霍丹群，尹猛猛，张 良，侯长军，*，张苗苗，秦 辉，杨丽敏，沈才洪，张宿义，，卢中明，，周 军，

(1.“生物流变科学与技术”教育部重点实验室(重庆大学)，重庆大学生物工程学院，重庆400044; 2.泸州老窖股份有限公司，四川泸州646000)

可视化阵列传感器在不同酒龄白酒检测中的应用

霍丹群1，尹猛猛1，张 良2，侯长军1，*，张苗苗1，秦 辉1，杨丽敏1，沈才洪2，张宿义1，2，卢中明1，2，周 军1，2

(1.“生物流变科学与技术”教育部重点实验室(重庆大学)，重庆大学生物工程学院，重庆400044; 2.泸州老窖股份有限公司，四川泸州646000)

利用可视化阵列传感器对泸州老窖四种不同酒龄的酒样进行检测，得到了不同酒龄酒样的指纹图谱。将得到的传感器光谱变化数据利用方差分析进行优化，删除了对识别结果贡献小的传感器阵列点和颜色分量。对优化前后的数据进行聚类分析表明，可视化阵列传感器经过数据优化可以实现对不同酒龄泸州老窖原酒的正确区分。

可视化阵列传感器，方差分析，年份酒

目前，对白酒检测分析的主要手段为感官评定、常规化学分析法以及传感器检测。然而感官分析是依靠品酒师的主观经验来判定白酒的质量，主观性很强，很难形成一个客观的评价标准。气相色谱、荧光光谱、红外光谱等化学分析方法可对白酒中的微量成分进行定性、定量检测［1－4］，但是白酒是由几百种复杂香气化合物组成的［4］，常规化学分析方法多注重于白酒微观化学成分的研究［5］，而将白酒中各种自身成分的综合作用和相互关系割裂开来，因此，常规化学分析方法很难适应白酒的综合、宏观的整体评价。另外常规的色谱、光谱设备多为大型仪器，费用较高，不便于实时实地的在线检测。电子鼻和电子舌是目前研究较多的传感器，近年来已被广泛应用于食品安全检测和白酒检测［6－7］。电子鼻和电子舌是一系列的具有非特异性、低选择性、交互灵敏性和稳定性的化学传感器组成的分析装置［8］，具有检测速度快、能实现混合物的定性、定量检测等优点，但该类传感器在选择性方面有待改善，对相似物质的区分能力有限。可视化阵列传感器是采用对不同物质具有一定特异性识别能力的敏感材料制作而成，在与待测样本反应后，阵列上的敏感材料会发生不同的光谱变化，通过信号识别和处理系统，得到反应前后的可视化光谱差图以及光谱变化的三个颜色分量R、G、B变化数据［9－10］。可视化阵列传感器上的敏感材料是以共价键、氢键等较强的作用力与待测样本分子结合反应的，相比依靠分子吸附作用与待测分子结合的电子鼻、电子舌在特异性识别和检测的敏感性方面更具优势。国内外尚未见采用可视化阵列传感器对不同酒龄的酒样进行检测分析的报道，本文探讨了可视化阵列传感器光谱变化数据的优化方法及其在泸州老窖不同酒龄的酒样区分中的应用。

1 材料与方法

1.1 材料与仪器

酒样 泸州老窖酒厂提供的0、5、10、20年的四个酒龄的酒样，四个酒样编号分别为 0Y、5Y、10Y、20Y。

可视化阵列传感器 主要是由卟啉及其衍生物组成，实验构建4×4的传感阵列。传感阵列采用疏水的反相硅胶板作为基底材料，可以有效地防止空气湿度对阵列检测造成的影响。制作好的阵列芯片密封保存于氮气黑暗环境中，以保持阵列的反应活性。

1.2 装置介绍

实验装置为自行加工设计的基于可视化阵列传感器的白酒检测系统。如图1所示，整个检测系统包括三部分:白酒挥发装置、白酒气体检测装置、控制和数据采集处理系统。白酒检测装置内部装有温度传感器实时监测装置内部的温度，LED照明系统为装置内部光源，CCD摄像头用于采集反应前后的传感器图像，气体导流板为带孔透明玻璃板，用于调节气体流速和方向。白酒挥发装置和白酒气体检测装置外部均有加热夹套，装置内部温度的控制是通过调节夹套中循环水的温度实现的，循环水来自超级恒温水浴锅。

图1 嗅觉可视化传感器检测系统示意图

1.3 实验方法

a.调节夹套中循环水温度，使装置内部温度调整到所需温度;b.通过进样孔加入待测酒样;c.将传感器放入白酒气体检测装置;d.打开真空泵和单向电磁阀，使白酒气体在白酒挥发装置和白酒气体检测装置中循环。只需通过控制和数据采集处理系统采集反应前和反应后的阵列光谱图，系统软件就能自动提取并保存传感阵列上每个点的R、G、B数值。通过软件将反应前后的光谱图进行标准化处理后，自动提供反应前后的差谱图和其对应个点的RGB值。差谱图是反应结果的直观表达，RGB值则代表了反应过程中的详细变化。本实验采用4×4维的传感阵列，每个阵列点包含R、G、B三维向量数据，响应结果包含了48维的数据，每个维数据理论上的变化范围为0～255，因此可视化阵列传感器在理论上的响应模式可达25648种，这就保证了传感器的强大识别能力。

2 结果与讨论

2.1 不同酒龄酒样的指纹图谱

利用基于可视化阵列传感器的白酒检测系统对不同酒龄的酒样进行检测，将25min以后达反应平衡的差谱图平均，作为每次检测的最终结果。每种酒样重复进行7次，将平行样的差谱图平均作为该种酒样的最终指纹图谱。如图2所示，四种酒龄酒样同属于泸型酒，四种酒龄酒样的指纹图谱敏感点的种类和数目相似，差别不大。四种酒样的差异主要表现在敏感点的光谱变化强度上。其中0Y酒样与其它三个酒样差别最大，5Y、10Y、20Y三个酒样之间差别相对较小。

图2 不同贮存时间的白酒指纹图谱

对所得到的差谱图及其指纹图谱，采用方差分析(ANOVA，analysis of variance)、聚类分析(HCA，hierarchical cluster analysis)、判别分析(LDA，linear discriminant analysis)等方法进行数据分析，减少实验误差，使区分效果更加明显。

2.2 传感器数据的优化

2.2.1 传感器数据的预处理 为了减少实验中设备和操作带来的误差，利用设定阈值对传感器数据进行预处理。通过设定阈值，将RGB之和小于20的点的RGB变化值归零，将四种酒样中的光谱变化值显著的阵列点的光谱变化数据作为指纹数据，对数据进行聚类分析(HCA)、方差分析(ANOVA)及判别分析(LDA)。

2.2.2 方差分析 利用方差分析评估传感器阵列上颜色分量对不同酒龄酒样分类效果的贡献大小。方差分析是统计检验的一种，是研究一个或多个自变量对一个或多个因变量影响的方法，用于多个样本间均数的比较。方差是描述变异的指标，方差分析则是对变异的分析。每次实验结果都受不同因素的影响，不同的因素对实验结果的影响程度不同。方差分析就是根据实验结果进行数据分析，区别各个相关影响因素对实验结果影响程度的有效方法。

将传感阵列上15个光谱变化明显的点的45个RGB分量作为单一影响因素的不同水平，利用单因素方差分析不同点的不同RGB颜色分量对检测结果的影响。表1是利用SPSS软件对传感器数据进行单因素方差分析的结果。RGB编号栏是阵列点的RGB颜色分量编号，例如R4.1是指阵列上第四行第一列点的红色颜色分量，即R分量。组间离差均方和组内离差均方分别反映不同酒龄酒样之间的差异程度和同一酒样不同平行样之间的差异程度。F值是四类酒样之间的组间差异与组内差异的比值。p值为显著性概率，当p＞0.05时，说明样本之间无显著差异，反之样本之间有差异。首先删除p值大于0.05的颜色分量。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个对不同酒龄酒样的区分无贡献的颜色分量被删除;组内离差均方越大则说明平行样之间的差别越大，为了提高检测数据的重现性，删除组内离差均方大于40的颜色分量，G3.1、G2.2共2个颜色分量;组间离差均方越小说明不同酒龄酒样之间的差别越小。为了提高区分效果，删除组间离差均方小于20的颜色分量，G4.2、R3.3共2个颜色分量被删除。

方差分析结果表明，不同颜色分离对酒样的区分贡献不同，p值越小说明该颜色分量可使不同酒样区分效果越好。共有29个颜色分量的 p值小于0.05，这些颜色分量代表了不同酒龄酒样之间是有显著差别的。组间离差均方越大、组内离差均方越小，表明在该颜色分量下不同酒龄的酒样各自的特点越集中，区分效果越好。通过挑选删除，共保留25个颜色分量数据进行进一步分析。

2.3 优化前后对比

为了对比方差分析优化前后的不同酒龄酒样分类效果的差异，采用聚类分析对优化前后的光谱变化数据进行分析。聚类分析是一种常用的统计分析方法，它与一般分类的不同在于，聚类所要求划分的类是未知的。聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。先把各个分类对象单独视为一类，然后根据距离最小的原则，依次选出一对分类对象，并成新类。经过多次重复，就可以把所有对象归为一类，这样就可以根据归并的先后顺序作出聚类谱系图。聚类图表示的是不同酒龄酒样之间的相似程度，计算过程所用的数据就是阵列上每个点与不同酒龄酒样反应前后的RGB差值，同时聚类图还反映出平行样实验之间的差异。

图3是设定阈值之后的传感器数据聚类分析图。四种不同酒龄的酒样基本上可以被分开。其中0Y、5Y、20Y的酒样被正确归类，10Y酒样平行样之间差别较大，归类出现错误。图4是经过方差分析删除对正确分类贡献小的颜色分量后的聚类分析图。经过优化后，平行样之间的距离缩小，四种不同酒龄的酒样完全可以被正确归类。从图4上可以看出，随着贮存时间的增加，酒样的变化逐渐缓慢。0～5年之间，刚生产出的新酒，刺激性较大，各组分不协调，不同组分之间发生的物理化学变化比较频繁，酒样在这个阶段发生的变化较大。5～10年之间，酒样内部在这段时间里发生的化学变化与0～5年相比要少的多，因此，在聚类图上5～10年的酒样距离要近一些。10～20年之间，酒样经过十年的贮存，绝大部分物质已经处于一个相对稳定的状态，仅有少量的组分在发生一些变化，这就使得10Y和20Y酒样在聚类图上距离最近。白酒的贮存过程就是一个酒样内部物质逐渐趋于稳定的过程，贮存初期酒样组分极不稳定，变化较大，随着贮存时间的增加，酒样内部物理化学变化的进行，各组分逐渐趋于稳定，酒样变化速度逐渐变慢，最终达到一个动态平衡。

表1 不同酒龄酒样的方差分析结果

2.4 判别分析

图3 优化前不同贮存时间的白酒聚类分析图

图4 优化后不同贮存时间的白酒聚类分析图

聚类分析表明经过优化，不同酒龄的酒样区分效果更好。为了更好的区分不同酒龄的酒样，采用判别分析对优化后的光谱变化数据进行分析。判别分析是一种常用的模式识别方法，通过对数据进行分析得到判别函数，利用判别函数来提取同种样本所独有的特征，相同种类的样本将得到的所有观测值代入判别函数就可以得到相似的函数值，不同种类的样本则得到不同的函数值。判别函数是对不同种类的样本特征进行综合的提取，对样本整体特征的反映，通过对判别函数中参数系数的调整来实现对同种样本特征的提取。利用判别分析方法对优化后的数据进行判别分析，得到的判别函数散点图如图5所示。四种不同酒龄的酒样分布在由判别函数组成的三维空间中，同种酒样的三维坐标相似，平行样点聚集在一起。随着贮存时间的变化，酒样在三维空间中的位置也在发生变化。在第一判别函数和第二判别函数组成的平面中，酒样位置随着贮存时间的增加按顺时针方向自左向右发生变化。不同酒龄的酒样在散点图上的位置是由其判别函数值所决定的。判别函数是对不同酒龄酒样特征的提取，不同酒龄的酒样中香味物质的组成和不同组分之间的相互作用决定了该酒样的特征，因此判别函数是不同酒龄的酒样中香味物质的组成和不同组分之间的相互作用的公式化反映。

在判别函数散点图上，不同酒样区分明显。同一酒样的平行样的判别函数值比较接近，分布在一个较小的范围里。如图5所示，0Y酒样的判别函数值的范围为(19.26～20.70，－13.90～－16.30，8.35～10.14)，5Y酒样的判别函数值范围为(22.15～24.87，12.54～14.81，－7.10～－9.60)，10Y酒样的判别函数值范围为(－22.24～－24.33，9.80～12.25，9.69～11.65)，20Y酒样的判别函数值范围为(－19.27～－22.76，－8.87～－11.39，－11.47～－13.78)。不同酒龄的酒样判别函数值差别很大，区别明显。利用判别分析获得的判别函数，可以很好的实现对不同酒龄酒样特征的提取和酒样的区分。

图5 优化后不同贮存时间的白酒LDA散点图

3 结论

通过可视化阵列传感器对不同酒龄的泸州老窖原酒进行了检测，得到了不同酒龄酒样的指纹图谱。将得到的光谱变化数据运用方差分析技术进行优化后，利用聚类分析和判别分析可以实现对不同酒龄酒样的正确归类和区分。不同酒龄酒样的指纹图谱是该酒样特征的直观反映，可以利用指纹图谱来实现对不同酒龄酒样的区分。同时，利用方差分析对传感器数据进行优化是对传感器光谱变化数据特征的进一步提取，删除了干扰因素，使不同酒样的特征更加集中，区分更加明显。

本研究为白酒酒龄的鉴别和区分提供了一种新的思路，在白酒质量监测方面有着广阔的应用前景，同时也为可视化阵列传感器这种新型传感器的数据优化供了新的方法。

［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］陈四海，周敬良.化学传感器阵列的计算机数据分析方法和发展趋势［J］.化学传感器，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－hong2，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 *通讯联系人

霍丹群(1965－)，女，博士，教授，主要从事微生物资源开发与利用、生物大分子的结构与功能等方面的研究。

国家自然科学基金(30770568);中央高校基本科研业务费资助(CDJXS102300);重庆市科委攻关项目(2008AC7037);重庆大学研究生创新团队(200909B1008);CQDX“211工程”三期创新人才培养计划(S－09104)资助项目;泸州老窖股份有限公司合作研究基金项目(0221002605033)。