基于GC-MS指纹图谱和XGBoost机器学习的泸型基酒贮存时间鉴别

doi:10.7506/spkx1002-6630-20211129-354

食品科学 ›› 2022, Vol. 43 ›› Issue (24): 310-317.doi: 10.7506/spkx1002-6630-20211129-354

• 安全检测 • 上一篇

基于GC-MS指纹图谱和XGBoost机器学习的泸型基酒贮存时间鉴别

刘青茹，孟连君，张晓娟，翟伟绩，柴丽娟，陆震鸣，许泓瑜，王松涛，张宿义，沈才洪，史劲松，许正宏

（1.江南大学生物工程学院，江苏无锡 214122；2.江南大学粮食发酵与食品生物制造国家工程研究中心，江苏无锡 214122；3.江南大学生命科学与健康工程学院，江苏无锡 214122；4.国家固态酿造工程技术研究中心，四川泸州 646000）

发布日期:2022-12-28
基金资助:
“十三五”国家重点研发计划重点专项（2018YFC1604104）；四川省固态酿造技术创新中心建设项目（2021ZYD0102）

Identification of the Age of Luzhou-Flavor Base Baijiu by Gas Chromatography-Mass Spectrometry Fingerprinting and eXtreme Gradient Boosting Machine Learning

LIU Qingru, MENG Lianjun, ZHANG Xiaojuan, ZHAI Weiji, CHAI Lijuan, LU Zhenming, XU Hongyu, WANG Songtao, ZHANG Suyi, SHEN Caihong, SHI Jingsong, XU Zhenghong

(1. School of Biotechnology, Jiangnan University, Wuxi 214122, China; 2. National Engineering Research Center of Cereal Fermentation and Food Biomanufacturing, Jiangnan University, Wuxi 214122, China; 3. School of Life Science and Health Engineering, Jiangnan University, Wuxi 214122, China; 4. National Engineering Research Center of Solid-State Brewing, Luzhou 646000, China)

Published:2022-12-28

摘要/Abstract

摘要： 通过顶空固相微萃取结合气相色谱-质谱联用采集挥发性成分指纹图谱，采用极端梯度提升算法建立回归模型，运用极端随机森林的变量重要性评估、sklearn特征选择模块中的单变量线性回归测试（F_regression）以及连续目标变量的互信息（mutual_info_regression）确定有效建模变量，对白酒的贮存时间进行鉴别。模型的R2评估结果为0.987，预测模型可靠性较好，为白酒酒龄的判断提供了新思路。

关键词: 白酒年份；挥发性化合物；特征筛选；机器学习；鉴别

Abstract: In order to identify the age of Luzhou-flavor base baijiu, headspace solid phase microextraction-gas chromatography-mass spectrometry (HS-SPME-GC-MS) was used to create a fingerprint of the volatile composition of Luzhou-flavor base baijiu, and the eXtreme Gradient Boosting (XGBoost) algorithm was used to establish a regression model. Feature selection was conducted via a combination of variable importance evaluation using the extremely randomized trees, and F_regression and mutual_info_regression in the sklearn feature selection module. The coefficient of determination (R2) of the proposed regression model was 0.987, demonstrating good predictive reliability. This study provides a new idea for the identification of baijiu age.

Key words: baijiu age; volatile compounds; feature selection; machine learning; discrimination

中图分类号:

TS261.7

刘青茹，孟连君，张晓娟，翟伟绩，柴丽娟，陆震鸣，许泓瑜，王松涛，张宿义，沈才洪，史劲松，许正宏. 基于GC-MS指纹图谱和XGBoost机器学习的泸型基酒贮存时间鉴别[J]. 食品科学, 2022, 43(24): 310-317.

LIU Qingru, MENG Lianjun, ZHANG Xiaojuan, ZHAI Weiji, CHAI Lijuan, LU Zhenming, XU Hongyu, WANG Songtao, ZHANG Suyi, SHEN Caihong, SHI Jingsong, XU Zhenghong. Identification of the Age of Luzhou-Flavor Base Baijiu by Gas Chromatography-Mass Spectrometry Fingerprinting and eXtreme Gradient Boosting Machine Learning[J]. FOOD SCIENCE, 2022, 43(24): 310-317.

[1]	刘青茹孟连君张晓娟翟伟绩柴丽娟陆震鸣许泓瑜王松涛张宿义沈才洪史劲松许正宏. 基于GC-MS指纹图谱和XGBoost机器学习的泸型基酒贮存时间鉴别[J]. 食品科学, 0, (): 0-0.
[2]	赵玉立王丽谭丹温昊松金刚李响张昂. 基于1H-NMR的葡萄酒真实性鉴别技术研究进展[J]. 食品科学, 0, (): 0-0.
[3]	杨洁郭少鹏李金梁郭安鹊. 基于品评小组可靠性筛选葡萄酒的香气描述符[J]. , 0, (): 0-0.
[4]	杨洁，郭少鹏，李金梁，郭安鹊. 基于品评小组可靠性筛选葡萄酒的香气描述符[J]. 食品科学, 2021, 42(19): 106-113.
[5]	熊晓通胡峰尹艳艳陈明学程平言尤小龙. 超高效液相色谱-高分辨质谱一级子离子定量法测定酱香型白酒中氨基甲酸乙酯的含量[J]. , 0, (): 0-0.
[6]	赵培城，蔡际豪，顾赛麒，钱斌，王兰，吕飞，丁玉庭. 不同酒龄传统绍兴黄酒的特征风味物质分析[J]. 食品科学, 2020, 41(22): 231-237.
[7]	唐平，山其木格，王丽，王凡，李长文，卢君. 白酒风味化学研究方法及酱香型白酒风味化学研究进展[J]. 食品科学, 2020, 41(17): 315-324.
[8]	苏颖玥张昂袁春龙. 葡萄酒原产地属性鉴别技术研究进展[J]. 食品科学, 0, (): 0-0.
[9]	苏颖玥, 王飞, 温昊松, 张进杰, 张昂, 袁春龙. 葡萄酒原产地鉴别技术研究进展[J]. 食品科学, 2020, 41(13): 336-345.
[10]	张珍珍，李倩，董荣，乔丹，闫雪，张轲. 树体遮光对采收期‘赤霞珠’葡萄果实花色苷类物质积累的影响[J]. 食品科学, 2020, 41(4): 157-163.
[11]	章志超，吴鑫，朱应飞. 导致黄酒酸败的食果糖乳杆菌的分离、鉴定及其检测条件优化[J]. 食品科学, 2018, 39(20): 161-166.
[12]	刘千，李华，杨敏敏，杨志杰，陈黎. 地理标志产品“宜宾酒”原酒中主要理化品质指标分析[J]. 食品科学, 2018, 39(4): 206-211.
[13]	刘千李华杨敏敏杨志杰陈黎. 地理标志产品“宜宾酒”原酒中主要理化品质指标分析[J]. 食品科学, 0, (): 0-0.
[14]	熊雅婷李宗朋王健冯斯雯李子文尹建军宋全厚. 基于最小二乘支持向量机的白酒酒醅成分定量分析[J]. 食品科学, 0, (): 0-0.
[15]	熊雅婷，李宗朋，王健，冯斯雯，李子文，尹建军，宋全厚. 基于最小二乘支持向量机的白酒酒醅成分定量分析[J]. 食品科学, 2016, 37(12): 163-168.

基于GC-MS指纹图谱和XGBoost机器学习的泸型基酒贮存时间鉴别

Identification of the Age of Luzhou-Flavor Base Baijiu by Gas Chromatography-Mass Spectrometry Fingerprinting and eXtreme Gradient Boosting Machine Learning

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价