我用一块 AD5933，尝试给白酒做“电学指纹”

有些差异，并不在味觉里，
而藏在电学响应中。

一、为什么会想到“白酒的电学指纹”？

在食品检测、酒类鉴别领域，主流方案往往是：

• 气相 / 液相色谱
• 近红外、拉曼光谱
• 化学试剂分析

这些方法的共同特点是：

• 设备昂贵
• 体积大
• 操作复杂
• 很难做成低成本、便携式工具

但另一方面，我们身边其实早已有一个成功案例：

体脂秤

体脂秤并不是“看见”脂肪，而是通过
不同频率下人体阻抗的变化特征，
反推出体脂、水分、肌肉比例。

这让我产生了一个很直接的想法：

液体（比如白酒），
是否也存在稳定、可区分的阻抗频谱特征？

如果答案是“是”，
那就意味着一种完全不同路线的品质检测可能性。

二、整体实现思路（非常朴素）

这次实验，我刻意没有走复杂路线，而是遵循三个原则：

• 器件尽量成熟
• 结构尽量简单
• 数据先真实可复现

1️⃣ 核心芯片：AD5933

我选用的是 AD5933 阻抗分析芯片，它的特点非常适合这个方向：

• 内置 DDS 正弦波发生器
• 可做频率扫描（Sweep）
• 输出复数结果（REAL / IMAG）
• 成本、体积都可控

配合 ESP32，通过 I2C 控制即可完成整套流程。

📷

2️⃣ 测量结构：两电极方案

测试端非常简单：

• 两根不锈钢电极
• 固定间距
• 插入液体中形成被测阻抗

没有复杂探头，没有放大阵列，
就是最直观的电学测量结构。

📷!

3️⃣ 扫频方式

当前实验参数如下：

• 起始频率：1 kHz
• 终止频率：50 kHz
• 步进：1 kHz
• 每个频点：多次采样取平均

每个频点输出以下数据：
频率(Hz), REAL, IMAG, 幅值MAG, 相位PHASE

重点不在“某一个点”，
而在整条频谱曲线的形态。

三、正式测液体之前，我先做了两件很关键的事

在任何“指纹型”方案里，有两件事比测样本本身更重要：

系统是否稳定？
测量是否可信？

✅ 1️⃣ 空气开路测试（电极悬空）

这是第一步。

目的很简单：

• 验证系统噪声
• 验证扫频过程是否稳定
• 观察是否存在随机漂移

结果非常“工程味”：

• REAL / IMAG 呈现固定离散值
• 多次扫频结果高度一致
• 不同频段呈现周期性规律

📌 这一步的意义是：

你现在看到的数值不是“乱跳”，
而是系统在一个稳定状态下的真实响应。

✅ 2️⃣ 标准 10kΩ 电阻测试

第二步，我在两电极之间接入 10kΩ 标准电阻。

目的只有一个：

确认系统真的在“测阻抗”

结果表现为：

• 幅值随频率变化符合预期
• 相位接近纯电阻特性
• 与空气开路数据明显不同

这一步非常重要，因为它直接说明：

前面的“固定值”不是程序写死的，
而是物理状态不同导致的真实测量结果。

四、真实液体测试：茶水 / 白酒

在完成基准验证后，我开始进行液体测试。

📷

这些数据该怎么理解？

• REAL / IMAG
  → 电阻 + 电容 + 极化行为的综合体现

• 幅值 MAG
  → 阻抗强度（但不是最终的“绝对值”）

• 相位 PHASE
  → 离子响应、介电特性的重要信息

关键点在于：

不是单个数值，而是频谱整体形状。

这正是我称之为“电学指纹”的原因。

五、这种方案能做什么？

目前我能看到的实际应用方向包括：

🍶 1️⃣ 白酒 / 酒精液体指纹对比

• 不同酒精度
• 不同基酒
• 批次、工艺差异

🫖 2️⃣ 食品液体品质变化

• 茶水浓度
• 食用油老化趋势
• 液体掺假风险

🧠 3️⃣ 算法结合空间

• 频谱特征向量
• 简单机器学习分类
• 不追求“化学解释”，而追求“可区分性”

六、现阶段的真实结论

到目前为止，我能确认的一点是：

AD5933 + 简单电极，
已经可以稳定地产生可重复的液体阻抗频谱数据。

接下来真正重要的工作将是：

• 去噪与归一化
• 温度与几何一致性
• 样本库积累
• 算法建模

七、写在最后

这不是一篇“成果展示”，
而是一段真实的工程探索记录。

如果你也在关注：

• 低成本检测方案
• 便携式仪器
• 非光学的识别路线

欢迎交流、讨论、甚至一起踩坑。