电子鼻对苹果货架期质量的评价

利用电子鼻分析了商业化采摘期采收的红星苹果采后的货架期质量变化情况。苹果采后在常温下放置40 d,期间利用电子鼻检测其质量的变化情况,通过主成分分析及货架期分析等方法,预测苹果的采后货架期。为了评价电子鼻的分析能力,将其预测结果与传统的理化检测方法(硬度、pH、可溶性固形物、淀粉指标)得到的结果进行了比较,结果证明了电子鼻预测苹果货架期的准确性。     

基于电子鼻判别富士苹果货架期的研究

利用电子鼻对不同货架期内的富士苹果挥发性成分进行检测。通过雷达图和负荷加载(Loadings)分析研究主要传感器响应值的变化,利用主成分分析(PCA)、线性判别分析(LDA)模式判别方法进行数据分析。结果表明,第7、8号传感器在苹果常温货架期判别中起主要作用,而第2、7号传感器在苹果贮后货架期的判别中起主要作用。PCA、LDA方法均可准确判别常温不同货架期的苹果;与PCA相比,LDA方法可以更准确对不同贮后货架寿命苹果进行判别,并呈现出良好的集中性和单向趋势。因此,电子鼻快速判别不同货架期的苹果具有可行性。     

电子鼻在冷却肉货架期预测模型中的应用

利用电子鼻分析了猪肉在不同贮藏温度与贮藏时间下的挥发性成分变化,利用主成分分析(PCA)与货架期(SL)分析的方法,预测猪肉的货架期.将电子鼻SL分析获得的依据猪肉气味变化判定的货架期与理化指标(挥发性盐基氮值)分析相结合,建立猪肉的货架期预测模型.实验结果表明,不同贮藏温度条件下猪肉的菌落总数值与TVBN值均随着贮藏时间的延长而呈现上升的趋势,且均符合一级化学动力学模型(R2>0.9).将电子鼻测定的数据经PCA分析后证明电子鼻能较好地区分贮藏于不同温度下的猪肉.基于电子鼻SL分析获得的猪肉气味变化与理化指标变化具有较好的对应关系,将上述两种货架期分析方法相结合并利用Arrheaius动力学模型求得EA和Q10值,从而得到贮藏在273～283、283～293K温度段下猪肉的货架期预测模型分别为SLd=68×2.833283-I/10(h)和SLg=32×2.471293-I/10(h).     

电子鼻对不同贮藏/货架期甜柿判别分析

利用电子鼻对不同贮藏/货架期内的甜柿挥发性成分进行判别分析。采用主成分分析(PCA)、线性判别分析(LDA)模式判别方法进行数据分析,通过负荷加载(Loadings)分析研究主要传感器响应值的变化。结果表明,LDA方法有效区分常温和贮后不同货架期的甜柿,对低温贮藏期间的甜柿区分效果稍差。传感器W2S(乙醇类)、W1W(萜烯类)在甜柿常温货架期和低温贮藏期判别中起主要作用,而传感器W2W(芳香成分和有机硫化物)、W1W(萜烯类)在甜柿贮后货架期的判别中起主要作用。     

基于电子鼻与电子舌建立牛奶货架期预测模型

以全脂鲜牛奶为研究对象,以产品感官品质得分、电子舌样品间的差别度欧氏距离（Euclidean distance,ED）和电子鼻气味距离为指标,分析产品在4、15、23 ℃和30 ℃的贮藏温度下的变化情况。运用零级反应动力学模型,结合Arrhenius方程,利用感官品质变化临界点计算电子舌差别度ED值随时间和电子鼻气味距离临界值,构建了电子舌以及电子鼻货架期的预测方程,预测全脂鲜牛奶货架期分别为16.2 d和15.7 d,预测误差分别为8.0%和4.7%。结果表明,采用电子鼻、电子舌技术,能够有效监测牛奶保质期加速实验过程中的品质变化,并为牛奶货架期的判定提供新思路。     

基于电子鼻对水蜜桃货架期评价的研究

利用PEN3 电子鼻系统对早熟“久保”水蜜桃采后7d 货架期内的芳香成分进行检测分析,先通过电子鼻系统动态采集水蜜桃芳香成分并得到了电子鼻的响应值,再利用PCA(主成分分析)、LAD(线性判别)模式识别方法进行数据分析。结果表明LDA 方法能够更好地区分第1 天、第2～4 天和第5～7 天货架期的水蜜桃,进行交叉确认分析后,对第1 天、第2～4 天和第5～7 天的水蜜桃货架期区分准确率达91%,同时采用负荷加载(Loading )分析方法可以得知,传感器W1S(甲烷)、W2S(乙醇)、W2W(硫化氢类)对水蜜桃货架期的评价起主要作用,这为进一步优化传感器以及探索方便快捷的水蜜桃无损检测技术提供了依据。     

电子鼻结合GC-MS检测玫瑰香葡萄贮后货架期内挥发性物质的变化

应用电子鼻、顶空固相微萃取/气相色谱质谱联用(HS-SPME/GC-MS)两种技术,检测玫瑰香葡萄贮后货架期内挥发性物质的变化,从香气成分的角度评价葡萄货架期品质。玫瑰香葡萄0℃冷藏20 d后出库,设置18℃~20℃、8℃~10℃两种货架温度,模拟常温销售和超市货柜销售,测定5 d货架期内的理化、感官、营养指标,结合电子鼻、GC-MS分析。电子鼻检测结果表明,应用主成分分析、线性判别分析方法可以对不同货架时间的样品进行有效区分。GC-MS峰面积归一法分析结果表明,玫瑰香葡萄挥发性物质组成及其相对含量在货架期内发生变化,主要特征香气成分(E)-2-己烯醛、香叶醇、香茅醇、橙花醇等含量下降,乙醇、正己醇、乙酸等含量增加,峰面积总和下降,其变化规律与理化指标及电子鼻分析结果大致一致。因此,电子鼻结合GC-MS方法对玫瑰香葡萄货架期香气品质的判别具有可行性。     

添加不同防腐剂奶酪酱在贮藏期内品质变化规律及货架期预测

为更加有效地贮存奶酪酱产品，对其适宜添加的防腐剂（聚赖氨酸盐酸盐、蒸馏白醋、山梨酸钾、抑菌香精）进行筛选，将奶酪酱于不同温度（4 ℃、25 ℃和35 ℃）分别放置0、4周、10周进行加速破坏性试验（ASLT），研究其质构、菌落总数、感官品质变化规律，并对产品的货架期进行预测。结果表明，添加抑菌香精奶酪酱在贮存过程中细菌菌落总数最少（2.0×105 CFU/g），硬度、黏着性、弹性、黏聚性、回复性及咀嚼性等质构指标变化最小，感官评分最高，更有利于保持贮存期间奶酪酱的品质。添加0.5%抑菌香精，奶酪酱于4 ℃温度贮存，预测保质期能达到49周。该实验建立了一种预测奶酪酱货架期的方法，可为奶酪酱产品最佳贮存方式提供一定参考。     

基于电子鼻的冷藏大菱鲆品质变化研究

利用电子鼻技术检测不同贮藏温度下大菱鲆样品的挥发性气体变化情况,对所得数据进行主成分分析(PCA)、载荷分析(LA)和聚类分析(CA),并结合细菌菌落总数和挥发性盐基氮(TVB-N)含量变化进行分析,建立一种基于电子鼻的冷藏大菱鲆新鲜度判别方法。结果表明:电子鼻主成分分析、载荷分析和聚类分析能很好地区分大菱鲆0℃与4℃贮藏过程中的挥发性气味变化,气味发生变化的时间拐点分别是贮藏20 d和16 d;电子鼻分析结果与细菌菌落总数和TVB-N值变化预测的货架期终点基本一致。因此电子鼻技术可以用来判别大菱鲆冷藏过程中的新鲜度变化。     

气质联用与电子鼻对不同包装货架期线椒检测分析

运用HS-SPME-GC-MS和电子鼻2种技术,对10℃贮藏15 d后进行常温货架期间线椒的挥发性物质进行检测分析,并讨论3种不同包装(无包装、16μm PE、20μm PE)、不同货架期对挥发性成分的影响。结果表明:线椒的挥发性物质主要是由酯类、醛类和醇类物质组成,无包装组(A组)果实醇类和酯类物质相对含量最高,其次是16μm PE膜包装组(B组),20μm PE膜包装组(C组)最小,C组醛类物质相对含量最大;A、B、C组的醛类物质随着货架期的延长而降低,酯类挥发性物质则随着货架期的延长而增加,C组的保鲜效果最好;电子鼻分析结果显示,货架期1 d B、C组区分效果不理想;随着贮后货架时间的延长,不同包装组间的差异越明显,电子鼻区分效果也越好。电子鼻可以对不同货架期、不同包装厚度的线椒较好的判别区分,线椒挥发性成分受包装膜厚度以及时间长短的影响很大,LDA方法优于PCA方法。因此,电子鼻对线椒整体气味特征进行判别具有可行性。     

Shelf life of Crescenza cheese as measured by electronic nose

The shelf life of Crescenza, a traditional Italian soft cheese, was measured using classical analysis and a commercial electronic nose. Two lots of samples directly supplied by a manufacturer at the beginning of their commercial life were stored at 2 constant temperatures (8 and 15°C) and analyzed until their respective expiration dates. Among the physicochemical parameters, pH, acidity, hue, and apparent yield rheological index appeared to be the best predictors of the quality decay. Changes in these indices were described with a sigmoidal transition function allowing definition of a loose and a severe shelf-life protocol, based on the trend of first and second time derivatives. A time range of 1 to 3 d at 15°C and 4 to 8 d at 8°C was accordingly assessed to maintain the freshness of Crescenza cheese. The quality decay of cheese aroma was evaluated by inspecting the headspace fingerprint of the same set of samples using the electronic nose. Sample classification through the aroma fingerprint confirmed the predicted shelf-life time ranges. A clear discrimination between “fresh,” “aged,” and “very aged” samples was obtained using principal components analysis, cluster analysis, and linear discriminant analysis statistical techniques. The predictive ability of the linear discriminant analysis classification model was confirmed by considering a new set of cheese samples purchased at the beginning of their commercial life from a local market and analyzed until their expiration date.     

电子鼻在干酪风味检测中的应用

以不同种类、不同成熟阶段干酪产生的特征风味化合物为依据,综述电子鼻在识别干酪种类、测定干酪成熟期、评价干酪质量以及检测干酪发酵剂等方面的应用,并总结电子鼻的特点以及在干酪中的应用前景。     

Characterisation of commercial Cheddar cheese flavour. 1: traditional and electronic nose approach to quality assessment and market classification

Commercial Cheddar cheese was manufactured using summer milk with two types of starter culture during a day in May and during a day in September 1999. Traditional approaches to quality assessment and market classification of Cheddar cheese were studied and potential application of electronic nose metal oxide semiconductor (MOS) gas sensor technology in these areas was investigated. A cheese-grader-classified cheese from each manufacturing period into two similar classes based on market specification of sensory character. The relationship between grader classification and cheese composition was investigated using principal component analysis and partial least squares-discriminant analysis. Grader classification of cheese manufactured in May was correlated with fat in dry matter, moisture and pH. Despite similar classification of cheeses manufactured in September, a corresponding relationship between grader assessment and composition was not obtained. The electronic nose classified cheese manufactured in May in a manner similar to the cheese-grader over a 6-month maturation period. The ability of the electronic nose to reproducibly discriminate classes of cheese manufactured in September, demonstrated potential application of MOS gas sensor technology in Cheddar cheese production.     

电子鼻在水果品质评价体系中应用的研究进展

人工智能技术电子鼻具有客观、准确、快捷、全面地评价气味并且具有不破坏样品和重复性好的特点,可运用于对水果品质评价体系中。本文介绍了电子鼻技术工作原理和常用的模式识别技术,并综述了电子鼻在水果成熟度监控、货架期预测、区分不同品种以及危害分析中的应用,剖析总结了电子鼻技术存在的问题,并提出了电子鼻技术的发展趋势和方向。     

Reduction in sodium content of fresh,semihard Tzfat cheese using salt replacer mixtures: taste,texture and shelf life evaluation

Tzfat cheese is a semihard, fresh cheese commonly produced in Israel, with an average sodium content of 1000 mg/100 g cheese. Reduction in sodium levels by 30% and 50% (w/w) with and without salt replacer mixtures was assessed in terms of cheese physicochemical, microbiological and sensory properties. Cheese, containing 30% KCl and 70% NaCl had the closest taste profile to the control cheese, according to electronic tongue analysis. All cheeses underwent a similar increase in extent of proteolysis and microbial growth during shelf life. This study demonstrates the possibility of reducing the sodium content in fresh, semihard cheeses like Tzfat cheese by more than 30% using salt replacer mixtures, without significantly affecting quality.     

基于Arrhenius模型预测无乳糖超高温乳的货架期

采用电子眼、电子鼻、电子舌等感官评价技术,结合货架期加速实验(ASLT)的阿伦尼乌斯公式(Arrhenius)模型,建立无乳糖超高温灭菌乳(UHT乳)的货架期预测模型。将无乳糖UHT乳分别贮存于37、27、4℃下,以色泽、气味、滋味为主要指标,在不同的贮存温度下,综合分析无乳糖UHT乳品质与贮存时间之间的变化,并应用Arrhenius公式建立货架期模型。结果表明:37、27℃下贮存的无乳糖UHT乳色泽的发生显著性变化(P<0.05)的时间为24、33 d;苦味发生显著性变化(P<0.05)的时间为24、27 d;而贮存60 d气味无显著性变化(P>0.05)。4℃下贮存60 d的无乳糖UHT乳色泽、气味、滋味均无显著性差异(P>0.05)。以苦味为指标,利用Arrhenius公式拟合的货架期模型为:t=0.109×e-5.1882。选取37、27℃验证模型准确性,与实际货架期之间的误差分别为9.5%、12.5%,误差较小。用此公式计算4℃下无乳糖UHT乳货架期为71 d。因此,以感官指标为依据建立货架期预测模型可预测无乳糖UHT乳的货架期。