电子鼻和电子舌单独与联合检测掺大豆蛋白或淀粉的鸡肉糜

李 岩，李芳芳，于林宏，孙京新，郭丽萍，戴爱国，王宝维，黄 明，徐幸莲

电子鼻和电子舌单独与联合检测掺大豆蛋白或淀粉的鸡肉糜

李 岩1,2，李芳芳1，于林宏1，孙京新1,2※，郭丽萍1，戴爱国5，王宝维1，黄 明3,4，徐幸莲3

（1. 青岛农业大学食品科学与工程学院，青岛 266109；2. 青岛农业大学青岛特种食品研究院，青岛 266109；3. 南京农业大学国家肉品质量安全控制工程技术研究中心，南京 210095；4. 南京黄教授食品科技有限公司，南京 211226； 5. 青岛波尼亚食品有限公司，青岛 266109）

为实现掺杂掺假鸡肉的快速、客观评价，该研究利用电子鼻和电子舌联合检测技术对掺杂鸡肉糜进行快速检测，通过对采集的数据进行主成分分析和偏最小二乘法分析，所得结果表明，采用主成分分析，电子鼻和电子舌联合检测掺大豆蛋白鸡肉糜和掺淀粉鸡肉糜的主成分总贡献率分别为99.8%和99.1%；采用偏最小二乘法分析，电子鼻和电子舌联合检测鸡肉糜中掺杂大豆蛋白含量的预测值与真实值之间的决定系数为0.992，均方根误差为2.8%；联合检测鸡肉糜中掺杂淀粉含量的预测值与真实值之间的决定系数为0.996，均方根误差为2.4%。表明电子鼻和电子舌联合检测对鸡肉糜的掺杂情况具有良好的区分和预测能力，并且是一种有效、高精度的肉类掺假检测方法。

电子鼻；主成分分析；肉；电子舌；大豆蛋白；淀粉

0 引 言

中国是鸡肉生产和消费大国。鸡肉以其优质蛋白质含量高和易消化吸收等优点深受青睐[1]。随着中国居民生活质量的不断改善，消费者对鸡肉品质的要求也逐步提高，但与此同时市场上鸡肉及其制品的掺杂掺假事件也愈来愈多[2]，因此迫切需要快速高效的肉制品掺杂掺假检测方法。目前常用的肉品快速检测的方法为感官评定、分子生物学方法、酶联免疫、色谱法和光谱法[3-5]。感官评定易受感官人员主观影响，准确度不高；分子生物学方法，例如快速多重实时聚合酶链反应（Polymerase Chain Reaction，PCR）特异性强[6]，但前处理繁琐、成本高；酶联免疫方法操作简单，但易产生假阳或假阴性[7]。色谱方法结果精确，但分析时间长。作为一种快速分析技术，近红外光谱在肉品品种和产地鉴别有较多应用[8]，对混合肉样的研究较少，主要集中在羊肉、猪肉、牛肉的掺假检测[9-12]。

利用仿生技术的电子鼻、电子舌在肉品检测中的应用相对较少[13-14]。电子舌在食品方面的应用包括肉品新鲜度检测[15]、肉类品种鉴别[16]、茶叶品质评价[17]、蜂蜜掺假检测[18]和食用油质量评估[19-20]等。电子鼻在酒茶、粮油、果蔬和肉乳等制品中的检测研究也日益增多[21]。电子鼻能够对肉与肉制品进行种类区分和识别[22]、病虫害检测[23]、卫生检测[24]和掺假鉴别[25]。因大多数食品是气味和滋味的综合体，需综合嗅觉和味觉指标进行全面检测，仅从电子鼻（基于气味）或电子舌（基于滋味）单一角度检测往往难以达到精准鉴别的目的。目前，肉品掺杂掺假检测往往单独采用电子鼻或电子舌技术，关于两者联合检测的文献较少。田晓静[26]用电子鼻和电子舌联合可快速鉴别掺不同比例猪肉、鸡肉的羊肉糜。Wu等[27]用电子鼻和电子舌联合检测能够很好地鉴别来自7个产地不同品种的苹果样本。电子鼻和电子舌联合可测定样品中的挥发性物质特征及风味特性[28-30]。

大豆蛋白和淀粉是肉品加工中常用的配料，大豆蛋白和淀粉的鉴别分别采用凯氏定氮法和碘量法，但是其耗时长，样品处理繁琐。因此发展一种快速分析方法来检测肉制品中大豆蛋白和淀粉的含量对制定相关食品标准以及检测和确保肉品质量有着重要的意义。本研究基于电子鼻和电子舌联合检测掺大豆蛋白和掺淀粉鸡肉糜，对采集数据进行采用主成分分析（Principle Component Analysis, PCA）和偏最小二乘法分析（Partial Least Square Regression, PLSR），以期为肉品中非肉组分掺杂或快速检测提供新的解决方案。

1 材料与方法

1.1 材料

鸡胸肉取自2 kg左右60日龄的黄羽肉鸡，来源自青岛市城阳区大润发超市；99.6%的大豆蛋白，来源自黑龙江九三油脂有限责任公司；100 000 U的中性蛋白酶、99.8%的D-核糖、99.9%的甘氨酸、200 000U的-淀粉酶，来源自天津希恩思生化科技有限公司；99.6%的玉米淀粉，来源自青岛恒大锦荣贸易有限公司。其他试剂均为分析纯。

1.2 仪器

电子鼻检测系统为上海瑞芬智能科技有限公司（中国）的I-Nose型电子鼻，该电子鼻的气体传感器阵列由14个传感器组成，不同传感器对不同类型的挥发物灵敏性不同（表1）。电子舌检测系统为上海瑞芬智能科技有限公司（中国）的I-Tongue型电子舌，该电子舌的6个味觉传感器分别代表6种惰性金属（表1）。通过伏安电化学脉冲技术，根据传感器输出电流的大小作为响应值来鉴别不同物质。

表1 I-Nose型电子鼻和I-Tongue型电子舌传感器主要特性

1.3 电子鼻和电子舌检测方法

1.3.1 掺大豆蛋白鸡肉糜前处理

电子鼻样品前处理：取生鲜鸡胸肉绞碎成肉糜，将大豆蛋白按照0、2.5%、5.0%、7.5%和10.0%的比例添加到鸡肉糜中，总样品质量为10 g。各组样品加入2 mL蒸馏水混合均匀后置于50 ℃水浴锅中，加入中性蛋白酶0.006 g，反应15 min后，升温至90 ℃终止酶解反应；后加入D-核糖0.1 g，在90 ℃水浴中反应20 min，移至20 ℃水域中终止反应，待其完全冷却装入测量瓶中备用。每组比例的样品做24个平行，其中建模集18个，检测集6个。

电子舌样品前处理：取掺杂不同比例大豆蛋白的鸡肉糜，加入中性蛋白酶以及D-核糖，待反应完全后向各组样品中加入50 mL 0.1 mol/L的氯化钾（KCl）浸提液，浸提30 min后过滤，取滤液30 mL待测。每组比例的样品做24个平行，其中建模集18个，检测集6个。

1.3.2 掺淀粉鸡肉糜前处理

电子鼻样品前处理：取生鲜鸡胸肉绞碎成肉糜，将淀粉按照0、2.5%、5.0%、7.5%、10.0%和15.0%的比例添加到鸡肉糜中，总样品质量为10 g。各组样品加入2 mL蒸馏水混合均匀后置于45 ℃水浴锅中，加入-淀粉酶0.006 g，反应15 min后，升温至90 ℃终止酶解反应；后加入甘氨酸0.1 g，在90 ℃水浴中反应20 min，移至20 ℃水域中终止反应，待其完全冷却装入测量瓶中备用。每组比例的样品做24个平行，其中建模集18个，检测集6个。

电子舌样品前处理：取掺杂不同比例淀粉的鸡肉糜，加入-淀粉酶以及甘氨酸，待反应完全后向各组样品中加入50 mL 0.1 mol/L的KCl浸提液，浸提30 min后过滤，取滤液30 mL待测。每组比例的样品做24个平行，其中建模集18个，检测集6个。

1.3.3 检测参数

电子鼻：以洁净干燥空气为载气，气体流量为1 L/min；采样时间为60 s；等待时间为10 s；检测时间为200 s；每采样1次，采用洁净氮气对进样通道进行清洗，清洗时间为120 s，降低对下一样品的影响。每组样品做3次平行，3次重复。

电子舌：传感器每秒采样1次，采样时间为60 s；每采样1次，传感器进入清洗溶液清洗1次，清洗时间为120 s，避免对下一个样品响应信号产生影响。每组样品做3次平行，3次重复。

1.4 数据分析

主成分分析（Principle Component Analysis, PCA）是一种多元统计方法，主要是对传感器多指标的信息进行数据转换和降维，对降维后的特征向量进行线性分类，在PCA分析图上显示主要的两维图。PCA 图谱中横、纵坐标分别表示在PCA转换中得到的第一主成分（PC1）和第二主成分（PC2）的贡献率（或权重），贡献率（或权重）越大，说明主成分可以较好地反映原来多指标的信息。

偏最小二乘法分析（Partial Least Square Regression, PLSR）在处理样本容量小、解释变量个数多、变量间存在严重多重相关性问题方面具有独特的优势，并且可以同时实现回归建模、数据结构简化以及2组变量间的相关分析。在偏最小二乘法分析中将采用预测值与真实值的决定系数（coefficient of determination,2）和均方根误差（Root Mean Square Error, RMSE）来评价模型的拟合程度，2越接近1，拟合程度越好。2个参数计算如式（1）～式（2）所示：

采用SAS V8统计软件对电子鼻和电子舌传感器响应值进行主成分分析和偏最小二乘法分析，采用Origin16.0进行绘图。

2 结果与分析

2.1 掺大豆蛋白鸡肉糜电子鼻和电子舌传感器的特征响应分析

电子鼻检测掺5.0%大豆蛋白鸡肉糜的传感器响应曲线如图1所示。由图1可知，用电子鼻检测掺杂大豆蛋白的鸡肉糜样品时，60 s检测时间内电子鼻传感器对挥发物质做出响应逐渐趋于平衡，故采集第60 s响应值作为特征值进行分析。结果初步显示，电子鼻14个传感器对掺杂大豆蛋白的鸡肉糜样品的挥发性物质有明显响应，且不同传感器的响应信号存在差异。根据电子鼻14个传感器的响应值（1.14、1.04、1.23、1.07、0.99、0.94、0.96、1.44、0.96、1.01、0.75、0.88、0.87、0.99）可知，传感器（S8、S11）感应强度变化明显，其他传感器感应强度变化程度不大。参考电子鼻各气味传感器的敏感物质类型可知，室温条件下，鸡肉糜中添加大豆蛋白可能会促进存在于大豆蛋白中的挥发性胺类（S8检测，总含量较高）的持续释放，导致其传感器信号增强至1.44（60 s检测）；同时也加速存在于大豆蛋白中的烃类、卤代烃等挥发性有机化合物（S11检测，总含量较低）的释放，并导致其含量降低，传感器信号减弱至0.75（60 s检测）。因此，可将对挥发性胺类和挥发性有机化合物（烃类、卤代烃）敏感的传感器（S8、S11）响应值，作为检测鸡肉糜掺5%大豆蛋白的模型数据。

图1 电子鼻检测掺5%大豆蛋白鸡肉糜的传感器响应

电子舌检测掺5.0%大豆蛋白鸡肉糜的传感器响应值如图2所示，反映出样品在电子舌6个传感器上的响应值，用电子舌检测掺大豆蛋白鸡肉糜样品时，掺入大豆蛋白的比例不同会造成被测样品浸出液呈味物质组成和含量的差异，进而影响传感器响应信号。电子舌每个传感器代表不同的惰性金属，取前0.006 s的响应值作为特征值进行分析。由图2可知，每个金属传感器有2个信号密集区，分别在0.005 5和0.005 9 s处，响应值范围分别为S1（−3～3 mA和−3～3 mA）、S2（−3～3 mA和−3～3 mA）、S3（−3～2 mA和−3～3 mA）、S4（−2～2 mA和−3～3 mA）、S5（−1～1 mA和−2～2 mA）、S6（−1.5～3 mA和−3～3 mA），同一样品在不同的传感器上的响应值存在差异。由信号的密集程度和信号范围传感器可知，联合S1、S2、S6的响应值可作为检测鸡肉糜掺5%大豆蛋白的模型数据。

图2 电子舌检测掺5%大豆蛋白鸡肉糜传感器响应值图

2.2 电子鼻和电子舌联合检测对不同掺大豆蛋白鸡肉糜的定性判别

肉类的风味是由挥发性的香味活性成分和非挥发性的滋味组成的，电子鼻和电子舌正是根据气味和滋味不同的原理对其进行区分。在加热至50 ℃条件下，鸡肉糜中的大豆蛋白及鸡肉中的蛋白会在中性蛋白酶的催化作用下水解为多肽和氨基酸小分子，后与加入的D-核糖高温条件下发生多种美拉德反应产生复杂风味物质，由于鸡肉糜中的大豆蛋白含量不同，在D-核糖含量一定的条件下，美拉德反应进行的程度及产生的风味物质也随之不同，据此利用电子鼻和电子舌对气味和滋味的识别能力，对样品进行检测。

电子鼻和电子舌联合检测掺大豆蛋白鸡肉糜主成分分析如图3所示。用椭圆将单一样品的散点图信息特征给概括起来，椭圆距离的远近表示了不同掺假比例的鸡肉之间气味的差异。采用SAS软件进行主成分分析，其中第一主成分与第二主成分贡献率分别为99.2%和0.6%，总贡献率为99.8%，前2个主成分解释了原始变量99.8%的信息。所有样品根据浓度不同分布于5个不同的区域，除了掺杂比例2.5%、5%和7.5%的样品有小部分的重叠外，其余样品均无相互重叠，说明掺大豆蛋白2.5%、5%和7.5%的鸡肉样品产生的风味区别改变不明显，随着掺大豆蛋白比例的上升，掺假鸡肉糜风味改变较为明显，这说明电子鼻和电子舌联合检测能够很好地将掺杂不同比例的大豆蛋白鸡肉糜区分开。田晓静[26]用电子鼻、电子舌以及两者联合进行主成分分析对混入不同比例的猪肉、鸡肉的掺假羊肉糜进行鉴别，正确率高达99.17%，表明主成分分析可成功区分不同掺假羊肉样品。Runu等[31]分别用电子鼻、电子舌、电子鼻和电子舌联合检测结合主成分分析对不同等级的红茶进行鉴定分析，电子鼻的主成分贡献率为83%～84%，电子舌的主成分贡献率为85%～86%，而联用后的主成分贡献率为93%，表明联用后的检测效果比电子鼻或电子舌单独检测效果好，与本研究的结论相一致。

注：0、2.5%、5.0%、7.5%和10.0%为鸡肉糜中掺杂大豆蛋白质量比。下同。

2.3 电子鼻和电子舌联合检测对不同掺大豆蛋白鸡肉糜的定量判别

采用偏最小二乘法分析对鸡肉糜中掺杂大豆蛋白的定量预测，每组比例的样品做24个平行，其中建模集18个，检测集6个。采用决定系数2、均方根误差RMSE对模型进行评价。电子鼻和电子舌检测掺大豆蛋白鸡肉糜中大豆蛋白比例的偏最小二乘法分析如图4所示，根据模型可知掺杂大豆蛋白含量预测值与掺杂大豆蛋白含量真实值之间的相关关系。由图4可知，电子鼻单独检测的2为0.989，RMSE为3.9%，电子舌单独检测的2为0.972，RMSE为5.4%，电子鼻和电子舌数据联合后的2和RMSE分别为0.992和2.8%。田晓静[26]用电子鼻、电子舌快速鉴别混入不同比例猪肉、鸡肉的掺假羊肉糜，采用偏最小二乘法分析和主成分分析建立预测模型时，回归模型的2＞0.9，预测误差均在10%以内，表明偏最小二乘法分析对掺假掺杂样品的检测有效。杨志敏[32]对掺水、掺氯化钠、掺卡拉胶、掺淀粉和掺大豆蛋白5类掺假肉的近红外光谱进行偏最小二乘法分析，其中定量校正模型和验证模型的2分别在80.65%和77%以上，RMSE在4%以下。朱亚东等[3]采用近红外高光谱成像技术结合偏最小二乘法分析对牛肉掺假鸡肉样品进行快速检测，2和RMSE分别为 0.97和 5.31%，比本研究中的2数值低。实验室前期做过利用近红外检测鸡肉糜中掺杂大豆蛋白的含量，结果表明，利用近红外检测的掺大豆蛋白鸡肉糜的偏最小二乘法分析模型检测集2和RMSE分别为0.973和0.39%，表明近红外光谱结合偏最小二乘法分析对原料肉质量进行快速检测是可行的，但是不如电子鼻和电子舌联合检测的效果好。

图4 电子鼻和电子舌检测掺大豆蛋白鸡肉糜中大豆蛋白比例的偏最小二乘法分析图

2.4 掺淀粉鸡肉糜电子鼻和电子舌传感器的特征响应分析

电子鼻检测掺5.0%淀粉鸡肉糜的传感器响应曲线如图5所示。由图5可知，用电子鼻检测掺杂淀粉的鸡肉糜样品时，80 s检测时间内传感器对挥发物质做出响应逐渐趋于平衡，故采集第80 s响应值作为特征值进行分析。结果初步显示，电子鼻14个传感器对掺杂淀粉鸡肉糜样品的挥发性物质有明显响应，且不同传感器的响应信号存在差异。根据电子鼻14个传感器的响应值（1.20、1.25、1.30、1.14、1.28、1.16、1.08、1.73、1.08、1.01、1.18、1.09、1.08、1.06）可知，传感器（S8）感应强度变化明显，其他传感器感应强度变化不明显。参考电子鼻各气味传感器的敏感物质类型可知，室温条件下，鸡肉糜中添加淀粉可能会促进存在于淀粉中的挥发性胺类（S8检测，总含量较高）的持续释放，导致其传感器信号增强至1.30（80 s检测）。因此，可将对挥发性胺类敏感的传感器（S8）响应值，作为检测鸡肉糜掺5%淀粉的模型数据。

电子舌检测掺5.0%淀粉鸡肉糜的传感器响应值图如图6所示，取前0.006 s的响应值作为特征值进行分析。由图6可知，每个金属传感器有两个信号密集区，分别在0.005 5 s和0.005 9 s处，响应值范围分别为S1（−2～2 mA和−2～3 mA）、S2（−4～4 mA和−4～4 mA）、S3（−3～3 mA和−4～4 mA）、S4（−2～3 mA和−3～3 mA）、S5（−2～2 mA和−2～3 mA）、S6（−2～4 mA和−4～4 mA），同一样品在不同的传感器上的响应值存在差异。由信号的密集程度和信号范围传感器可知，联合S2、S3、S4的响应值可作为检测鸡肉糜掺5%淀粉的模型数据。结合大豆蛋白的数据可知，S2传感器响应值是一个重要且共有的模型数据。

图5 电子鼻检测掺5%淀粉鸡肉糜传感器响应值图

图6 电子舌检测掺5%淀粉鸡肉糜传感器响应值图

2.5 电子鼻和电子舌联合检测对不同掺淀粉鸡肉糜的定性判别

在加热至45 ℃条件下，鸡肉糜中的淀粉会在-淀粉酶的催化作用下水解为麦芽糖及糊精等小分子，后与加入的甘氨酸高温条件下发生美拉德反应，产生美拉德反应特有的复杂风味物质。由于鸡肉糜中的淀粉含量不同，在甘氨酸含量一定的条件下，美拉德反应进行的程度及产生的风味物质也随之不同，据此利用电子鼻和电子舌对气味和滋味的识别能力对样品进行检测。

电子鼻和电子舌联合检测掺淀粉鸡肉糜主成分分析如图7所示。采用SAS软件进行主成分分析，其中第一主成分与第二主成分贡献率分别为97.0%和2.1%，总贡献率99.1%，前2个主成分共解释了原始变量99.1%的信息。所有样品根据浓度不同分布于6个不同的区域，除了掺杂比例15%的样品无重叠外，其余5个掺杂比例（0、2.5%、5.0%、7.5%和10.0%）的样品均有部分重叠，说明掺杂淀粉比例较小，鸡肉糜样品的气味和滋味不太容易区分，但重叠部分远小于样本总数，并不影响检测数据，这表明电子鼻和电子舌联合检测能够很好的将掺不同比例的淀粉的鸡肉糜区分开来。王胜威[33]用电子舌结合主成分分析检测混入鸡肉、鸭肉的掺假羊肉，主成分贡献率分别为95.29%和99.08%。Dong等[29]用电子鼻和电子舌结合主成分分析可以清楚测定烤咖啡豆挥发性特征及风味特性。Huo等[34]用电子鼻和电子舌结合主成分分析对9种不同产地、不同等级的绿茶进行鉴别，表明电子鼻和电子舌的联用优于单独使用电子鼻或电子舌。本试验不同在于不仅仅局限于样品进行简单的鉴别，而是可以检测不同掺杂掺假比例的样品。

图7 电子鼻和电子舌联合检测掺淀粉鸡肉糜主成分分析图

2.6 电子鼻和电子舌联合检测对不同掺淀粉鸡肉糜的定量判别

采用偏最小二乘法分析对鸡肉糜中掺杂淀粉的定量预测，每组比例的样品做24个平行，其中建模集18个，检测集6个。采用决定系数2、均方根误差RMSE对模型进行评价。电子鼻和电子舌检测掺淀粉鸡肉糜中淀粉比例的偏最小二乘法分析如图8所示。由图8可知，电子鼻单独检测的2为0.977，RMSE为5.0%，电子舌单独检测的2为0.976，RMSE为5.2%，电子鼻和电子舌数据联合后检测的2和RMSE分别为0.996和2.4%。Mohammed等[9]用高光谱成像结合偏最小二乘法分析检测牛肉中的鸡肉掺假物的量，得到2和RMSE分别为0.970和2.6%。Zheng等[10]用红外高光谱成像系统结合偏最小二乘法分析快速检测碎羊肉中的鸭肉掺假情况，得到2和RMSE分别为0.980和2.5%。实验室前期做过利用近红外检测鸡肉糜中掺杂淀粉的含量，表明利用近红外检测的掺淀粉鸡肉糜的模型检测集中2和RMSE分别为0.992和0.18%。虽然高光谱成像和近红外检测效果高于电子鼻或电子舌单独检测，但却低于两者联合检测。电子舌或者电子鼻单独进行评价只能说明样品在滋味或者气味方面的异同，并不能从总体上对样品进行综合评价，从滋味或气味单一评价食品的方法是有缺陷的。

图8 电子鼻和电子舌检测掺淀粉鸡肉糜比例的偏最小二乘法分析图

3 结 论

本试验采用电子鼻和电子舌联用技术并结合主成分分析（Principle Component Analysis, PCA）和偏最小二乘法分析（Partial Least Square Regression, PLSR）对掺杂不同大豆蛋白或淀粉比例的鸡肉糜样品进行定性和定量分析。结果发现：

1）主成分分析中，电子鼻和电子舌联合检测条件下，掺大豆蛋白鸡肉糜的第一主成分和第二主成分的总贡献率率为99.8%，掺淀粉鸡肉糜的第一主成分和第二主成分的总贡献率为99.1%，说明两者联用可以将掺杂不同比例大豆蛋白或淀粉的鸡肉糜分开。

2）偏最小二乘法分析中，掺大豆蛋白鸡肉糜电子鼻单独检测的决定系数（coefficient of determination,2）和均方根误差（Root Mean Square Error, RMSE）分别为0.989和3.9%；电子舌单独检测2和RMSE为0.972和5.4%；电子鼻与电子舌联合检测的2和RMSE为0.992和2.8%。掺淀粉鸡肉糜电子鼻单独检测的2和RMSE为0.977和5.0%；电子舌单独检测的2和RMSE为0.976和5.2%；电子鼻与电子舌联合检测的2和RMSE为0.996和2.4%。

结果表明，电子鼻和电子舌单独使用均可检测掺大豆蛋白鸡肉糜、掺淀粉鸡肉糜的掺假比例，但二者联合的检测准确率比单一仪器检测结果要高。电子鼻、电子舌作为传感器技术应用广泛，具有快速、绿色、灵敏的特点，比传统的检测方法耗时短，操作简单，可在生产线上进行监督检测，确保产品质量稳定。

[1]沈杰. 基于X射线及近红外光谱技术的禽肉品质检测[D]. 南昌：江西农业大学，2011.

Shen Jie. Inspection of Poultry’s Quality Based on X-ray and Near Infrared Spectroscopy Technology[D]. Nanchang: Jiangxi Agricultural University, 2011. (in Chinese with English abstract)

[2]Xiong Zhenjie, Sun Dawen, Pu Hongbin, et al. Applications of emerging imaging techniques for meat quality and safety detection and evaluation: A review[J]. Critical Reviews in Food Science and Nutrition, 2017, 57(4): 755-768.

[3]朱亚东，何鸿举，王魏，等. 高光谱成像技术结合线性回归算法快速预测鸡肉掺假牛肉[J]. 食品工业科技，2020，41(4)：184-189.

Zhu Yadong, He Hongju, Wang Wei, et al. Quick detection of beef adulteration using hyperspectral imaging technology combined with linear regression algorithm[J]. Science and Technology of Food Industry, 2020, 41(4): 184-189. (in Chinese with English abstract)

[4]Wang Qi, Lonergan S M, Yu Chenxu. Rapid determination of pork sensory quality using Raman spectroscopy[J]. Meat Science, 2012, 91(3): 232-239.

[5]Siciliano C, Belsito E, De Marco R, et al. Quantitative determination of fatty acid chain composition in pork meat products by high resolution1H NMR spectroscopy[J]. Food Chemistry, 2013, 136(2): 546-554.

[6]Kim M J, Kim H Y. A fast multiplex real-time PCR assay for simultaneous detection of pork chicken, and beef in commercial processed meat products[J/OL]. LWT-Food Science and Technology,2019,114, [2019-07-14], https://doi.org/10.1016/j.lwt.2019.108390.

[7]Mandli J, Fatimi I E, Seddaoui N, et al. Enzyme immunoassay (ELISA/immunosensor) for a sensitive detection of pork adulteration in meat[J]. Food Chemistry, 2018, 255: 380-389.

[8]何鸿举，朱亚东，王慧，等. 近红外光谱技术在生鲜禽肉质量检测中应用的研究进展[J]. 食品科学，2019，40(21)：317-323.

He Hongju, Zhu Yadong, Wang Hui, et al. Recent advances in application of near-infrared spectroscopy for quality detection in fresh poultry meat[J]. Food Science, 2019, 40(21): 317-323. (in Chinese with English abstract)

[9]Mohammed K, Yoshio M, Seiichi O. Rapid and non-destructive detection of chicken adulteration in minced beef using visible near-infrared hyperspectral imaging and machine learning[J]. Journal of Food Engineering, 2016, 170: 8-15.

[10]Zheng Xiaochun, Li Yongyu, Wei Wensong, et al. Detection of adulteration with duck meat in minced lamb meat by using visible near-infrared hyperspectral imaging[J]. Meat Science, 2019, 149: 55-62.

[11]Zhao Haitao, Feng Yaoze, Chen Wei, et al. Application of invasive weed optimization and least square support vector machine for prediction of beef adulteration with spoiled beef based on Visible Near-Infrared (Vis-NIR) hyperspectral imaging[J]. Meat Science, 2019, 151: 75-81.

[12]Wiedemair V, Biasio D M, Leitner R, et al. Application of design of experiment for detection of meat fraud with a portable near-infrared spectrometer[J]. Current Analytical Chemistry, 2018, 14(1): 58-67.

[13]Fernández-Cabanás V M, Polvillo O, Rodríguez -Acuna R, et al. Rapid determination of the fatty acid profile in pork dry-cured sausages by NIR spectroscopy[J]. Food Chemistry, 2011, 124(1): 373-378

[14]Abd- Elghany S M, Sallam K I. Rapid determination of total aflatoxins and ochratoxins in meat products by immune- affinity fluorimetry[J]. Food Chemistry, 2015, 179: 253-256.

[15]Luis G, José M, Barat D B, et al. Monitoring of physical- chemical and microbiological changes in fresh pork meat under cold storage by means of a potentiometric electronic tongue[J]. Food Chemistry, 2011, 126(3): 1261-1268.

[16]Zhang Xinzhuang, Zhang Yawei, Meng Qingxiang, et al. Evaluation of beef by electronic tongue system TS-5000Z: Flavor assessment, recognition and chemical compositions according to its correlation with flavor[J]. Plos One, 2015, 10(9): 1-10.

[17]Gao Lin, Bian Mengxian, Mi Ruifang, et al. Quality identification and evaluation of pu-erh teas of different grade levels and various ages through sensory evaluation and instrumental analysis[J]. International Journal of Food Science &Technology, 2016, 51(6): 1338-1348.

[18]Gan Zhilin, Yang Yang, Li Jing, et al. Using sensor and spectral analysis to classify botanical origin and determine adulteration of raw honey[J]. Journal of Food Engineering, 2016, 178: 151-158.

[19]Souayah F, Rodrigues N, Veloso A C A, et al. Discrimination of olive oil by cultivar, geographical origin and quality using potentiometric electronic tongue fingerprints[J]. Journal of the American Oil Chemists' Society, 2017, 94(12): 1417-1429.

[20]Shen Yan, Chen Ping, Chen Weijun, et al. Monitoring the quality change of fresh coconut milk using an electronic tongue[J]. Journal of Food Processing and Preservation, 2017, 41(5): 514-516.

[21]Santonico M, Bellincontro A, Desantis D, et al. Electronic nose to study postharvest dehydration of wine grapes[J]. Food Chemistry, 2010, 121(3): 789-796.

[22]Nurjuliana M, Man Y C, Hashim D M, et al. Rapid identification of pork for halal authentication using the electronic nose and gas chromatography mass spectrometer with headspace analyzer[J]. Meat Science, 2011, 88(4): 638-644.

[23]代雨婷，周博，王俊. 电子鼻技术在棉花早期棉铃虫虫害检测中的应用[J]. 农业工程学报，2020，36(3)：313-320.

Dai Yuting, Zhou Bo, Wang Jun. Application of electronic nose in detection of cotton bollworm infestation at an early stage[J]. Transactions of the Chinese Society of Agricultural (Transactions of the CSAE), 2020, 36(3): 313-320. (in Chinese with English abstract)

[24]Kriengkri T, Theeraphop T, Noppon L, et al. Evaluation of bacterial population on chicken meats using a briefcase electronic nose[J]. Biosystems Engineering, 2016, 9(5): 116-125.

[25]李璐. 电子鼻结合GC-MS对羊肉掺假鸭肉的快速检测[D]. 杨凌：西北农林科技大学，2016.

Li Lu. The Rapid Detection of Mutton Adulterated with Duck by Electronic Nose Combined with GC-MS[D]. Yangling: Northwest A&F University, 2016. (in Chinese with English abstract)

[26]田晓静. 基于电子鼻和电子舌的羊肉品质检测[D]. 杭州：浙江大学，2014.

Tian Xiaojing.Mutton Quality Detection Based on Electronic Nose and Electronic Tongue[D]. Hangzhou: Zhejiang University, 2014. (in Chinese with English abstract)

[27]Wu Hao, Yue Tianli, Yuan Yahong. Authenticity tracing of apples according to variety and geographical origin based on electronic nose and electronic tongue[J]. Food Analytical Methods, 2018, 11(2): 522-532.

[28]Zhang Jiahui, Cao Jun, Pei Zhishen, et al. Volatile flavour components and the mechanisms underlying their production in golden pompano () fillets subjected to different drying methods: A comparative study using an electronic nose, an electronic tongue and SDE-GC-MS[J]. Food Research International, 2019, 123: 217-225.

[29]Dong Wenjiang, Hu Rongsuo, Long Yuzhou, et al. Comparative evaluation of the volatile profiles and taste properties of roasted coffee beans as affected by drying method and detected by electronic nose, electronic tongue, and HS-SPME-GC-MS[J]. Food Chemistry, 2019, 272: 723-731.

[30]Zhu Danshi, Ren Xiaojun, Wei Liwei, et al. Collaborative analysis on difference of apple fruits flavour using electronic nose and electronic tongue[J]. Scientia Horticulturae, 2020, 260.

[31]Runu B, Tudu B, Shaw L, et al. Instrumental testing of tea by combining the responses of electronic nose and tongue[J]. Journal of Food Engineering, 2012, 110(3): 356-363.

[32]杨志敏. 应用近红外光谱技术快速检测原料肉新鲜度及掺假的研究[D]. 杨凌：西北农林科技大学，2011.

Yang Zhimin. Study on Rapid Detection of Freshness of Raw Meat and Adulteration Meat by Near Infrared Spectroscopy Analysis[D]. Yangling: Northwest A&F University, 2011. (in Chinese with English abstract)

[33]王胜威. 基于低场核磁共振及电子舌对羊肉品质安全判别研究[D]. 贵阳：贵州大学，2015.

Wang Shengwei. Study on Quality and Safety Discrimination of Mutton by Low-Field Nuclear Magnetic Resonance and Electronic Tongue Technology[D]. Guiyang: Guizhou University, 2015. (in Chinese with English abstract)

[34]Huo Danqun, Wu Yu, Yang Mei, et al. Discrimination of Chinese green tea according to varieties and grade levels using artificial nose and tongue based on colorimetric sensor arrays[J]. Food Chemistry, 2014, 145: 639-645.

Separate and combined detection of minced chicken meat adulterated with soy protein or starch using electronic nose and electronic tongue

Li Yan1,2, Li Fangfang1, Yu Linhong1, Sun Jingxin1,2※, Guo Liping1, Dai Aiguo5, Wang Baowei1, Huang Ming3,4, Xu Xinglian3

(1.,,266109,; 2.,,266109,; 3.,,210095,; 4..,.,211226,; 5..,.,266109,)

The electronic nose and electronic tongue were used to detect adulterated chicken rapidly. In this research, electronic nose and electronic tongue were used to detect the content of soybean protein and starch in chicken meat. Soy protein (0, 2.5%, 5.0%, 7.5%, and 10.0%) was mixed into minced chicken meat to prepare adulterated chicken samples, the total sample weight was 10 g. The 2 mL of distilled water and 0.006 g of neutral protease were added in sequence in a 50 ℃water bath. After 15 min, the above samples were raised to 90 ℃to inactivate the enzyme. And incorporated with 0.1 g of D-ribose, Maillard reaction was carried out for 20 min. Then the reaction was terminated at 20 ℃.The processed samples were put into the measuring bottle for electronic nose detection. The 50 mL of 0.1 mol/L potassium chloride extract was added to each group of prepared electronic nose samples. After 30 min, the filtrate was taken for electronic tongue detection.Twenty-four samples in each group were made in parallel, including 18 modeling sets and 6 detection sets. Starch (0, 2.5%, 5.0%, 7.5%, 10.0% and 15.0%) was mixed into minced chicken meat to prepare adulterated chicken samples, the total sample weight was 10 g. The 2 mL of distilled water and 0.006 g of-amylase were added to each group of samples in a 45 ℃water bath. After 15 min, the above samples were raised to 90 ℃to inactivate the enzyme. When incorporating with 0.1 g of glycine, the Maillard reaction was carried out for 20 min. Then the reaction was terminated at 20 ℃.The processed samples were put into the measuring bottle for electronic nose detection. The 50 mL of 0.1 mol/L potassium chloride extract was added to each group of prepared electronic nose samples. After 30 min, the filtrate was taken for electronic tongue detection.Twenty-four samples in each group were made in parallel, including 18 modeling sets and 6 detection sets. The data was statistically analyzed by Principal Component Analysis (PCA) and Partial Least Squares Regression (PLSR). By PCA, the results showed that the contribution rates of first principal component and second principal component combinedly detected by electronic nose and electronic tongue for minced chicken meat adulterated with soy protein were 99.2% and 0.6%, respectively, and the total contribution rate was 99.8%.By PLSR, the coefficient of determination detected by electronic nose or electronic tongue was 0.989 and 0.972, the root mean square error was 3.9% and 5.4%, respectively. The coefficient of determination and the root mean square error of combinedly detected by electronic nose and electronic tongue were 0.992 and 2.8%.By PCA, the results showed that the contribution rates of first principal component and second principal component combinedly detected by electronic nose and electronic tongue for minced chicken meat adulterated with starch were 97.0% and 2.1%, respectively, and the total contribution rate was 99.1%.By PLSR, the coefficient of determination detected by electronic nose or electronic tongue was 0.977 and 0.976, the root mean square error was 5.0% and 5.2%, respectively. The coefficient of determination and the root mean square error of combinedly detected by electronic nose and electronic tongue were 0.996 and 2.4%. The performance of combined detection by electronic nose and electronic tongue for soy protein was better than for starch. The combined detection using electronic nose and electronic tongue sensors has a potential ability to distinguish and predict soy protein-based or starch-based adulteration in minced chicken meat and has also been proved to be a useful authentication method for meat adulteration detection with high efficiency and accuracy.

electronic nose; principal component analysis; meats; electronic tongue; soy protein; starch

李岩，李芳芳，于林宏，等. 电子鼻和电子舌单独与联合检测掺大豆蛋白或淀粉的鸡肉糜[J]. 农业工程学报，2020，36(23)：309-316.doi：10.11975/j.issn.1002-6819.2020.23.036 http://www.tcsae.org

Li Yan, Li Fangfang, Yu Linhong, et al. Separate and combined detection of minced chicken meat adulterated with soy protein or starch using electronic nose and electronic tongue[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(23): 309-316. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.23.036 http://www.tcsae.org

2020-05-26

2020-09-28

山东省现代农业产业技术体系家禽创新团队项目（SDAIT-11-11）；现代农业产业技术体系建设专项-肉鸡（CARS-41-Z06）；青岛特种食品研究院立项项目：新型常温保存肉制品研发（66120015）

李岩，博士，讲师，主要从事食品胶体化学研究。Email：yli@qau.edu.cn

孙京新，博士，教授，主要从事畜产品加工研究。Email：jxsun20000@163.com

10.11975/j.issn.1002-6819.2020.23.036

TS251.7

A

1002-6819(2020)-23-0309-08