CN109374801B - 基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法 - Google Patents

Abstract

本发明公开了一种基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，包括以下步骤：选择不同级别的马苏里拉奶酪作为标准品，并从中萃取挥发性风味物质；采用香气提取物稀释分析法结合气相‑嗅闻装置，从中筛选出风味强度较大的特征风味物质；对特征风味物质进行聚类，得到身份标识性特征风味组分；测定已知级别马苏里拉奶酪的身份标识性特征风味组分浓度，构建训练集，采用训练集对支持向量机进行训练；测定待测马苏里拉奶酪的身份标识性特征风味组分浓度，输入至训练好的支持向量机中，对待测马苏里拉奶酪的级别进行判断。本发明通过聚类算法得到马苏里拉奶酪的身份标识性特征风味组分，基于此可对马苏里拉奶酪的种类级别进行快速判断。

Description

基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法

技术领域

本发明涉及乳制品检测技术领域，尤其涉及一种基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法。

背景技术

风味是食品最重要的品质特征之一。食品中众多挥发性物质中，仅有一小部分对总体风味的贡献较突出或起辅助作用。这些对产品风味起主导作用的化合物被称为该食品的特征风味化合物。

奶酪(cheese)，又名干酪，是一种发酵的牛奶制品，其性质与常见的酸牛奶有相似之处，都是通过发酵过程来制作的，也都含有可以保健的乳酸菌，但是奶酪的浓度比酸奶更高，近似固体食物，营养价值也因此更加丰富。

每公斤奶酪制品都是由10公斤的牛奶浓缩而成，含有丰富的蛋白质、钙、脂肪、磷和维生素等营养成分，是纯天然的食品。就工艺而言，奶酪是发酵的牛奶；就营养而言，奶酪是浓缩的牛奶。奶酪也是中国西北的蒙古族，哈萨克族等游牧民族的传统食品，在内蒙古称为奶豆腐，在新疆俗称乳饼，完全干透的干酪又叫奶疙瘩，世界出口奶酪最多的国家是荷兰。

马苏里拉奶酪是进口量仅次于切达奶酪的一种拉伸奶酪。水牛奶马苏里拉奶酪的营养价值相对牛奶的而言更丰富，但其成本也更高，因此极易发生掺假现象。通常而言不同级别的马苏里拉奶酪的评价大多以主观的感官评价为主，缺少客观的评价标准，但由于不同乳源马苏里拉奶酪风味差异程度较小，通常不是经验丰富的马苏里拉奶酪制造者或者使用者，很难对两种不同乳源的奶酪进行确定。另外对于奶酪基本依赖进口的我国而言，水牛奶马苏里拉奶酪的感官评定分级方法因缺少生产经验和使用经验而难以操作，主要依赖进口标签对其进行区分，因此很容易造成掺假，导致品质良莠不齐。

目前，人工感官评定是确定和检验食品风味品质的有效手段。虽然人工感官评定的方法可以对食品的风味品质进行区分，但存在差异性大、稳定性低、缺乏数据支撑等缺点。

例如，公开号为CN103822980A的中国专利文献公开了一种金华火腿品质的快速判别方法，包括以下步骤：(1)金华火腿中风味成分的萃取，采用固相微萃取技术萃取金华火腿中风味成分；(2)对金华火腿风味成分的GC-MS分析，得到风味成分的GC-MS总离子流图，鉴定未知化合物；(3)指纹图谱的建立；(4)快速判别。

如何利用仪器分析对进口奶酪的级别进行确定，一直是我国进口奶酪产业一个难以解决的问题。

发明内容

本发明提供了一种基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，可利用仪器分析对进口马苏里拉奶酪的级别进行准确的判定。

为实现上述目的，本发明提供了如下技术方案：

一种基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，包括以下步骤：

(1)选择不同级别的马苏里拉奶酪作为标准品，并从标准品中萃取挥发性风味物质；

(2)采用香气提取物稀释分析法结合气相-嗅闻装置，从所述挥发性风味物质中筛选出风味强度较大的特征风味物质；

(3)对步骤(2)筛选得到的特征风味物质进行聚类，得到马苏里拉奶酪的身份标识性特征风味组分；

(4)测定已知级别马苏里拉奶酪的身份标识性特征风味组分浓度，构建训练集，采用训练集对支持向量机进行训练；

(5)测定待测马苏里拉奶酪的身份标识性特征风味组分浓度，输入至训练好的支持向量机中，对待测马苏里拉奶酪的级别进行判断。

马苏里拉奶酪主要分为3个等级，分别为：新鲜水牛奶马苏里拉奶酪、新鲜牛奶马苏里拉奶酪、半硬质牛奶马苏里拉奶酪。

本发明的判别方法先通过香气提取物稀释分析法(AEDA)结合气相-嗅闻装置(GC-O)，筛选出马苏里拉奶酪中风味强度较大的特征风味物质，再通过聚类算法对特征风味物质进行降维，筛选出对马苏里拉奶酪整体香气贡献较大的风味物质作为马苏里拉奶酪的身份标识性特征风味组分，最后通过训练样本的身份标识性特征风味组分浓度对支持向量机进行训练，采用支持向量机对未知级别的马苏里拉奶酪进行判定。

本发明的判别方法利用仪器分析，实现对进口马苏里拉奶酪的级别进行准确的判定，判定结果准确并且稳定，工作效率较高。

步骤(1)中，马苏里拉奶酪标准品包括3个等级：新鲜水牛奶马苏里拉奶酪、新鲜牛奶马苏里拉奶酪、半硬质牛奶马苏里拉奶酪。

采用溶剂辅助风味蒸发法(Solvent assisted flavor evaporation，SAFE)对标准样品中的特征风味物质进行萃取。

奶酪的风味与其品质有较大的相关性，其风味是影响其质量的关键因素，不同等级的奶酪具有不同浓度的挥发性特征风味组分。

步骤(2)中，采用香气提取物稀释分析法结合气相-嗅闻装置，从所述挥发性风味物质中筛选出23种风味强度较大的特征风味物质，并对筛选出的特征风味物质进行定性。

气相-嗅闻装置中，气相条件为：氦气作载气，流速为1mL/min，气相柱为DB-Wax毛细管柱；升温程序为起始柱温40℃，保持4min，以8℃/min升到100℃，保持2min，然后5℃/min升到180℃，最后以10℃/min升到230℃，保持5min。

23种风味强度较大的特征风味物质包括酸性物质和中性/碱性物质；所述酸性物质为乙酸、丁酸和壬酸；所述中性/碱性物质为苯甲醇、戊酸甲酯、乙酸乙酯、己酸乙酯、辛酸乙酯、δ-壬内酯、δ-十二内酯、γ-十二内酯、3-己酮、2-壬酮、2-十一烷酮、呋喃酮、苯乙酮、辛醛、壬醛、癸醛、2-壬烯醛、十一醛、苯甲醛、月桂醛。

为了进一步简化操作，需要对23种特征风味物质进行降维，从中筛选出对马苏里拉奶酪整体香气贡献较大的风味物质。

优选的，在进行步骤(3)之前还包括：通过特征风味物质的香气活性值(OAV值)，从步骤(2)筛选出的特征风味物质中筛选出对马苏里拉奶酪整体香气贡献较大的风味物质。

香气活性值是香气物质的浓度与其阈值的比值。化合物的香气活性值大于1，则认为该化合物对其香气有作用，且OAV值越大，对整体香气的贡献度越大。进一步筛选OAV值大于1的特征风味物质。

步骤(3)通过聚类算法对特征风味物质进行聚类，从而对特征风味物质进行降维。

优选的，步骤(3)中，采用DBSCAN聚类算法对特征风味物质进行聚类。

DBSCAN聚类算法是基于密度的聚类算法。其与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。DBSCAN聚类算法具有以下优点：(a)与K-means方法相比，DBSCAN不需要事先知道要形成的簇类的数量；(b)与K-means方法相比，DBSCAN可以发现任意形状的簇类；(c)DBSCAN能够识别出噪声点；(d)DBSCAN对于数据库中样本的顺序不敏感，即样本的输入顺序对聚类结果的影响不大。

对于DBSCAN聚类算法，邻域半径Eps和最小邻域点数MinPts是两个重要的输入参数。

优选的，DBSCAN聚类算法的邻域半径Eps为0.5～1，最小邻域点数MinPts为5～10。

进一步优选的，DBSCAN聚类算法的参数(邻域半径Eps，最小邻域点数MinPts)为(0.6，8)、(0.7，8)、(0.7，7)或(1，7)。

采用上述邻域半径Eps和最小邻域点数MinPts时，筛选出的身份标识性特征风味组分更具有代表性，采用身份标识性特征风味组分对未知级别马苏里拉奶酪的判别结果更加准确。

优选的，通过DBSCAN聚类算法筛选出的身份标识性特征风味组分组合包括：

苯甲醛和癸醛；

或，苯甲醛、γ-十二内酯、癸醛和十一醛；

或，3-己酮、戊酸甲酯、苯甲醛、γ-十二内酯、乙酸乙酯、癸醛和十一醛；

或，3-己酮、戊酸甲酯、苯甲醛、苯乙酮、苯甲醇、月桂醛、γ-十二内酯、乙酸乙酯、癸醛和十一醛。

选用上述身份标识性特征风味组分组合时，支持向量机在训练样本上的交叉验证得到的准确率和f1-score均在70％以上。

最优选的，通过DBSCAN聚类算法筛选出的身份标识性特征风味组分组合为：3-己酮、戊酸甲酯、苯甲醛、γ-十二内酯、乙酸乙酯、癸醛和十一醛。

选用该身份标识性特征风味组分组合时，支持向量机在训练样本上的交叉验证得到的准确率和f1-score均达到了96％。

步骤(4)和(5)中，采用气质联用测定已知级别马苏里拉奶酪和待测马苏里拉奶酪的身份标识性特征风味组分浓度。

进一步地，气相条件为：氦气作载气，流速为1mL/min，气相柱为DB-Wax毛细管柱；升温程序为起始柱温40℃，保持4min，以8℃/min升到100℃，保持2min，然后5℃/min升到180℃，最后以10℃/min升到230℃，保持5min；

质谱条件为：电子电离源，电离能量为70eV，离子源温度为230℃，接口温度为250℃，四极杆温度150℃，检测器温度为280℃，扫描模式为全扫描，质量范围m/z 20～350。

与现有技术相比，本发明的有益效果为：

目前国际上对于奶酪这类产品的品质及品种鉴别目前大多还是以感官评价为主，客观的评价方法基本没有，而对于我国这类奶酪主要依赖进口，缺乏熟悉各种奶酪制品的奶酪感官评价相关人员的国家而言，如何采用客观评价方法对大量进口的奶酪进行快速分级和分类已成为亟待解决的问题。

本发明通过DBSCAN聚类算法得到马苏里拉奶酪的身份标识性特征风味组分，基于身份标识性特征风味组分可对马苏里拉奶酪的种类级别进行判断，对于进口奶酪的品质控制具有重要意义。

附图说明

图1为DBSCAN聚类算法流程图；

图2为选择不同身份识别性特征风味组分的分类准确率及f1-score。

具体实施方式

下面结合附图和实施例对本发明作进一步详细描述，需要指出的是，以下所述实施例旨在便于对本发明的理解，而对其不起任何限定作用。

基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，包括以下步骤：

一、测定已知级别的马苏里拉奶酪的特征风味组分：

(1)已知级别的马苏里拉奶酪标准品的选择

在国内进口食品超市和美国本土选购了最常见的9个品牌的马苏里拉奶酪，如米格农场、荷氏农场、奥瑞秋等是销售量比较大、为人熟知的奶酪厂家。

9个标准品包括3个种类的马苏里拉奶酪：新鲜水牛奶马苏里拉奶酪、新鲜牛奶马苏里拉奶酪、半硬质牛奶马苏里拉奶酪。

(2)萃取马苏里拉奶酪标准品中的特征风味物质

用溶剂辅助风味蒸发法(Solvent assisted flavor evaporation，SAFE)对标准样品中的特征风味物质进行萃取。具体如下：

(a)溶剂萃取：将80g切碎后的马苏里拉奶酪标准品和40g氯化钠称重分装到两个250ml萃取瓶中，并加入240ml无水乙醚，在4℃180rpm下摇床8h，过滤并收集，将萃取后的溶剂在鸡心瓶中氮吹至200ml。

(b)溶剂辅助风味蒸发：SAFE装置独立连接200ml接收瓶和1000ml废液瓶，前体泵结合分子涡轮泵作为真空系统，保持滴液漏斗和冷陷水平方向一致，杜瓦瓶和冷陷中一直充满液氮。将溶剂萃取得到200ml浸提液倒入SAFE装置并逐渐引入真空，直到所有的浸提液都置于真空条件，在真空条件下蒸馏约3h(约10^-4Torr)，循环水浴保持恒温50℃，废液瓶置于40℃恒温水浴，收集馏出液。

(c)馏出液处理：馏出液用3ml浓度为0.5mol/L的碳酸氢钠溶液剧烈摇动，彻底洗涤两次后混合，用分液漏斗分离水相和醚层并分别收集。这一步将馏出液的pH提高至约11.0，有助于从酸性化合物中分离出中/碱性化合物。

将醚层继续用2ml饱和氯化钠溶液洗涤3次，所有洗涤步骤都要充分混匀溶液，并将5次分离的水相收集到同一个具塞锥形瓶中。剩余收集层(醚层)为中性/碱性化合物。

用18％(wt/vol)的盐酸酸化水相pH至2.0～2.5，回收酸性化合物。酸化后的水相用5ml无水乙醚萃取3次，去除残留水相。

将有中/碱性化合物和酸性化合物的醚层分别用无水硫酸钠干燥，过滤放入鸡心瓶中并静置于-20℃冰箱冷藏12小时左右，待水处理彻底后，在温和的氮气流下吹至各1ml，备用，准备做接下来的香气提取物稀释分析。

(3)采用香气提取物稀释分析(AEDA)测定马苏里拉奶酪标准品中的特征风味组分

将步骤(2)中得到的浓缩液(含有中/碱性化合物和酸性化合物的醚层)用正己烷按3ⁿ(n＝1，2，3，4…)进行系列稀释，稀释倍数分别为3、9、27、81、243……，每次稀释后的溶液进入气相-嗅闻装置(GC-O)分析，直到评价员在嗅探口末端不再闻到任何气味则停止稀释，每种挥发性香气物质的最高稀释倍数即为其FD因子(Flavor dilution factor，香气稀释因子)。

采用GC-MS对特征风味物质进行定性。定性化合物需要对保留指数(RetentionIndex，RI)先进行确定，化合物由质谱数据库文献报道的保留指数RI值来鉴定。利用系列正构烷烃换算成RI值，待鉴定化合物经检索与NIST 14谱库中该挥发性成分在DB-WAX毛细管柱分析的文献报道中保留指数进行对比，仅当匹配度大于800的鉴定结果才予以列出，定性分析所得挥发性化合物，并根据内标浓度对化合物进行定量。

RI测定方法：在色谱条件相同的情况下，将正构烷烃C7～C40与马苏里拉奶酪在相同的色谱条件下得出GC保留时间，并根据公式(1-1)计算待测物i的保留指数(t_n＜t_i＜t_n+1)。

式中：

RI-保留指数；

n-碳原子数；

t_i-为样品i的保留时间；

t_n-碳原子数为n的正构烷烃的保留时间；

t_n+1-碳原子数为n+1的正构烷烃的保留时间。

GC条件：氦气作载气，流速1mL/min，样品通过DB-Wax(30m×0.25mm，0.25μm)毛细管柱。升温程序：起始柱温40℃，保持4min，以8℃/min升到100℃，保持2min，然后5℃/min升到180℃，最后以10℃/min升到230℃，保持5min。

MS条件：电子电离源，电离能量70eV，离子源温度为230℃，接口温度为250℃，四极杆温度150℃，检测器温度为280℃，扫描模式全扫描，质量范围m/z 20～350。

每个稀释倍数的样品由感官评价员分析三次，有两次以上在同一嗅闻时间有相同感官描述即为有效结果，最后确定得到风味强度较大的23种风味组分，见表1。

表1马苏里拉奶酪中23种特征风味组分的AEDA结果

注：a为GC-MS鉴疋的物质；b为GC-O期闻在嗅探端口感知的气味质重；c中N/B＝中性/碱性；AC＝酸性；d为风味稀释因子；e表示未鉴定；f中MS即质谱(化合物通过质谱鉴定)；O，参照化合物的气味描述与评价员描述比较；Std，参考标准化合物。

二、特征风味组分阈值的测定

测定关键香气成分的阈值后，根据其阈值和定量结果计算OAV值(香气活性值)。OAV值是确定特征风味组分的重要方法，它利用风味化合物的阈值和其在样品中的含量，最终确定对样品整体香气有一定贡献的特征风味组分。

依据马苏里拉奶酪主要成分(蛋白质、脂肪、乳化剂以及水)的测定结果，以其平均含量即23％的蛋白质、24％的脂肪、2％的乳化剂以及51％的水构建模拟体系。蛋白质由浓缩蛋白粉加凝乳酶沉淀制得，以30g蛋白粉为准，加入670ml蒸馏水搅拌均匀后放入灭菌锅中，95℃进行灭菌12min，完成后拿出冷却至室温，然后向其中加入0.023g凝乳酶，搅拌均匀后放入37℃恒温箱中进行发酵，凝固后拿出，40℃水浴下搅拌均匀，然后用纱布过滤掉乳清，手工压榨出其中的水分后备用，脂肪由市售大豆油代替，将上述比例的模拟体系经均质机均质后加甲酸调至pH为6.6，作为阈值测定的基底备用。

对AEDA法筛选得到的23种关键风味组分的阈值进行测定，通过查阅文献得到这些化合物的嗅觉阈值，在此基础上设置浓度梯度进行察觉阈值的测定，按表2中化合物的浓度梯度向基底中加入标准品，感官备用，样品温度控制在25℃(室温)。

感官评定方法采用三点检验法，样品采用三位数编码，每次评样量为30g，每组共3个样品，两个0组样品，评价需挑选出与其他两个不一样的样品，最终统计正确率，根据统计结果查询三点检验表，与表中的数值进行对比分析，最终得出样品的阈值。

表2标准化合物阈值测定中不同浓度系列配制

三、特征风味组分的香气活性值的测定

香气活性值分析法(Odour activity values，OAV)是确定特征风味组分的重要方法，它利用风味化合物的阈值和其在样品中的含量，最终确定对样品整体香气有一定贡献的特征风味组分。通过AEDA法得到代表性马苏里拉奶酪中的关键香气成分，由外标法测定马苏里拉奶酪标准品的SAFE浓缩液中各关键香气成分的精确含量。

特征风味组分用外标法进行定量，通过标准品的峰面积和其对应的浓度来绘制每种特征风味组分的标准曲线，以精确定量其在所有马苏里拉奶酪中的含量。具体操作如下：

(a)将嗅闻到的并已定性的23种香气标准品按照线性浓度梯度溶于10ml正己烷中进行系列稀释，配制成12～14个浓度呈梯度分布的外标溶液。配置完成后将外标溶液放置4℃冰箱中2小时后备用。

(b)采用GC-MS对含有内部物的外标溶液进行分析，

根据实时分析生成Scan文件分析较高浓度的标准品获取Scan数据，此标准品的Scan数据是用来确定目标化合物的特征离子碎片(定性离子和定量离子)以及建立SIM表。SIM采集方式具有较高的灵敏度，能迅速确定各成分的峰，用标准品的SIM方法获取不同浓度标准品的SIM数据，选择内标法，在内标校正基础上根据浓度梯度得到标准曲线。

(c)取1μL步骤一中的SAFE提取物用于气相色谱质谱联用分析，得到各关键香气成分的精确含量。测量标准品的峰面积或峰高，按下式计算目标化合物：

A<[r]>＝nm<[r]>+K

式中：

A<[r]>为标准品的峰面积或峰高；

m<[r]>为加入标准品的量；

n为标准曲线的斜率；

K为标准曲线的截距。

GC条件：氦气作载气，流速1mL/min，样品通过DB-Wax(30m×0.25mm，0.25μm)毛细管柱。升温程序：起始柱温40℃，保持4min，以8℃/min升到100℃，保持2min，然后5℃/min升到180℃，最后以10℃/min升到230℃，保持5min。MS条件：电子电离源，电离能量70eV，离子源温度为230℃，接口温度为250℃，四极杆温度150℃，检测器温度为280℃，扫描模式全扫描，质量范围m/z 20～350。

根据步骤二的各关键香气成分的阈值测定结果以及本步骤的浓度测定结果，按照公式(1-2)计算这些特征风味组分相应的香气活性值，23种化合物的风味活性值都大于1，因此AEDA鉴定得到的23种化合物均为马苏里拉奶酪的特征风味组分。

式中：

OAV-香气活性值；

化合物的浓度-某化合物在样品中的浓度μg/kg；

化合物的阈值-上述化合物能被嗅觉检测出来的最低浓度μg/kg。

步骤四：对24个已知级别的马苏里拉奶酪样本中特征风味组分进行精确定量，构建训练样本集

24个已知级别的马苏里拉奶酪样本的级别分布为：新鲜水牛、新鲜牛奶、半硬质牛奶。对24个已知级别的马苏里拉奶酪样本的23种特征风味组分进行精确定量，构建训练样本集。

通过顶空固相微萃取气质联用法来萃取外标溶液风味组分。

采用步骤三中的半定量方式测定各个已知级别的马苏里拉奶酪样本中的23种特征风味组分的浓度，计算公式为Ax/Ai＝Cx/Ci，其中Ax、Ai分别表示目标化合物的出峰面积和内标的出峰面积；Cx、Ci分别表示目标化合物的浓度和内标的浓度。结果如表3所示。

表3马苏里拉奶酪样本的23种身份标志性风味组分浓度

续表3马苏里拉奶酪样本的23种身份标志性风味组分浓度

续表3马苏里拉奶酪样本的23种身份标志性风味组分浓度

表3中，样品1～8为水牛奶马苏里拉奶酪样品，样本9～16为牛奶马苏里拉奶酪样品，样品17～24为半硬质马苏里拉奶酪样品。

步骤五：筛选身份标识性特征风味组分，构建识别模型

根据23个特征化合物在不同级别马苏里拉奶酪中的含量差别，通过DBSCAN聚类算法对表3中的数据进行聚类，对特征风味组分进行降维。DBSCAN聚类算法的聚类流程如图1所示，该算法将核心对象作为最终身份标识性特征风味组分。DBSCAN聚类算法的主要参数为最小邻域点数MinPts和邻域半径Eps。根据参数不同，聚类结果不同，结果如表4所示。

表4马苏里拉奶酪特征风味组分DBSCAN聚类结果

分别保留表4中不同身份标识性特征风味组分，将24个训练样本输入支持向量机，对支持向量机进行训练，通过交叉验证(CV＝5)得到支持向量机分类准确率和f1-score，f1-score是精确率(precision)和召回率(recall)的一种调和平均数，越高说明分类模型性能越好。

如图2所示，身份标识性特征风味组分为3-己酮、戊酸甲酯、苯甲醛、γ-十二内酯、乙酸乙酯、癸醛、十一醛时，支持向量机的类别鉴定结果较好，准确率、f1-score均高达96％，能够很好的区分负样本和识别正样本。

步骤六：对未知级别的马苏里拉奶酪进行判定

保留3-己酮、戊酸甲酯、苯甲醛、γ-十二内酯、乙酸乙酯、癸醛、十一醛作为马苏里拉奶酪的身份标识性特征风味组分，将24个训练样本输入支持向量机，对支持向量机进行训练。

测定未知级别的马苏里拉奶酪中3-己酮、戊酸甲酯、苯甲醛、γ-十二内酯、乙酸乙酯、癸醛、十一醛的浓度，输入至训练好的支持向量机中，对该马苏里拉奶酪的级别进行判定。

以上所述的实施例对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的具体实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，其特征在于，包括以下步骤：

（1）选择不同级别的马苏里拉奶酪作为标准品，并从标准品中萃取挥发性风味物质；

（2）采用香气提取物稀释分析法结合气相-嗅闻装置，从所述挥发性风味物质中筛选出风味强度较大的特征风味物质；所述的特征风味物质包括酸性物质和中性/碱性物质；所述酸性物质为乙酸、丁酸和壬酸；所述中性/碱性物质为苯甲醇、戊酸甲酯、乙酸乙酯、己酸乙酯、辛酸乙酯、δ-壬内酯、δ-十二内酯、γ-十二内酯、3-己酮、2-壬酮、2-十一烷酮、呋喃酮、苯乙酮、辛醛、壬醛、癸醛、2-壬烯醛、十一醛、苯甲醛、月桂醛；

（3）根据步骤（2）中测定得到的已知级别马苏里拉奶酪的特征风味组分浓度，并在此基础上结合马苏里拉奶酪自身身份，采用聚类分析法，筛选得到不同级别的马苏里拉奶酪的身份标识性特征风味组分；

（4）构建不同级别的马苏里拉奶酪的标准库，并在此基础上结合其身份标识性特征风味组分的浓度结果，构建训练集，采用支持向量机方法对训练集中的样本进行训练，获得不同级别的马苏里拉奶酪的判别模型；

（5）测定待测马苏里拉奶酪的身份标识性特征风味组分浓度，输入至训练好的支持向量机中，对待测马苏里拉奶酪的级别进行判断。

2.根据权利要求1所述的基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，其特征在于，在进行步骤（3）之前还包括：通过特征风味物质的香气活性值，从步骤（2）筛选出的特征风味物质中筛选出对马苏里拉奶酪整体香气贡献较大的风味物质。

3.根据权利要求1所述的基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，其特征在于，步骤（3）中，采用DBSCAN聚类算法对特征风味物质进行聚类。

4.根据权利要求3所述的基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，其特征在于，DBSCAN聚类算法的邻域半径Eps为0.5~1，最小邻域点数MinPts为5~10。

5.根据权利要求4所述的基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，其特征在于，通过DBSCAN聚类算法筛选出的身份标识性特征风味组分组合包括：

苯甲醛和癸醛；

或，苯甲醛、γ-十二内酯、癸醛和十一醛；

或，3-己酮、戊酸甲酯、苯甲醛、γ-十二内酯、乙酸乙酯、癸醛和十一醛；

或，3-己酮、戊酸甲酯、苯甲醛、苯乙酮、苯甲醇、月桂醛、γ-十二内酯、乙酸乙酯、癸醛和十一醛。

6.根据权利要求4或5所述的基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，其特征在于，通过DBSCAN聚类算法筛选出的身份标识性特征风味组分组合为：3-己酮、戊酸甲酯、苯甲醛、γ-十二内酯、乙酸乙酯、癸醛和十一醛。

7.根据权利要求1所述的基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，其特征在于，步骤（4）和（5）中，采用气质联用测定已知级别马苏里拉奶酪和待测马苏里拉奶酪的身份标识性特征风味组分浓度。

8.根据权利要求7所述的基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法，其特征在于，气相条件为：氦气作载气，流速为1mL/min，气相柱为DB-Wax毛细管柱；升温程序为起始柱温40℃，保持4min，以8℃/min升到100℃，保持2min，然后5℃/min升到180℃，最后以10℃/min升到230℃，保持5min；

质谱条件为：电子电离源，电离能量为70eV，离子源温度为230℃，接口温度为250℃，四极杆温度150℃，检测器温度为280℃，扫描模式为全扫描，质量范围m/z 20~350。

Images