共查询到20条相似文献,搜索用时 0 毫秒
1.
Haoxian Zhang Muratö. Balban Kenneth Portier Charles A. Sims 《Journal of food science》2005,70(4):E259-E264
ABSTRACT: The accuracy and efficiency of gas chromatography (GC) and sensory methods in predicting spice mixture compositions were investigated and compared with those of an electronic nose (e-nose) reported in part I of this study. Triangle tests were performed to estimate difference thresholds of spice mixtures. It was found that the prediction errors of the e-nose methods were lower than sensory thresholds. The GC method provided a more accurate but much less efficient prediction. 相似文献
2.
Evaluation of Coffee Roasting Degree by Using Electronic Nose and Artificial Neural Network for Off-line Quality Control 总被引:1,自引:0,他引:1
S Romani C Cevoli A Fabbri L Alessandrini M Dalla Rosa 《Journal of food science》2012,77(9):C960-C965
An electronic nose (EN) based on an array of 10 metal oxide semiconductor sensors was used, jointly with an artificial neural network (ANN), to predict coffee roasting degree. The flavor release evolution and the main physicochemical modifications (weight loss, density, moisture content, and surface color: L*, a*), during the roasting process of coffee, were monitored at different cooking times (0, 6, 8, 10, 14, 19 min). Principal component analysis (PCA) was used to reduce the dimensionality of sensors data set (600 values per sensor). The selected PCs were used as ANN input variables. Two types of ANN methods (multilayer perceptron [MLP] and general regression neural network [GRNN]) were used in order to estimate the EN signals. For both neural networks the input values were represented by scores of sensors data set PCs, while the output values were the quality parameter at different roasting times. Both the ANNs were able to well predict coffee roasting degree, giving good prediction results for both roasting time and coffee quality parameters. In particular, GRNN showed the highest prediction reliability. Practical Application: Actually the evaluation of coffee roasting degree is mainly a manned operation, substantially based on the empirical final color observation. For this reason it requires well-trained operators with a long professional skill. The coupling of e-nose and artificial neural networks (ANNs) may represent an effective possibility to roasting process automation and to set up a more reproducible procedure for final coffee bean quality characterization. 相似文献
3.
本文对一批新鲜牛肉进行感官评价、挥发性盐基氮检测、微生物含量检测和电子鼻检测,检测时间为冷藏第0、3、5、7、10、12、14 d。应用电子鼻第50 s的响应信号建立牛肉样品的模式识别分析模型。运用马氏距离分析牛肉样品新鲜度的变化,样品与新鲜样品间的马氏距离随冷藏时间的延长而增大,在冷藏5 d后,样品的质量有明显跃变;运用主成分分析和线性判别分析区分不同冷藏时间的样品,除第0~5 d样品有部分重合外,其他天数样品都能很好区分;利用逐步判别分析进行冷藏时间判别,正确率为96.19%;分别采用BP神经网络(BPNN)和广义回归网络(GRNN)建立牛肉冷藏天数与感官理化指标间的相关模型,实验表明GRNN模型效果较好,该模型对冷藏时间、挥发性盐基氮(TVBN)、细菌总数和感官得分的预测误差Se分别为1.36 d、4.64?10-2 mg/g、1.61×106cfu/g和1.31。 相似文献
4.
采用电子鼻技术对广式香肠加工和贮藏过程中的脂肪氧化程度进行检测。在加工和贮藏中,分别提取香肠烘干0~120 h和贮藏0~20 周的电子鼻响应值,同时检测香肠的酸价(acid value,AV)和过氧化值(peroxidevalue,POV)来评价香肠的脂肪氧化程度,建立两者之间相关性。通过Loading分析、方差分析和Pearson相关性分析评价10 个传感器对香肠气味的贡献率,选出最佳传感器阵列,通过人工神经网络方法建立香肠AV和POV的预测模型。结果表明:S4、S6、S7、S8和S9为香肠加工过程中对脂肪氧化表征的最佳传感器阵列,S6、S7、S8和S9为香肠贮藏过程中的最佳传感器阵列。在加工和贮藏过程中模型预测效果较好。其中,对于加工过程,基于全部传感器阵列模型对AV和POV预测的R2分别为0.959和0.930,而基于最佳传感器阵列对AV和POV预测的R2分别为0.930和0.914;对于贮藏过程,基于最佳传感器对POV预测模型R2为0.805外,其余皆在0.9以上。因此,电子鼻在广式香肠加工和贮藏过程中对其脂肪氧化程度的检测有着比较好的效果,可以进一步应用到广式香肠的商业生产和贮藏。 相似文献
5.
鸡蛋新鲜度检测十分重要,为实现无损检测鸡蛋新鲜度,该文利用电子鼻技术,通过挥发物的检测来尝试对20℃、70%RH贮藏条件下的鸡蛋新鲜度进行预测。并测量鸡蛋的理化指标(哈夫单位和蛋黄指数)作为新鲜度的衡量标准。通过线性判别分析对储藏不同天数的鸡蛋进行分类分析,发现线性判别分析能较好地区分不同储藏天数的鸡蛋,判别函数的总贡献率为75.70%;利用多元线性回归和BP神经网络分析法建立电子鼻响应信号和鸡蛋理化指标之间的关系模型,所建多元线性回归模型的相关系数达0.84以上,相对误差在8.00%左右;所建BP神经网络模型的相关系数达0.84以上,相对误差在9.00%左右。说明电子鼻技术对鸡蛋新鲜度具有一定的预测能力,该研究可为鸡蛋新鲜度的无损检测提供参考。 相似文献
6.
7.
电子鼻和电子舌在果酒风味分析中的应用 总被引:1,自引:0,他引:1
采用电子鼻嗅觉指纹分析系统、电子舌味觉指纹分析系统及人工感官评价对不同品种樱桃酒(中樱狄墨尔干红和干白)和不同品种葡萄酒(张裕干白和长城干红)的香气和口感进行了检测,并采用主成分分析(PCA)和判别因子分析法(DFA)对传感器响应信号进行了分析。经模式识别分析得到:在香气上,樱桃干白与葡萄干白的差异最小,其次是樱桃干红和葡萄干红,干白和干红之间的差异最大;在口感上,樱桃酒(干红和干白)与葡萄酒(干红和干白)的差异较大。电子鼻和电子舌分析结果与人工感官评价结果一致。研究表明,电子鼻和电子舌结合模式识别方法可用于果酒的风味评价。 相似文献
8.
9.
10.
7种面酱的电子鼻和电子舌辨别分析 总被引:5,自引:0,他引:5
采用电子鼻和电子舌技术,对煮制前后7种面酱香气和口感进行检测,并对所得数据进行PCA和SQC分析。结果表明:煮制前六必居甜面酱与天源面酱之间的香气非常相似,经煮制后,差异比较大。麦酱和馒头酱的香气在煮制前后都比较接近,其区别指数分别为46.77%和56.61%。十笏园面酱和六必居面酱煮制前的香气特点截然不同,而煮制后的香气比较接近。自制的馒头酱与麦酱虽然香气比较相近,但在口感方面的差别比较明显。煮制前,六必居面酱、十笏园面酱与自制麦酱的口感差别明显,但煮制之后差别不大。 相似文献
11.
为鉴别不同生产类型的金银花酒,该研究利用电子鼻和电子舌技术及二者拟合技术结合人工感官评价对金银花酒样品进行检测,对所测数据进行主成分分析(PCA)、判别因子分析(DFA),分别从气味和滋味两方面进行评价鉴别。不同生产类型金银花酒样品在电子鼻、电子舌和二者拟合结果的主成分分析中第一主成分(PC1)与第二主成分(PC2)的贡献率之和分别达到了90.97%、90.91%、95.00%;电子鼻判别因子分析总贡献率为89.72%,佐证了主成分分析结果;滋味雷达图显示小曲酿造金银花酒在鲜味上的响应度明显高于大曲酿造和大曲配制的金银花酒,这与人工感官评价相一致;以上表明电子鼻、电子舌技术能够准确的鉴别不同生产类型的金银花酒样品,可用于今后对不同金银花酒的比较分析中。 相似文献
12.
Utilizing more than one sweetener has been shown to be an effective way to substitute sucrose in food products. The objective of this study was to apply the augmented simplex‐centroid mixture design for the optimization of acceptable sweetener blends using coconut sugar, agave, and stevia. Sweetener blends were evaluated in aqueous solutions and gluten‐free granola bars by a trained panel and consumers (n = 60). Significant differences were found between sweetener mixtures in solutions by both panelists and consumers (P < 0.05). Taste profiles for the sweetener solutions were also generated using the electronic tongue. Most consumer and trained intensity ratings were highly correlated (R2 ≥ 0.79) with the electronic tongue taste profile analysis. Granola bars were also found to be significantly different (P < 0.05), with consumers preferring coconut sugar mixtures. Using contour plots and desirability function analysis, an optimal sweetener combination was found for a granola bar formulation of 89.9% coconut sugar, 6.1% agave, and 4% stevia. These results indicate that a mixture design can be a reliable way to develop new sweetener blends for product development. 相似文献
13.
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(P<0.01),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。 相似文献
14.
电子鼻在不同豆瓣产品识别中的应用 总被引:3,自引:0,他引:3
采用电子鼻对不同发酵工艺、不同发酵时间及不同产地的豆瓣进行分析。对所获得的数据进行主成分分析(principal component analysis,PCA)及统计质量控制分析(statistical quality control,SQC)。结果表明:不同发酵工艺和不同发酵时间的豆瓣在香气上存在差异,采用PCA方法分析时,电子鼻可以区分样品间的差异;郫县豆瓣和其他豆瓣样品在气味指纹上存在一定的相似性和差异性。采用PCA和SQC方法分析时,电子鼻可以有效区分郫县豆瓣和其他豆瓣。 相似文献
15.
采用超快速气相电子鼻对超高温灭菌(ultra high temperature,UHT)全脂、低脂和脱脂牛奶共36 种样品的挥发性风味成分进行定性、定量分析,并结合主成分分析和多层感知器神经网络,对UHT牛奶的香气特征进行分类预测。结果表明,UHT牛奶中含有29 种共同的挥发性风味成分,主要为丙酮、正丁醇和δ-癸内酯等,其中丙酮含量最高,癸醛含量最低。异丁醇、乙偶姻、1-戊醇、E-3-己烯醛和癸醛只在UHT全脂牛奶中存在;3-甲基庚烷、2,6-二甲基吡嗪、E-2-壬烯-1-醇是UHT低脂牛奶的特有成分;α-蒎烯、5-甲基糠醛、癸酸仅在UHT脱脂牛奶中被检出。UHT牛奶主要香气特征体现为蔬菜味、奶油味、草香味、水果味及麦芽味。其中蔬菜味、奶油味、麦芽味在UHT全脂牛奶中分布最广泛;水果味在UHT低脂牛奶中分布最广泛;青草味在UHT脱脂牛奶中分布最广泛。主成分分析显示不同品牌UHT牛奶之间存在显著差异;多层感知器神经网络对UHT牛奶种类的预测准确率高达98.6%。 相似文献
16.
ABSTRACT: A highly acceptable dehydrated fruit punch was developed with selected fruits, namely lemon, orange, and mango, using a mixture design and optimization technique. The fruit juices were freeze dried, powdered, and used in the reconstitution studies. Fruit punches were prepared according to the experimental design combinations (total 10) based on a mixture design and then subjected to sensory evaluation for acceptability. Response surfaces of sensory attributes were also generated as a function of fruit juices. Analysis of data revealed that the fruit punch prepared using 66% of mango, 33% of orange, and 1% of lemon had highly desirable sensory scores for color (6.00), body (5.92), sweetness (5.68), and pleasantness (5.94). The aroma pattern of individual as well as combinations of fruit juices were also analyzed by electronic nose. The electronic nose could discriminate the aroma patterns of individual as well as fruit juice combinations by mixture design. The results provide information on the sensory quality of best fruit punch formulations liked by the consumer panel based on lemon, orange, and mango. 相似文献
17.
利用电子鼻结合统计学分析对掺入猪肉的掺假牛肉进行定性和定量研究。采用平均值法和K均值聚类分析法提取特征值;通过主成分分析、判别分析进行分析并使用多层感知神经网络进行模式识别;通过偏最小二乘、多元线性回归和BP神经网络建立定量模型来预测掺假物含量。结果表明:K均值聚类分析法提取的特征值能更全面地反映电子鼻的响应信号,同时判别分析能更好地对掺假牛肉进行定性检测。多层感知神经网络分析中训练集正确分类率达98.8%,验证集正确分类率达97.4%,说明分类结果较好。BP神经网络的决定系数R2(0.9993、0.9930)和均方根误差(0.90%、2.50%)明显优于其他两种方法,故BP神经网络建模分析能更好地预测掺假牛肉中猪肉的含量。说明应用电子鼻技术检测掺入猪肉的掺假牛肉具有一定的可行性。 相似文献
18.
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。 相似文献
19.
20.
构建基于气味信息的草莓灰霉病无损检测的方法,对草莓果实灰霉病过程进行动态分析。以健康草莓果实作为对照,每隔24 h采用便携式电子鼻获取样品气味信息,并结合顶空固相微萃取-气相色谱-质谱联用技术对样本挥发性组分进行定量检测,最后采用偏最小二乘回归构建基于电子鼻技术的草莓果实菌落总数预测模型。结果表明:草莓果实接种灰霉病后120 h内,酯类、醛类和醇类含量变化明显,以乙醇为代表的醇类含量(以湿质量计算)从初始0.85 μg/g快速上升至3.95 μg/g;主成分分析表明基于电子鼻气味传感阵列对应的稳定值与微生物含量密切相关,结合偏最小二乘法回归的草莓果实微生物含量预测的相对最佳模型对应的决定系数(Rp2)为0.815,相对分析误差为2.270,基于电子鼻传感器稳定信号的无损预测可实现早期病害果实92.9%的准确区分。研究结果可以为实现草莓采后病害无损监控与早期诊断提供参考。 相似文献