基于電子鼻和HS-SPME-GC-MS檢測并分析秈稻谷儲藏期間揮發性物質的研究

鞠興榮 張檬達 石嘉懌

(南京財經大學食品科學與工程學院；江蘇省現代糧食流通與安全協同創新中心，南京 210046)

基于電子鼻和HS-SPME-GC-MS檢測并分析秈稻谷儲藏期間揮發性物質的研究

鞠興榮 張檬達 石嘉懌

(南京財經大學食品科學與工程學院；江蘇省現代糧食流通與安全協同創新中心，南京 210046)

利用電子鼻對不同儲藏時間(0、30、60、90、120、150、180 d)、儲藏溫度35 ℃、儲藏水分15.5%的秈稻進行檢測，并對秈稻的整體揮發性物質進行主成分分析，在此基礎上利用頂空固相微萃取結合氣質聯用法(HS-SPME-GC-MS)對秈稻儲藏期間揮發性物質的相對含量進行測定，最后采用主成分分析法對揮發性物質進行分析。結果表明：電子鼻檢測第一、二主成分的累計貢獻率達到99%，區分指數為81，主成分圖顯示初始和儲藏6個月的數據無重疊，區分效果較好；GC-MS結果顯示，樣品中的揮發性物質共102種，烴類、醇類、醛類、酮類、雜環類揮發性物質的相對含量隨儲藏時間延長而呈現增大的趨勢，主成分分析結果顯示，醇、醛、酮對樣品整體揮發性物質的貢獻最大，然后依次為雜環類、烴類、酸酯類，通過計算主成分得分和觀察揮發性物質相對含量的變化，推斷出秈稻谷儲藏期間導致其品質劣變的特征性物質為2-己基-1-癸醇、苯甲醇、己醛、癸醛、順-2-癸烯醛、2-十二烯醛、2-十一酮、5-十三酮，電子鼻和GC-MS聯用能較好地從宏觀和微觀2個方面對樣品揮發性物質進行檢測和分析，同時主成分分析能有效地推斷出秈稻谷品質劣變的特征性揮發物。

秈稻谷 揮發性物質 電子鼻 HS-SPME-GC-MS 主成分分析

稻谷是世界上最重要的3種谷物之一，也是我國的主要糧種[1]，年產量可達1.8億t[2]。稻谷作為我國主要的儲備糧種，在儲藏期間，由于呼吸氧化作用和各種酶的作用，其品質必然會隨著儲藏時間的延長而發生變化，甚至劣變[3]。傳統的稻谷儲藏品質評價指標如脂肪酸值、酶活性、發芽率等，無法做到快速、無損地對稻谷品質做出判定，揮發性物質作為判定品質優劣的一種關鍵指標，在食品的質量[4]、新鮮程度[5]、安全[6]等評估方面起著重要的作用。近年來，許多學者分別運用電子鼻和GC-MS對糧食儲藏期間的揮發性物質進行了分析，以此作為評判糧食品質的依據。龐林江等[7]采用AIRSENSE PEN2 便攜式電子鼻對5個儲藏年限的小麥進行年限鑒定，得出小麥最佳靜置時間為1.5 h，小麥樣品量為50 g，主成分分析結果為小麥的儲藏年限可以很好地區分開來，說明電子鼻能較好地判斷小麥的儲藏品質；林家永等[8]利用HS-SPME-GC-MS對不同稻谷的揮發性物質進行分析，并優化了頂空固相微萃取條件，結果表明：稻谷中的揮發性物質有醇類、醛類、酮類、烴類、酸酯類以及雜環類等，其中最主要的物質為醛類。已有研究都是通過電子鼻和GC-MS單獨對糧食進行檢測和分析，但是將電子鼻和HS-SPME-GC-MS結合起來對稻谷揮發性物質進行分析的報道還較少。本研究將二者結合起來，對秈稻谷儲藏期間揮發性物質的相對含量和變化進行測定，利用主成分分析法對結果進行分析，找出揮發性物質與秈稻谷品質之間的聯系，為進一步探究稻谷品質的劣變規律提供參考。

1 材料與方法

1.1 材料

晚秈稻(2012產)：浙江省嘉興糧庫。

1.2 儀器與設備

PQX型分段可編程人工氣候箱：寧波東南儀器有限公司；Fox-3000型電子鼻：法國Alpha MOS公司；手動SPME進樣器：南京大滬公司；GC(7890A)-MS(5975C)分析儀：美國Agilent公司；50/30 μm DVB/CAR/PDMS萃取頭：美國Supelco公司；具塞萃取瓶：南京大滬公司。

1.3 試驗方法

1.3.1 儲藏方法

將提供的秈稻谷樣品的含水量人工調節至15.5%，裝入密閉的塑封袋中，放入人工氣候培養箱中，溫度設置為35 ℃，儲藏時間為180 d，測定周期為30 d。

1.3.2 萃取頭的老化

萃取頭在首次使用前，插入GC-MS進樣口老化，老化溫度250 ℃，老化時間120 min；萃取頭每次使用前老化30 min，檢測的樣品與樣品之間老化5 min。

1.3.3 頂空固相微萃取(HS-SPME)

將20 g試樣置于頂空萃取瓶中，以錫紙作隔墊，用橡膠塞封口，混合均勻樣品后置于75 ℃的恒溫水浴鍋中加熱平衡59 min，平衡結束后將萃取頭插入瓶中萃取樣品揮發性物質，時間60 min，完畢后立即將萃取頭插入GC-MS進樣口，在250 ℃不分流模式下解析5 min。

1.3.4 GC-MS參數條件

1.3.4.1 色譜條件

色譜柱為HP-5MS毛細管柱(30 m×0.25 mm，0.25 μm)；升溫程序為：起始柱溫50 ℃，保持5 min，以12 ℃/min 上升到125 ℃，保持3 min，然后以1 ℃/min上升到165 ℃，保持3 min，最后以14℃/min上升到230 ℃，保持2 min，運行結束后冷卻2 min，溫度降為50 ℃。載氣為氦氣(He)，流速為1 mL/min，不分流模式，進樣口溫度為250 ℃。

1.3.4.2 質譜條件

離子源為EI，離子源溫度為230 ℃，電子能量為70 ev，質量掃描范圍(m/z)為35～400 amu。

1.3.5 電子鼻參數條件

載氣為干燥空氣；流速為150 mL/min；樣品量為5 g，裝入20 mL的小瓶中，參數獲取時間為600 s，保持時間為120 s，注射溫度為70 ℃，沖洗時間為120 s，各樣品重復6次。

過去在思想教育工作方面，各高校之間聯系較少，各高校輔導員處于各自為戰的狀態，不利于高校思想教育工作質量的整體提升。雖然也曾通過互動來提高輔導員工作質量，但由于次數以及深度等因素影響，輔導員工作質量往往難以得到有效的提升。而在新媒體下，可以實現各高校之間的有效聯系，輔導員之間也能及時分享思想教育工作的心得，全面了解學生思想動向，提高工作的針對性和實效性。此外，輔導員在以自己視角審視學生群體思想發展變化時，往往會受到個人主觀思想的影響，不利于思想教育工作的開展。而在高校輔導員之間相互有了聯系之后，就能實現輔導員之間的充分交流，能更科學地分析學生的思想變化，共同探討應對策略，真正做到科學化的引導。

1.3.6 數據分析

電子鼻檢測數據：不同儲藏月份秈稻谷揮發性物質的主成分分析由儀器自帶的Alpha Soft V12.0軟件處理，一般情況下總貢獻率超過70%的方法即可使用[9]。

GC-MS分析：定性方法采用未知揮發性物質經計算機檢索與NIST08標準質譜庫匹配得到，選擇匹配度大于80的揮發性組分進行分析。定量方法通過相對百分含量按峰面積歸一化計算，樣品重復3次。

2 結果與分析

2.1 電子鼻檢測結果

圖1為秈稻谷初始和儲藏6個月的PCA圖(圖中的數字代表了每個時間段)，由圖1可看出，第一主成分PC1和第二主成分PC2的方差貢獻率分別為94.536%和5.264%，累積貢獻率之和達到99%以上，說明PC1和PC2這2個主成分包含了樣品的大部分信息，可以反映整體揮發性物質的規律，且樣品差異性主要體現在PC1上，同時電子鼻檢測的區分指數(discrimination index，DI)為81，其值越大表明PCA區分的效果越好，通常DI值大于80可以認定能夠有效區分，且圖1顯示初始及6個時間段的電子鼻數據并無出現重疊的現象，進一步說明利用電子鼻檢測揮發性物質可以有效區分不同儲藏時間段的樣品。

圖1 初始和180 d的樣品電子鼻區分的主成分分析圖

圖1中的每塊數據代表了每個月份的整體揮發性物質的信息，進一步分析可見，各個月份的樣品在主成分分析圖上的分布具有一定的規律，隨著儲藏時間的延長，樣品的信息點在PC1上的趨勢為從左往右移動，在PC2上的趨勢為先向下移動，然后再上移，此外，初始樣品(圖中標記為0)的信息點比較集中，說明儲藏前樣品的整體揮發性物質差異較小，秈稻谷還較新鮮，隨著儲藏開始，樣品的信息點逐漸離散，說明樣品整體風味的差異性變大，這可能是由于在高溫高濕的儲藏環境下，秈稻谷的品質開始劣變，其中的脂肪氧化分解、美拉德反應[10]產生了更多不同種類的揮發性物質導致的，圖1中初始樣品(圖1中為0)數據與儲藏150、180 d的樣品數據在PC1上相差最大，這說明樣品秈稻可能在儲藏150 d時已經發生品質劣變，下面將利用HS-SPME-GC-MS對樣品作進一步分析，探究樣品揮發性物質的變化規律。

2.2 GC-MS分析結果

GC-MS檢測出儲藏180 d后的樣品的揮發性物質共102種，其中烴類物質36種，醇類物質9種，醛類物質8種，酮類物質4種，酸酯類物質32種，雜環類物質13種(揮發性物質的編號和名稱列于表1，限于篇幅影響，各揮發性物質的相對含量未列出)，烴類物質種類最多，檢測出的各種烷烴(C5～C17)物質，閾值較高，對樣品整體風味貢獻不大[11]，醇類物質主要是脂肪酸值氧化酶作用于不飽和脂肪酸衍生來的，且多數醇類化合物閾值較高，醛類物質種類不多，但其閾值較低，對整體風味貢獻較大，其中辛醛和壬醛分別具有青草味和魚腥味，苯甲醛具有令人愉快的杏仁香和水果香[12]，酮類物質種類最少，其產生可能源于氨基酸分解或微生物氧化，其中2-十一酮和6，10，14-三甲基-2-十五酮分別具有油脂香和茶葉香，酸酯類物質種類較多，但含量少，產生原因可能是發生了酯化反應，雜環類化合物中2-戊基呋喃具有火腿香味，閾值較低，幾乎存在于所有的食品氣味中[12]，芳香族化合物萘和丁羥甲苯可能來源于環境中的雜質[13]。從表2可以看出，隨著儲藏時間的延長，烴類、醇類、醛類、酮類、雜環類物質的相對含量總體呈現升高的趨勢，在150 d時相對含量達到最高；酸酯類物質相對含量總體呈現降低的趨勢，初始時的含量最高，樣品整體揮發性物質的相對含量在儲藏120 d期間沒有太大變化，在儲藏150 d時含量升高，隨后降低到初始的水平。

表1 GC-MS檢測出的樣品中各揮發性物質的編號和名稱

表1(續)

表2 樣品儲藏階段的各類揮發性物質的相對含量

2.3 秈稻谷樣品儲藏期間揮發性物質的主成分分析

對變量進行主成分分析時，理論上要求樣本的數目大于變量的數目，由于揮發性物質種類較多，為了方便分析，將102種揮發性物質分為4大類進行分析，分別為烴類(A)、醇醛酮類(B)、酸酯類(C)、雜環類(D)。

由表3可以看出，烴類物質主成分的特征值都大于1，且5個主成分的累計貢獻率為74.379%，說明這5個主成分可以解釋變量中74.379%的信息，較符合主成分分析的要求。從表4可以看出，對第一主成分貢獻較大且高度正相關的物質為A11、A15、A17，載荷量分別為0.955、0.971、0.958，其次是A23、A36，載荷量分別為0.887、0.869，A7與第一主成分高度負相關，載荷量為-0.934。對第二主成分貢獻較大且相關性較好的物質為A24、A34，載荷量為0.618、0.749。對第三主成分貢獻較大的物質為A6、A32，載荷量為0.757、0.661。第四主成分和A25、A31相關性較好，載荷量為0.611、0.689。總方差50%以上的貢獻率來自前3個主成分，因此可認為十七烷(A11)、十八烷(A15)、十九烷(A17)、四十四烷(A23)、鄰二甲苯(A36)、1,54-二溴五十四烷(A24)、1,2-二氯-3-甲基苯(A34)、環十五烷(A6)、1,3,5,7-環辛四烯(A32)為烴類的主要揮發性物質。

表3 烴類物質5個主成分的特征值、貢獻率以及累計貢獻率

表4 烴類物質主成分載荷矩陣

表4(續)

2.3.2 醇、醛、酮類揮發性物質主成分

由表5可以看出，醇、醛、酮3類物質前5個主成分特征值都大于1，累計貢獻率高達93.434%，能夠解釋樣本絕大部分的信息，由表6可以看出前2個主成分包含了對主成分貢獻較大的物質，對第一主成分貢獻較大且高度正相關的物質為B2、B5、B10、B11、B12、B13、B17，載荷量分別為0.986、0.966、0.954、0.990、0.965、0.958、0.943，其次為B16、B19，載荷量分別為0.814、0.814。對第二主成分貢獻較大且高度正相關的物質為B4、B18，載荷量分別為0.933、0.940。前2個主成分的累計貢獻率為66.042%，超過了50%，可以認為醇、醛、酮3類的主要揮發性物質為2-乙基-1-己醇(B2)、壬醇(B4)、苯甲醇(B5)、己醛(B10)、壬醛(B11)、辛醛(B12)、癸醛(B13)、2-十二烯醛(B16)、苯甲醛(B17)、2-十一酮(B18)、5-十三酮(B19)。

表5 醇、醛、酮類物質5個主成分的特征值、貢獻率以及累計貢獻率

表6 醇、醛、酮類物質主成分載荷矩陣

2.3.3 酸酯類揮發性物質主成分分析

由表7可看出，酸酯類揮發性物質前5個主成分的特征值大于1，累計貢獻率為71.739%，前2個主成分的累計貢獻率超過50%，可以選擇這3個主成分中載荷量大的作為主要揮發性物質，從表8可以看出，C3、C4、C6、C12、C17這5種揮發性物質貢獻最大，且和第一主成分高度正相關，載荷量分別為0.949、0.949、0.949、0.949、0.918，其次貢獻較大的物質為C23，載荷量為0.885。對第二主成分貢獻較大且相關較強的物質為C32，載荷量為0.802。對第三主成分貢獻較大且相關較強的物質為C9、C24、C26，載荷量分別為0.635、0.656、0.656。因此，酸酯類的主要揮發性物質為三氯乙酸壬酯(C3)、2-氯丙酸，十六烷基酯(C4)、甲氧基乙酸，2-十四烷基酯(C6)、亞硫酸，2-丙基十一烷基酯(C12)、六十九烷酸(C17)、三十八烷基三氟乙酸(C23)、三十四烷基七氟丁酸(C32)、亞硫酸，丁基十一烷基酯(C9)、二十三烷基五氟丙酸(C24)、三十四烷基五氟丙酸(C26)。

表7 酸酯類物質5個主成分的特征值、貢獻率以及累計貢獻率

表8 酸酯類物質主成分載荷矩陣

2.3.4 雜環類揮發性物質主成分分析

由表9可以看出，雜環類揮發性物質5個主成分的特征值都大于1，累計貢獻率達到88.494%，可以較好地解釋樣品變量88.494%的信息，從表10可以看出，對第一主成分貢獻較大的物質有D3、D4、D5、D10、D12，載荷量分別為0.906、0.867、0.867、0.856、0.806，對第三主成分貢獻較大的物質為D11、D13，載荷量分別為0.616，0.720，對第四主成分貢獻較大的物質為D6，載荷量為0.718。第一、三、四主成分的累計貢獻率為65.327%，超過50%，可以認為雜環類的主要揮發性物質為萘(D3)、2-甲基-萘(D4)、1-甲基-萘(D5)、十八烷基磺酰氯(D10)、丁羥甲苯(D12)、苯甲酰胺(D11)、O-癸基-羥胺(D13)、4,4,8,9,10-五甲基十氫萘(D6)。

表9 雜環類物質5個主成分的特征值、貢獻率以及累計貢獻率

表10 雜環類物質主成分載荷矩陣

2.3.5 各類揮發性物質的主成分得分及特征揮發物的確定

原始數據在主成分分析前均進行標準化處理，A、B、C、D類揮發性物質的主成分得分列于表11，儲藏180 d后的各類揮發性物質的主成分得分坐標圖見圖2。由表11可以看出隨著儲藏時間的延長，主成分總得分呈現增長的趨勢，在儲藏150 d時達到最大，說明150 d的揮發性物質對秈稻谷品質劣變的貢獻最大，其次貢獻較大的為儲藏180 d時的揮發性物質，這與電子鼻的分析結果一致，且儲藏150 d時，A類物質的得分為1.04，B類物質的得分為5.87，C類物質的得分為-0.34，D類物質的得分為1.58，因此，對秈稻谷樣品整體揮發性物質貢獻由大到小依次為：B(醇醛酮類)、D(雜環類)、A(烴類)、C(酸酯類)。

從圖2分別來看4類揮發性物質的得分，A、C、D3類物質在儲藏期間沒有太大的變化，B類物質在前120 d時趨勢較平緩，儲藏到150 d時急劇上升，明顯區別于前面儲藏的120 d，且B類物質的相對含量也儲藏150 d時有明顯的增大，可以認為秈稻谷在儲藏150 d時品質下降，并且已經發生了劣變，說明導致秈稻谷品質發生劣變的特征性揮發物出現在儲藏150 d的時候， 由表12可看出，B3、B5、B10、B13在儲藏150 d時被檢測到，而B15、B16、B18、B19雖然在儲藏180 d時被檢測到，但也可作為秈稻谷品質發生劣變的特征性揮發物，因此，秈稻谷在儲藏過程中的特征性揮發性物質為2-己基-1-癸醇、苯甲醇、己醛、癸醛、順-2-癸烯醛、2-十二烯醛、2-十一酮、5-十三酮，當檢測出上述物質時，秈稻谷的品質可能已經發生劣變。

圖2 4類揮發性物質的主成分得分坐標圖

表11 4類揮發性物質的主成分得分

儲藏時間/d主成分得分ABCD總計0-0.53-1.53-0.25-0.74-3.0530-0.47-2.68-0.44-0.65-4.24600.09-1.30-0.31-0.31-1.8390-0.21-1.820.09-0.64-2.58120-0.75-2.34-0.08-0.61-3.781501.045.87-0.341.588.151801.461.59-0.260.863.65

表12 儲藏期間醇醛酮類揮發性物質的相對含量

3 結論

通過電子鼻對儲藏180 d后的秈稻谷樣品進行檢測，主成分累計貢獻率高達99%，區分指數81，可以認為對不同儲藏時間的樣品起到了很好的區分作用，反映出了樣品風味的整體信息，GC-MS檢測出102種揮發性物質，分別對不同種類的物質進行主成分分析，可以很明顯地得出對整體風味貢獻最大的是醇、醛、酮3類物質，進一步分析和觀察后推斷出導致秈稻谷品質劣變的特征性揮發物為2-己基-1-癸醇、苯甲醇、己醛、癸醛、順-2-癸烯醛、2-十二烯醛、2-十一酮、5-十三酮，當檢測出上述物質時，秈稻谷的品質可能已經發生劣變，電子鼻與GC-MS結合能較好地檢測分析秈稻谷揮發性物質。

[1]周顯青, 張玉榮. 儲藏稻谷品質指標的變化及其差異性[J]. 農業工程學報, 2008: 24(12): 238-242

Zhou X Q, Zhang Y R. Changes and differential analysis of the quality indexes of stored paddy[J]. Journal of Agricultural Engineering, 2008：24(12)：238-242

[2]張來林, 陸亨久, 尚科旗. 不同溫度下稻谷的品質變化[J]. 糧食儲藏, 2005, 34(6): 32-34

Zhang L L, Lu H J, Shang K Q. Quality change of stored paddy in different temperature[J]. Grain Storage, 2005, 34(6)：32-34

[3]周顯青, 張玉榮, 趙秋紅. 稻谷新陳度的研究(四)——稻谷儲藏過程中揮發性物質的變化及其與新陳度的關系[J]. 糧食與飼料工業, 2005(2): 1-3

Zhou X Q, Zhang Y R, Zhao Q H. Study on the freshness of paddy (IV) : The change of volatile matters during rice storage and its relation with the freshness and aging of rice[J]. Cereal & Feed Industry, 2005(2)：1-3

[4]Di Natale C, Filippini D, Pennazza G, et al. Sorting of apricots with computer screen photoassisted spectral reflectance analysis and electronic nose[J]. Sensors and Actuators B: Chemical, 2006(119):70-77

[5]Alimelli A, Pennazza G, Santonico M, et al. Fish freshness detection by a computer screen photoassisted based gas sensor array[J]. Analytica Chimica Acta, 2007(582)：320-328

[6]Santonico M, Pittia P, Pennazza G, et al. Study of the aroma of artificially flavoured custards by chemical sensor array fingerprinting[J]. Sensors and Actuators B: Chemical, 2008(133):345-351

[7]龐林江, 王俊, 路興花. 電子鼻判別小麥陳化年限的檢測方法研究[J]. 傳感技術學報. 2007, 20(8): 1717- 1722

Pang L J, Wang J, Lu X H. Discrimination of different storage time of the wheat by electronic nose[J]. Chinese Journal of Sensors and Actuators. 2007, 20(8) : 1717-1722

[8]林家永, 高艷娜, 吳勝芳. 頂空固相微萃取-氣質聯用法分析稻谷揮發性物質[J]. 食品科學, 2009, 30(20): 277-282

Lin J Y, Gao Y N, Wu S F. Headspace solid phase microextraction coupled to GC-MS for analyzing volatile components in paddy[J]. Food Science, 2009, 30(20)：277-282

[9]陳曉明, 李景明, 李艷霞. 電子鼻在食品工業中的應用研究進展[J]. 傳感器與微系統, 2006, 25(4): 8-11

Chen X M, Li J M, Li Y X. Development of application research of electronic nose in food industry[J]. Transducer and Microsystem Technologies, 2006, 25(4)：8-11

[10]黃業傳, 李鳳, 黃甜. 利用電子鼻和氣質聯用研究臘肉揮發性風味物質的形成規律[J]. 食品工業科技, 2014, 6(35): 73-80

Huang Y C, Li F, Huang T. Study on formation law of volatile flavor compounds in bacon using electronic nose and GC-MS[J]. Science and Technology of Food Industry, 2014, 6(35)：73-80

[11]劉玉平, 陳海濤, 孫寶國. 魚肉中揮發性物質提取與分析的研究進展[J]. 食品科學, 2009, 30(23): 447-451

Liu Y P, Chen H T, Sun B G. Recent advances in extraction and analysis of volatile components in fish[J]. Food Science, 2009, 30(23)：447-451

[12]王霞, 黃健, 侯云丹. 電子鼻結合氣相色譜-質譜聯用技術分析黃鰭金槍魚肉的揮發性物質[J]. 食品科學, 2012, 33(12): 268-272

Wang X, Huang J, Hou Y D. Analysis of volatile components in Yellowfin Tuna by electronic nose and GC-MS[J]. Food Science, 2012, 33(12)：268-272

[13]徐永霞, 劉瀅, 姜程程. 電子鼻結合氣質聯用法分析大菱鲆冷藏過程中揮發性物質變化[J].食品與發酵工業, 2014, 40(1): 193-197

Xu Y X, Liu Y, Jiang C C. Study on volatile components of turbot (Psettamaxima) by GC-MS and electronic nose[J]. Food and Fermentation Industries, 2014, 40(1)：193-197.

Detection and Analysis of Volatile Compounds in Indica Rice During the Period of Storage by Electronic Nose and HS-SPME-GC-MS

Ju Xingrong Zhang Mengda Shi Jiayi

(College of Food Science and Engineering, Nanjing University of Finance and Economics, Collaborative Innovation Center for Modern Grain Circulation and Safety, Nanjing 210046)

This study used the electronic nose(E-nose) to detect Indica rice stored on different storage time (0, 30, 60, 90, 120, 150 and 120 d), storage temperature of 35 ℃, moisture content of 15.5%, and analyzed the whole volatile compounds by principal component analysis(PCA). Moreover, the relative content of volatile compounds in Indica rice was measured by headspace solid-phase micro-extraction (HS-SPME) and gas chromatography-mass spectrometry (GC-MS), and finally PCA was adopted to analyze volatile compounds. The results showed the cumulative contribution rate of the first and second principal components of E-nose reached 99%, discrimination index was 81, and PCA diagram showed that stored data on the initial date and in 6 months were not overlapped, so the effect of discrimination was satisfactory; The results of GC-MS showed that among totally 102 volatile compounds, the relative content of hydrocarbons, alcohols, aldehydes, ketones and heterocyclic compounds showed the tendency of increase with the extension of storage time, according to results of PCA, and alcohols, aldehydes, ketones made the greatest contribution to the whole of volatile compounds, and then followed by heterocyclic compounds,hydrocarbons, acids and esters. 2-hexyl-1-Decanol, Benzyl alcohol,Hexanal, Decanal, (Z)-2-Decenal, 2-Dodecenal, 2-Undecanone, 5-Tridecanone were the characteristic volatile compounds which could lead to the deterioration ofIndica rice’s quality by calculating principal component scores and observing the change of the relative content of volatile compounds. E-nose and GC-MS could detect and analyze volatile compounds from macroscopic and microscopic aspects, and PCA could effectively infer the characteristic volatile compounds contributing to Indica rice’s quality deterioration.

indica rice, volatile compounds, electronic nose, HS-SPME-GC-MS, principal component analysis

TS210.1

A

1003-0174(2016)12-0139-08

863計劃(2012AA101705-3)，國家糧食公益性行業科研專項(201313007)

2015-04-09

鞠興榮，男，1958年出生，教授，功能食品及農產品深加工