文献类型：期刊文章

作　　者：鲁祥凯[1] 杨彪[1] 孙莹[2] 贺金娜[3] 樊保民[1] 孙辉[1] 孙啸涛[4]

Lu Xiangkai;Yang Biao;Sun Ying;He Jinna;Fan Baomin;Sun Hui;Sun Xiaotao(College of Chemistry and Materials Engineering,Beijing Technology and Business University,Beijing 100048;Jiangsu King's Luck Brewery Joint-Stock Co.,Ltd.,Huaian 223411,Jiangsu;Shandong Hanon Instrument Co.,Ltd.,Dezhou 253000,Shandong;School of Light Industry,Beijing Technology and Business University,Beijing 100048)

机构地区：[1]北京工商大学化学与材料工程学院,北京100048 [2]江苏今世缘酒业股份有限公司,江苏淮安223411 [3]山东海能科学仪器有限公司,山东德州253000 [4]北京工商大学轻工科学技术学院,北京100048

出　　处：《中国食品学报》

基　　金：“十三五”国家重点研发计划项目重点专项(2018YFC1604101)。

年　　份：2023

卷　　号：23

期　　号：1

起止页码：278-295

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：探讨一种在未对挥发组分定性、定量的条件下,实现白酒准确鉴别的简便方法。选用两种香型共10种白酒,每种白酒取2个勾调批次的样品。直接原样顶空制样,通过气相色谱-离子迁移谱法(GC-IMS)分析,获得可视化的指纹图谱,并进一步提取白酒主要特征建立Fisher线性判别模型。从白酒样品中共检出134种挥发组分。指纹图谱可直观反映白酒样品中微量挥发组分的含量差异和勾调的批次稳定性。在未完全剖析和定量所有组分前提下,采用逐步回归分析分别对基于全部134种挥发组分、相关性分析选择的39种特征组分以及主成分分析提取的6个主成分建立的3个Fisher线性判别模型进行优化。优化后的相关性分析模型(优化为21种组分特征)和主成分分析模型对训练集的分类正确率和留一法交叉验证分类正确率均为100%,对测试集样品的判别正确率均为95%。由全部特征经逐步回归分析优化的模型,共提取24个组分特征,建立的Fisher线性判别模型效果最优。其对训练集分类正确率为100%,留一法交叉验证分类正确率为100%,对测试集酒样预测正确率达100%。GC-IMS方法可为白酒生产过程中的质量控制、市场监管及白酒原产地保护提供技术支持,结合模式识别方法可对白酒进行准确鉴别。

关 键 词：白酒 气相色谱-离子迁移谱  指纹图谱 特征提取  线性判别  

分 类 号：TS262.3] O657[食品科学与工程类]