国产精品二区按摩片,亚州另类欧美综合一区,亚洲日韩国产一区二区,国产在线观看片免费人成视频

<dfn id="yldih"></dfn>
  • <ul id="yldih"><td id="yldih"></td></ul>

  • <dfn id="yldih"></dfn>
    1. <dfn id="yldih"></dfn>
      <ul id="yldih"></ul>
      食品伙伴網(wǎng)服務(wù)號(hào)

      【智能感官】基于超快速電子鼻對(duì)生乳快速鑒別及應(yīng)用

      放大字體  縮小字體 發(fā)布日期:2024-08-12  來(lái)源:感官科學(xué)與評(píng)定
      核心提示:牛奶作為常見(jiàn)的乳制品之一,其中含有豐富的蛋白質(zhì)、脂肪、乳糖、維生素等多種營(yíng)養(yǎng)物質(zhì),深受人們喜愛(ài)。研究表明,電子鼻能夠?qū)Σ?/div>
      牛奶作為常見(jiàn)的乳制品之一,其中含有豐富的蛋白質(zhì)、脂肪、乳糖、維生素等多種營(yíng)養(yǎng)物質(zhì),深受人們喜愛(ài)。研究表明,電子鼻能夠?qū)Σ煌庸ず筒煌N類的成品乳進(jìn)行快速區(qū)分鑒別,但在生乳地區(qū)溯源,生乳異常方面的鑒別研究較少。文章中以牛生乳為分析對(duì)象,利用電子鼻,針對(duì)不同地區(qū)生乳以及異常乳的氣味成分進(jìn)行快速分析和鑒別,利用化學(xué)計(jì)量學(xué)分析其氣味,文章中以牛生乳為分析對(duì)象,利用電子鼻,針對(duì)不同地區(qū)生乳以及異常乳的氣味成分進(jìn)行快速分析和鑒別,利用化學(xué)計(jì)量學(xué)分析其氣味。
      圖片
       
      不同地區(qū)生乳鑒別分析
      不同地區(qū)生乳氣味指紋圖譜分析
      通過(guò)電子鼻對(duì)不同地區(qū)生乳進(jìn)行檢測(cè),生乳氣味指紋圖譜,如圖2所示。對(duì)各地區(qū)指紋圖譜進(jìn)行對(duì)比分析后,發(fā)現(xiàn)生乳氣味指紋圖譜中共檢出16個(gè)共有峰,不同地區(qū)生乳樣品峰的數(shù)量幾乎沒(méi)有差異,,結(jié)合16個(gè)特征峰相對(duì)峰面積熱圖(圖3)分析,不同地區(qū)生乳特征峰基本相同,但特征峰含量有明顯區(qū)別。

       
      圖2 不同地區(qū)生乳氣味峰指紋圖譜圖片
      圖3 不同地區(qū)生乳氣味峰相對(duì)峰面積熱圖分析
       
      生乳氣味定性分析
      為明確不同地區(qū)生乳氣味信息成分,對(duì)比正構(gòu)烷烴nC6~nC16標(biāo)準(zhǔn)品的保留時(shí)間,將氣味指紋圖譜中16個(gè)共有峰保留時(shí)間轉(zhuǎn)換為保留指數(shù)之后,與AroChemBase數(shù)據(jù)庫(kù)進(jìn)行比對(duì),鑒定出16個(gè)可能共有化合物,如表5所示。結(jié)果表明,特征峰峰面積相對(duì)最大的兩組峰為1和3號(hào)峰可能為異丙醇和2-丁酮。
      表5生乳中可能化合物及感官描述信息
       
      圖4為生乳氣味特征成分氣味輪,圖中顯示,16個(gè)可能化合物主要分為6個(gè)主觀感知類別,被感知為“蠟質(zhì)的”和“潑辣”的化合物個(gè)數(shù)相對(duì)較多,主要感官描述為奶油的、奶制品、甜的,都為生乳特征感官風(fēng)味。綜上所述,通過(guò)電子鼻指紋圖譜檢測(cè)方法可以快速對(duì)樣品進(jìn)行定性分析,以此鑒別生乳成分。
      圖4 生乳氣味特征成分(外圈)和主觀感知類別(內(nèi)圈)的氣味輪
       
       
      不同地區(qū)生乳的主成分分析
      對(duì)不同地區(qū)生乳進(jìn)行PCA分析,結(jié)果如圖5所示。在PCA模型中,主成分貢獻(xiàn)率為(PC1:67.272%;PC2:27.608%),累計(jì)貢獻(xiàn)率能夠達(dá)到94.88%,因此主成分分析結(jié)果可以較好地代表樣品氣味信息。對(duì)其進(jìn)行區(qū)分后,樣品中達(dá)拉特旗生乳樣品(B)與巴彥淖爾生乳樣品(A)、和林格爾生乳樣品(C)及寧夏生乳樣品(E)在以PC2為區(qū)分軸時(shí)區(qū)分開(kāi),達(dá)拉特旗生乳樣品(B)在以PC2為區(qū)分軸時(shí)距離相對(duì)較遠(yuǎn),和林格爾生乳樣品(C)、涼城生乳樣品(D)及寧夏生乳樣品(E)與巴彥淖爾生乳樣品(A)以PC1軸作為區(qū)分。結(jié)果表明PCA分析能夠較好區(qū)分生乳氣味信息。
      圖5 不同地區(qū)生乳的PCA分析

      不同地區(qū)生乳聚類分析
      為初步判定峰面積較大的異丙醇、2-丁酮和環(huán)己酮含量對(duì)生乳地區(qū)歸屬的影響,以生乳中檢測(cè)的相關(guān)含量為變量,歐式距離平方為度量標(biāo)準(zhǔn),通過(guò)組間平均數(shù)聯(lián)結(jié)法完成聚類分析,結(jié)果如圖6所示。其中,和林格爾生乳樣品(C)與寧夏生乳樣品(E)先聚為一類,此類生乳異丙醇、2-丁酮和環(huán)己酮含量相對(duì)偏低,再與巴彥淖爾生乳樣品(A)聚為一類后與涼城生乳樣品(D)聚為一類,最后與達(dá)拉特旗生乳樣品(B)聚類,達(dá)拉特旗生乳樣品的各物質(zhì)含量較高。
      圖6 不同地區(qū)生乳的聚類分析

      不同地區(qū)生乳軟獨(dú)立建模分析
      圖7為不同地區(qū)生乳SIMCA,從圖中可以看出,以和林格爾樣品(C)為參照對(duì)4類不同地區(qū)的生乳樣品進(jìn)行SIMCA分類,由圖可知,巴彥淖爾、達(dá)拉特旗、涼城、寧夏生乳樣品均在參照區(qū)域外,表明SIMCA為有效模型,能將不同地區(qū)的生乳進(jìn)行準(zhǔn)確、有效的區(qū)分。
      圖7 不同地區(qū)生乳SIMCA分類
       
      生乳和異常乳鑒別分析
       
      生乳和異常乳氣味指紋圖譜分析
      通過(guò)在樣品中混入草料,表示在擠奶過(guò)程中生乳遭受污染,豆奶變質(zhì)會(huì)產(chǎn)生酸臭味,因此以混入變質(zhì)豆奶粉來(lái)表示生乳發(fā)酸情況。將混入不同物質(zhì)的生乳樣品作為異常乳,利用電子鼻對(duì)比氣味差異,如圖8所示。與生乳樣品相比,異常乳的色譜圖出現(xiàn)了新的色譜峰,原有特征峰面積也發(fā)生明顯變化,與AroChemBase數(shù)據(jù)庫(kù)信息進(jìn)行對(duì)比從而定性分析生乳和異常乳樣品氣味成分,確定了可能差異化合物名稱、化合物氣味信息,如表6所示。其中主要差異化合物為乙醇、異戊醛、2-甲基丁醛、2-乙基呋喃和3-甲基-2-丁烯-1-醇。結(jié)果表明,電子鼻可以快速、準(zhǔn)確地鑒別出生乳和異常乳間的氣味差異。
      圖8 生乳和異常乳氣味峰指紋圖譜
       

      表6 主要差異化合物及感官描述信息
       

      生乳和異常乳判別因子分析
      對(duì)生乳進(jìn)行DFA分析,結(jié)果如圖9所示,圖中橫、縱坐標(biāo)判別因子1、2累積區(qū)分指數(shù)達(dá)到100%,2種樣品未出現(xiàn)重合部分,且相距較遠(yuǎn)。8批生乳樣品均能得到有效分離,所有樣品按其性質(zhì)分為2類,結(jié)果表明,通過(guò)DFA能夠快速、有效地區(qū)分生乳和異常乳樣品,且區(qū)分效果良好。
      圖9 生乳和異常乳判別因子分析

      結(jié)論
      基于超快速電子鼻,對(duì)比分析不同地區(qū)生乳的色譜圖以及特征峰峰面積情況,從而鑒定出16種共有化合物。通過(guò)建立PCA、SIMCA模型的統(tǒng)計(jì)分析,能夠?qū)Σ煌貐^(qū)生乳樣品氣味進(jìn)行快速鑒別分析。同時(shí)對(duì)比分析生乳和異常乳樣品的色譜,評(píng)價(jià)其質(zhì)量整體特征,結(jié)果表明,生乳和異常乳中存在的可能化合物與感官描述信息出現(xiàn)明顯差異,異常乳中出現(xiàn)了新的可能化合物,為生乳異味的可能來(lái)源。DFA的統(tǒng)計(jì)分析能夠快速鑒別生乳和異常乳樣品。
       
      (后期小編會(huì)陸續(xù)整理分享智能感官儀器在具體產(chǎn)品應(yīng)用的實(shí)際案例,敬請(qǐng)關(guān)注。
      編輯:songjiajie2010

       
      分享:
      關(guān)鍵詞: 感官
       

       
       
      推薦圖文
      推薦檢驗(yàn)技術(shù)
      點(diǎn)擊排行
      檢驗(yàn)技術(shù)
       
       
      Processed in 0.053 second(s), 14 queries, Memory 0.9 M