基于电子舌技术的酱油分析识别研究

本文以酱油为研究对象,探究电子舌技术在酱油中的应用。采用主成分分析(PCA)、判别因子分析(DFA)及BP神经网络(BPNN)识别不同品牌酱油。采用偏最小二乘法(PLS)建立氨基酸态氮、总酸、总糖、盐、苦味氨基酸、鲜味氨基酸等呈味成分与电子舌输出值的定量模型以实现预测呈味成分含量的目的。试验表明电子舌识别酱油的最优条件为:选择稀释倍数30倍,选择酸、苦、鲜、咸、甜、饱满感6个滋味指标,饱满感测前清洗时间6s。结果表明电子舌可区分不同品牌的酱油,PCA,DFA的前2个主成分贡献率分别达83.8%,98.1%,判别函数正判率达99.3%,神经网络分析的预判能力最强,判别率达100%。通过PLS建模发现电子舌响应信号能够较好地预测不同酱油的呈味组分。     

复合腌制剂对低盐腌渍黄瓜品质的影响

采用复合腌制剂对黄瓜进行低盐腌渍。通过单因素和正交试验,研究醋酸、甘露糖醇和乳酸钙添加量对低盐腌渍黄瓜的影响,以感官评分为评价指标,优化复合腌制剂腌渍工艺。结果表明,低盐腌渍黄瓜的复合腌制剂最佳组成为醋酸添加量0.1%、甘露糖醇添加量1.5%、乳酸钙添加量0.06%,在此优化条件下,复合腌制剂腌渍黄瓜的感官评分为94分。质构分析结果表明,复合腌制剂腌渍的黄瓜脆度优于低盐腌渍。     

基于计算机图像处理技术与红外特征光谱融合的兔肉熟食识别方法

利用计算机图像处理技术与近红外光谱融合测量和预测、识别了兔肉熟食中猪肉的掺假比例。采用PLS和BP-ANN对红外光谱数据进行处理,并建立了预测模型。结果表明,红外光谱PLS模型和BP-ANN模型均具有较好的预测能力和精确度,尤其是BP-ANN模型。PLS模型和BP-ANN模型中的预测相对误差分别低于8%和6%。综上,基于计算机图像处理技术与红外特征光谱融合的兔肉熟食识别方法具有可行性。     

应用电子舌技术测定绍兴黄酒风味成分

采用自主开发的智舌系统对绍兴黄酒的5项重要理化指标——酒精度、非糖固形物、总糖、总酸和氨基酸态氮进行分析,收集统计数据后利用PLS方法建立模型对未知样品进行预测并与国标检验方法得到的结果进行比较.结果表明,智舌对总酸含量以及一定范围内的酒精度含量预测结果较为准确,而对于非糖固形物、总糖和氨基酸态氮未能实现准确预测.     

基于电子舌技术对信阳毛尖茶品质的评价

采用电子舌技术对磨盘山和狮河口两种信阳毛尖茶(各五个等级)进行了检测.采用主成分分析法(PCA)并结合区别指数考察了电子舌对两种毛尖茶的等级区分效果,建立了茶叶等级识别的偏最小二乘(PLS)判别模型.各四个等级的磨盘山茶样与狮河口茶样在PCA得分图上得到了良好区分,区别指数分别为78.94和84.22;对两种茶进行等级判定的PLS模型相关系数均大于0.9,且模型对“盲样”的判别结果与其实际的品质等级一致,说明所建立的PLS判别模型能够有效地预测茶样的品质等级.     

电子舌技术对香醋发酵过程的监控研究

采用电子舌对香醋发酵过程中总酸、不挥发酸、还原糖、氨幕酸态氮进行定量分析.对比了偏最小二乘法(PLS)和人工神经网络(ANN)的不同算法,结果显示基于非线性映射的人工神经网络算法具有较好的定量精度,预测值和实测值的相关系数分别为0.8439、0.9382、0.8322和0.8558.预测标准偏差(RMSEP)分别为0.8240、0.0963、0.1482和0.5557.研究表明:电子舌能对香醋发酵产物进行定量预测,并对食醋发酵过程的监控有良好的应用前景.     

接种发酵和自然发酵对黄瓜品质的影响

以加工型黄瓜为主要原料进行自然发酵和接种发酵,试验结果表明,接种发酵和自然发酵的还原糖消耗总体呈现递减趋势,但接种发酵过程中前30 d,还原糖含量呈现上升趋势,发酵至120 d时,还原糖含量分别降至2.5 g/100 g、3.0 g/100 g;总酸测定试验结果表明,接种发酵黄瓜样品中产酸速度明显高于自然发酵黄瓜样品,当发酵至90 d时,自然发酵样品中总酸含量为4.14 g/kg,接种发酵样品中总酸含量为5.75 g/kg。采用固相微萃取结合气相色谱-质谱联用技术采集并分析发酵黄瓜中挥发性成分,共检出52种挥发性成分,其中接种发酵与自然发酵共有的挥发性成分30种,与自然发酵相比,接种发酵黄瓜样品中新增挥发性成分共15种。     

不同发酵方式对酸豆角品质和风味的影响

为了提高酸豆角的品质,本研究以新鲜豆角为原料,采用自然湿法发酵和纯种湿法发酵腌制酸豆角。通过对不同方法腌制过程中pH、总酸、氨基酸态氮、还原糖和总糖及亚硝酸盐含量进行测定,并对发酵后酸豆角进行质构分析,探究自然湿法发酵和纯种（植物乳杆菌接种量为0.04 g/kg）湿法发酵对酸豆角品质的影响;结合感官评分和气相色谱-质谱联用（GC-MS）对发酵后酸豆角的风味成分进行解析。结果表明:发酵过程中,纯种湿法发酵酸豆角中pH、总酸、氨基酸态氮和亚硝酸盐含量均低于自然湿法发酵;还原糖和总糖含量的消耗速率高于自然湿法发酵。发酵后,纯种湿法发酵酸豆角的硬度、脆度及感官评分均优于自然湿法发酵。两种方式腌制的酸豆角中挥发性风味物质较为相近,且酯类、酸类和醇类物质含量较高。与自然湿法发酵相比,纯种湿法发酵酸豆角缩短了发酵周期,降低了亚硝酸含量且最低含量为0.035 mg/kg,保持了与自然发酵酸豆角相近的风味,该研究为酸豆角的品质优化和风味成分解析提供一定参考价值。     

基于电子舌的鳓鱼固态发酵过程理化指标预测模型

为实现对鳓鱼固态发酵过程的监测,用常规分析方法和电子舌技术分别测定了鳓鱼发酵过程中水分、p H、总酸、氨基态氮(ANN)、挥发性盐基氮(TVB-N)和味觉指纹的变化;基于电子舌数据,采用主成分分析(PCA)和判别分析(DA)对不同发酵时间的鳓鱼样品进行识别;采用偏最小二乘回归分析(PLSR)建立电子舌数据与相关理化指标之间的预测模型,并对模型进行评价。结果表明:发酵过程中鳓鱼理化指标和滋味特征均有显著变化;主成分分析提取的3个主成分的累积贡献率可达94.49%,判别分析的判别符合率为100%,不同发酵时间的鳓鱼能被有效识别;基于电子舌响应信号建立的5种理化指标预测模型中,水分和ANN模型的相对分析误差(RPD)均为1.80,可用于定性分析。TVB-N模型的RPD为2.47,具有一定定量检测分析能力。p H和总酸的PLSR预测模型的RPD大于5,定量效果良好,稳定性优良,预测精度高。因此,利用电子舌结合相关化学计量方法对鳓鱼固态发酵过程进行识别和监控可行。     

不同腌制方式对泡甘蓝品质的影响

以新鲜甘蓝为原料,采用自然干法腌制、自然湿法腌制、纯种干法腌制、纯种湿法腌制4种方式制作泡甘蓝,腌制过程中测定泡甘蓝的总糖、还原糖、总酸、pH值、氨基酸态氮、亚硝酸盐、乳酸菌数和大肠菌群数的含量变化,分析腌制方式对泡甘蓝的品质影响。结果表明:纯种湿法腌制可提高泡甘蓝发酵速度,缩短腌制时间,对最终产品总糖含量、还原糖含量、大肠菌群数和p H值无明显影响,产品氨基酸态氮较其它方式稍有降低,产品乳酸菌数较其它方式稍有增高,纯种湿法腌制可使泡甘蓝的亚硝盐含量含量从高峰值快速降到稳定值0.36 mg/100g,纯种湿法感官评分值最高为90.98。综合各项指标,纯种湿法腌制泡甘蓝具有明显的优势。     

Study on classification of soy sauce by electronic tongue technique combined with artificial neural network

Electronic tongue as an analytical tool coupled with pattern recognition was attempted to classify 4 different brands and 2 categories (produced by different processes) of Chinese soy sauce. An electronic tongue system was used for data acquisition of the samples. Some effective variables were extracted from electronic tongue data by principal component analysis (PCA). Backpropagation artificial neural network (BP-ANN) was applied to build identification models. PCA score plots show an obvious cluster trend of different brands and different categories of soy sauce in the 2-dimensional space. The optimal BP-ANN model for different brands was achieved when principal components (PCs) were 2, and the identification rate of the discrimination model was 100% in both the calibration set and the prediction set, and the optimal BP-ANN model for different categories had the same result. This work demonstrates that electronic tongue technology combined with a suitable pattern recognition method can be successfully used in the classification of different brands and categories of soy sauce.     

鲫鱼新鲜度近红外定量预测模型的建立

为实现鲫鱼新鲜度的快速测定,本文基于近红外漫反射光谱定量分析技术和化学计量学方法,采集了144个鲫鱼鱼肉样品在1000~1799 nm范围内的光谱数据,测定了鲫鱼样品的p H、TVB-N含量、TBA含量和K值四种新鲜度指标;在确定近红外光谱数据最佳预处理方法和适宜波段的基础上,分别采用偏最小二乘法、主成分分析和BP人工神经网络技术、偏最小二乘法和BP人工神经网络技术建立了鲫鱼新鲜度定量预测模型。结果表明,鲫鱼样品四种指标数据范围均较大,可满足建模要求。以p H为鲜度指标时,采用偏最小二乘法和BP人工神经网络技术建立的模型最好,其定标相关系数为0.9945;以TVB-N、TBA和K值为鲜度指标时,采用偏最小二乘法建立的模型最好,其定标相关系数分别为0.9857、0.9985和0.9952。建立的四种鲜度指标定量模型均具有较好的预测能力。     

植物乳杆菌和肠膜明串珠菌混合发酵泡萝卜的工艺优化

利用植物乳杆菌(Lactobacillus plantarum,LP)和肠膜明串珠菌(Leuconostoc mesenteroides,LM)混合发酵改善泡萝卜品质。以发酵过程中泡萝卜的亚硝酸盐含量、pH、总酸含量、总糖含量、质构特性和感官评分为评价指标,研究菌种配比、接种量、食盐种类和添加量、氯化钙及蔗糖添加量对泡渍萝卜品质的影响,并利用电子舌进行滋味对比分析。通过响应面试验,确定泡渍萝卜的最佳工艺为:植物乳杆菌和肠膜明串珠菌配比为1.6:1,接种量5.7%、低钠盐添加量4.5%、氯化钙添加量0.3%、蔗糖添加量2%。在此条件下发酵6 d,与自然发酵组相比,接种萝卜的总酸含量、脆度及感官评分显著增加,分别为0.59 g/100 g、108.8 N和38.9分,且亚硝酸盐含量低,为0.41 mg/kg。电子舌测定结果表明,混合发酵可有效降低泡萝卜的苦味回味,增强酸味、甜味和鲜味。综上,本研究表明混合发酵有利于提升泡渍萝卜的质地、风味和安全性。     

基于电子鼻和电子舌的白酒检测

研究利用电子鼻和电子舌技术快速检测白酒品质。以不同品牌、不同香型和不同比例掺假白酒为检测对象,采用主成分分析、线性判别分析和偏最小二乘法对电子鼻整体气味响应图谱和电子舌在1、10、100和1000Hz四个不同频段脉冲激发下的金、银、钨、钛四个工作电极组成的传感电极阵列响应信号进行分析。结果显示:电子舌对不同品牌和不同香型白酒的区分能力要优于电子鼻,且LDA的识别效果较PCA更好;利用偏最小二乘法建立的定量预测模型,在主成分数取5时,电子舌所建模型最优。用独立样品检验模型精度,模型预测值和参考值的相关系数为0.881。研究结果可为白酒生产和销售过程中的质量监控提供支持。     

基于近红外光谱技术与BP-ANN算法的豆粕品质快速检测

应用近红外漫反射光谱技术结合误差反向传递人工神经网络(BP-ANN)算法,建立豆粕品质(包括水分、粗蛋白、残油)的定量分析模型。将豆粕漫反射吸收光谱数据进行SNV、DT、SG求导、SG平滑和均值中心化处理,然后采用偏最小二乘方法(PLS)降维获取主成分,并优化选择合适的隐含层节点数、隐含层和输出层转化函数,建立校正模型,并用验证样品对校正模型进行验证。结果显示,BP-ANN法建立的水分、粗蛋白和残油的预测相关系数(R)分别为0.981、0.988、0.982,预测标准偏差(SEP)分别为0.120、0.216、0.036,均优于PLS建模方法结果,且满足传统分析方法的重复性要求,表明BP-ANN方法可用于生产过程豆粕品质的快速监控。     

不同预处理方法对烟草近红外光谱预测模型的影响

采用基线校正、去卷枳、一阶微分、二阶微分、主成分回归(PCR)和偏最小二乘(PLS)法对198个烟叶样品的近红外光谱和总糖、还原糖、总烟碱含量数据进行了处理,建立了相应的总糖、还原糖和总烟碱校正模型,并将这些模型的回归参数作了比较。结果表明:①二阶微分处理光谱建立的模型的相关系数比基线校正、去卷枳、一阶微分预处理法建立的模型的高,而其相对偏差比基线校正、去卷枳、一阶微分法的低;②PLS算法建立的定量分析模型比PCR算法的好。     

Discrimination of Cocoa Beans According to Geographical Origin by Electronic Tongue and Multivariate Algorithms

Electronic tongue as an advanced and novel emerging technology has been successfully utilized for the rapid identification of cocoa beans according to their geographical locations. Seven categories of cocoa beans from Ghana were used in this experiment. Electronic tongue system was used for data acquisition while three pattern recognition methods were applied comparatively to build discrimination model. The performances of the models were cross-validated to ensure its stability. Experimental results revealed that Fisher’s discriminant analysis (FDA) is better than principal component analysis (PCA) for visualizing the cluster trends. K-nearest neighbor (KNN) model was slightly better than FDA model at an optimal performance of 100 % in the training set and 98.8 % in prediction set. Overall, support vector machine (SVM) was superior to both FDA and KNN with 100 % discrimination rate in both the training and prediction set at five PCs. This finding proves that electronic tongue technology coupled with SVM technique can rapidly, accurately, and reliably discriminate cocoa beans for quality assurance management.     

电子舌对鸡汤和人工勾兑高汤及其混合样品的识别

运用电子舌对鸡汤与人工勾兑高汤及其混合样品进行识别,对所获得的数据进行主成分分析、判别因子分析和偏最小二乘回归分析。结果表明:电子舌能够有效识别鸡汤与各种人工勾兑的汤,以及其混合样品;对不同混合比例的鸡汤建立了偏最小二乘回归分析预测模型,电子舌响应信号和鸡汤混合比例之间有很好的相关性(相关系数为0.958 71),偏最小二乘回归分析模型预测误差在15%以内。证明电子舌可用于鸡汤与人工勾兑汤的识别。     

电子舌对橙汁感官品质定量评价研究

尝试采用电子舌技术对橙汁感官品质进行快速定量评价。试验以3类20种品牌橙汁为研究对象,以人工感官评价结合模糊数学评价橙汁感官品质,获得各个感官指标得分值;同时采集样本的电子舌传感器数据。利用因子分析法确定橙汁各感官指标的权重,根据权重得出橙汁感官品质的总得分。然后对比采用偏最小二乘法和BP神经网络建立电子舌传感器响应值与感官品质总得分值之间的定量预测模型。结果显示,因子分析法可以有效分析不同类型橙汁的感官指标,得到色泽、香气、酸度、甜度、苦涩味、体态的权重分别为0.15、0.06、0.20、0.24、0.15、0.20。当采用主成分数为3,建立的BP神经网络模型效果最优。模型预测集中预测值与参考值的相关系数为0.93;预测集均方根误差为0.20。研究结果可为橙汁感官品质的智能化评价提供参考。