西北地区干红葡萄酒产地与酒龄的理化判别方法

作     者：白雪冰 杨佳宁 姜醒睿 赵宇 武运 陶永胜 Bai Xuebing;Yang Jianing;Jiang Xingrui;Zhao Yu;Wu Yun;Tao Yongsheng

作者机构：西北农林科技大学葡萄酒学院杨凌712100 西北农林科技大学宁夏贺兰山东麓葡萄酒试验示范站永宁750104 新疆农业大学食品科学与药学学院乌鲁木齐830052 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2022年第38卷第13期

页      面：319-326页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划项目(2019YFD1002504) 宁夏自治区科技重点研发计划项目(2018BBF02001) 新疆维吾尔自治区科技支疆项目计划(2022E02011) 

主　　题：主成分分析 模型 干红葡萄酒 产地判别 酒龄判别 理化指标 随机森林 人工神经网络 

摘      要：西北地区具有独特的风土条件,适宜酿酒葡萄的种植,已形成“大产区大品牌的产业规划。但西北地区葡萄酒的地域风格尚不明晰,导致产业的规范性不足,可持续发展存在隐患。该研究分析西北地区干红葡萄酒的23项重要的色泽-味感理化指标,旨在开发一种基于机器学习技术的葡萄酒判别方法,实现西北地区干红葡萄酒产地和酒龄的精准判别。首先,以西北地区200款干红葡萄酒为研究对象,通过理化试验测定了总酚、总花色苷、滴定酸等23项色泽-味感理化指标;然后,采用Pearson相关系数分析了西北产区葡萄酒质量特征的一致性,并耦合随机森林(Random Forest,RF)分析理化指标对干红葡萄酒产地和酒龄表征的贡献度;最后,基于人工神经网络(Artificial Neural Networks,ANN)构建了西北地区干红葡萄酒产地和酒龄的精准判别模型。结果表明,色泽相关指标的模型贡献率合计31%,花色苷相关指标的模型贡献率合计26%,酚类物质相关指标的模型贡献率合计21.1%。模型对宁夏产区酒样判别的灵敏度(Sensitivity,SEN)为98.72%,准确率(Accuracy,CCR)98.72%;对新疆产区酒样判别的SEN为95.45%,CCR为100%;对甘肃产区酒样判别的SEN为100%,CCR为95.45%。该方法可以实现西北产区干红葡萄酒产地和酒龄的精准判别,可为中国西北地区优质葡萄酒的生产和产品的市场监管提供科学依据。