利用電子鼻檢測不同香辛料熬制的鹵湯

王儲炎 熊國遠+賈敬敏 袁士光+方義均

摘要：采用電子鼻技術對不同香辛料調制的鹵湯進行檢測，并使用主成分分析（PCA）、線性判別分析（LDA）2種模式進行分析。結果表明：12種食用香辛料對整體風味影響因素大小次序為山柰>小茴香>丁香>草果>甘草>肉桂>花椒、白芷>豆蔻>砂仁>八角>香葉；主成分分析、線性判別分析2種分析模式均可明顯區分鹵湯中香辛料成分，鹵湯整體風味的感覺與香辛料含量并不呈正相關，也并非香辛料添加量越多，人體嗅覺感受越明顯。研究結果可為傳統肉制品的加工提供借鑒。

關鍵詞：香辛料；電子鼻；鹵湯；模式分析

中圖分類號： TS264.9文獻標志碼： A

文章編號：1002-1302（2017）10-0136-04

香辛料是利用植物的種子、花蕾、葉莖、樹皮、根塊、果實或其提取物制成的一類具有芳香、辛香等典型風味的天然植物性原料統稱[1]。作為天然植物調味劑，香辛料一般具有香、辣、辛、麻、苦、甜等氣味，不僅能夠賦予食物獨特的氣味，還能改善食物風味，抑制和矯正肉制品中不良氣味，使食品風味更加協調[2-4]。香辛料在肉制品加工中具有不可替代的作用，傳統醬鹵肉制品如符離集燒雞、德州扒雞、錦州溝幫子熏雞、河南道口燒雞、吳山貢鵝、五香豬蹄等，都離不開香辛料的貢獻，其調味鹵湯的共有做法多數包括選取十多種香辛料，通過粉碎、稱取、混合、熬煮等工藝[5]。

電子鼻又稱為氣味分析儀，是一種模擬人類嗅覺原理開發出的高科技產品，主要由氣敏傳感器、信號處理系統和模式識別系統組成。其中，氣敏傳感器是電子鼻的基礎部件，也是其核心部分，它相當于人的嗅覺神經元，單個氣敏傳感器對氣體的響應可用強度表示。當由多個氣敏傳感器組成傳感器陣列同時測量多種成分組成的氣味時，就會在多維空間中形成響應模式。在建立數據庫的基礎上，對每個樣品進行數據計算和識別，可得到樣品的氣味指紋圖，從而實現對揮發性氣體的分析、檢測[6-9]。目前，電子鼻在食品、農業、醫藥、環境監測等諸多領域已有研究和應用[10-11]，食品領域主要應用到茶葉[12-15]、白酒[16-17]、葡萄酒[18-20]、煙草的質量鑒別[21-22]、香精的檢測[23-25]、豬肉新鮮度的識別[26]等。本研究首次利用電子鼻檢測肉制品加工中不同香辛料熬制出的調味鹵湯，通過采取主成分分析、線性判別分析2種模式來對優化信息進行處理，以期獲得不同香辛料配方對鹵湯的影響，從而為醬鹵肉制品的調味提供合理建議，為其加工工藝的改進提供有效的理論依據。

1材料與試劑

1.1材料

小茴香、肉桂、八角、花椒、草果、豆蔻、砂仁、甘草，購自宿州市李元記調味品公司；香葉、丁香、白芷、山奈，購自合肥周谷堆農貿市場。

1.2儀器與設備

Inose電子鼻[包含SS1（芳香族化合物類）、SS2（氮氧化合物、低分子胺類）、SS3（硫化物類）、SS4（有機酸酯、萜類）、SS5（萜類、酯類）、SS6（甾醇類、三萜類）、SS7（脂肪烴含氧衍生物類）、SS8（胺類）、SS9（氫氣類）、SS10（呋喃類）、SS11（VOC）、SS12（硫化物）、SS13（乙烯）、SS14（內酯類、吡嗪類）14個金屬傳感器]，上海瑞玢國際貿易有限公司；TP-300D型分析天平，上海精密儀器有限公司；FZ-4型高速粉碎機，溫嶺市百樂粉碎設備廠；C20-SDHJ07G型電磁爐，浙江紹興蘇泊爾生活電器有限公司。

1.3試驗方法

1.3.1樣品的制備結合筆者所在課題組前期的試驗結果[27]，選擇常用的12種香辛料，如小茴香、花椒、草果、肉桂、香葉、白芷、豆蔻、砂仁、八角、丁香、山柰、甘草，通過粉碎、稱取、混合、蒸煮、冷卻、離心等步驟制作鹵湯，基礎配方見表1。然后固定11種香辛料配方，通過改變某種香辛料的比例來制備樣品，各香辛料濃度設5個水平（表2），樣品總量為60個。

每個樣品平行測定4次。

1.4數據分析

電子鼻數據主要采用的分析方法有主成分分析（principal components analysis，簡稱PCA）法、線性判別分析（linear discriminant analysis，簡稱LDA）法[28-30]。其中PCA分析法散點圖上顯示主要的二維散點圖，顯示第1主成分PCA1、PCA2的貢獻率。貢獻率較大，說明主要成分可以較好地反映原來多指標的信息。一般認為貢獻率超過70%時，此方法即可使用[20]。LDA法具有分類效果好、易實現等優點，可與PCA法同時采用，達到更好地分析的目的[31-32]。PCA法、LDA法在電子鼻氣味檢測領域已取得良好效果，因此本試驗主要采用這2種方法進行數據處理。

1.5辨別值（DI）

DI值是判斷區分能力優劣的主要指標[10]，一般DI值為單樣品區域面積占所有區域總體面積比例的互補值。DI大于80%，說明區分效果較明顯。

2結果與分析

2.1不同香辛料的PCA分析結果

雖然12種香辛料僅有1種因素為變量，但是PCA分析法還是能夠很好地區分，總體識別指數DI值均高于90%。一般來說，第1主成分、第2主成分包含了很大的信息量，能夠反映樣品間的整體信息[21]，因此PCA主成分分析能夠較好地區分12種香辛料中任意1種香辛料的變化。

由圖1可知，小茴香第1主成分貢獻率達92.6%，第1主

[FL（2K2]成分、第2主成分的總貢獻率均達到99.4%，小茴香樣品之間的差別主要是由第1主成分決定的[16]，第1主成分主要為芳香族化合物類，這與事實也相符；此外，從香葉、草果、八角、花椒等材料中也可得出類似的結論；而對肉桂進行分析得出，其第1主成分、第2主成分均對肉桂的風味有一定的影響，這說明芳香族化合物類、氮氧化合物、低分子胺類對其風味有一定影響，這是肉桂不同于其他11種香辛料風味特征的主要原因。

2.2不同香辛料的LDA分析結果

由圖2可知，除了肉桂2比較接近外，其他組分均分布較遠，呈現無規律的變化情況；同時發現，香辛料DI值均高于80%，說明LDA對各香辛料的區分辨別效果非常明顯。所有香辛料均不隨添加量呈現比例等值的變化，這可能有3個原因：（1）每種香辛料的風味均有多種物質組成；（2）不同風味物質濃度不呈現比例累積的趨勢，可能會有相乘作用、加強作用，甚至還會有相殺作用；（3）可能與本研究為不同香辛料組成的混合鹵湯這個檢測對象有關。而由圖1、圖2可知，香辛料整體風味的感覺與單個香辛料含量的比例并不呈正相關，也并非香辛料添加量越多，其風味物質越明顯，或者說濃度高會對人嗅覺感受有明顯的影響，因此在開發不同香辛料配方過程中，要結合實際情況，通過實踐更多地進行探索。

2.4雷達圖分析

在雷達圖分析過程中，發現12種香辛料的變化趨勢基本一致，以小茴香、豆蔻為例進行解釋，詳見圖3、圖4。由圖3可知，5種不同小茴香濃度樣品的電子鼻傳感器響應值的大致輪廓相似，說明5種樣品的整體風味相似，符合試驗設計要求；但仍有一些差別，主要表現在雷達圖中的2、5、11、12、13的傳感器信號差別，這是由于小茴香含量不同造成的，表明傳感器能夠識別小茴香的風味物質。由圖3還可見，小茴香3的圖形位于最外圈，總體特征值最大，表明感應器對樣品3的小茴香成分靈敏度大于其他4個樣品中小茴香成分添加量，間接表明人類對香辛料整體風味的感受與香辛料含量并不呈正相關，并非香辛料添加量越多，人體嗅覺感受越明顯。

由圖4可知，豆蔻3樣品的圖形位于最外圈，總體特征值明顯大于其余4種樣品，表明電子鼻對豆蔻3樣品風味更敏感，同時說明該樣品中豆蔻的添加量對整體氣味、風味影響最明顯，高于或低于此添加量，對于產品的氣味影響都較小。

3結論

12種食用香辛料對整體風味影響因素排序為山柰>小茴香>丁香>草果>甘草>肉桂>花椒、白芷>豆蔻>砂仁>八角>香葉，主成分分析（PCA）完全可以識別12食用香辛料中任意1種香辛料添加量的變化，線性判別分析（LDA）使樣品類內距離變小、類間距離變大，使模式在空間中有最佳的分離性。根據對雷達圖分析表明，人體對于香辛料整體風味的感覺與香辛料含量并不呈正相關，并非香辛料添加量越多，人體嗅覺感受越明顯。

參考文獻：

[1]彭林，李明澤，任文瑾，等. 香辛料生理功能的研究進展[J]. 食品與發酵工業，2012，38（2）：157-162.

[2]張恬靜，Gu Y，Lu C X. 肉制品中香辛料的應用[J]. 肉類研究，2009，119（8）：85-88.

[3]楊龍江，戴瑞彤，吳國強. 香辛料及其在肉制品中的應用[J]. 肉類工業，2001（1）：8-12.

[4]孫明珠，燕玉富. 天然香辛料的種類和功能[J]. 肉類工業，1997（6）：39-41.

[5]操時樹，白琳. 加工肉制品常用的香辛料[J]. 肉類工業，2000（4）：11-13.

[6]謝安國，王金水，渠琛玲，等. 電子鼻在食品風味分析中的應用研究進展[J]. 農產品加工·學刊，2011（1）：71-73，87.

[7]王俊，胡桂仙，于勇，等. 電子鼻與電子舌在食品檢測中的應用研究進展[J]. 農業工程學報，2004，20（2）：292-295.

[8]高瑞萍，劉輝. 電子鼻和電子舌在食品分析中的應用[J]. 肉類研究，2010（12）：61-67.

[9]劉亭利，胡國清. 電子鼻的應用綜述[J]. 傳感器世界，2007，13（8）：6-10.

[10]丁玉勇. 基于電子鼻和多種模式識別算法的不同種食用香辛料的鑒別[J]. 食品科學，2013，34（16）：274-278.

[11]鄒慧琴，劉勇，林輝，等. 電子鼻技術及應用研究進展[J]. 傳感器世界，2011，17（11）：6-11.

[12]于慧春，王俊. 電子鼻技術在茶葉品質檢測中的應用研究[J]. 傳感技術學報，2008，21（5）：748-752.

[13]陳哲，趙杰文. 基于電子鼻技術的碧螺春茶葉品質等級檢測研究[J]. 農機化研究，2012，34（11）：133-137.

[14]薛大為，楊春蘭. 基于電子鼻技術的黃山毛峰茶品質檢測方法[J]. 湖北工程學院學報，2014，34（3）：64-67.

[15]于慧春，王俊，張紅梅，等. 龍井茶葉品質的電子鼻檢測方法[J]. 農業機械學報，2007，38（7）：103-106.

[16]高永梅，劉遠方，李艷霞，等. 主要香型白酒的電子鼻指紋圖譜[J]. 釀酒科技，2008（5）：38-40，44.

[17]周紅標，張宇林，丁友威，等. 自適應概率神經網絡及其在白酒電子鼻中的應用[J]. 智能系統學報，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]張樹明，楊陽，倪元穎. 近紅外光譜和電子鼻技術用于葡萄酒

[KG2]發酵過程中酒精度的定量分析[J]. 光譜學與光譜分析，2012，32（11）：2997-3001.

[20]薛婷，岳進，鄧云，等. 不同烘烤度橡木片陳釀葡萄酒的電子鼻快速區分[J]. 上海交通大學學報（農業科學版），2014，32（3）：45-50.

[21]田耀偉，楊雷玉，朱先約，等. 電子鼻在卷煙真偽鑒別中的應用[J]. 食品工業科技，2011（4）：376-378，382.

[22]李敏健，沈光林，伍錦鳴，等. 電子鼻技術在卷煙內在品質分析中的應用[J]. 煙草科技，2009（1）：9-13，21.

[23]陳曉明，馬明輝，李景明，等. 電子鼻在天然蘋果香精檢測中的應用[J]. 食品科學，2007，28（3）：261-265.

[24]李寧，鄭福平，李強，等. 電子鼻對牛奶、奶油、奶味香精檢測參數的研究[J]. 食品科學，2009，30（18）：335-339.

[25]田懷香，孫宗宇. 電子鼻在金華火腿香精識別中的應用[J]. 中國調味品，2008，33（11）：61-64.

[26]孫鐘雷. 電子鼻技術在豬肉新鮮度識別中的應用[J]. 肉類研究，2008，2（2）：50-53.

[27]王儲炎，楊松，陳亮，等. 幾種香辛料對麻辣雞感官品質的影響[J]. 現代農業科技，2015（14）：288-290.

[28]胡桂仙，王俊，海錚，等. 不同儲藏時間柑橘電子鼻檢測研究[J]. 浙江農業學報，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. 電子鼻測定牛奶中摻入外來脂肪[J]. 乳液科學與技術，2008，31（1）：39-41.

[32]王鑫，賈洪鋒，鄧紅，等. 電子鼻在芝麻油及芝麻油香精識別中的應用[J]. 中國調味品，2012，37（5）：39-43.