基于統(tǒng)計(jì)空間映射和電子鼻的豬肉風(fēng)味物質(zhì)檢測(cè)

王炳蔚，楊 璐，*，鄭麗敏，2，王智凝

（1.中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京 100083；2.食品質(zhì)量與安全北京實(shí)驗(yàn)室，北京 100083）

基于統(tǒng)計(jì)空間映射和電子鼻的豬肉風(fēng)味物質(zhì)檢測(cè)

王炳蔚1，楊 璐1，*，鄭麗敏1，2，王智凝1

（1.中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院，北京 100083；2.食品質(zhì)量與安全北京實(shí)驗(yàn)室，北京 100083）

為有效地檢測(cè)并識(shí)別不同豬肉量本揮發(fā)性風(fēng)味的差異，利用電子鼻和頂空固相微萃取-氣相色譜-質(zhì)譜聯(lián)用技術(shù)分別對(duì)豬肉量本進(jìn)行檢測(cè)，針對(duì)2 種方法檢測(cè)物質(zhì)的相似性，應(yīng)用系統(tǒng)聚類分析2 種方法的檢測(cè)數(shù)據(jù)，建立二者之間的線性回歸模型，獲得電子鼻檢測(cè)數(shù)據(jù)與豬肉揮發(fā)性風(fēng)味物質(zhì)間的映射關(guān)系，并利用映射關(guān)系完成電子鼻檢測(cè)數(shù)據(jù)的分類。結(jié)果顯示，豬肉的電子鼻檢測(cè)數(shù)據(jù)與揮發(fā)性成分間展現(xiàn)了較為一致的聚類結(jié)果，回歸方程顯示2 種檢測(cè)數(shù)據(jù)存在顯著的線性關(guān)系，利用聚類結(jié)果進(jìn)行判別分析，量本識(shí)別正確率達(dá)到了90%，表明了利用電子鼻檢測(cè)并識(shí)別不同豬肉間揮發(fā)性風(fēng)味物質(zhì)差異可行。

電子鼻；固相微萃?。唤y(tǒng)計(jì)空間映射；模式識(shí)別

王炳蔚， 楊璐， 鄭麗敏， 等. 基于統(tǒng)計(jì)空間映射和電子鼻的豬肉風(fēng)味物質(zhì)檢測(cè)［J］. 食品科學(xué)， 2016， 37（8）: 102-107.

WANG Bingwei， YANG Lu， ZHENG Limin， et al. Detection of pork flavor compounds based on statistical space mapping and electronic nose［J］. Food Science， 2016， 37（8）: 102-107. （in Chinese with English abstract） DOI:10.7506/spkx1002-6630-201608018. http://www.spkx.net.cn

肉制品中的揮發(fā)性化合物決定了其芳香特性，并對(duì)肉制品的特征風(fēng)味起到了最重要的作用［1-2］。氣味和味道的形成受內(nèi)源酶、微生物水平影響，也與天然成分間的化學(xué)反應(yīng)相關(guān)［3-7］。豬肉的揮發(fā)性風(fēng)味物質(zhì)主要包括碳?xì)浠衔铩⒋碱?、酚類、酮類、酯類、羧酸類、醚類、醛類、含氮化合物和含硫化合物。豬肉風(fēng)味的形成是及其復(fù)雜的過(guò)程，也是多種揮發(fā)性成分的綜合反映［8］。在肉制品的揮發(fā)性風(fēng)味物質(zhì)檢測(cè)過(guò)程中，固相微萃?。╯olid phase micro-extraction，SPME）技術(shù)與氣相色譜-質(zhì)譜（gas chromatography-mass spectrometry，GC-MS）聯(lián)用技術(shù)是常用的方法。SPME技術(shù)集采量、萃取、濃縮進(jìn)量于一體，廣泛應(yīng)用于環(huán)境污染物、農(nóng)藥殘留、臨床藥理公安案件分析、制藥、化工、食品分析等領(lǐng)域［9-11］。但該方法成本較高，以相對(duì)含量定量表示揮發(fā)性物質(zhì)的方法帶有一定的模糊性。一般研究中利用該方法僅能給出各種揮發(fā)性風(fēng)味物質(zhì)的含量，難以以此表征個(gè)體間風(fēng)味的差異。電子鼻模仿人類的嗅覺(jué)原理，利用傳感器陣列對(duì)不同氣味的交叉敏感性，可以檢測(cè)到豬肉揮發(fā)性成分的差異，易于操作且成本較低［12］。電子鼻檢測(cè)到的不是被測(cè)量本揮發(fā)性物質(zhì)的定性或定量的結(jié)果，而是量本揮發(fā)性物質(zhì)的整體信息（指紋數(shù)據(jù)）［13］。

柴春祥等［14］研究表明在不同的實(shí)驗(yàn)條件下，電子鼻可以檢測(cè)到豬肉揮發(fā)性成分的變化。洪雪珍等［15］研究表明不同豬肉量品質(zhì)量對(duì)電子鼻響應(yīng)信號(hào)的影響極為顯著，能夠很好地區(qū)分不同貯藏時(shí)間的豬肉量品。王智凝［16］利用Bayes判別等方法對(duì)電子鼻采集的不同廠家的豬外脊數(shù)據(jù)進(jìn)行了有效分類，并利用線性回歸方法建立了電子鼻檢測(cè)數(shù)據(jù)與SPME檢測(cè)數(shù)據(jù)間的回歸方程。潘見等［9］研究表明利用SPME-GC-MS方法能夠有效區(qū)分不同豬肉量本間的風(fēng)味差異。

基于上述研究現(xiàn)狀，本實(shí)驗(yàn)應(yīng)用如下的研究方法：利用電子鼻和SPME-GC-MS技術(shù)對(duì)不同豬肉量本進(jìn)行檢測(cè)，針對(duì)量本的電子鼻檢測(cè)數(shù)據(jù)和揮發(fā)性成分對(duì)量本進(jìn)行層次聚類，建立電子鼻檢測(cè)數(shù)據(jù)與豬肉揮發(fā)性風(fēng)味物質(zhì)間的線性回歸模型。利用電子鼻檢測(cè)數(shù)據(jù)與豬肉揮發(fā)性成分間的映射關(guān)系對(duì)豬肉量本進(jìn)行統(tǒng)計(jì)映射關(guān)系有效性的驗(yàn)證。通過(guò)基于統(tǒng)計(jì)映射的模式識(shí)別方法［17］，表明利用電子鼻檢測(cè)并識(shí)別不同豬肉間揮發(fā)性風(fēng)味物質(zhì)差異的可行性。

1　材料與方法

1.1材料與儀器

實(shí)驗(yàn)選用來(lái)自北京資源集團(tuán)當(dāng)天宰殺的40 頭豬的新鮮外脊，每條外脊分成2 份，一份攪碎用于電子鼻檢測(cè)，一份送往中國(guó)肉類食品綜合研究中心進(jìn)行GC-MS聯(lián)用檢測(cè)。

E-Nose 10001型電子鼻由中國(guó)農(nóng)業(yè)大學(xué)計(jì)算機(jī)實(shí)驗(yàn)室研發(fā)；Trace1310-TSQ8000 GC-MS聯(lián)用儀 美國(guó)Thermo Fisher Scientific公司；Fiber 75 μm手動(dòng)SPME進(jìn)量器、碳分子篩/聚二甲基硅氧烷（divinylbenzene/carboxen/ polydimethylsiloxane，CAR/PDMS）型萃取頭 美國(guó)Supelco公司。

1.2方法

1.2.1量品處理

按照GB/T 9695.19—2008《肉與肉制品取量方法》進(jìn)行取量。在5～10 ℃環(huán)境中將量品完全粉碎，混勻，準(zhǔn)確稱取5 g量品培養(yǎng)皿中，并立即進(jìn)行檢測(cè)。

1.2.2電子鼻檢測(cè)

將外脊量品置于電子鼻盛物槽中，采用頂空吸氣法進(jìn)行電子鼻檢測(cè)分析。測(cè)定條件為：盛物槽溫度恒定，空氣流量為3 L/min，傳感器清洗時(shí)間60 s，采量時(shí)間300 s。電子鼻共16 個(gè)氣敏傳感器構(gòu)成傳感器陣列，各傳感器性能見表1。分別對(duì)40 組外脊進(jìn)行檢測(cè)，統(tǒng)計(jì)分析16 個(gè)傳感器的響應(yīng)曲線。

表1　E-Nose 1001電子鼻傳感器陣列Table 1 E-Nose 1001 electronic nose sensor array

1.2.3揮發(fā)性成分測(cè)定

將外脊量品置于量品萃取瓶中，采用SPME的方式進(jìn)行量品富集，萃取頭材料為PDMS，50 ℃保溫，吸附40 min，取出插入進(jìn)量口進(jìn)量。GC-MS聯(lián)用分析得到不同產(chǎn)品揮發(fā)性組分的質(zhì)譜圖，比較其特征揮發(fā)性風(fēng)味組分［18］。

GC-MS條件：TG-wax石英毛細(xì)柱（30 m× 0.25 mm，0.25 μm）；進(jìn)量口溫度230 ℃；升溫程序：40 ℃保持3 min，以5 ℃/min升至200 ℃，保持3 min，然后以5 ℃/min上升到230 ℃，保持3 min，載氣為氦氣；流速1.4 mL/min。傳輸線溫度260 ℃；離子源溫度280 ℃。

根據(jù)所得質(zhì)譜圖，檢索NIST、Demo和Willey數(shù)據(jù)庫(kù)，定性通脊肉的揮發(fā)性組分，并根據(jù)峰面積歸一化法求得各化學(xué)成分在豬肉揮發(fā)性風(fēng)味物質(zhì)中的相對(duì)含量即以量品中被測(cè)組分經(jīng)校正過(guò)的峰面積占量品中各組分經(jīng)校正過(guò)的峰面積總和的比例來(lái)表示量品中各組分的相對(duì)含量。

1.3數(shù)據(jù)處理

E-Nose 10001型電子鼻主要包括：數(shù)據(jù)采集部分、數(shù)據(jù)調(diào)理部分、接口電路和計(jì)算機(jī)。電子鼻工作原理：氣敏傳感器構(gòu)成氣敏傳感器陣列，通過(guò)表面吸附氣體分子，產(chǎn)生電壓變化，通過(guò)信號(hào)調(diào)理電路進(jìn)行去噪、濾波、放大等處理，通過(guò)A/D轉(zhuǎn)換將響應(yīng)值輸入計(jì)算機(jī)。

針對(duì)模式識(shí)別過(guò)程中的不同需求，需要對(duì)氣敏傳感器響應(yīng)值進(jìn)行特征提取和特征選擇。電子鼻獲得各個(gè)傳感器的電阻響應(yīng)信號(hào)，其傳感器響應(yīng)曲線如圖1所示。

圖1　電子鼻響應(yīng)曲線Fig.1 Electronic nose response curves

傳感器響應(yīng)值隨揮發(fā)性氣體分子的吸附過(guò)程逐漸改變，當(dāng)吸附過(guò)程飽和后電阻呈穩(wěn)定狀態(tài)。這一過(guò)程中，曲線的相對(duì)平均值表示了氣體分子的濃度信息，傳感器響應(yīng)值隨時(shí)間變化率表示傳感器對(duì)揮發(fā)性成分的吸附速率。特征值選取響應(yīng)曲線的相對(duì)平均值、相對(duì)變化值，并利用二次函數(shù)與對(duì)數(shù)函數(shù)量合響應(yīng)曲線，提取二次量合函數(shù)的二次項(xiàng)系數(shù)、一次項(xiàng)系數(shù)、對(duì)數(shù)量合函數(shù)系數(shù)和常數(shù)項(xiàng)系數(shù)。每條響應(yīng)曲線共提取6 個(gè)特征值。

針對(duì)SPME-GC-MS檢測(cè)數(shù)據(jù)的類別，選取酮類、酸類和含氮類3 種揮發(fā)性成分的相對(duì)含量，根據(jù)各類物質(zhì)相對(duì)含量的相似性，應(yīng)用層次聚類方法［19-20］對(duì)量本完成模式聚類。統(tǒng)計(jì)各類揮發(fā)性成分的相對(duì)含量，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后完成線性回歸分析［21-22］。最后利用電子鼻檢測(cè)數(shù)據(jù)驗(yàn)證揮發(fā)性風(fēng)味空間的模式分類。

2　結(jié)果與分析

2.1豬肉揮發(fā)性成分檢測(cè)結(jié)果

圖2　豬肉揮發(fā)性成分的總離子流圖Fig.2 Total ion chromatogram of volatile components in pork

本實(shí)驗(yàn)選取30 組量本作為建模數(shù)據(jù)，選取揮發(fā)性風(fēng)味物質(zhì)中酮類（y1）、酸類（y2）和含氮類（y3）3 種物質(zhì)為因變量，構(gòu)成豬肉揮發(fā)性成分的特征空間。

由圖2、表2可知，豬肉揮發(fā)性成分中各酸類物質(zhì)的相對(duì)含量累計(jì)達(dá)到17.04%；各酮類物質(zhì)相對(duì)含量累計(jì)為9.44%，各含氮類物質(zhì)相對(duì)含量累計(jì)為2.57%。

表2　豬肉揮發(fā)性物質(zhì)組成Table 2 Composition of volatile compounds in pork

利用逐步回歸分析對(duì)96 個(gè)電子鼻響應(yīng)變量進(jìn)行篩選，其基本思路是：在所考慮的全部解釋變量中，按對(duì)被解釋變量的貢獻(xiàn)大小逐個(gè)引入回歸方程，引入或剔除一個(gè)變量都要進(jìn)行F檢驗(yàn)，以保證在引入新變量前回歸方程中只含有對(duì)被解釋變量影響顯著的變量，而不顯著的變量已被剔除［23-24］。選取對(duì)豬肉揮發(fā)性特征空間影響顯著的變量，共選取19 個(gè)電子鼻響應(yīng)變量。將篩選后的電子鼻響應(yīng)變量進(jìn)行主成分分析［25］，并提取特征值大于1的變量，共獲得3 個(gè)主成分，累計(jì)貢獻(xiàn)率為87%，即解釋了原始數(shù)據(jù)中87%的信息。

2.2揮發(fā)性成分模式聚類結(jié)果

將主成分分析結(jié)果和揮發(fā)性成分相對(duì)含量經(jīng)標(biāo)準(zhǔn)化處理后，作為層次聚類的輸入，采用組間聯(lián)接方法，利用SPSS 19.0軟件的系統(tǒng)聚類模塊分別進(jìn)行分析。由圖3可知，30 組量本數(shù)據(jù)間存在較為明顯的模式劃分。當(dāng)類別數(shù)K=2時(shí)，量本1、2為一類，其他量本為一類，通過(guò)原始數(shù)據(jù)可知量本1、2的酮類物質(zhì)相對(duì)含量較高，分別為90.4%和68.7%，酸類和含氮類物質(zhì)的相對(duì)含量均低于3%；當(dāng)K=3時(shí)，量本25、26、27、28、29自成一類，較高的含氮類物質(zhì)相對(duì)含量是該類數(shù)據(jù)的主要特征；當(dāng)K=4時(shí)，量本17～24與量本3～11分離，兩類在酸類物質(zhì)相對(duì)含量上展現(xiàn)了較大的差異，其中量本17～24的酸類物質(zhì)相對(duì)含量平均值為14.69%，量本3～11酸類物質(zhì)相對(duì)含量平均值為3.98%。即可以定義：高酮類、高氮類、高酸低酮類、低酸高酮類，如表3所示。

圖3　揮發(fā)性成分聚類樹狀圖Fig.3 Clustering dendrogram of volatile components

表3　豬肉揮發(fā)性成分聚類結(jié)果Table 3 Clustering results of volatile components in pork

電子鼻數(shù)據(jù)經(jīng)主成分分析后的聚類結(jié)果顯示：除異常數(shù)據(jù)，當(dāng)K=3時(shí)，量本存在與揮發(fā)性成分較為一致的劃分，即可劃分為：高氮類、高酸低酮類、低酸高酮類。該劃分顯示了電子鼻可以較好地區(qū)分豬肉在含氮類物質(zhì)和酸類物質(zhì)相對(duì)含量上的差異。在揮發(fā)性成分聚類中與其他量本區(qū)分顯著的高酮類量本，在電子鼻檢測(cè)數(shù)據(jù)中不能明顯與低酸高酮類區(qū)分開，可能的原因是電子鼻不能夠區(qū)分酮類物質(zhì)上的差異。

如圖4所示，基于上述聚類分析，建立類別劃分：1、2、3、4、5、6、7、8、9、10、11為第1類，12、 13、14、15、16、17、18、19、20、21、22、23、24為第2類，25、26、27、28、29、30為第3類。依照上述模式劃分，求得分類模式如表4所示。

圖4　電子鼻主成分聚類樹狀圖Fig.4 Clustering dendrogram from principal component analysis of the electronic nose data

表4　豬肉揮發(fā)性成分聚類結(jié)果Table 4 Clustering results of volatile components in pork

2.3線性回歸分析結(jié)果

利用電子鼻檢測(cè)數(shù)據(jù)與揮發(fā)性風(fēng)味數(shù)據(jù)間的映射關(guān)系，獲得電子鼻檢測(cè)數(shù)據(jù)空間的類別中心、量本與類別間的距離、判別準(zhǔn)則。利用電子鼻檢測(cè)數(shù)據(jù)提取特征值做為自變量。通過(guò)逐步線性回歸獲得回歸方程式如（1）～（3）：

式（1）中：x11為s14對(duì)數(shù)量合函數(shù)一次項(xiàng)系數(shù)；x12為s2相對(duì)變化值；x13為s4對(duì)數(shù)量合函數(shù)一次項(xiàng)系數(shù)；x14為s11對(duì)數(shù)量合函數(shù)常數(shù)項(xiàng)系數(shù)；x15為s10二次量合函數(shù)一次項(xiàng)系數(shù)；x16為s11對(duì)數(shù)量合函數(shù)一次項(xiàng)系數(shù)。

式（2）中：x21為s1對(duì)數(shù)量合函數(shù)一次項(xiàng)系數(shù)；x22為s8二次量合函數(shù)二次項(xiàng)系數(shù)；x23為s6相對(duì)平均值；x24為s4對(duì)數(shù)量合函數(shù)常數(shù)項(xiàng)系數(shù)；x25為s4二次量合函數(shù)一次項(xiàng)系數(shù)；x26為s2對(duì)數(shù)量合函數(shù)常數(shù)項(xiàng)系數(shù)。

式（3）中：x31為s13對(duì)數(shù)量合函數(shù)一次項(xiàng)系數(shù)；x32為s13二次量合函數(shù)二次項(xiàng)系數(shù)；x33為s1二次量合函數(shù)二次項(xiàng)系數(shù)；x34為s11相對(duì)平均值；x35為s14相對(duì)平均值；x36為s15相對(duì)平均值；x37為s8相對(duì)變化值。

表5　回歸模型運(yùn)算結(jié)果Table 5 Calculation results from regression models

對(duì)上述3 個(gè)回歸方程做顯著性檢驗(yàn)，結(jié)果如表5所示。3 個(gè)回歸方程的調(diào)整的決定系數(shù)R2均達(dá)到了0.9以上，說(shuō)明超過(guò)90%以上的因變量的改變可由該回歸模型解釋，達(dá)到了0.01的顯著性水平，表明回歸模型的量合效果較好。通過(guò)統(tǒng)計(jì)3 個(gè)回歸方程中除常數(shù)項(xiàng)以外的各回歸系數(shù)的t統(tǒng)計(jì)量，可知其顯著性概率均小于0.05，表明了各個(gè)回歸參數(shù)的有效性。

上述3 個(gè)回歸模型所選取的自變量存在較為顯著的差異，通過(guò)對(duì)回歸模型的顯著性檢驗(yàn)，表明以多傳感器融合的方式，能夠在電子鼻數(shù)據(jù)空間描述豬肉量本在揮發(fā)性成分含量空間上的差異。

基于上述分析結(jié)果，將10 組量本的電子鼻檢測(cè)數(shù)據(jù)進(jìn)行回歸分析并利用聚類分析結(jié)果對(duì)量本進(jìn)行模式判別，在10 個(gè)預(yù)測(cè)量本中，9 個(gè)預(yù)測(cè)正確，1 個(gè)預(yù)測(cè)錯(cuò)誤，判別有效性達(dá)到了90%。

3　結(jié) 論

本實(shí)驗(yàn)首先應(yīng)用電子鼻和SPME方法對(duì)豬外脊進(jìn)行揮發(fā)性成分檢測(cè)的實(shí)驗(yàn)，然后利用層次聚類方法建立了基于豬肉量本中酮類、酸類和含氮類等揮發(fā)性成分的模式劃分，利用多元線性回歸方法，建立了電子鼻檢測(cè)數(shù)據(jù)與揮發(fā)性成分中酮類、酸類和含氮類相對(duì)含量的回歸模型，并對(duì)模型的有效性進(jìn)行了評(píng)價(jià)；最后基于上述的層次聚類判別模式劃分和回歸方程驗(yàn)證了電子鼻檢測(cè)數(shù)據(jù)與揮發(fā)性成分之間的映射關(guān)系。結(jié)果表明：1）豬肉的揮發(fā)性成分空間存在較為明顯的類別劃分，其劃分模式與電子鼻檢測(cè)數(shù)據(jù)間存在較為一致的映射關(guān)系；2）電子鼻能夠識(shí)別豬肉量本間的揮發(fā)性成分差異，電子鼻檢測(cè)數(shù)據(jù)經(jīng)特征提取后可建立與豬肉揮發(fā)性成分間的線性回歸方程，回歸方程具有較好的量合效果；3）應(yīng)用基于統(tǒng)計(jì)空間映射的模式識(shí)別方法對(duì)豬肉揮發(fā)性成分空間的分類預(yù)測(cè)，可以得到較為準(zhǔn)確的預(yù)測(cè)結(jié)果。

豬肉量本間的揮發(fā)性成分相對(duì)含量差異較大，各種揮發(fā)性成分對(duì)豬肉風(fēng)味的貢獻(xiàn)作用較為復(fù)雜，因此可考慮針對(duì)豬肉風(fēng)味的顯著差異對(duì)揮發(fā)性成分做更加細(xì)致的劃分，使豬肉揮發(fā)性風(fēng)味的模式空間更具可解釋性；GC-MS聯(lián)用儀的峰面積歸一化法在定量檢測(cè)揮發(fā)性成分上具有一定的局限性，需考慮更為準(zhǔn)確的揮發(fā)性成分測(cè)定方法；針對(duì)豬肉揮發(fā)性風(fēng)味物質(zhì)特點(diǎn)，可設(shè)計(jì)更加適合檢測(cè)豬肉揮發(fā)性風(fēng)味的傳感器陣列，提高電子鼻檢測(cè)的準(zhǔn)確性。

［1］ MOTTRAMDS. Flavor formation in meat and meat products: a review［J］. Food Chemistry， 1998， 62（4）: 415-424. DOI:10.1016/ S0308-8146（98）00076-4.

［2］ 李順民， 程定均， 宋振碩. 風(fēng)味評(píng)價(jià)技術(shù)及其在評(píng)定豬肉品質(zhì)中的應(yīng)用［J］. 肉類研究， 2009， 23（6）: 56-58. DOI:10.3969/ j.issn.1001-8123.2009.06.015.

［3］ AL-BACHIR M， MEHIO A. Irradiated luncheon meat:microbiological，chemical and sensory characteristics during storage［J］. Food Chemistry，2001， 75（2）: 169-175. DOI:10.1016/s0308-8146（01）00192-3.

［4］ INSAUSTI K， BERIAIN M J， PURROY A， et al. Shelf life of beef from local Spanish cattle breeds stored under modified atmosphere［J］. Meat Science， 2001， 57（3）: 273-281. DOI:10.1016/s0309-1740（00）00102-9.

［5］ NATTRESS F M， JEREMIAH L E. Bacterial mediated off-flavours in retail-ready beef after storage in controlled atmospheres［J］. Food Research International， 2000， 33（9）: 743-748. DOI:10.1016/s0963-9969（00）00064-8.

［6］ 陳其美， 曾勇慶， 魏述東， 等. 不同豬種肌肉風(fēng)味前體物質(zhì)及其營(yíng)養(yǎng)和食用品質(zhì)特性研究［J］. 浙江大學(xué)學(xué)報(bào)， 2010， 36（3）: 299-305. DOI:10.3785/j.issn.1008-9209.2010.03.010.

［7］ CRISTINA S， OLIVEIRA I， SILVA J A， et al. Implementation of multivariate techniques for the selection of volatile compounds as indicators of sensory quality of raw beef［J］. Journal of Food Science and Technology， 2015， 52（6）: 3887-3898. DOI:10.1007/s13197-014-1447-y.

［8］ 鄒英子， 楊俊杰， 潘見. 黑香豬肉揮發(fā)性風(fēng)味成分的提取和分析［J］. 肉類研究， 2012， 26（7）: 124-127. DOI:10.13684/j.cnki. spkj.2012.07.016.

［9］ 潘見， 楊俊杰， 鄒英子. 不同涂層SPME與GC-MS聯(lián)用比較分析兩種豬肉揮發(fā)性風(fēng)味成分［J］. 食品科學(xué)， 2012， 33（12）: 169-172.

［10］ 廖濤， 熊光權(quán)， 楊玉平， 等. 輻照豬肉揮發(fā)性成分研究［J］. 北京工商大學(xué)學(xué)報(bào)， 2010， 28（6）: 14-17. DOI:10.3969/j.issn.1671-1513.2010.06.003.

［11］ 郭美娟， 柴春祥， 魯曉翔， 等. 頂空固相微萃取氣質(zhì)聯(lián)用技術(shù)在水產(chǎn)品揮發(fā)性成分檢測(cè)中的應(yīng)用現(xiàn)狀與前景展望［J］. 食品工業(yè)科技，2014， 35（9）: 368-376. DOI:10.13386/j.issn1002-0306.2014.09.072.

［12］ 賈洪峰， 盧一， 何江紅， 等. 電子鼻在牦牛肉和牛肉豬肉識(shí)別中的應(yīng)用［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 2011， 27（5）: 358-363. DOI:10.3969/ j.issn.1002-6819.2011.05.062.

［13］ 蘆曉菲， 鄭麗敏， 張曉梅， 等. 電子鼻技術(shù)在干酪識(shí)別上的應(yīng)用［J］. 中國(guó)乳業(yè)， 2008， 1（6）: 52-55. DOI:10.3969/ j.issn.1671-4393.2008.06.014.

［14］ 柴春祥， 杜利農(nóng). 電子鼻檢測(cè)豬肉新鮮度的研究［J］. 食品科學(xué)， 2008，29（4）: 444-447. DOI:10.3321/j.issn:1002-6630.2008.09.102.

［15］ 洪雪珍， 王俊. 豬肉儲(chǔ)藏時(shí)間的電子鼻區(qū)分方法［J］. 浙江大學(xué)學(xué)報(bào)，2010， 36（5）: 568-572. DOI:10.3785/j.issn.1008-9209.2010.05.014.

［16］ 王智凝. 電子鼻在豬肉新鮮度檢測(cè)中的應(yīng)用研究［D］. 北京: 中國(guó)農(nóng)業(yè)大學(xué)， 2015.

［17］ 徐正光， 王海濤， 瞿壽德. 基于統(tǒng)計(jì)空間映射的模式識(shí)別及在線質(zhì)量推斷［J］. 北京科技大學(xué)學(xué)報(bào)， 2001， 23（2）: 181-183. DOI:10.3321/ j.issn:1001-053X.2001.02.024.

［18］ 黃業(yè)傳， 賀稚非， 李洪軍， 等. 皮下脂肪和肌內(nèi)脂肪對(duì)豬肉風(fēng)味的作用［J］. 中國(guó)農(nóng)業(yè)科學(xué)， 2011， 44（10）: 2118-2130. DOI:10.3846/ j.issn.0578-175.2011.10.017.

［19］ 包為民， 萬(wàn)新宇， 靳燕東， 等. 基于主成分分析的河流洪水系統(tǒng)聚類法［J］. 河海大學(xué)學(xué)報(bào)， 2008， 36（1）: 1-5. DOI:10.3876/ j.issn.1000-1980.2008.01.001.

［20］ 王典， 劉晉浩， 王建利. 基于系統(tǒng)聚類的林地內(nèi)采育目標(biāo)識(shí)別與分類［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 2011， 27（12）: 173-177. DOI:10.3969/ j.issn.1002-6819.2011.12.033.

［21］ 黃雙萍， 洪添勝， 岳學(xué)軍， 等. 基于高光譜的柑橘葉片氮素含量多元回歸分析［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 2013， 29（5）: 132-138. DOI:10.3969/ j.issn.1002-6819.2013.05.018.

［22］ WILLIAM M， TERRY S. 統(tǒng)計(jì)學(xué)［M］. 梁馮珍， 史道濟(jì)， 關(guān)靜， 等. 譯.北京: 機(jī)械工業(yè)出版社， 2009.

［23］ 劉明， 王仁曾. 基于t檢驗(yàn)的逐步回歸的改進(jìn)［J］. 統(tǒng)計(jì)與決策， 2012，6（6）: 16-19. DOI:10.13546/j.cnki.tjyjc.2012.06.012.

［24］ 周紀(jì)薌. 實(shí)用回歸分析方法［M］. 上海: 上海科學(xué)技術(shù)出版社， 1990.

［25］ 宋江峰， 李大婧， 劉春泉， 等. 甜糯玉米軟罐頭主要揮發(fā)性物質(zhì)主成分分析和聚類分析［J］. 中國(guó)農(nóng)業(yè)科學(xué)， 2010， 43（10）: 2122-2131. DOI:10.3864/j.issn.0578-1752.2010.10.019.

Detection of Pork Flavor Compounds Based on Statistical Space Mapping and Electronic Nose

WANG Bingwei1， YANG Lu1，*， ZHENG Limin1，2， WANG Zhining1
（1. College of Information and Electrical Engineering， China Agricultural University， Beijing 100083， China；2. Beijing Laboratory of Food Quality and Safety， Beijing 100083， China）

In order to effectively detect and identify their volatile flavor， pork samples were detected by electronic nose and solid-phase micro-extraction gas chromatography-mass spectrometry （HS-SPME-GC-MS）. In view of the similarity between the two detection methods， hierarchical clustering was used to analyze the detection data. A linear regression model was established to obtain the mapping relationship between the electronic nose detection data and the volatile flavor compounds in pork for the classification of the electronic nose data. Consistent results were obtained from the clustering analysis of the electronic nose detection data and volatile components of pork. The regression equation showed that a linear relationship existed between the two detection data. Sample recognition accuracy reached 90%. This study demonstrated the feasibility of using electronic nose to detect the difference in volatile flavor compounds of pork.

electronic nose； solid phase micro-extraction； statistical space mapping； pattern recognition

10.7506/spkx1002-6630-201608018

TP274；TP212

A

1002-6630（2016）08-0102-06

10.7506/spkx1002-6630-201608018. http://www.spkx.net.cn

2015-09-16

“十二五”國(guó)家科技支撐計(jì)劃項(xiàng)目（2012BAD288B02；2014BAD04B05；2013BAD19B09）

王炳蔚（1991—），男，碩士研究生，研究方向?yàn)槿斯ぶ悄?。E-mail：bingwangat573@gmail.com

楊璐（1967—），女，副教授，博士，研究方向?yàn)榫W(wǎng)絡(luò)工程。E-mail：yanglumail@263.net

引文格式：