姓，馮積社.模糊綜合評(píng)價(jià)在干紅葡萄酒感官品評(píng)中的應(yīng)用[J].中國食物與營養(yǎng)，2011，17（8）：33-37.

[24]楊華峰，楊勇，俞凡，等.基于光譜分析的葡萄酒品質(zhì)鑒別技術(shù)初探[J].中國釀造，2013，32（3）：28-32.

[25]梁冬梅，李記明，林玉華.分光光度法測(cè)葡萄酒的色度[J].中外葡萄與葡萄酒，2002（3）：9-13.

[26]URBANCR CUADRADO M,LUQUE DE CASTRO M D,PéREZ JUAN P M,et al.Near infrared reflectance spectroscopy and multivariate analysis in enology:determination or screening of fifteen parameters in different types of wines[J].Analytica Chimica Acta,2004,527(1): 81-88.

[27]CUADRADO M U,DE CASTRO M D L,JUAN P M P,et al.Comparison and joint use of near infrared spectroscopy and Fourier transform mid infrared spectroscopy for the determination of wine parameters[J]. Talanta,2005,66(1):214-228.

[28]張樹明，楊陽，梁學(xué)軍，等.葡萄酒發(fā)酵過程主要參數(shù)近紅外光譜分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44（1）：152-156.

[29]雷安亮，鐘其頂，高紅波，等.靜態(tài)頂空-氣相色譜法測(cè)定葡萄酒中主要香氣成分研究[J].中國釀造，2009，28（5）：147-151.

[30]佟曉芳.葡萄酒中甜蜜素含量的測(cè)定[J].釀酒，2008，35（2）：87.

[31]姜自軍，閻雪，單紀(jì)平，等.頂空液相微萃取/氣相色譜儀-質(zhì)譜聯(lián)用測(cè)定葡萄酒中的氨基甲酸乙酯[J].商品與質(zhì)量：學(xué)術(shù)觀察，2013（12）：244.

[32]杭莉.高效液相法同時(shí)測(cè)定葡萄酒中3種防腐劑和2種甜味劑[J].中國釀造，2014，33（6）：144-146.

[33]李廣，李琪，金麗瓊，等.高效液相色譜法同時(shí)測(cè)定葡萄酒中9種人工合成色素[J].中國釀造，2013，32（11）：132-135.

[34]趙廣西，劉浩，劉銳萍.外源性紅花黃色素?fù)絺纹咸丫畦b別檢測(cè)方法的研究[J].中國釀造，2014，33（9）：148-150.

SHAO Zhifang
（College of Guangling,Yangzhou University,Yangzhou 225009,China）

A brief introduction on the brewing and preservation of wine was given in this paper.The research status of wine production control and various analytical methods including the National Standard methods,sensory analysis methods,statistical methods,spectroscopy and chromatography methods were reviewed.Finally the development trend and problem existed in wine production process control and quality analysis was briefly introduced.

wine;production process;quality analysis

TS262.2

A

0254-5071（2015）04-0017-04

10.11882/j.issn.0254-5071.2015.04.005

2015-04-13

邵志芳（1986-），女，助教，碩士，主要從事電化學(xué)研究工作。