利用电子鼻检测不同香辛料熬制的卤汤

王储炎 熊国远+贾敬敏 袁士光+方义均

摘要：采用电子鼻技术对不同香辛料调制的卤汤进行检测，并使用主成分分析（PCA）、线性判别分析（LDA）2种模式进行分析。结果表明：12种食用香辛料对整体风味影响因素大小次序为山柰>小茴香>丁香>草果>甘草>肉桂>花椒、白芷>豆蔻>砂仁>八角>香叶；主成分分析、线性判别分析2种分析模式均可明显区分卤汤中香辛料成分，卤汤整体风味的感觉与香辛料含量并不呈正相关，也并非香辛料添加量越多，人体嗅觉感受越明显。研究结果可为传统肉制品的加工提供借鉴。

关键词：香辛料；电子鼻；卤汤；模式分析

中图分类号： TS264.9文献标志码： A

文章编号：1002-1302（2017）10-0136-04

香辛料是利用植物的种子、花蕾、叶茎、树皮、根块、果实或其提取物制成的一类具有芳香、辛香等典型风味的天然植物性原料统称[1]。作为天然植物调味剂，香辛料一般具有香、辣、辛、麻、苦、甜等气味，不仅能够赋予食物独特的气味，还能改善食物风味，抑制和矫正肉制品中不良气味，使食品风味更加协调[2-4]。香辛料在肉制品加工中具有不可替代的作用，传统酱卤肉制品如符离集烧鸡、德州扒鸡、锦州沟帮子熏鸡、河南道口烧鸡、吴山贡鹅、五香猪蹄等，都离不开香辛料的贡献，其调味卤汤的共有做法多数包括选取十多种香辛料，通过粉碎、称取、混合、熬煮等工艺[5]。

电子鼻又称为气味分析仪，是一种模拟人类嗅觉原理开发出的高科技产品，主要由气敏传感器、信号处理系统和模式识别系统组成。其中，气敏传感器是电子鼻的基础部件，也是其核心部分，它相当于人的嗅觉神经元，单个气敏传感器对气体的响应可用强度表示。当由多个气敏传感器组成传感器阵列同时测量多种成分组成的气味时，就会在多维空间中形成响应模式。在建立数据库的基础上，对每个样品进行数据计算和识别，可得到样品的气味指纹图，从而实现对挥发性气体的分析、检测[6-9]。目前，电子鼻在食品、农业、医药、环境监测等诸多领域已有研究和应用[10-11]，食品领域主要应用到茶叶[12-15]、白酒[16-17]、葡萄酒[18-20]、烟草的质量鉴别[21-22]、香精的检测[23-25]、猪肉新鲜度的识别[26]等。本研究首次利用电子鼻检测肉制品加工中不同香辛料熬制出的调味卤汤，通过采取主成分分析、线性判别分析2种模式来对优化信息进行处理，以期获得不同香辛料配方对卤汤的影响，从而为酱卤肉制品的调味提供合理建议，为其加工工艺的改进提供有效的理论依据。

1材料与试剂

1.1材料

小茴香、肉桂、八角、花椒、草果、豆蔻、砂仁、甘草，购自宿州市李元记调味品公司；香叶、丁香、白芷、山奈，购自合肥周谷堆农贸市场。

1.2仪器与设备

Inose电子鼻[包含SS1（芳香族化合物类）、SS2（氮氧化合物、低分子胺类）、SS3（硫化物类）、SS4（有机酸酯、萜类）、SS5（萜类、酯类）、SS6（甾醇类、三萜类）、SS7（脂肪烃含氧衍生物类）、SS8（胺类）、SS9（氢气类）、SS10（呋喃类）、SS11（VOC）、SS12（硫化物）、SS13（乙烯）、SS14（内酯类、吡嗪类）14个金属传感器]，上海瑞玢国际贸易有限公司；TP-300D型分析天平，上海精密仪器有限公司；FZ-4型高速粉碎机，温岭市百乐粉碎设备厂；C20-SDHJ07G型电磁炉，浙江绍兴苏泊尔生活电器有限公司。

1.3试验方法

1.3.1樣品的制备结合笔者所在课题组前期的试验结果[27]，选择常用的12种香辛料，如小茴香、花椒、草果、肉桂、香叶、白芷、豆蔻、砂仁、八角、丁香、山柰、甘草，通过粉碎、称取、混合、蒸煮、冷却、离心等步骤制作卤汤，基础配方见表1。然后固定11种香辛料配方，通过改变某种香辛料的比例来制备样品，各香辛料浓度设5个水平（表2），样品总量为60个。

每个样品平行测定4次。

1.4数据分析

电子鼻数据主要采用的分析方法有主成分分析（principal components analysis，简称PCA）法、线性判别分析（linear discriminant analysis，简称LDA）法[28-30]。其中PCA分析法散点图上显示主要的二维散点图，显示第1主成分PCA1、PCA2的贡献率。贡献率较大，说明主要成分可以较好地反映原来多指标的信息。一般认为贡献率超过70%时，此方法即可使用[20]。LDA法具有分类效果好、易实现等优点，可与PCA法同时采用，达到更好地分析的目的[31-32]。PCA法、LDA法在电子鼻气味检测领域已取得良好效果，因此本试验主要采用这2种方法进行数据处理。

1.5辨别值（DI）

DI值是判断区分能力优劣的主要指标[10]，一般DI值为单样品区域面积占所有区域总体面积比例的互补值。DI大于80%，说明区分效果较明显。

2结果与分析

2.1不同香辛料的PCA分析结果

虽然12种香辛料仅有1种因素为变量，但是PCA分析法还是能够很好地区分，总体识别指数DI值均高于90%。一般来说，第1主成分、第2主成分包含了很大的信息量，能够反映样品间的整体信息[21]，因此PCA主成分分析能够较好地区分12种香辛料中任意1种香辛料的变化。

由图1可知，小茴香第1主成分贡献率达92.6%，第1主

[FL（2K2]成分、第2主成分的总贡献率均达到99.4%，小茴香样品之间的差别主要是由第1主成分决定的[16]，第1主成分主要为芳香族化合物类，这与事实也相符；此外，从香叶、草果、八角、花椒等材料中也可得出类似的结论；而对肉桂进行分析得出，其第1主成分、第2主成分均对肉桂的风味有一定的影响，这说明芳香族化合物类、氮氧化合物、低分子胺类对其风味有一定影响，这是肉桂不同于其他11种香辛料风味特征的主要原因。

2.2不同香辛料的LDA分析结果

由图2可知，除了肉桂2比较接近外，其他组分均分布较远，呈现无规律的变化情况；同时发现，香辛料DI值均高于80%，说明LDA对各香辛料的区分辨别效果非常明显。所有香辛料均不随添加量呈现比例等值的变化，这可能有3个原因：（1）每种香辛料的风味均有多种物质组成；（2）不同风味物质浓度不呈现比例累积的趋势，可能会有相乘作用、加强作用，甚至还会有相杀作用；（3）可能与本研究为不同香辛料组成的混合卤汤这个检测对象有关。而由图1、图2可知，香辛料整体风味的感觉与单个香辛料含量的比例并不呈正相关，也并非香辛料添加量越多，其风味物质越明显，或者说浓度高会对人嗅觉感受有明显的影响，因此在开发不同香辛料配方过程中，要结合实际情况，通过实践更多地进行探索。

2.4雷达图分析

在雷达图分析过程中，发现12种香辛料的变化趋势基本一致，以小茴香、豆蔻为例进行解释，详见图3、图4。由图3可知，5种不同小茴香浓度样品的电子鼻传感器响应值的大致轮廓相似，说明5种样品的整体风味相似，符合试验设计要求；但仍有一些差别，主要表现在雷达图中的2、5、11、12、13的传感器信号差别，这是由于小茴香含量不同造成的，表明传感器能够识别小茴香的风味物质。由图3还可见，小茴香3的图形位于最外圈，总体特征值最大，表明感应器对样品3的小茴香成分灵敏度大于其他4个样品中小茴香成分添加量，间接表明人类对香辛料整体风味的感受与香辛料含量并不呈正相关，并非香辛料添加量越多，人体嗅觉感受越明显。

由图4可知，豆蔻3样品的图形位于最外圈，总体特征值明显大于其余4种样品，表明电子鼻对豆蔻3样品风味更敏感，同时说明该样品中豆蔻的添加量对整体气味、风味影响最明显，高于或低于此添加量，对于产品的气味影响都较小。

3结论

12种食用香辛料对整体风味影响因素排序为山柰>小茴香>丁香>草果>甘草>肉桂>花椒、白芷>豆蔻>砂仁>八角>香叶，主成分分析（PCA）完全可以识别12食用香辛料中任意1种香辛料添加量的变化，线性判别分析（LDA）使样品类内距离变小、类间距离变大，使模式在空间中有最佳的分离性。根据对雷达图分析表明，人体对于香辛料整体风味的感觉与香辛料含量并不呈正相关，并非香辛料添加量越多，人体嗅觉感受越明显。

参考文献：

[1]彭林，李明泽，任文瑾，等. 香辛料生理功能的研究进展[J]. 食品与发酵工业，2012，38（2）：157-162.

[2]张恬静，Gu Y，Lu C X. 肉制品中香辛料的应用[J]. 肉类研究，2009，119（8）：85-88.

[3]杨龙江，戴瑞彤，吴国强. 香辛料及其在肉制品中的应用[J]. 肉类工业，2001（1）：8-12.

[4]孙明珠，燕玉富. 天然香辛料的种类和功能[J]. 肉类工业，1997（6）：39-41.

[5]操时树，白琳. 加工肉制品常用的香辛料[J]. 肉类工业，2000（4）：11-13.

[6]谢安国，王金水，渠琛玲，等. 电子鼻在食品风味分析中的应用研究进展[J]. 农产品加工·学刊，2011（1）：71-73，87.

[7]王俊，胡桂仙，于勇，等. 电子鼻与电子舌在食品检测中的应用研究进展[J]. 农业工程学报，2004，20（2）：292-295.

[8]高瑞萍，刘辉. 电子鼻和电子舌在食品分析中的应用[J]. 肉类研究，2010（12）：61-67.

[9]刘亭利，胡国清. 电子鼻的应用综述[J]. 传感器世界，2007，13（8）：6-10.

[10]丁玉勇. 基于电子鼻和多种模式识别算法的不同种食用香辛料的鉴别[J]. 食品科学，2013，34（16）：274-278.

[11]邹慧琴，刘勇，林辉，等. 电子鼻技术及应用研究进展[J]. 传感器世界，2011，17（11）：6-11.

[12]于慧春，王俊. 电子鼻技术在茶叶品质检测中的应用研究[J]. 传感技术学报，2008，21（5）：748-752.

[13]陈哲，赵杰文. 基于电子鼻技术的碧螺春茶叶品质等级检测研究[J]. 农机化研究，2012，34（11）：133-137.

[14]薛大为，杨春兰. 基于电子鼻技术的黄山毛峰茶品质检测方法[J]. 湖北工程学院学报，2014，34（3）：64-67.

[15]于慧春，王俊，张红梅，等. 龙井茶叶品质的电子鼻检测方法[J]. 农业机械学报，2007，38（7）：103-106.

[16]高永梅，刘远方，李艳霞，等. 主要香型白酒的电子鼻指纹图谱[J]. 酿酒科技，2008（5）：38-40，44.

[17]周红标，张宇林，丁友威，等. 自适应概率神经网络及其在白酒电子鼻中的应用[J]. 智能系统学报，2013（2）：177-182.

[18]Cynkar W，Cozzolino D，Dambergs B，et al. Feasibility study on the use of a head space mass spectrometry electronic nose （MS e-nose） to monitor red wine spoilage induced by Brettanomyces yeast[J]. Sensors and Actuators B-Chemical，2007，124（1）：167-171.

[19]張树明，杨阳，倪元颖. 近红外光谱和电子鼻技术用于葡萄酒

[KG2]发酵过程中酒精度的定量分析[J]. 光谱学与光谱分析，2012，32（11）：2997-3001.

[20]薛婷，岳进，邓云，等. 不同烘烤度橡木片陈酿葡萄酒的电子鼻快速区分[J]. 上海交通大学学报（农业科学版），2014，32（3）：45-50.

[21]田耀伟，杨雷玉，朱先约，等. 电子鼻在卷烟真伪鉴别中的应用[J]. 食品工业科技，2011（4）：376-378，382.

[22]李敏健，沈光林，伍锦鸣，等. 电子鼻技术在卷烟内在品质分析中的应用[J]. 烟草科技，2009（1）：9-13，21.

[23]陈晓明，马明辉，李景明，等. 电子鼻在天然苹果香精检测中的应用[J]. 食品科学，2007，28（3）：261-265.

[24]李宁，郑福平，李强，等. 电子鼻对牛奶、奶油、奶味香精检测参数的研究[J]. 食品科学，2009，30（18）：335-339.

[25]田怀香，孙宗宇. 电子鼻在金华火腿香精识别中的应用[J]. 中国调味品，2008，33（11）：61-64.

[26]孙钟雷. 电子鼻技术在猪肉新鲜度识别中的应用[J]. 肉类研究，2008，2（2）：50-53.

[27]王储炎，杨松，陈亮，等. 几种香辛料对麻辣鸡感官品质的影响[J]. 现代农业科技，2015（14）：288-290.

[28]胡桂仙，王俊，海铮，等. 不同储藏时间柑橘电子鼻检测研究[J]. 浙江农业学报，2006，18（6）：458-461.

[29]Buratti S，Benedetti S，Scampicchio M，et al. Characterization and classification of Italian Barbera wines by using an electronic nose and an amperometric electronic tongue[J]. Analytica Chimica Acta，2004，525（1）：133-139.

[30]García M，Aleixandre M，Gutiérrez J，et al. Electronic nose for wine discrimination[J]. Sensors and Actuators B：Chemical，2006，113（2）：911-916.

[31]李照，邢黎明，云戰友，等. 电子鼻测定牛奶中掺入外来脂肪[J]. 乳液科学与技术，2008，31（1）：39-41.

[32]王鑫，贾洪锋，邓红，等. 电子鼻在芝麻油及芝麻油香精识别中的应用[J]. 中国调味品，2012，37（5）：39-43.