苹果酒品质检测中电子鼻和电子舌检测参数的优化

以不同产地相同品种的苹果（陕西长富二号、甘肃长富二号、山东长富二号）为原料酿造苹果酒，采用电子鼻和电子舌技术对3种不同苹果酒的挥发性气味和滋味成分进行检测和分析。从样品稀释倍数、顶空进样体积、顶空生成时间和载气流速4个实验参数研究检测条件对电子鼻传感器响应信号的影响，选取传感器信号峰值和稳定值，通过单因素方差分析和主成分分析（PCA），获得电子鼻的最佳检测参数为：样品稀释30倍、顶空进样体积5 mL、顶空生成时间5.0 min、载气流速300 mL/min。从样品稀释倍数研究检测条件对电子舌传感器响应信号的影响，通过主成分分析，获得电子舌的最佳检测参数为样品稀释30倍。应用优化后的参数采用电子鼻和电子舌对3种不同苹果酒的检测，区分效果较好，能够从挥发性气味、滋味等实现苹果酒的检测和鉴别。     

电子舌分析和感官评价在游离氨基酸对中华绒螯蟹整体滋味贡献评价中的研究

通过对中华绒螯蟹中游离氨基酸的检测分析、氨基酸的滋味活度值的计算、9种游离氨基酸不同浓度下的滋味和感知强度的感官分析,结果表明,蟹肉中TAV1的游离氨基酸类型有Arg、Ala、Gly、Met、Glu、Pro、His和Val对蟹肉整体滋味有贡献,其中Arg和Pro在低浓度下呈现甜味,在高浓度下呈现苦味,Ala和His可接受的阈值倍数范围较广,Glu和Pro可接受的阈值倍数范围较窄。对蟹肉游离氨基酸的模拟液进行去除实验和逐一添加实验的电子舌检测结果显示,Ala、Gly和Met是影响蟹肉滋味的重要氨基酸类型。     

电子舌对鸡精的味觉分析

为了验证电子舌对不同品牌鸡精的区分能力,考察不同品牌鸡精的味觉差别,文章采用TS-5000Z型味觉分析系统,将7种品牌的鸡精进行稀释后检测.经过丰富的图形展示,对其传感器响应信号进行了主成分分析(PCA)及评价分析,结果表明:样品鲜味指标在14.9～15.8之间,丰富性指标在5.2～6.1之间,差距均在一个单位以内.结论:该电子舌检测7种品牌鸡精的鲜味几乎相同,不能进行有效区分.这与不同品牌鸡精的鲜味物质主要是谷氨酸钠的实际情况相符.     

黄酒口味感官品评指标与智舌定量预测方法研究

智舌能够以类似人的味觉感受方式检测味觉物质。本试验使用智舌对不同厂家生产的黄酒的口感进行评价,研究了智舌检测数据和感官分析数据的相关性,并对5种感官指标建立了相对应的模型,用未知样的预测结果评判了所建立模型的准确度。研究表明,智舌在甜度、酸度和醇和度的感官指标上和人的品评结果类似,实验数据可为电子舌在黄酒的感官分析评价中的进一步应用提供参考依据。     

电子舌对食醋品质鉴定及区分的研究

醋是我国传统的调味品,醋中的风味是反映其质量的重要部分。为区分不同等级及不同品牌的食醋,测试了市售的同一品牌不同等级的保宁醋,及不同品牌的白醋、老陈醋和香醋对电子舌传感器的响应信号,并采用主成成分分析法(PCA)对响应信号进行分析。结果表明,电子舌传感器能明显的区别出同一品牌不同档次的保宁醋及不同类别的食醋。     

基于多频脉冲电子舌的茶饮料区分辨识

多频脉冲电子舌是一种采用多频率大幅脉冲作为激发扫描信号,用几种不同的非修饰金属电极组成传感器阵列,检测被测物质的整体响应信号,辅以主成分分析数学方法的新型电子舌系统.实验中采用铂电极、金电极、钯电极、钛电极、钨电极作为传感器阵列,在1、10、100Hz三个频率段下进行检测,数据采用主成分分析的方法对六种不同的茶饮料进行区分辨识.结果显示,钛10Hz钨10Hz组合电极能够对六种茶饮料有较好的区分辨识效果.可见,多频脉冲电子舌在饮料的区分、辨别真伪方面有很大的潜力.     

电子舌技术在食醋口感评价中的应用

对5个不同地区的17种代表性食醋用电子舌专一型传感器进行了检测分析,同时参照国标检测了该批食醋的3种理化指标(总酸值、氨基态氮值、食盐含量)。将所得电子舌分析结果进行了主成分分析(PCA)及聚类分析(CA)。结果表明,电子舌在不同程度上能对17种食醋进行区分,香醋、陈醋、米醋滋味较接近,而与红曲醋滋味差异较大;并利用Excel对酸味传感器、咸味传感器和鲜味传感器检测所得信号值进行宏计算,得出酸味、咸味、鲜味3种滋味的强度分值,然后与理化指标数值相比对,结果表明总酸值与酸感强度完全符合,食盐含量与咸感有一定相关,氨基态氮值与鲜感呈现非相关。     

杨木APMP废液及转化液对白菜种子萌发和幼苗生长的影响

以不同稀释倍数的杨木APMP废液和转化液(经枯草芽孢杆菌SY-1菌株发酵后的废液)分别对白菜种子进行浸种处理,通过种子发芽实验和生长实验.研究原废液和转化液对白菜种子活力、幼苗早期发育、幼苗中叶绿素含量和保护酶活性的影响.结果表明,在适宜的稀释倍数下,原液和转化液可改善白菜种子发芽和幼苗生长:在相同的稀释倍数下,转化液的促进作用要明显优于原液组.综合比较,当转化液稀释25倍浓度时,较适合白菜种子的发芽和生长发育.     

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。     

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。     

电子舌对酿造食醋与配制食醋的区分辨识

研究应用电子舌技术,对台州地区生产和销售的酿造食醋与配制食醋进行了检测.研究表明,电子舌检测结果进行主成分分析后,其主成分1和主成分2的得分图上,酿造食醋和配制食醋的落点在各自的区域范围内而互不干扰,说明电子舌对台州生产和销售的酿造食醋、配制食醋有很好的区分效果.     

现代高新技术在食醋生产中的应用研究

随着高新技术的不断发展以及其在食品行业的广泛应用,高新技术在醋制品生产中的应用也占据重要位置。本文主要介绍了现代高新技术在醋制品生产中的应用,包括生物技术、微胶囊技术、超滤技术、微波技术、红外技术等。在介绍其原理和在食醋酿造工艺中应用的同时,也提出如何更好的利用高新技术,提高我国醋制品行业发展速率,适应当今市场对于醋产业的要求。     

基于化学分析和智能感官方法对不同产地川醋特征风味物质的比较分析

研究通过化学分子分析和智能感官等方法对四川不同产地晒醋品质进行比较分析。采用氨基酸自动分析仪、高效液相色谱（HPLC）、固相微萃取气相色谱与质谱联用（SPME-GC-MS）等化学分析方法对样品氨基酸、有机酸、挥发性有机物（VOCs）的种类和含量进行测定分析。通过感官评价,利用电子鼻、电子舌等智能感官结合主成分分析（PCA）和聚类分析（CA）进行表征。结果表明,四种川醋pH3.08～3.29,总酸度16.40%～18.07%,色泽中a*和b*有显著差异（P<0.05）;共检出17种氨基酸,其中,丙氨酸和谷氨酸含量最高;测定乙酸、酒石酸等9种有机酸,总含量在22.44～70.06 mg/mL,其中,乙酸和乳酸占总有机酸的50%以上,自贡醋样品的有机酸含量最高（70.06 mg/mL）;共检出150多种挥发性有机化合物,其中,酸类（21.56%～44.34%）含量最丰富,眉山醋样中酯类和苯二氮类化合物等种类和相对含量较高;电子鼻、电子舌PCA的前两个主成分之和超过累计方差的98%,电子鼻CA分析显示自贡和眉山醋样差异较大,可能与其感官评价中的涩味及挥发性有机物中酮类、杂环类等的数量有关,电子舌CA分析显示自贡与眉山和南充醋样差异较大,则可能是由pH、总氨基酸、必需氨基酸、有机酸和总酸的差异引起的。通过化学分析、感官分析、智能感官评价结合化学计量法,可以用来表征样品因原料、工艺、配方等因素引起差异的相关性。本研究为建立可靠的中国食醋风味表征提供实用参考,为食醋质量和真实性评价提供了有效依据。     

基于专利文献的食醋专利可视化分析

食醋是世界范围内广泛使用的酸味调味品之一。随着对食醋研究的深入,食醋行业的科技创新也在不断加强。该文章基于专利文献,以数据思维为导向,借助“智慧芽”分析平台对当前世界范围内食醋领域非失效专利进行了可视化分析。宏观上,对食醋领域专利类型、专利申请趋势和专利技术生命周期进行了分析,比较展示了专利申请人及区域分布;微观上,通过专利被引分析,分别识别了发明和实用新型专利中的重点专利。结合国际专利分类及专利关键词词云和3D专利地图分析,判别了食醋领域发明和实用新型专利的技术主题。研究首次从专利可视化角度对食醋领域专利进行剖析,以期反映食醋行业科技创新的现状和进展、热点和趋势,并为食醋领域相关研究提供参考。     

酶制剂在食醋生产中的应用技术

我国食醋生产工艺多样，食醋品种齐全，酶制剂在食醋生产中应用还处于应用开发阶段。主要论述了酶制剂在食醋生产的原料处理、糖化、酒精发酵和醋酸后熟发酵中应用技术和控制措施，酶制剂在食醋生产中应用将得到大力的发展。     

果醋研究开发与工业进展

本文综述了果醋的营养价值和研究开发的意义及果醋开发的工业现状，重点论述了果醋研究开发的技术路线、生产过程中的卫生质量控制和新技术新工艺的应用，并展望了果醋研究开发前景。     

基于Illumina PE300高通量测序的海南糟粕醋微生物多样性分析

摘 要：本研究采用Illumina PE300高通量测序技术对海南糟粕醋中细菌和真菌群落进行多样性分析,扩增糟粕醋中细菌的16S rDNA和真菌的ITS序列。细菌测序获得306,600条序列,130,745,424 bp,505 OTU,可归属为23 Phylum、51 Class、115 Order、191 Family、312 Genus、432 Species;真菌多样性测序获得612,015条序列,132,784,567 bp,27 OTU,可归属为3 Phylum、7 Class、12 Order、18 Family、24 Genus、25 Species。研究表明,糟粕醋在自然条件下存储时主要细菌属为：乳酸菌属（Lactobacillus,占20%）、棒杆菌属（Corynebacteriums,占46%）、乳酪短杆菌属（Brevibacterium,占51%）、芽孢杆菌属（Bacillus,占51%）、葡萄球菌属（Staphylococcus,占58%）;主要真菌属为：哈萨克斯坦酵母（Kazachstania,占23%）、伊萨酵母属（Issatchenkia,占29%）。未经灭菌的糟粕醋可能存在的风险菌为：炭疽杆菌（Bacillus anthracis）、伯克霍尔德菌（Burkholderia cepacia）、布鲁氏菌（Brucella）、肉毒杆菌（Clostridium botulinum）。在糟粕醋中细菌的组成更为复杂,但真菌对糟粕醋品质的影响较大,本研究获得糟粕醋在自然放置条件下微生物菌群的变化,为快速检测糟粕醋中风险微生物奠定理论基础。     

基于电子舌检测快速判别不同物种畜禽骨蛋白肽

目的：为深入了解畜禽骨蛋白肽的滋味特征及其差异,探究电子舌快速判别鉴定不同物种畜禽骨蛋白肽的可行性。方法：取牦牛骨蛋白肽（yak bone peptides,YBPs）、黄牛骨蛋白肽（bovine bone peptides,BBPs）、猪骨蛋白肽（pig bone peptides,PBPs）、鸡骨蛋白肽（chicken bone peptides,CBPs）各4 份,共16 份畜禽骨蛋白肽样本,首先分析畜禽骨蛋白肽的基本营养组分及氨基酸组成,明确滋味特征差异的物质基础,其次利用电子舌检测结合多元统计分析对种间畜禽骨蛋白肽的滋味特征数据进行定量判别分析。结果：4 种畜禽骨蛋白肽的基本组分及氨基酸组成存在差异。主成分分析（principal component analysis,PCA）和判别因子分析（discriminant factor analysis,DFA）可有效区分畜禽骨蛋白肽的种间差异,且DFA的判别效果明显优于PCA;偏最小二乘判别分析、正交偏最小二乘判别分析及Fisher判别模型对畜禽骨蛋白肽种间滋味特征的判别能力良好,Fisher模型判别正确率为68.8%。结论：鲜味、甜味和苦味为4 种畜禽骨蛋白肽主要的差异滋味特征,电子舌滋味检测结合多元统计分析能够为畜禽骨蛋白肽判别提供一种快速、可靠的技术手段。     

基于电子舌和电子鼻结合DenseNet-ELM的陈醋年限检测

目的：实现陈醋酿造年限的快速检测。方法：采用电子舌(ET)和电子鼻(EN)结合密集卷积网络—极限学习机(DenseNet-ELM)模型对陈醋酿造年限进行快速检测,设计两种不同结构的密集卷积神经网络模型ET-DenseNet和EN-DenseNet,分别提取电子舌和电子鼻信号的特征信息,进而采用特征级信息融合方法,获得两种人工感官设备的融合特征向量,然后采用极限学习机(ELM)对融合的特征向量进行分类识别。结果：DenseNet能够有效提取到电子舌和电子鼻信号中深层特征,其特征提取能力优于离散小波变换(DWT)和卷积神经网络(CNN);相比于单独使用电子舌或者电子鼻,信息融合方法对不同年限陈醋检测的准确性和鲁棒性更优,其测试集准确率、查准率、召回率、F1-Score分别达到99.1%,0.98,0.99和0.99。结论：采用密集卷积网络缓解了深度学习模型由于深度增加导致的模型退化、泛化能力弱等问题,可对7种不同酿造年限的陈醋进行有效分类。