CN106501470B - 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法 - Google Patents

利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法 Download PDF

Info

Publication number
CN106501470B
CN106501470B CN201611047344.3A CN201611047344A CN106501470B CN 106501470 B CN106501470 B CN 106501470B CN 201611047344 A CN201611047344 A CN 201611047344A CN 106501470 B CN106501470 B CN 106501470B
Authority
CN
China
Prior art keywords
chilli sauce
mustard thick
mustard
electronic nose
thick chilli
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.)
Active
Application number
CN201611047344.3A
Other languages
English (en)
Other versions
CN106501470A (zh
Inventor
张慜
王琳
刘亚萍
徐汉清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Guangdong Jiahao Foodstuff Co Ltd
Original Assignee
Jiangnan University
Guangdong Jiahao Foodstuff Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangnan University, Guangdong Jiahao Foodstuff Co Ltd filed Critical Jiangnan University
Priority to CN201611047344.3A priority Critical patent/CN106501470B/zh
Publication of CN106501470A publication Critical patent/CN106501470A/zh
Application granted granted Critical
Publication of CN106501470B publication Critical patent/CN106501470B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
    • G01N31/16—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods using titration
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Computing Systems (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法，属于调味品分析鉴定方法技术领域。该方法是通过电子舌味觉系统和电子鼻嗅觉系统获取芥辣酱的智能感官数据，并对传统感官评价指标进行数字化处理，利用随机森林模型对获取感官评价指标、化学计量指标与智能感官数据之间的关系进行分析，以评价芥辣酱风味的感官等级。本发明可以有效提高芥辣酱感官评价的客观性和精确性，并且操作简单、样品用量小、耗时短、成本低廉，具有较高的推广及应用价值。

Description

利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法
技术领域
本发明涉及一种利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法，属于调味品分析鉴定方法技术领域。
背景技术
芥辣酱采用辣根为原材料，富含蛋白质、维生素、微量元素等的多种营养物质，随着刺身(生鱼片)寿司等食品的出现流行，人们对它的认识已不再陌生。而目前对芥辣酱产品的品质鉴别与分级仅凭个人经验进行感官评价，我国的产品标准中关于感官质量要求也大多局限于定性描述的水平，缺乏科学性和规范性。
电子鼻、电子舌智能识别技术提供了一种快速无损的检测方法，不需要复杂的样品处理过程，且具有高灵敏度、可靠性和重复性等，因此受到食品检测分析领域更多的关注，并具有更广阔的应用前景。
目前，将感官品质、理化特性和电子鼻、电子舌智能识别系统相互结合的研究工作已有开展，主要集中于对食品感官评价与仪器数据的相关性进行研究。如杨宁等(专利申请号200510042472.4)公开了配方产品理化数据与感官指标相关性分析的方法。通过阶梯分析方法将产品理化数据和感官分数输入模型得到阶梯趋势图，最终获得某一感官指标与所有的理化指标的的相关性，从而实现生产现场的理化数据实测值与感官指标之间相关程度的测算。另外在三者相关性分析的基础上通过智能算法提出相应的感官特性预测模型，此类预测模型能够快速而准确地实时对产品品质指标进行判定，实现机械测定全部或部分代替感官评定检测。如陈小娥等(专利申请号201511031019.3)公开了一种基于电子鼻分析的金枪鱼油储藏过程中腐败程度的测定方法。该发明通过电子鼻技术对储藏过程中金枪鱼油的挥发性气味进行研究，运用主成分分析(PCA)、线性判别分析(LDA)区分不同储藏时间的鱼油样品，并通过偏最小二乘法(PLS)建立酸价、过氧化值的预测模型，从而对金枪鱼油在储藏过程中腐败程度进行有效预测。
江津津等(专利申请号201410139203.9)公开了一种鱼露分类鉴别的方法。该发明采用电子鼻分析方法分别测定不同类型鱼露标样中的挥发性有机物，得到不同类型鱼露标样在电子鼻传感器矩阵中的响应强度数据，并对响应强度数据进行统计分类，建立鱼露分类鉴别模型。该方法可以将气味的品质量化和标准化，建立鱼露分类鉴别模型，从而能够客观、快速、准确的对鱼露进行评定。但是鱼露分类鉴别模型采用的主成分分析、偏最小二乘分析和统计质量控制分析方法。这三种方法都不能根据数据之间特点建立较为复杂的非线性关系，因此系统误差较大。本发明中采用的随机森林算法具有很高的预测准确率，对异常值和噪声具有很好的容忍度，且不容易出现过拟合，最终模型的预测值和实验值已十分接近。
王俊等(专利申请号201310480474.6)公开了一种利用味觉指纹图谱快速鉴别宁夏枸杞生产年份的方法。将电子舌传感器阵列与样品浸提液接触，产生传感器响应信号，从味觉指纹图谱中提取特征数据，利用多元线性回归分析建立味觉指纹图谱与生产年份之间的相关性，并建立预测生产年份的模型，从而实现利用味觉指纹图谱快速鉴别宁夏枸杞的生产年份。该发明的方法准确、快速、可靠地监测枸杞的药用价值提供依据。但是多元线性回归分析方法是较为简单的线性分析方法，而本发明中采用的随机森林算法是一种自然的非线性建模工具，并还可以提供内部误差估计、强度、相关系数以及变量重要性等有用信息。
盛良等(专利申请号201510487078.5)公开了一种利用电子鼻、电子舌传感器技术检测量化中药气味及其对应证的方法。该发明首先建立标准统一的中药气味及其对应证的检测量化指纹图谱库，采集待检物的中药气味及其对应证的检测量化指纹图谱，最后将待检物对应证的检测量化指纹图谱和标准的指纹图谱库进行比对，以确定待检物的中药气味及其对应证。其中量化方法选择的是主成分分析方法。而市场上的芥辣酱产品种类繁多，无法建立标准的对比指纹图谱库。但本发明把传统感官体系、电子鼻、电子舌相结合和化学实测值相结合，将芥辣酱产品进行评分判别，并采用随机森林算法进行非线性拟合，从而实现对芥辣酱产品的等级评价。
张海伟等(专利申请号201510537111.0)公开了一种利用电子鼻快速鉴别茶叶辐照吸收剂量的方法。该发明通过电子鼻检测己知辐照吸收剂量的茶叶样品并绘制电子鼻对茶叶的挥发性物质响应图，建立鉴别茶叶样品辐照剂量的分类函数。而本发明中同时采用电子鼻、电子舌两种检测方法，从味觉和嗅觉两方面对产品进行分类评价，鉴别效率和准确性都更高。
李冶华等(专利申请号201410577450.7)公开了一种快速检测豆瓣酱风味、等级及产品溯源的方法。该方法以感官评价、电子鼻、气相色谱一质谱联用相结合的方法分析不同等级的豆瓣酱风味成分，构建豆瓣酱不同感官等级一电子鼻一典型风味物质的对应关系，采用主成分分析方法分析传感器阵列特征值来快速检测豆瓣酱风味、等级及实现产品溯源。该方法检测结果精确可靠，但是检测成本较高，检测程序也相对繁杂，无法大范围推广。而本发明中的电子鼻和电子舌味觉系统操作简单快速，为芥辣酱产品标准化、工业化在线监测提供一种可行的方法。
赵镭等(专利申请号201310323279.2)公开了一种应用智能感官信号进行茶叶品质的模式识别分析过程中检测异常样本的方法。该方法结合智能化感官分析、多元统计和现代仪器分析的集成技术，全方位的解析龙井茶特征，分析茶叶各指标的内在关系，建立定性、定量评价龙井茶品质的数学模型，对龙井茶质量进行准确的特征识别、等级评定，为建立统一的绿茶评价体系标准提供强有力的依据。但是该方法需要筛选传感器，剔除不相关或非线性的嗅闻传感器，这样模型能够简化运算，但是得到的传感器数据并不全面具体。而本发明选择的传感器只是剔除了不相关的传感器，有用的非线性传感器无需剔除，应用随机森林算法能够将所有相关数据进行统一分析，得到的模型更加准确可靠。
宋全厚等(专利申请号201420443046.6)公开了一种酒类品质感官分级快速分析仪。该方法基于近红外光谱技术，稳定性和抗干扰性好，能更好的适应企业的现场生产环境，光路结构更利于仪器的小型化，信噪比和分辨率较高，扫描速度快，操作简单。红外光谱分析的方法是通过测定酒类中各化学指标的含量对酒的品质进行分级的，光谱数据能够和酒类中某些特征键实现对应关系，但是酒品质等级和其中的化学指标关系极为复杂，仅仅根据光谱数据不能替代专业品酒师的感官分级。本发明中采用电子鼻、电子舌技术、感官分析和化学测定值相结合的评价方式，对芥辣酱的品鉴更加专业可靠。
刘寿春等(专利申请号201410523080.9)公开了一种预测冷链猪肉货架期的方法与系统。该方法采用气味传感器阵列系统采集冷链贮藏猪肉的顶空挥发性气味，同步进行感官评价测定。并对获得传感器数据与贮藏时间进行特征提取，采用主成分分析方法对猪肉的不同货架期进行聚类区分，最终通过偏最小二乘方法建立气味传感器响应信号与货架期的预测模型。为猪肉品质预测提供快速、精准的解决方案。本发明中选取的随机森林模型也是用于高精准回归和分类的模型，能够处理很高维度的数据，并且不用做特征选择，可以估计遗失的资料，维持准确度。
本发明将电子鼻、电子舌快速检测技术、化学测定值与传统感官评价结合，同时采用随机森林算法对获取感官评价指标与智能感官数据之间的关系进行分析，以评价芥辣酱风味的感官等级，无需复杂前处理，分析结果客观可靠，操作简单，成本低廉，具有较高的推广及应用价值，同时也为其它酱类产品的品质评价和分级模型的研究提供了一定的理论参考。
发明内容
本发明的目的是提供一种利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法，其将电子鼻、电子舌快速检测技术、化学测定值与传统感官评价结合，同时采用随机森林算法对获取感官评价指标与智能感官数据之间的关系进行分析，以评价芥辣酱风味的感官等级，无需复杂前处理，分析结果客观可靠，操作简单，成本低廉，具有较高的推广及应用价值，同时也为其它酱类产品的品质评价和分级模型的研究提供了一定的理论参考。
本发明的技术方案：
一种利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法，其主要包括以下步骤：
(1)研究芥辣酱的风味特性，建立科学的感官评价体系：组建感官评价专家小组，由专家小组成员对芥辣酱香气和滋味进行描述，并进行客观公正的评分，每个审评项为百分制打分，芥辣酱感官评价表如下表1。
表1芥辣酱感官评价表
(2)芥辣酱产品的电子鼻检测：首先将芥辣酱产品放入密封容器中，常温状态下静置40～60min；随后电子鼻的进样针头吸取密封容器内的气体，电子鼻气室内的14组气体传感器阵列对样品所散发出的气体进行检测，检测时间为20～40s；所述电子鼻14组气体传感器分别为S1检测芳香族化合物、S2检测异硫氰酸酯、S3检测氮氧化合物、S4检测有机酸酯、S5检测生物合成类、S6检测香菇精、S7检测脂肪烃含氧衍生物、S8检测氨类、S9检测氢类、S10检测碳氢化合物、S11检测挥发性有机化合物、S12检测硫化物、S13检测乙烯、S14检测食物烹调中的挥发气体；
(3)芥辣酱产品的电子舌检测：将芥辣酱产品放于电子舌烧杯中，电子舌传感器阵列与产品接触，样品中不同风味物质在传感器表面转化为可测量的电信号，该信号通过信号处理转换后获得味觉信息输出，获得电子舌信号响应值；
(4)芥辣酱产品中异硫氰酸酯含量的测定：称取芥辣酱1g放入三角瓶中，加入100ml水和20ml 95％乙醇震荡均匀。对混合液进行蒸馏，10ml氨水溶液作为接受溶液，蒸馏20min后加入0.1mol/L硝酸银溶液20ml充分混合，静置5h以上，随后加热至沸腾完成反应，加水定容至100ml，滤纸过滤。取50ml滤液，加入5ml浓硝酸使呈酸性，取0.5ml硫酸铁溶液做指示剂，用0.1mol/L硫氰酸铵溶液滴定至溶液呈褐色且不褪色为终点，最后计算芥辣酱中异硫氰酸酯含量；
(5)芥辣酱风味等级指标的建立：根据感官得分、电子鼻S2异硫氰酸酯传感器信号响应值、电子舌信号响应值和异硫氰酸酯含量四个指标综合考虑建立芥辣酱的风味等级指标，将其等级划分为特级、一级、二级、三级；芥辣酱风味等级评定标准如下表2。
表2芥辣酱风味等级评定标准
(6)将电子舌和电子鼻智能感官数据与风味等级指标值建立随机森林模型：将原始数据整合成随机森林模型所需的特征值，采用Matlab语言编程，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模型，并对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定；
(7)将待测芥辣酱样品的电子鼻和电子舌的响应值导入步骤(6)随机森林模型中，最终实现快速评价待测芥辣酱产品的风味等级。
上述的芥辣酱产品为以辣根、山葵为主要原料，经磨碎和调配制成的半固态复合调味料，主要为青芥辣酱和黄芥辣酱。
上述的随机森林模型中通过相关系数R2、均方根误差RMSE值对优化后的随机森林模型进行评价，具体为：
其中N为模型中的样本个数；Xi为模型中的第i个测试值，为模型中的样本响应值的平均值；Yi为模型中第i个样本的预测值，为模型中的样本预测值的平均值。
本发明的有益效果：
(1)本发明只需利用电子鼻和电子舌就能快速评价芥辣酱品质，样品无需复杂前处理，分析结果客观可靠，操作简单，成本低廉，能够满足大批量样品快速精准的检测要求，具有较高的推广及应用价值。
(2)基于随机森林算法评价芥辣酱产品风味等级的方法不需要数据前处理可直接输入，数据训练速度非常快，与传统的感官评价先比，评价误差较小，评价精度较高，得到的信息更全面。
(3)随机森林算法建立的评价模型不需要以精确的数学模型为基础，并且能够建立起感官评价、异硫氰酸酯含量和电子鼻、电子舌响应值之间的非线性映射关系，避免减少了一些实验操作过程的一些弊端和局限性，直接达到快速准确的预测仿真效果。
具体实施方式
下面通过实施例对本发明做进一步详细说明，这些实施例仅用来说明本发明，并不限制本发明的范围。
实施例1：一种基于味觉系统与电子鼻联合评价优质青芥辣酱风味等级的方法
首先根据所研究芥辣酱的风味特性，建立科学的感官评价体系。汇总专家对风味评价因子描述，并进行客观公正的评分。其次对芥辣酱产品进行电子鼻和电子舌检测，得到传感器特征值数据。最后将数据整合成随机森林模型所需的特征值，采用Matlab语言编程，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模。并对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定。将待测优质青芥辣酱样品的响应值导入得到的随机森林模型中，得到待测青芥辣酱产品的风味等级属于特级，异硫氰酸酯含量≥0.35％。表3总结了本发明实例测试中随机森林对优质青芥辣酱感官评分和异硫氰酸酯含量的预测模型的评价，从训练集和预测集的相关系数R2和均方根误差RMSE可以得出训练建立了一个基本的预测。
表3随机森林模型对建模集样品和预测集样品的预测结果
实施例2：一种基于味觉系统与电子鼻联合评价劣质青芥辣酱风味等级的方法
首先根据所研究芥辣酱的风味特性，建立科学的感官评价体系。汇总专家对风味评价因子描述，并进行客观公正的评分。其次对青芥辣酱产品进行电子鼻和电子舌检测，得到传感器特征值数据。最后将数据整合成随机森林模型所需的特征值，采用Matlab语言编程，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模。并对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定。将待测劣质芥辣酱样品的电子舌的响应值导入得到的随机森林模型中，得到待测劣质青芥辣酱产品的风味等级属于三级，可预测异硫氰酸酯含量为0.15～0.2％。从表4训练集和预测集的相关系数R2和均方根误差RMSE可以得出训练建立了一个良好的预测。
表4随机森林模型对建模集样品和预测集样品的预测结果
实施例3：一种基于味觉系统与电子鼻联合评价优质黄芥辣酱风味等级的方法
首先根据所研究芥辣酱的风味特性，建立科学的感官评价体系。汇总专家对每项评价因子描述，并对每项评价因子进行客观公正的评分，每个审评项为百分制打分。其次对芥辣酱产品进行电子鼻和电子舌检测，得到传感器特征值数据。最后将数据整合成随机森林模型所需的特征值，采用Matlab语言编程，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模。并对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定。将待测优质黄芥辣酱样品的电子鼻和电子舌的响应值导入得到的随机森林模型中，得到待测黄芥辣酱产品的风味等级属于特级，异硫氰酸酯含量≥0.20％。表5总结了本发明实例测试中随机森林对黄芥辣酱感官评分和异硫氰酸酯含量的预测模型的评价，从训练集和预测集的相关系数R2和均方根误差RMSE可以得出训练建立了一个最佳的预测。本发明在仅1分钟时间，基于随机森林算法的电子鼻、电子舌智能风味识别系统实现了对黄芥辣酱的风味等级的评价。
表5随机森林模型对建模集样品和预测集样品的预测结果
实施例4：一种基于味觉系统与电子鼻联合评价劣质黄芥辣酱风味等级的方法
首先根据所研究芥辣酱的风味特性，建立科学的感官评价体系。汇总专家对每项评价因子描述，并对每项评价因子进行客观公正的评分，每个审评项为百分制打分。其次对芥辣酱产品进行电子鼻和电子舌检测，得到传感器特征值数据。最后将数据整合成随机森林模型所需的特征值，采用Matlab语言编程，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模。并对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定。将待测劣质黄芥辣酱样品的电子鼻和电子舌的响应值导入得到的随机森林模型中，得到待测黄芥辣酱产品的风味等级属于二级，异硫氰酸酯含量为0.10～0.15％。表6总结了本发明实例测试中随机森林对黄芥辣酱感官评分和异硫氰酸酯含量的预测模型的评价，从训练集和预测集的相关系数R2和均方根误差RMSE可以得出训练建立了一个最佳的预测。本发明在仅1分钟时间，基于随机森林算法的电子鼻、电子舌智能风味识别系统实现了对黄芥辣酱的风味等级的评价。
表6随机森林模型对建模集样品和预测集样品的预测结果

Claims (2)

1.一种利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法，其特征在于，主要包括以下步骤：
(1)研究芥辣酱的风味特性，建立科学的感官评价体系：组建感官评价专家小组，由专家小组成员对芥辣酱香气和滋味进行描述，并进行客观公正的评分，每个审评项为百分制打分；
(2)芥辣酱产品的电子鼻检测：首先将芥辣酱产品放入密封容器中，常温状态下静置40～60min；随后电子鼻的进样针头吸取密封容器内的气体，电子鼻气室内的14组气体传感器阵列对样品所散发出的气体进行检测，检测时间为20～40s；所述电子鼻14组气体传感器分别为S1检测芳香族化合物、S2检测异硫氰酸酯、S3检测氮氧化合物、S4检测有机酸酯、S5检测生物合成类、S6检测香菇精、S7检测脂肪烃含氧衍生物、S8检测氨类、S9检测氢类、S10检测碳氢化合物、S11检测挥发性有机化合物、S12检测硫化物、S13检测乙烯、S14检测食物烹调中的挥发气体；
(3)芥辣酱产品的电子舌检测：将芥辣酱产品放于电子舌烧杯中，电子舌传感器阵列与产品接触，样品中不同风味物质在传感器表面转化为可测量的电信号，该信号通过信号处理转换后获得味觉信息输出，获得电子舌信号响应值；
(4)芥辣酱产品中异硫氰酸酯含量的测定：称取芥辣酱1g放入三角瓶中，加入100ml水和20ml 95％乙醇震荡均匀，对混合液进行蒸馏，10ml氨水溶液作为接受溶液，蒸馏20min后加入0.1mol/L硝酸银溶液20ml充分混合，静置5h以上，随后加热至沸腾完成反应，加水定容至100ml，滤纸过滤，取50ml滤液，加入5ml浓硝酸使呈酸性，取0.5ml硫酸铁溶液做指示剂，用0.1mol/L硫氰酸铵溶液滴定至溶液呈褐色且不褪色为终点，最后计算芥辣酱中异硫氰酸酯含量；
(5)芥辣酱风味等级指标的建立：根据感官得分、电子鼻S2异硫氰酸酯传感器信号响应值、电子舌信号响应值和异硫氰酸酯含量四个指标综合考虑建立芥辣酱的风味等级指标，将其等级划分为特级、一级、二级、三级；
(6)将电子舌和电子鼻智能感官数据与风味等级指标值建立随机森林模型：将原始数据整合成随机森林模型所需的特征值，采用Matlab语言编程，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模型，并对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定；所述随机森林模型中通过相关系数R2、均方根误差RMSE值对优化后的随机森林模型进行评价，具体为：
其中N为模型中的样本个数；Xi为模型中的第i个测试值，为模型中的样本响应值的平均值；Yi为模型中第i个样本的预测值，为模型中的样本预测值的平均值；
(7)将待测芥辣酱样品的电子鼻和电子舌的响应值导入步骤(6)随机森林模型中，最终实现快速评价待测芥辣酱产品的风味等级。
2.根据权利要求1所述的一种利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法，其特征在于，所述芥辣酱产品为以辣根、山葵为主要原料，经磨碎和调配制成的半固态复合调味料，主要为青芥辣酱和黄芥辣酱。
CN201611047344.3A 2016-11-23 2016-11-23 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法 Active CN106501470B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611047344.3A CN106501470B (zh) 2016-11-23 2016-11-23 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611047344.3A CN106501470B (zh) 2016-11-23 2016-11-23 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法

Publications (2)

Publication Number Publication Date
CN106501470A CN106501470A (zh) 2017-03-15
CN106501470B true CN106501470B (zh) 2018-10-30

Family

ID=58328693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611047344.3A Active CN106501470B (zh) 2016-11-23 2016-11-23 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法

Country Status (1)

Country Link
CN (1) CN106501470B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107274065A (zh) * 2017-05-15 2017-10-20 崔哲 食物口感和风味的主观评价与光谱数据建模方法及系统
CN108645971A (zh) * 2018-05-11 2018-10-12 浙江工商大学 一种基于电子鼻的空气异味强度等级检测方法
CN108981800B (zh) * 2018-06-25 2023-09-08 东北电力大学 一种利用神经动力学系统模型进行机器嗅-味联觉效应可视化的方法
CN109614714A (zh) * 2018-12-13 2019-04-12 上海应用技术大学 一种发酵乳香气感官质量控制的模型建立方法
CN110018203A (zh) * 2019-03-18 2019-07-16 江苏大学 基于电子鼻电子舌智能感官技术的香醋风味定量表征方法
CN110133050B (zh) * 2019-04-10 2020-08-14 浙江大学 一种基于多传感器指纹图谱定性定量检测茶叶品质的方法
CN110763806B (zh) * 2019-10-25 2022-08-02 三只松鼠股份有限公司 一种用于评定鸭脖辣味等级的方法
CN110579574A (zh) * 2019-10-28 2019-12-17 贺州学院 基于感官评价与电子鼻联合分析荸荠挥发性风味物质的方法
CN110726755A (zh) * 2019-11-05 2020-01-24 贺州学院 一种基于感官评价和电子鼻分析的蒸制荔浦芋品质判别方法
CN111426778B (zh) * 2020-04-30 2022-07-15 上海海关动植物与食品检验检疫技术中心 高分辨质谱技术结合模式识别的橄榄油等级快速鉴定方法
CN111693594B (zh) * 2020-05-26 2022-01-11 江苏大学 基于伏安电子舌的黄豆酱理化指标的快速检测装置及方法
CN111693658A (zh) * 2020-06-11 2020-09-22 上海交通大学 基于多种智能感官数据融合的食品品质鉴定方法
CN111898920A (zh) * 2020-08-07 2020-11-06 江南大学 一种评价肉汤调味料关键品质等级的复合方法
CN113238004A (zh) * 2021-05-10 2021-08-10 云南中烟工业有限责任公司 一种利用mlp神经网络模型预测酸味、甜味的方法
CN113705719A (zh) * 2021-09-06 2021-11-26 河南中医药大学第一附属医院 一种采用电子感官融合快速评价中药饮片五味药性的方法
CN114894944B (zh) * 2022-04-21 2023-12-26 中国中医科学院中药研究所 一种外来药药味的认定方法
CN115236163B (zh) * 2022-07-20 2024-01-16 摩尼特(武汉)智能科技有限公司 一种阵列电极体系及其在白酒品质分级的应用
CN116227974B (zh) * 2022-12-26 2024-01-30 中国农业科学院蜜蜂研究所 一种用于蜂蜜感官和品质评级的鉴定方法
CN117517245B (zh) * 2023-11-08 2024-05-03 广东省农业科学院茶叶研究所 评估茶叶滋味、香气和整体感官方法、系统、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101975845A (zh) * 2010-09-21 2011-02-16 成都中医药大学 中药品质自动检测系统
CN102222164A (zh) * 2011-05-30 2011-10-19 中国标准化研究院 一种食品感官质量评价方法及系统
CN103487558A (zh) * 2013-07-30 2014-01-01 中国标准化研究院 一种应用智能感官信号进行茶叶品质的模式识别分析过程中检测异常样本的方法
CN104316660A (zh) * 2014-10-27 2015-01-28 四川省农业科学院农产品加工研究所 快速检测豆瓣酱风味、等级及产品溯源的方法
CN104849318A (zh) * 2015-05-06 2015-08-19 浙江大学 基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法
CN105181916A (zh) * 2015-08-11 2015-12-23 盛良 一种利用电子鼻、电子舌传感器技术检测量化中药气味及其对应证的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10379092B2 (en) * 2013-05-21 2019-08-13 Alon Daniel GAFSOU System and method for scent perception measurements and for construction of a scent database

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101975845A (zh) * 2010-09-21 2011-02-16 成都中医药大学 中药品质自动检测系统
CN102222164A (zh) * 2011-05-30 2011-10-19 中国标准化研究院 一种食品感官质量评价方法及系统
CN103487558A (zh) * 2013-07-30 2014-01-01 中国标准化研究院 一种应用智能感官信号进行茶叶品质的模式识别分析过程中检测异常样本的方法
CN104316660A (zh) * 2014-10-27 2015-01-28 四川省农业科学院农产品加工研究所 快速检测豆瓣酱风味、等级及产品溯源的方法
CN104849318A (zh) * 2015-05-06 2015-08-19 浙江大学 基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法
CN105181916A (zh) * 2015-08-11 2015-12-23 盛良 一种利用电子鼻、电子舌传感器技术检测量化中药气味及其对应证的方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Study of grass carp (Ctenopharyngodon idellus) quality predictive model based on electronic nose;Hui Guohua等;《Sensors and Actuators B: Chemical》;20120303;第166-167卷;全文 *
滴定法测定芥茉及其制品的异硫氰酸酯;李志钊;《食品研究与开发》;19901231(第3期);第40页和49页的（2）试剂和（3）操作 *
电子舌在食品感官品评中的应用;蒋丽施;《肉类研究》;20110228;第25卷(第2期);全文 *
电子鼻和电子舌信号联用方法分析及其在食品品质检测中的应用;田晓静等;《食品工业科技》;20150115;第36卷(第1期);全文 *
调味芥末油中异硫氰酸醋含量的测定;姜子涛等;《食品研究与开发》;19950331;第16卷(第1期);全文 *
青芥辣中辣根水解度的优化;阎娣等;《食品与生物技术学报》;20121231;第31卷(第12期);全文 *

Also Published As

Publication number Publication date
CN106501470A (zh) 2017-03-15

Similar Documents

Publication Publication Date Title
CN106501470B (zh) 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法
CN108133313B (zh) 一种人工智能感官评价食品风味系统及其构建方法
CN108875913B (zh) 一种基于卷积神经网络的松茸快速无损检测系统及方法
CN102778442B (zh) 一种快速鉴别烟用香液料液种类的方法
CN103134850B (zh) 一种基于特征香气的茶叶品质快速检测方法
CN106841083A (zh) 基于近红外光谱技术的芝麻油品质检测方法
CN109254107A (zh) 柑普茶快速分类鉴别方法
CN112578039B (zh) 一种燕窝中掺假物的分析鉴定方法
CN104316489B (zh) 一种近红外光谱检测灵芝提取物掺假的方法
CN102692488A (zh) 基于电子鼻技术的金华火腿分级与鉴别方法
CN109376805A (zh) 一种基于白酒基酒指纹图谱特征的分类方法
CN113125590A (zh) 一种基于快速气相电子鼻技术的滇红工夫茶汤香气品质客观评价方法
CN111272696A (zh) 一种快速检测普洱茶中掺杂香精的方法
CN111948321A (zh) 基于气相离子迁移谱对不同品种小米香气成分的评价方法
Li et al. Fish meal freshness detection by GBDT based on a portable electronic nose system and HS-SPME–GC–MS
CN110398472A (zh) 一种基于二维相关光谱量化的植物油鉴别分类方法
Ulberth Advances in testing for adulteration in honey
CN110887944A (zh) 一种茶油品质快速检测装置
CN107121408A (zh) 食用植物油品种的快速无损鉴别方法
CN113075316B (zh) 一种靖西大果山楂酒窖藏时间的鉴定方法
CN106226263A (zh) 基于红外光谱技术的浓香型白酒基酒等级快速判别方法
CN110687215A (zh) 一种应用代谢组学技术预测茶叶年份的方法
CN111912823A (zh) 一种多成分农药残留荧光检测分析方法
CN111624317A (zh) 一种娃娃菜新鲜度判别的无损检测方法
Lazaro et al. Chemometric data analysis for black tea fermentation using principal component analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant