Food Chem：三种鲜食葡萄（阳光玫瑰、巨峰、亚历山大麝香）的风味分析及基于机器学习的风味预测

三种鲜食葡萄（阳光玫瑰、巨峰、亚历山大麝香）的风味分析及基于机器学习的风味预测

期刊：Food Chemistry（9.8）

发表日期：2026年03月

 

 

研究摘要

 

鲜食葡萄区别于酿酒葡萄，主要用于直接鲜食。香气是决定鲜食葡萄品质的重要因素，而采收时期对葡萄品质形成至关重要。本研究以巨峰、阳光玫瑰、亚历山大麝香葡萄三种鲜食葡萄为研究对象，结合感官评价与仪器检测手段，分析了三种葡萄六个成熟阶段的香气组分与风味特征。随着成熟度不断提高，巨峰与亚历山大麝香葡萄的风味由青香、花香主导，逐渐转变为果香与甜香；阳光玫瑰葡萄的甜香、果香、青香及花香风味则同步不断增强。本研究明确了可用于区分葡萄不同成熟阶段的特征标志物：巨峰的关键标志物为糠醛、橙花醛、顺式-2-己烯-1-醇；阳光玫瑰的关键标志物为顺式-3-己烯-1-醇、反式-2-己烯醛、芳樟醇；亚历山大麝香葡萄的关键标志物为糠醛、3-甲基丁醛、橙花叔醇。基于电子鼻的机器学习方法可实现葡萄风味的快速分类与预测，其中SVC模型的准确率最高，可达0.9394，能够为葡萄品质分级工作提供助力。本研究可为鲜食葡萄香气品质的动态监测与调控提供理论依据和技术支撑。

 

研究背景

 

葡萄栽培历史悠久，其起源可追溯至6000～8000年前的中东地区。葡萄兼具营养价值与经济价值，根据用途主要分为酿酒葡萄和鲜食葡萄两类。在中国市场中，鲜食葡萄占据主导地位，产量约占葡萄总产量的80%。香气是决定鲜食葡萄品质、消费者接受度与选购偏好的关键因素，果实挥发性有机物（萜类、醛类、醇类等）的组成与含量差异，形成了品种特有的风味，但学术界对鲜食葡萄香气分类尚未形成统一标准。

葡萄生长发育呈现复杂的双S型生长规律，主要分为转色前期、生长滞后期与转色后期三个阶段。坐果后，果实进入首个快速细胞分裂阶段，体内有机酸含量积累至峰值。在生长滞后期，果实细胞膨大逐渐停止，糖分开始积累，有色葡萄品种果皮逐渐着色，果实软化、生长速度放缓。进入转色后期，花青素与挥发性香气物质持续积累，糖分含量达到最高水平。因此，在适宜成熟阶段采收，是保证葡萄优质品质的关键。葡萄香气在果实发育过程中逐步形成，最终造成不同品种间的香气差异。由此，系统探究鲜食葡萄不同发育阶段的风味变化规律，筛选稳定可靠的风味特征标志物，对精准把控采收时间、保障果实品质至关重要。

目前葡萄风味研究多聚焦于酿酒葡萄及其副产物，针对鲜食葡萄的研究报道较少。现有鲜食葡萄相关研究，大多仅依托GC-MS联用技术分析挥发性物质组成及其发育阶段的变化特征。为此，本研究结合感官评价、GC-ToF/MS联用、电子鼻与机器学习技术，实现不同品种葡萄香气及采后品质的快速、综合评价。

 

结果与讨论

 

2.1.葡萄样品

本研究选取国内市场常见的三种鲜食葡萄作为试验材料，分别为巨峰、阳光玫瑰和亚历山大麝香葡萄。试验葡萄种植于上海交通大学农业工程实训中心（北纬31°，东经121°），园区采用聚氯乙烯防雨棚栽培，并配套滴灌系统统一管理。葡萄植株横竖定植间距均为2 m；栽培基质由土壤、有机肥与珍珠岩按质量比1:1:1混合配制。

于六个关键发育成熟阶段分批采收样品，依次为：幼果期、软化初期、软化期、软化后期、成熟初期与完熟期。每个品种、每个时期随机采收4串果穗，在每串果穗的果穗顶端、中部、基部各选取3颗果实，最终每个品种每个时期共计获得36颗葡萄样品。所有新鲜采摘的葡萄样品经液氮快速冷冻后，置于−80℃超低温环境中储存，用于后续挥发性物质检测分析。

 

2.2.感官评估

 

2.3.VOCs的提取、分离与定量

 

2.4.电子鼻

 

2.5.统计分析

 

结果与讨论

 

3.1.感官评价

图1展示了三种葡萄（巨峰JF、阳光玫瑰YGMG、亚历山大麝香葡萄YLSD）在六个成熟阶段（幼果期1、软化初期2、软化期3、软化后期4、成熟初期5、完熟期6）的外观特征与香气特征。三种鲜食葡萄从幼果期至软化期，果实均呈现深绿色。软化后期，巨峰果皮转为紫红色，阳光玫瑰变为翠绿色，亚历山大麝香葡萄则转变为紫黑色（图1），说明各品种果实均进入成熟状态。

 

 

香气是衡量鲜食葡萄品质的核心指标，对消费者的接受度与选购偏好起到决定性作用。本研究对三种葡萄的五项香气感官指标进行评价，分别为花香、青香、果香、香脂香和甜香。巨峰葡萄在成熟过程中，青香与果香差异显著（P<0.05）。青香在幼果期最为浓郁，评分为5.8分，随着果实成熟逐渐减弱，至完熟期降至最低值3.8分。与之相反，果香整体呈先下降后上升的变化规律：幼果期果香评分为4.8分，软化期降至4.3分，最终在完熟期达到峰值5.6分（图1A）。阳光玫瑰在整个生长阶段的香脂香较弱且整体稳定，评分均低于3.5分。其余各类香气强度均呈明显上升趋势，至完熟期，青香、甜香、花香、果香评分均高于4.5分（图1B）。果实成熟阶段的甜香与花香表现出显著性差异（P<0.05，图1B）。由图1C可见，亚历山大麝香葡萄的青香、香脂香和甜香在果实发育过程中变化显著（P<0.05），果香与花香波动幅度较小，无显著差异（P>0.05）。

感官评价的主成分分析结果表明，前两个主成分的累计方差贡献率达76%，可保留绝大部分样本信息（图1D）。甜香与果香分布于第一象限，且随巨峰果实成熟（JF-4、JF-5、JF-6）逐步增强。花香与青香分布于第四象限，巨峰的青香随成熟度提升逐渐减弱。巨峰幼果期样本JF-1集中分布在第四象限，与其他成熟期样本距离较远，青香特征突出且差异显著（P<0.05，图1A）。样本的空间分布差异，充分体现了葡萄不同成熟阶段的感官风味差异。阳光玫瑰样本沿横轴分布，后三个成熟阶段的样本位于横轴正方向，生长后期以花香和甜香为主要风味。香脂香特征主要集中在第二象限，与完熟期亚历山大麝香葡萄（YLSD-6）呈正相关。亚历山大麝香葡萄前期样本YLSD-1、YLSD-2与YLSD-6分布位置相反，表明果实成熟初期香脂香强度更低。

 

3.2.三种葡萄六个成熟阶段的挥发性有机物鉴定

本研究采用正交偏最小二乘判别分析（OPLS-DA）模型，对三种葡萄不同成熟阶段的挥发性有机物进行分析，分别构建巨峰（A）、阳光玫瑰（B）、亚历山大麝香葡萄（C）以及三种葡萄混合样本（D）的分析模型（图2A-D）。巨峰葡萄中，JF-1至JF-4期样本沿横轴由正向分布逐渐转向负向，组间分离显著；而JF-5与JF-6期样本存在重叠，表明两个时期的风味物质差异较小（图2A）。阳光玫瑰六个成熟阶段的样本均可实现良好区分（图2B）。亚历山大麝香葡萄的YLSD-4与YLSD-5期样本同样出现重叠，说明这两个时期的果实风味物质特征相似度较高（图2C）。由图2D可知，三个葡萄品种的样本相互分离明显，表明品种差异对风味物质的影响大于成熟阶段。

变量重要性投影（VIP）数值越高，说明该物质对样本分组的贡献越大。因此，本研究筛选关键差异挥发性物质（VIP > 1，P < 0.05），通过聚类热图可视化分析，对比三个品种在不同成熟阶段的风味物质差异（图3A～D）。经筛选，巨峰、阳光玫瑰、亚历山大麝香葡萄分别鉴定出31种、33种、29种关键差异挥发性有机物，可用于区分各品种的六个成熟阶段（图3A、B、C）。用于区分三个葡萄品种的关键挥发性有机物共45种，包含5种酯类、5种酮类、8种萜类、5种酸类、8种醛类、1种芳香烃及13种醇类（图3D）。

 

 

3.2.1巨峰葡萄

巨峰葡萄共鉴定出31种关键挥发性有机物，包括2种酯类、2种酮类、9种萜类、2种酸类、3种醛类、1种芳香烃与12种醇类（图3A）。巨峰葡萄幼果期（JF-1）的糠醛与1-癸醇含量显著高于其他时期（P < 0.05）。乙酸己酯仅在JF-2期被检出，是区分巨峰软化初期的标志性物质。进入JF-3期，顺式芳樟醇氧化物（0.17 μg/L）、反式-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）及对伞花烃（6.56 μg/L）的含量显著高于其他阶段（图3A）。已有研究表明，顺式芳樟醇氧化物与橙花醛是麝香香和花香的关键物质，二者含量呈正相关。本研究进一步证实，这两种物质可作为巨峰软化期的特征标志物，对该时期果实花香形成具有重要作用。苯乙烯常被用作判别不同产地葡萄香气特征的地理标识物。本研究中，巨峰葡萄六个成熟阶段的苯乙烯含量为0.34～0.63 μg/L，在JF-4期达到峰值（0.63 μg/L），可作为巨峰软化后期的鉴别特征物质。顺式-2-己烯-1-醇含量在成熟过程中呈先升后降趋势：由JF-1期的4.57 μg/L上升至JF-5期的22.80 μg/L，完熟期回落至5.63 μg/L。该物质通常带来清新的植物青香，这一变化规律与巨峰成熟初期青香短暂增强的感官结果一致。萜类物质以异戊二烯为基本结构单元，气味阈值低，通过甲羟戊酸途径合成，是葡萄特色风味的重要组成。β-月桂烯被证实是造成不同葡萄品种香气差异的核心物质之一，本研究中该物质仅在巨峰完熟期（JF-6）检出，可作为巨峰完全成熟的特征指示物。

 

 

3.2.2阳光玫瑰葡萄

阳光玫瑰葡萄共鉴定出33种关键挥发性有机物，包含3种酯类、3种酮类、5种萜类、3种酸类、8种醛类、2种芳香烃与8种醇类（图3B）。

γ-松油烯具有木香、柑橘香与松木香，该物质仅在阳光玫瑰幼果期（YGMG-1）检出。桉叶素是赤霞珠葡萄成熟初期的典型特征物质，本研究将其确定为阳光玫瑰软化初期（YGMG-2）的标志物。C6类化合物是葡萄与葡萄酒青香风味的主要来源。反式-2-己烯醛由顺式-3-己烯醛在异构酶作用下异构生成，可进一步转化为反式-2-己烯醇与乙酸反式-2-己烯酯。该物质在阳光玫瑰整个发育期均有检出，含量以幼果期最低（20.35 μg/L）、成熟初期最高（1092.53 μg/L）。

阳光玫瑰属于麝香型葡萄，香气特征与单萜类化合物密切相关。芳樟醇由香叶基焦磷酸在芳樟醇合酶的作用下合成；其在阳光玫瑰完熟期（YGMG-6）含量达到峰值（65.86 μg/L），为其他成熟阶段的2～3倍。已有研究表明，芳樟醇是阳光玫瑰最主要的萜类物质，是其麝香风味的核心物质，且含量随果实成熟不断上升。

 

3.2.3亚历山大麝香葡萄

亚历山大麝香葡萄共筛选得到29种差异挥发性有机物，包括6种酯类、4种酮类、5种萜类、3种酸类、6种醛类及5种醇类（图3C）。

3-甲基丁醛仅在亚历山大麝香葡萄完熟期（YLSD-6）检出（1.37 μg/L），可提升果实甜香，为该品种完熟阶段的特征标志物。糠醛不仅是区分巨峰成熟阶段的关键物质，同样在亚历山大麝香葡萄中发挥重要作用，仅在YLSD-3（1.22 μg/L）与YLSD-4（0.77 μg/L）两个时期被检出。萜类物质主要负责赋予果实花香，橙花叔醇仅在亚历山大麝香葡萄软化初期（YLSD-2）检出。该品种果实发育过程中，风味主导物质由萜类逐步转变为醇类，而醇类多呈现青香、蘑菇香与泥土气息，直接影响果实风味表现。亚历山大麝香葡萄软化初期（YLSD-2）的优势物质以酯类和萜类为主，共同构成果香与花香。感官评价结果显示，该品种花香、果香随成熟持续减弱，于完熟期降至最低，这一变化规律与酯类、萜类物质含量下降直接相关。

 

3.2.4三种鲜食葡萄关键挥发性有机物的品种差异

聚类热图展示了三个葡萄品种的差异挥发性物质（VIP > 1, P < 0.05）。由图3D可见，巨峰区别于另外两个品种的特征物质主要为γ-松油烯、芳樟醇、反式-β-罗勒烯、3-甲基丁醛、2-甲基丁醛，以萜类物质为主，说明巨峰的异戊二烯代谢水平显著高于阳光玫瑰与亚历山大麝香葡萄。阳光玫瑰的品种特征差异物质主要为酯类和萜类，如3-羟基丁酸丁酯、丁酸异丁酯、雪松醇等。酯类与萜类是果香、甜香的核心来源，与感官结果一致：阳光玫瑰甜香评分最高（5.6分），较另外两个品种高出1～2分。亚历山大麝香葡萄的特有差异物质为6-甲基-5-庚烯-2-酮与1-辛烯-3-醇。以上结果充分证明，不同葡萄品种的香气物质组成与风味特征存在显著特异性。

 

3.3.电子鼻

本研究对三种葡萄的电子鼻检测数据开展线性判别分析（LDA）。线性判别分析属于有监督降维算法，适用于带明确分类标签的样本数据。降维结果显示，三个葡萄品种可实现完全区分（图4A）。为明确电子鼻传感器对挥发性物质的响应规律，本研究结合14个电子鼻传感器的响应值，与经OPLS-DA筛选得到的三个品种关键差异挥发性有机物，开展皮尔逊相关性分析并绘制热图，相关性分析结果如图4B所示。

如图4B所示，1-丁醇、3-甲基丁醛和2-甲基丁醛这3种化合物，与1号、4号、5号、6号、9号、14号共6个传感器呈极显著正相关（P<0.001）。6-甲基-5-庚烯-2-酮、1-辛烯-3-醇、2-乙基己醇与7号、8号、13号传感器呈高度显著正相关（P<0.01），3-甲基丁醛与2-甲基丁醛和12号传感器呈显著正相关（P<0.05）。雪松醇、壬酸、乙酸丁酯、乙酸4种化合物，与7号、8号、11号、12号、13号共5个传感器呈极显著负相关（P<0.001），反式-2-己烯醛、3-己烯醛、糠醛与上述5个传感器呈高度显著负相关（P<0.01），苯甲醛、乙醛、顺式-3-己烯-1-醇同样与7号、8号、11号、12号、13号传感器呈显著负相关（P<0.05）。综上，该结果揭示了电子鼻14个传感器对三种鲜食葡萄差异挥发性有机物的特异性响应规律，为葡萄品种的快速鉴别奠定了物质基础。

 

 

3.3.1机器学习

本研究以电子鼻14个传感器的响应值作为输入特征，采用递归特征消除法结合随机森林算法筛选最优特征子集。特征筛选过程中引入交叉验证以避免模型过拟合，并对各折验证结果进行可视化展示（图5A）。结果显示，选取13个电子鼻传感器时，模型交叉验证准确率达到峰值，即为最优特征组合（红色虚线标注，图5A）。因此，本研究基于这13个传感器的响应值，分别构建逻辑回归（LR）、支持向量分类（SVC）和神经网络（NN）分类模型。试验对三种葡萄进行数字化标记：巨峰（JF）标记为0、阳光玫瑰（YGMG）标记为1、亚历山大麝香葡萄（YLSD）标记为2。模型训练完成后，输入电子鼻测试集响应数据，即可实现葡萄品种的快速预测。

采用准确率、精确率、召回率和F1分数四项指标评价模型性能，指标取值范围为0～1。由表1可知，三种模型的测试集得分均高于0.8000，整体分类效果良好。逻辑回归与支持向量分类模型在训练集和测试集上表现相近，准确率均超过0.9000，具备优异的分类能力。相较而言，神经网络模型的测试集准确率略低，为0.9091。

 

 

混淆矩阵结果如图5B所示。LR与SVC分类模型混淆矩阵的对角线数值完全一致（10、11、10），说明二者分类效果相同（图5B1、5B2），而NN模型混淆矩阵中非对角错误样本总数为3个（图5B3），表明其分类性能略逊于LR与SVC分类模型。此外，本研究计算并绘制了ROC特征曲线，结果见图5C。曲线下面积（AUC）可进一步量化分类效果，AUC数值越接近1，模型性能越优异。结果表明，SVC分类模型的宏平均ROC曲线下面积最大（AUC=0.99，图5C2），LR与NN模型的宏平均AUC数值一致，均为0.98（图5C1、C3）。综合准确率、精确率、召回率、F1分数、混淆矩阵及宏平均ROC曲线的分析结果，SVC分类模型的综合分类表现最优。

 

结论

 

本研究以巨峰、阳光玫瑰、亚历山大麝香葡萄三种鲜食葡萄为研究对象，通过感官评价与挥发性有机物分析，对比分析了果实六个成熟阶段（幼果期、软化初期、软化期、软化后期、成熟初期、完熟期）的香气品质。研究明确了不同品种葡萄在成熟过程中的香气特征演变规律，筛选出可区分葡萄品种与成熟阶段的关键挥发性标志物。同时，将电子鼻数据与机器学习相结合，其中支持向量分类模型可实现葡萄品种的快速、精准判别。该技术可为市场中葡萄成熟度快速检测与品质分级提供理论依据与技术支撑。本研究仍存在一定不足，尚未对机器学习模型开展外部验证，后续将扩大样本量、采用独立数据集，进一步完善模型验证与优化工作。