电子鼻和电子舌技术在五倍子蜂蜜风味识别中的应用

为实现不同产地五倍子蜂蜜的快速识别,采用德国AIRSENSE公司的PEN3型电子鼻系统和日本INSENT公司的味觉分析系统对贵州12个不同地区五倍子蜂蜜进行检测,通过主成分分析（Principal Component Analysis,PCA）、线性判别分析（Linear Discriminant Analysis,LDA）、传感器区分贡献率（Loadings）分析等,从气味和滋味方面对不同产地五倍子蜂蜜进行识别。不同产地的五倍子蜂蜜在电子鼻PCA分析、LDA分析中第一和第二主成分贡献率之和分别为99.90%、87.05%,Loadings分析发现气味差异主要来自于无机硫化物类、氮氧化物类、有机硫化物类、醇醚醛酮类等;在电子舌PCA分析中第一和第二主成分贡献率之和为99.35%,通过雷达图离散程度可知,不同地区五倍子蜂蜜在酸味、甜味、苦味上的差异较大。电子鼻和电子舌技术均能区分不同产地的五倍子蜂蜜,可用于今后蜂蜜的鉴别分析中。     

基于电子鼻气味信息区分4个品种红景天

采用电子鼻技术测定4个品种红景天的挥发性气味信息，结合负荷加载分析(LA)、主成分分析(PCA)、线性判别分析(LDA)、Fisher判别、多层感知器(MLP)神经网络对其进行品种区分。结果表明：W1W(硫化物)、W2W(芳香成分、有机硫化物)、W5S(氮氧化合物)传感器对红景天顶空气体信号较为敏感，是区分不同品种红景天的主要传感器；PCA分析主成分1贡献率为46.925%,主成分2贡献率为36.133%,总贡献率为83.058%,可有效区分出大花红景天，但其他3个品种之间不能有效区分；LDA分析主成分1贡献率为94.6%,主成分2贡献率为5.2%,总贡献率为99.8%,可将4个品种完全区分；Fisher判别对红景天品种判别率为100%,交叉检验判别率为97.5%,错判率为2.5%;多层感知器神经网络对红景天品种判别率为98.48%。     

电子鼻分析技术在白酒品质检定中的应用研究

通过应用德国AIRSENSE公司生产的电子鼻系统PEN3对4个不同质量等级的清香型大曲酒进行挥发物特征响应分析、PCA分析、LDA分析、LOADING分析,其中PCA主成分析区分贡献率可达99.986%,LDA分析第一、第二主成分总的区分贡献率达96.872%,可以较显著的区分酒样,其中10个传感器中贡献最大的两个是W5S与W1W。     

基于电子鼻技术监测羊奶发酵前后不同阶段风味的变化

本文利用电子鼻PEN3分析了羊奶发酵前后不同阶段的风味变化。结果表明,新鲜羊奶经过发酵后,特征挥发性成分在电子鼻传感器上的响应由原来的传感器6(甲烷)为主转变成以传感器7(充化氢)、传感器9(有机芳香硫化物)和传感器2(氮氧化合物)为主的挥发性物质,改变了羊奶的气味。采用PCA及LDA分析发现:PCA分析法能准确区分羊奶发酵前后的不同阶段,LDA体现出了发酵前后的不同阶段挥发性成分明显的变化趋势,且变化趋势与理论分析相符。     

电子鼻对不同产地名优绿茶和红茶香气特征的判别研究

采用电子鼻AIRSENSE PEN 3测定不同产地、加工工艺及生产时间的13个名优绿茶和6个红茶的香气组分,利用主成分分析法(PCA)和线性判别分析法(LDA)对香气主成分进行分类判别。电子鼻10个传感器对绿茶和红茶香气组分均有较好的响应,结合PCA分析,从红茶中提取出氮氧化合物、甲烷类、硫化物和有机硫化物4类香气主成分,绿茶还包括醇类和醛酮类,有5类香气主成分;PCA和LDA对绿茶和红茶香气判别率有明显差别,绿茶干茶和茶汤的PCA判别率分别为96.86%和94.71%,高于红茶的87.29%和89.63%,而红茶干茶和茶汤的LDA判别率为92.92%和94.92%,高于绿茶的70.95%和73.75%;绿茶和红茶香气判别分类效果LDA优于PCA,两者基本将茶叶香气按产地、茶树品种、加工工艺、等级及贮存时间区分开。电子鼻应用于茶叶香气检测和判别要与茶叶感官审评、影响茶叶香气因素及其他茶叶香气检测方法相结合,才能更好地对茶叶香气的整体特征进行科学评价与合理鉴别。     

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。     

藜麦茶研发及香气电子鼻分析

该研究以藜麦为原料,分别在150、180、210℃下用龙井锅炒制25 min,得到3种不同香型的藜麦茶,进而对其进行感官审评和香气电子鼻分析。感官审评表明：180℃炒制的藜麦茶品质最佳,藜麦香浓厚。电子鼻分析表明：在主成分分析（principal component analysis,PCA）中,第一主成分PC1的贡献率为87.81%,第二主成分PC2的贡献率是11.42%,总贡献率为99.22%,在线性判别分析（linear discriminant analysis,LDA）中,第一主成分PC1的贡献率为78.94%,第二主成分PC2的贡献率为15.36%,总贡献率为99.83%,两者均可以将原料和3种用不同温度炒制的藜麦茶区分开来;传感器区分贡献率分析（Loadings）分析可以看出,传感器7、9、6、1即硫化合物、硫的有机化合物、芳烃化合物以及烷类,对区分不同炒制温度的藜麦茶贡献较大,这几类成分可能是影响不同炒制温度的藜麦茶茶香气差异的主体成分。     

基于电子鼻技术对不同季节山东绿茶香气的分析

本研究以山东茶区春、夏、秋季绿茶为材料,运用感官审评对其香气特征进行评价,同时利用电子鼻技术对其香气成分组成进行分析。感官审评表明：春、夏、秋季绿茶分别呈现清香、栗香和花香,春茶综合得分最高,品质最佳。电子鼻分析表明：在主成分分析（Principal Component Analysis,PCA）中,第一主成分PC1的贡献率为74.22%,第二主成分PC2的贡献率是24.27%,总贡献率为98.49%,在线性判别分析（Linear Discriminant Analysis,LDA）中,第一主成分PC1的贡献率为96.68%,第二主成分PC2的贡献率为3.30%,总贡献率为99.98%,两者均可以将不同季节绿茶区分开来;从传感器区分贡献率分析（Loadings）分析可以看出,传感器7、9、2、10即硫化合物、芳烃化合物、硫的有机化合物、氮氧化物以及烷类和脂肪族,对区分不同季节绿茶香气的贡献较大,这几类成分可能是影响不同季节山东绿茶香气差异的主体成分。研究结果为山东不同季节绿茶的判断提供了一种科学、快速的方法。     

电子鼻对酱牛肉煮制过程中老汤风味的检测

利用电子鼻对酱牛肉煮制过程中的老汤进行风味分析,煮制时间4 h,每1 h取样1次,进行电子鼻风味检测。结果表明:随着煮制时间增加,老汤中的醇、醛、酮类及氮氧化物、硫化物成分升高,这些成分也是酱牛肉的主要风味物质来源。后将其数据分别进行主成分分析(principal component analysis,PCA)和线性判别式分析(linear discriminant analysis,LDA),发现LDA分析效果优于PCA。采用负荷加载分析判别不同传感器对于第一、第二主成分的贡献率及相关性,R2、R6、R7、R8、R9等可作为优选传感器应用于分析老汤风味变化。因此电子鼻系统用于监控酱牛肉加工过程中老汤的风味变化是可行的。     

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.     

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。     

发色剂对传统腊肉色泽及风味品质的影响

以传统腊肉为研究对象,从感官评价、色泽分析、挥发性风味物质组成和电子鼻分析角度研究添加不同种类发色剂对产品色泽和风味品质的影响。结果表明,发色剂对传统腊肉的色泽及风味品质影响很大。添加苹果多酚的腊肉样品感官评价及色泽整体优于其他样品组;经气相色谱-质谱联用仪分析,苹果多酚组腊肉样品挥发性风味物质相对含量较高,为89.81%,种类相对较多,腊肉样品风味较好,其中具有特征风味的酯类、酮类化合物的相对含量较高;运用电子鼻技术分析发现,主成分分析法比线性判别分析法更能有效区分添加不同发色剂条件下腊肉样品。     

基于电子鼻与GC-MS分析精氨酸-葡萄糖美拉德反应体系挥发性风味成分的差异性

为研究不同反应时间对精氨酸-葡萄糖美拉德反应体系挥发性风味物质的影响,利用电子鼻与气相色谱-质谱联用(gas chromatography-mass spectrometry,GC-MS),结合主成分分析(principal component analysis,PCA)和线性判别分析(linear discriminant analysis,LDA),对不同反应时间精氨酸-葡萄糖美拉德反应体系的挥发性风味成分进行差异性分析。结果显示:PCA和LDA均能够较好地区分30 d和40 d的样品,但对于其它样品PCA区分效果要比LDA好。GC-MS从精氨酸-葡萄糖美拉德反应体系中共检测出50种挥发性物质,可分为醇类、醛类、酮类、酯类、烷烃类和其它类化合物等6类物质,其中酯类物质为10、20 d样品中的主要挥发性物质,醇类物质是20 d和30 d样品中的主要挥发性成分,不同反应时间主要挥发性成分差异显著。对不同精氨酸-葡萄糖美拉德反应体系样品挥发性物质进行主成分分析,建立其品质评价模型,得出不同时间的综合得分顺序依次为20、10、60、40、30 d和50 d。     

干燥方式对真姬菇菌柄和菌盖挥发性风味物质的影响

采用电子鼻结合顶空固相微萃取-气相色谱-质谱技术探究热风干燥（60、70、80℃）、冷冻干燥、自然干燥对真姬菇菌柄和菌盖挥发性风味物质的影响,并通过相对气味活度值（relative odor activity value,ROAV）分析各风味物质对干燥样品总体风味的贡献。结果表明：通过电子鼻检测发现这10组样品传感器数值存在明显差异且电子鼻可以对其风味很好地区分。热风干燥（60、70、80℃）、冷冻干燥、自然干燥的菌盖分别鉴定出32、41、40、53、48种风味物质,而菌柄分别鉴定出34、33、33、43、44种风味物质。相同干燥方式处理的菌盖挥发性风味物质含量高于菌柄,相较于自然干燥和冷冻干燥,热风干燥生成了较高含量的新型风味物质。由ROAV分析得出25种风味物质,其中三甲胺、异戊醛、1-辛烯-3-醇风味贡献较大。进一步对这25种风味物质进行主成分分析,建立综合函数品质评价模型,发现热风干燥80℃时制得菌盖样品（g-80℃）评分最高,说明其风味品质最好。     

HS-SPME-GC-MS-O结合电子鼻对坨坨猪肉主体风味评价分析

利用电子鼻和顶空固相微萃取-气相色谱-质谱-嗅闻(headspace solid phase microextraction-gas chromatography-mass spectrometry-olfactometry,HS-SPME-GC-MS-O)联用技术对不同厂家市售的坨坨猪肉样品的挥发性风味成分分析,并进...     

花生挥发性香味识别的研究

采用电子鼻技术和气质联用色谱对新鲜花生、烘烤花生的挥发性气味成分进行了研究,通过采集电子鼻不同传感器的数据,使用PCA和LDA方法分析图谱,建模形成了花生挥发性香味成分区域图谱。同时用气质联用色谱进行挥发性化合物的分析。结果表明:不同的新鲜品种的花生电子鼻图谱有显著差异,可以对各品种花生进行较好的识别,而LDA方法比PCA方法区分效果更好;烘烤花生的电子鼻图谱说明了花生烘烤后其香味成分比较统一,所以图谱的结果很集中。气质联用色谱可以清楚地分辨烘烤花生有别于新鲜花生的挥发性气味,由此为建立花生香味识别的判定方法奠定基础。     

不同类型食醋的香气特征及挥发性成分分析

使用超快速气相色谱电子鼻检测市售的香醋、米醋、陈醋3 类共25 个品牌发酵食醋,通过保留指数和外标法对3 类食醋的挥发性化合物进行定性和定量分析,结合气味活性值构建食醋风味轮,比较不同种类食醋挥发性香气差异与化合物含量间关系,并以线性判别分析和随机森林法研究食醋的挥发性化合物差异,进而实现对食醋的区分。从3 类食醋中共检测出44 种挥发性化合物,主要包括醇类、酯类、醛类、酮类、酸类、烷烃类和杂环类。酸类在食醋中含量最高,其次为醇类和醛类,而烷烃类含量最低。食醋样品的气味活性值和气味雷达图说明乙酸、3-甲基丁醛、苯乙醛、5-甲基糠醛、愈创木酚等对香气贡献较大。香醋的酸味、水果香和坚果可可香高于米醋和陈醋。但陈醋的花香高于其他两类。线性判别分析表明,不同品牌和不同种类的食醋均存在明显差异;随机森林通过机器学习对食醋样品的训练和测试,准确度最终达到100%,对不同种类的食醋区分显著,并筛选出3-甲基丁醇、愈创木酚、苯甲醛、丙酮可作为食醋种类鉴别的重要化合物。     

基于电子鼻的红肠风味评价

为应用电子鼻快速、客观地评价红肠风味,使用电子鼻以及顶空固相微萃取和气相色谱-质谱联用对3 个不同生产批次的各批次3 种不同红肠中挥发性物质进行检测分析,并对其进行感官指标评定。采用支持向量机方法对不同红肠样品的电子鼻数据进行识别分类;利用相对气味活度值确定不同红肠中的关键风味物质;用主成分分析方法对红肠挥发性物质整体分析;利用正交偏最小二乘判别分析方法对电子鼻传感器和红肠关键风味的相关性进行分析,并使用逐步回归建立电子鼻与关键风味物质和感官评价指标数据的回归模型。通过支持向量机分析结果可知,电子鼻对不同种类红肠以及不同生产批次同种类红肠均具有良好的区别能力;气相色谱-质谱联用检测出不同种类化合物共117 种;通过相对气味活度值可知不同红肠中的关键风味物质种类差异较大,仅烯丙硫醇是各红肠的共有关键风味物质;主成分分析表明不同种类红肠在总体风味成分上明显不同;感官分析表明不同红肠在不同口感风味评价上存在差异,烟熏味和咸味为红肠最主要的风味;正交偏最小二乘判别分析显示电子鼻传感器数据与关键风味物质具有良好的相关性;建立电子鼻与关键风味物质和感官评价指标回归模型（R2＞0.8,P＜0.01）表明应用电子鼻可以对红肠风味进行评价预测分析。     

不同颜色蒜泥的风味及挥发性物质分析

以打破休眠期的大蒜为原料,制备白色、蓝色、绿色和黄色4 种颜色蒜泥,采用电子鼻和气相色谱-质谱（gas chromatography-mass spectrometry,GC-MS）联用技术揭示其风味及挥发性物质的变化。电子鼻检测中,不同颜色蒜泥对传感器的响应值雷达图和主成分分析（principal component analysis,PCA）结果显示各个样品间的风味存在显著差异。GC-MS结果显示4 种颜色蒜泥共检测出83 种挥发性物质,其中蒜泥的主要挥发性物质是硫醚类和醛类化合物,此为蒜泥的主要风味物质。使用PCA实现对蒜泥样品挥发性物质的区分,明确4 种蒜泥风味差异的挥发性物质,为研究不同颜色蒜泥的风味差异提供理论依据。     

基于多元统计学分析红曲米醋醋酸发酵阶段挥发性风味特征组分

为探究红曲米醋酿造过程中挥发性风味及特性组分变化规律,以红曲米醋醋酸发酵阶段为研究对象,采用电子鼻、气相色谱-质谱（gas chromatography-mass spectrometry,GC-MS）联用和气相色谱-嗅闻（gas chromatography-olfactometry,GC-O）联用技术对挥发性风味物质进行分析,并结合聚类分析、主成分分析和偏最小二乘判别法的多元统计方法进行不同发酵阶段的风味物质差异性分析,最终筛选出特征性组分。电子鼻分析可用于区分不同发酵时期的红曲米醋。通过GC-MS和GC-O识别出发酵过程中共有54 种挥发性风味化合物。经多元统计学方法筛选得到挥发性风味特征组分,醋酸发酵早期为正辛醇、异丁醇和戊酸乙酯;中期为苯甲酸、棕榈酸乙酯、正己醇、2,4-二叔丁基苯酚和乳酸乙酯;中后期为乙酸丙酯、乳酸乙酯和乙酸异丁酯;末期为L(＋)-2,3-丁二醇和庚酸乙酯。本研究结果为红曲米醋香气的调控和风味改善提供重要理论依据。