近红外光谱和多分类器融合的葡萄酒品种判别研究

将多种单分类器模型融合,并用融合后的模型对不同品种干红葡萄酒进行判别分析。用BRUKER MPA傅里叶变换型近红外光谱仪采集170个干红葡萄酒样品的近红外透射光谱,选取PLS-DA,SVM,Fisher和AdaBoost作为单分类器建模方法,分别建立葡萄酒品种判别模型,通过差异性度量值对单分类器进行筛选,得到差异性较大的四个单分类器作为基分类器,其中基分类器对测试集葡萄酒品种判别准确率最高为88.24%,最低为81.18%。然后通过加权投票机制对基分类器进行融合,融合后的模型对测试集葡萄酒品种判别准确率提高至92.94%,误判样品个数由单分类器最少的9个降为6个。实验结果表明多分类器融合所建立的模型优于传统近红外光谱定性分析一般采用单分类器模型结果,提高了葡萄酒品种判别的准确性,采用基于近红外光谱的多分类融合方法对葡萄酒种类判定具有可行性。     

超高效液相色谱-同位素稀释高分辨质谱法测定红葡萄酒中的18种农药残留

建立了采用超高效液相色谱-同位素稀释高分辨质谱法同时快速测定红葡萄酒中18种农药残留的方法。样品采用乙腈提取,以N-丙基乙二胺（PSA）和C₁₈作为吸附剂的分散固相萃取法（d-SPE）进行净化,以BEH C₁₈色谱柱进行色谱分离,分别通过高分辨质谱的全扫描/实时二级质谱扫描（full scan/ddms²）和目标选择离子监测（targeted SIM,tSIM）模式进行定性筛查和定量检测。以多菌灵-D₄、毒死蜱-D₁₀、吡虫啉-D₄、甲氧虫酰肼-D₉、嘧霉胺-D₅和戊唑醇-D₆为内标进行内标法定量,有效地降低了样品基质的影响。待测物在0.5~50 μg/L范围内呈良好的线性关系,相关系数（r）大于0.999。18种农药残留的检出限（LOD）为0.5 μg/kg,定量限（LOQ）为1.0 μg/kg。空白红葡萄酒样品在1~40 μg/kg范围内的4个加标水平的平均回收率为85.4%~117.9%,相对标准偏差为0.5%~6.1%。应用该方法对市售的红葡萄酒样品进行检测,共检出多菌灵、吡虫啉、嘧霉胺、戊唑醇和三唑醇5种农药残留,含量分别为2.6~143.0 μg/kg、0.6~0.9 μg/kg、2.1~3.1 μg/kg、0.6~3.0 μg/kg和0.6 μg/kg。该方法适用于红葡萄酒中农药残留的快速筛查和定量检测。     

傅里叶变换红外光谱在葡萄酒品质劣变检测中的应用

葡萄酒如果贮存方法不当极易发生劣变,失去原有的风味和质感,影响品质,因此对葡萄酒劣变进行检测,具有重要意义。在红葡萄酒劣变过程中,主要发生了酸败现象,产生了过量的有机酸类物质,致使葡萄酒原有性状发生变化。利用傅里叶变换红外光谱技术研究红葡萄酒特征光谱及其品质劣变的判别方法。对劣变过程的理化特性进行了分析,并对葡萄酒的FTIR光谱的主要吸收峰进行了解析。在劣变判别过程中,创新性的采用了比较多个吸收峰之间的吸光度比值之间大小关系的方法实现对劣变的判定,但此方法具有一定的相对性。通过对变质红葡萄酒与未变质红葡萄酒的FTIR光谱数据进行对比分析,发现在3 020～2 790,1 760～1 620以及1 550～800 cm-1三个波段内,在光谱特征上具有一定的差异,为了能够将这些光谱差异与葡萄酒的劣变情况建立联系并能够实现判别分析,引入了化学计量学方法。采用主成分分析(PCA)结合软独立建模聚类分析法(SIMCA)分别对以上三个特征波段内光谱数据进行了分类,最后利用偏最小二乘判别分析(PLS-DA)对验证集数据在这三个波段进行了判别,结果表明FTIR结合化学计量学方法能够成功区分开变质和未变质的红葡萄酒样本,且具有很好的识别率,其中利用1 550～800 cm-1波段来建模分析效果最好,SIMCA和PLS-DA识别率分别为94%和100%。     

近、中红外光谱法融合判定葡萄酒产地

葡萄酒带有浓厚的葡萄原产地地域特点与个性,快速准确地判别葡萄酒原产地具有重要意义,感官评定的方法存在一定的局限性。提出用贝叶斯信息融合技术将葡萄酒样品的近红外透射光谱及中红外衰减全反射光谱联立进行葡萄酒原产地判别的方法。分别用近、中红外光谱仪采集来自中国四个不同葡萄主栽产地(河北怀来、山东烟台、甘肃、河北昌黎)的153个葡萄酒样品的近红外透射光谱和中红外衰减全反射光谱,然后用偏最小二乘判别分析法(PLS-DA)分别建立基于近红外光谱和中红外光谱的葡萄酒产区判别模型;该模型输出的节点值归一化后作为所有样品分属每一类别的先验概率,代入Bayes判别公式得到后验概率,根据此概率判断样品的新类别属性,即用贝叶斯信息融合技术实现了两种判别结果的修正决策。近红外和中红外融合后的模型结果为：十次随机划分建模集和检验集,四产区葡萄酒判别模型建模集的平均准确率由78.21%(近红外)和82.57%(中红外)变为融合后的87.11%,检验集平均准确率由82.50%(近红外)和81.98%(中红外)变为融合后的90.87%,均优于单独采用一种光谱技术的判别结果。实验结果表明：信息融合技术有助于模型判别效果的提高,采用近、中红外光谱的贝叶斯信息融合技术对葡萄酒原产地进行快速识别是可行的。     

液相色谱-离子阱-飞行时间串联质谱同时检测葡萄酒中14种杂环胺

建立了液相色谱-离子阱-飞行时间串联质谱法(LC-IT-TOF MS)同时测定葡萄酒中14种杂环胺(HAAs)残留量的分析方法。样品于乙酸乙酯碱性条件下提取,内标法定量,Phenomenex Kinetex C18 100A色谱柱(100 mm×2.1 mm, 2.6 μm)分离,以乙腈和30 mmol/L甲酸铵为流动相进行梯度洗脱。实验结果表明,2-氨基-3,7,8-三甲基咪唑［4,5-f］喹喔啉在1～500 μg/L、2-氨基-3,8-二甲基咪唑［4,5-f］喹喔啉在10～500 μg/L、其他12种杂环胺在5～500 μg/L质量浓度范围内线性良好,相关系数均不小于0.9945,检出限(以信噪比为3计) 0.33～1.77 μg/L。14种杂环胺在加标水平为10、50、100 μg/L时的回收率分别为71.6%～96.4%、72.9%～101.9%、74.5%～103.3%,相对标准偏差(RSD, n=6)分别为2.9%～7.9%、1.7%～5.3%、1.8%～4.8%。结果显示该方法线性范围宽,精密度和准确度较高,分析时间短,净化效果好,可满足葡萄酒中多种杂环胺残留同时检测的要求。     

高效液相色谱法测定葡萄酒中6种防霉剂的残留量

本文介绍了采用紫外、荧光双检测器,同时测定6种防霉剂的液相色谱法,该法操作简便,解决了多组分防霉剂不能同时测定以及回收率和灵敏度不高等问题。1　实验部分1.1　仪器与试剂　　Waters高效液相色谱仪(HPLC),配有紫外(UV)和荧光(FL)双检测器、双通道数据处理系统;Phenomenex固相萃取(SPE)仪。标准品为CHEMSERVICE提供;进口色谱纯甲醇;其他试剂为国产分析纯试剂。WatersSep packC18固相萃取柱(250mg;LOTNO.P4024A1)。1.2　样品溶液的制备　　标准溶液的配制精确称取一定量的多菌灵(carben dazine),加入少量的甲醇和2滴0 …     

高效液相色谱法测定葡萄酒中的白藜芦醇

采用μ－BondapakC18（3．9mm×00mm）色谱柱,体积分数为40％的乙腈为流动相,紫外306nm检测,t-白藜芦醇和c-白藜芦醇的保留时间分别为7．7min和8．9min,回收率90．0％～97．8％,最小检出限10μg／L。检测11种国产葡萄酒,白藜芦醇的质量浓度从10．0到920．0μg／L不等。     

葡萄酒类别的色谱界定方法研究

本文从气相色谱法分别检测葡萄酒的条件优化入手,得到具有良好分离效果的色谱柱及最佳色谱条件,用毛细管柱和GS-MS联用的方法分析了不同品牌葡萄酒的特征组分及相互之间的差别,并对白酒和黄酒酒质进行侧面对比,从而初步得出鉴别葡萄酒品质的依据。     

葡萄酒的评价

针对目前评酒员对葡萄酒评价存在较大的主观性和不稳定性的问题,该文先通过主成分分析法对酿酒葡萄和葡萄酒的理化指标进行降维,得到几组能分别代表一类理化指标的主成分.然后,分别讨论是否引入芳香物质指标两种情况,将各主成分与葡萄酒质量进行了两次多元线性拟合.结果发现,引入芳香物质能显著优化对白葡萄酒的拟合效果,但对红葡萄酒的优化不明显.故红葡萄酒的质量可用理化指标来评价;而白葡萄酒的质量则需用理化指标和芳香物质来评价.     

葡萄酒中微量高锰酸钾含量的测定

利用碱性氧化铝对葡萄酒脱色后,用分光光度法对其中高锰酸钾含量进行测定。在30℃、pH=8.5条件下,用4.0 g碱性氧化铝对20 m L样品进行振荡脱色2 h,脱色率可以达到95%以上,此法的测定准确度较高。