基于高光谱成像技术的金华火腿无损分级检测研究

目的 建立金华火腿的质量等级评判模型。 方法 采用高光谱成像仪检测不同质量等级的金华火腿样本, 结合数据分析软件对得到的图像信息作主成分分析(PCA)和偏最小二乘(PLS)分析。 结果 用PCA处理, 第一主成分(PC1)和第二主成分(PC2)的贡献率分别为86%和11%, 总贡献率为97%。PLS建立的判别模型中, 训练集和验证集的总体识别吻合率分别为96.19%和89.52%。 结论 将高光谱成像技术与一定的模式识别方法相结合建立评判模型, 是一种可行的金华火腿质量等级检验新技术。     

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.     

基于电子鼻和气质联用技术分析鱼油挥发性成分

鱼油的酸败往往伴随着气味的变化,本研究利用电子鼻结合顶空固相微萃取-气质联用技术对乙酯型鱼油的挥发性成分进行分析,旨在探究鱼油挥发性物质与其品质的关系。运用电子鼻主成分分析(PCA)和线性判别分析(LDA)区分不同储藏时间的样品,通过偏最小二乘法(PLS)建立酸价和过氧化值的预测模型,通过HS-SPME-GC-MS分析鉴定储藏鱼油挥发性物质。结果表明LDA分析方法对不同储藏时间的乙酯型鱼油样品区分程度明显优于PCA分析,电子鼻分析能够反映鱼油氧化酸败程度,可以识别区分不同储藏时间的鱼油样品;采用PLS偏最小二乘法(PLS)建立的酸价和过氧化值预测模拟方程具有良好线性关系,可作为酸价、过氧化值预测的一种辅助手段;通过HS-SPME-GC-MS检测出57种挥发性物质,多以醛类和酯类为主,其中2,4-庚二烯醛的含量最高,可作为鱼油产品质量优劣的指标。     

电子鼻在金华火腿香精识别中的应用

文章提出了一种用电子鼻鉴别香精相似程度的新方法.利用电子鼻采集金华火腿原料与调配的金华火腿香精的香气成分,并得到电子鼻传感器的响应值,再利用主成分分析法(PCA)、单类成分判别分析法(SMICA)等多元统计方法进行数据分析.结果得出,经加香调配的金华火腿香精的风味轮廓与金华火腿原始风味有一定差别,表明电子鼻可以成功的应用于样品的香气鉴别.     

基于电子鼻与统计学方法的海鲈鱼新鲜度品质预测

通过电子鼻系统采集贮藏在0 ℃下海鲈鱼的气体指纹信息,并测定挥发性盐基氮(TVB-N)、菌落总数和假单胞菌。分析不同贮藏期海鲈鱼电子鼻传感器响应值的变化,采用主成分分析(PCA)、线性判别分析(LDA)进行数据分析,采用偏最小二乘法(PLS)建立TVB-N、菌落总数和假单胞菌的预测模型。结果表明:随着海鲈鱼贮藏时间的延长,电子鼻的响应值数值在海鲈鱼贮藏过程中增加。采用PCA、LDA方法可较好区分不同贮藏时间海鲈鱼的腐败程度。通过偏最小二乘法(PLS)建立TVB-N、菌落总数和假单胞菌的快速预测模型,其决定系数(R2)分别为0.9737、0.8778、0.5943,而假单胞菌预测模型的R2较低,模型拟合度不高,故不适合用PLS建立假单胞菌预测模型。利用电子鼻结合化学计量学方法对海鲈鱼新鲜度品质进行快速检测是可行的。     

基于正交线性判别分析和电子鼻技术的食醋分类

为了实现食醋品种的准确分类,探索应用电子鼻技术和两种特征提取方法进行食醋的检测和分类。先用自制电子鼻系统检测5个品种食醋的电子鼻信号,接着用标准正态变量变换进行数据预处理,然后分别用主成分分析(principal component analysis,PCA)+线性判别分析(linear discriminant analysis,LDA)和正交线性判别分析(orthogonal linear discriminant analysis,OLDA)对食醋电子鼻信号进行降维与特征提取,最后用最近邻分类器进行分类。实验表明,PCA+LDA的分类准确率最高达到90. 32%,而OLDA的分类准确率最高达到91. 52%。另外,PCA+LDA需要2次特征提取而OLDA只要1次。因此,OLDA在特征提取方面要优于PCA+LDA,基于OLDA和电子鼻技术的食醋品种分类方法是切实可行的。     

基于智能感官与人工感官评价的中国三大干腌火腿风味特性分析

以我国三大干腌火腿金华火腿、宣威火腿和如皋火腿三个不同年份或等级的火腿为研究对象,分别采用人工感官评价和电子鼻、电子舌智能感官技术分别对香气与滋味进行研究。人工感官评价结果显示,肉香味、腌制味和油脂香是三大火腿的特征香气,如皋和金华火腿中2年/优级和3年陈/特级的干腌火腿较于1级/1年陈具有更加浓郁的肉香,而1年陈/1级火腿的酸味更为明显。电子鼻和电子舌数据的主成分分析(Principal component analysis,PCA)结果表明,不同干腌火腿样品均能实现良好区分。1年陈/1级与2年/优级、3年陈/特级干腌火腿气味轮廓相差较远,金华火腿与宣威2、3年陈的火腿香气和滋味轮廓均比较接近。采用软独立建模分类法(Soft independent modeling class analogy,SIMCA)构建了干腌火腿的判别模型,以三个产地最优干腌火腿为标准样品的等级鉴别模型能够实现对其他年份干腌火腿的有效判别。说明不同年份的火腿风味变化呈现一定规律,可利用智能感官技术对火腿进行快速有效的等级鉴别。     

电子鼻对芝麻油掺假的检测

使用电子鼻系统PEN3 对芝麻油中掺入大豆油、玉米油、葵花籽油进行检测分析,分别对芝麻油中不同量的掺假进行辨别,用主成分分析(PCA)和线性判别式分析(LDA)两种方法分析。结果表明：电子鼻能够较好的识别芝麻油掺假不同比例的大豆油、玉米油和葵花籽油,而且LDA 方法比PCA 方法的效果好。PCA 方法对掺入大豆油、玉米油超过50% 和葵花籽油超过70% 的芝麻油能明显区分,而LDA 方法对芝麻油中掺入不同量的大豆油、玉米油和葵花籽油均能明显区分。     

基于电子鼻分析鱼油储藏过程中酸败程度的研究

鱼油的酸败往往伴随着气味的变化,利用电子鼻对储藏过程中金枪鱼油的挥发性气味进行研究,每5 d测定1次,运用主成分分析(PCA)、线性判别分析(LDA)区分不同储藏时间的鱼油样品,并通过偏最小二乘法(PLS)建立酸价、过氧化值的预测模型。结果表明:随着储藏时间的延长,金枪鱼油整体气味呈增加趋势,这种气味变化趋势与酸价、过氧化值的变化趋势基本一致;不同储藏时间的金枪鱼油样品可以区分开来,LDA分析方法明显优于PCA分析方法;利用PLS偏最小二乘法(PLS)预测金枪鱼油酸价和过氧化值,得到线性模拟方程,验证试验表明,酸价、过氧化值预测值与实测值的平均相对偏差分别为10.60%、12.04%,准确性较好,可作为酸价、过氧化值预测的辅助手段。     

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.     

Discrimination of storage shelf-life for mandarin by electronic nose technique

Over the past years, electronic nose technology opened the possibility to exploit information on aroma attribute to assess fruit ripening stage during storage. The objective in this study was to evaluate the capacity of electronic nose in monitoring the change in volatile production of mandarin during different storage treatments, and storage shelf-life of mandarin was evaluated by measuring the change in volatile production of mandarin using electronic nose device (PEN 2). By comparing, storage shelf-life of mandarin was better distinguished using Linear Discriminant Analysis (LDA) than Principal Component Analysis (PCA). PCA and LDA analysis were efficient to classify mandarin with the same storage time in its respective groups; but the methods are not efficient to separate the mandarins by different storage times. The correlation between the measured and predicted values of fruit quality attribute (such as soluble solid content, acidity and compression force) shows poor to reasonable prediction performance by means of electronic nose signals. The results prove that sensors 2, 7 and 9 in the electronic nose PEN 2 for mandarin have a higher influence in the current pattern file. Hence, nearly a subset of few sensors can be chosen to explain all the variance. This result could be used in further studies to optimize the number of sensors and find better performance.     

食醋陈化期电子鼻的监测研究

利用德国PEN3电子鼻系统快速检测四种食醋陈化期。通过电子鼻采集食醋挥发性成分的响应值,利用主成分分析(PCA)、线性判别分析(LDA)、Fisher线性判别分析(FDA)和多层感知器神经网络(MLPNN)分析进行模式识别,结果表明:LDA分析效果优于PCA分析;并且随着陈化时间的延长,食醋的气味成分变化有增快的趋势,这种气味的变化规律与酸度的变化规律相符。用Fisher线性判别和多层感知器神经网络建立食醋陈化时间的预测模型,发现Fisher线性判别对凤翔醋、陇县醋、金台醋和渭滨醋陈化期的正确检测率分别为100%、100%、98%和100%;多层感知器神经网络对凤翔醋、陇县醋、金台醋和渭滨醋陈化期的正确检测率分别为100%、100%、96.92%和100%。由于正确检测率的高低得出电子鼻结合Fisher线性判别对食醋陈化期的监测结果优于多层感知器神经网络。     

谷物霉菌挥发性物质的电子鼻与GC-MS检测研究

为建立粮食受霉菌污染的快速检测方法,本研究利用电子鼻与气相色谱质谱联用(GC-MS)技术对6种谷物中常见霉菌在不同生长阶段(1、2、5、13 d)的特征挥发性气味物质进行了检测分析。GC-MS结果显示不同霉菌的挥发性物质成分存在差异,且在生长后期差异更加显著。基于电子鼻信号的主成分分析(PCA)法能够有效区分生长中后期(5、13 d)不同菌属的霉菌样品。线性判别分析(LDA)和偏最小二乘判别分析(PLS-DA)模型对黄曲霉类、寄生曲霉类和青霉类样品的整体判别正确率分别达到100%和97.4%。结果表明,运用电子鼻与GC-MS技术对粮食霉菌污染情况进行快速鉴定具有一定可行性。     

Classification of impact injury of apples using electronic nose coupled with multivariate statistical analyses

An electronic nose equipped with a headspace sampling unit was evaluated as a non‐destructive method for determining damage degree. Fuji apples were dropped from different heights (0.2–0.8 m) onto a cement floor inflict damages. E‐nose data was evaluated by Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA) to distinguish apples based on damage severity. LDA performed better than PCA for classifying the apples. Stepwise Discriminant Analysis (SDA), Radial Basis Function Neural Network (RBFN), Multilayer Perceptron Neural Networks (MLPN), and Back‐Propagation Neural Network (BPNN) models were employed for pattern recognition. With SDA dataset, the correct classification rate (CCR) was 97.5% for training and 93.8% testing; MLPN resulted in 100%, and RFBN performed better only with more severe damages. The BPNN model had excellent correlation with classification values for damaged apples (R² > 0.98). Therefore, E‐nose technology with ANN and multivariate statistics is an effective way for classifying damaged apples.     

3个品牌干腌火腿皮下脂肪挥发性风味比较分析

为确定并分析各种挥发性风味活性物质对干腌火腿皮下脂肪整体风味的贡献,取金华金字火腿、宣威浦记火腿和长寿如皋火腿3 个不同年份的皮下脂肪,利用电子鼻技术和固相微萃取-气相色谱-质谱联用技术对挥发性物质进行分析。结果表明,电子鼻技术可以实现对皮下脂肪的香味轮廓进行快速区分,气相色谱-质谱联用技术共检测出皮下脂肪中的62 种挥发性风味物质,然后经相对气味活度值分析得到15 种有较大贡献的活性物质,分别为3-甲基丁醛、己醛、庚醛、辛醛、(E)-2-庚烯醛、壬醛、(Z)-2-辛烯醛、2-壬烯醛、6-壬烯醛、(Z,Z)-2,4-癸二烯醛、1-辛烯-3-酮、1-辛烯-3-醇、2-甲基丁酸乙酯、2-正戊基呋喃和2-乙基呋喃;主成分分析表明,这15 种活性物质可以实现对皮下脂肪挥发性风味的区分。