刘 超,田 鹏,刘 莎,张 超,刘占奇,李 梦,董孝元,*

(1.湖北工业大学工程技术学院,湖北武汉 430050;2.武汉天龙黄鹤楼酒业有限公司,湖北武汉 430050;3.武汉雅仕博科技有限公司,湖北 武汉 430050;)

白酒饮用舒适度有两层含义;一是饮用过程舒适度,即饮用时对酒体色、香、味的综合感受,舒适度好的酒优雅细腻,适口性强;二是饮后舒适度,即饮后的生理反应,不上头、不口干、醒酒快,对消费者健康有益的才是舒适的酒。白酒的风味是其中的酸类、酯类、醇类、醛类等微量成分种类与数量的综合反映[1-2],通过气相色谱分析技术能够检测出白酒中各微量成分的含量。

钱冲[3]研究了白酒风味组分与香型之间的关系,霍丹群等[4]利用白酒微量成分的差异对白酒品牌鉴别进行研究,发现白酒的香气物质决定了白酒产品的差异,李小明[5]使用层次分析法构建了白酒评价指标体系证明基酒指标之间具有正负相关性,并得到指标间的关联程度,可以有效地帮助指标分析。但是对浓香型白酒微量成分与感官评价之间的研究还未见相关资料。

本文通过对不同品质的浓香型白酒微量成分进行分析检测,通过研究利用数学方法对白酒微量组分检测结果进行处理,研究其与饮用舒适度之间的关系,建立相关模型为不同种浓香型白酒的品质识别提供理论支持,从而进一步提高浓香型白酒的品质。

1 材料与方法

1.1 材料与仪器

浓香型白酒 市售黄鹤楼、古井、白云边等品牌不同售价300种浓香型白酒,叔戊醇 色谱纯,上海麦克林生化科技有限公司;乙醇 色谱纯,天津市科密欧化学试剂有限公司;甲醇、乙醛、仲丁醇、正丙醇、异丁醇、正丁醇、异戊醇、正己醇、甲酸乙酯、乙酸乙酯、乙酸丙酯、丁酸乙酯、戊酸乙酯、己酸乙酯、庚酸乙酯、乳酸乙酯、辛酸乙酯、糠醛、乙酸、丁酸、戊酸、己酸 天津光复精细化工研究所,均为色谱纯。

7890A气相色谱仪(GC),FID检测器 均为安捷伦科技有限公司。

1.2 实验方法

气相色谱仪工作条件:HP-INNOWax毛细管色谱柱(柱长30 m,内径0.32 mm,涂层0.5 μm);载气:高纯氮气,流速1 mL/min,分流比20∶1,尾吹20 mL/min;空气:流速400 mL/min;氢气:纯度99.99%,流速30 mL/min。检测器温度280 ℃,进样器温度250 ℃,柱箱二阶升温程序:40 ℃(保持15 min)以5 ℃/min升至140 ℃,然后再以20 ℃/min升至210 ℃(保持18 min)[3]。

内标配置:在50 mL容量瓶(天平上清零后)中加入一定量的40%的乙醇溶液,放在天平上称重(精确至0.001 g),加入1 mL叔戊醇并称重(精确至0.001 g),用40%乙醇溶液定容至刻度并称重(精确至0.001 g),混匀,0 ℃～4 ℃低温冰箱密封保存。

样品前处理:吸取10 mL样品于洁净的容量瓶中,放在天平上清零,加入200μL内标溶液,并称重。微量成分测定:以GB 5009.266-2016 和GB/T 10345-2007为方法依据,对白酒中的微量成分进行定量分析。

感官品评得分:样品感官品评由3名国家级品酒师和7位省级白酒评委进行舒适度评价,品评运用饮后感受评价量表打分,见表1[6]。

表1 饮后感受评价量表Table 1

根据评分情况将样品进行定档分级,其中分级为高档GD(≥75),中高档ZG(65～75,含65分),中档ZD(55～65,含55分),次低档CD(45～55,含45分),低档(DD<45)。

1.3 数据处理

运用SPSS 19.0对所得白酒中微量成分含量进行分析,通过使用主成分分析方法对微量成分数据进行分析,并建立微量成分与舒适度评价之间的关系模型。模型建立后通过使用不同样品对模型进行验证。

2 结果与分析

2.1 感官品评结果

通过专业品酒人员对各样品白酒进行品评运用饮后感受评价量表进行评分,根据评分情况将300个样品进行定档分级,其中分级为高档GD(≥75)的白酒有36种,中高档ZG(65-75,含65分)的有51种,中档ZD(55-65,含55分)的有72种,次低档CD(45-55,含45分)的有61种,低档(DD<45)的有80种,根据分级,计算各等级白酒舒适度得分均值见表2。

表2 300个样品饮后感受评价得分均值表Table 1 300 samples after drinking experience evaluation scoreTable

2.2 主成分分析结果

2.2.1 微量成分分析结果 样品经色谱条件优化后,常见的微量成分实现基线分离,分离度好,各种微量成分的分离情况见图1。

图1 白酒中微量成分气相色谱分离情况Fig.1 Trace elements in liquor gas chromatographic separation

由图1可知,白酒中常见22中微量成分均可以正确的测量出来,其中各个组分的出峰时间分别为:乙醛3.657 min,甲酸乙酯5.306 min,乙酸乙酯6.919 min,甲醇7.256 min,乙酸丙酯11.250 min,叔戊醇13.922 min,仲丁醇15.229 min,丁酸乙酯16.246 min,正丙醇16.466 min,异丁醇20.626 min,戊酸乙酯22.210 min,正丁醇23.030 min,异戊醇25.604 min,己酸乙酯26.552 min,庚酸乙酯29.968 min,乳酸乙酯30.900 min正己醇31.000 min,辛酸乙酯,32.943 min,糠醛33.811 min,乙酸35.095 min,丁酸37.800 min,戊酸38.531 min,己酸39.800 min。

根据分级情况计算各等级样品微量成分均值,不同品牌的浓香型白酒300个样品的微量成分含量见表3。

表3 样品微量成分色谱分析(g/L)Table 3 Microscopic Analysis of Samples(g/L)

由表3可知不同档次的白酒微量组分差距较为明显,其中醇酯比呈明显的梯度变化,为软件分析提供了依据。以乙醛、乙酸乙酯、正丁醇、丁酸等22个指标为变量利用SPSS 19.0对所取的5个等级样品进行主成分分析得表4[7-9]。

由表4可知,表中含有22个变量初始特征值及方差贡献率、提取3个公共因子的特征值及方差贡献率[10]。第一成分的特征值为20.091,远远大于1。第二成分的初始特征值为4.296,大于1。第三成分的初始特征值为2.795,大于1。从第四成分开始,其初始特征值均小于1,故因此选择3个公共因子便可以得到97.078%的累积贡献率,即表示3个公共因子可以解释95%的总方差,结果理想[11-12],因此可以认为原来的22个指标能够综合成3个主成分因子F1、F2、F3。

表4 解释的总方差Table 4 The total variance of the interpretation

由表5可知,这22个变量的共性方差均大于0.85,且大部分都大于0.9,故表示提取的3个公共因子能够很好的反应原始变量的主要信息[13]。

表5 公因子方差Table 5 Common factor variance

表6为主成分系数矩阵,可以得出各主成分在各变量上的载荷[14-15]。

主成分F1中乙醛(0.986)、己酸乙酯(0.972)、戊酸(0.945)、异丁醇(0.972)、仲丁醇(0.960)、糠醛(0.937)、己酸(0.935)、醇酯比(0.976)、庚酸乙酯(0.918)作用比较大,并且呈现正相关。乳酸乙酯(-0.942)作用也比较大,但是呈负相关[16]。说明乙醛,己酸乙酯,戊酸、异丁醇、仲丁醇、糠醛、己酸、庚酸乙酯、乳酸乙酯等组分含量及醇酯比是影响浓香型白酒风味的主要因素。同时也验证了己酸乙酯是浓香型特征型香味主要成分。主成分F2中辛酸乙酯(-0.860)作用较大,呈负相关[17]。主成分F3中乙酸(0.747)和正己醇(-0.717)作用较大,其中乙酸呈正相关,正己醇呈负相关[18-19]。

2.2.2 舒适度评分结果与主成分综合指标评分结果对比 F1,F2,F3为各主成分的得分变量[20],每个主成分都能够反映原始变量的大部分信息,且所含信息互不重复。按照各主成分F1,F2,F3对应的方差贡献率为权数计算得到综合得分,主成分与综合指标评分结果和舒适度得分见表6[21]

表6 主成分系数矩阵Table 6 Principal component matrix

由表7可知,对于5个等级的样品,样品的舒适度得分与主成分分析结果一致[22-23]。以综合得分F为自变量,感官得分X为因变量进行线性、二次、三次、四次回归分析见图2[24],结果如下:

表7 主成分与综合指标评分结果和舒适度得分Table 6 Principal component and comprehensive score score and comfort score

图2 综合指标评分与舒适度评分关系Fig.2 The relationship between comprehensive Index score and comfort score

线性回归 X=28.53F+60.266,R2=0.9718

二次方回归 X=-6.3278F2+28.344F+61.737,R2=0.9769

三次方回归 X=44.75F3+2.6044F2+13.33F+59.966,R2=0.9961

四次方回归 X=54.76F4+53.936F3-20.175F2+11.629F+60.978,R2=0.9999

通过分析各回归分析方法的相关系数R2可知,四次方回归分析能够较好的反应各档次白酒与微量成分主成分分析综合得分F之间的关系,R2=0.9999,说明回归方程X=54.76F4+53.936F3-20.175F2+11.629F+60.978 能够比较好的体现两者之间的关系[25]。

2.2.3 模型验证 选取10种不同档次白酒样品使用色谱分析对其微量成分进行检测,通过SPSS软件对其进行主成分分析,得到综合指标评分,再将其进行感官品评,结果如下:

如表8所示,通过不同样品对回归方程进行验证发现该模型能够较好的反应各档次白酒与微量成分主成分分析之间的关系。

表8 验证样品主成分与综合指标 评分结果和舒适度得分排名Table 8 The results of the main components of the sample and the score of the comprehensive index and the comfort score were verified

3 结论

主成分分析将22个微量成分指标约化为3个主成分因子F1,F2,F3,3个主成分的信息百分比达到97.078%,比较完美的的综合了22个微量组分,所得结果能够较好的反映出浓香型白酒的风格特点。

通过对浓香型白酒不同样品的微量组分进行主成分分析,可以得到各档次白酒的综合指标得分,将感官得分与其建立起一种联系,能够得到四次方的回归方程X=54.76F4+53.936F3-20.175F2+11.629F+60.978,R2=0.9999。通过对该回归方程进行验证,该模型能够较为准确的对白酒档次进行分级,为不同种浓香型白酒的品质识别提供理论支持,从而进一步提高浓香型白酒的品质。