一种液体阵列味觉仿生传感器鉴别白酒香型的方法

摘要

本发明提供一种液体阵列味觉仿生传感器鉴别白酒香型的方法，通过模拟哺乳动物味觉系统，采用了8种敏感物质，构建了交叉响应的液体阵列仿生传感器，直接对酒体进行检测，采用模式识别分析的方法建立多种不同香型白酒的判别函数散点图，再对未知香型的待测酒样进行模式识别，最后将待测酒样模式识别的结果与不同香型白酒的判别函数散点图进行比较，待测酒样模式识别的结果最接近那种香型白酒标准样品的散点范围则认为还待测酒样为那种香型。本发明所采用的液体阵列传感器，不需要进行探针的固定化处理，当分析物为液态时，分析物与液体阵列作用更充分，具有快速响应的优势，因此白酒香型鉴别率高。

说明书

技术领域

本发明涉及一种鉴别白酒香型的方法，具体指一种液体阵列味觉仿生传感器鉴别白酒香型的方法。

 

背景技术

白酒中乙醇与水的含量超过98%，剩余不足2%为微量物质，数目有数千种，且各物质之间存在相互作用，正是这些微量物质及其之间的相互作用，构成了白酒的风格与品质。

目前常规的白酒鉴别方法可分为两类：一类是感官评价法，另一类是仪器分析法。感官评价法快速、简便，且能对白酒进行整体性和综合性的评价，但感官评价具有很大的主观性，易受评价人员精神、身体状况等因素的影响。仪器分析法包括气相色谱法、色谱质谱联用法、光谱法等。这些方法可以对白酒成分进行定性、定量分析，但其前期处理繁琐，且仪器价格昂贵，难以实现方便快速检测。同时，以色谱为主的白酒检测方法，需将白酒分解成单一成分，忽略了酒体成分之间的相互作用。因此，对液体酒样进行整体检测的方法在白酒品质检测中具有重要的现实意义。

白酒作为一类无明显特征成分的复杂体系，特异性传感器在白酒的识别中不易实现。现有技术中，CN101858854公开了一种基于挥发控制和可视化阵列传感器的白酒鉴别系统，该发明采用挥发装置将白酒挥发，在输入检测装置内使挥发白酒与可视化阵列传感器接触，进而检测出相应的光谱变化信号，再进行图像处理和图谱识别。该技术仅对挥发类物质进行检测，忽略了难挥发类成分，因此检测结果并不准确，导致识别精度不高。

王茹等（智舌在白酒区分识别中的应用研究，酿酒科技，11，54-56）提出一种智能味觉系统，该系统采用不同的裸露贵金属电极组成传感器阵列，在不同的脉冲频率下进行检测，利用主成分分析法进行数据处理来识别白酒香型。该文献采用裸露贵金属电极组成的传感器阵列，需要对探针进行固定化处理，检测结果的准确性也不是很高。

 

发明内容

针对以上现有技术存在的问题，本发明为解决现有技术中存在的传感器设备构建复杂，鉴别精度不高的问题，提供了一种构建简单、香型鉴别精度高的味觉仿生传感器及其鉴别方法。

为解决上述技术问题，本发明采用如下技术方案：一种液体阵列味觉仿生传感器鉴别白酒香型的方法，包括如下步骤：

1）配制传感试剂：选用8种传感物质S1～S8，每种传感物质的乙醇溶液为一种传感试剂，所述传感物质S1～S8的乙醇溶液分别是浓度为6.86*10^-5mol/l的溴甲酚紫乙醇溶液、浓度为7.23*10^-5mol/l的溴酚红乙醇溶液、浓度为5.00*10^-5mol/l的亮黄乙醇溶液、浓度为4.62*10^-5mol/l的甲基紫乙醇溶液、浓度为5.1*10^-5mol/l的吖啶橙乙醇溶液、浓度为8.32*10^-5mol/l的间胺黄乙醇溶液、浓度为2.69*10^-5mol/l的孔雀绿乙醇溶液、浓度为1.29*10^-5mol/l的四磺酸卟啉乙醇溶液；

2）构建液体阵列传感器：建立M×8孔板阵列传感器，其中M为孔板阵列列数，8为

每一列含的孔数，每一列构成一个传感器，同一列的8个孔中分别装有100μl上述传感试剂；

3）建立白酒标准样品的光谱数据：向M×8孔板阵列传感器每列的8个孔中同时加入

100μl白酒标准样品香型的酒样，20℃下振荡10min，选取415nm、450nm、490nm、595nm四个波长作为检测波长，使用酶标仪测定光密度值，得到白酒标准样品的光谱数据；将前述过程重复N次，便得到的N×4×8个光谱数据；

4）对T种不同香型的白酒标准样品重复步骤3），得到T×N×4×8个光谱数据，然

后以该光谱数据为输入变量进行模式识别分析，得到T种不同香型的白酒标准样品的识别参数；

5）待测酒样的检测：向M×8孔板阵列传感器的任意一列的8个孔中同时分别加入100μl的待测酒样，20℃下振荡10min，选取415nm、450nm、490nm、595nm四个波长作为其检测波长，使用酶标仪测定光密度值，得到待测酒样的光谱数据；

6）将步骤5）待测酒样的光谱数据作为输入变量进行模式识别，得到待测酒样的识别参数，将待测酒样的识别参数分别与T种不同香型的白酒标准样品的识别参数进行比较，并将待测酒样判别为与之识别参数相匹配的白酒标准样品的香型。

进一步地，所述步骤4）中模式识别分析为判别分析法，具体如下：

将步骤4）中对T种不同香型的白酒标准样品重复进行步骤3）得到的T×N×4×8个光谱数据进行分析训练得到多个判别函数，从所述的多个判别函数中选取贡献值最大和次大的两个判别函数作为第一标准样品判别函数f1和第二标准样品判别函数f2，T种不同香型的白酒标准样品在第一标准样品判别函数f1上的函数值为X值，在第二标准样品判别函数f2上的函数值为Y值，然后分别以X值和Y值为横纵坐标制得T种不同香型的白酒标准样品的判别函数散点图，将该判别函数散点图作为T种不同香型的白酒标准样品的识别参数。

更进一步地，所述步骤6）中的模式识别具体如下：将待测酒样得到的光谱数据代入第一标准样品判别函数f1得到X^’值，待测酒样得到的光谱数据代入第二标准样品判别函数f2得到Y^’值，所述X^’值和Y^’值确定的点与T种不同香型的白酒标准样品建立的判别函数散点图进行匹配，当该点最接近于某种香型的白酒标准样品的散点时，则判定该待测酒样为此种香型。

相对于现有技术，本发明具有如下优点： 

    1、本发明选用了溴甲酚紫、溴酚红、亮黄、甲基紫、吖啶橙、间胺黄、孔雀绿和四磺酸卟啉8种传感物质配置的溶液作为传感试剂，能够比较容易的构建味觉仿生传感器，并且可以直接对液体酒样进行检测，对白酒香型的鉴别率非常高。

2、本发明所采用的液体阵列传感器，相对于电子鼻/舌等现有固体阵列，不需要进行探针的固定化处理。而且，当分析物为液态时，分析物与液体阵列作用更充分，具有快速响应的优势，因此也可以提高白酒香型的鉴别率。

3、本发明是利用交叉响应原理，通过采集8种敏感材料与酒体中的多种成分作用的信号构成了酒样的图谱，对酒体进行了整体检测，更全面反映酒样信息。

4、本发明所用8行*M列规格的孔板，每一列相当于一个传感器，可以同时对M个样本进行检测。

 

附图说明

    图1为本发明阵列传感器示意图；

图2为具体实施例已知酒样香型的判别分析散点图。

 

具体实施方式

下面结合附图和实施例对本发明的技术做进一步的说明。

实施例：一种液体阵列味觉仿生传感器鉴别白酒香型的方法，包括如下步骤：

1）配制传感试剂：选用8种传感物质S1～S8，每种传感物质的乙醇溶液为一种传感

试剂，所述传感物质S1～S8的乙醇溶液分别是浓度为6.86*10^-5mol/l的溴甲酚紫乙醇溶液、浓度为7.23*10^-5mol/l的溴酚红乙醇溶液、浓度为5.00*10^-5mol/l的亮黄乙醇溶液、浓度为4.62*10^-5mol/l的甲基紫乙醇溶液、浓度为5.1*10^-5mol/l的吖啶橙乙醇溶液、浓度为8.32*10^-5mol/l的间胺黄乙醇溶液、浓度为2.69*10^-5mol/l的孔雀绿乙醇溶液、浓度为1.29*10^-5mol/l的四磺酸卟啉乙醇溶液；传感物质S1～S8中S1-S7为染料，S8种为卟啉化合物。 

7种染料S1-S7均为分析纯，购自美国Sigma-Aldrich公司，1种卟啉化合物S8四磺酸基四苯基卟啉，TPPS4，纯度为99%，购自美国FrontierScientific公司，具体的传感物质S1～S8的结构与名称如表1所示。

表1 

传感物质S1～S8的乙醇溶液配置方法具体如下：

取溴甲酚紫1mg加入到1mL无水乙醇里得到溴甲酚紫母液，然后取150ul溴甲酚紫母液加入到4ml无水乙醇中得到浓度为6.86*10^-5mol/l的溴甲酚紫乙醇溶液。

取溴酚红1mg加入到1mL无水乙醇里得到溴酚红母液，然后取150ul溴酚红母液加入到4ml无水乙醇中得到浓度为7.23*10^-5mol/l的溴酚红乙醇溶液。

取亮黄1mg加入到1mL无水乙醇里得到亮黄母液，然后取125ul亮黄母液加入到4ml无水乙醇中得到浓度为5.00*10^-5mol/l的亮黄乙醇溶液。

取甲基紫1mg加入到1mL无水乙醇里得到甲基紫母液，然后取75ul甲基紫母液加入到4ml无水乙醇中得到浓度为4.62*10^-5mol/l的甲基紫乙醇溶液。

取吖啶橙1mg加入到1mL无水乙醇里得到吖啶橙母液，然后取75ul吖啶橙母液加入到4ml无水乙醇中得到浓度为5.1*10^-5mol/l的吖啶橙乙醇溶液。

取间胺黄1mg加入到1mL无水乙醇里得到间胺黄母液，然后取125ul间胺黄母液加入到4ml无水乙醇中得到浓度为8.32*10^-5mol/l的间胺黄乙醇溶液。

取孔雀绿1mg加入到1mL无水乙醇里得到孔雀绿母液，然后取50ul孔雀绿母液加入到4ml无水乙醇中得到浓度为2.69*10^-5mol/l的孔雀绿乙醇溶液。

取四磺酸卟啉1mg加入到1mL无水乙醇里得到四磺酸卟啉母液，然后取40ul四磺酸卟啉母液加入到4ml无水乙醇中得到浓度为1.29*10^-5mol/l的四磺酸卟啉乙醇溶液。

2）构建液体阵列传感器：建立12×8孔板阵列传感器，其中12为孔板阵列列数，8为每一列含的孔数，每一列构成一个传感器，同一列的8个孔中分别装有100μl上述传感试剂。

3）建立白酒标准样品的光谱数据：

选择如下9种不同香型的白酒香型酒样，每种酒后括号中分别表征了该种酒的香型，

酒精度：具体为玉冰烧（豉香型，29%)，董酒(药香型，45%)，四特酒(特香型，45%)，景芝白干(芝麻香型，49%)，西凤酒(凤香型，50%)，泸州老窖(浓香型，52%)，汾酒(清香型，53%)，郎酒(酱香型，53%)，桂林三花酒(米香型，53%)；

向12×8孔板阵列传感器的任意一列的8个孔中同时分别加入100μl的玉冰烧20℃

下振荡10min，此处的同时分别加入100μl的玉冰烧指的是：同时向12×8孔板阵列传感器的任意一列的8个孔中的每个孔中加入100μl的玉冰烧。选取415nm、450nm、490nm、595nm四个波长作为检测波长，使用Imark酶标仪（美国BIO-RAD公司）测定光密度值，得到4×8个玉冰烧白酒标准样品的光谱数据；将前述过程重复5次，得到5×4×8个玉冰烧白酒标准样品的光谱数据；其中，5×4×8个光谱数据的含义为：对玉冰烧白酒标准样品进行一次光谱数据采集，由于选择了四个采集波长，因此得到4×8个数据，对玉冰烧白酒标准样品进行了五次光谱数据采集就能得到5组4×8个光谱数据，即5×4×8个光谱数据。

4）对上述9种不同香型的白酒标准样品重复步骤3），得到9×5×4×8个光谱数据，然后以该光谱数据为输入变量进行模式识别分析，得到9种不同香型的白酒标准样品的识别参数；

模式识别的具体过程如下：

步骤1：对步骤4）的得到的9×5×4×8个光谱数据进行分析训练得到10个判别函数，从该10个判别函数中选取贡献值最大和次大的两个判别函数作为第一标准样品判别函数f1和第二标准样品判别函数f2，分析训练具体过程为：

（11）：对9×5×4×8个进行处理，得到10个判别函数，计算一种白酒标准样品的5×4×8个光谱数据的中心点，即中间值，对9种不同香型的白酒标准样品分别计算其光谱数据的中心点，即得到9种不同香型的白酒标准样品对应的9个中心点；

      （12）：将步骤1中的9个中心点分别代入上述10个判别函数中的第一个判别函数得到9个函数值，求该9个函数值两两之间的马氏距离的总和；然后将9个中心点分别代入上述10个判别函数中的第二个判别函数得到另外9个函数值，再求该另外9个函数值两两之间的马氏距离的总和；依次类推，将9个中心点依次代入上述10个判别函数中，最后得到9个马氏距离的总和，将马氏距离的总和最大、次大对应的判别函数作为贡献值最大和次大的两个判别函数，即第一标准样品判别函数f1和第二标准样品判别函数f2；

步骤2：9种不同香型的白酒标准样品的光谱数据在第一标准样品判别函数f1上的函数值为X值，在第二标准样品判别函数上的函数值为Y值；由于对每种白酒标准样品均只进行了5次光谱数据的采集，因此，对每种白酒标准样品最终能确定5对X值和Y值；然后分别以该X值和Y值为横纵坐标便能制得9种不同香型的白酒标准样品的判别函数散点图，将该判别函数散点图作为9种不同香型的白酒标准样品的识别参数。 

上述模式识别过程可通过现有技术已公开的软件实现，比如SPSS软件（全称为Statistical Product and Service Solutions，即统计产品与服务解决方案软件）。

5）待测酒样的检测：向12×8孔板阵列传感器的任意一列的8个孔中同时分别加入100μl的待测酒样，此处待测酒样选择上述9种不同香型的白酒香型酒中的一种，在20℃下振荡10min，选取415nm、450nm、490nm、595nm四个波长作为其检测波长，使用Imark酶标仪（美国BIO-RAD公司）测定光密度值，得到4×8个待测酒样的光谱数据。

6）将步骤5）待测酒样的光谱数据作为输入变量进行模式识别分析，具体识别过程如下：将待测酒样得到的光谱数据代入第一标准样品判别函数f1得到X^’值，待测酒样得到的光谱数据代入第二标准样品判别函数f2得到Y^’值，所述X^’值和Y^’值确定的点Q与9种不同香型的白酒标准样品建立的判别函数散点图进行匹配，当该点最接近于某种香型的白酒标准样品的散点时，则判定该待测酒样为此种香型。

判断点Q最接近于9种中某一种香型的白酒标准样品的散点的方法可以为：

由于对每9种白酒标准样品分别进行了5次光谱数据的采集和模式识别，因此，最终对于每种白酒标准样品都会得到具有5个散点的判别函数散点图；分别计算点Q到每种白酒标准样品的5个散点的距离，然后求和，比较该9个和值的大小，和值最小的，则认为点Q与该种白酒标准样品的散点最接近，从而判定该待测酒样为此种香型。

判断点Q最接近于9种中某一种香型的白酒标准样品的散点的方法还可以为：

由于对每9种白酒标准样品分别进行了5次光谱数据的采集和模式识别，因此，最终对于每种白酒标准样品都会得到具有5个散点的判别函数散点图；通过现有的算法计算出每种白酒标准样品5个散点的中心，得到9个中心，然后分别计算点Q到该9个中心的距离，距离最小的，则认为点Q与该种白酒标准样品的散点最接近，从而判定该待测酒样为此种香型。

分别选择上述9种不同香型的白酒香型酒样作为待测酒样进行检测，结果表明该方法对香型白酒的识别准确率能达到100%。由此可见，本方法简单易实现、全面高效，显示了其在白酒品质鉴别领域巨大的发展潜力。

白酒成分众多，且各组分之间存在复杂的相互作用，因此白酒品质检测时，对白酒全面准确的鉴定显得尤为重要。为模拟哺乳动物味觉系统，本发明采用了8种非选择性的敏感物质，构建了交叉响应的液体阵列味觉仿生传感器，敏感物质的选择方法如下：

由于哺乳动物可以识别的味道种类远超出其味觉受体个数，味觉系统的这种强大识别能力，在于味觉物质与味觉受体之间的交叉响应作用。味觉受体并不具备高度的特异性，但每个受体对味觉物质均能表现出不同程度的亲和力，每个受体对味觉物质都有一定的响应能力，通过协同作用，达到区分和识别味觉物质的目的。因此，本发明模拟味觉系统构建阵列时，选用的传感物质不需进行特异性设计，但为了保证其交叉响应的特性，和光谱信号的实现，传感物质的选择需要考虑以下2个方面：

（1）传感物质具有多个作用位点，易与分析物发生相互作用；

（2）具有生色基团，当传感物质与分析物进行结合时，会引起光谱变化。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。