基于电子鼻的食用油氧化判别分析

为实现食用油氧化快速判别分析,以市场上常见的食用油为原料,对其进行氧化处理,根据国标中过氧化值和酸值划分为氧化油与未氧化油并作为模型样品和验证样品,采用电子鼻技术测定食用油气味,同时结合聚类分析（cluster analysis,CA）、主成分分析（principal component analysis,PCA）和线性判别分析（linear discriminantanalysis,LDA）方法对不同氧化程度的食用油进行判别,并建立油脂氧化的快速判别模型。同时将检测判别结果与国标规定进行比较分析,结果表明：3 种方法建立模型判别正确率均为100%,CA、PCA和LDA模型验证的判别正确率分别为95.8%、98.9%和100%,说明基于电子鼻技术的食用油氧化判别检测是可行的。     

基于电子鼻的花椒油氧化判别分析

以市售的10种花椒油为研究对象,采用电子鼻技术结合主成分分析(principal component analysis,PCA)、聚类分析(cluster analysis,CA)、线性判别分析(linear discriminant analysis,LDA)和判别因子分析(discriminant factor analysis,DFA)对不同氧化程度的花椒油进行定性判别分析,并建立相应的花椒油氧化快速判别模型。利用所建模型对40组验证样品进行判别,将判别结果与国标法所测过氧化值进行比较分析,结果表明,CA、PCA、LDA和DFA的判别正确率分别为95.0%、97.5%、100%和97.5%,说明基于电子鼻技术能够对花椒油氧化进行判别,且LDA法判别效果较好。     

特色农产品兰州百合产地溯源及确证

产地与兰州百合（Lilium davidii var. unicolor）质量安全和营养品质密切相关,其溯源确证有利于实施产地保护、特色产品保真及产业可持续发展。本研究利用同位素比率质谱（Isotope ratio mass spectrometry,IRMS）和电感耦合等离子体质谱（Inductively coupled plasma mass spectrometry,ICP-MS）测定兰州百合4个主产区样品的δ13C、δ15N、δ18O等3种稳定同位素比率和K、Mg、Ca、Na、B、Fe、Zn、Al、Mn、Cu、Mo、Cr、Cd、Se、As、Pb等16种矿质元素含量,结合主成分分析（Principal component analysis,PCA）、正交偏最小二乘法判别分析（Orthogonal partial least squares discrimination analysis,OPLS-DA）和线性判别分析（Linear discriminant analysis,LDA）对不同产区兰州百合构建分类模型,验证判别溯源确证。结果显示:δ13C、δ15N、K、Mg、Na、B、Fe、Mn、Cu、Mo、Cr、Cd在产地间存在显著差异（P<0.05）;PCA分析提取5个主成分,累计方差贡献率84.36%;LDA原始判别正确率100%,留一法交叉验证（Leave-one-out cross validation,LOO-CV）判别正确率为88.89%;OPLS-DA模型正确判别率为100%,分类效果最佳。本研究表明,基于兰州百合稳定同位素和矿质元素含量构建的多元统计分类模型可有效区分不同产区兰州百合,促进其追溯制度的建立和完善,对兰州百合的产地保护与质量控制具有重要意义。     

基于非目标~1H NMR指纹图谱技术验证中国葡萄酒原产地

为了探讨非目标指纹图谱技术验证中国葡萄酒原产地的可行性,采用一维核磁共振氢谱(1H NMR)技术,对沙城、昌黎和昌吉三大特色原产地葡萄酒的224个样品进行分析。结果表明,主成分分析(principal component analysis,PCA)结合线性判别分析(linear discriminant analysis,LDA)建立的留一交叉验证模型,实现对沙城、昌黎和昌吉葡萄酒原产地样品准确识别率为92%,73%和68%;为避免PCA/LDA模型出现过拟合现象,采用外部重复双随机交叉验证方法对PCA/LDA模型的有效性进行验证。葡萄酒1H NMR指纹图谱包含葡萄酒原产地特征信息,通过多变量统计分析可以构建非目标1H NMR指纹图谱的中国葡萄酒产地验证技术模型。     

基于稳定同位素比值的不同产地枸杞特征分析及判别

原产地差异导致枸杞价格悬殊,为促进国内枸杞市场健康有序发展,该文应用元素分析仪-稳定性同位素质谱（elemental analyzer-stable isotope mass spectrometry, EA-IRMS）测定了来自青海、宁夏和新疆3个地区共97份枸杞样品δ¹³C、δ¹⁵N、δ²H、δ¹⁸O和δ³⁴S 5种稳定同位素组成,结合箱线图、单因素方差分析以及主成分分析（principal component analysis, PCA）对不同产地枸杞中稳定同位素比值分布规律和相关性进行了讨论,应用线性判别分析（linear discriminant analysis, LDA）和支持向量机（support vector machine, SVM）2种算法建立不同产地枸杞判别模型。结果显示,枸杞样品中δ¹³C、δ¹⁵N、δ²H和δ¹⁸O 4种稳定同位素对产地判别贡献率较大,δ^...     

基于气相离子迁移谱技术的不同产地乌龙茶挥发性物质分析

为实现不同产地乌龙茶中挥发性风味物质的快速检测,采用气相色谱离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）联用技术结合化学计量学方法对我国4个不同产地的29个乌龙茶样品的挥发性物质进行了研究。不同产地乌龙茶样本的IMS图谱显示,挥发性物质含量存在显著差异。呈柑橘香的柠檬烯在广东乌龙茶中含量较高;闽南地区乌龙茶中具有青草香特征成分的庚醛、己醛、3-辛酮含量明显高于其他产地的乌龙茶;台湾地区乌龙茶中具有果香气特征成分的2-己酮、丙酸、γ-丁内酯、正己醛等含量较高;闽北地区乌龙茶中具有烘烤香呈香特性的反-2,4-庚二烯醛、对乙基苯酚、5-甲基糠醛含量较高。采用差谱法从谱图中筛选出43种挥发性化合物,以峰值强度作为变量,通过主成分分析（principal component analysis,PCA）进行降维,能对不同产地乌龙茶进行区分,其中PC1的贡献率为54.2%,PC2的贡献率为19.4%,累计贡献率为73.6%;使用偏最小二乘判别分析（partial least squares discriminant analysis,PLS-DA）,其中PC1的贡献率为54.2%,PC2的贡献率为19.3%,累计贡献率为73.5%,各产地乌龙茶区分效果较好;使用线性判别分析（linear discriminant analysis,LDA）,LDA判别率为100%,可以有效判别不同产地乌龙茶。表明GC-IMS技术可以有效应用于乌龙茶挥发性物质的检测及产地的快速区分。     

近红外光谱技术对猪肉注水、注胶的快速检测

采用近红外光谱（near infrared spectroscopy,NIR）结合主成分分析（principal component analysis,PCA） 和判别分析法建立了注水肉、注胶肉和正常肉的定性判别模型。注水肉中注水量的多少对判别准确率产生影响, 当注水量为1.25%～20%时,3 种肉的总体判别准确率为94.23%;当注水量为3.75%～20%时,判别准确率提高至 96.96%。模型对所有预测集样品的总体判别准确率为94.92%。表明NIR结合PCA法、判别分析法判别注水肉、注胶 肉和正常肉具有可行性。采用偏最小二乘法（partial least squares,PLS）结合PCA分别建立了注水量和注胶量的定 量分析模型,经验证,两种模型对预测集样品的预测均方差分别为4.01%和3.87%,预测值与实测值间的相关系数 （r）分别为0.904 2和0.912 8。表明两种模型的预测性能良好。     

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。     

基于脂肪酸指纹图谱的我国羊肉产地溯源研究

摘 要：目的 优化建立羊肉脂肪酸组成的测定方法,并对不同产地来源的羊肉中脂肪酸含量的差异分析,为羊肉产地溯源提供依据。方法 利用气相-氢火焰离子化技术（gas chromatography-flame ionization detector,GC-FID）测定来自内蒙古、新疆、山东和云南4个产区羊肉的脂肪酸组成,结合主成分分析（principal component analysis,PCA）、聚类分析（hierarchical cluster analysis,HCA）和线性判别分析（linear discriminant analysis,LDA）等统计学方法进行数据分析。结果 在国标GB 5009.257—2016的基础上,对羊肉基质中脂肪酸甲酯化条件进行优化,正交试验结果显示,最佳甲酯化条件为甲酯化试剂2 ml,甲酯化反应温度40 ℃,甲酯化反应时间30 min。方法学验证中,19种脂肪酸精密度为1.07%~7.97%,回收率为63.75%~115.00%。运用优化的方法测定羊肉样品,并对脂肪酸含量进行单因素方差分析和Duncan多重比较分析。结果显示,有14种脂肪酸在4个产区羊肉中有显著性差异,分别是C10:0、C12:0、C14:0、C14:1、C17:0、C18:1n9t、C18:1n9c、C18:2n6c、C20:1、C18:3n3、C22:0、C20:4n6、C20:5n3和C22:6n3。通过逐步判别分析筛选出C14:0、C14:1、C18:1n9t 、C18:2n6c、C18:3n3、C22:0、C20:4n6和C20:5n3 8种脂肪酸作为羊肉产地来源的判别指标,所建立的判别模型对样品的回代检验和交叉检验正确率分别为100%和88%,4个产区的羊肉样品能够基本得到区分。结论 通过对羊肉中脂肪酸组成的测定和判别模型的建立,可有效地对羊肉的主要产地进行区分,为羊肉的产地溯源提供了有效的技术手段。 关键词：脂肪酸指纹; 羊肉; 产地溯源     

电子鼻结合顶空SPME-GC-MS联用技术分析贵州不同品种辣椒发酵后挥发性成分

以贵州5种不同辣椒品种为研究对象,采用电子鼻技术,结合顶空固相微萃取-气相色谱-质谱（solid phase microextraction-gas chromatography-mass,SPME-GC-MS）联用技术,对其发酵后挥发性成分进行分析。结果表明,电子鼻分析结果能够很好地区分不同辣椒品种发酵后的风味;采用主成分分析（principal component analysis,PCA）以及线性判别分析（linear discriminant analysis,LDA）可知,PCA和LDA主成分贡献率总和分别为99.93%、99.19%,均大于95%,说明传感器识别效应和样品间的风味区分度较好。SPME-GC-MS分析结果表明,5种样品共检出124种不同的挥发性风味物质。其中黄平线椒占97种,以酯类物质相对含量最高,为36.82%;施秉线椒和大方皱椒分别占88种和94种,且均以醇类物质相对含量最高,分别为31.88%、28.99%;百宜平面椒和花溪党武辣椒分别占89种和71种,均以烃类物质相对含量最高,分别为26.75%、35.08%。此结果与电子鼻PCA和LDA结果相一致。因此,通过SPME-GC-MS和电子鼻分析结果可知,电子鼻能够很好地区分贵州名优产地不同辣椒品种发酵后的风味。     

基于近红外光谱法的鱼粉快速判别

基于近红外漫反射光谱分析技术对市场上常见的淡水鱼粉、进口鱼粉和国产鱼粉3 类商品化的鱼粉样品进行自动化判别实验。通过分析鱼粉样品光谱之间的差异,采用主成分分析法建立鱼粉种类的定性判别的分类模型,光谱范围为波长1 100～2 498 nm,交互定标决定系数为0.913 5,交互定标标准误差为0.133 8。通过对验证样品的分析,建立的判别模型预判准确率达到84.6%,外部验证准确率达到100%。结果表明,近红外光谱技术结合化学计量学法可以作为一种快速、无损、可靠的方法用于鱼粉种类的判别。     

红外光谱结合多元统计分析快速鉴别不同种类牛肝菌

采用傅里叶变换红外光谱结合多元统计分析方法快速鉴别不同种类食用牛肝菌。采集10 个不同种类93 个牛肝菌子实体的红外光谱,分析食用牛肝菌的红外光谱特征;用多元散射校正（multiplicative signal correction,MSC）、标准正态变量（standard normal variate,SNV）、二阶导数（second derivative,SD）、Norris平滑（ND）、正交信号校正（orthogonal signal correction,OSC）、小波压缩等方法对光谱进行优化处理;经优化处理的光谱数据分别建立马氏距离分类模型及偏最小二乘判别分析（partial least squares discriminant analysis,PLSDA）。结果显示,牛肝菌在3 325、2 934、2 927、1 637、1 547、1 402、1 375、1 259、1 453、1 081、1 029 cm－1等附近有多个吸收峰,主要归属为蛋白质、多糖、氨基酸等的特征吸收峰。MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）两种预处理方式前10 个主成分累积贡献率分别为95.58%、95.54%,基于两种预处理方法建立马氏距离分类模型,验证集预测准确率分别为90%和95%。PLS-DA结果显示经MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）预处理不易于区分牛肝菌种类;原始光谱经正交信号校正及小波压缩（orthogonal signal correction waveletcompression,OSCW）、优化处理并进行PLS-DA分析,能够很好地区分不同种类牛肝菌。马氏距离分类模型不仅能反映样品的分类情况,同时计算出与测试样品相似度最大的物种,可为食用菌种类鉴别和未知物种鉴定提供可靠依据;OSCW预处理后进行PLS-DA分析能有效鉴别不同种类牛肝菌,为野生食用菌的鉴别分类提供一种辅助方法。     

青花椒香气快速气相电子鼻响应特征及GC-MS物质基础分析

利用HeraclesⅠ快速气相电子鼻采集我国主要产地青花椒电子鼻响应信号,运用主成分分析和显著响应信号筛选对不同产地青花椒进行挥发性物质模式分类与特征分析,结果显示,8 个产地青花椒分为3 类,表现为明显有差异的六维蛛网图谱特征。进一步采用气相色谱-质谱联用仪对其物质构成进行定性定量分析,共检测出68 种化合物,其中39 个成分为8 个产地3 类青花椒所共有。这些成分主要为烯类、醇类、酯类及少量其他化合物。烯烃和醇类化合物为主要构成物质,占青花椒挥发性物质总相对含量的89%以上,而烯醇比则是3 类青花椒主要物质构成差异所在,分别表现为顶坛青花椒烯醇均衡型（烯醇比1∶1）、沂蒙山青花椒显著高烯低醇型（烯醇比2.5∶1）,重庆、江津、金阳、洪雅、汉源、昆明高烯低醇型（烯醇比约2∶1）。研究结果对青花椒产地区分、香气分类与特征解析等技术研究与应用具有重要的意义。     

基于主成分分析和人工神经网络的近红外光谱大豆产地识别

为了准确、快速地识别大豆产地,通过近红外光谱技术（NIRS）结合主成分分析（PCA）和人工神经网络技术（ANN）研究不同国家大豆内含特征,建立进口大豆产地识别模型。采用箱型图校正法,剔除阿根廷、巴西、乌拉圭、美国等4个国家166组大豆样本中12组异常样本。采用多元散射校正（MSC）、标准正态变量（SNV）、Savitzky-Golay（SG）平滑滤波等方法进行光谱数据预处理,结果表明,采用SG（3）平滑结合MSC预处理效果最好。主成分分析表明,前10个主成分的累积贡献率达到99.966%。选取主成分分析得到前10个主成分为输入向量,4个产地作为目标向量,分别采用支持向量机（SVM）、邻近算法（KNN）与人工神经网络法（ANN）建立识别模型。结果表明,采用BP-ANN建模效果最好,总体测试集准确率为95.65%,其中阿根廷准确率为100%,巴西准确率为100%,乌拉圭准确率为80%,美国准确率为100%,该模型能够实现对进口大豆生产国别的识别。     

高效液相色谱-电化学检测指纹图谱鉴别3种单花种蜂蜜花源

基于高效液相色谱-电化学检测器(high performance liquid chromatography-electrochemical detection,HPLC-ECD)技术建立一种新的蜂蜜花源鉴别方法。以采自中国不同地区的3种单花种蜂蜜为研究对象,构建了3种单花种蜂蜜的HPLC-ECD指纹图谱,提取HPLC-ECD图谱共有峰面积信息并应用主成分分析和系统聚类分析进行蜂蜜花源分类,并对完全未参与建模的蜂蜜样品进行验证。结果表明,45个蜂蜜样品(枸杞蜜、荆条蜜、荔枝蜜各15个),均可通过主成分分析和系统聚类分析按照其花源正确分类,正确率达到100%。该蜂蜜花源鉴别的模型对完全未参与建模的枸杞蜜、荆条蜜和荔枝蜜样品的正确预判率可达到100%、80%和100%。研究表明,HPLCECD指纹图谱技术应用主成分分析和系统聚类分析可以作为一种快速、准确、绿色的判别蜂蜜花源的方法。     

电子舌在中华绒螯蟹产地鉴别及等级评定的应用

采用电子舌对产自阳澄湖、松江、崇明的不同等级雌性中华绒螯蟹各可食部位的滋味轮廓进行检测。运用主成分分析法处理电子舌测定数据后发现,特级、1级、2级阳澄湖中华绒螯蟹体肉、钳肉、足肉、性腺4 个部位滋味轮廓区分显著。采用软独立建模的方法,分别建立了基于单部位及联合多部位的阳澄湖中华绒螯蟹产地鉴别模型,无论是单部位还是多部位模型,对非阳澄湖蟹样的拒绝率均为100%。采用偏最小二乘-判别分析法建立了中华绒螯蟹的等级评定模型,特级、1级、2级蟹样的偏最小二乘-判别分析模型相关系数均在0.90以上,采用上述模型可100%正确识别16 个未知蟹样的等级。     

不同地区黄酒挥发性物质差异性分析

比较不同地区黄酒中主要挥发性物质种类及其含量的差异,采用顶空固相微萃取和气相色谱-质谱联用技术对不同地区的12 个品牌黄酒的挥发性物质进行测定,并分别对黄酒中的挥发性物质进行主成分分析、对不同地区黄酒进行聚类分析。结果表明：从不同地区的12 种黄酒中共检测出142 种挥发性物质,其中酯类、醇类、醛类、酮类、酸类、酚类、烃类占挥发性物质总量的比例分别为33.04%、39.26%、24.64%、0.37%、0.63%、0.28%、1.36%,其中13 种物质为12 种黄酒所共有;通过主成分分析发现黄酒中对整体风味以及口感的形成影响较大的挥发性物质为异丁醇、苯乙酸乙酯、乳酸乙酯、乙酸乙酯、苯乙醇和糠醛;此外,通过聚类分析可将所研究的不同地区12 种黄酒分为3 类,各类黄酒的挥发性物质均有其显著特征,客观地反映了样品的真实信息。     

电子鼻在小麦品质控制中的应用研究

采用PEN3型电子鼻系统对我国10个省份47个小麦样品的挥发性物质进行检测。通过Loadings分析不同传感器在模式识别中的贡献率,对传感器阵列进行优化,并对传感器的响应值进行了主成分分析(PCA)和线性判别分析(LDA)。结果表明W5S、W1S、W2S3根传感器在小麦样品的用途、产地、品种区分识别时作用都较大,W1C、W3C2根传感器贡献率较小。PCA分析可以区分面包用小麦和馒头面条用小麦,总贡献率达85.5%;也可以区分不同产地的小麦样品和同一产地不同品种的小麦样品。线性判别分析(LDA)仅可以对不同产地、不同品种的小麦样品实现部分区分,无法将不同用途的小麦区分开来。主成分分析效果优于线性判别分析。