苹果酒含有丰富的维生素、氨基酸、矿物质及多酚等活性物质，是世界上仅次于葡萄酒的第二大发酵果酒，具有软化血管、降血脂、降血压、调节新陈代谢、抗衰老和抗癌等作用，深受消费者喜爱[1-2]。就目前苹果酒发酵技术的研究深度和发展程度而言，因苹果原料和发酵工艺等不同，直接导致了苹果酒品质的差异性。而目前单纯利用感官评定方法评价苹果酒的品质往往不够客观，因此寻找一种快速、灵敏的检测方法尤为重要。电子鼻和电子舌由化学传感器和模式识别系统构成，能根据样品的响应信号得到样品的综合评价信息，可以对不同样品的挥发性物质和滋味信息进行对比分析，还可以通过采集标样信息建立数据库，利用化学计量学方法对未知样品进行定性和定量分析[3-4]。
目前，电子鼻和电子舌已经广泛应用于白酒、葡萄酒、黄酒及啤酒的品牌区分[5-6]、风味分析[7-8]、香型分析[9]、产地辨别[10-11]、品种辨别[12-13]、酒龄辨别[14-16]、真伪鉴别[17]以及发酵过程中的动态监测[18]等方面，而通过电子鼻和电子舌与多变量数据分析区分不同苹果酒的研究鲜有报道。电子鼻和电子舌传感器的响应值与样品种类、质量、状态、温度及环境等因素都有很大联系。因此，在电子鼻和电子舌检测样品前，进行实验参数的优化很有必要[4，19-22]。本试验采用不同产地相同苹果品种共3种苹果进行苹果酒的酿造，以苹果酒为研究对象，考察样品稀释倍数、顶空进样体积、顶空生成时间和载气流速4个实验参数对电子鼻传感器响应信号的影响，同时考察样品稀释倍数对电子舌传感器响应信号的影响，利用模式识别和统计学方法优化确立较佳实验参数。在最佳参数条件下，用电子鼻和电子舌对苹果酒进行区分和风味评价。
1 材料与方法
1.1 材料与试剂
长富二号苹果（分别采于陕西白水苹果试验站，山东烟台，甘肃庆阳试验站），共3种实验样品；安琪果酒专用酵母SY：安琪酵母股份有限公司；Macerozyme R-10果胶酶（酶活40 U/mg）：北京索莱宝科技有限公司。氯化钠（纯度≥99.5%）：四川西陇科学有限公司；2-辛醇（纯度≥98%）：上海麦克林生化科技有限公司。
1.2 仪器与设备
2000JP榨汁机：南通金橙机械有限公司；HC-3018R高速冷冻离心机：安徽中科中佳科学仪器有限公司；PEN3型便携式电子鼻：德国Airsense公司；电子鼻10个金属氧化物传感器的敏感物质类型见表1；Astree 电子舌系统：法国Alphamos公司；电子舌各个传感器的检测阈值见表2。
表1 PEN3电子鼻传感器阵列及其对应的敏感物质类型
Table 1 Electronic nose sensor PEN3 array and its corresponding sensitive material types
表2 电子舌各个传感器的检测阈值
Table 2 Detection thresholds of each sensor of electronic tongue
1.3 方法
1.3.1 样品的制备
操作要点：选择成熟度好，无腐烂变质的苹果，进行清洗、榨汁，将得到的苹果清汁倒入经SO2熏蒸过的发酵罐，并加入60 mg/L SO2。按50 mg/L的量添加果胶酶室温酶解12 h后，加入安琪果酒专用酵母SY于20 ℃条件下发酵7 d，所有苹果酒的发酵工艺相同。取发酵结束的新鲜酒样，离心冷冻置-20 ℃冰箱内待用。
1.3.2 电子鼻检测
受样品稀释倍数、顶空进样体积、顶空生成时间和载气流速4个因素的影响，顶空气体的浓度直接影响传感器响应值。采用表3设计的因素水平，研究样品稀释倍数、顶空进样体积、顶空生成时间和载气流速对电子鼻各传感器响应值的影响，每组9个平行。
电子鼻测试条件：电子鼻开机后先预热0.5 h左右，将稀释的苹果酒样品置于30 mL的顶空瓶中，封盖富集进行测试。测试步骤：将补气针和进样针同时插入顶空瓶中，采样60 s 后，同时拔出进样针和补气针，让系统进行清洗（清洗时间为300 s）和标准化过程，其后可继续测试样品。
表3 单因素试验因素与水平
Table 3 Factors and levels of single factor experiments
1.3.3 电子舌检测
电子舌传感器的响应值受样品稀释倍数的影响，本研究将样品分别稀释10、15、20、25、30倍，研究样品稀释倍数对电子舌传感器响应值的影响，每组3个平行。
电子舌开机后依次进行Conditioning-Calibration-Diagnose 步骤，系统通过校正后，进行测试。将苹果酒样离心、过滤除去杂质，再经10倍稀释后，取85 mL于电子舌专用烧杯中进行检测。
1.3.4 数据分析方法
采用SPSS20.0统计软件进行单因素方差分析（analysis of variance，ANOVA）、主成分分析（principal component analysis，PCA）及显著性分析，显著水平P＜0.05。
2 结果与分析
2.1 单因素试验方差分析
提取各传感器15 s和50 s的响应值，对数据进行单因素方差分析，结果如表4和表5所示。
表4 传感器15 s的数据单因素试验方差分析
Table 4 Variance analysis of sensors 15 s data by single factor experiments
表5 传感器50 s的数据单因素试验方差分析
Table 5 Variance analysis of sensors 50 s data by single factor experiments
2.2 电子鼻最佳检测条件的确定
2.2.1 稀释倍数对电子鼻传感器响应值的影响
取顶空进样体积5 mL、顶空生成时间5 min和载气流速300 mL/min，研究不同样品稀释倍数（20、30、40、50、60）对电子鼻传感器响应信号的影响。对各传感器达到响应信号峰值时刻（15 s）的数据进行分析，由表4可看出，样品稀释倍数对10个传感器均有显著影响（P＜0.05）；由表5中电子鼻传感器50 s响应值的方差分析结果可看出，当顶空气体达到平衡稳定后，样品稀释倍数对10个传感器也均有显著影响（P＜0.05）。
由图1可看出，PCA分析结果中第一主成分占比99.23%，第二主成分占比0.60%，前两个主成分总贡献率占比99.83%，能充分代表原始数据信息。样品稀释倍数随第一主成分减小方向逐渐减小，随第二主成分增加的方向先减小后增加。不同稀释倍数的样品完全可以区分开，其中稀释30倍的样品聚集效果较好，类内离差较小，因此选取30倍为样品最佳稀释倍数。
图1 不同样品稀释倍数条件下电子鼻数据主成分分析图
Fig.1 PCA results of electronic-nose responding data with different sample diluted multiples
2.2.2 顶空进样体积对电子鼻传感器响应值的影响
取顶空生成时间5 min、载气流速300 mL/min，将样品稀释30倍，研究顶空进样体积（2.5 mL、5.0 mL、7.5 mL、10.0 mL、12.5 mL）对电子鼻传感器响应信号的影响。对各传感器达到响应信号峰值时刻15 s的数据进行分析，由表4可看出，除S4和S7传感器外，顶空进样体积对其他8个传感器的响应值均有显著影响（P＜0.05）；由表5中电子鼻传感器50 s时的响应值方差分析结果可看出，当顶空气体达到平衡稳定后，顶空进样体积对10个传感器均有显著影响（P＜0.05）。
图2 不同顶空进样体积条件下电子鼻数据主成分分析图
Fig.2 PCA results of electronic nose responding data with different headspace sampling volume
由图2可看出，PCA分析结果中第一主成分占比91.82%，第二主成分占比5.56%，前两个主成分总贡献率占比97.38%，能充分的代表原始数据信息。顶空进样体积随第一主成分增加的方向先增加后减小，随第二主成分增加的方向先减小后增加。此外，不同顶空进样体积的样品完全可以区分开，其中5.0 mL的样品数据点聚集性较好，类内离差较小，因此选取5.0 mL为最佳顶空进样体积。
2.2.3 顶空生成时间对电子鼻传感器响应值的影响
将样品稀释30倍，取进样体积5.0 mL、载气流速300 mL/min，研究顶空生成时间（5 min、10 min、15 min、20 min、25 min）对电子鼻传感器响应信号的影响。对各传感器达到响应信号峰值的时刻15 s进行分析，由表4可看出，顶空生成时间对10个传感器均有显著影响（P＜0.05）；当顶空气体达到平衡稳定后，由表5中电子鼻传感器50 s响应值的方差分析结果可看出，顶空生成时间对10个传感器均有显著影响（P＜0.05）。
图3 不同顶空生成时间条件下电子鼻数据主成分分析图
Fig.3 PCA results of electronic nose responding data with different headspace-generated time
由图3可看出，PCA分析结果中第一主成分占比78.89%，第二主成分占比18.63%，前两个主成分总贡献率占比97.52%，能充分的代表原始数据信息；且不同顶空生成时间的样品基本可以区分开，其中20 min的样品分布较为离散，聚集性差，20 min的样品和15 min及10 min的样品均有重叠，难以区分。顶空生成时间随第一主成分减小的方向逐渐减小，随第二主成分增加的方向先减小后增加。顶空生成时间为5 min和25 min时的样品能与其他样品区分开，但5 min时的数据点聚集效果较好，类内离差较小，因此选取5 min为最佳顶空生成时间。
2.2.4 载气流速对电子鼻传感器响应值的影响
将样品稀释30倍，取进样体积5.0 mL、顶空生成时间5 min，研究载气流速（200 mL/min、250 mL/min、300 mL/min、350 mL/min、400 mL/min）对电子鼻传感器响应信号的影响。对各传感器达到响应信号峰值的时刻15 s进行分析，由表4可以看出，载气流速对10个传感器均有显著影响（P＜0.05）；当顶空气体达到平衡稳定后，由表5中电子鼻传感器50 s响应值的方差分析结果可看出，载气流速对S4、S7、S10影响不显著（P＞0.05），对其他所有传感器均有显著影响（P＜0.05）。
由图4可看出，PCA分析结果中第一主成分占比89.70%，第二主成分占比7.39%，前两个主成分总贡献率占比97.09%，能充分的代表原始数据信息。载气流速随第一主成分增加的方向先增加后减小。不同载气流速的样品基本可以区分开，其中200 mL/min、250 mL/min、400 mL/min有重叠，难以区分，300 mL/min既可以与其他数据区分，且聚集性较好，类内离差较小，因此选取300 mL/min为最佳载气流速。
图4 不同载气流速条件下电子鼻数据主成分分析图
Fig.4 PCA results of electronic nose responding data with different flow rate of carrier gas
2.3 电子鼻定性识别不同苹果酒
采用优化后的试验参数对陕长富、鲁长富、甘长富3种苹果酒进行检测分析，由图5可知，PCA分析结果中第一主成分占比99.52%，第二主成分占比0.31%，前两个主成分总贡献率占比99.83%，能充分的代表原始数据信息。在此参数下，不同产地相同品种的苹果酒可得到有效的区分。
图5 不同苹果酒的电子鼻数据主成分分析图
Fig.5 PCA results of electronic nose responding data with different varieties of apple wine
图6为不同苹果酒的香气雷达图，由图6可知，W5S、W1S、W1W和W2S传感器的响应最明显，而其余6根传感器无明显变化。同时可根据传感器响应信号强度的不同，直观地判断出3种苹果酒样品之间的风味物质基本相同，只是浓度大小有差异。结合表1和相关文献[23]可知，W1W传感器对硫化合物（如H2S）比较灵敏，对萜烯类以及有机硫化物也很敏感；W1S传感器对甲基类香气比较灵敏；W2S是对醇类香气比较敏感的传感器。因此可初步判断，不同苹果酒风味不同可能是因为酒中的氮氧化物、萜烯类物质、醇类物质及部分芳香族化合物含量有所差异。
图6 电子鼻传感器响应值的雷达图
Fig.6 Radar graph for response values of electronic nose sensors
2.4 电子舌最佳检测条件的确定
采用电子舌技术，考察5种样品稀释倍数（10、15、20、25、30）对电子舌传感器响应信号数据的影响，结果见图7。由图7可以看出，基于主成分分析法，分析结果第一主成分占比89.34%，第二主成分占比9.69%，这两个主成分的总贡献率为99.03%，电子舌能够准确区分识别出不同稀释倍数的苹果酒，其中稀释30倍的样品聚集效果较好，类内离差较小，因此选取30倍为样品最佳稀释倍数。
图7 不同样品稀释倍数条件下电子舌数据主成分分析图
Fig.7 PCA results of electronic tongue responding data with different sample diluted multiples
2.5 电子舌定性识别不同苹果酒
采用优化后的试验参数对陕长富、鲁长富、甘长富3种苹果酒进行检测分析，由图8可知，PCA结果中第一主成分占比98.24%，第二主成分占比1.07%，前两个主成分总贡献率占比99.31%，不同苹果酒可以得到有效区分，表明3种苹果酒的风味特征存在明显差异。
对于不同苹果酒样间电子舌传感器响应值的差异，图9的雷达图可以看得更清晰明了。其中不同酒样间JB、GA、BB 传感器响应值差别不大，而陕长富和鲁长富的HA和JE传感器响应值明显小于甘长富，JE和HA传感器是对酸味相当敏感的传感器，说明陕长富和鲁长富的酸味弱于甘长富；同时，陕长富和甘长富的CA和ZZ传感器响应值明显大于甘长富，CA和ZZ传感器是对酸味和甜味相当敏感的传感器，说明陕长富和甘长富的甜味强于甘长富。
图8 不同苹果酒的电子舌数据主成分分析图
Fig.8 PCA results of electronic tongue responding data with different varieties of apple wine
图9 电子舌传感器响应值的雷达图
Fig.9 Radar graph for response values of electronic tongue sensors
3 结论
本研究采用金属氧化物传感器阵列的电子鼻技术区分识别了不同的苹果酒，采用单因素试验研究了样品稀释倍数、顶空进样体积、顶空生成时间和载气流速4个因素对电子鼻响应值的影响，通过方差分析和主成分分析获得了最佳检测参数：样品稀释倍数30倍、顶空进样体积5.0 mL、顶空生成时间5 min、载气流速300 mL/min。研究了样品稀释倍数对电子舌传感器的影响，结合主成分分析获得了电子舌检测苹果酒样品的最佳稀释倍数为30倍。利用优化后的参数，电子鼻和电子舌均能很好的区分陕长富、甘长富、鲁长富三种苹果酒，二者结合能够用于果酒风味的快速评价。
[1]JOSHI V K,SANDHU D K,KUMAR V.Influence of addition of insoluble solids,different yeast strains and pectinesterase enzyme on the quality of apple wine[J].J Inst Brew,2013,119(3):191-197.
[2]程拯艮，黄佳，苗壮，等.果胶酶和浸渍处理对苹果酒香气成分的影响[J].西北农业学报，2017（1）：79-86.
[3]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（5）：283-288.
[4]王伟静，张松山，谢鹏，等.电子鼻和电子舌快速检测炖制下牛肉的品质[J].食品研究与开发，2017（17）：134-138.
[5]杨利军，汤旭祥，张千金，等.基于智能电子鼻系统对不同品牌啤酒区分[J].食品科学，2011，32（22）：184-187.
[6]王俊，姚聪.基于电子舌技术的葡萄酒分类识别研究[J].传感技术学报，2009，22（8）：1088-1093.
[7]XIAO Z,YU D,NIU Y,et al.Characterization of aroma compounds of Chinese famous liquors by gas chromatography-mass spectrometry and flash GC electronic-nose[J].J Chromatogr B,2014,945-946:92-100.
[8]CAPONE S,TUFARIELLO M,FRANCIOSO L,et al.Aroma analysis by GC/MS and electronic nose dedicated to Negroamaro and Primitivo typical Italian Apulian wines[J].Sensor Actuat B-Chem,2013,179(2):259-269.
[9]LAN Y,WU J,WANG X,et al.Evaluation of antioxidant capacity and flavor profile change of pomegranate wine during fermentation and aging process[J].Food Chem,2017,232:777-787.
[10]CYNKAR W,DAMBERGS 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(1-2):227-231.
[11]邱桂华.不同产地黄酒鉴别方法的比较研究[D].杭州：浙江农林大学，2013.
[12]CAPONE S,TUFARIELLO M,FRANCIOSO L,et al.Aroma analysis byGC/MS and electronic nose dedicated to Negroamaro and Primitivo typical Italian Apulian wines[J].Sensor Actuat B-Chem,2013,179:259-269.
[13]许春华，肖作兵，牛云蔚，等.电子鼻和电子舌在果酒风味分析中的应用[J].食品与发酵工业，2011，37（3）：163-167.
[14]ZHEBO W,XIZE X,JUN W,et al.Identification of the rice wines with different marked ages by electronic nose coupled with wmartphone and cloud storage platform[J].Sensors,2017,17(11):2500.
[15]董画，何雨，薛桂新.电子鼻技术对山葡萄酒酒龄的识别[J].中国酿造，2018，37（10）：92-97.
[16]RUDNITSKAYA A,ROCHA S M,LEGIN A,et al.Evaluation of the feasibility of the electronic tongue as a rapid analytical tool for wine age prediction and quantification of the organic acids and phenolic compounds.The case-study of Madeira wine[J].Anal Chim Acta,2010,662(1):82-89.
[17]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）：49-53.
[18]APETREI I M,RODRÍGUEZ-MÉNDEZ M L,APETREI C,et al.Monitoring of evolution during red wine aging in oak barrels and alternative method by means of an electronic panel test[J].Food Res Int,2012,45(1):244-249.
[19]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.
[20]田晓静，王俊，崔绍庆.电子鼻快速检测区分羊肉中的掺杂鸡肉[J].现代食品科技，2013（12）：2997-3001.
[21]杨淑花，李瑜.莲藕泡菜品质检测中电子鼻检测参数的优化[J].包装与食品机械，2018（4）：20-24.
[22]田婷，邱树毅，文聆吉，等.电子舌在不同轮次酱香型白酒区分识别中的应用[J].中国酿造，2016，35（12）：145-148.
[23]XU J N,QI Y M,ZHANG J,et al.Effect of reduced glutathione on the quality characteristics of apple wine during alcoholic fermentation[J].Food Chem,2019,300:125130.