电子鼻和电子舌数据融合在鱼香调味汁风味识别中的应用

2021-09-10林丹胡金祥何蓓蓓吴宝珠冷朝杰易宇文

中国调味品 2021年9期

林丹，胡金祥，何蓓蓓，吴宝珠，冷朝杰，易宇文*

(1.四川旅游学院，成都 610100；2.肉类加工四川省重点实验室，成都 610106)

鱼香味是川菜味型中的典型代表之一，其特点为咸甜酸辣，姜、葱、蒜香味浓郁，具有煮鱼的风味而不见鱼的妙处，深受消费者喜爱。鱼香味的形成得益于各种调料在美拉德等化学反应作用下所生成的各种风味物质的巧妙组合。目前市场上出售的鱼香味调味汁品牌繁多，各地方品牌基本都依据本地口味进行改良，其基础调味料、加工工艺等均有差异，导致鱼香调味汁的风味千差万别。这对作为四川非物质文化遗产之一的鱼香味的保护是不利的，故应该建立一种方便、准确、快捷的方法来识别鱼香调味汁。

风味是气味和滋味的统称[1]。食品风味化学是专门研究食品气味和滋味的科学。在风味化学中，常用的气味分析检测技术包括感官评价、气相色谱-质谱联用法(gas chromatography-mass spectrometry，GC-MS)[2-3]、气相色谱-闻嗅法(gas chromatography-olfactometry，GC-O)[4]等。感官评价受个人嗜好、身体状况等影响较大，结果准确性、稳定性欠佳；GC-MS分析会导致样品的气味支离破碎[5]，且周期长；GC-O分析需要非常专业的人员操作，且无法获得样品的整体气味信息。智能感官，即电子鼻和电子舌等的统称。电子鼻、电子舌是模拟人类嗅觉/味觉研制的一种仿生仪器，它通过传感器将探测到的气味物质、滋味物质强度转换成数据，再结合化学计量学等方法和模型，最后形成能够反映样品总体气味、滋味轮廓的图谱，而区别样品。智能感官能够避免生理嗅觉/味觉的缺陷，保证检测结果的稳定性、重复性，且样品前处理简便，检测结果易读[6-8]。电子鼻目前在发酵豆制品[9]、辣椒[10-12]、酱油[13-15]等研究领域应用广泛。电子舌在酱油[16]、辣椒酱[17]、氯化钠[18-19]、蜂蜜鉴别[20]等领域应用广泛。单独使用电子鼻或者电子舌很难从整体风味上评价食品风味。而联合二者，则有利于进行整体风味的评价。目前，鲜见研究者用电子鼻、电子舌传感器数据融合的方法来识别鱼香调味汁。本研究拟以电子鼻、电子舌检测各个不同品牌的鱼香调味汁，联合使用二者传感器获得的数据，区分出不同地域的鱼香调味汁在气味和滋味上的差异；并根据差异探寻一种便捷、快速、准确鉴别不同地域鱼香调味汁的方法，为保护鱼香调味汁这一非物质文化遗产做出贡献。

1 材料与方法

1.1 试验材料

试验所用4种鱼香调味汁购于天猫超市，具体配方见表1。

表1 4种鱼香调味汁样品信息表Table 1 The information of four kinds of fish-flavor sauce samples

1.2 仪器设备

FOX 4000型电子鼻：法国Alpha MOS公司，该仪器由18根非专一性金属氧化物传感器组成，每根传感器对一类或者几类物质敏感[21]，具体特性见表2。

表2 电子鼻传感器性能特点Table 2 The performance characteristics of electronic nose sensors

α-ASTREE电子舌：法国Alpha MOS公司，该仪器由1根参比电极Ag/AgCl和7根非专一性传感器组成，每根传感器对酸、苦、咸、鲜、甜敏感，但程度不一，其传感器特性[22]见表3。

表3 电子舌传感器性能特性及检测限值Table 3 The performance characteristics and detection limits of electronic tongue sensors

其他实验室常用设备。

1.3 方法

1.3.1 电子鼻分析

从包装袋中取出样品，准确称量0.5 g，放入顶空瓶中，密封、编号，待用。电子鼻分析条件：顶空产生温度70 ℃；顶空加热时间300 s；载气流量150 mL/s；进样量500 μL；进样速度500 μL/s；数据采集时间120 s；数据采集延迟180 s；手动进样。每个样品平行测试8次，取后5次稳定检测数据作为分析数据。取传感器在第120 s时获得的信号进行分析，此时信号输出最为稳定。

1.3.2 电子舌分析

从包装袋中取出样品，准确称量10 g，移入250 mL容量瓶中，用蒸馏水定容至250 mL，过滤，取滤液80 mL，放入电子舌检测专用烧杯中，编号，待用。分析条件：自动进样，数据采集时间120 s，传感器清洗120 s，每个样品平行测5次，取后5次传感器在第120 s时获得的稳定信号进行分析。

1.4 数据处理

数据处理采用SPSS 22.0软件；主成分分析采用Origin 2018。

2 结果与分析

2.1 鱼香调味汁的电子鼻、电子舌传感器响应值方差分析

对鱼香调味汁的电子鼻、电子舌检测结果进行单因素方差分析。在SPSS单因素方差分析中，组间均方越大，组内均方越小，重复性越好；相对于同一样品F值越大，而显著性(即P值)越小，则表明样品差异越大[23]，该传感器对样品的区分度越高。鱼香调味汁电子鼻、电子舌响应值的方差分析结果见表4和表5。

4、开展革命传统教育活动。3月27日，组织全体党员、入党积极分子70余人，到崇明烈士陵园，祭扫革命烈士活动。

表4 鱼香调味汁电子鼻传感器响应值方差分析Table 4 The variance analysis of electronic nose sensor response values of fish-flavor sauce

鱼香调味汁电子鼻18根传感器(LY2型6根、T型5根和P型7根)响应值方差分析结果见表4。方差分析结果显示：在LY2型LY2/gCT传感器中，4个产地的鱼香调味汁响应值组内均方为0.135，组间均方为0.020945，F值小于1，且P值大于0.05，S-N-K检验均为4个a，则表明LY2/gCT传感器对鱼香调味汁中易燃气体敏感度不高。而其余T型、P型和LY2型共计17根传感器的响应值分析中，4个产地的鱼香调味汁响应值组间均方均大于组内均方，且F值远远大于1，P值远远小于0.05，故差异均显著。该结果表明，18根传感器中有17根传感器对鱼香味调味汁气味的响应值差异显著，故电子鼻能有效区分4个产地的鱼香调味汁。鱼香调味汁电子舌7根传感器响应值方差分析结果见表5。

表5 鱼香调味汁电子舌传感器响应值方差分析Table 5 The variance analysis of electronic tongue sensor response values of fish-flavor sauce

由表5可知，总体上不同产地的鱼香调味汁在7根传感器组间均方较大，组内均方较小，F值均大于1，差异显著(P<0.05)；但在S-N-K检验中，1，2号样品差异显著，3，4号样品差异不显著，说明电子舌传感器能够区分部分样品，但区分能力有限。这可能是由于采集到的原始数据中带有大量的冗余信息，导致无法判断样品差异，或者样品本身差异极小。

2.2 鱼香调味汁电子鼻、电子舌传雷达图分析

取电子鼻18根传感器在120 s时5次检测结果平均值制作的雷达图见图1中a。可以看出，在所有T型、P型及LY2/LG传感器上， 4个产地的样品的响应强度由强至弱分别为2号、4号、3号和1号；在LY型传感器(除去LY2/LG)上，4个样品的响应强度(由强至弱)分别是1号、3号、4号和2号；而4个样品在LY2/gCT传感器上交织在0.0附近的点上，说明这根传感器无法区分4个样品，这也与方差分析中LY2/gCT传感器对易燃气体敏感度不高、差异不显著的分析结果一致。结合鱼香调味汁的配方(见表1)及电子鼻传感器性能特点(见表2)可知， T型、P型及LY2/LG传感器主要是对4个样品的极性物质、非极性物质、碳氢氧化合物和含硫化合物敏感，而LY2/gCT则是对易燃物质敏感。尽管在鱼香调味汁的制作过程中会产生一些易燃的物质，但是这些物质在制作过程中已经挥发，故电子鼻传感器无法捕捉到这些物质。综上所述，电子鼻雷达图有助于鉴别不同产地的鱼香调味汁。

图1 电子鼻(a)、电子舌(b)雷达图Fig.1 Radar maps of electronic nose (a) and electronic tongue (b)

取电子舌7根传感器在120 s时5次检测结果平均值制作的雷达图，见图1中b。可以看出，1，2号样品差异显著，3，4号样品差异较小，这与电子舌方差分析的S-N-K检验中结果一致。这说明电子舌在一定程度上能够区分样品，但对于相似度较高的样品，其区分能力不足。

2.3 电子鼻、电子舌主成分分析

电子鼻和电子舌检测到的原始数据构成多维数组，须借助适当的数据模型方可进行识别。主成分分析(PCA)是化学计量学中一种常用的分类方法，它通过对原始数据进行降维处理，将众多相互之间有关联的变量处理成较少的几个不相关的综合指数，提取原始数据最大的几个特征向量作为主成分，再辅以二维或三维坐标系，将所得的数据在坐标系下进行投影，从而实现高维数据可视化[24-26]，且数据易读性强。

PCA分析中，横坐标代表第一主成分，纵坐标代表第二主成分；第一主成分所占权重较大，即样品在第一主成分上即使距离很小，其差异也会很大；而第二主成分所占权重较小，而在第二主成分上的距离即使很大，其差异也不明显[27]；第一、二主成分之和大于85%即可代表样品的主要风味轮廓[28]；各个数据点在二维图中聚集程度越高，表示其传感器的稳定性和重复性越好。

电子鼻和电子舌主成分分析图见图2。

图2 电子鼻(a)、电子舌(b)主成分分析图Fig.2 The principal component analysis of electronic nose (a) and electronic tongue (b)

图2中a的4个样品的差异主要来源于第一主成分，差异明显。第一、二主成分分别为91.24%和5.43%，其总和已经超过85%，能够反映样品在气味上整体轮廓差异。样品4分布的区域较大，说明其稳定性和重复性较差，其次是样品3。图2中b的4个样品在第一主成分和第二主成分上均有差异，基本能够判定1，2号样品和3，4号样品差异明显，但1，2号样品之间的差异较难以判断，3，4号样品情况类似。第一、二主成分分别为75.13%和17.23%，其总和已经超过85%，能够反映样品在滋味上整体轮廓差异。4个样品在二维图中的分布区域较大，说明其稳定性和重复性较差，这说明在进行主成分分析时还有较多冗余数据未被及时剔除，而影响了实验结果。

2.4 电子鼻和电子舌传感器数据融合主成分分析

电子鼻和电子舌传感器数据融合是同时从气味和滋味两个维度评价样品的方法。有研究表明，单独使用电子鼻或电子舌不能完全反映待测物质的全部信息，而另一方面，电子鼻结合电子舌的检测能更多地提取样本对象信息，更接近人类的检测评判方式[29]。故本实验尝试建立基于数据融合电子鼻结合电子舌的主成分分析方法，以区分不同地区鱼香调味汁。

数据归一化处理的主要目的是为了消除数据属性间的差别，平滑数据的波动性；其次，简化了计算，加快了梯度下降收敛速度，提高了一些分类算法的模型精度[30-31]。本实验首先将电子鼻和电子舌传感器获得的数据进行归一化处理，然后对合并数据进行主成分分析。归一化公式如下：

式中：y为归一化后特征值，x为原始变量，min为原始响应值中最小值；max为原始响应值中最大值。

由图3可知，第一、二主成分分别为62.20%和33.15%，累积为95.35%，这说明经标准化和融合后的数据提取了原始数据中绝大部分有效信息，能够反应样品的主要风味轮廓。在图2电子舌主成分分析中，1，2号数据点非常靠近，且内部样品分布较为分散；3，4号样品情况类似，因为其原始特征矩阵中包含大量冗余信息，故需要对特征矩阵进行进一步的优化融合。但在经过归一化和合并数据进行主成分分析后，由图3可知，1号样品分布在Y轴的左侧；2，3，4号分布在Y轴右侧，所有组别的组内间距都非常小，而组间间距很大，相比较于图2中单独电子鼻或者电子舌PCA分析，这4个组别具有较好的分离性。这可能是由于归一化处理数据，是力求样本在第一、二主成分坐标轴投影方差最大，避免一、二主轴包含信息的重叠，尽可能多地保留原始变量信息。故4种不同产地的鱼香调味汁组内间距经归一化处理后明显减小，且在组内聚集程度提高。这说明经过数据融合归一化后，同时从两个维度评价样品，有利于对不同鱼香调味汁的鉴别和区分。