Food Chem：3种鲜食葡萄（阳光玫瑰、巨峰、亚历山大麝香）风味分析及基于机器学习的风味预测

3种鲜食葡萄（阳光玫瑰、巨峰、亚历山大麝香）风味分析及基于机器学习的风味预测

期刊：Food Chemistry（10.4）

发表日期：2026年

 

 

研究摘要

 

鲜食葡萄用于直接食用，区别于用于酿酒的酿酒葡萄。香气对鲜食葡萄品质影响显著，采收时间至关重要。本研究采用感官评价与仪器分析，研究 3 种鲜食葡萄，即巨峰（JF）、阳光玫瑰（YGMG）、亚历山大麝香（YLSD）在 6 个成熟阶段的香气特征。随着成熟度增加，巨峰和亚历山大麝香葡萄的香气由青香、花香向果香、甜香转变；而阳光玫瑰葡萄的甜香、果香、青香和花香香气均增强。本研究鉴定出可区分不同成熟阶段的生物标志物：巨峰为糠醛、橙花醛、(Z)-2-己烯-1-醇；阳光玫瑰为 (Z)-3-己烯-1-醇、(E)-2-己烯醛、芳樟醇；亚历山大麝香为糠醛、3-甲基丁醛、橙花叔醇。基于电子鼻开展的机器学习可实现风味的快速分类与预测，其中 SVC 模型取得最高准确率（0.9394），该模型可用于辅助品质分级。本研究为葡萄香气品质监测提供理论基础与技术支撑。

 

研究背景

 

葡萄拥有悠久栽培历史，起源可追溯至 6000-8000 年前的中东地区。葡萄兼具营养价值与经济价值，根据用途一般分为两类：酿酒葡萄与鲜食葡萄。在中国，鲜食葡萄占据市场主导，约占葡萄总产量的 80 %。目前国内共有 20 个主流鲜食葡萄品种，其中阳光玫瑰（YGMG）因果粒大、麝香风味浓郁而最受消费者青睐。

香气显著影响葡萄品质。葡萄浆果含有大量挥发性有机化合物（VOCs），包括萜类、醛类和醇类。不同葡萄品种因香气化合物组成与浓度的差异表现出不同香气。欧美杂交葡萄带有强烈草莓香气；欧亚亚种具备典型玫瑰香气，含有香叶醇、香茅醇、橙花醇或萜品醇等多种单萜类化合物。金手指葡萄的特征香气物质包括己醛、(E)-2-己烯醛、己酸乙酯，赋予其浓郁冰糖风味以及独特乳香。

目前学术界对于鲜食葡萄的香气类型尚未形成统一观点。部分研究将其分为麝香香型、狐香型、草莓香型。具备独特香气特征的葡萄受到消费者欢迎。阳光玫瑰、早玫瑰、玫瑰麝香葡萄以宜人的玫瑰香气为人熟知。因此，对挥发性有机化合物及其香气类型开展研究，对于改善葡萄品质、完善葡萄育种及加工手段、培育具备目标感官特征的葡萄品种十分关键。

葡萄生长遵循复杂的双 S 型生长模式，包含 3 个主要阶段：转色前期、滞后期、转色后期。坐果后，进入细胞快速分裂的第一阶段，浆果有机酸积累至峰值。滞后期，细胞膨大逐渐停止，糖分开始积累；有色品种浆果发生转色，果实质地变软，生长速率放缓。转色后期，花青素与挥发性有机化合物持续积累，糖分积累达到峰值。因此，在合适的成熟阶段采收，对获得最佳葡萄品质十分重要。

葡萄品种的香气在果实发育过程中逐步形成，最终造成各品种之间的香气差异。因此，系统掌握鲜食葡萄整个发育阶段的风味变化，同时确定可靠的生物标志物，对于优化采收时间、保障果实品质必不可少。

当前风味研究主要采用气相色谱-飞行时间质谱（GC-ToF/MS）、电子鼻（E-nose）以及感官评价。机器学习（ML）是一种基于数据驱动的学习方法，能够从大型数据集中提取特征并建立模型，完成回归、分类等任务，现已成为风味研究中调控与预测食品风味的重要工具。

品种对鲜食葡萄香气存在显著影响，但利用机器学习算法对鲜食葡萄开展香气分析与快速分类的报道较少。部分研究使用机器学习技术识别不同食品的特有香气、判定葡萄货架期、探索新型加工工艺、筛选具备更高加工潜力的优质品种。然而葡萄风味相关研究大多聚焦于酿酒葡萄及其副产物，针对鲜食葡萄的研究较为有限。现有多数鲜食葡萄研究主要借助气相色谱-质谱（GC-MS）技术解析挥发性物质谱图及其发育阶段变化。

为此，本研究整合感官评价、GC-ToF/MS、电子鼻与机器学习，实现对葡萄品种香气以及采后葡萄品质的快速综合评估。该多分析手段方案相比传统仅依靠 GC-MS 的分析具备更广适用范围与更高效率。

本研究选取中国市场常见的 3 个鲜食葡萄品种：巨峰（JF）、阳光玫瑰（YGMG）、亚历山大麝香（YLSD）。研究目的：结合感官评价与 GC-ToF/MS，分析上述 3 个葡萄品种在 6 个发育阶段，即幼果期、软化初期、软化期、软化后期、转色初期、成熟期的香气属性与挥发性有机化合物差异；同时利用电子鼻数据结合机器学习算法，实现葡萄风味的快速分类和预测。本研究旨在加深对成熟过程与葡萄品种如何影响香气特征的理解，研究结果有望用于鲜食葡萄成熟度评估、品种判别以及香气品质控制，助力开发葡萄香气快速评价方法。

 

材料与方法

 

2.1葡萄样品

2.1.1样品采集

2.1.2样品前处理

 

2.2感官评价

 

2.3挥发性物质提取、分离与定量

2.3.1顶空固相微萃取

2.3.2气相色谱飞行时间质谱（GCToF/MS）

2.3.3定性定量分析

 

2.4电子鼻检测

 

2.5统计分析

 

2.6机器学习建模

2.6.1特征筛选

2.6.2模型构建

 

研究结果

 

3.1感官评价

图1展示巨峰(A)、阳光玫瑰(B)、亚历山大麝香(C)3种葡萄在6个成熟阶段的浆果外观以及香气定量描述分析结果；详细感官数据见补充表S3-S5。

在幼果期至软化期，3个品种浆果均呈深绿色。进入软化后期，巨峰果皮转变为紫红色，阳光玫瑰转为翠绿色，亚历山大麝香转为紫黑色，标志果实逐步成熟。香气是鲜食葡萄的重要品质指标，直接影响消费者接受度与偏好。本研究对花香、青香、果香、香脂香、甜香共5个香气描述词开展感官评价。

巨峰的青香与果香随成熟阶段存在显著差异(*P*＜0.05)。幼果期青香强度达到最高，得分为5.8；随着果实成熟，青香逐步下降，在完全成熟期降至最低3.8。果香表现为先下降后上升的变化趋势：幼果期4.8分，软化期下降至4.3分，完全成熟期达到峰值5.6分（图1A）。

阳光玫瑰在整个发育周期香脂香整体偏弱，得分均低于3.5；其余四类香气（青香、甜香、花香、果香）整体持续增强，在完全成熟期，上述4项香气得分全部高于4.5（图1B）。甜香、花香在不同成熟阶段存在显著差异(*P*＜0.05)。已有报道表明，成熟阳光玫瑰以青香、甜香、花香和果香为主体香气，该现象与果实内游离态和结合态香气物质之间的相互转化相关，和本试验结果保持一致。

亚历山大麝香的青香、香脂香、甜香在发育过程中存在显著差异(*P*＜0.05)；果香与花香无显著波动(*P*＞0.05)。已有文献报道，亚历山大麝香从转色至成熟过程多种单萜类物质含量升高；本研究观测到的感官变化推测与单萜类化合物转化有关。

感官评价主成分分析结果显示，前两个主成分累计方差贡献率76 %，可解释样本绝大多数信息（图1D）。甜香、果香分布于第一象限，对应成熟度更高的巨峰样本JF-4、JF-5、JF-6；花香、青香分布于第四象限，反映巨峰青香随成熟度升高不断减弱。幼果期JF-1样本落在第四象限，与其余样本距离较远，青香特征突出(*P*＜0.05)，不同成熟阶段感官特征区分明显。

阳光玫瑰样本主要沿X轴分布，发育后期3组样本落在X轴正方向，花香与甜香占主导地位。香脂香主要分布在第二象限，与完全成熟的YLSD-6样本呈正相关；YLSD-1、YLSD-2样本处于相反位置，反映发育初期香脂香强度较低。感官结果表明，3个葡萄品种在成熟过程中，5项香气属性均存在明显差异。

本研究感官评价小组由10名19-30岁、具备6个月-3年评价经验的年轻人员组成；整个试验严格控制环境条件，评价人员遵循统一标准，保证评价结果的一致性与可靠性，能够反映品种之间真实感官差异。

 

 

3.2三个品种6个成熟阶段挥发性物质组成

3个品种不同成熟阶段检测得到的挥发性有机化合物详见补充表S6-S8。

分别对单品种以及三品种合并的挥发性有机化合物数据集开展OPLS-DA正交偏最小二乘判别分析（图2A-D）。采用200次置换检验开展模型可靠性验证（补充图S1A-D）；置换检验后Q²回归截距小于0，代表模型不存在过拟合，模型验证有效。

OPLS-DA模型拟合参数：

-巨峰：R²Y=0.965，Q²=0.92

-阳光玫瑰：R²Y=0.984，Q²=0.948

-亚历山大麝香：R²Y=0.977，Q²=0.914

-三品种合并：R²Y=0.928，Q²=0.894

得分图中每一个点代表一份生物学样本；样本点之间距离越大，代表样本之间差异越大。巨峰样本JF-1至JF-4沿X轴由正方向向负方向逐步离散，组间区分明显；JF-5、JF-6样本相互重叠，代表这两个阶段挥发性有机化合物差异较小（图2A）。阳光玫瑰全部6个成熟阶段样本可以完全区分（图2B）。亚历山大麝香YLSD-4、YLSD-5样本发生重叠，代表软化后期与转色初期样品特征较为接近（图2C）。三品种合并分析结果显示不同品种样本可以清晰分离，品种带来的挥发性物质差异大于成熟阶段带来的差异（图2D）。

 

 

筛选VIP＞1，P＜0.05的差异挥发性有机化合物，绘制聚类热图，区分不同品种、不同成熟阶段样本（图3A-D）。巨峰、阳光玫瑰、亚历山大麝香分别筛选得到31、33、29个可区分品种内部各个成熟时期的关键差异挥发性有机化合物（图3A-C，补充表S6-S8）。三品种合并数据集共筛选45个可区分品种间差异的关键挥发性有机化合物（VIP＞1），包含5种酯、5种酮、8种萜类、5种酸、8种醛、1种芳烃、13种醇（图3D）。

 

3.2.1巨峰葡萄

巨峰共鉴定得到31个关键差异挥发性有机化合物：2个酯、2个酮、9个萜、2个酸、3个醛、1个芳烃、12个醇（图3A，补充表S6）。

糠醛、1-癸醇在幼果期（JF-1）含量显著高于其余时期(*P*＜0.05)。糠醛来源于美拉德反应，具备焦糖甜香气，香气阈值极低，仅0.008 μg/g，是焦糖甜香的关键物质。醇类大多来源于氨基酸、碳水化合物、脂质降解；1-癸醇带有紫罗兰、梨香气，和JF-1时期花香感官特征相关。

酯类大多产生果香、花香、甜香，主要来源于脂肪酸代谢。乙酸己酯带有苹果香气，是葡萄酒、白兰地等葡萄发酵饮品的重要风味物质；本研究中乙酸己酯作为JF-2时期的特征差异物质，仅在该时期检出。

JF-3时期，顺式氧化芳樟醇(0.17 μg/L)、(E)-2-癸烯醛(0.28 μg/L)、橙花醛(0.60 μg/L)、2-甲基-1-戊烯-3-酮(1.98 μg/L)、对伞花烃、(Z)-2-己烯-1-醇含量显著升高。橙花醛带来柠檬香气；(Z)-2-己烯-1-醇属于典型青香物质。到成熟阶段JF-5、JF-6，己醇、苯乙醇含量明显上升；苯乙醇带有玫瑰、蜂蜜香气，是巨峰完全成熟期果香、甜香的物质基础。

 

3.2.2阳光玫瑰葡萄

阳光玫瑰共筛选得到33个关键差异挥发性有机化合物：7个酯、4个酮、7个萜、3个酸、6个醛、1个芳烃、5个醇（图3B，补充表S7）。

萜类物质是阳光玫瑰香气的核心。芳樟醇、香叶醇、香茅醇为玫瑰香型葡萄标志性单萜，在完全成熟期YGMG-6大量积累，构成阳光玫瑰的玫瑰花香。(Z)-3-己烯-1-醇、(E)-2-己烯醛在幼果期YGMG-1、YGMG-2含量最高；二者属于典型C6醛、C6醇，产生强烈青香，和幼果期感官青香高分结果一致。随着果实成熟，C6类物质含量逐步下降，萜类物质持续积累。己酸乙酯、乙酸-3-己烯酯等酯类物质在发育后期大量合成，贡献甜香与果香。阳光玫瑰整个发育期，青香、花香、果香、甜香同步增强，原因是C6青香物质依旧维持一定水平，同时萜类、酯类物质大量生成。本研究确定阳光玫瑰成熟度标志物：(Z)-3-己烯-1-醇、(E)-2-己烯醛、芳樟醇。

 

3.2.3亚历山大麝香葡萄

亚历山大麝香筛选得到29个关键差异挥发性有机化合物，包含4个酯、3个酮、7个萜、3个酸、7个醛、1个芳烃、4个醇（图3C，补充表S8）。

亚历山大麝香同样属于玫瑰香型品种，萜类物质橙花叔醇、芳樟醇、香叶醇的含量随成熟度升高不断增加。橙花叔醇带有花香、木香，在YLSD-5、YLSD-6（转色初期、完全成熟期）达到峰值，是该品种成熟阶段标志性物质。糠醛、3-甲基丁醛在幼果期YLSD-1含量最高，带来焦糖、烘烤香气。随着果实成熟，醛类整体含量下降，萜类、部分酯类物质积累上升；感官层面表现为青香减弱，果香、甜香增强。本研究确定亚历山大麝香成熟度特征标志物：糠醛、3-甲基丁醛、橙花叔醇。

 

 

3.3电子鼻响应信号分析

电子鼻14个MOS传感器对不同品种、不同成熟阶段葡萄样品响应信号存在明显差异（补充图S2）。部分传感器对醇类、醛类、萜类物质响应灵敏。幼果期样本传感器整体响应强度更高，与幼果期C6醛、C6醇类青香物质含量高的检测结果可以相互印证。随着成熟推进，部分对萜类、酯类敏感的传感器响应值逐步升高，与GC-ToF/MS测得的萜、酯类物质积累趋势保持一致。结果表明电子鼻传感器信号可以捕捉不同品种、不同成熟度葡萄挥发性风味的整体差异，适合作为机器学习模型输入数据源。

 

3.4机器学习模型构建与模型评价

经过递归特征消除RFE结合交叉验证筛选，从原始14个传感器信号中选出7个最优特征用于模型构建。分别训练逻辑回归（LR）、支持向量分类（SVC）、神经网络（NN）三种分类模型；模型性能指标汇总见表1。

 

 

SVC支持向量分类模型各项指标全部最优：测试集准确率0.9394，精确率0.9417，召回率0.9394，F1分数0.9392，AUC达到0.9764。神经网络综合表现次之；逻辑回归模型性能相对最低。

 

 

混淆矩阵结果显示（图4），SVC模型对阳光玫瑰识别正确率最高；巨峰和亚历山大麝香存在少量错分样本，推测是两个品种部分挥发性组分较为接近造成。整体来看SVC模型可以依靠电子鼻传感器信号较好完成3个鲜食葡萄品种的判别预测，具备用于鲜食葡萄快速品质分级的潜力。

 

讨论

 

香气是鲜食葡萄重要商品属性，由品种遗传背景与果实成熟度共同决定。本研究感官与仪器分析结果共同证实，品种对葡萄挥发性有机化合物组成的影响大于成熟阶段带来的影响，该结果与部分已发表鲜食葡萄相关研究结论一致。

巨峰、亚历山大麝香的香气变化模式为：幼果期以C6醛、C6醇带来的青香、花香为主；成熟之后萜类、酯类物质大量积累，香气转向果香、甜香。阳光玫瑰变化模式较为特殊，青香物质并未随成熟完全消失，萜类、酯类持续升高，造成四类香气同步增强。该现象来源于阳光玫瑰成熟过程中，C6类青香物质依旧维持一定水平，同时玫瑰香型单萜与果香酯类大量合成。

本研究筛选得到每个品种对应的成熟度特征挥发性标志物：巨峰（糠醛、橙花醛、(Z)-2-己烯-1-醇）；阳光玫瑰（(Z)-3-己烯-1-醇、(E)-2-己烯醛、芳樟醇）；亚历山大麝香（糠醛、3-甲基丁醛、橙花叔醇）。这些标志物可以用来快速判别葡萄采收成熟度，为后续开发靶向快速检测试剂盒、开发色谱快速检测方法提供候选靶标。糠醛在两个品种幼果期均高表达，说明糠醛可以作为鲜食葡萄幼果阶段通用标志物。

电子鼻可以获取样品挥发性组分的整体指纹信息，不需要像GC-MS一样对每一种物质开展分离定性，检测速度快，适合现场高通量筛查。但是电子鼻无法给出单一化合物的具体浓度，因此需要和色谱质谱技术相互补充：GC-ToF/MS用来解析具体化学物质、筛选标志物；电子鼻结合机器学习用于现场快速判别。本研究基于电子鼻信号建立的SVC分类模型准确率达到0.9394，证明该联合技术路线可行。本模型当前局限为仅采用3个品种建模，后续需要扩大品种数量、产地、栽培条件样本集，进一步提升模型泛化能力。未来可将电子鼻-机器学习方案集成到生产线，实现鲜食葡萄在线快速分级。

 

结论

 

本研究对巨峰、阳光玫瑰、亚历山大麝香3个鲜食葡萄6个成熟阶段开展感官评价、GC-ToF/MS挥发性有机化合物解析、电子鼻检测。结果表明，品种对鲜食葡萄挥发性有机化合物组成的影响大于成熟度的影响。随着成熟度升高，巨峰、亚历山大麝香香气由青香、花香逐步向果香、甜香转变；阳光玫瑰甜香、果香、青香、花香四类香气强度同步升高。筛选得到各品种判别成熟度的特征挥发性标志物：巨峰为糠醛、橙花醛、(Z)-2-己烯-1-醇；阳光玫瑰为(Z)-3-己烯-1-醇、(E)-2-己烯醛、芳樟醇；亚历山大麝香为糠醛、3-甲基丁醛、橙花叔醇。

基于电子鼻传感器数据构建机器学习分类模型，SVC支持向量分类模型性能最优，测试集准确率可达0.9394，可实现鲜食葡萄风味快速判别。本研究为鲜食葡萄成熟度判别、品质分级提供标志物与快速分析技术思路。后续需要扩大样本来源，纳入更多品种、产地、栽培条件的样品，优化机器学习模型，推动该技术在实际生产场景落地应用。