電子鼻技術與普通成分分析儀器相比,它不需進行樣品前處理,很少或者幾乎不用任何有機溶劑,快速提供被測樣品的整體信息, 指示樣品的隱含特征。通過模型參數的建立,可以快速觀察到乳制品在貯藏期間的氣味變化,進而預測產品貨架期。實驗通過一些理化和感官分析的結果,來判斷電子鼻在預測中式傳統奶酪中的正確性。分別用主成分分析法( PCA) 、線性判別分析法(LDA) 和Loadings分析法用于貨架期的預測。

檢測儀器：PEN3便攜式電子鼻,德國AIRSENSE公司

電子鼻檢測結果分析

LDA方法分析不同貯藏時間的奶酪2種奶酪的LDA分析如圖7和圖8所示。和PCA分析圖相比,LDA更適合于區分不同貯藏期的奶酪。對于奶酪A,除了第6天和第9天有部分重疊以外,其他區分相當明顯,判別式LD1貢獻76.17%,LD2貢獻12109%,總貢獻率達到88.26%;對于奶酪B,判別式LD1貢獻64.90%,LD2貢獻21.05%,總貢獻率為85.95%。隨著貯藏時間的延長,與新鮮奶酪的距離越來越遠;2種奶酪的數據采集點都呈現相同的規律,即從圖的左下側按順時針方向變化到圖的右下側。由于LDA分析方法注重氣味速率(圖7、圖8中各類中心點之間的距離)變化分析[12],所以從圖7中可以看出奶酪氣味的變化速率。以奶酪A為例,可以看出,從第0天到第3天速率變化較小,但從第3天到第6天的過程中速率變化明顯變大,而從第6天到第15天的速率變化相對比較穩定,由于第18天和第21天的奶酪在感官上已經幾乎不能接受,所以和其他貯藏期奶酪很明顯隔離了。奶酪B也有類似的速率變化規律出現。

 LDA模板的合成為了進一步利用LDA分類模式判定奶酪的貨架期,將兩種奶酪的的LDA分析圖合成,得到了圖9。合成的模板判別式LD1貢獻率為70118%,LD2貢獻11119%,總貢獻率為81137%,具有良好的區分效果。從圖9中可以看出,0-15d的奶酪和第18、21天的奶酪已經被分為2個集團,分別位于圖9的兩側,很明顯的將感官上已經發生很大變化的奶酪分開了,并且與理化指標的結果是一致的,可以初步判定在本實驗條件下奶酪的貨架期為15d。

Loadings分析Loadings分析是為了識別傳感器對于模型區分的重要性。傳感器的負載參數越是接近零,說明此傳感器對于整體指紋信息貢獻越小[13],相反值越大則貢獻越大。圖10表明,傳感器2、6和8在當前模板下起的作用較大,而其他傳感器作用較小。從Loadings分析圖可以幫助進一步研究傳感器對于奶酪氣味響應值和優化傳感器建模。

本次研究表明,電子鼻可以用來監控中式傳統奶酪在貯藏期間的氣味的變化過程。和傳統的理化分析相比,電子鼻不需要給出具體的化學物質的變化,只需要給出數字的指紋圖譜,正是這些指紋信息的變化為中式傳統奶酪貨架期預測提供了依據[14]。采用電子鼻系統中的LDA(線性判別法)比PCA(主成分分析法)更能準確判別出不同儲藏時間的奶酪;利用Loadings分析可得知,傳感器2、6和8在判斷不同儲藏時間的奶酪上起到了較大的作用。其他經典的分析方法和感官評定得到的結果有力的支持了電子鼻的方法的可行性,同時,兩者用來推測貨架期是一致的。

• 德國AIRSENSE電子鼻

  檢測儀器在線詢價