类型a：这篇文档报告了一项原创研究。
主要作者和机构及发表期刊与时间
该研究的主要作者包括Vasiliki Summerson、Claudia Gonzalez Viejo、Alexis Pang、Damir D. Torrico以及通讯作者Sigfredo Fuentes。研究由澳大利亚墨尔本大学兽医与农业科学学院数字农业、食品与葡萄酒组（Digital Agriculture, Food and Wine Group, Faculty of Veterinary and Agricultural Sciences, The University of Melbourne）主导，并与新西兰林肯大学农业与生命科学学院葡萄酒、食品与分子生物科学系合作完成。该研究于2021年8月23日发表在《Molecules》期刊上。
学术背景
本研究属于葡萄酒化学与感官科学领域，旨在解决烟熏污染对葡萄酒质量的影响问题。烟熏污染是近年来由于气候变化导致的森林火灾频发而引发的重要问题，特别是葡萄园在关键生长阶段暴露于烟雾中会导致葡萄酒出现不受欢迎的烟熏气味，从而降低其品质。挥发性芳香化合物（volatile aromatic compounds）是决定葡萄酒香气的关键因素，而传统分析这些化合物的方法如气相色谱-质谱联用（GC-MS）成本高昂且耗时。此外，感官评估需要训练有素的品酒小组，过程复杂且可能受主观偏差影响。因此，开发一种快速、经济高效且非破坏性的方法来评估葡萄酒中的挥发性芳香化合物及其香气特性成为迫切需求。
本研究的目标是利用低成本便携式电子鼻（e-nose）结合机器学习建模技术，评估受烟熏污染的赤霞珠葡萄酒中的挥发性芳香化合物水平及烟熏香气强度，为酿酒师提供一种实用工具。
详细研究流程
研究分为五个主要步骤：烟熏处理与酿酒、GC-MS分析、烟熏香气强度评估、电子鼻检测以及统计分析与机器学习建模。
烟熏处理与酿酒
试验设计包括五种处理方式：对照组（C）、带树冠喷雾的对照组（CM）、高密度烟熏暴露（HS）、带树冠喷雾的高密度烟熏暴露（HSM）和低密度烟熏暴露（LS）。烟熏处理在葡萄转色后约7天进行，通过燃烧大麦秸秆产生的烟雾施加到专用帐篷中持续1小时。喷雾处理使用定制的洒水系统，以11升/小时的速度向葡萄串区域提供65微米的细水滴。每种处理应用于6株相邻葡萄藤（HSM处理为5株），并设置缓冲植株以避免交叉影响。成熟后，葡萄被收获并用于小规模酿酒（每发酵批次约5公斤，每种处理重复三次）。
GC-MS分析
使用配备HP-5MS柱的气相色谱-质谱仪（Agilent Technologies）分析挥发性芳香化合物。样品通过顶空固相微萃取（SPME）法提取，并采用国家标准化与技术研究所（NIST）库鉴定化合物，仅保留确定性大于80%的化合物。
烟熏香气强度评估
感官评估在墨尔本大学感官实验室进行，由13名经过定量描述分析（QDA®）培训的参与者组成。每个样品以15厘米强度量表评分，从“无”到“强烈”。所有样品均随机编码以避免偏见。
电子鼻检测
使用由墨尔本大学数字农业、食品与葡萄酒组开发的低成本便携式电子鼻，包含9个气体传感器，分别对不同气体敏感（如乙醇、甲烷、二氧化碳等）。每次测量将100毫升葡萄酒倒入500毫升烧杯中，搅拌后将电子鼻覆盖烧杯顶部收集气体读数。
统计分析与机器学习建模
使用Minitab软件进行方差分析（ANOVA），并通过主成分分析（PCA）和矩阵分析显著相关性。基于MATLAB编写的代码测试了17种不同的训练算法，最终选择贝叶斯正则化算法构建人工神经网络（ANN）回归模型。输入数据随机分为80%训练集和20%测试集，性能通过均方误差（MSE）评估。
主要结果
1. GC-MS分析结果
GC-MS分析显示，不同烟熏处理对挥发性芳香化合物的组成有显著影响（p < 0.05）。例如，HS处理中癸酸乙酯和十二酸乙酯含量较低，表明烟熏暴露抑制了某些芳香化合物的生成。
烟熏香气强度评估结果
HS处理表现出最高的烟熏香气强度（平均值11.52），其次是HSM处理（7.17），而对照组（C和CM）最低（分别为0.76和1.24）。这与先前研究一致，表明烟熏暴露会增加烟熏挥发性酚类物质的积累。
电子鼻检测结果
电子鼻数据显示，各处理之间的气体传感器读数存在显著差异（p < 0.05）。例如，CM处理的乙醇释放最高，而C处理的二氧化碳浓度最高。氨气传感器（MQ137）与多种挥发性芳香化合物呈显著负相关（r = -0.93至-0.89）。
机器学习建模结果
ANN回归模型1在预测挥发性芳香化合物水平方面表现出极高的准确性（R = 0.99，R² = 0.98），模型2在预测烟熏香气强度方面同样表现出色（R = 0.97，R² = 0.94）。这些结果表明，电子鼻结合机器学习可以有效预测葡萄酒中的挥发性芳香化合物水平和烟熏香气强度。
结论与意义
本研究成功开发了一种基于低成本电子鼻和机器学习建模的快速、经济高效且非破坏性的方法，用于评估葡萄酒中的挥发性芳香化合物水平和烟熏香气强度。这种方法不仅适用于烟熏污染葡萄酒的质量评估，还可以与其他模型结合，深入分析烟熏衍生挥发性酚类物质及其糖苷结合物的水平以及消费者感官反应。研究成果为酿酒师提供了重要的决策支持工具，具有重要的科学价值和应用前景。
研究亮点
1. 首次将低成本电子鼻与机器学习结合应用于烟熏污染葡萄酒的评估。 2. 开发了两个高精度的人工神经网络回归模型，分别用于预测挥发性芳香化合物水平和烟熏香气强度。 3. 研究揭示了烟熏暴露对葡萄成熟和挥发性芳香化合物生成的负面影响。 4. 提供了一种可重复使用的非破坏性评估方法，为烟熏污染葡萄酒的改良处理提供了技术支持。
其他有价值内容
研究还强调了电子鼻在食品和饮料行业中的广泛应用潜力，包括地理来源评估、质量控制和食品安全检测。此外，作者团队在电子鼻开发过程中与电气工程领域的专家合作，进一步提升了设备的性能和可靠性。