采用电子舌对不同品种酒花酿造葡萄酒滋味的分析※

戢得蓉 段丽丽 易宇文 赵佳佳 杨晓仪

(四川旅游学院，四川 成都 610100)

葡萄酒是以葡萄为原料，经原料处理、添加SO2、微生物发酵等步骤所酿造的一种果酒，其营养丰富，保健作用明显，能调整细胞新陈代谢的性能，促进血液循环，防止胆固醇增加，还具有利尿、激发肝功能和防止衰老的功效。酒花，也称啤酒花，常用于啤酒的酿造，酒花不仅能赋予啤酒爽口的苦味，还能赋予啤酒清新的酒花香气，且酒花具有一定的防腐和澄清麦汁的作用。在传统葡萄酒酿造工艺基础上，引入酒花，通过二者结合，开发出以葡萄酒酒体为主，兼顾酒花特有风味的新型葡萄酒产品，所得产品口感风味与所加入酒花的品种及浓度有关[1]。将酒花用于葡萄酒的酿造，可以赋予葡萄酒特殊风味，丰富葡萄酒的口味品种，适应消费者对多元化、本土化特色葡萄酒品种的需求。

滋味是葡萄酒重要的质量评价指标之一，传统上可依据感官品鉴评判出产品等级。感官评价带有主观因素，会因鉴评者的情绪变化、身体状况、分辨能力等因素而产生不同的结果，具有一定的不确定性，同时结果难以用客观的数据分析及表达[2]。快速、低成本的果酒质量评价方法已受到广泛关注，其中电子舌检测为常用检测方法之一。电子舌是由化学传感器和适宜的模式识别系统构成,能从样品的响应信号得到样品的综合评价信息，也就是“指纹数据”[3]。目前，电子舌技术被广泛运用于食品生产地的溯源、新鲜度的检测[3]、掺假检测[4-6]、酒类的酒龄鉴别[7]、风味分析[8-9]以及茶叶类别辨识[10-11]、滋味特征[12]的区分及农产品识别与分级[13]、医疗[14]等领域也有所应用。

本文拟采用电子舌系统采集不同种类以及不同浓度酒花酿造葡萄酒样品的味觉指纹信息，运用主成分分析(Principal Component Analysis, PCA)和判别因子分析法(Discriminant Factor Analysis, DFA)讨论电子舌对不同种类以及不同浓度酒花酿造葡萄酒的区分效果，为口感感官质量评价体系的建立提供依据。

1 材料与方法

1.1 试验材料

6种酒花——捷克萨兹(JKA)、哈拉道(HLA)、法格(FGA)、西姆科(XMA)、西楚(XCA)、卡斯卡特(KSTA)：市售(样品编号见表1)；玫瑰香葡萄：成都金满堂农业开发有限公司；安琪活性干酵母：市售；白砂糖：市售；壳聚糖(粒度120目)：深圳天扬生物科技有限公司。

表1 样品信息及编号

1.2 仪器设备

ASTRSSII电子舌:法国AlphaMOS公司；FALLC4N电子天平：常州市衡正电子仪器有限公司；WK2102电磁炉：美的集团有限公司；MY-50粉碎机：广州市扬鹰医疗器械有限公司；HHS-8S电子恒温不锈钢水浴锅：上海广地仪器设备有限公司。

1.3 方法

1.3.1 酒花葡萄酒样品制备

酒花溶液：称量酒花，配置不同浓度的酒花溶液。取蒸馏水，煮沸2min，加入酒花后熬煮4min后冷却至25℃进行过滤，去滤渣后得到酒花溶液。加入不同品种不同浓度梯度酒花进行葡萄酒酿造所得酒样编号如表1。

葡萄酒酿造[1]：选择成熟、新鲜、无破损的玫瑰香葡萄，清洗干净后将葡萄的果梗去掉，再将清洗晾干的果粒进行破碎处理，保证葡萄破碎但果核完整。将处理好的葡萄与酒花溶液按质量比为5∶1的比例混合后，放入消毒后的发酵瓶中，接入活化后的活性干酵母，调整加糖量，使得样品的总糖度为22°，在20℃～25℃之间控温发酵[15]。当出现皮渣下沉，气泡大幅减少或消失，能闻到很浓的酒味，品尝酒液基本没有甜味时，则一次发酵结束。用虹吸法取中层酒液，上层皮渣用纱布过滤。调整发酵温度为15℃进行二次发酵，当酒液变得澄清起来，则发酵完成。于(2±2)℃下贮藏7天左右，取出低温贮藏后的葡萄酒，加入0.05%的壳聚糖，进行澄清，再取上层清液用食物纱布进行过滤，得到酒液。澄清过滤后获得的酒液在5℃条件下进行陈酿3个月后，放置于阴凉通风环境下进行保藏，即制得酒花葡萄酒。

1.3.2 电子舌检测

取20mL酒样于200mL容量瓶中进行定容，过滤后取80mL进行检测。实验采用ASTREE电子舌系统，该装置配有7根非专一性传感器，以Ag/AgCl作为参比电极，在室温下进行数据采集。电子舌的每根传感器对酸、咸、甜、苦和鲜味敏感，但程度不一，其传感器特性见表2。

表2 电子舌传感器性能特性及检测限值比较

1.4 数据处理

使用软件SPSS 21.0对电子舌感应器收集到的响应信号数据进行主成分分析(Principal Component Analysis, PCA)、判别因子分析(Discriminant Factor Analysis,DFA)。

2 结果与分析

2.1 电子舌对不同酒花葡萄酒检测结果分析

2.1.1 同类酒花各浓度酿造葡萄酒数据分析

电子舌对6种酒花葡萄酒的传感信号曲线图谱如图1所示，结果显示，空白酒样与添加酒花后酿造的葡萄酒的电子舌结果差异明显。捷克萨兹酒花葡萄酒在ZZ、CA、GA、JB传感器上的响应强度存在显著差异；哈拉道酒花葡萄酒在ZZ、CA、HA、JB传感器上的响应强度存在显著差异；西姆科酒花葡萄酒在BB、CA、HA传感器上的响应强度存在显著差异；卡斯卡特酒花葡萄酒在ZZ、BB、CA、GA、JB传感器上的响应强度存在显著差异。说明JKA酒花葡萄酒、HLA酒花葡萄酒、XMA酒花葡萄酒及KSTA酒花葡萄酒在5种味觉属性(鲜味、咸味、酸味、甜味、苦味)上均有较明显的差异，但各类酒花的差异性表现在不同方面。FGA酒花葡萄酒只在CA、GA传感器上有微小差异，说明不同浓度的法格酒花溶液葡萄酒的电子舌测试结果接近，差异不明显。西楚酒花葡萄酒在BB、CA、GA、HA传感器上的响应强度存在显著差异，F4与其他样品组差异最大，F1、F2、F3的图像重合度较高，初步判断酒花浓度为0.5g/L、0.8g/L、1.0g/L XCA酒花葡萄酒的滋味口感差异不大。

图1 同类酒花葡萄酒的电子舌传感信号曲线图谱

由以上结果可知，酿造过程中酒花的加入对葡萄酒的5种测定味觉属性影响明显，不同种类酒花对葡萄酒的影响不同。同时，所考察的6种酒花中，除法格酒花、西楚酒花外，其余同一种酒花的不同浓度添加对葡萄酒的滋味影响也存在明显差异。

2.1.2 同浓度不同酒花酿造葡萄酒数据分析

同浓度不同酒花酿造葡萄酒样品的电子舌传感信号雷达图谱如图2所示。传感器对同浓度酒花酿造的葡萄酒的响应值均有差异。酒花浓度为0.5g/L时，6种酒花在CA、GA传感器上区别明显，E1与D1、F1在HA传感器差距最大，其他品种酒花葡萄酒在此传感器上无较大区异。酒花浓度为0.8g/L时，6种酒花在CA、GA传感器上区别明显，F2与其他样品在HA传感器差距最大，其他品种酒花在此传感器上无较大差异。酒花浓度为1.0g/L时，6种酒花在CA、GA传感器上区别明显，F3与其他样品在HA传感器差距最大，其他品种酒花在此传感器上无较大差异。酒花浓度为1.3g/L时，F4和D4与其他品种酒花整体差异较大，主要表现在BB、CA、GA、HA 4个传感器上。整体看来，当浓度为0.5g/L、0.8g/L、1.0g/L时，JKA、HLA、XMA、KSTA、FGA酒花葡萄酒在ZZ、BA、BB、CA与JB的响应值分布趋势相同，其主要差异体现在GA、HA传感器上。XCA酒花葡萄酒在4个浓度梯度下与其他酒花葡萄酒在HA传感器上差异显著。

图2同浓度不同酒花葡萄酒的电子舌传感信号曲线图谱

2.2 电子舌对不同酒花葡萄酒检测结果的PCA分析

对不同种酒花葡萄酒电子舌响应值进一步分析，酒样中的电子舌检测响应值的主成分的特征值及贡献率见表3。将各酒花葡萄酒的5种浓度酒样对7个传感器的电子舌响应值进行降维处理后，均得到3个主成分，各成分的方差贡献率及主成分的累计贡献率如表3所示，不同酒花葡萄酒的3个主成分均足以代表样品的绝大部分信息。

对添加不同浓度的酒花酿造葡萄酒的电子舌作PCA分析二维图，如图3所示，图中所示的圆圈代表单一样品的整体信息特征，圆圈内的3个点代表了3个重复样品。由图3可知，所有添加酒花后的葡萄酒，与未添加酒花的葡萄酒相比，酒样分布位置不同且无交叉。由此可见，添加酒花后的葡萄酒较未添加酒花的葡萄酒有明显不同的滋味。由图3可知，捷克萨兹酒花葡萄酒及法格酒花葡萄酒，添加不同浓度的酒花葡萄酒样品间无交叉，说明添加此两种酒花的浓度不同，口感有明显差异。对于哈拉道酒花葡萄酒，C1与C2酒样分布较接近无交叉，C3与C4有部分重合，前两者与后两者间位置区别明显，说明不同浓度的哈拉道酒花葡萄酒存在差异，其中1.0g/L与1.3g/L添加量的哈拉道酒花葡萄酒在滋味上有相似之处，相互间差异不如其他组明显。不同浓度的卡斯卡特酒花的添加对葡萄酒的影响与哈拉道酒花相似，其G1和G2有部分重合，G3与G4样品分布较接近无交叉，不同浓度间不完全重合，存在一定差异。添加不同浓度的西姆科酒花和西楚酒花葡萄酒的分析结果相似，均有一种浓度酒花酒样的滋味与其他浓度具有明显区别，其他三种浓度结果较接近甚至有重叠。整体结果来看，在酿造工艺中添加酒花，对葡萄酒的滋味影响明显，不同酒花之间有差别，不同浓度的各酒花之间也有差异。

表3 主成分特征值及贡献率

图3 不同浓度的各酒花葡萄酒电子舌PCA分析二维图

2.3 电子舌对不同酒花葡萄酒检测结果的判别因子分析(DFA)

将电子舌采集得到的响应值数据进一步进行DFA分析，酒样中的电子舌检测响应值的判别因子分析的特征值及贡献率见表4。其中捷克萨兹与卡斯卡特酒花葡萄酒可以提取3个主成分，哈拉道、西姆科及西楚酒花葡萄酒可以提取2个主成分，法格酒花葡萄酒为1个主成分。所提取主成分的累计贡献率均达到100%，可代表样品的绝大部分的信息。

不同浓度各酒花葡萄酒对电子舌响应值的判别因子分析二维图见图4。整体来讲，样品的重复性较好，较为集中。DFA法能够对样品间的差异有更好的区分度，并且同一样品组内的离散度也比PCA法的小。所有添加酒花后的葡萄酒，与未添加酒花的葡萄酒相比，位置均相离较远，添加酒花后的葡萄酒明显具有不同的滋味，结果与PCA法分析结果基本一致。捷克萨兹酒花葡萄酒、哈拉道酒花葡萄酒、法格酒花葡萄酒与卡斯卡特酒花葡萄酒样品间的区分度较好，样品间无交叉现象，说明添加此4种酒花的浓度不同，口感有明显差异。C1与C2，D1与D2，G1与G2酒样分布接近无交叉，说明浓度为0.5g/L与0.8g/L添加量的哈拉道、法格与卡斯卡特酒花葡萄酒在滋味上有相似之处，相互间差异不如其他组明显。1.0g/L与1.3g/L的哈拉道酒花、卡斯卡特酒花的DFA分析结果与PCA分析结果一致。西姆科葡萄酒和西楚酒花葡萄酒的样品分散度接近于零、E2、E3与E4样品间距较小，F1、F2、与F3样品间距直接为零，说明浓度为0.5g/L、0.8g/L、1.0g/L的西姆科酒花葡萄酒，浓度为0.8g/L、1.0g/L、1.3g/L的西楚酒花葡萄酒的滋味基本无差别。整体结果来看，在酿造工艺中添加酒花，对葡萄酒的滋味有较明显影响，除西楚酒花和西姆科酒花之外其他酒花均有差别，不同浓度的各酒花之间也有差异。

表4 判别因子分析特征值及贡献率

图4 不同浓度各酒花葡萄酒电子舌DFA分析二维图

3 结论

本试验通过电子舌对于不同品种以及不同浓度的酒花所酿造的葡萄酒进行检测。结果显示电子舌是辨别不同浓度各类酒花葡萄酒的有效工具，添加6种酒花后酿造的葡萄酒与空白样品相比较均在电子舌测试结果上有较明显的差异。添加了捷克萨兹、哈拉道、西姆科及卡斯卡特酒花的葡萄酒不同浓度之间均有较明显的差异，但各类酒花葡萄酒的差异性方向不同。不同浓度的法格酒花溶液葡萄酒之间的电子舌测试结果接近，而西楚酒花葡萄酒的部分浓度间的电子舌数据差异不明显，其中F4组的酒花葡萄酒与同组其他相比在BB、CA、GA、HA 4个传感器上相应强度存在显著差异。西楚酒花葡萄酒在4个浓度梯度下与其他酒花葡萄酒在HA传感器上差异显著。对仪器采集的数据进行PCA和DFA分析，发现不同品种以及不同浓度的酒花所酿造的葡萄酒均能有效地被识别。添加了酒花的样品在电子舌PCA与DFA分析上明显与空白样的分布不同，说明添加了酒花的葡萄酒产生了不同于空白样品的风味。比较而言，采用DFA方法，其区分度更高，仅前两个判别因子的累计贡献率就达到100%，识别效果显著。本研究结果对酒花葡萄酒的生产具有一定的理论指导意义。