MCCGC-IMS气相离子迁移谱技术追溯葡萄酒的产地

离子迁移谱（IMS）技术具有灵敏度高（ppb范围）、响应速度快（ms范围）、结构紧凑、可在大气压下工作和分离异构体等优点。与GC或MCCGC等分离技术相结合，适用于咖啡、油、酒等复杂基质的风味化学分析…

葡萄酒原产地的追溯对于保护生产者和消费者至关重要。存在大量的葡萄酒造假行为，这给当地生产者带来了价格压力、避税以及最终消费者的质量下降。

在这篇简短的报告中，我们将展示机器学习分类支持的IMS在追溯葡萄酒产地方面的潜力。尽管样本量很小，但我们还是取得了很好的结果，证明了机器学习支持的MCCGC-IMS用于追溯葡萄酒产地的能力

实验

本实验采用MaSaTECH公司生产MCCGC-IMS Peak Machine气相离子迁移谱系统

本研究以18个葡萄酒样品为研究对象。根据标准OIV-MA-AS311-05的2H/1H同位素比值确定葡萄酒的来源。从18份样品中，有15份来自斯洛伐克，3份来自其它国家。进样量1mL。下一步用IMS分析样品小瓶，用自动顶空进样器取样。

结果和讨论

其中一个样品的IMS光谱如图1所示。保持时间为15分钟，IMS占空比为150ms。从图中可以看出，样品中记录了大量的挥发物。

根据MaSaTECH化学计量学软件中记录的光谱建立分类模型。根据样本数量少、分布不均（斯洛伐克15个、其它国家3个）的情况，选择随机森林分类法作为最合适的分类方法。分类只使用了原产于斯洛伐克和其它国家样本两类。建立分类模型后，再次分析样本。分类模型用于记录光谱的赋值。分类器的输出如图2所示

结论：

在这份简短的报告中，我们展示了MCCGC-IMS在葡萄酒产地追溯中的潜力。尽管样本量小且分布不均（15个斯洛伐克、3个国外），但正确分配的分类正确率达到83%，100%。还必须注意的是，样品具有各种属性，如颜色（红色、白色、粉色）和甜度。具有相同属性的样本数量越多，分类模型的正确率就越高

*本文内容非商业广告，仅供专业人士参考!