酒花（Humulus lupulus Linn.）为大麻科律草属多年生蔓性草本植物，是啤酒酿造流程中非常重要的原料之一[1-3]。酒花在啤酒酿造中起主要作用的成分是酒花树脂、酒花油以及多酚物质，带给了啤酒清爽的苦味、芬芳的香味，因此酒花质量对啤酒香气和口味有极大影响[4-6]。
目前对于气味的分析技术有气相色谱-质谱（gas chromatography-mass spectrometry，GC-MS）联用法、气相色谱-闻嗅法（gas chromatography-olfactometry，GC-O）、电子鼻（electronic nose，E-nose）。三种分析技术比较而言，GC-MS分析样品耗时较长；GC-O一般需要经过培训的专业人士来进行评价；E-nose能够短时间迅速的分析判别气味之间的差异，方便快捷[7-9]。电子鼻技术是一种20世纪中后期兴起的检测技术，属于无损检测。目前电子鼻检测技术广泛应用于乳类[10-11]、水产品[12-13]、油脂[14-15]、水果[16-17]、畜产品[18-19]等领域。
近年来，我国葡萄酒工业迅速发展，随着生活水平的提高，消费者对葡萄酒质量的要求也越来越高[20-21]。为满足消费者对葡萄酒特色的不断变化，酿造师希望酿造出有异于传统葡萄酒香味和滋味的葡萄酒。目前还未见酿造啤酒的酒花用于酿造葡萄酒的相关报道。本实验旨在将酒花运用到葡萄酒酿造中，使葡萄酒本身的滋味更加丰富、气味更加迷人，开发出新款葡萄酒，对酒花酿造葡萄酒的工业化生产提供一定的参考，具有重要的现实意义。
1 材料与方法
1.1 材料与试剂
6种酒花（法格（FGA）、哈拉道（HLA）、捷克萨滋（JKA）、卡斯卡特（KSKTA）、西楚（XCA）、西姆科（XMA））：市售；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、白砂糖：市售；壳聚糖（粒度120目）：深圳天扬生物科技有限公司。
1.2 仪器与设备
FOX 4000型电子鼻：法国Alpha MOS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 酒花葡萄酒酿造的工艺流程及操作要点
操作要点：
酒花溶液的制备：将每种酒花配制成0.5 g/L、0.8 g/L、1.0 g/L和1.3 g/L溶液。取200 mL蒸馏水，将其煮沸2 min（避免水中微生物污染），设置温度为100℃，加入配制不同浓度梯度的酒花熬煮4 min后，冷却至25℃，再进行过滤，去滤渣后得到酒花溶液。
干酵母活化：称取一定用量的安琪活性干酵母，将其加入无菌水中，38～43℃水浴活化30 min后冷却至30℃以下，备用[22]。
葡萄处理：选择成熟、新鲜、无腐烂的玫瑰香葡萄，去除异物，清洗干净，然后去皮取果肉。
主发酵：将果肉和20%果肉的酒花溶液同时放入发酵瓶中，接入1.0%的活化后的酵母溶液，调整水浴锅的温度（20～25℃）。温度过高易被杂菌污染，且发酵速度过快，影响葡萄酒风味；温度过低则使酵母生长不好，延长发酵时间。当出现皮渣下沉，整罐酒体变浑浊，酒液基本没有甜味时，则发酵结束，时间一般为6～8 d[23-24]，前期为控制样品的酒精度，应该按照要求调整加糖量，使得样品的总糖度为22 °Bx。
后发酵：主发酵完成后，过滤去除葡萄酒酒中的杂质，进行二次发酵（15℃），当酒液变得澄清起来，则发酵完成[25]。
澄清、过滤：后发酵过程结束后，（2±2）℃低温贮藏168 h左右，有利于酵母的沉降。取出低温贮藏后的葡萄酒，向其中加入0.05%的壳聚糖澄清，然后用纱布过滤[26]。
陈酿：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 感官评价
选取10人的评价小组，按照表1的感官评分标准对酒花葡萄酒的气味、滋味、色泽及口感进行评价，满分100分，结果取平均分。评价基本顺序是首先观察该种样品的颜色，再利用专业的方法使鼻子细细判断产品的香味，最后再进行滋味及口感评鉴，小组每次评价每一种样品之前要求漱口再进行下一组样品的评价，避免味道在口腔中滞留，从而使得感官评鉴不准确。
表1 不同酒花葡萄酒感官评价标准
Table1 Sensory evaluation standards of different hops wine
感官评价20～0分（劣）气味100～80分（优）80～60分（良）60～40分（中）40～20分（差）滋味色泽口感酒香味浓郁酸涩甜苦口感适宜，回味无穷深宝石红色，透明，具有光泽度和亮度，泡沫细腻敦厚柔润，细腻柔和，持续时间较长酒香味较浓郁酸涩甜苦口感，回味时间较短宝石红色，透明，但光泽度较低，泡沫细腻口感较为柔和，持续时间较短酒香味较淡味道稍酸苦，回味时间很短红色偏深，不透明，光泽度亮度较低，泡沫较细腻口感柔和度较低有异味味道太酸，发生变质红色发暗，不透明，没有光泽和亮度，泡沫粗糙粗糙，杂质较少异味较大味道太酸太苦，发生变质红色发暗，不透明，浑浊，泡沫粗糙粗糙，杂质较多
1.3.3 电子鼻检测
（1）样品前处理
取5 mL酒花葡萄酒盛装于10 mL顶空瓶中，盖上瓶盖，静置10 min以保证瓶中样品香气足够挥发并达到平衡状态。然后将电子鼻的进样针插入顶空瓶，同时插入另一个可与大气连通的含有活性炭的装置，过滤杂质和保持样品瓶内外大气压一致，从而确保进样针抽气后瓶内外大气压保持不变。
（2）电子鼻检测条件
葡萄酒顶空气体的进样速为0.7 L/min；进样量1 000μL；数据采集时间120 s；数据采集延迟240 s；手动进样。每个样品平行测试3次。取传感器在第120 s时获得信号进行分析，此时信号输出最为稳定。
2 结果与分析
2.1 不同酒花葡萄酒感官评价
不同酒花葡萄酒气味、滋味、色泽、口感评价结果分别见图1a～1d。
由图1a可知，在同等酿造以及评价条件下，除FGA、KSKTA，0.5 g/L质量浓度酒花溶液酿造葡萄酒气味最佳，感官评分都较高，而1.3 g/L酒花葡萄酒感官评分较低（50.0～72.5分）。说明酒花溶液的质量浓度越高对葡萄酒发酵产生的香气越不利。XCA酒花葡萄酒在质量浓度为0.5 g/L时，感官评分最高，说明在这种质量浓度下XCA葡萄酒的气味最受欢迎。FGA这一组样品中，气味较为特殊，1.0 g/L的样品气味感官评分最高，而0.5 g/L时样品气味感官评分最低（62.0分）。
图1 不同酒花葡萄酒气味（a）、滋味（b）、色泽（c）及口感（d）的感官评价
Fig.1 Sensory evaluation of odor(a),flavour(b),colour(c)and taste(d)of different hops wine
由图1b可知，随着酒花质量浓度的增加，葡萄酒滋味逐渐下降。在试验样品中，XMA的酒样在0.5 g/L时呈现出最高滋味感官品评分（86.0分），说明其滋味接受度最高；1.3 g/L HLA的滋味感官品评分最低（52.4分）。
由图1c可知，当酒花质量浓度为0.8 g/L的各样品都展现出较优的色泽，相同质量浓度不同酒花葡萄酒样品之间色泽感官评分相差不大（标准偏差均＜5.5），综合对比分析，0.8 g/L FGA葡萄酒呈现出最好的色泽（90.0分），其色泽呈红宝石色，颜色最清透。
由图1d可知，随着酒花质量浓度的增大，其口感分值在不断地下降。0.5 g/L的XMA酒花葡萄酒的口感相比其他酒花葡萄酒要好，其各质量浓度的口感感官分值都高于同等情况下的其他酒花葡萄酒（0.5 g/L最高为87.9分，均高于其他最高分；1.3 g/L为最低得分70.2分，均高于其他最低分）。
综合图1a～1d可知，0.5 g/L XCA酒花葡萄酒的气味最受欢迎（92.5分）；0.8 g/L FGA葡萄酒的色泽最佳（90.0分）；0.5 g/L XMA酒花葡萄酒的滋味和口感比较好（86.0分、87.9分）。
2.2 电子鼻雷达图分析
电子鼻由18根金属氧化物传感器组成，每根传感器对一类或几类物质敏感[27]。以不添加任何酒花的葡萄酒作为空白对照组（KB），采用酒花质量浓度为0.5 g/L葡萄酒样品进行电子鼻检测，每组样品检测5次，取后3次在120 s的响应值作为检测值，绘制雷达图见图2。
图2 不同酒花葡萄酒电子鼻探测雷达图
Fig.2 Radar diagram of electronic nose detection of different hops wine
由图2可知，传感器对不同酒花酿造葡萄酒的挥发性成分响应值不同，这说明电子鼻可以区分不同酒花酿造的葡萄酒。每一个传感器对样品的响应都不尽相同，这说明传感器能够辨别样品之间的细微差异。样品之间的差别主要表现在LY型传感器上，在传感器LY2/LG、LY2/G、LY2/Gh、LY2/gCTI上差异较大；而在其他传感器差异相对较小。这说明样品之间的差异主要来源于这4根传感器。可以推测，这4根传感器对酒类香味物质比较敏感。另外，图2中大多数传感器的响应值也能反应出XCA和KB（空白）样品之间的差异极大。
2.3 化学计量学分析不同酒花葡萄酒
2.3.1 主成分分析
化学计量学是20世纪70年代瑞典科学家WOLD提出，它是一门以化学量测的基础理论与方法学为研究对象，运用数学、统计学、计算机科学以及其他相关学科的理论和方法，优化化学量测过程的学科。化学计量学常用的方法包括主成分分析（principal component analysis，PCA）、聚类分析（cluster analysis，CA）[28]等常用分析方法。主成分分析是基于降维思想的一种多元统计的数据分析方法，它通过一定的变换，在众多变量中筛选出少量能够反应样品主要信息，作为样品之间差异的依据。
以不添加任何酒花的葡萄酒作为空白对照组（KB），对不同酒花葡萄酒电子鼻传感器的相应信号数据做PCA，其结果见图3。
图3 不同酒花葡萄酒电子鼻检测主成分分析
Fig.3 Principal component analysis of electronic nose detection of different hops wine
由图3可知，PCA识别指数高达93，PC1的方差贡献率为91.825%，PC2方差贡献率为6.516%，两者之和为98.341%，所占样品气味的百分比＞85%，能够反应样品的主要风味轮廓，选取前两个PCA是可行。PC1已包含了样品大量信息，主成分贡献率越大，则表明主要成分基本可以代表所检测数据中含有的整体信息。样品在二维图中分布区域，可以清晰区分出样品之间的差异。FGA、XCA和KSKTA酿造的葡萄酒在Y轴左侧，而样品HLA、JKA、KB和XMA分布于Y轴右侧。KB与XCA的差异最大（与雷达图一致），说明西楚和空白组葡萄酒的气味差异最大。这可能与XCA酒花在酿造过程中产生了较多风味物质有关，但产生的风味物质并不被接受。PC1越大，说明PC1的贡献越大，反映在二维图中，两个样品即使在横坐标（X轴）的距离很小，其差异也很大；而两个样品在二维图中即使在纵坐标（Y轴）上距离很大，其差异也很小。KB和JKA、XMA和HLA、FGA和KSKTA的差异主要来源于PC2，而PC2仅对主成分有6.516%的贡献，因此三组样品组内差异较小。即KB和JKA相似度高；XMA和HLA相似度高；FGA和KSKTA相似度高。进一步分析发现，KB、JKA样品组和XMA、HLA样品组相似度高；FGA、KSKTA样品组与其次之。6个样品与XCA的差异较大。从样品之间的相似度可以推断：添加酒花酿造葡萄酒的过程中，JKA产地的气味物质最少；XMA、HAL产生的气味物质较JKA多；FGA、KSKTA产生的气味物质较XMA和HAL多；XCA产生的气味物质最多。
2.3.2 聚类分析
聚类分析是一种依据样品相似程度，进行无监督自主学习分类的数据处理方法，是化学计量学的常用分析方法。电子鼻检测结果的聚类分析结果见图4。
图4 不同酒花葡萄酒电子鼻检测聚类分析
Fig.4 Cluster analysis of electronic nose detection of different hops wine
由图4可知，相似度最高的是样品XMA和HLA，在0.096 62处聚类，相似度高，这与PCA一致；样品JKA和KB在0.102 28处聚类，相似度高，与PCA一致；XMA、HLA和JKA、KB在0.136 9处聚类，说明这四个样品相似，这与PCA中这四个样品分布在Y轴的右侧且紧邻一致。样品FGA和KSKTA在0.226 24处聚类，有一定相似度，且与XMA、HLA和JKA、KB在0.273 07处聚类，说明这6个样品有相似度，这与PCA一致。6个样品与XCA在0.620 05处聚成大类，这与PCA中XCA单独分布在Y轴最左侧一致。
3 结论
采用感官评价和电子鼻主成分和聚类分析对不同酒花酿造葡萄酒进行研究，感官评价结果表明，0.5 g/L XCA酒花酿造的葡萄酒气味酒香味最浓郁，最受欢迎；0.5 g/L XMA酒花葡萄酒的滋味和口感最好，酸涩甜苦口感适宜，敦厚柔润，细腻柔和，回味无穷；0.8 g/L FGA酒花葡萄酒的色泽最透明呈宝石红色，透明度最高，具有良好的光泽度和亮度，泡沫也较为细腻。酒花质量浓度越高，气味、滋味、色泽和口感的感官评分越低。
电子鼻检测不同酒花酿造葡萄酒的挥发性物质，结果表明，样本的差异主要来源于LY型传感器。样品在传感器LY2/LG、LY2/G、LY2/Gh和LY2/gCTI上差异明显，其他传感器差异并不突出，说明LY型传感器对葡萄酒的气味物质敏感。PCA和CA表明KB和JKA、XMA和HLA、FGA和KSKTA两两相似度高；XCA与这6个样品差异较大，且与KB差异最明显。这可能与XCA酒花酿造的葡萄酒的风味物质较KB样多有关。
[1]刘玉梅.啤酒花的化学成分及药理作用研究进展[J].食品科学，2009，30（23）：521-527.
[2]林柳悦，蒋益萍，张巧艳，等.啤酒花化学成分和药理活性研究进展[J].中国中药杂志，2017，42（10）：1830-1836.
[3]朱恩俊.酒花及酒花制品在啤酒工业中的应用[J].中国食物与营养，2006（8）：25-28.
[4]朱恩俊.国内外酒花制品的开发应用现状[J].农产品加工·学刊，2006（5）：60-63.
[5]何瑜.中国葡萄酒产业竞争力研究[D].杨凌：西北农林科技大学，2014.
[6]曾辉，刘璇，吴昕烨，等.基于电子鼻技术的不同苹果品种香气的表征与识别[J].食品与发酵工业，2016，42（4）：197-203.
[7]王亚宾，李甲贵，李换梅，等.基于葡萄酒相关生活方式的在线葡萄酒市场细分[J].中国酿造，2017，36（10）：195-200.
[8]贾鹏飞.面向伤口感染检测的电子鼻智能数据处理算法研究[D].重庆：重庆大学，2014
[9]王宠，梁琪，甘伯中，等.电子鼻在干酪风味检测中的应用[J].食品与机械，2012，28（2）：250-253.
[10]BOUGRINIM,TAHRIK,HADDIZ,et al.Aging time and brand determination of pasteurized milk using a multisensor e-nose combined with a voltammetric e-tongue[J].Mat Sci Eng,2014,45(9)：348-358.
[11]KANG N K,JUN T S,YANG Y S,et al.Analysis of volatile flavor compounds in milk using electronic nose system[J].J Sensor Sci Technol,2014,23(5)：320-325.
[12]熊青，谢晶.气味指纹技术在水产品质量检测中的应用[J].食品与机械，2012，28（5）：227-230.
[13]吴浩，刘源，顾赛麒，等.电子鼻、电子舌分析和感官评价在鱼糜种类区分中的应用[J].食品工业科技，2013，34（18）：80-82.
[14]MELUCCI D,BENDINI A,TESINI F,et al.Rapid direct analysis to discriminate geographic origin of extra virgin olive oils by flash gas chromatography electronic nose and chemometrics[J].Food Chem,2016,204：263-273.
[15]陈辰，鲁晓翔，张鹏，等.基于电子鼻技术的玫瑰香葡萄贮藏期快速判别[J].食品与机械，2015，31（6）：137-141.
[16]HONG X Z,WANG J.Use of electronic nose and tongue to track freshness of cherry tomatoes squeezed for juice consumption：comparison of different sensor fusion approaches[J].Food Bioprocess Technol,2015,8(1)：158-170.
[17]朱成林，兰秋雨，李诚，等.花椒添加量对卤兔腿挥发性风味物质的影响[J].食品与机械，2016，32（2）：154-159.
[18]WANG J,HONG X Z,WANG Y W,et al.Discrimination of storage time for pork using metal oxide semiconductor(MOS)-type E-nose[J].Sensor Mat,2013,25(4)：257-268.
[19]王虎玄.浓缩苹果汁全产业链高渗酵母分离鉴定及电子鼻快速检测方法研究[D].杨凌：西北农林科技大学，2016.
[20]田婷，邱树毅，文聆吉，等.电子鼻技术对不同轮次酱香型白酒的区分与识别[J].中国酿造，2017，36（10）：71-75.
[21]张璐，张昱，黄英，等.采用电子鼻和GC-MS技术研究慕萨莱思葡萄酒中挥发性成分[J].食品工业科技，2018，38（12）：242-249.
[22]马利杰，刘占东，杨春杰，等.电子鼻对原料羊乳中掺假过期复原乳的检测[J].乳业科学与技术，2014，37（5）：17-20.
[23]温建辉.家庭酿造红葡萄酒工艺条件的研究[J].晋中学院学报，2013（3）：20-24.
[24]郭磊，刘云，姜磊，等.巨峰葡萄酒酿造工艺[J].湖北农业科学，2011，50（19）：4036-4037.
[25]隋明.葡萄酒的自然酿造的加工工艺研究[J].酿酒，2017，44（3）：80-82.
[26]曹芳玲.不同澄清剂对红葡萄酒澄清效果研究[J].中国酿造，2008，27（14）：69-71
[27]王琼，徐宝才，于海，等.电子鼻和电子舌结合模糊数学感官评价优化培根烟熏工艺[J].中国农业科学，2017，50（1）：161-170.
[28]LUCA M D,TEROUZI W,IOELE G,et al.Derivative FTIR spectroscopy for cluster analysis and classification of Morocco olive oils[J].Food Chem,2011,124(3)：1113-1118.