国内的茅台和国外的一些高端威士忌都售价不菲,但也是被造假的重要目标。在没有鉴酒师的情况下,普通人怎么快速判别出酒的品质和真伪?
最近,就有这么一群工程师研发出了一种名为 NOS.E 的“电子鼻”,专门用来闻酒的那种。它能在不到 4 分钟的时间内,“闻 ”出不同的威士忌风格、品牌和产地,为鉴酒打开了新思路。
为什么是靠“闻”而不是“品尝”?
实际上,威士忌的味道、气味、质地和颜色等特征,都能对其评估提供有效信息。其中,气味是影响酒味道的主要因素,研究者以此为主要突破口展开设计出 NOS.E。
在 2019 年澳大利亚 CEBIT 贸易展上,他们用 NOS.E 对六种威士忌进行了测试:其中,地区准确率达 100%,品牌名称准确率为 96.15%,风格准确率为 92.31%。
虽然它叫“电子鼻”,但并不是真的长得像鼻子哦!
今年 4 月,研究成果论文发表在 IEEE 旗下的 IEEE Sensors 期刊上。
看到这个消息,有网友激动地表示:终于可以鉴别假酒了!
还有网友调侃,应该给茅台也开发一款。
所以,这个精巧实用的鉴酒工具是怎么工作的?它真的靠谱吗?
测试前的样品预处理
此前在 CeBIT 的贸易展上,NOS.E 的开发者就现场测试过这只“电子鼻”的效果。
在正式测试前,为了控制变量、降低无关变量对结果的干扰,研究者对样品进行了预处理:
他们选择了 6 种威士忌样品作为实验对象:3 种混合麦芽威士忌和 3 种单一麦芽威士忌,并将等量的样品分别放在各个固相微萃取(SPME)小瓶中。
将样品都加热到 30°C;并用 SPME 纤维取样氯苯-D5,作为气相色谱的参照物。
然后,将各个采集了氯苯-D5 的 SPME 纤维分别放置在每个威士忌样品的上方(不接触液体),静置 5 分钟。
接着,将这些 SPME 纤维依次放入 GC×GC-TOFMS 仪器中,对采集的信息进行处理分析。为了模仿人类的嗅觉系统,研究者们为 NOS.E 共配置了 8 个气味传感器。
正式测试开始 ——
往装有样品的 SPME 小瓶中注入空气,促使酒中的挥发性有机化合物更快地排出到电子鼻处。
为了模仿人类的嗅觉系统,研究者为 NOS.E 设计了八个气体传感器。
电子鼻评估分子检测到的每个气味,然后将数据输入计算机:将采集到的数据进行归一化,和非参数化内核建模(nonparametric kernel-based modelling)预处理。
其中,建模过程是在 MATLAB 上进行的。
为了减少传感器偏差带来的影响,采用了如下的归一化公式:
其中,y (t) 和ˆy (t) 分别代表归一化前后,传感器的响应。
然后,NOS.E 的系统从气体传感器的响应中提取出 9 个特征:包括传感器响应的最大一阶导数,最小二阶导数,最大二阶导数,输入和响应峰值的时间间隔等。
在特征提取后,对数据进行分类:将每一种威士忌的数据集随机洗牌,再进行 80:20 的分割,构建训练集和测试集。
对于训练集,用十倍交叉验证(10-CV)方法,将其分成 10 个子集,来学习威士忌的分类模型:其中 9 个子集用于训练,剩余的 1 个用来验证。
利用线性判别法(LD)、支持向量机(SVM)和子空间判别法(SUBD)* 等训练分类器,并产生一个成分分类器的集合,用于构建新的组合分类器。
最终的分析结果,由新的分类器发送给终端并呈现给用户。
为了减少偶然误差,研究者对每种威士忌样品进行了多次实验;并且在对每个样品测试 10 次后,换上新的同种威士忌,以减少酒精挥发对实验的影响。
研究者前后共计测试了 396 次。
NOS.E 在判断威士忌产地和风格方面表现出色
为了检测 NOS.E 收集,并处理的数据的准确性,研究者还使用最先进的二维气相色谱-飞行时间质谱(GC×GC-ToFMS)分析了威士忌样品,作为对照。
他们对 NOS.E 测试结果进行了 3 个维度的检测。
第一个方面是:各个威士忌样品是否都能相互分离。NOS.E 的现场测试结果准确率如下:
第二个方面是:判断各种威士忌样品的原产地,NOS.E 测试结果的准确率最高竟达到 100%。
第三方面是:判断各种威士忌样品的风格,NOS.E 测试结果的准确率约在 82% 至 94% 之间。
作者简介
Wentian Zhang,研究论文的第一作者,在山东第一医科大学和澳大利亚悉尼科技大学任教;主要研究方向是控制工程计算和医学计算等。
来自西安电子科技大学的 Taoping Liu 也参与研发了 NOS.E,他博士毕业于澳大利亚悉尼科技大学,主要研究方向是控制工程计算和医学计算等。
据悉尼科技大学的报告,除了鉴别威士忌,在未来,NOS.E 还可能用于检测白兰地和香水等。
如果这项研究能够得到推广应用,或许不久的将来也能用于更多酒类。消费者只需拿一个小小的电子产品,就能轻松判断一款酒的品类和真假。
嗯,到时候,中国的酒友们应该不用再担心买到假茅台了吧~(手动狗头)
论文地址:
https://ieeexplore.ieee.org/document/9701291
本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/622/693.htm]