探讨辐照酱板鸭风味控制的有效措施。采用60Co-γ射线和电子束辐照酱板鸭，通过对电子鼻、电子舌实验数据进行雷达分析、主成分分析（Principal components analysis，PCA）和线性判别分析（Linear discriminant analysis，LDA），研究抗氧化剂（0.02% VE+0.03% 茶多酚+0.02% TBHQ）、辐照温度（室温、冰温）和贮藏时间（0 d、30 d）等因素对酱板鸭风味的影响。结果表明：60Co-γ射线和电子束辐照处理酱板鸭样品气滋味差异显著（p<0.05），滋味差异主要表现在苦味、涩味和甜味；气味差异主要表现在W2W（芳香化合物和有机硫化物）、W1W（无机硫化物）、W1S（烃类物质）、W5S（氮氧化合物）和W2S（醇类和部分芳香型化合物）；各冰温处理组气滋味特征与对照组最接近，各添加抗氧化剂组气滋味特征次之，冰温+添加抗氧化剂的处理对辐照酱板鸭气滋味并未产生明显的协同作用。冰温处理和添加抗氧化剂处理能一定程度上控制辐照酱板鸭风味改变，本研究为辐照酱板鸭风味控制手段选择提供了理论支撑。
酱板鸭 辐照 电子鼻 电子舌 风味 Spicy salted duck Irradiation Electronic nose Electronic tongue Flavor 辐射研究与辐射工艺学报
2023, 41(6): 060402
1 上海烟草集团有限责任公司技术中心, 上海 200082
2 上海真谱信息科技有限公司, 上海 200444
3 同济大学环境科学与工程学院, 上海 200092
分别基于近红外和电子鼻融合数据、 近红外数据以及电子鼻数据建立判别烟叶清香型、 中间香型和浓香型三种香型风格的定性判别模型, 结果表明虽然三种模型的建模准确率差异不大, 都超过了89.00%, 但基于融合数据建立的模型对中间香型和浓香型的预报准确率分别为82.67%和80.00%, 比仅仅利用近红外数据建立模型的72.41%和73.33, 也比仅仅基于电子鼻数据建立模型的68.97%和53.33%都有明显的提高。 融合后预报准确率提高的可能原因是: 电子鼻风味分析仪对于影响中间香型和浓香型的烟叶致香成分感应更加灵敏, 捕获的信息也更多, 这些新的信息可以作为NIR数据信息的有利补充, 可用于建立烟叶香型分类判别准确率更高的模型。 同时本研究还基于相同的融合数据, 对比不同数据挖掘算法建模和预报结果差异性。 实验结果表明: 人工神经网络的建模结果高于支持向量机建模, 人工神经网络模型的预报结果准确率只有65.00%, 远低于支持向量机模型的预报结果的83.75%。 这也验证了支持向量机算法可以在建模过程中减少过拟合。 该研究可以为快速鉴别烟叶香型风格提供支撑, 而且随着研究的深入可以争取为烟草系统的专业评吸人员提供辅助的鉴别方法。英文标题>Discriminating Flavor Styles via Data Fusion of NIR and EN
近红外 电子鼻 香型风格 数据融合 NIR EN Fragrance style Data fusion
红外与激光工程
2022, 51(5): 20210374
1 上海烟草集团有限责任公司技术中心， 上海 200082
2 高品质特殊钢冶金与制备国家重点实验室， 上海市钢铁冶金新技术开发应用重点实验室，上海大学材料科学与工程学院，上海 200072
提出了一种基于烟叶近红外光谱(NIR)和烟叶电子鼻(EN)融合数据的烟叶年份判别的支持向量机分类模型。 在NIR和EN数据融合的基础上， 利用遗传算法来进行变量选择， 再建立烟叶年份判别支持向量机模型， 所得到的烟叶判别模型在训练集和独立测试集上都具有较高的准确率。 建立的烟叶判别NIR-E-SVM模型的建模准确率达到100%， 留一法准确率达到9855%， 对未知样本的预报准确率为90%。
近红外 支持向量机 烟草 电子鼻 Near infrared spectroscopy Support vector machine Tobacco Electronic nose 光谱学与光谱分析
2018, 38(5): 1620
北京农业智能装备技术研究中心, 北京市农林科学院, 北京 100097
葡萄在劣变时会挥发出特定成分和浓度的气体。 在变质葡萄的挥发物红外光谱中发现了乙醇、 乙酸乙酯和二氧化碳的光谱特征。 通过多次反射的光学系统提高了光谱测量的光程, 从而获得了更高的探测灵敏度。 利用新型光谱测量系统进一步研究了葡萄劣变过程中挥发物的精细化特征, 并证实了其中含有多种醇类、 酯类、 醛类和乙烯的光谱特征。 部分挥发物的浓度随贮藏时间展现规律性的变化, 可以以其为生物标志物来表征葡萄的变质程度。 进一步以光谱观测规律为基础研制了由传感器阵列组成的电子鼻, 通过对特定挥发物的定量化测量实现葡萄变质的分类和预警。 揭示了更为精细的葡萄劣变过程中挥发物的光谱特征变化规律, 证实了通过挥发物测量鉴别水果变质的可行性, 为开展水果变质的实时监测技术研究提供了理论和技术参考。
葡萄 挥发性物质 傅里叶变换红外光谱 电子鼻 Grape Volatile compounds FTIR E-nose 光谱学与光谱分析
2016, 36(6): 1645
中国农业大学食品科学与营养工程学院, 国家果蔬加工工程技术研究中心, 北京100083
采用近红外光谱和电子鼻对葡萄酒的酒精发酵过程进行了动态采样检测, 通过主成分回归和偏最小二乘回归对酒精度变化进行了监控和预测研究。 分别建立了近红外光谱、 电子鼻以及二者融合数据对酒精度定量分析的主成分回归和偏最小二乘回归模型。 结果表明, 近红外光谱数据和电子鼻数据的主成分回归和偏最小二乘回归模型的相关系数（r）均大于0.99, 但校正均方根误差（RMSEC）和预测均方根误差（RMSEP）较大。 近红外光谱和电子鼻数据融合后, 模型质量得到提高, 建立的偏最小二乘模型r为0.999 2, RMSEC和RMSEP分别降低为0.206%和0.205%(v/v), 定量精度较高。 近红外光谱和电子鼻均适用于红酒发酵过程中对酒精度的定量分析, 且二者结合应用能提高定量精度。
葡萄酒 酒精度 近红外光谱 电子鼻 Red wine Alcohol content NIR spectroscopy Electronic nose 光谱学与光谱分析
2012, 32(11): 2997
中国农业大学食品科学与营养工程学院,北京,100083
利用快速气相色谱(GC-Flash)型电子鼻对不同贮藏时间红星苹果的香气进行检测,检测速度快(每次检测不超过5分钟)、重复性好且不破坏样品.所得数据经主成分分析(PCA)、统计质量控制(SQC)、货架期(SL)和气味指纹图谱四种化学计量学的方法进行处理后,果实的香气按照贮藏天数得到了很好地区分,反映了其采后质量的变化过程,预测出红星果实的常温货架期为20天,并用传统的理化指标法进行了验证,结果表明基于化学计量学的电子鼻技术是一种新的检测和分析产品质量的好方法.
电子鼻 苹果 主成分分析 统计质量控制 货架期 气味指纹
