中国白酒历史悠久，因其独特的酿造工艺而闻名于世界。白酒中的主要成分是乙醇与水（占总量的98%左右），余下的2%主要由酸、酯、醇、醛等多种微量风味物质组成，其含量的多少直接决定着白酒的品质（色、香、味、格）[1]。随着全民消费水平的不断提高，白酒的市场需求增幅巨大，给酒企的酿造生产均质化带来了巨大的挑战。原酒酿造、新酒研发以及品质检测等白酒生产中的各个环节都离不开对白酒内含物质的探索、研究。因此，高效、严谨的检测方法，高精、便捷的检测仪器在白酒生产应用的研究中扮演着重要角色。
白酒的种类繁多，仅按主体香型分类就多达12余种，不同类别的白酒对应的检测仪器与方法也各不相同，常见的检测技术有色谱技术、光谱技术、核磁共振技术以及仿生传感器技术等[2]，需依据待测酒液的风格、香型等综合性特征结合既定的检测目标选择对应的检测技术。在白酒酿造、生产、销售的过程中，微量物质的测定，有害物质检测，白酒品牌、产地、酒龄的辨别，基础酒液等级的划分以及市场中成品白酒的品质管控等多个环节伴随有检测技术的身影。随着检测技术的高速发展，不断有新的白酒微量物质被发现，因此，建立健全白酒检测体系，改进和优化检测方法，对促进白酒生产数字化发展，加强白酒深层次研究有着重要意义。
本文概述了不同检测技术的在白酒实际研究生产中的应用现状，并对不同白酒生产环节中的应用技术进行详细总结，对比分析各项技术应用过程中存在的优势与不足，强调仪器测试过程中样品预处理等注意事项，探讨了在智能制造与智能生产的大环境下，白酒检测技术及应用环节的发展趋势，为指导白酒生产、促进白酒数字化发展提供参考。
1 风味物质检测
白酒独特的固态酿造工艺极大的丰富了白酒的风味物质种类，造就了白酒浓郁的香气与醇厚的口感。通常情况下，风味物质的种类及含量直接决定一款白酒的质量等级。在风味物质的检测中，色谱法、光谱法以及核磁共振技术的应用最为广泛。
1.1 气相色谱检测
气相色谱法（gas chromatography，GC）[3]，主要适用于易挥发性化合物的定性与定量分析，对非挥发性的液体或者固体化合物，可通过高温裂解、气化后进行整体分析[4]。GC在实际的检测过程中可以使用的检测器有许多，如火焰离子检测器（flame ionization detector，FID）、霍尔电导检测器（electrolytic conductivity detector，ELCD）、火焰光度检测器（flame photometric detector，FPD）等。在白酒的检测分析中FID[5]与质谱检测器（mass spectrum detector，MSD）[6]的应用最为广泛，其中FID对碳氢化合物的灵敏度较高，线性范围宽，但识别精度不够，仅能对微量物质中含量相对较多的化合物进行识别；MSD作为通用型检测器，对能离子化的所有化合物都给出响应，检测精度较高，能够识别更多的微量物质。
GC检测白酒样品的过程中，检测器温度、进样口温度、升温模式、载气流速、进样量以及分流比的设置对检测结果的可靠性存在直接影响。狄红梅等[7]使用GC内标法测定白酒中甲醇的含量，设定初温35 ℃，保持3 min，以1.0 ℃/min升到50 ℃，以20 ℃/min升到200 ℃，保持5 min。该方法精密度试验结果相对标准偏差（relative standard deviation，RSD）为2.72%，回收率为100.08%，回收率试验结果RSD为2.42%，优于国标的结果。吴国辉[8]使用19095N-123毛细管柱（0.530 mm×30 m，1 μm）为色谱柱，检测器温度为250 ℃；进样量为10 μL，外标法定量）同时对白酒中甲醇、正丙醇、正丁醇、异丁醇、异戊醇、乙酸乙酯、丙酸乙酯、乳酸乙酯、己酸乙酯、β-苯乙醇10种常见微量成分进行测定，结果显示，18 min内化合物完成分离，相关系数R＞0.996。
气相色谱-质谱联用技术（gas chromatography-mass spectrometry，GC-MS）精度高，能够识别白酒中含量极低的化合物，对白酒组成的探索性研究有积极作用。张丹丹等[9]用GC-MS对白酒中不同的风味物质进行了差别分析，测得待测白酒样品中酯类15种，醇类9种，酸类11种，醛酮类6种，醚类1种，其他12种，且酯类、醇类和酸类，酯类种类和含量均占有较高比例。张倩[10]通过GC-MS对白酒中10种挥发性酚类物质进行定性、定量检测，采用电子电离（elec tronic ionization，EI）源，电子能量为70 eV，离子源与四极杆温度分别为230 ℃、150 ℃，实验显示10种挥发性酚的回收率在83.9%～101.2%之间，相对标准偏差（RSD）为1.1%～2.9%，准确度与精密度较高。
1.2 高效液相色谱检测
高效液相色谱法（high performance liquid chromatography，HPLC）[11]以液体为流动相，采用高压输液系统，将具有不同极性的单一溶剂或不同比例的混合溶剂、缓冲液等流动相泵入装有固定相的色谱柱，在柱内各成分被分离后，进入检测器进行检测，从而实现对试样的分析，主要适用于难挥发性物质的检测。
吴子阳等[12]使用固相萃取结合HPLC对白酒中阿魏酸、没食子酸、对香豆酸、丁香酸和（+）-儿茶素水合物5种酚类物质进行检测，检出限为0.98～12.2 μg/L，加标回收率为84.1%～100.7%，5种酚类活性化合物标准曲线的线性相关系数（R2）在0.994 5～0.999 9之间，线性关系良好。王芳等[13]利用HPLC同时对白酒中的四大酸类物质（乳酸、乙酸、丁酸、己酸）进行检测，结果显示，4种酸的定量检测限均为10 mg/L，线性相关系数R2值为0.999 6～0.999 9，满足分析要求。
1.3 核磁共振检测
核磁共振（nuclear magnetic resonance，NMR）[14]是磁场中磁性原子核因响应合适频率的电磁信号而产生的共振现象，其本身是基于固体微观量子理论与无线电微波电子学技术所提出的。
近年来，越来越多的学者把核磁共振技术引入白酒领域，实现白酒微量成分的检测。张晓静等[15]利用核磁共振结合多个（重）溶剂峰压制方法对白酒的微量组分进行测定，结果清晰地呈现了各个微量组分的谱峰以及各组分化学结构的相关峰，有效地实现了白酒风味物质的测定。韩兴林等[16]利用核磁共振对低温和激光处理后样品缔和结构的改变进行了分析，发现激光和紫外可提高酒体的氧化速度，乙醛量增高，高温加速了反应，酯类与高级醇均降低较多。吉鑫等[17]使用核磁共振氢谱（H nuclear magnetic resonance，H NMR）结合偏最小二乘法回归（partial least squares regression，PLSR）建立了白酒6种有机酸（乙酸、丙酸、丁酸、戊酸、己酸和异戊酸）和3种醛类（乙醛、乙缩醛和异戊醛）物质的分析模型，拟合效果好，预测精度高，有效解决了白酒风味物质检测中因信号重叠而难以定量的问题。
核磁共振检测技术在白酒的酒精度快速定量、有机酸和醛类等分析中应用较多，精度较高（能够识别出白酒中含量较低的风味物质），在辅助白酒从业者对白酒进行深入的、探索性的研究方面发挥着重要的作用。
1.4 光谱技术检测
近年来，近红外光谱技术（near infrared spectrometry，NIR）[18-19]因样品无需预处理、适合液体、固体等多形式样品、具有远距离检测等优点被频繁应用于白酒领域。段学等[20]采用近红外光谱分析技术，对基酒总酯进行无损检测研究，结合偏最小二乘法（partial least square，PLS）建立基酒总酯模型，预测集的均方根误差（root mean squared error prediction，RMSEP）为0.19，稳定性较好。董新罗等[21]应用近红外光谱技术对白酒基酒中的酮类物质实现快速检测，结合化学计量学方法进行分析，实验得到验证集样品的相关系数R2分别为0.957 6和0.957 8，RMSEP分别为0.40 mg/100 mL、0.24 mg/100 mL，准确率较高，满足酮类物质快速检测的需求。田育红等[22]通过近红外光谱技术白酒中的关键指标进行快速测定，其中酒精度、总酸和总酯的相关系数分别达到0.999 5、0.957 6、0.991 0，测定结果可信度高，实用性强。
紫外光谱作为光谱技术的重要分支，在有机化合物的定性、定量分析中有一定的优势。赵宇[23]在实验中用紫外分光光度法测定不同白酒中的糠醛含量，相关系数为R=0.994 9，精密度及准确度较高，且操作简单、反应敏捷、成本较低，能够进行大范围推广。
1.5 不同检测技术对比分析
在白酒风味物质的检测应用中，不同技术有着不同侧重点，详细对比见表1。
表1 多种技术检测白酒风味物质对比
Table 1 Comparison of flavor substance in Baijiu detected by various technologies
2 酒曲、酒醅等原料检测
酿酒原料、酒曲、酒醅的检测，伴随着整个白酒的酿造生产过程。不同类型的白酒所对应的粮食原料也各有不同，如茅台的原料是一种特殊的糯性高粱，又称红缨子高粱；五粮液的原料是高粱、大米、糯米、小麦以及玉米5种粮食；以汾酒为代表的清香型白酒大多以大麦和豌豆作为原料。原料的不同，原料品质的差异，对白酒质量同样存在较大的影响。因此，酿酒原料粮的检测，还包括酒醅以及酿造所使用酒曲的检测对酒液的品质与酿造工艺的改进、参数的控制有着极为重要的意义。
2.1 近红外光谱检测白酒酒醅
白酒酒醅是指蒸煮后发酵好的粮食，将酒醅经过上甑操作得到原浆酒液。湿度、温度、水分以及微生物种群数量等都是酒醅的重要影响因素，决定最终成品酒的品质；不同地区的粮食原料在淀粉等所含成分中存在一定的差距，因此，实现酒醅的快速检测对于酒企的酿造生产具有积极的作用。近年来，NIR是白酒酒醅检测的关键技术之一[24-26]。
余松柏等[27]利用近红外光谱技术，结合趋近归一化、一阶导数等光谱预处理方法，协同区间偏最小二乘法（synergism interval partial least-squares，SIPLS）、向后间隔偏最小二乘法（backward interval partial least-squares，BIPLS）等算法建立酒醅分析模型，实现对酒醅中水分、酸度、淀粉的快速测定。周新奇等[28]结合酒醅的发酵过程，把出窖酒醅配粮前的水分、淀粉以及酸度的检测结果实时转化为4～20 mA的电控输入信号，形成一套在线近红外光谱监测系统，且平均误差与预测标准误差（standard error prediction，SEP）满足精度要求，有效的解决了酒醅的配粮问题。林房等[29]应用近红外光谱技术建立酒醅中淀粉含量的快速定量分析模型，结果显示其相关系数R值达0.98，校正均方根误差（root mean square errors of calibration，RMSEC）为0.94，平均偏差仅为0.08，具有良好的预测性，能够实现酒醅的大批量、快速检测。
2.2 液相色谱检测酿酒原料粮
酿酒原料粮中的农药残留物通常是以较低的水平存在，其含量情况关乎酒液的安全。美国、德国等部分国外国家已经对食品中的残留检测进行了研究与报道，而在我国此类型的研究较少。罗莉等[30]选用AtlantisT3液相色谱柱（3 μm，150 mm×2.1 mm），电喷雾电离（electrospray ion ization，ESI），多反应离子监测方式的高效液相色谱-质谱联用对白酒原料（大米）中的噻虫嗪、吡虫啉、啶虫脒等14种农药残留进行检测，结果显示，＞0.5 mg/L、＜1.0 mg/L时两次平行样测定的相对偏差≤5%，＜0.5 mg/L时两次平行样测定相对偏差≤10%，满足白酒原料检测要求，有效保障酿酒原料粮的安全。
2.3 变性梯度凝胶电泳法、近红外检测白酒酒曲
酒曲作为白酒发酵过程的重要辅料，其主要是由霉菌与酵母组成。常规情况下，酒曲的检测大多依靠人力完成，效率较低，精度不高。马伟等[31]通过选取发酵完成的成品高温酒曲共计720个样品，结合近红外光谱技术建立酒曲的水分、淀粉、酸度的快速识别模型，结果显示水分和淀粉2个指标的定标集的标准偏差与预测集的标准偏差都非常接近，预测能力较强，但酸度模型稳定性和预测能力不高，需进一步优化，总体上能够满足检测所需，为后续的研究奠定了良好的基础。姚淑敏等[32-33]利用细菌16S rRNAgene V3区通用引物，分别提取6种酒曲的总脱氧核糖核酸（deoxyribonucleic acid，DNA），结合聚合酶链式反应-变性梯度凝胶电泳（polymerase chain reaction-denatured gradient gelelectrophoresis，PCR-DGGE）对不同酒曲中的细菌多样性进行分析，结果表明，从6种酒曲种共分离出12属细菌，说明不同的酒曲中细菌种类存在差异，发现了魏斯氏菌（Weissella）是发酵的常见菌群，为研究区域酒酿风味特征、营养以及改进传统配料与酿造工艺奠定了理论基础，指明了白酒酒曲未来的研究方向。
3 品牌、酒龄、产地鉴别
通常情况下，不同品牌、不同产地以及不同酒龄的白酒，在品质、价格、感官等各方面各有不同，其内含的微量物质也存在明显差别。白酒品牌、产地以及酒龄的鉴别研究一直以来都是白酒领域的重要方向，高效的鉴别方法对促进白酒生产、控制市场纯净度有重要作用。
3.1 气相色谱鉴别
郑劼[34]用GC-MS对三种名优白酒进行鉴别，通过分类预测模型分析可知，其交叉验证正确率和整体预测正确率较高，识别效果较好。李爱兰等[35]把吹扫捕集-气质联用结合化学计量学应用于不同产地和品牌浓香型白酒鉴别，结合正交偏最小二乘法-判别分析（orthogonal partial least squares-discriiminate analysis，OPLS-DA）建立模型，实现了白酒产地、品牌的准确区分。黄婷等[36]通过气相色谱-火焰离子化检测法（gas chromatography-flame ionization detection，GC-FID）对不同存储期凤香型白酒中的总酸、总酯及部分主要风味物质进行定性、定量检测，呈现其变化波动情况，实现了对不同酒龄白酒的辨别，准确率较高。
3.2 光谱鉴别
光谱技术一直以来都被贴上高效、快速的标签，与企业鉴别白酒品牌、酒龄的需求十分契合。张正勇等[37]采集不同品牌的紫外光谱数据，结合相关系数法分析不同品牌间的差异情况，达到鉴别不同品牌白酒的目的，实验显示基于二次微分处理的紫外光谱计算而得的相关系数R值可达到0.993左右，准确度较高。张修兴[38]利用LRS-2激光拉曼光谱仪，对无水乙醇和四种不同品牌白酒进行了测量和分析，获得了它们的拉曼光谱图，分析可知白酒的拉曼光谱特征峰的峰值大小会随浓度的改变而变化，浓度越大峰值越大；此外，拉曼光谱峰值的位置也随浓度的变化发生移动，可有效的鉴别不同品牌的白酒。
王国祥等[39]采用Raman光谱和支持向量机回归（support vector regression，SVR）建立数据分析模型，用于不同年份白酒的年份鉴定和同一年份不同贮存时间的白酒年份鉴定，实验可知基于回归框架的白酒年份与年份指数对应关系，实现白酒年份识别及预测，不仅可以有效鉴别不同年份的白酒样品，同时可以有效预测同一年份不同贮存时间的白酒样品，准确性较高。Raman光谱[40]由于其受水的影响很小且很少或不需要样品前处理，在白酒分析中具有广阔的发展空间，结合模式识别等人工智能技术可提升鉴别的准确性与智能化程度，是未来的发展方向。
3.3 电子鼻鉴别
人工感官品评作为主要的酒液鉴别方式，伴随着整个白酒的发展历程，但人工感官主观性较强、波动性较大、学习成本高等缺点是酒企长期以来的困扰，近年来，仿生传感器的诞生、应用给企业发展高效、便捷的鉴别方法指明了方向[41]。周容等[42]通过在酒精度14%vol、加热温度40 ℃、加热时间30 min的最优实验条件下，使用电子鼻检测技术结合传统分析方法以区分兼香型白酒年份，结果表明，电子鼻与逐步线性判别分析的联合实现了对12年内的兼香型白酒以100%的正确率进行区分，超过12年的同样具有较高的鉴别准确率，实用性较高。徐晚秀等[43]对5个年份清香型白酒—汾酒使用电子鼻传感器进行检测，采用主成分和典型判别分析方法对实验数据建模分析可知，年份鉴别的准确率达到98.8%，满足鉴别要求。
李金金等[44]使用特别设计的手持式电子鼻传感器对6个不同品牌的白酒进行检测，以机器学习为基础对电子鼻的采样数据进行建模分析，实现不同品牌白酒的快速鉴别，结果表明，整套方法无论是在鉴别效率还是鉴别准确率上统统满足鉴别要求，实现了白酒品牌的在线鉴别。陆艺莹等[45]针对白酒快速识别开发了新型便携式电子鼻传感器，利用该电子鼻测量6种不同品牌的白酒，在主成分分析（principal component analysis，PCA）法结合反向传播人工神经网络（back propagation artificial neural network，BP-ANN）下对不同品牌白酒进行识别，识别率达95.8%，同样实现了白酒品牌在线快速识别。
3.4 电子舌鉴别
品酒师作为企业中的核心人物，关键在于其本身的感官敏锐性与后天经验的加成，但人的感官系统敏锐性随着年龄的增长逐渐下滑，品酒师也不例外。通过先进的高精仿生传感器设备建立感官评价体系，降低主观因素影响程度，提升白酒香型、品牌的辨识准确率，是未来的发展方向。孙文佳等[46]针对同一产地不同品牌的豉香型进行分类识别，在电子舌技术检测基础上结合线性判别和主成分分析法对其进行对比分析，其结果表明，电子舌技术能够获取样本的整体味觉信息，结合线性判别分析法使得分类识别的效果更好。邓莉[47]对不同类型的7种酒液使用TS-5000Z型电子舌进行检测并结合主成分分析法对传感器信号分析，体现味觉中的酸味、涩味、苦味差别，表明电子舌能有效区分不同类型酒的味感差别。马泽亮等[48]使用电子舌检测茅台镇原浆酒、泸州老窖、五粮液三种不同品牌白酒各8次并结合主成分分析（PCA），同品牌酒的数据点离散度较小，不同品牌酒间的数据点离散度较大，由此可知，使用电子舌检测的原始特征数据能够较好区分不同品牌酒。
3.5 仿生传感器融合检测方法鉴别
为提高白酒质量的快速鉴别能力，电子鼻和电子舌融合系统检测白酒样品可获得气-味两种综合信息，为数据分析提供了更加全面的信息。门洪等[49]采用基于TGS型气敏传感器和基于MQ、MP型气敏传感器的两种不同电子鼻和电子舌融合系统对不同品牌白酒样品采集气-味信息，经主成分分析法、K均值法和支持向量机对融合信号分析，分析表明电子鼻和电子舌融合系统在基于第二类气敏传感器采集的气-味信息对白酒的检测识别效果最优。
白酒品牌和香型众多，建立品牌和香型风味物质间的关系需多检测技术的融合，刘芳等[50]使用电子鼻和GC-MS结合PCA分析7种（五粮液、水井坊、剑南春等）不同品牌的11种浓香型白酒的差异，电子鼻区分不同品牌浓香型白酒挥发性风味成分具有较好的效果，而GC-MS进一步分析得出不同品牌浓香型白酒风味物质含量存在明显差异，由PCA得出聚类样品在风味成分层面存在一定的相似性。
3.6 鉴别技术的对比分析
白酒品牌、产地以及酒龄的鉴别在白酒的生产、销售中扮演着重要的角色，不同鉴别技术结合不同建模方法能够到达高效鉴别的目的，其详细对比见表2。
表2 不同技术对白酒品牌、酒龄及产地鉴别
Table 2 Identification of brand,age and origin of Baijiu by different techniques
4 质量安全监测
近年来，食品安全备受关注，白酒也不例外。白酒中的甲醇、塑化剂等含量通常以较低含量的形式存在，但过高会对身体造成伤害，因此白酒生产过程中有害物质的监测极其关键。
4.1 气相色谱
张菁菁等[51]利用气相色谱串联质谱（gas chromatography-tandem mass spectrometry，GC-MS/MS）技术对白酒中的甲醇进行定性、定量检测，实验结果显示甲醇在质量浓度0.2～200.0 mg/L范围内线性关系良好，相关系数R2均＞0.995，适用于白酒的监督检测以及质量控制。白酒中的塑化剂主要指邻苯二甲酸酯类化合物（phthalic acid ester，PAEs），其对人体具有显著内分泌干扰作用和致畸、致癌风险，彭梦露[52]使用GC-MS对白酒中塑化剂进行监控，可有效全面把控白酒生产过程中安全质量问题。GC作为白酒中有害物质监控的有效方法，对促进白酒行业朝着更安全、更严谨的方向发展有着积极作用。
4.2 高效液相色谱
相较GC，HPLC在白酒品质检测方面应用更加广泛，范文来等[53]对近10年传统饮料白酒与黄酒的品质安全研究方法进行了总结，发现HPLC能够对白酒中大多数有害物质进行高效检验，达到品质监控的目的。甜蜜素作为国家管控的食品添加剂，过度食入会对人体造成伤害，然而一些不法商贩为提高白酒销量，在白酒中过量添加甜蜜素，为此，郭爱萍[54]使用HPLC对白酒中的甜蜜素进行定量检测，检测精度、线性范围宽度以及灵敏度等均能达到国家既定的标准，且不会因为白酒内存在其他类似化合物而出现假阳性状况，是较为有效的添加剂检测手段，值得广泛使用。
4.3 核磁共振技术
不同工艺生产的白酒，其内部的微量物质存在明显的差异。韩兴林等[55]应用核磁共振（NMR）分析技术分析不同工艺香型白酒和食用酒精勾兑白酒，实验表明，不同工艺香型白酒和食用酒精勾兑白酒的甲基峰和亚甲基峰、弱峰数、强峰数存在一定差异，正确反映了不同工艺条件下白酒的微观结构存在差别。李坚等[56]通过分析国内外核磁共振技术在酒的质量鉴定中的研究情况，得出利用同位素示踪和成分分析来进行产地溯源；利用代谢物和氢键缔合状态分析来进行年份鉴别；利用全成分分析来进行掺假鉴别，存在信号重峰、无对比数据库、设备昂贵等问题。
4.4 电子鼻、电子舌
假酒是不良商贩谋取暴利的途径，其有害物质含量超标食品安全相关规定，但假酒检测是一项具有挑战的事情，依靠人的感官检测已经不能满足市场需求，电子鼻仿生传感器在白酒真假辨识中具有便捷、灵敏、高效等特点，为白酒检测提供了技术支持。马泽亮等[57-58]针对白酒掺假研制了便携式电子鼻检测系统，通过电子鼻检测分析获得白酒“指纹数据”，经数据处理，结果表明，PCA方法区分掺假白酒正确率高达100%。董画等[59]经单因素实验条件结合PCA等方法优化确定了实验参数，使用电子鼻技术可鉴别哈达山粮食酒与食用酒精含量，达到区分酒样真伪的目的。
工业酒精勾兑白酒会对人体健康构成严重危害，工业酒精中含有甲醇，而甲醇与乙醇的气味、滋味、比重等均相似，仅凭感官鉴别难以区分。巴特尔达赖等[60]对伊力老陈酒10年真假酒样品使用电子舌检测结合多元统计分析建模方法，其识别率达100%，电子舌技术可用于伊力老陈酒在真假酒检测中的快速辨识。
4.5 质量安全监测技术对比分析
安全，一直以来都是食品领域最为敏感的话题，白酒质量安全监测是维护市场稳定，保障品质的先决条件。高效的检测仪器结合分析方法是现阶段主要的应用方式，其优劣的详细对比见表3。
表3 不同技术对白酒质量安全监测对比
Table 3 Comparison of quality and safety monitoring of Baijiu by different techniques
5 总结与展望
检测技术的发展对于发掘白酒微量物质、促进白酒生产具有十分重要的意义。白酒风味物质、微量元素以及添加剂等的检测在等级划分、真伪鉴别、品质监测等方面广泛应用。但到目前为止，白酒检测技术在精度、成本与效率上无法平衡，如何准确、高效的对白酒进行检测，并广泛应用于白酒生产的各个环节中是未来的研究重点。
在工业4.0（利用信息化技术促进产业变革）的大背景下，白酒的机械化、自动化酿造水平不断提高，正由传统酿造方式向智能酿造转型升级。量化白酒感官品评并与白酒检测高效结合；提升白酒检测技术精度；加快白酒检测速度，缩短检测周期；增强检测的便捷性等，均为白酒检测技术未来发展重点解决方向。同时，拓展基于检测技术的相关应用对节省人力，降低生产成本，提升白酒出酒率和品质，推动白酒行业走向智能酿造有着积极意义。
[1]徐占成，张奶英，唐清兰，等.中国白酒品评技术回顾与展望[J].酿酒，2019，46（1）：23-28.
[2]刘露，汤有宏，刘国英，等.白酒分析检测研究进展[J].酿酒，2018，45（6）：28-32.
[3]LI Y C,FAN S X,LI A J,et al.Vintage analysis of Chinese Baijiu by GC and 1H NMR combined with multivariable analysis[J].Food Chem,2021,360(5):129937.
[4]程劲松.气相色谱法测定白酒中的香味组分研究进展[J].酿酒科技，2006（8）：104-107.
[5] RAAFAT K.Phytochemical analysis of Juglans regia oil and kernel exploring their antinociceptive and anti-inflammatory potentials utilizing combined bio-guided GC-FID,GC-MS and HPLC analyses[J].Rev Bras Farmacogn,2018,28(3):358-368.
[6] YANG L,FAN W L,XU Y.GC×GC-TOF/MS and UPLC-Q-TOF/MS based untargeted metabolomics coupled with physicochemical properties to reveal the characteristics of different type daqus for making soy sauce aroma and flavor type Baijiu[J].LWT-Food Sci Technol,2021,146:111416.
[7]狄红梅，李艳敏，张立严.气相色谱内标法测定白酒中甲醇含量的确认及应用[J].酿酒科技，2018（2）：62-64.
[8]吴国辉.气相色谱法同时测定白酒中10种常见的微量成分[J].食品安全质量检测学报，2018，9（10）：2532-2536.
[9]张丹丹，李晓路，周宇，等.利用GC-MS分析不同白酒中的微量组分[J].安徽农业科学，2018，46（10）：167-169.
[10]张倩.气相色谱-质谱法测定白酒中挥发性酚类物质[J].酿酒科技，2016（9）：128-130.
[11]JING X,HUANG X,WANG H H,et al.Popping candy-assisted dispersive liquid-liquid microextraction for enantioselective determination of prothioconazole and its chiral metabolite in water,beer, Baijiu,and vinegar samples by HPLC[J].Food Chem,2021,348:129147.
[12]吴子阳，何菲，李贺贺，等.采用固相萃取结合高效液相色谱测定清香型白酒中酚类活性化合物[J].分析化学，2020，48（10）：1400-1408.
[13]王芳，廖勤俭，安明哲，等.高效液相色谱同时检测白酒中四大酸的方法[J].酿酒科技，2018（5）：114-116.
[14] FOTAKIS C,ZERVOU M.NMR metabolic fingerprinting and chemometrics driven authentication of Greek grape marc spirits[J].Food Chem,2016,196:760-768.
[15]张晓静，张惠平，余亦华.多个（重）强峰压制与白酒的核磁共振分析[J].分析化学，2005（11）：1631-1634.
[16]韩兴林，王德良，王异静，等.物理催陈法对清香型白酒微量成分及酒体结构影响的探讨[J].酿酒科技，2009（3）：51-53.
[17]吉鑫，樊双喜，李宜聪，等.白酒中有机酸和醛类的偏最小二乘回归法定量分析模型[J].食品与发酵工业，2020，46（14）：204-210.
[18]ZHONG J,CHEN J M,YAO L J,et al.Discriminant analysis of liquor brands based on moving-window waveband screening using near-infrared spectroscopy[J].Am J Anal Chem,2018,9(3):124-133.
[19]QU F F,REN D,WANG J H,et al.An ensemble successive project algorithm for liquor detection using near infrared sensor[J].Sensors,2016,16(1):89-103.
[20]段学，赵小波，邹胜琼，等.近红外分析技术快速检测白酒基酒中的总酯含量[J].酿酒科技，2021（3）：105-108.
[21]董新罗，刘建学，韩四海，等.白酒基酒中酮类物质的近红外光谱检测方法[J].分析测试学报，2020，39（11）：1427-1432.
[22]田育红，王凤仙，吴青.基于近红外光谱分析技术快速检测白酒中的关键指标[J].酿酒，2019，46（5）：93-96.
[23]赵宇.紫外分光光度法测定十种白酒中的糠醛[J].中国林副特产，2019（6）：29-31.
[24] LI Z,WANG P P,HUANG C C,et al.Application of Vis/NIR spectroscopy for Chinese liquor discrimination[J].Food Anal Meth,2014,7(6):1337-1344.
[25]ANJOS O,SANTOS A J A,ESTEVINHO L M,et al.FTIR-ATR spectroscopy applied to quality control of grape-derived spirits[J].Food Chem,2016,205:28-35.
[26]PÁSCOA R N M J,PORTO P A L S,CERDEIRA A L,et al.The application of near infrared spectroscopy to wine analysis:an innovative approach using lyophilization to remove water bands interference[J].Talanta,2020,214:120852.
[27]余松柏，赵小波，田敏，等.近红外光谱技术在快速检测白酒酒醅中的应用[J].酿酒科技，2021（2）：59-64.
[28]周新奇，郑启伟，刘妍，等.基于近红外光谱技术的白酒酒醅在线监测研究[J].分析测试学报，2020，39（11）：1358-1364.
[29]林房，吴宏萍，薛锡佳，等.近红外光谱快速分析白酒酒醅指标的研究[J].酿酒，2017，44（6）：80-84.
[30]罗莉，吴生文，林培，等.使用液质联用对特香型白酒酿造原料大米中农药残留检测的研究[J].酿酒，2020，47（4）：84-89.
[31]马伟，董大伟，杨建梅，等.近红外光谱仪在酒曲检测中的应用[J].酿酒科技，2017（2）：82-85.
[32]姚淑敏，刘合凤，高飞，等.PCR-DGGE法分析不同酒曲中细菌多样性[J].曲阜师范大学学报（自然科学版），2021，47（2）：89-94.
[33]姚淑敏，陈璐，闫华文.应用PCR-DGGE方法研究甜酒曲中真菌多样性[J].中国酿造，2016，35（11）：44-48.
[34] 郑劼.三种名优白酒的GC-MS和ICP-OES分析及其鉴别模型研究[D].成都：成都理工大学，2017.
[35]李爱兰，乔文君，汪兴财，等.吹扫捕集-气质联用结合化学计量学用于不同产地和品牌浓香型白酒鉴别[J].化学试剂，2021，43（5）：576-583.
[36]黄婷，杨辉，张顺花，等.凤香型白酒酒海贮存中主要化学成分的变化[J].酿酒科技，2021（4）：29-36.
[37]张正勇，沙敏，刘军，等.基于紫外光谱相关系数法的白酒品牌快速鉴别技术研究[J].酿酒，2017，44（2）：75-79.
[38]张修兴.不同品牌白酒的激光拉曼光谱研究[J].化工设计通讯，2018，44（2）：255-256.
[39]王国祥，王海燕，王虎，等.基于Raman光谱和支持向量机回归的古井贡酒年份鉴别方法[J].光谱学与光谱分析，2016，36（3）：729-735.
[40]LIN K,HU N Y,ZHOU X G,et al.Reorientation dynamics in liquid alcohols from Raman spectroscopy[J].J Raman Spectrosc,2012,43(1):82-88.
[41]CYNKAR W,DMBERGS R,SMITH P,et al.Classification of tempranillo wines according to geographic origin:combination of mass spectrometry based electronic nose and chemometrics[J].Anal Chim Acta,2010,660(1):227-231.
[42]周容，袁琦，夏瑛，等.电子鼻技术在兼香型白酒年份区分中的应用研究[J].中国酿造，2020，39（8）：65-69.
[43]徐晚秀，李臻峰，张振，等.基于电子鼻的中国白酒酒龄检测[J].食品与发酵工业，2016，42（2）：144-149.
[44]李金金，孙哲华，孟庆浩.基于手持式电子鼻的白酒识别[J].食品与发酵工业，2019，45（24）：218-222.
[45]陆艺莹，张覃轶，龙海仙，等.基于便携式电子鼻的白酒快速识别[J].酿酒科技，2016（1）：83-86.
[46]孙文佳，方毅斐，汪廷彩，等.基于电子舌技术的豉香型白酒分类识别研究[J].中国酿造，2020，39（9）：182-185.
[47]邓莉.电子舌对不同类型酒味觉的辨识研究[J].中国酿造，2018，37（7）：97-100.
[48]马泽亮，殷廷家，国婷婷，等.采用电子舌法检测橙汁及白酒的品牌及纯度[J].食品工业科技，2018，39（8）：190-194.
[49]门洪，张晓婷，丁力超，等.基于电子鼻/舌融合技术的白酒类别辨识[J].现代食品科技，2016，32（5）：283-288.
[50]刘芳，杨康卓，张建敏，等.基于电子鼻和气质联用技术的浓香型白酒分类[J].食品与发酵工业，2020，46（2）：73-78.
[51]张菁菁，刘笑笑，王小乔，等.气相色谱串联质谱法测定白酒中的甲醇含量[J].中国酿造，2020，39（1）：186-189.
[52]彭梦露.气相色谱-质谱（GC-MS）联用技术在白酒塑化剂中的应用研究[J].现代食品，2019（7）：176-179.
[53]范文来，王栋.近10年我国传统饮料酒白酒和黄酒品质安全研究现状与展望[J].食品安全质量检测学报，2019，10（15）：4811-4829.
[54]郭爱萍.白酒中甜蜜素的检测与分析[J].现代食品，2019（3）：143-144.
[55]韩兴林，张五九，王德良，等.不同工艺白酒的核磁共振分析[J].酿酒科技，2009（2）：112-114.
[56]李坚，曾新安，郭时印.核磁共振技术在酒的质量检测中的应用[J].食品工业科技，2016，37（19）：396-400.
[57]马泽亮，国婷婷，殷廷家，等.基于电子鼻系统的白酒掺假检测方法[J].食品与发酵工业，2019，45（2）：190-195.
[58]马泽亮.基于电子鼻和电子舌的智能感官检测系统设计与应用研究[D].淄博：山东理工大学，2019.
[59]董画，何雨，薛桂新.电子鼻技术对哈达山白酒中掺兑酒精的鉴别[J].中国酿造，2018，37（9）：43-47.
[60]巴特尔达赖，王锡昌，吴娜，等.电子舌技术在真假伊力老陈酒鉴别中的应用[J].食品工业科技，2017，38（9）：290-293.