湯海青 顧曉俊 陳祖滿 范夢漩

(1浙江醫(yī)藥高等?？茖W校食品學院，浙江 寧波 315100；2寧波海關技術中心，浙江 寧波 315012)

調味料酒(簡稱料酒)是以發(fā)酵酒、蒸餾酒或食用酒精成分為主體，添加食用鹽(可加入植物香辛料)，配制加工而成的液體調味品[1]。作為中國傳統(tǒng)的調味品，料酒主要用于肉類、海鮮和蛋等動物源性食品原料的烹調過程，配合其他調味料，達到去腥、增香和解膩的效果，是調味品行業(yè)重要品類之一[2-4]。目前，市場上有3種料酒產品工藝:一是用黃酒添加食鹽和香辛料制成的“釀造料酒”；二是用黃酒和酒精共同添加制成的料酒；三是使用酒精加入香精、味精、食鹽、色素制成的料酒。后兩者屬于“配制料酒”，均可達到行業(yè)標準《SB/T 10416-2007 調味料酒》[1]的質量要求。配制料酒無論在原料、工藝、生產周期和成本，還是在酒性醇香和烹飪效果等方面，都與釀造料酒存在著很大的差別[5]。使用同一質量指標，不僅拉低了料酒行業(yè)品質，而且導致質價不符、以次充好等狀況的頻發(fā)[6]。因此，亟需開發(fā)可以有效區(qū)分和判別釀造料酒和配制料酒的方法，發(fā)展料酒摻偽鑒別的技術手段。

為規(guī)范釀造料酒的生產，近期發(fā)布的團體標準《T/CBJ 8101-2019谷物釀造料酒》[7]和《T/ZZB 0527-2018釀造料酒》[8]在現(xiàn)有行業(yè)標準基礎上，參照黃酒國家標準，增加了對發(fā)酵主要香氣成分(β-苯乙醇)的質量要求。但由于料酒成分復雜，很難通過單一成分的分析對料酒品質進行分析和鑒定[9]。因此，光譜、色譜或電子感官等技術結合化學計量學的分析方法，被開發(fā)應用于料酒的測量和鑒定，如陳燕清等[10]利用可見-近紅外光譜結合偏最小二乘等判別模型鑒別區(qū)分品牌料酒；李茜云等[11]利用氣相色譜-質譜(gas chromatography-mass spectrometer，GC-MS)指紋圖譜結合聚類分析對料酒品牌進行鑒別和分類。電子舌(electronic tongue，ET)作為一種智能感官分析技術，可利用多傳感陣列感測液體樣品的特征相應信號，通過信號模式識別處理及專家系統(tǒng)學習識別，對樣品進行定性或定量分析[12-14]。近年來，ET 在食品行業(yè)已得到越來越廣泛的應用，在調味品和飲料酒領域也得到了一定拓展。如利用多頻脈沖型電子舌對黃酒的產地進行判別區(qū)分[15]；利用電位型電子舌對食醋的口感進行評價并建立總酸和食鹽指標對酸感和咸感的相關性[16]等，但針對料酒的工藝區(qū)分及電子舌結合化學計量法的定量分析鮮有報道。因此，本試驗針對不同生產工藝的料酒進行測定，使用Astree和Unscrambler 軟件分別對傳感器陣列信號進行采集和處理，并應用多種統(tǒng)計分析方法，探討電子舌技術在料酒工藝類型判別、理化指標快速檢測等多方面應用的可行性，以期為應用電子舌檢測料酒品質提供理論支持。

1 材料與方法

1.1 材料與試劑

料酒，購自寧波超市，產地為江浙地區(qū)。共54個批次，包括發(fā)酵類(生產配料:大米、小麥、水、食鹽、香辛料)30個和配制類[生產配料:黃酒和(或)食用酒精，水、食鹽、香辛料]24個。將全部樣品隨機排序編號，36個樣品用于建模，18個用于檢驗。校準液:0.01 mol·L-1HCl、0.01 mol·L-1NaCl和0.01 mol·L-1谷氨酸鈉，法國Alpha M.O.S 公司。其他試劑均為國產分析純，水為超純水。

1.2 主要儀器與設備

Astree 電子舌[由自動進樣器、傳感器陣列和數(shù)據采集分析系統(tǒng)組成，其中傳感器陣列包括7個電化學傳感器(SRS、GPS、STS、UMS、SPS、SWS和BRS)，以Ag/AgCl 電極作為參比電極]，法國Alpha M.O.S 公司；907 全自動電位滴定儀，瑞士萬通公司；DMA 4500M密度計，奧地利安東帕公司；UDK149 蒸餾儀，意大利威爾浦公司。

1.3 試驗方法

1.3.1 理化指標測定 參考SB/T 10416-2007[1]，分別測定料酒樣品中的總酸、氨基酸態(tài)氮、酒精度和食鹽指標。

1.3.2 電子舌分析

1.3.2.1 電子舌活化、校準和診斷 在自動進樣器的相應位置上分別放置濃度均為0.01 mol·L-1的HCl溶液、NaCl溶液和谷氨酸鈉溶液，依次運行電子舌活化、校準和診斷等程序，待傳感器陣列信號滿足系統(tǒng)穩(wěn)定性和重復性后，進行樣品測試。

1.3.2.2 電子舌測試 搖勻樣品，取85 mL 倒入樣品杯，置于自動進樣器，每個樣品間隔放置10%乙醇溶液進行清洗。每個樣品重復測定6次，單次測定時間為120 s，取各傳感器信號強度在100～120 s 間的響應值作為多元統(tǒng)計分析的原始數(shù)據。

1.3.3 多元統(tǒng)計分析

1.3.3.1 主成分分析法(principal component analysis，PCA) 使用PCA 對不同生產方式的料酒的差異性進行區(qū)分，在保留原始變量主要信息的前提下，將多維電子舌信息進行數(shù)據轉換和降維，用較少的綜合指標分別代表存在于各個變量中的各類信息，考察主成分貢獻率和樣品在得分圖中的分布情況[17]。

1.3.3.2 簇類獨立軟模式法(soft independent modeling of class analogy，SIMCA) SIMCA是類建模技術中最常用的方法之一，通過在PCA 基礎上對訓練集中每個類別分別建模，根據未知樣品與訓練集中某一類的相似性，將其與訓練集中某一類進行歸類。各類間的距離越大，分類效果越好[18]。實施過程:對配制料酒和釀造料酒分別建立PCA模型后，使用SIMCA建立配制料酒和釀造料酒的的標準判別模型，考察模型距離、區(qū)分能力(discriminating power，DP)等指標，并依據該模型對未參與建模的樣品進行生產類型的識別檢驗。

1.3.3.3 偏最小二乘法(partial least squares，PLS) 使用PLS 對電子舌傳感器信號強度數(shù)據與行標法理化指標結果進行擬合比較，建立理化指標的預測模型，采用校正集交互驗證決定系數(shù)(determination coefficient of calibration，)、驗證集交互驗證決定系數(shù)(determination coefficient of validation，)、校正均方根誤差(root mean square error of calibration set，RMSEC)、預測均方根誤差(root mean square error of prediction set，RMSEP)、驗證集標準偏差與預測標準偏差的比值(ratio of standard deviation of the validation set to standard error of prediction，RPD)對模型進行評價[19-20]，并使用未參與建模的樣品進行外部檢驗。

1.4 數(shù)據處理與分析

采用Unscrambler 9.7(CAMO 公司，挪威)和Origin 2018(OriginLab 公司，美國)對數(shù)據進行顯著性檢驗、多元統(tǒng)計分析和制圖。

2 結果與分析

2.1 電子舌味覺對比分析

在室溫條件下，采集全部54份料酒樣品的傳感器信號，用雷達圖表示(圖1)。圖中坐標軸刻度表示味覺單位，說明7種傳感器均對料酒有較好的響應。所有料酒樣品的傳感器響應輪廓大致相似，但在信號強度上存在差異。其中，SPS(復合味1)、STS(咸味)、SRS(酸味)和BRS(苦味)傳感器上的強度較大，SWS(甜味)、UMS(鮮味)和GPS(復合味2)傳感器上的強度較小。

對各傳感器的響應信號值做單因素方差分析，均存在明顯差異，說明電子舌可以將樣品風味明顯的區(qū)別開。其中，UMS和SRS 傳感器上的信號強度差別最大，說明料酒樣品在鮮味和酸味傳感器上貢獻的差異較大。特別是UMS 信號值，部分樣品的貢獻＜0，說明這部分樣品中沒有鮮味貢獻物。

圖1 料酒的味覺雷達圖Fig.1 Radar chart of taste of cooking wines

2.2 主成分分析

對36份建模樣品的電子舌傳感器數(shù)據進行主成分分析，得到主成分分析的二維圖，剔除2個異常值后，結果如圖2所示。PC1 軸對應的第一主成分可以反映樣品原本信息的62.4%；PC2 軸對應的第二主成分反映樣品原本信息的33.2%。2個主成分的累計方差貢獻率達到95.6%，說明PCA 分析的前2個主成分能夠反映原始數(shù)據的絕大部分信息。PCA的得分圖以散點的形式代表樣品之間的距離，每個點之間的距離代表不同樣品差異性的大小。距離越近，說明滋味的相似程度越高；距離較遠則反之[21-22]。由圖2可知，配制料酒集中在中間區(qū)域，有明顯的聚類，而發(fā)酵料酒分布在周圍，較為分散，說明兩類料酒在味覺特征存在一定的差異，電子舌可以將不同生產方式的料酒進行很好的區(qū)分，可進一步應用SIMCA 對待檢驗料酒樣品進行區(qū)別分析。PCA的載荷圖以箭頭的形式代表各個傳感器信號變量分別在PC1和PC2的占比，PC1 主要涵蓋UMS的信息(r=0.955)，主要表示料酒的鮮味特征；PC2 主要涵蓋SRS的信息(r=0.960)，表示料酒的酸味特征；剩余傳感器信號則分布于其他主成分中。

2.3 生產工藝判別模型

在PCA 分析的基礎上對料酒樣品進行SIMCA 建模。參與建模的配制料酒樣品集和釀造料酒樣品集之間的歐氏距離為266.9，說明兩類之間的距離較遠，SIMCA 分類效果較好?？疾靷鞲衅髯兞繉深悩悠返膮^(qū)分能力(圖3)，可見各個傳感器的區(qū)分能力均大于5，各變量的區(qū)分能力是足夠的[23-24]。其中，UMS傳感器的區(qū)分能力遠高于其他傳感器，其次是SRS、STS、BRS和GPS，而SPS和SWS的區(qū)分能力較弱。

圖2 PCA 得分圖和載荷圖Fig.2 Score plot and loading plot of PCA

將未參與建模的樣品與兩類樣品的PCA模型進行比較，得到SIMCA模型的Cooman 圖(圖4)。結果表明，在顯著性水平α=0.05的條件下，圖4的左上部分為釀造料酒區(qū)域，右下部分為配制料酒區(qū)域，未參與建模的樣品分別與2個模型比較，根據相似性分配到不同的區(qū)域中。對于未參與建模的樣品，配制料酒和釀造料酒的識別率均達到100%。

圖3 各傳感器對兩類料酒的區(qū)分能力Fig.3 Discrimination power of each sensor on two types of cooking wines

2.4 理化指標擬合模型

圖4 SIMCA模型的Cooman 圖Fig.4 Cooman’s plot of SIMCA model

采用PLS 法對電子舌傳感器信號強度數(shù)據和行標法理化指標結果進行多元統(tǒng)計分析，選取內部交叉驗證的化學計量法，建立料酒各理化指標的定量分析檢測模型。模型的因子數(shù)等建模條件和檢驗結果見表1和圖5?？偹?、氨基酸態(tài)氮和食鹽指標的決定系數(shù)大于95%，說明回歸方程的擬合度高，預測濃度值接近測量值；RMSEC 與RMSEP值接近且數(shù)值較小，說明模型的穩(wěn)定性較好；RPD值均大于3，說明模型的定標效果良好，預測精度高。酒精度指標的驗證集交互驗證決定系數(shù)小于90%，RMSEC 與RMSEP值相差較大，RPD值小于3，說明回歸方程的擬合度一般，模型的穩(wěn)定性較弱[25]。雖然可以對酒精度進行定量分析，但是定標效果和預測精度不及總酸、氨基酸態(tài)氮和食鹽指標。

表1 PLS 建模條件和檢驗結果Table1 Modeling conditions and inspection results of PLS model

使用PLS-內部交叉驗證所得模型，對預測集(18份未參與建模的料酒樣本)的總酸、氨基酸態(tài)氮、酒精度和食鹽的含量進行預測。將預測值與化學值進行t檢驗，顯著水平α=0.05，查間臨界值表[26]，t(0.05，18)為2.110，總酸、氨基酸態(tài)氮、酒精度和食鹽的t檢驗結果分別為0.056、0.075、0.323、0.412，均小于2.110，表明電子舌法與標準方法不存在顯著差異，進一步說明所建立的模型具有較好的預測能力，可以達到常規(guī)分析的精度要求。

3 討論

一般來說，釀造料酒中的水溶性呈味物質包括游離氨基酸和大分子多肽為主的含氮化合物(鮮味物質)，乳酸和醋酸為主的有機酸(酸味物質)，葡萄糖為主的糖類物質(甜味物質)，乙醇和其他多元醇(醇類風味物質)，調配加入的食用鹽(咸味物質)和香辛料(芳香、辛辣味物質)[27]等。如本研究中雷達圖所示，上述滋味成分在電子舌傳感器上的綜合貢獻，可以直接反映出料酒樣品在各傳感器的響應差異以及味覺特征的總體評價。

為區(qū)分釀造料酒和配制料酒，本研究針對滋味成分在電子舌傳感器上的響應，使用PCA和SIMCA模型來區(qū)分釀造料酒和配制料酒。釀造料酒以陳釀3～5年的黃酒為基酒，配以花椒、八角等香辛料，工藝復雜，生產周期長，口感濃郁醇厚；而配制料酒的含醇類物質單一，不含有機酸、還原糖或人工添加，工藝簡單，口感寡淡。因此，釀造料酒中有效功能成分，如游離氨基酸、有機酸和醇類物質，在種類和含量上均比配制料酒更加豐富[28-29]。

圖5 PLS模型擬合圖Fig.5 Fitting diagram of PLS model

在PCA模型中，前2個主成分主要代表了UMS和SRS 傳感器的信號，說明釀造料酒和配制料酒中鮮味貢獻物和酸味貢獻物的差別是區(qū)分兩類工藝的主要成分，與雷達圖中顯示的傳感器信號值差別的趨勢一致，也與兩類料酒實際成分的差別趨勢一致。料酒中的鮮味貢獻物主要為氨基酸，酸味貢獻物主要為乳酸和乙酸[27]。經Pearson 相關性分析可知，UMS 傳感器強度與4個理化指標均有相關性，其中總酸呈極顯著相關(P= 0.005)、氨基酸態(tài)氮呈顯著相關(P=0.014)、酒精度呈顯著相關(P=0.022)、食鹽呈極顯著相關(P＜0.001)，SRS 傳感器強度與樣品中總酸呈極顯著相關(P＜0.001)。李英等[15]使用SA 402B 電子舌檢測料酒，發(fā)現(xiàn)鮮味傳感器與總酸呈極顯著負相關，與氨基酸態(tài)氮無相關性；酸味傳感器與總酸呈極顯著正相關。這與本研究結果相似，但在氨基酸態(tài)氮對鮮味傳感器的相關性上存在差異，可能是由于使用了不同的電子舌品牌型號和樣品集。

本研究結果表明，在SIMCA模型中，全部傳感器均參與了釀造料酒和配制料酒PCA模型的建立，從而獲得了整體的滋味信息。各傳感器均表現(xiàn)出良好的區(qū)分能力(＞5)，特別是UMS 傳感器，區(qū)分能力遠高于其他傳感器。通過計算檢驗樣品與兩類料酒PCA模型的距離，進行判別分析，識別率為100%。在相關報道中，對于料酒的模式識別研究，主要集中于品牌或產區(qū)的區(qū)分[11，15]。董穎娜[27]直接對理化指標進行聚類分析，將料酒按品質分為三類，但未從工藝類型進行識別?？梢姡狙芯繎秒娮由嘟Y合SIMCA模型，對兩類生產工藝的料酒進行明顯區(qū)分，方法直觀、可驗證，是對料酒進行模式識別的一次有效嘗試，也為料酒工藝類型鑒別及摻偽提供了理論和實踐基礎。

電子舌分析技術無需樣品前處理，檢測速度快。本試驗對料酒中4個主要理化指標和電子舌數(shù)據分別進行PLS 建模，各指標濃度為總酸0.1～3.4 g·L-1、氨基酸態(tài)氮0～0.29 g·L-1、酒精度7.5～12.6%vol、食鹽0.2～12.7 g·L-1，該濃度范圍基本涵蓋各料酒標準，有一定的樣本代表性。通過分析發(fā)現(xiàn)，除酒精度外，總酸、氨基酸態(tài)氮和食鹽的定標結果和預測精度均良好，有一定的實用性。外部檢驗也說明兩種分析方法是一致的，檢測結果無顯著差異，說明本研究的電子舌分析方法具有對料酒進行批量檢測的應用潛力。魯小利等[30]使用Astree 電子舌結合BP 神經網絡對黃酒的理化指標進行定量分析(訓練集16個樣品，預測集8個樣品)，發(fā)現(xiàn)對氨基酸態(tài)氮的預測效果良好，而總酸、pH和總糖的效果不理想?？梢姌悠沸再|和數(shù)量、指標濃度區(qū)間、檢測方法和統(tǒng)計方法等都可能對擬合和預測的效果產生影響。

4 結論

電子舌技術結合多元統(tǒng)計方法，可以在滋味特征的總體評價基礎上，進行料酒品質的分析和歸類。通過PCA 可以對兩類生產工藝的產品——釀造料酒和配制料酒進行明顯的聚類，前2個主成分的累計方差貢獻率為95.6%。通過SIMCA 可進一步做出明確的類型判別，兩類工藝的料酒樣品識別率達到100%。通過PLS 可以對料酒的主要理化指標，如總酸、氨基酸態(tài)氮和食鹽的含量，進行準確的預測。本研究結果為應用電子舌技術研究分析料酒中的味感特征提供了理論基礎，也為進一步研究料酒工藝分型提供了一種新的輔助手段。今后研究可增加不同地區(qū)和品牌的料酒樣品，進一步驗證和提高模型的準確性和可擴充性。