CN110879258A - 一种基于电子鼻预测食材处理与其风味品质关系的方法和应用 - Google Patents
一种基于电子鼻预测食材处理与其风味品质关系的方法和应用 Download PDFInfo
- Publication number
- CN110879258A CN110879258A CN201911049464.0A CN201911049464A CN110879258A CN 110879258 A CN110879258 A CN 110879258A CN 201911049464 A CN201911049464 A CN 201911049464A CN 110879258 A CN110879258 A CN 110879258A
- Authority
- CN
- China
- Prior art keywords
- flavor
- electronic nose
- food
- food material
- food materials
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 116
- 239000000796 flavoring agent Substances 0.000 title claims abstract description 91
- 235000019634 flavors Nutrition 0.000 title claims abstract description 91
- 239000000463 material Substances 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 title claims abstract description 46
- 238000011282 treatment Methods 0.000 claims abstract description 46
- 239000000126 substance Substances 0.000 claims abstract description 36
- 230000004044 response Effects 0.000 claims abstract description 20
- 238000000513 principal component analysis Methods 0.000 claims abstract description 13
- 235000006886 Zingiber officinale Nutrition 0.000 claims description 20
- 235000008397 ginger Nutrition 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 14
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 11
- 239000007790 solid phase Substances 0.000 claims description 11
- 238000010025 steaming Methods 0.000 claims description 9
- 101100054292 Arabidopsis thaliana ABCG36 gene Proteins 0.000 claims description 8
- 101100351526 Arabidopsis thaliana PEN3 gene Proteins 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 5
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 235000021067 refined food Nutrition 0.000 claims description 4
- 244000291564 Allium cepa Species 0.000 claims description 3
- 235000010167 Allium cepa var aggregatum Nutrition 0.000 claims description 3
- 240000002234 Allium sativum Species 0.000 claims description 3
- 235000002566 Capsicum Nutrition 0.000 claims description 3
- 239000006002 Pepper Substances 0.000 claims description 3
- 240000004760 Pimpinella anisum Species 0.000 claims description 3
- 235000012550 Pimpinella anisum Nutrition 0.000 claims description 3
- 235000016761 Piper aduncum Nutrition 0.000 claims description 3
- 235000017804 Piper guineense Nutrition 0.000 claims description 3
- 244000203593 Piper nigrum Species 0.000 claims description 3
- 235000008184 Piper nigrum Nutrition 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 235000004611 garlic Nutrition 0.000 claims description 3
- 244000273928 Zingiber officinale Species 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 7
- 235000016709 nutrition Nutrition 0.000 abstract description 5
- 241000234314 Zingiber Species 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 13
- 239000007789 gas Substances 0.000 description 13
- 238000004088 simulation Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000002470 solid-phase micro-extraction Methods 0.000 description 4
- 239000012159 carrier gas Substances 0.000 description 3
- 239000001307 helium Substances 0.000 description 3
- 229910052734 helium Inorganic materials 0.000 description 3
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 3
- 238000004949 mass spectrometry Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 235000019198 oils Nutrition 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000005303 weighing Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012153 distilled water Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 239000004205 dimethyl polysiloxane Substances 0.000 description 1
- 235000013870 dimethyl polysiloxane Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001785 headspace extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- CXQXSVUQTKDNFP-UHFFFAOYSA-N octamethyltrisiloxane Chemical compound C[Si](C)(C)O[Si](C)(C)O[Si](C)(C)C CXQXSVUQTKDNFP-UHFFFAOYSA-N 0.000 description 1
- 230000007436 olfactory function Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004987 plasma desorption mass spectroscopy Methods 0.000 description 1
- 229920000435 poly(dimethylsiloxane) Polymers 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 235000012424 soybean oil Nutrition 0.000 description 1
- 239000003549 soybean oil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
- G01N30/8624—Detection of slopes or peaks; baseline correction
- G01N30/8631—Peaks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
- G01N30/8696—Details of Software
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开一种基于电子鼻预测食材处理与其风味品质关系的方法，步骤如下：基于食材进行不同处理所得的食品风味物质，使用电子鼻的传感器响应信号定量化处理，以在不同模块的信号响应值为鉴别依据，采用主成分分析对经不同处理食材的风味成分进行分析，建立食材处理与其风味品质间的预测模型。本方法准确、客观，可快速建立、鉴别与调控食材的处理与其风味品质之间的关联，对于科学指导食品加工过程，提升食品品质与营养价值具有重要的意义。
Description
技术领域
本发明属于应用电子感官进行食品检测技术领域，尤其是一种基于电子鼻预测食材处理与其风味品质关系的方法和应用。
背景技术
世界各国的饮食文化博大精深，对于食材的处理各有所长。食材经过加工处理，特别是热处理，其表现出的风味品质也就是其感官特征无疑是食材的重要属性。对食材的处理方式能够改变食品的色、香、味，并决定食品组成结构成分与性质，直接影响食品的风味品质。独特的风味品质能够形成食用者的记忆点，提升产品受欢迎范围的广度以及文化的传播度。同理，不当的或过度的处理可破坏食材本身的营养成分，降低食材的风味品质，不仅影响其营养价值，更可能危害食用者的健康。目前，世界各国对于食材的处理以及处理程度尚未形成统一的意见与建议，在处理过程与采用相应处理后的效果方面尚未形成评估判断方法。针对这一情况，需要应用科学的技术，以更加准确、理性的方式，鉴别与调控对食材的处理，以建立与其风味品质之间的关联性。
电子鼻是模仿人类嗅觉功能的仪器，整合了气体采样系统、气敏传感器阵列、信号预处理、模式识别系统和数据显示五大部分。可通过传感器识别和检测不同种类的风味化合物，结合模式识别系统，以提供被测样品的风味信息。其具有更直观、客观、快捷的优势，可以对复杂的挥发性气体进行精准识别与区分。电子鼻在食品检测领域，常用于鉴别不同产地不同来源的食材以及检测鉴定不同产品质量的优劣。
通过检索，尚未发现与本发明专利申请相关的专利公开文献。
发明内容
本发明目的在于克服现有技术中的不足之处，提供一种基于电子鼻预测食材处理与其风味品质关系的方法和应用，该方法准确、客观，可快速建立、鉴别与调控食材的处理与其风味品质之间的关联，对于科学指导食品加工过程，提升食品品质与营养价值具有重要的意义。
本发明解决其技术问题所采用的技术方案是：
一种基于电子鼻预测食材处理与其风味品质关系的方法，步骤如下：
基于食材进行不同处理所得的食品风味物质，使用电子鼻的传感器响应信号定量化处理，以在不同模块的信号响应值为鉴别依据，采用主成分分析对经不同处理食材的风味成分进行分析，建立食材处理与其风味品质间的预测模型。
而且，具体步骤如下：
选取5种具有代表性的食材，即葱、姜、蒜、花椒和大料，以5种具有代表性的传统菜肴加工方式，即炖、蒸、炸、炒和烧，对食材进行处理，监测记录共计25个样本的风味品质检测数据；采用电子鼻的信号传感器，对不同食材对应于不同处理所得的信号响应值变量为依据，建立不同处理前后食材风味品质的变化关系，采用主成分分析法对不同处理食材的风味成分进行分析，建立食材处理与其风味品质间的预测模型。
而且，所述电子鼻为PEN3型号电子鼻。
而且，所述PEN3型号电子鼻包括10个传感器，分别为：W1C，W5S，W3C，W6S，W5C，W1S，W1W，W2S，W2W以及W3S。
而且，所述电子鼻的数据采集条件为：电子鼻传感器清洗时间100s，进样准备时间为10s，进样时间为300s，进气速度为500mL/min，检测时间为200s。
而且，所述食品风味物质使用电子鼻采集特征风味数据分析，具体步骤如下：
将电子鼻传感器所获取的多指标信息进行转换和降维，得出贡献率最大和最主要的因子；以主成分分析空间分布图为载体，分析采集数据间的相似性与差异性；根据主成分分析数据，进行聚类分析，拟合回归曲线，建立预测模型。
而且，所述预测模型还经过如下处理：
采用固相微萃取-气质联用技术对各处理食材的挥发性风味物质进行分析，从风味物质经处理前后结构变化的角度验证预测模型的可靠性。
如上所述的基于电子鼻预测食材处理与其风味品质关系的方法在食品加工中的品质监控方面中的应用。
本发明取得的优点和积极效果为：
1、食材的处理方式能够改变食品组成结构成分与性质，直接影响食品的风味品质。基于食材进行不同处理所得的食品风味物质，在电子鼻传感器响应信号的定量化处理，以在不同模块的信号响应值为鉴别依据，采用主成分分析法对不同处理食材的风味成分进行分析，建立食材处理与其风味品质间的预测模型，并通过固相微萃取-气质联用技术对预测的结果进行验证。本发明采用电子鼻技术建立预测食材的不同处理与其风味品质之间的关系，该方法准确、客观，可快速建立、鉴别与调控食材的处理与其风味品质之间的关联，对于科学指导食品加工过程，提升食品品质与营养价值具有重要的意义。
2、本发明方法利用电子鼻技术，将食品风味品质的人为感官转化为传感器的信号进行可视化处理，直观与客观地评定相关性联系，以高效地对食品品质进行控制。
附图说明
图1为本发明中食材不同处理的试验模拟装置图；其中：图1(a)为炖处理模拟装置；(b)为蒸处理模拟装置；(c)为炸处理模拟装置；(d)为炒处理模拟装置；(e)为烧处理模拟装置；
图2为本发明中食材(姜)经过不同处理的电子鼻传感器响应值雷达图；
图3为本发明中食材(姜)经过不同处理的电子鼻主成分分析图。
具体实施方式
下面详细叙述本发明的实施例，需要说明的是，本实施例是叙述性的，不是限定性的，不能以此限定本发明的保护范围。
本发明中所使用的原料，如无特殊说明，均为常规的市售产品；本发明中所使用的方法，如无特殊说明，均为本领域的常规方法。
一种基于电子鼻预测食材处理与其风味品质关系的方法，步骤如下：
基于食材进行不同处理所得的食品风味物质，使用电子鼻的传感器响应信号定量化处理，以在不同模块的信号响应值为鉴别依据，采用主成分分析对经不同处理食材的风味成分进行分析，建立食材处理与其风味品质间的预测模型。
较优地，所述电子鼻为PEN3型号电子鼻。
较优地，所述PEN3型号电子鼻包括10个传感器，分别为：W1C，W5S，W3C，W6S，W5C，W1S，W1W，W2S，W2W以及W3S。
较优地，所述电子鼻的数据采集条件为：电子鼻传感器清洗时间100s，进样准备时间为10s，进样时间为300s，进气速度为500mL/min，检测时间为200s。
较优地，所述食品风味物质使用电子鼻采集特征风味数据分析，具体步骤如下：
将电子鼻传感器所获取的多指标信息进行转换和降维，得出贡献率最大和最主要的因子；以主成分分析空间分布图为载体，分析采集数据间的相似性与差异性；根据主成分分析数据，进行聚类分析，拟合回归曲线，建立预测模型。
较优地，所述预测模型还经过如下处理：
采用固相微萃取-气质联用技术对各处理食材的挥发性风味物质进行分析，从风味物质经处理前后结构变化的角度验证预测模型的可靠性。
如上所述的基于电子鼻预测食材处理与其风味品质关系的方法在食品加工中的品质监控方面中的应用。
具体地：
一种基于电子鼻预测食材处理与其风味品质关系的方法。选取5种具有代表性的食材，即葱、姜、蒜、花椒和大料，以5种具有代表性的传统菜肴加工方式，即炖、蒸、炸、炒和烧，对食材进行处理，监测记录共计25个样本的风味品质检测数据。以所采用电子鼻的10个信号传感器，对不同食材对应于不同处理所得的信号响应值变量为依据，建立不同处理前后食材风味品质的变化关系，采用主成分分析法对不同处理食材的风味成分进行分析，建立食材处理与其风味品质间的预测模型。采用固相微萃取-气质联用技术对各处理食材的挥发性风味物质进行分析归属，从风味物质结构处理前后变化的角度验证本预测模型的可靠性。
不同食材处理前空白对照检测的前处理具体方法为：取5g食材样品放入45mL的顶空萃取瓶内，插入萃取针头，计时，平衡后测试。
不同食材处理后样品检测的前处理具体方法为：根据不同处理方式的特点要求，设计相应的风味物质收集模拟装置，计时，平衡后测试。
建立模型的验证方法：采用固相微萃取-气质联用技术，检测不同处理方式下食材的半挥发性风味物质，分析比较处理前后风味化合物种类及含量的异同。
所述固相微萃取(固相微萃取针头型号50/30μm DVB/CAR/PDMS，美国Supelco公司)-气质联用(三重四级杆气质联用仪，型号7890B-7000C，安捷伦)分析检测条件：色谱条件(Agilent 7890B)：色谱柱：HP-5MS(30mm×0.25mm×0.25μL)；进样口温度：250℃；载气：氦气；恒定压力：91.65kPa；平均线速度：22.693cm/s；分流进样分流比：10：1；色谱柱程序升温：初始40℃，保持3min，5℃/min升至240℃，保持0min；质谱条件(Agilent7000C)：EI源，电子能量：70ev；离子源温度：230℃；扫描类型：MSI全扫描；扫描范围40-500m/z。采用标准谱库NIST 14进行相似度对比，确认风味物质，按照峰面积归一法计算各组分含量。
基于电子鼻食材处理与其风味品质关系的不同预测模型，经回归分析所得拟合优度(R2)在0.92-0.98之间，且食材经处理后所采集到的挥发性风味物质的种类与含量具有差异性，可将不同处理方式间明显区分出来。经固相微萃取-气质联用技术验证，分析所得挥发性物质成分的种类与含量与电子鼻分析结果相一致，说明该方法建立的模型具有合理可靠性，能体现不同食材不同处理的代表性。
具体地，更为具体的实施例如下：
实施例1基于电子鼻预测姜经蒸处理与其风味品质关系的方法
将块根粗壮、无病变霉烂的新鲜莱芜生姜洗净，去皮，切成3mm×3mm×20mm的条状。准确称取20g鲜姜条放入500mL的滴液分压漏斗中，装置如图1所示，再量取300mL的蒸馏水，放入1L烧瓶中，将烧瓶底部浸没于油浴锅中，开始逐步升温至烧瓶内蒸馏水完全沸腾，记录油浴锅温度为110℃，待水蒸气弥漫到漏斗内，开始计时，产生的气体用气体收集袋收集，计时30min，每次试验设置三组平行。电子鼻数据采集条件为：电子鼻传感器清洗时间100s，进样准备时间为10s，进样时间为300s，进气速度为500mL/min，检测时间为200s。PEN3型号电子鼻的10个传感器包括：W1C，W5S，W3C，W6S，W5C，W1S，W1W，W2S，W2W以及W3S。固相微萃取-气质联用检测同理，在气体收集处引入固相微萃取装置，同等时间后进行采集样品分析，每次试验设置五组平行。气质联用色谱条件(Agilent 7890B)为：色谱柱：HP-5MS(30mm×0.25mm×0.25μL)；进样口温度：250℃；载气：氦气；恒定压力：91.65kPa；平均线速度：22.693cm/s；分流进样分流比：10：1；色谱柱程序升温：初始40℃，保持3min，5℃/min升至240℃，保持0min；质谱条件(Agilent 7000C)：EI源，电子能量：70ev；离子源温度：230℃；扫描类型：MSI全扫描；扫描范围40-500m/z。采用标准谱库NIST 14进行相似度对比，确认风味物质，按照峰面积归一法计算各组分含量。
以生姜经蒸处理采集到的风味物质为样本，将电子鼻10个传感器对生姜经蒸处理后产生的风味物质的响应进行定量。生姜经蒸处理的电子鼻传感器响应值雷达图如图2所示，以定量后的10个响应值为变量进行主成分分析，分析结果如图3所示。根据主成分分析数据，进行聚类分析，拟合回归曲线，建立预测模型，得y＝-0.0539x2+0.2842x+0.5065，R2＝0.96。经固相微萃取-气质联用技术验证，分析所得挥发性物质成分的种类与含量与电子鼻分析结果相一致，说明该方法建立的该模型具有合理可靠性，能体现姜经蒸处理后的风味物质的特征性。
实施例2基于电子鼻预测姜经炒处理与其风味品质关系的方法
将块根粗壮、无病变霉烂的新鲜莱芜生姜洗净，去皮，切成3mm×3mm×20mm的条状。准确称取5g鲜姜条备用，准确称取25g大豆油倒入1L的三口烧瓶中，装置如图1所示，油浴锅设置为180℃，待温度稳定时开始放入生姜，计时1min加热，1min后将烧瓶抬起，开始计时，产生的气体用气体收集袋收集，计时30min，每次试验设置三组平行。电子鼻数据采集条件为：电子鼻传感器清洗时间100s，进样准备时间为10s，进样时间为300s，进气速度为500mL/min，检测时间为200s。PEN3型号电子鼻的10个传感器包括：W1C，W5S，W3C，W6S，W5C，W1S，W1W，W2S，W2W以及W3S。固相微萃取-气质联用检测同理，在气体收集处引入固相微萃取装置，同等时间后进行采集样品分析，每次试验设置五组平行。气质联用色谱条件(Agilent7890B)为：色谱柱：HP-5MS(30mm×0.25mm×0.25μL)；进样口温度：250℃；载气：氦气；恒定压力：91.65kPa；平均线速度：22.693cm/s；分流进样分流比：10：1；色谱柱程序升温：初始40℃，保持3min，5℃/min升至240℃，保持0min；质谱条件(Agilent 7000C)：EI源，电子能量：70ev；离子源温度：230℃；扫描类型：MSI全扫描；扫描范围40-500m/z。采用标准谱库NIST14进行相似度对比，确认风味物质，按照峰面积归一法计算各组分含量。
以生姜经炒处理采集到的风味物质为样本，将电子鼻10个传感器对生姜经炒处理后产生的风味物质的响应进行定量。生姜经炒处理的电子鼻传感器响应值雷达图如图2所示，以定量后的10个响应值为变量进行主成分分析，分析结果如图3所示。根据主成分分析数据，进行聚类分析，拟合回归曲线，建立预测模型，得y＝-0.2116x2+1.3357x+1.3401，R2＝0.93。经固相微萃取-气质联用技术验证，分析所得挥发性物质成分的种类与含量与电子鼻分析结果相一致，说明该方法建立的该模型具有合理可靠性，能体现姜经炒处理后的风味物质的特征性。
尽管为说明目的公开了本发明的实施例，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。
Claims (8)
1.一种基于电子鼻预测食材处理与其风味品质关系的方法，其特征在于：步骤如下：
基于食材进行不同处理所得的食品风味物质，使用电子鼻的传感器响应信号定量化处理，以在不同模块的信号响应值为鉴别依据，采用主成分分析对经不同处理食材的风味成分进行分析，建立食材处理与其风味品质间的预测模型。
2.根据权利要求1所述的基于电子鼻预测食材处理与其风味品质关系的方法，其特征在于：具体步骤如下：
选取5种具有代表性的食材，即葱、姜、蒜、花椒和大料，以5种具有代表性的传统菜肴加工方式，即炖、蒸、炸、炒和烧，对食材进行处理，监测记录共计25个样本的风味品质检测数据；采用电子鼻的信号传感器，对不同食材对应于不同处理所得的信号响应值变量为依据，建立不同处理前后食材风味品质的变化关系，采用主成分分析法对不同处理食材的风味成分进行分析，建立食材处理与其风味品质间的预测模型。
3.根据权利要求1或2所述的基于电子鼻预测食材处理与其风味品质关系的方法，其特征在于：所述电子鼻为PEN3型号电子鼻。
4.根据权利要求3所述的基于电子鼻预测食材处理与其风味品质关系的方法，其特征在于：所述PEN3型号电子鼻包括10个传感器，分别为：W1C，W5S，W3C，W6S，W5C，W1S，W1W，W2S，W2W以及W3S。
5.根据权利要求1或2所述的基于电子鼻预测食材处理与其风味品质关系的方法，其特征在于：所述电子鼻的数据采集条件为：电子鼻传感器清洗时间100s，进样准备时间为10s，进样时间为300s，进气速度为500mL/min，检测时间为200s。
6.根据权利要求1或2所述的基于电子鼻预测食材处理与其风味品质关系的方法，其特征在于：所述食品风味物质使用电子鼻采集特征风味数据分析，具体步骤如下：
将电子鼻传感器所获取的多指标信息进行转换和降维，得出贡献率最大和最主要的因子；以主成分分析空间分布图为载体，分析采集数据间的相似性与差异性；根据主成分分析数据，进行聚类分析，拟合回归曲线，建立预测模型。
7.根据权利要求1或2所述的基于电子鼻预测食材处理与其风味品质关系的方法，其特征在于：所述预测模型还经过如下处理：
采用固相微萃取-气质联用技术对各处理食材的挥发性风味物质进行分析，从风味物质经处理前后结构变化的角度验证预测模型的可靠性。
8.如权利要求1至7任一项所述的基于电子鼻预测食材处理与其风味品质关系的方法在食品加工中的品质监控方面中的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911049464.0A CN110879258A (zh) | 2019-10-31 | 2019-10-31 | 一种基于电子鼻预测食材处理与其风味品质关系的方法和应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911049464.0A CN110879258A (zh) | 2019-10-31 | 2019-10-31 | 一种基于电子鼻预测食材处理与其风味品质关系的方法和应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110879258A true CN110879258A (zh) | 2020-03-13 |
Family
ID=69728185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911049464.0A Pending CN110879258A (zh) | 2019-10-31 | 2019-10-31 | 一种基于电子鼻预测食材处理与其风味品质关系的方法和应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110879258A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070278A (zh) * | 2020-08-17 | 2020-12-11 | 中国标准化研究院 | 电子鼻结合主成分分析预测烤鸭货架终点的方法 |
| CN112505185A (zh) * | 2020-12-04 | 2021-03-16 | 天津科技大学 | 一种基于偏最小二乘法建立不同植物油调控辛香精油风味品质预测模型的方法 |
| CN114487143A (zh) * | 2020-11-11 | 2022-05-13 | 天津科技大学 | 一种对成品粮储藏过程中霉变快速判别的方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6411905B1 (en) * | 2000-07-18 | 2002-06-25 | The Governors Of The University Of Alberta | Method and apparatus for estimating odor concentration using an electronic nose |
| US6450008B1 (en) * | 1999-07-23 | 2002-09-17 | Cyrano Sciences, Inc. | Food applications of artificial olfactometry |
| CN102692488A (zh) * | 2012-03-22 | 2012-09-26 | 浙江大学 | 基于电子鼻技术的金华火腿分级与鉴别方法 |
| CN103439366A (zh) * | 2013-08-24 | 2013-12-11 | 浙江大学 | 一种电子鼻检测食用植物油反复加热的方法 |
| CN103675127A (zh) * | 2013-12-02 | 2014-03-26 | 上海应用技术学院 | 一种利用顶空气相色谱-质谱联用仪和电子鼻联用对食用菌中风味物质进行辨别的方法 |
| CN105954466A (zh) * | 2016-04-27 | 2016-09-21 | 上海应用技术学院 | 一种对食用香辛料品质鉴别的电子鼻采集系统及方法 |
| CN106771004A (zh) * | 2016-12-30 | 2017-05-31 | 南京财经大学 | 一种评价大蒜品质的方法 |
-
2019
- 2019-10-31 CN CN201911049464.0A patent/CN110879258A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6450008B1 (en) * | 1999-07-23 | 2002-09-17 | Cyrano Sciences, Inc. | Food applications of artificial olfactometry |
| US6411905B1 (en) * | 2000-07-18 | 2002-06-25 | The Governors Of The University Of Alberta | Method and apparatus for estimating odor concentration using an electronic nose |
| CN102692488A (zh) * | 2012-03-22 | 2012-09-26 | 浙江大学 | 基于电子鼻技术的金华火腿分级与鉴别方法 |
| CN103439366A (zh) * | 2013-08-24 | 2013-12-11 | 浙江大学 | 一种电子鼻检测食用植物油反复加热的方法 |
| CN103675127A (zh) * | 2013-12-02 | 2014-03-26 | 上海应用技术学院 | 一种利用顶空气相色谱-质谱联用仪和电子鼻联用对食用菌中风味物质进行辨别的方法 |
| CN105954466A (zh) * | 2016-04-27 | 2016-09-21 | 上海应用技术学院 | 一种对食用香辛料品质鉴别的电子鼻采集系统及方法 |
| CN106771004A (zh) * | 2016-12-30 | 2017-05-31 | 南京财经大学 | 一种评价大蒜品质的方法 |
Non-Patent Citations (6)
| Title |
|---|
| 丁玉勇: "基于电子鼻和多种模式识别算法的不同种食用香辛料的鉴别", 《食品科学》 * |
| 党亚丽等: "金华火腿烹调前后风味的变化", 《中国食品学报》 * |
| 张淼等: "不同热加工方式芝麻酱风味物质的差异", 《食品工业科技》 * |
| 曲清莉等: "利用GC-MS和电子鼻研究超微粉碎对姜风味物质的影响", 《中国调味品》 * |
| 赵颖等: "不同处理工艺板栗酥饼风味成分的电子鼻检测", 《食品工业科技》 * |
| 顾军强等: "不同热处理燕麦片风味物质分析", 《现代食品科技》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070278A (zh) * | 2020-08-17 | 2020-12-11 | 中国标准化研究院 | 电子鼻结合主成分分析预测烤鸭货架终点的方法 |
| CN112070278B (zh) * | 2020-08-17 | 2023-06-20 | 中国标准化研究院 | 电子鼻结合主成分分析预测烤鸭货架终点的方法 |
| CN114487143A (zh) * | 2020-11-11 | 2022-05-13 | 天津科技大学 | 一种对成品粮储藏过程中霉变快速判别的方法 |
| CN112505185A (zh) * | 2020-12-04 | 2021-03-16 | 天津科技大学 | 一种基于偏最小二乘法建立不同植物油调控辛香精油风味品质预测模型的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | HS-GC-IMS with PCA to analyze volatile flavor compounds across different production stages of fermented soybean whey tofu | |
| Wei et al. | Detecting internal quality of peanuts during storage using electronic nose responses combined with physicochemical methods | |
| Kiani et al. | A portable electronic nose as an expert system for aroma-based classification of saffron | |
| CN110879258A (zh) | 一种基于电子鼻预测食材处理与其风味品质关系的方法和应用 | |
| CN110687240B (zh) | 一种快速鉴定火腿产地的方法 | |
| MILDNER‐SZKUDLARZ et al. | Detection of olive oil adulteration with rapeseed and sunflower oils using mos electronic nose and SMPE‐MS | |
| CN101493431A (zh) | 利用电子鼻检测鸡肉新鲜度的方法 | |
| Radi et al. | Study on electronic-nose-based quality monitoring system for coffee under roasting | |
| CN110780010A (zh) | 一种针对食品风味品质评价信息检测方法及系统 | |
| CN104316635A (zh) | 水果风味品质的快速鉴别方法 | |
| CN105954412B (zh) | 用于山核桃新鲜度检测的传感器阵列优化方法 | |
| CN104316489B (zh) | 一种近红外光谱检测灵芝提取物掺假的方法 | |
| Huang et al. | Detection of medicinal off-flavor in apple juice with artificial sensing system and comparison with test panel evaluation and GC–MS | |
| CN102692488A (zh) | 基于电子鼻技术的金华火腿分级与鉴别方法 | |
| Liu et al. | Near-infrared prediction of edible oil frying times based on Bayesian Ridge Regression | |
| Li et al. | Colorimetric sensor array-based artificial olfactory system for sensing Chinese green tea’s quality: A method of fabrication | |
| Sun et al. | Optimization of headspace SPME GC× GC-TOF/MS analysis of volatile organic compounds in edible oils by central composite design for adulteration detection of edible oil | |
| Li et al. | Fish meal freshness detection by GBDT based on a portable electronic nose system and HS-SPME–GC–MS | |
| Górska-Horczyczak et al. | Chromatographic fingerprint application possibilities in food authentication | |
| CN111650347B (zh) | 一种山楂炮制生产程度控制及质量评价的方法 | |
| Cuparencu et al. | Towards nutrition with precision: unlocking biomarkers as dietary assessment tools | |
| CN111671782B (zh) | 一种石榴皮炮制方法、质量控制方法及应用 | |
| Roy et al. | A novel technique for detection of vanaspati (hydrogenated fat) in cow ghee (clarified butter fat) using flash gas chromatography electronic nose combined with chemometrics | |
| Dehan et al. | Classification of Chinese Herbal medicines based on SVM | |
| CN103743849A (zh) | 一种同时快速筛查鉴定乳制品中多种有机酸的离子色谱-高分辨质谱联用方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200313 |
|
| RJ01 | Rejection of invention patent application after publication |