CN106556680A - 一种基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法 - Google Patents
一种基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法 Download PDFInfo
- Publication number
- CN106556680A CN106556680A CN201611064840.XA CN201611064840A CN106556680A CN 106556680 A CN106556680 A CN 106556680A CN 201611064840 A CN201611064840 A CN 201611064840A CN 106556680 A CN106556680 A CN 106556680A
- Authority
- CN
- China
- Prior art keywords
- sample
- meat
- fat oxidation
- value
- electronic nose
- 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
- 230000003647 oxidation Effects 0.000 title claims abstract description 68
- 238000007254 oxidation reaction Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 51
- 235000013372 meat Nutrition 0.000 title claims abstract description 35
- 235000013622 meat product Nutrition 0.000 title claims abstract description 15
- 239000002253 acid Substances 0.000 claims abstract description 18
- 150000002978 peroxides Chemical class 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 14
- 210000001331 nose Anatomy 0.000 claims description 37
- 238000001514 detection method Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 10
- 238000003556 assay Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 7
- 230000005477 standard model Effects 0.000 claims description 6
- 238000004445 quantitative analysis Methods 0.000 claims description 5
- 238000004451 qualitative analysis Methods 0.000 claims description 4
- 230000002000 scavenging effect Effects 0.000 claims description 3
- 238000004166 bioassay Methods 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 238000003491 array Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 9
- RVBUGGBMJDPOST-UHFFFAOYSA-N 2-thiobarbituric acid Chemical compound O=C1CC(=O)NC(=S)N1 RVBUGGBMJDPOST-UHFFFAOYSA-N 0.000 abstract 1
- 241000251468 Actinopterygii Species 0.000 description 10
- 235000013580 sausages Nutrition 0.000 description 7
- 239000007789 gas Substances 0.000 description 6
- 210000001015 abdomen Anatomy 0.000 description 5
- 241000252230 Ctenopharyngodon idella Species 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 210000003205 muscle Anatomy 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 150000002632 lipids Chemical class 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 210000003489 abdominal muscle Anatomy 0.000 description 2
- 125000002915 carbonyl group Chemical group [*:2]C([*:1])=O 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000001590 oxidative effect Effects 0.000 description 2
- 235000020777 polyunsaturated fatty acids Nutrition 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 101100054292 Arabidopsis thaliana ABCG36 gene Proteins 0.000 description 1
- 101100351526 Arabidopsis thaliana PEN3 gene Proteins 0.000 description 1
- 235000019542 Cured Meats Nutrition 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002906 microbiologic effect Effects 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 235000021110 pickles Nutrition 0.000 description 1
- -1 polyethylene Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- QGVNJRROSLYGKF-UHFFFAOYSA-N thiobarbital Chemical compound CCC1(CC)C(=O)NC(=S)NC1=O QGVNJRROSLYGKF-UHFFFAOYSA-N 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Classifications
-
- 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
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
- G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
-
- 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
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0006—Calibrating gas analysers
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明公开了一种基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法，主要包括以下步骤：(1)测定肉与肉制品中脂肪氧化过程中特征性理化指标酸价、过氧化值、硫代巴比妥酸值的变化，初步评判脂肪氧化程度；(2)采用电子鼻技术收集肉及肉制品脂肪氧化过程中的特征数据；(3)依据电子鼻检测的特征数据和脂肪氧化的特征理化数据的相关性，建立快速定性定量评定脂肪氧化程度的预测模型。本发明方法可通过准确测定多种肉与肉制品在脂肪氧化过程中多个特征变量的变化，探明脂肪氧化过程中特征变量的变化规律，建立定性定量评定脂肪氧化程度的预测模型。
Description
技术领域
本发明涉及一种基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法，该方法是针对多种肉及其制品设计开发的专一性脂肪氧化评定模型，可对肉及其制品的脂肪氧化进行精确的定量分析，为富含脂质(特别是富含多不饱和脂肪酸)的肉及肉制品的脂肪氧化特性和产品保藏性能提供理论及技术支持，满足科研工作的需要。
背景技术
食品品质评价的指标主要有分为理化性质、微生物指标和感官特性等。在肉及其制品中含有大量蛋白质和脂肪,其中脂肪氧化是造成肉及其制品品质下降的一个主要因素之一。由于脂肪氧化是一个极其复杂的过程,没有一个简单的试验能适用于氧化过程的各个阶段以及各种不同食品种类并同时测定氧化过程中所产生的全部氧化产物。唯有将各个试验有机结合起来,方能得到较为可靠的评判结果。常用的试验方法有过氧化值法，羰基值法，硫代巴比妥酸法，色谱法，感官评定法等。
测定脂肪氧化的传统方法大多基于过氧化物值、酸价、羰基值和生成的丙二醛的多寡来评价脂肪氧化的程度。目前，有学者已开始探索脂肪氧化的快速测定方法，如孙大文等公开了“基于高光谱数据融合快速非接触监控鱼肉脂肪氧化的方法(公开号：CN104655586 A)”，该方法首先采用化学法测定冷藏不同天数的鱼肉样本的硫代巴比妥酸值,然后利用可见近红外高光谱成像系统扫描鱼肉样本,得到相应的高光谱图像,并对高光谱图像进行预处理,利用纹理提取算法提取图像纹理信息,融合特征波长信息和图像纹理信息,结合所测得的硫代巴比妥酸值,建立监控鱼肉脂肪氧化的预测模型,并对未知样品进行预测，这种方法提出了一种脂肪氧化快速测定的一种新思路，但是其考虑的脂肪氧化特征变量较少，检测结果很难真实反应脂肪氧化程度。李莹莹等公开了“一种腌腊肉制品氧化变质的检测方法(公开号：CN 104020224 A)”，此发明所涉及的方法是在传统测定方法基础上改良而来,如利用顶空固相微萃取-气质联用技术，虽然可以实现快速准确测量,但操作费时耗力，步骤繁琐，属于破坏性检测，不能适用于大规模的样品，而且不能实现实时在线检测。因此，寻找一种基于更多脂肪氧化特征变量的快速测定方法显然尤为重要。
发明内容
本发明方法通过准确测定脂肪氧化过程中多个特征变量的变化规律，探明脂肪氧化过程中脂肪氧化程度随特征变量变化的关联评定方法，脂肪氧化程度的评定模型一经建立，将能准确、快速的测定出样品的脂肪氧化程度。
本发明旨在克服现有技术测量过程中操作繁琐、传感器基线易漂移、测量结果可靠性差的不足,提供了一种操作简便、测量过程中传感器基线稳定、测量结果可靠性好的利用电子鼻技术快速预测脂肪氧化程度的方法。
为了达到上述目的，本发明提供的技术方案为：
所述基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法包括以下步骤：
(1)肉或肉制品的预处理：制备不同储藏时间点不同批次肉或肉制品的样本，并将其随机分为N个样本贮藏在某一特定环境(根据样品贮藏条件，如冷鲜肉在低温环境下)中，其中N为正整数，随机抽取同一批次不同贮藏时间点的样本作为标准样本，随机抽取不同批次不同贮藏时间点的样本作为校正样本或待测样本；
(2)定期从步骤(1)所述的标准样本中称取标准样本检测，测定标准样本脂肪氧化过程中特征性理化指标，所述特征性理化指标为酸价值(AV)、过氧化值(POV)和硫代巴比妥酸值(TBARS)，以评判肉或肉制品中脂肪氧化的程度，酸价值的测定按照GB/T5009.37-2003中的测定方法进行；硫代巴比妥酸值的测定按照GB/T5009.181-2003中的测定方法进行；过氧化值的测定按照GB 5009.227-2016中的测定方法进行；其中，采用国标法测定酸价(AV)、过氧化值(POV)、硫代巴比妥酸值(TBARS)时，标准样本、校正样本和预测样本的贮藏条件、取样量、取样方式与电子鼻检测的样本的贮藏条件、取样量、取样方式条件一致即可。
(3)与步骤(2)同步，定期从步骤(1)所述标准样本中称取质量与步骤(2)相同质量的标准样本置于150mL顶空进样品中，在40～45℃恒温静置1～2h，而后采用电子鼻进样检测，进样方式为顶空进样，检测条件：清洗时间60～80s，进样检测时间60～100s，进样气体流量为500～600mL/min，每个样品平行测定3～5次；
(4)将步骤(3)所得样本数据在WinMuster系统中建立不同取样时间点的定性标准模型，将其与步骤(2)中所得理化数据酸价值(AV)、过氧化值(POV)和硫代巴比妥酸值(TBARS)一一对应输入预测模型中，在WinMuster系统中建立定性定量标准模型，要求模型中PC1+PC2>99％，其中PC1代表第一主成分，PC2代表第二主成分，PC1+PC2越接近100％代表数据特征越完善，且所建立的模型精度均方根误差RMSEP<0.1mg/kg；
(5)依步骤(2)至(4)的顺序取样测定校正样本，将所测校正样本的数据导入标准模型，对标准样本进行校正，要求校正标准模型的精度均方根误差RMSEP<0.1mg/kg，要求模型中PC1+PC2>99％，其中PC1代表第一主成分，PC2代表第二主成分，PC1+PC2越接近100％代表数据特征越完善；
(6)将待测样本按步骤(3)测得电子鼻数据，并将其电子鼻检测数据导入步骤(5)所得的标准模型中，在WinMuster系统中通过主成分分析法(PCA)、传感器区分贡献率分析法(LOADINGS分析)和线性判别法(LDA)进行定性分析不同时间点的脂肪氧化程度，采用WinMuster系统中的欧氏距离(Eu)、相关性(Kr)、马氏距离(Ma)、判别函数分析(DFA)法进行定量分析不同时间点预测样品的脂肪氧化程度，可通过标准模型快速得到不同贮藏时间点的预测样品的酸价(AV)、过氧化值(POV)和硫代巴比妥酸值(TBARS)。
优选地，步骤(3)所述电子鼻为PEN 3型电子鼻，PEN 3型电子鼻的气室内有10种气体传感器阵列组成，主要通过电子鼻的气敏传感器对待测样品的差异性进行检测分析，所述10种气体传感器名称如表1：
表1
步骤(4)所述建立的定性定量标准模型通过WinMuster系统中的主成分分析法(PCA)、传感器区分贡献率分析法(LOADINGS分析)和线性判别法(LDA)进行定性分析，采用WinMuster系统中的欧氏距离(Eu)、相关性(Kr)、马氏距离(Ma)、判别函数分析(DFA)法进行定量分析，并且要求至少两个分析方法的预测结果要一致。
与现有技术相比，本发明的优势在于：
1.该方法应用于肉及其制品中脂肪氧化程度的测定时，通过对脂肪氧化理化特征值和电子鼻特征数据的测定，建立相应的快速预测模型，其样品处理操作简单、快速，可实现鱼肉脂肪氧化程度的快速非接触在线监控。
2.该方法利用电子鼻快速预测肉及其制品中脂肪氧化程度时，同类样品模型一经建立，在以后的测定过程中就可直接应用，只需测定待测样本的电子鼻数据，检测结果快速，可准确预测其脂肪氧化程度的理化参数。
3.该方法用于肉及其制品中脂肪氧化程度的测定时，要求所建立的模型精度均方根误差RMSEP<0.1mg/kg，模型中PC1+PC2>99％(其中PC1代表第一主成分，PC2代表第二主成分，PC1+PC2越接近100％代表数据特征越完善)能够较好的表征脂肪氧化程度进程，与传统的单一特征数据相比可靠性大大增强。
4.该方法用于精确定量时灵敏度高，稳定性好，分辨率高，不同原料样品间区分度高，对于同一样品批间和批内差异系数均较小。
总之，本发明公开了一种基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法，主要包括以下步骤：(1)测定肉与肉制品中脂肪氧化过程中特征性理化指标酸价、过氧化值、硫代巴比妥酸值的变化，初步评判脂肪氧化程度；(2)采用电子鼻技术收集肉及肉制品脂肪氧化过程中的特征数据；(3)依据电子鼻检测的特征数据和脂肪氧化的特征理化数据的相关性，建立快速定性定量评定脂肪氧化程度的预测模型。本发明方法可通过准确测定多种肉与肉制品在脂肪氧化过程中多个特征变量的变化，探明脂肪氧化过程中特征变量的变化规律，建立定性定量评定脂肪氧化程度的预测模型。脂肪氧化程度的预测模型一经建立，要求所建立的模型精度的均方根误差RMSEP<0.1mg/kg，模型中PC1+PC2>99％(其中PC1代表第一主成分，PC2代表第二主成分，PC1+PC2越接近100％代表数据特征越完善)，将精准快速的对富含脂质，特别是富含多不饱和脂肪酸的肉与肉制品的脂质氧化程度进行定量分析，为肉及其制品在保藏过程中产品质量的评价提供快速检测技术支持。
附图说明
图1为基于电子鼻技术快速预测脂肪氧化程度的评定方法的流程图；
图2为实施例1不同贮藏时期草鱼背部肌肉电子鼻响应值的PCA分析图；
图3为实施例1不同贮藏时期草鱼背部肌肉电子鼻响应值的PCA分析图。
具体实施方式：
实施例1 基于电子鼻技术快速预测草鱼背(腹)部脂肪氧化程度的评定方法
将宰杀后的草鱼去鳞、去内脏、去头、去尾和皮，用流动水冲洗干净，用吸水纸吸干鱼肉表面残水，并将背(腹)部分开，分别称取10.00g(精确至0.01g)制作背部和腹部肉样的标准样本、校正样本，每个样本容量为60个，装入聚乙烯保鲜袋密封并于4℃条件下分别冷藏0、1、2、3、4、5、6、7、8天，同时制备贮藏于4℃条件下的待测鱼肉背(腹)部样品备用。定期随机抽取标准样本、校正样本，分别称取一定量的背部和腹部肉样，根据GB/T 5009.37-2003测定酸价(AV)、根据GB/T5009.181-2003测定硫代巴比妥酸值(TBARS)、根据GB5009.227-2016测定过氧化值(POV)，再利用PEN 3型电子鼻对不同储藏时间点的鱼肉样本进行检测，进样检测方式为顶空进样，检测条件：清洗时间60s，进样检测时间60s，进样气体流量为600mL/min，每个样品平行测定5次，将检测的数据一一对应输入WinMuster系统中，建立不同取样时间点的定性定量标准模型，利用校正样本对标准模型进行校正，得到校正标准模型，然后按PEN 3型电子鼻利用上述检测步骤对待测样本进行电子鼻检测，通过上述得到的校正标准模型对待测样本脂肪氧化程度进行预测，预测冷藏于4℃条件下不同贮藏时期鱼背部肌肉和腹部肌肉脂肪氧化程度进行PCA分析分别如图2、图3所示，鱼背部肌肉冷藏4天时脂肪氧化程度与前3天差别较大，其中冷藏4天时定量预测得硫代巴比妥酸值为0.715mg/kg、过氧化值为2.49meq/kg、酸价为11.74mg KOH/kg，鱼腹部肌肉冷藏3天后脂肪呈现快速氧化，其中冷藏7天时定量预测的硫代巴比妥酸值为1.325mg/kg、过氧化值为3.34meq/kg、酸价为15.64mg KOH/kg。上述步骤得校正模型对标准模型进行校正，标准模型精度RMSEP<0.098mg/kg，R2＝0.959。
实施例2 基于电子鼻技术快速预测广式香肠加工过程中脂肪氧化程度的评定方法
将经筛选后清洗的猪肉通过5mm绞肉机绞成肉丁，按一定配料比混合，充分搅拌混匀，于4℃冷藏腌制1h后，加入灌肠机内，灌入在温水中已浸泡30min且洗净了的猪小肠肠衣中。香肠灌制结束后，每隔1.5cm用细针刺孔放气，分节好的香肠于35℃温水中漂洗，沥干，悬挂于恒温恒湿箱(温度：60℃，湿度：40％)中烘烤0h，12h，24h，36h，48h，60h，72h，分别称取10.00g(精确至0.01g)制作广式香肠加工过程中的标准样本、校正样本，每个样本容量为50个，并同理制备待测样本备用。根据GB/T 5009.37-2003测定酸价(AV)、GB/T5009.181-2003测定硫代巴比妥酸值(TBARS)、GB5009.227-2016测定过氧化值(POV)，再利用PEN 3型电子鼻对不同烘烤时间点的广式香肠样本进行检测：进样方式为顶空进样，检测条件：清洗时间100s，进样检测时间60s，进样气体流量为600mL/min，每个样品平行测定5次，将检测的数据一一对应输入WinMuster系统中建立不同取样时间点的定性定量标准模型，利用校正样本对标准模型进行校正，得到校正标准模型，标准模型精度RMSEP<0.096mg/kg，R2＝0.930，然后按PEN3型电子鼻利用上述检测步骤对待测样本进行电子鼻检测，通过上述得到的校正标准模型对待测样本脂肪氧化程度进行预测，可预测到待测广式香肠样品烘烤36h的硫代巴比妥酸值为0.115mg/kg、过氧化值为0.36meq/kg、酸价为2.35mg KOH/kg。
Claims (3)
1.一种基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法，其特征在于，所述方法包括以下步骤：
(1)肉或肉制品的预处理：制备不同储藏时间点不同批次肉或肉制品的样本，并将其随机分为N个样本贮藏，其中N为正整数，随机抽取同一批次不同贮藏时间点的样本作为标准样本，随机抽取不同批次不同贮藏时间点的样本作为校正样本或待测样本；
(2)定期从步骤(1)所述的标准样本中称取标准样本检测，测定标准样本脂肪氧化过程中特征性理化指标，所述特征性理化指标为酸价值、过氧化值和硫代巴比妥酸值，以评判肉或肉制品中脂肪氧化的程度，其中，酸价值的测定按照GB/T 5009.37-2003中的测定方法进行；硫代巴比妥酸值的测定按照GB/T5009.181-2003中的测定方法进行；过氧化值的测定按照GB 5009.227-2016中的测定方法进行；
(3)与步骤(2)同步，定期从步骤(1)所述标准样本中称取质量与步骤(2)相同质量的标准样本置于150mL顶空进样品中，在40～45℃恒温静置1～2h，而后采用电子鼻进样检测，进样方式为顶空进样，检测条件：清洗时间60～80s，进样检测时间60～100s，进样气体流量为500～600mL/min，每个样品平行测定3～5次；
(4)将步骤(3)所得样本数据在WinMuster系统中建立不同取样时间点的定性标准模型，将其与步骤(2)中所得理化数据酸价值、过氧化值和硫代巴比妥酸值一一对应输入预测模型中，在WinMuster系统中建立定性定量标准模型，要求模型中PC1+PC2>99％，其中PC1代表第一主成分，PC2代表第二主成分，PC1+PC2越接近100％代表数据特征越完善，且所建立的模型精度均方根误差RMSEP<0.1mg/kg；
(5)依步骤(2)至(4)的顺序取样测定校正样本，将所测校正样本的数据导入标准模型，对标准样本进行校正，要求校正标准模型的精度均方根误差RMSEP<0.1mg/kg，要求模型中PC1+PC2>99％，其中PC1代表第一主成分，PC2代表第二主成分，PC1+PC2越接近100％代表数据特征越完善；
(6)将待测样本按步骤(3)测得电子鼻数据，并将其电子鼻检测数据导入步骤(5)所得的标准模型中，在WinMuster系统中通过主成分分析法、传感器区分贡献率分析法和线性判别法进行定性分析不同时间点的脂肪氧化程度，采用WinMuster系统中的欧氏距离、相关性、马氏距离、判别函数分析法进行定量分析不同时间点预测样品的脂肪氧化程度，可通过标准模型快速得到不同贮藏时间点的预测样品的酸价值、过氧化值和硫代巴比妥酸值。
2.如权利要求1所述的方法，其特征在于，步骤(3)所述电子鼻为PEN 3型电子鼻，PEN 3型电子鼻的气室内有10种气体传感器阵列组成，通过电子鼻的气敏传感器对待测样品的差异性进行检测分析，所述10种气体传感器名称分别为W1C、W5S、W3S、W6S、W5C、W1S、W1W、W2S、W2W、W3S。
3.如权利要求1所述的方法，其特征在于，步骤(4)所述建立的定性定量标准模型通过WinMuster系统中的主成分分析法、传感器区分贡献率分析法和线性判别法进行定性分析，采用WinMuster系统中的欧氏距离、相关性、马氏距离、判别函数分析法进行定量分析，并且要求至少两个分析方法的预测结果要一致。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611064840.XA CN106556680A (zh) | 2016-11-28 | 2016-11-28 | 一种基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611064840.XA CN106556680A (zh) | 2016-11-28 | 2016-11-28 | 一种基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106556680A true CN106556680A (zh) | 2017-04-05 |
Family
ID=58445225
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611064840.XA Pending CN106556680A (zh) | 2016-11-28 | 2016-11-28 | 一种基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106556680A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107764793A (zh) * | 2017-10-19 | 2018-03-06 | 西华大学 | 电子鼻对郫县豆瓣制曲过程中米曲霉发酵情况的检测方法 |
| CN109033616A (zh) * | 2018-07-24 | 2018-12-18 | 西华大学 | 一种预测冷冻猪肉在贮藏过程中品质变化的方法 |
| CN109596764A (zh) * | 2018-12-24 | 2019-04-09 | 东阿阿胶股份有限公司 | 一种快速判别阿胶氧化酸败的方法 |
| CN109668843A (zh) * | 2019-01-07 | 2019-04-23 | 江苏大学 | 一种基于手机的便携式多光谱成像技术检测腊肉品质的方法 |
| CN110865150A (zh) * | 2019-11-26 | 2020-03-06 | 上海秒针网络科技有限公司 | 食物烤制监控方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105527391A (zh) * | 2015-12-31 | 2016-04-27 | 浙江海洋学院 | 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 |
| CN105548062A (zh) * | 2015-12-21 | 2016-05-04 | 中国肉类食品综合研究中心 | 生鲜牛肉多指标的快速无损同步检测方法 |
-
2016
- 2016-11-28 CN CN201611064840.XA patent/CN106556680A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105548062A (zh) * | 2015-12-21 | 2016-05-04 | 中国肉类食品综合研究中心 | 生鲜牛肉多指标的快速无损同步检测方法 |
| CN105527391A (zh) * | 2015-12-31 | 2016-04-27 | 浙江海洋学院 | 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 |
Non-Patent Citations (3)
| Title |
|---|
| 王建辉等: "冷藏期间草鱼鱼片脂肪氧化变化规律研究", 《食品科学》 * |
| 陈辰等: "基于电子鼻技术的玫瑰香葡萄贮藏期快速判别", 《食品与机械》 * |
| 顾欣哲等: "基于电子鼻和神经网络对广式香肠脂肪氧化的评价", 《食品科学》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107764793A (zh) * | 2017-10-19 | 2018-03-06 | 西华大学 | 电子鼻对郫县豆瓣制曲过程中米曲霉发酵情况的检测方法 |
| CN109033616A (zh) * | 2018-07-24 | 2018-12-18 | 西华大学 | 一种预测冷冻猪肉在贮藏过程中品质变化的方法 |
| CN109033616B (zh) * | 2018-07-24 | 2023-02-10 | 西华大学 | 一种预测冷冻猪肉在贮藏过程中品质变化的方法 |
| CN109596764A (zh) * | 2018-12-24 | 2019-04-09 | 东阿阿胶股份有限公司 | 一种快速判别阿胶氧化酸败的方法 |
| CN109668843A (zh) * | 2019-01-07 | 2019-04-23 | 江苏大学 | 一种基于手机的便携式多光谱成像技术检测腊肉品质的方法 |
| CN110865150A (zh) * | 2019-11-26 | 2020-03-06 | 上海秒针网络科技有限公司 | 食物烤制监控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106556680A (zh) | 一种基于电子鼻技术快速预测肉及其制品脂肪氧化程度的方法 | |
| Abbas et al. | A review on correlations between fish freshness and pH during cold storage | |
| CN101975788B (zh) | 低场核磁共振鉴别食用油品质的方法 | |
| JHA et al. | Non-destructive techniques for quality evaluation of intact fruits and vegetables | |
| CN101382531B (zh) | 利用电子鼻检测虾新鲜度的方法 | |
| CN106324011B (zh) | 一种确定调理水产品低温货架期的鲜度联合检测方法 | |
| Zhang et al. | Electronic nose with an air sensor matrix for detecting beef freshness | |
| CN106568907B (zh) | 一种基于半监督鉴别投影的大闸蟹新鲜度无损检测方法 | |
| CN110210680A (zh) | 一种基于温度变化的鱼体新鲜度检测方法和装置 | |
| CN103543123A (zh) | 一种掺假牛奶的红外光谱识别方法 | |
| CN101493431A (zh) | 利用电子鼻检测鸡肉新鲜度的方法 | |
| Raudienė et al. | Rapid evaluation of fresh chicken meat quality by electronic nose | |
| CN109959765B (zh) | 三文鱼新鲜度检测系统及方法 | |
| CN108037256B (zh) | 稻米食味品质的快速测定方法 | |
| Huang et al. | Non-destructive evaluation of total volatile basic nitrogen (TVB-N) and K-values in fish using colorimetric sensor array | |
| CN105954412A (zh) | 用于山核桃新鲜度检测的传感器阵列优化方法 | |
| Xia et al. | Simultaneous, rapid and nondestructive determination of moisture, fat content and storage time in leisure dried tofu using LF-NMR | |
| Qin et al. | Prediction of Peking duck intramuscle fat content by near-infrared spectroscopy | |
| Povlsen et al. | Direct decomposition of NMR relaxation profiles and prediction of sensory attributes of potato samples | |
| Cattaneo et al. | New applications of near infrared spectroscopy on dairy products | |
| CN114088874B (zh) | 一种基于液相可视化阵列的食醋总酸含量检测方法 | |
| CN115561342A (zh) | 一种酸菜类复合调味料保质期判定及货架期验证方法 | |
| Li et al. | Application of multi‐element viscoelastic models to freshness evaluation of beef based on the viscoelasticity principle | |
| Ding et al. | Detection of fruits in warehouse using Electronic nose | |
| CN114354564A (zh) | 一种基于荧光猝灭技术的羊肉新鲜度检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| 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: 20170405 |
|
| RJ01 | Rejection of invention patent application after publication |