电子鼻和电子舌技术在葡萄酒检测中的应用概述

张昱，侯旭杰

（1.塔里木大学生命科学学院，新疆阿拉尔843300；2.塔里木大学生命科学学院，新疆生产建设兵团南疆特色农产品深加工重点实验室，新疆阿拉尔843300）

电子鼻和电子舌技术在葡萄酒检测中的应用概述

张昱1，侯旭杰2

（1.塔里木大学生命科学学院，新疆阿拉尔843300；2.塔里木大学生命科学学院，新疆生产建设兵团南疆特色农产品深加工重点实验室，新疆阿拉尔843300）

电子鼻和电子舌是模仿哺乳动物嗅觉和味觉而制成的智能感官检测仪器。介绍了两者的基本原理和模式识别方法，对目前电子鼻和电子舌在葡萄酒品质检测中的应用现状进行概述，并对电子鼻和电子舌今后的研究前景进行了展望。

电子鼻；电子舌；葡萄酒

随着人们物质生活水平的提高，食品质量问题一直受到消费者的关注，其中酒类品质更是被人们所重视。酒类的品质通常是通过它的品牌、酒龄、原产地和风味等方面来评价的，建立一套完善的评价体系对酒的发展至关重要。目前，对于葡萄酒类品质检测的手段有感官分析法、化学法和智能感官（电子鼻、舌）法。感官分析是评价葡萄酒质量的经典方法，是依靠人的嗅觉和味觉，通过闻酒类产品散发出的气味或是品尝酒类产品的味道而做出判断，由于把挥发物判定为气味的首要因素是嗅觉，同时辨别一种气味物质为香气或臭味的唯一标准还是嗅觉，这决定了感官分析是香气质量评价的基础，是目前任何先进仪器分析所无法取代的［1］。但由于人是感性动物，容易受周围环境和情绪变化的影响，使得嗅觉和味觉出现“疲惫”的状态，检测结果可能就会受到人的误判。长期以来，仪器检测的方法主要有气相色谱分析法（Gas Chromatography，GC），高效液相色谱分析法（High Performance Liquid Chromatograph，HPLC），气相色谱与质谱联用分析法（Gas Chromatography with Mass Spectrometry，GC-MS），气相色谱-嗅觉测定技术（GC-O），稳定同位素鉴别法，荧光光谱法等，这些方法可以比较准确的分析被测物质中单一成分的种类和浓度，但是其检测耗时，检测仪器设备昂贵，并且不能对被测物质进行整体的评价。所以，急需一种能够快速、有效，对样品进行整体评价的现代化检测分析仪器。

随着生命科学和人工智能的发展，电子鼻和电子舌系统的问世，解决了这一需求，这两种系统的设计完全是模仿哺乳动物的嗅觉和味觉功能。电子鼻和电子舌是近十年发展起来的嗅觉、味觉传感器技术产品，传统的单一气体或液体传感器具有交叉敏感等缺点，电子鼻和电子舌的出现使得能准确区分气体和液体的干扰成分成为可能，具有客观、可靠和重现性好等优点。

1　电子鼻和电子舌的工作原理及简介

1.1电子鼻的工作原理及简介

电子鼻是一种模仿哺乳动物嗅觉的仪器［2］，可以快速表征气体整体信息，即“指纹信息”。由具有部分选择性的化学传感器阵列和适当的模式识别算法组成，能够识别简单或复杂气味，且能够快速的对液体样本的整体气味信息进行综合评价。是在20世纪90年代召开的电子鼻专题会议上由GARDNER J W［3］提出。绝大多数气味的构成成分都极其复杂，若只是使用单一的气敏传感器难以做到准确的评定或辨别。于是，由多个气敏传感器组成的传感器阵列就应运而生，利用各传感器的交叉敏感特性来反映复杂气味所特有的特征。一个完善的电子鼻系统其组成通常包括气敏传感器阵列、数据处理和智能识别等部分［4-6］。其中气敏传感器阵列就相当于人类嗅觉系统中的嗅觉细胞，数据预处理单元和模式识别单元就相当于人类的大脑，而这中间的连接就相当于嗅觉神经的信号传递系统。在对酒类进行检测的时候，气敏传感器阵列中的传感器会与酒类散发出的气味发生物理化学反应，产生模拟信号，再由信号处理单元处理、放大和将模拟量转化为数字量，最后经过模式识别环节检测结果［7］。目前，电子鼻技术已在酒类产品的在线监测、品牌和品种鉴别、原产地识别和酒龄识别等领域得到广泛的应用，并显示出其独特的优越性。

电子鼻系统模拟人类嗅觉功能体现在以下方面：

（1）将多个气敏传感器组成传感器阵列，来模拟鼻器官内的嗅觉神经细胞，再配合以检测调理电路，对气体进行实时检测。

（2）将气敏传感器阵列的响应信号进行滤波，模数（A/D）转换等处理后，对有用的信号进行特征提取，获得多维响应信号。

（3）用恰当的模式识别算法将多维响应信号转化为感官评定指标值，得到被检测气体的定性定量分析结果。

1.2电子舌的工作原理及简介

民以食为天，食以味为先，电子舌正是对生物体尤其是对人类味觉识别系统的模仿。它是20世纪80年代中期发展起来的一类用于分析和识别液体“味道”的新型分析测试设备［8］，最终给出综合性的评价。随着国内外学者对电子舌的研究不断深入，电子舌被定义为：由具有非专一性、弱选择性、对溶液中不同组分（有机和无机，离子和非离子）具有高度交叉敏感性的传感器单元组成的传感器阵列，结合适当的模式识别算法和多变量分析方法对阵列数据进行处理，从而获得溶液样本定性定量信息的一种分析仪器［9］。不同于普通的化学分析方法，电子舌的传感器输出的并非是样品成分的分析结果，而是一种与试样某些特性有关的信号模式，这些信号经由具有模式识别能力的计算机分析后能够得出对样品味觉特征的总体评价［10］。

电子舌的工作原理是通过模拟人类味觉的功能来实现的［11-14］。它主要由味觉传感器阵列，信号处理单元和模式识别单元构成。人类通过口腔对食物进行咀嚼和搅拌，使在舌头上的神经末梢向大脑中枢神经传送味觉信号，大脑对这些复杂的味觉信号进行分类识别处理，最终做出味道好坏的判断。电子舌在测量样品时，首先通过前端的传感器阵列获得样品的“味道”信号，信号通过信号处理单元进行处理与特征提取，最终送入到电子计算机，再通过模式识别算法进行识别处理。

2　电子鼻和电子舌的模式识别

模式识别是利用计算机技术和数学方法结合起来完成的综合性技术，对输入信号进行适当处理，以获取所测样品的组成成分和浓度的信息，最终对样品进行分类识别的分析方法。模式识别方法大体由统计模式识别和结构模式识别两种方法组成，其中常见的方法为统计模式识别方法。基于统计方法的模式识别系统的识别过程首先要获取信息，然后筛选信息并保留最有用的信息，最后根据信息作出结论。目前，使用最广泛的模式识别方法主要有：主成分分析（PCA）、偏最小二乘判别分析（PLSDA）、软独立模型类别分析（SIMCA）、线性判别分析（LDA）、反向传播人工神经网络（BP网络）、支持向量机（SVM）、概率神经网络（PNN）等。

2.1主成分分析（PCA）

主成分分析（PCA）是一种基于统计的分析方法，由Karhunen于1947年提出，随后Loeve于1963年将其归纳总结，所以又称为k-l变换。主成分分析其目的是在数据空间中找出一组向量尽可能解释数据的方差，通过一个特殊矩阵将原来的高维数据投影为较低维的数据，但尽量保留数据的主要信息，以便于处理［15-16］。PCA就是保留低阶的主成分，忽略高阶的主成分，选出比原始变量个数少，但能解释资料中变量的几个新变量，即主成分。用来理解资料的综合性指标［17-18］，设法将原来众多具有一定相关性，重新组合成一组新的互相无关的综合指标来代替原来的指标。

2.2线性判别分析（LDA）

线性判别分析（LDA）也称Fisher判别分析，是采用投影的方式，将高维空间的样本投射到低维空间上，以此达到压缩特征空间维数和抽取分类信息的目的。在投影后的新空间中，不同类别样本有最大的类间距，相似样本有最小的类内距。因此，LDA模式识别使所测样品在空间中有最佳的可分离性［19-21］。

2.3偏最小二乘算法（PLS-DA）

偏最小二乘判别分析（PLS-DA）是一种以特征投影显示的方法，表明自变量X（传感器的响应信号矩阵）和因变量Y（对应实际的物理量）之间的模型关系，而且变量之间存在高度相关性。最后建立一个有趋势化的标准曲线，以此预测未知点的数值［22］。该方法在建模过程中集中了主成分分析、典型相关分析和多元线性回归分析的特点。偏最小二乘回归方法与主成分分析法相同，都试图提取反映数据变异的最大信息，但主成分分析法只考虑一个自变量矩阵，而偏最小二乘法还有一个了“响应”矩阵，因此具有预测功能［23］。

2.4BP神经网络（BPNN）

BP神经网络［24］以其优良的非线性逼近性能受到越来越多领域的关注，成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题。从BP算法可以看出，BP模型把一组样品的I/O问题变为一个非线性优化问题，它使用的是优化中最普遍的梯度下降法。如果把神经网络看成输入到输出的映射，则这个映射是一个高度非线性映射。BP神经网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。

2.5软独立模型类别分析（SIMCA）

软独立模型类别分析（SIMCA）是一种建立在PCA基础上的模式识别方法，对同类标准样品进行PCA分析，建立相应的数学模型，对未知样品进行判别分析，也就是说用标准库模型和未知样品进行拟合，以确定未知样品属于哪一种类型，通常应用于样品真伪的鉴别［25-26］。一个SIMCA模型包含了训练集中各个分类的PCA子模型。每个PCA分类子模型的最佳主成分数可通过交叉验证技术以预测残差平方和进行判断。由于每个独立的模型可以选取不同的主成分数，因此不同模型在输入空间中可能表现为线、平面或超平面等各种形状。

3　电子鼻在葡萄酒品质检测中的应用

电子鼻识别的是特征香气，而不是单一化合物，通过将传感器的响应信号传输至识别系统而对气体进行检测［27］。它将各种不同的气味信号与预先建立好的数据库中的信号加以比较，进行识别判断，具有类似鼻子的功能［28］。电子鼻首先在烟酒和食品工业方面显示高超作用。目前电子鼻已经在葡萄酒领域中逐渐得到应用，并显示出其广泛的优越性，在葡萄酒的生产在线监测、品种识别分类、产地信息识别和年份识别，特征风味研究等领域都得到了应用［29］。电子鼻技术的研究，给葡萄酒的等级划分开拓了另一片天空，通过电子鼻系统对不同类型但具有相似气味的葡萄酒进行检测，可以获得不同的气味指纹数据，从而辨别出不同品种的葡萄酒［30］。

在葡萄酒品种识别分类方面，Lozano等［31］利用电子鼻来区分不同储藏时间的葡萄酒。Garcia等［32］使用电子鼻结合统计分析来区分来自同一酒庄和同一品种4种类型的红葡萄酒，结果表明，电子鼻能够很好地识别4种类型的酒。刘宁等［33］利用电子鼻PEN3系统对10种酿酒酵母酿制葡萄酒的芳香成分进行检测分析，研究表明，电子鼻结合主成分分析、线性判断分析能准确辨别出不同酵母对应的酒样，且分辨率都在0.95以上。梁威等［34］利用电子鼻对3种葡萄酒种类进行检测，最初使用8个传感器阵列对葡萄酒进行种类识别，然后利用主成分分析对传感器进行优化，最终选择了4个传感器阵列。支持向量机（SVM）和BP神经网络在葡萄酒的分类问题上也表现出较好的鉴别效果，然而SVM相对于BP神经网络识别率更高而且更加稳定，适合葡萄酒的分类检测。

在葡萄酒原产地信息鉴别方面，Berna Amalia Z等［35］利用GC-MS和电子鼻对来自3个不同国家，6个不同地区的葡萄酒进行了原产地鉴别。用电子鼻将GC-MS得出的分组信息进行处理，结果表明，基于金属氧化物的电子鼻（MOS-Enose）用固相微萃取（SPEM）方法结合乙醇去除在对葡萄酒原产地进行鉴别时，错误分别率只有6.5%，对葡萄酒的产地鉴别能够较好的区分。

在利用电子鼻感官模型构建方面，宫雪等［36］利用PEN3电子鼻检测10种不同菌株酿造的葡萄酒及1瓶商业葡萄酒样的香气，评价基于不同模式识别分析方法电子鼻对不同菌株葡萄酒的区分效果；建立葡萄酒感官评价的综合主成分评价模型，并用该模型对这11种葡萄酒进行感官评价。结果表明，基于主成分分析与线性判别分析，电子鼻可以更好地区分不同菌株酿造的葡萄酒样。

电子鼻技术在葡萄酒气味方面的研究，李晓敏等［37］课题组通过电子鼻对不同葡萄酒样本的气味进行采集，利用自带软件主成分分析（PCA）对采集数据进行分析，结果表明：不同样本酒体的气味差异明显，电子鼻能够区分不同风味葡萄酒的酒体，且能够计算不同酒体间差异性的大小；质控模型能够从气味上控制葡萄酒的质量，识别其他品牌葡萄酒及不合格葡萄酒。电子鼻技术用于研究葡萄酒气味的分析，方法简单，操作方便，样品不需要前处理，避免了前处理过程中对样品气味成分的破坏和损失。电子鼻软件提供了功能强大的数据分析软件，操作简单的多变量统计分析计算方法，具有分析结果简单明了的优势。电子鼻自身的优势决定了其在气味分析方面具有广阔的应用前景。

4　电子舌在葡萄酒品质检测中的应用

电子舌能够获取液体样本的味觉特征的总体信息，可以对液体样本的成分进行定量分析，同时样品无需进行前处理，可以实现快速的检测，是一种不依赖于生物味觉的客观感受系统。因此，电子舌技术在葡萄酒区分辨别方面的研究越来越广泛。

在葡萄酒酒龄辨别方面，Tian等［38］利用多频脉冲智舌对相同葡萄品种，不同年份的干红葡萄酒进行了酒龄检测，分别利用PCA、PLS-DA和SIMCA 3种模式识别方法对酒样进行了数据处理，研究发现，这3种方式都能有效区分葡萄酒的年份，但是PLS-DA的区分能力是最好的。Rudnitskaya等［39］利用高效液相色谱法（HPLC）和电子舌对多种不同种类和年份的葡萄酒进行了酒龄预测，同时也对酒中的有机酸和酚类化合物的浓度进行了检测。结果发现，HPLC的数据在酒龄、葡萄酒种类和它们之间的相互关系是有意义的，而电子舌的数据只在酒龄方面有意义。但是电子舌在预测酒龄方面更精确。电子舌对有机酸和酚类物质的浓度建立了PLS回归模型。模型采用交叉验证的方法，结果表明，电子舌能够对其浓度进行比较好的检测。

在利用电子舌鉴别葡萄酒的种类区分方面，张平等［40］利用电子舌对冰葡萄酒样品进行区分辨识，采用主成分分析法和判别因子分析法对实验数据进行处理。结果表明，在主成分图和判别因子图上，各冰葡萄酒样品的落点在各自的区域范围内而互不干扰，说明电子舌能够将各种不同种类和同一种类经橡木桶不同贮藏时间的冰葡萄酒样品很好地区分开。

电子舌在葡萄酒产地信息和品牌识别方面，王俊课题组［41］使用Alpha.MOS公司的电子舌系统对长城干红系列葡萄酒进行了区分，样品有不同产地（山东烟台、河北昌藜、河北沙城）和不同品种（赤霞珠、品丽珠、蛇龙珠）的葡萄酒，结果发现电子舌对于不同产地和不同品种的葡萄酒均有较好的识别效果，模式识别采用主成分分析法和判别因子分析法。Wander N等［42］使用伏安法电子舌成功地区分葡萄酒和威士忌酒样品。该电子舌系统采用金电极和铜电极作为工作电极阵列，模式识别方法选择主成分分析法，酒的类型有干红、软红、干白和软白。黄赣辉等［43］以多频率大幅脉冲作为激发扫描信号，采用铂、金、银和钯4个电极组成传感器阵列，检测被测物质整体特征性响应信号，辅以相应的数学方法，成功构建多频脉冲电子舌。通过对6个不同品牌的干红葡萄酒进行辨识区分，结果显示该电子舌具有检测信息量丰富、设备简单、性能稳定等特点。

在葡萄酒风味分析方面，Capone［44］课题组利用电子鼻和GC-MS对来自意大利普利亚地区的17种葡萄酒进行了风味分析。首先利用固相微萃取（SPEM）对酒样进行了前处理，通过GC-MS检测出18种化合物，再利用电子鼻技术对检测出来的风味化合物进行了浓度预测，并分别利用PLS方法和二次响应面回归（RSR）方法对风味化合物的浓度建立了回归模型，实验结果表明，18种化合物的浓度都有良好的预测，但RSR方法比PLS方法预测的更加准确。测量更多的酒样，从而增加更多的数据，对所建模型的结果预测将更加准确。

5　电子鼻与电子舌联合检测在葡萄酒中的应用

不论人或动物，鼻子和嘴总是离得很近，客观上造成了从不同角度对同一食物同时识别的可能。后来，人们研究发现，各种各样的食物、饮料，同时具有味觉和嗅觉的特征。由于电子鼻检测葡萄酒样品气味，电子舌检测葡萄酒样品滋味，仅依靠其一，难以代表样品整体风味。因此对物质分析，同时使用电子舌与电子鼻，显然比单独使用其中一个要精确得多。电子鼻和电子舌有其各自的优势检测范围，近年来，在一些领域已使用电子鼻和电子舌相结合的技术进行检测。

Buratti［45-46］利用电子鼻和电子舌结合分析了4种品牌的意大利Brabera红酒和产自15个不同地方的干红葡萄酒样品，用主成分分析法和线性判别法进行识别。试验结果表明，这种创新的方法不仅可以完全区分用同种葡萄酿造的不同红酒，还可以完全区分不同产地的葡萄酒。Cor-rado Di Natale等［47］结合电子鼻与电子舌2种仪器对不同的红葡萄酒进行了分析。试验结果表明，结合2种仪器进行检测，效果优于使用任意一种仪器，不但可以将不同的酒样区分开来，还可以预测样品的多种理化指标如糖度、总酸、pH值等，相对标准误差最低可至0.1%。此外，该系统还可以更好地预测多种感官指标，很好地预测专家组对葡萄酒样风味的感官评分。

许春华等［48］采用电子鼻嗅觉指纹分析系统和电子舌味觉指纹分析系统及人工感官评价对不同品种樱桃酒（中樱狄墨尔干红和干白）和不同品种葡萄酒（张裕干白和长城干红）的香气和口感进行了检测，并采用主成分分析（PCA）和判别因子分析法（DFA）对传感器响应信号进行了分析研究，结果表明：电子鼻和电子舌结合模式识别方法可用于果酒的风味评价，对不同品种果酒的区分效果良好。

Gil-Sánchez等［49］利用电子鼻和电子舌技术对3种西班牙葡萄酒（2种红葡萄酒、1种白葡萄酒）在接触空气过后的酒样质量损坏程度进行了区分鉴别分析。把酒样与空气接触分别放置1 d、5 d、9 d、22 d、28 d、36 d和48 d。将电子鼻和电子舌得到的数据用PCA方法进行数据处理，当只用电子舌技术分析的时候，不能将48 d后的酒样区分开，只用电子鼻技术分析，只能将48 d后的酒样区分开来。但同时使用电子鼻和电子舌技术，却能将暴露在空气中不同时间的酒样质量损坏程度区分开来。

6　展望

近年来，葡萄酒的品质、品牌真伪、酒龄真伪、风味等问题非常突出，严重影响和制约葡萄酒行业的发展，对人类的身体健康造成影响，成为人们共同关注的焦点。建立一套快速无损智能检测技术是目前葡萄酒领域，甚至是食品领域最需迫切解决的科学技术问题之一。电子舌和电子鼻技术，对样品无需进行前处理，能够实现快速的实时监测，而且电子鼻和电子舌技术的模式识别方法能够将各种样品很好地区分开来，因此，这两种技术将会成为葡萄酒分析检测中的新的发展方向。但电子舌和电子鼻技术是一个比较新兴的研究领域，在很多应用方面尚不成熟。首先，电子舌和电子鼻不能定性定量的分析出酒类中的微量成分，而且需要多个传感器，导致仪器体型较大、结构复杂等等；其次，电子舌和电子鼻对样品进行检测时，需要对葡萄酒样品进行大量数据建模，而数据库的完整性将会影响检测结果；最后，所测样品质量的稳定性和样品风格的典型性都会对电子舌和电子鼻的检测结果有影响。

目前，在许多重要文献中都把电子鼻与电子舌技术的融合看做是仿生技术必然的发展趋势，足以证明二者结合意义重大。如果单独使用其中的某种技术对物质进行检测时，只能获得嗅觉或味觉的单一信息，造成检测的局限性。当使用电子鼻与电子舌融合技术时，检测的信息更加全面，更加贴近人类对物质的判断模式［50］。特别是当检测对单独使用电子鼻系统或者电子舌系统反映不敏感的物质时，使用电子鼻与电子舌融合技术，能提高其检测的识别率。因此在未来阶段，我国对于酒类品质检测的重点应放在电子鼻、舌相结合的技术上，并使用融合算法来加以比较，通过不断实验来获得最佳效果。

［1］糜川清，郭安鹊，王华.感官分析及仪器分析在葡萄酒香气研究中的应用［J］.食品科学，2012，23：351-355.

［2］Zhang L，Tian F C，Pei G S.Anew kernel discriminant analysis framework for electronic nose recognition［J］.Analytica ChimicaActa，2014，816：8-17.

［3］Gardner J W，Bartlett P N.Abrief history of electronic nose［J］. SensorActuat B-Chem，1994，1（1-3）：211-220.

［4］戴鑫，于海燕，肖作兵.电子鼻和电子舌在饮料酒分析中的应用近况［J］.食品与发酵工业，2012，38（8）：296.

［5］贾洪锋，卢一，何江红，等.电子鼻在耗牛肉和牛肉猪肉识别中的应用［J］.农业工程学报，2011，27（5）：358-363.

［6］赵梦醒，丁晓敏，曹荣，等.基于电子鼻技术的鲈鱼新鲜度评价［J］.食品科学，2013，3（6）：143-147.

［7］丁兴林，张宇林，周红标.电子鼻/舌在酒类品质检测中的应用研究进展［J］.中国酿造，2015（11）：20-22.

［8］程秀娟，朱虹，郑丽敏，等.电子舌技术在饮料识别中的应用［J］.食品科技，2006（8）：163-167.

［9］陆晓民，张远兵，何华奇，等.关于21世纪初我省中等农职业教育教学实习基地建设的思考［J］.现代农业科技，2009（2）：248-249.

［10］黄秋婷，黄惠华.电子舌技术及其在食品工业中的应用［J］.食品与发酵工业，2004，30（7）：98-101.

［11］GhoshA，Tudu B，Tamuly P，et al.Prediction of theaflavin and thearubigin content in black tea using a voltammetric electronic tongue［J］.Chemometrics and Intelligent Laboratory Systems，2012，116：57-66.

［12］Zhou B，Wang J.Discrimination of different types damage of rice plants by electronic nose［J］.Science Direct，2011，109（4）：250-257.

［13］Sipos L，Kovács Z，Sági-kiss V，et al.Discrimination of mineral waters by electronic tongue，sensory evaluation and chemical analysis［J］.Food Chemistry，2012，135（4）：2947-2953.

［14］Noguerol-Pato R，González-Barreiro C，Cancho-Grande B，et al.Quantitative determination and characterisation of the main odourants of Mencía monovarietal red wines［J］.Food Chemistry，2009，117（1）：473-484.

［15］袁志发，周静芋.多元统计分析［M］.北京：科学出版社，2002：58-62.

［16］鲁小利.基于电子舌的黄酒品质检测［D］.杭州：浙江大学，2007.

［17］Welke J E，Manfroi V，Zanus M，et al.Differentiation of wines according to grape variety using multivariate analysis of comprehensive two-dimensional gas chromatography with time-of-flight mass spectrometric detection data［J］.Food Chemistry，2013，141（4）：3897-3905.

［18］Zheng J，Liang R，Wu C，et al.Discrimination of different kinds of Luzhou-flavor raw liquors based on their volatile features［J］.Food Research International，2014，56：77-84.

［19］粱威，张丽娜，王欢，等.基于电子鼻技术的葡萄酒分类检测方法［J］.科学技术与工程，2013，13（4）：930-933.

［20］Qin O Y，Zhao J W.Classification of rice wine according to different marked ages using a novel artificial olfactory technique based on colorimetric sensor array［J］.Food Chemistry，2013，138（2-3）：1320-1324.

［21］Moreno-García J.Biological aging status characterization of Sherry type wines using statistical and oenological criteria［J］. Food Research International，2013，54（1）：285-292.

［22］Oliveri P.Partial least squares density modeling（PLSDM）-A new class-modeling strategy applied to the authentication ofolives in brine by near-infrared spectroscopy［J］.Analytica ChimicaActa，2014，851：30-36.

［23］许禄，邵学广.化学计量学方法［M］.北京：科学出版社，2006：163-174.

［24］Yu F，Xu X Z.Ashort-term load forecasting model of natural gas based on optimized genetic algorithm and improved BP neural network［J］.Applied Energy，2014，134：102-113.

［25］Galtier O，Abbas O.Comparison of PLS1-DA，PLS2-DAand SIMCAfor classification by origin of crude petroleum oils by MIR and virgin olive oils by NIR for different spectral regions［J］.Vibrational Spectroscopy，2011，55（1）：132-140.

［26］Gómez-deAnda F，Gallardo-Velazquez T.Feasibility study for the detection of Trichinella spiralis in a murine model using mid-Fourier transform infrared spectroscopy（MID-FTIR）with attenuated total reflectance（ATR）and soft independent modelling of class analogies（SIMCA）［J］.Veterinary Parasitology，2012，190（3-4）：496-503.

［27］糜川清，郭安鹊，王华.感官分析及仪器分析在葡萄酒香气研究中的应用［J］.食品科学，2012，23：351-355.

［28］杜锋，雷鸣.电子鼻及其在食品工业的中应用［J］.食品科学，2003，24（5）：161-163.

［29］杨丽丽，张岱，方坚，等.电子鼻分析技术在葡萄酒检测中的应用［J］.中外葡萄与葡萄酒，2007（5）：48-50.

［30］SawyerA.电子鼻技术的最新进展［EB/OL］.中国葡萄酒信息网（2003-12-26）［2016-06-06］.http://www.winechina.com/ html/2003/12/200312794.html.

［31］Lozano J，Arroyo T，Santos J P，et al.Electronic nose for wine ageing detection［J］.Sensor andActuators B:Chemical，2008，133（1）：180-186.

［32］Garcia M，Fernandez M J，Fontecha J L，et al.Differentiation of red wines using an electronic nose based on surface acoustic wave devices［J］.Talanta，2006，68（4）：1162-1165.

［33］刘宁，马捷，刘延琳.电子鼻对酿酒酵母菌株产香特性的评价［J］.食品科学，2011（2）：164-167.

［34］粱威，张丽娜，王欢，等.基于电子鼻技术的葡萄酒分类检测方法［J］.科学技术与工程，2013，13（4）：930-933.

［35］BernaAZ，Trowell S.Geographical origin of Sauvignon Blanc wines predicted by mass spectrometry and metal oxide based electronic nose［J］.Analytica ChimicaActa，2009，648（2）：146-152.

［36］宫雪，刘宁，李二虎，等.基于电子鼻的葡萄酒感官评价模型的构建［J］.中国酿造，2014（5）：67-71.

［37］李晓敏，袁利文，彭玉睿.电子鼻技术在葡萄酒气味检测中的应用［J］.现代测量与实验室管理，2016（2）：3-5.

［38］Tian S Y，Deng S P.Discrimination of red wine age using voltammetric electronic tongue based on multifrequency largeamplitude voltammetry and pattern recognition method［J］. Sensors and Materials，2007，19（5）：287-297.

［39］RudnitskayaA，Rocha S M.Evaluation of the feasibility of the electronic tongue as a rapid analytical tool for wine age prediction and quantification of the organic acids and phenolic compounds.The case-study of Madeira wine［J］. Analytica ChimicaActa，2010，662（1）：82-89.

［40］张平，冮洁，胡文忠，等.电子舌对冰葡萄酒的区分辨识研究［J］.酿酒科技，2014（10）：41-42.

［41］王俊，姚聪.基于电子舌技术的葡萄酒分类识别研究［J］.传感技术学报，2009，22（8）：1088-1093.

［42］Novakowski W，Bertotti M，Paixao T R L C.Use of copper and gold elect rodes as sensitive elements for fabrication of an electronic tongue:discrimination of wines and whiskies［J］. Microchemical Journal，2011，99（1）：145-151.

［43］黄赣辉.传感器阵列构建及初步应用［D］.杭州：浙江工商大学，2006.

［44］Capone S，Tufariello M，Francioso L.Aroma analysis by GC/MS and electronic nose dedicated to Negroamaro and Primitivo typical ItalianApulian wines［J］.Sensors and Actuators B:Chemical，2013，179（31）：259-269.

［45］Buratti S，Benedetti S，Scampicchio M，et al.Characterization and classification of Italian Barbera wines by using an electronic nose and an amperometric electronic tongue［J］. Analytica ChimicaActa.2004，525（1）：133-139.

［46］Buratti S，Ballabio D，Benedetti S，et al.Prediction of Italian red wine sensorial descriptors from electronic nose，electronic tongue and spectrophotometric measurements by means of GeneticAlgorithm regression models［J］.Food Chemistry，2007，100：211-218.

［47］Corrado D N，Paolesse R，Burgio M，et al.Application of metal oporphyrins-based gas and liquid sensor arrays to the analysis of red wine［J］.Analytica ChimicaActa，2004，513：49-56.

［48］许春华，肖作兵，牛云蔚，等.电子鼻和电子舌在果酒风味分析中的应用［J］.食品与发酵工业，2011（3）：163-167.

［49］Gil-Sánchez L，Soto J.Anovel humid electronic nose combined with an electronic tongue for assessing deterioration of wine［J］.Sensors andActuatorsA: Physical.2011，171（2）：152-158.

［50］陈栋琳.电子鼻/舌系统设计及气-味信息融合技术应用［D］.长春：东北电力大学，2015.

Application of Electronic Nose and Electronic Tongue in Quality Detection of Grape Wine

ZHANG Yu1and HOU Xujie2
（1.College of Life Sciences，Tarim University，Alar，Xinjiang 843300；2.Key Lab of Deep Processing of Local Agricultural Products，College of Life Sciences，Tarim University，Alar，Xinjiang 843300，China）

Electronic nose and electronic tongue are intelligent sensory testing instruments which are made by imitating the smell and taste of mammals.In this paper，their basic principles and pattern recognition methods were introduced.Besides，their application status in quality detection of grape wine at present was summed up，and their research prospects in the future were discussed.

electronic nose；electronic tongue；wine

TS262.61；TS261.4；TS261.7

A

1001-9286（2016）10-0088-06

10.13746/j.njkj.2016219

国家自然科学基金资助项目（31560450）。

2016-07-06

张昱（1989-），女，硕士研究生，研究方向为食品加工与贮藏，E-mail：2533481567@qq.com。

侯旭杰（1976-），男，硕士，教授，主要从事农产品加工与贮藏等研究工作，E-mail：houxujie@sina.com。

优先数字出版时间：2016-09-14；地址：http://www.cnki.net/kcms/detail/52.1051.TS.20160914.1455.006.html。