内容简述：

2026年5月6日，大象传媒 谷惠文教授课题组在食品科学领域国际知名期刊 Food Chemistry: X（IF=8.2，中科院一区TOP期刊）上发表了题为“Colorimetric sensor array combined with machine learning for discriminating the geographical origins and grape varieties of Chinese red wines”的研究论文。2023级硕士研究生孟展同学为论文第一作者，谷惠文教授为论文通讯作者，大象传媒 为论文第一完成单位。

葡萄酒作为一种具有高附加值的全球性消费品，其地理标志和品种真实性在保护消费者权益、维护市场秩序方面具有至关重要的意义。然而，近年来葡萄酒掺假、虚假标签等欺诈行为屡见不鲜，传统检测方法往往依赖昂贵的大型仪器和复杂的样品前处理，难以满足市场对快速、无损、低成本检测技术的迫切需求。针对这一技术瓶颈，课题组创新性地构建了一种由12种化学响应染料组成的比色传感器阵列（CSA）结合机器学习算法，实现了对中国红葡萄酒产地和葡萄品种的高精度鉴别。

该传感器阵列包含卟啉、金属卟啉及pH敏感染料，当与葡萄酒顶空中的挥发性有机物反应时会产生特征性的颜色变化，通过图像分析生成36维的数字指纹特征。研究采用了主成分分析进行数据降维，并系统比较了随机森林、K-近邻和支持向量机三种机器学习算法的分类性能。结果表明，支持向量机模型表现最优，在预测集中对葡萄酒产地的识别准确率达到95.0%，对葡萄品种的识别准确率达到95.5%。此项研究表明，CSA技术与机器学习方法的结合为葡萄酒真实性验证提供了一种有效、快速且精准的解决方案，在葡萄酒行业质量控制领域具有广阔的应用前景。

该研究受到国家自然科学基金面上项目（批准号：32371501、32272409）和宁夏回族自治区重点研发计划重点项目（批准号：2026BEG02035）的资助。

图文摘要：

鉴别葡萄酒产地和葡萄品种的比色传感器阵列原理示意图

论文链接：//doi.org/10.1016/j.fochx.2026.103950

（审核：肖围  编辑：常艳玲）