电子鼻技术在酒质量检测应用的研究现状
电子鼻又称气味扫描仪，是20世纪90年代发展起来的模拟哺乳动物的嗅觉系统研制的一种人工嗅觉感受器，可用来分析、识别和检测复杂气味及大多数挥发性成分。电子鼻与化学分析仪器(如：色谱仪、光谱仪等)不同，它给出的不是被测样品中某种或某几种成分的定性和定量结果，而是样品中挥发成分的整体信息，即气味的“指纹数据”，它显示了物质的气味特征，从而实现对物质气味的客观检测、鉴别和分析，它不仅可以检测到各种不同的气味的不同信号，而且可以对这些信号与经过“学习”和“训练”后建立的数据库中的信号进行比较、识别和判断。因而可用于鉴别食品的真伪，产地及食品是否新鲜，还可用于控制从原料到产品整个生产过程的工艺，从而保证产品的质量。电子鼻具有检测速度快、检测范围广、检测数据客观、可靠和可重复性等优点，在食品感官研究中起到越来越重要的作用。它可以避免了官品评中主观因素的干扰，提高了检测的精确度。
电子鼻在酒类产品上具有广泛应用，包括酒类产品识别、品牌区分，产地和年份鉴别，以及香型分析等多方面。 1.3.1 国外研究进展
在品种鉴别方面，Daniel等采用质谱型电子鼻，对澳大利亚的雷司令和霞多丽2种干白葡萄酒进行分析，运用PCA（principal components analysis）、DPLS discriminant partialleast squares)和LDA(linear discriminant analysis)等方法进行了分析，其中DPLS和LDC的准确度分别达到95%、80%，能够较为准确的对2种葡萄酒进行区分，由此表明质谱型电子鼻结合统计学方法（如PCA、DPLS等）能够应用于葡萄酒的品种识别及其调配中各品种的比例问题。
Guadarrama 等采用6 个导电高分子传感器阵列的电子鼻对2 种西班牙红葡萄酒和1 种白葡萄酒进行检测和区分, 模式识别技术采用PCA方法。为了有对比性, 他们同时还检测了纯水和稀释的酒精样品。结果表明电子鼻系统可以完全区分5 种测试样品, 并且测试结果和气相色谱分析的结果一致。
意大利的S. Buratti等利用电子鼻结合分光光度计方法，预测不同品牌意大利红酒的感官描述。应用遗传算法选择变量，建立预测回归模型。在所选择的模型上，应用了精确的验证技术和检测输出的步骤。
在产地信息识鉴别方面，Corrado等对来自不同庄园的葡萄酒进行比较，虽然不同庄园的酒在感官分析中差别甚微，但是运用电子鼻进行分析后，结果表明这些庄园的酒即使用同一种酿造工艺所酿造，在气味指纹上也有明显的区别，这种差别可能是由于各庄园的土壤特性、园艺管理等不同所造成的。
在年份酒识别方面。Corrado等采用电子鼻分析了意大利Lombardy的Rossodi Franciacorta干红葡萄酒1989-1993年份的酒样，电子鼻输出结果运用主成分分析的方法处理后，结果表明上述5个年份的葡萄酒样品可以成功的区别开来。Lozanoc等 采用电子鼻结合主成分分析和概率神经网络对葡萄酒酒龄进行鉴别, 鉴别准确率达到97%。 1.3.2 国内研究进展
秦树基等人（2000）开发了一个能识别酒类的电子嗅觉系统。该系统基于一个由3个金属氧化物气体传感器组成的阵列识别，并由3层前馈神经网络用于分析传感器阵列的输出数据，神经网络采用Lvenberg- Marquardt算法训练后，电子嗅觉系统能成功地识别酒精、烈性酒、葡萄酒和啤酒，正确识别率可达95%。
史志存等人（2000）用四个半导体气敏传感器组成阵列,设计并用单片机实现了一个电子鼻系统,对三种浓香型白酒尖庄曲酒、秦池古酒、红星御酒一种清香型白酒红星二窝头和一种酱香型白酒燕岭春进行了实验。通过方法和子网络分析,结果表明该实验系统可以准确识别不同香型及相同香型不同品牌的白酒,具有很高的精度和准确度。
秦万广等（2005）依据仿生鼻的原理,模仿生物嗅觉系统,用气敏传感器阵列结合神经网络模式识别技术构成了仿生鼻,用它对几种白酒进行了分类和识别实验,结果表明其不仅能识别不同的白酒,而且可以识别真假白酒。
周亦斌等（2005）利用电子鼻对不同品牌、不同标注酒龄的黄酒进行了检测，利用BP神经网络做为模式识别方法，能够实现对检测样品的品牌和标注酒龄的区分。但他未结合理化指标对电子鼻的检测结果作进一步的深入研究。
高永梅等（2006）采用Alpha M.O.S公司生产的GC-Flash型电子鼻通过对6 个清香型、17个浓香、4 个酱香型白酒样品的分析，得到三种香型白酒样品的代表性电子鼻信号曲线，将电子鼻信号曲线中的气谱峰的保留时间、峰面积等谱图信息转化为数值信息，经过多元统计分析，可以很好地区分不同香型的白酒样品。
在对白酒的香型和等级分析中，用电子鼻得到较好的识别效果，并初步建立了白酒香型识别及等级划分的感观量化方法。
周海涛等（2009）采用气敏传感器电子鼻对劲酒进行鉴别分析,结果相关系数绝对值累加和最小分析、PCA 第二主成分系数选择性分析、基于变异系数的因子载荷分析三种方法研究了传感器阵列的优化阵列。结果表明传感器优化阵列可以很好地对酒精度为35度 和38 度的两种劲酒产品进行鉴别分类。