基于电子鼻技术的信阳毛尖茶品质评价

为了对感官评价实验进行验证和补充,采用电子鼻检测方法对不同等级的信阳毛尖茶作品质检测.建立了两个品牌信阳毛尖茶各五个质量等级的电子鼻主成分分析法(PCA)图谱和偏最小二乘法(PLS)模型.PCA图谱表明,各样品之间得到了良好区分,同时通过盲样的验证发现实验结果与感官评审结果一致,说明所建立的PLS模型能够有效地预测茶样的品质等级.     

韭菜茶工艺技术的研发

为丰富茶叶市场,探究非传统材料制茶的可能,该研究以新鲜韭菜为材料,设置60、80、100、120、140℃不同的提香温度,制得韭菜茶,并利用感官审评方法和电子鼻技术进行品质分析和香气评价,为韭菜茶品质的分级提供理论上的依据。研究表明:在提香温度为120℃时制得的韭菜茶感官审评时的品质最优,评分为92.95;PCA分析传感可以将冻干韭菜(CK)和不同提香温度的韭菜茶香气较好地区分开来,且区分度达到了99.97%;LDA较PCA更能明显的区分不同提香温度的韭菜茶样,可以明确的分析出不同提香温度的韭菜茶中存在的挥发物组分有着很大程度上的区别,贡献度为98.53%;Loadings分析可以判别出氮氧化合物在韭菜茶香气第一主成分中的贡献率最大,硫化物在韭菜茶香气第二主成分中的贡献率最大。通过不同提香温度韭菜茶的感官评审和电子鼻PCA、LDA、Loadings分析得出韭菜茶提香温度120℃时品质最佳。     

电子鼻对不同加工处理工夫红茶香气聚类的 方法评价

目的以电子鼻技术对不同加工工艺的工夫红茶进行香气归类并对各评价方法优劣进行探讨。方法以碧香早为原材料,对工夫红茶传统加工工艺进行研制改进,将萎凋叶进行紫外光照射、做青实验处理,发酵叶添加外源茶汁发酵,对所获得的各实验处理冷冻样及成品茶进行电子鼻分析。结果电子鼻6种传感器中,P40/1、T70/2、PA/2、P30/1等4种传感器对茶叶香气测定的贡献率较大;判别因子分析(DFA)比主成分分析(PCA)更能有效的区分不同工夫红茶样品。结论选用电子鼻不同传感器及相应的统计分析方法,可以对工夫红茶加工不同阶段的香气进行归类,并加以区分。     

基于电子鼻分析夏橙汁在贮藏过程中香气的变化

目的:研究了夏橙汁在不同贮藏温度和不同贮藏时间情况下橙汁的香气的变化情况.方法:电子鼻采集到夏橙汁的香气成分,并得到电子鼻传感器的响应值.利用PCA与DFA分析方法鉴别出夏橙汁在贮藏过程中香气的变化,以及在不同贮藏温度香气变化.结果:DFA的区分效果优于PCA的区分效果;在-18℃与4℃的低温贮藏条件下,橙汁的香气变化幅度较小,25℃贮藏的条件下香气成分的损失较多,并且三种贮藏温度下,第一、二周香气的响应值变化显著,第三、四周香气的响应值变化小,响应值接近.     

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.     

电子鼻技术在兼香型白酒年份区分中的应用研究

采用电子鼻技术分析不同年份兼香型白酒中的香气物质，通过特征响应分析、主成分分析（PCA）、线性判别分析法（LDA）和方差分析法（ANOVA），优化出了可以区分识别年份酒的操作条件，分别为酒精度14%vol、加热温度40 ℃、加热时间30 min。结果表明，10个传感器中贡献最大的三个是W5S、W1S和W2S，LDA的区分识别效果要优于PCA。在优化后的实验条件下，对兼香型各年份酒进行电子鼻检测分析，其结果表明LDA对原始数据信息的保留量达到了96.78%；逐步线性判别分析得出储存期为12年内的酒样能获得100%的准确率，超过12年的储存年份也能获得较高的准确率，因此电子鼻技术对兼香型各年份酒具有良好的区分效果。     

电子鼻对不同年份赤霞珠葡萄酒香气的检测分析

以不同年份赤霞珠葡萄酒为研究对象,探索了电子鼻在葡萄酒香气中的应用可能性,并对电子鼻测定所获得的传感器响应值进行主成分分析(PCA)、分类判别分析(LDA)和雷达图分析。结果表明:不同年份的赤霞珠葡萄酒的电子鼻香气指纹图谱基本相同,以2,6,7和8号感应器响应值为主,只在响应值上有差异。PCA和LDA分析不同年份葡萄酒的累积贡献率分别高达95.21%和99%,说明可以有效区分各组样品。     

基于电子鼻和气相色谱-离子迁移谱法分析不同等级俄色绿茶香气物质差异

目的 研究不同等级俄色绿茶香气成分的组成及差异。方法 采用电子鼻和气相色谱-离子迁移谱法(gas chromatography-ion mobility spectrometry, GC-IMS)对极品(LCJP)、特级(LCTJ)、一级(LCYJ)俄色绿茶的香气物质进行检测, 并利用主成分分析(principal component analysis, PCA)法及正交偏最小二乘法判别分析(orthogonal partial least squares discriminant analysis, OPLS-DA)模型评价识别3种不同等级俄色绿茶间的香气差异。结果 电子鼻和GC-IMS分析结果均表明3种等级茶叶香气特征有显著差别, 其中LCYJ与LCTJ风格相似, 而LCJP风格独特。GC-IMS在3种茶样中共检测出39种挥发性成分, 主要为酯类、醛类、酮类、醇类物质; OPLS-DA模型筛选得到25个变量重要性投影值(variable importance in the projection, VIP)大于1的特征物质, 乙醇、月桂烯在LCJP样本中含量最低, 是引起LCJP茶汤香气清淡风味的主要原因之一。结论 利用电子鼻结合GC-IMS可实现俄色绿茶不同质量等级的有效甄别, 对俄色绿茶的质量化评估具有重要意义, 同时该研究可为后续俄色茶资源的开发利用提供一定理论依据     

金华火腿风味物质吹扫捕集影响因素分析及关键参数确定

对吹扫捕集自动进样装置用于肉品风味物质提取进行探索。以金华火腿风味物质为研究对象,应用Plackett-Burman设计筛选吹扫捕集显著影响因素(P0.05),针对显著影响因素再进行单因素和正交试验,最终确定吹扫捕集用于金华火腿风味物质提取的关键参数。结果表明,脱附时间对风味物质分离效果有较大影响,预热温度、吹扫时间和样品质量对响应值具有显著影响(P0.05);关键参数为脱附时间0.50 min、预热温度70℃或75℃、吹扫时间11 min,样品质量5.5 g。进而与气相色谱-质谱联用测定金华火腿风味物质,分析得到48种成分,分别属于烷烃、醛类、酮类、醇类、酯类、单萜烯类和其他化合物。     

基于电子鼻气味指纹图谱快速鉴别茶籽油

以不同产地、不同类型、不同工艺和不同质量的茶籽油为研究对象，通过电子鼻技术获取茶籽油的风味信息，结合Loading负载分析、主成分分析（?principal component analysis，PCA）、线性判别分析（linear discriminant analysis，LDA）等对电子鼻传感器数据进行解读。通过欧氏距离（?euclidean distance，ED）、马氏距离（?markov distance，MD）和判别函数法(discriminant function method，DFA)对未知样品进行鉴别，以期建立不同茶籽油的快速、准确鉴别方法。结果表明：加工工艺极大地影响了茶籽油的气味差异，电子鼻响应值雷达图及Loading负载分析均表明W1S、W1W、W2S、W2W传感器对茶籽油样品具有较好的响应值，通过ED、MD、DFA可以识别不同类型和不同质量的茶籽油。基于PCA的LDA可以有效的鉴别不同类型的茶籽油，模型准确性高，其确定性大于99%。电子鼻技术结合化学计量学可以快速、有效鉴别不同的茶籽油并为茶籽油掺伪的快速鉴别提供了借鉴。     

电子感官在玉兰花茶品质分析中的应用

通过电子鼻和电子舌检测了玉兰花茶及原料绿茶、白兰花酊剂调配玉兰花茶的品质,并采用主成分分析(PCA)、判别因子分析(DFA)和统计质量控制分析法(SQC)进行了数据分析。结果显示,不同茶水比冲泡出来的玉兰花茶和绿茶风味变化较大且差异明显,采用白兰花酊剂开发玉兰花茶与传统工艺加工的玉兰花茶在电子感官数据上差异较大。将电子鼻和电子舌分析结合能够有效进行玉兰花茶品质分析,利用该技术可以改进玉兰花茶加工工艺。     

Quality identification and evaluation of Pu‐erh teas of different grade levels and various ages through sensory evaluation and instrumental analysis

To develop an objective, effective, flexible and cost‐saving method to assess Pu‐erh tea quality, Pu‐erh tea samples of different grade levels and various ages were analysed using sensory evaluation and various instrumental techniques, including chemical analysis and electronic tongue (ET). Results showed that taste profile analysis as a sensory evaluation method can meticulously describe and distinguish different Pu‐erh tea samples. Chemical analysis combined with hierarchical cluster analysis can cluster Pu‐erh ripened and raw tea both in compressed and scattered forms. However, no obvious variation tendency was observed in the chemical composition parameters of Pu‐erh tea of different grade levels or various ages. ET combined with principal components analysis (PCA) is effective in classifying Pu‐erh tea samples of different grade levels and various ages. ET followed by linear discriminant analysis (LDA) performs well in identifying Pu‐erh tea samples of various ages by establishing a discriminant model.     

不同香型凤凰单丛茶叶香气判别与品质特征的研究

为探究不同香型凤凰单丛茶叶主要生化成分及其香气特性的差异,本文采用电子鼻香气检测技术、茶叶生化成分测定和感官审评对广东潮州地区所产8种香型、17个凤凰单丛茶样进行比较研究。结果表明：8种香型凤凰单丛茶汤法与叶底法的响应值明显高于干茶法,并且硫化物及萜烯类对香气贡献率最高,分别达188.24及178.79。不同香型茶叶香气判别中茶汤法的主成分分析（Principal Component Analysis,PCA）判别结果相比干茶法、叶底法更加准确、有效,而线性判别分析（Linear Discriminant Analysis,LDA）对茶样香气类型的区分效果优于PCA,传感器区别贡献率分析法（Loading）分析结果则表明：氮氧化合物类、硫化物及萜烯类、醇类及醛酮类、有机硫化物类、甲基类对茶样香气的贡献率较高;17个茶样的水浸出物、茶多酚、游离氨基酸和咖啡碱含量在36.54%～49.46%、9.13%～14.87%、1.32%～2.44%和0.75%～4.45%之间,茶黄素、茶红素和茶褐素含量在0.04%～0.09%、1.02%～2.58%和0.99%～2.28%之间;茶样感官审评中杏仁...     

电子鼻/舌融合技术的信阳毛尖茶品质检测

为实现茶叶品质和化学成分快速鉴别和预测,采用电子鼻与电子舌联用技术对信阳毛尖茶茶叶挥发性气味和茶汤滋味成分进行检测分析。对电子鼻与电子舌联用的响应值进行主成分分析,结果显示电子鼻与电子舌数据融合可提高对茶叶样品区分度。通过电子鼻与电子舌响应的融合数据,对茶叶样品中茶多酚、咖啡碱含量建立预测模型。结果表明,多元线性回归、多元线性逐步回归、二次多项式逐步回归模型中回归系数效果显著(P0.01),其中二次多项式逐步回归模型效果最佳,茶多酚建模集和验证集的决定系数分别为0.999、0.975,均方根误差分别为0.083、0.174;咖啡碱建模集和验证集的决定系数分别为0.985、0.978,均方根误差分别为0.015、0.048。电子鼻/舌联用可对茶叶品质和理化成分进行很好地分析和预测。     

Quality grade identification of green tea using E-nose by CA and ANN

In this paper, the electronic nose (E-nose) is employed for the rapid identification of quality grades of green tea. Back-propagation neural network (BPNN) and probabilistic neural network (PNN) are two artificial neural networks (ANN) that are used widely. Then BPNN, PNN and cluster analysis (CA) are applied to identify the different tea samples. The first three principal components obtained by principal component analysis (PCA) are extracted as the inputs to the BPNN and PNN. Results of CA show that the classification of the different tea samples is possible using the response signals of the E-nose. Better experimental results are obtained using BP neural network. For the two neural networks BPNN and PNN, the classification success rates are 100% and 98.7% for the training set, respectively and these are, respectively, 88% and 85.3% for the testing sets. The overall results show that the two neural networks can be employed for identification of the different five tea samples.     

电子鼻技术在不同厂家特种茉莉花茶香气判别中的应用研究

目的探讨i Nose型电子鼻在区分和判别特种茉莉花茶香气的可行性和效果。方法以福州特种茉莉花茶为对象,以i Nose型电子鼻传感器的响应值为指标,对不同厂家、不同外形的特种茉莉花茶进行判别分析。结果主成分分析结果显示,两个厂家的成品茉莉花茶能够被有效区分;同一厂家不同外形成品茶间香气风格相近,故区分不明显;窨制过程样与成品茶的香气品质存在差异,故被有效地区分。电子鼻响应值能够实现对同一外形不同厂家间、不同窨次间的区分,但区分效果因外形而异。Fisher判别分析显示,本文建立的判别函数,其回代验证正判率达到100.0%,交叉验证正判率为86.1%。结论电子鼻技术可用于特种茉莉花茶香气品质的区分和识别,可为茉莉花茶窨制工艺、产品质量控制模型的建立提供理论依据。     

利用电子鼻区分羊奶中不同浓度抗生素

采用电子鼻方法,利用主成分分析(PCA)和线性判别分析(LDA)进行数据采集,对添加硫酸土霉素、盐酸链霉素、硫酸庆大霉素的羊奶进行快速检测与识别.结果表明,PCA只能区分盐酸链霉素样品,LDA的区分效果明显优于PCA.电子鼻能够有效的区分添加以上3种不同浓度抗生素的羊奶.     

基于仿生嗅觉特征的黄酒产地判别研究

采用GC-Flash型电子鼻结合化学计量学方法对不同产地的黄酒进行区分判别。以主成分分析和判别因子分析法建立了产地判别模型。分析结果表明,在主成分分析判别模型中,绍兴原产地（地理标志）、非原产地（非地理标志）与绍兴以外地区的黄酒样品分别占据着不同位置;绍兴原产地和非原产地各自有较大的相对集中分布区间,存在一定的边缘交集,但是他们与绍兴以外地区的黄酒样品分界明显。判别因子法所建产地判别模型中,绍兴原产地、绍兴非原产地和绍兴以外地区的黄酒样品得到正确判别。研究表明,电子鼻结合化学计量学方法可较好地用于黄酒产地的判别。