易宇文，胡金祥，刘阳，彭毅秦，邓静，吴华昌，乔明锋，*

（1.四川旅游学院烹饪科学四川省高等学校重点实验室，四川 成都 610100；2.四川旅游学院，四川 成都 610100）

酱油由大豆、淀粉、小麦等原料经过酵母菌、米曲霉、乳酸菌等微生物发酵作用，将原料水解成肽、糖类、多种氨基酸及有机酸等物质，并以这些物质为前体，经过复杂的生物化学反应，形成具有一定滋味、香气和色泽的液态调味品[1]，是我国传统调味品，历史悠久，在各大菜系中具有重要地位，研究表明，酱油风味受原料及配比、原料处理方式、发酵方式方法、菌种、添加物等影响[2]。

电子鼻和电子舌是20 世纪中后期出现的模拟人类嗅觉和味觉器官的仿生仪器，统称智能感官，具有检测速度快、样品前处理简单、操作方便、重现性好等特点，在食品行业应用广泛[3-7]。一般情况下，仅使用电子鼻或电子舌就能实现样品区分、鉴别，但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做出全面评价，仅从电子鼻气味或电子舌滋味单一角度评价往往难以获得令人满意的结果[8-9]。目前基于智能感官酱油评价往往单独采用电子鼻[10-12]（气味）或者电子舌[13-14]（滋味）进行，未进行综合评价。因此，采用电子鼻和电子舌传感器数据联用，获得酱油气味和滋味综合信息，可准确全面对样品进行鉴别、评价和区分[15]。电子鼻和电子舌数据信号联用方法有数据直接合并融合法、特征值提取后联用法和分别建模后重组有效信息法[16]；另外，主成分分析法（principal component analysis，PCA）是在不丢失主要信息的前提下，以较少新变量代替原始变量，直观反应原始数据信息的分析方法，是电子鼻、电子舌分析常用方法。

以8 种酱油电子鼻、电子舌检测信号以及电子鼻/舌信号直接融合为研究对象，结合主成分分析、区别指数、质量控制模型（statistical quality control，SQC）、马氏距离，从香味和滋味角度综合评价区分酱油的风味，比较数据融合的优势，为酱油风味评价提供方法参考。

1 材料与方法

1.1 材料与仪器

1.1.1 材料

酱油配料见表1。

表1 样品及原料Table 1 Samples and raw materials

1.1.2 仪器

FOX 4000 型电子鼻（该仪器由18 种金属氧化物传感器组成，分布在主机的3 个矩阵室，每个矩阵室内有6 根非专一性传感器，对一类或者几类物质敏感[17]）、α-ASTREE 型电子舌（该电子舌由7 根非专一性传感器和一个Ag/AgCl 参比电极组成，每根传感器对酸、咸、甜、苦和鲜敏感，但程度不一[18]）：法国Alpha MOS 公司。

1.2 方法

1.2.1 样品处理

电子鼻：从酱油瓶中准确移液2.000 mL，放入10 mL顶空瓶，密封、编号，待用。

电子舌：从酱油瓶中准确移液10.000 mL，入100 mL容量瓶，加入蒸馏水定容至100 mL，取80 mL 入电子舌检测专用烧杯，编号，待用。

1.2.2 分析条件

电子鼻：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5 次。取传感器后3 次在第120 秒时获得的稳定信号进行分析。

电子舌：自动进样，数据采集时间120 s，每个样品平行检测5 次，取传感器后3 次在120 s 时采集的稳定信号作为分析数据。

1.3 数据处理

由于电子鼻和电子舌检测到的数据信号不在同一数量级，为减少其对分析结果的影响，在数据处理时先消除检测信号的数量级差异[19]。试验选取电子鼻和电子舌各3 根传感器（判别能力居前三的传感器）[20]，对其原始数据进行标准化处理，其公示见式（1）。

注：y 为标准化结果，x 为传感器原始变量，min 为传感器响应值中最小值；max 为传感器响应值中最大值。

然后分别对电子鼻和电子舌数据进行PCA，最后将电子舌和电子鼻数据直接合并后进行PCA。PCA、SQC、识别指数、马氏距离均采用电子鼻自带软件（V12.3）进行处理，作图采用Origin 9.1。

2 结果与分析

2.1 电子鼻分析

8 种酱油电子鼻分析结果见图1。

图1a 是主成分分析，第一主成分（PC1）为99.37%，第二主成分（PC2）仅为0.5933%，说明在进行线性变换时，大量的有效信息保留在PC1。卢小泉[21]认为PC1方差越大越能说明其包含的信息量大。王琼等[22]认为PC1 和PC2 超过80%即可反应样品在气味方面的主要特征信息。8 个样品可分为 3 种香味（1、2；3、4、5、7、8；6）。图中，1、2 号和 3、4、5、6、7、8 号样品分别分布在Y 轴右、左侧，4、8 号样品有部分交叉（极为相似），说明电子鼻能够从气味上区分大部分样品，部分气味极为相似的无法区分。1、2 号样品组内差异较明显；3、4、5、7 和8 号样品组内差异较小（分布在以坐标轴焦点为圆心的小圆内），差异最大的是2 和6 号样品，且所有差异均来自PC1。

图1b 是区别指数。区别指数是根据被测样品和参照样品的传感信号分散百分比与图谱峰面积的比例转化而来，主要用于明确比较样品间区分度[23]。b 中，样品间区别指数最大为99.26%，是2 和6 号样品；这与PCA 中2、6 号样品分布在X 轴最左和最右端一致，说明其差异大。差异最小的是4、7 号样品，为2.18%，相似度高；这与PCA 中4、7 号样品的位置很靠近一致。在PCA 中，4、8 号样品有交叉，电子鼻无法从香气上区分（极为相似），区别指数为9.81%，这与4、7 号样品间的区别指数（2.18%）矛盾。原因可能是4 号样品与8 号样品在某些香气成分上极为相似，但总体香气上不及4、7 号样品相似。具体原因需要进一步研究。

图1c 是以1 号样品为参照样，建立的统计质量控制模型（SQC）图，分析其他样品与参照品在香气上的差异。图中，与参照品香气最为接近的是2 号样品；这与 PCA 分析中，1、2 号较为接近一致。3、4、5、7、8 号样品分布在区间（3 000、5 000），相似度高。这和 PCA 分析中分布在以焦点为圆心的小圆内一致。2、6 号样品分别分布在Y 轴最上端和最下端，说明其差异较大，这也与a 中PCA 一致，b 中区别指数最大一致；d 中马氏距离最大一致。

图1d 是样品间马氏距离。c 中，2，6 号样品间的马氏距离最大，为 1 213；最小为 4、7 号样品，为 27；4、8号样品间的马氏距离为 61（较 4、7 号大），与 PCA 和区别指数的分析结果一致。

2.2 电子舌分析

8 种酱油的电子舌分析结果见图2。

图2 酱油风味电子舌分析Fig.2 Electronic tongue analysis of soy sauce flavor

图2a是PCA图，图中 PC1 和 PC2 分别为 90.449%和6.813%，总贡献率为97.262%，能够反应样品的主要滋味特征。朱文政等[24]认为电子舌PC1 和PC2 总贡献率超过65.2%即可反应样品的主要滋味特征。8 个样品在4 个象限均有分布且无交差重合，说明电子舌能够从滋味上区分 8 种酱油。1、2、3、8 及 6 号样品的部分分布在第四象限且被圈在以焦点为圆心的小圆内，分布较为集中，有一定相似度；2、3 号样品仅在PC2 上有差异，相似度高。张晓敏等[25]认为如果PC1 和PC2 差异较大，而样品差异主要体现在PC2 上，则样品之间差异较小。4、7 号样品分布在X 轴两端，差异大。4 号样品所在位置，可以推测其滋味比较特殊，可能与其配料中海藻膏调味料以及乳酸有关；7 号样品所在位置可能与其添加了玉米有关。

图2b 是8 个样品区别指数。4、7 号样品区别指数为99.94%，为最大。这与PCA 中分别分布在X 轴最左和最右端一致。2、3 号样品区别指数为88.27%，差异最小，这与PCA 中仅在PC2 上有差异，一致。

图2c 是以1 号样品为参照样，建立的统计质量控制模型（SQC） 图。图中，4、7 号样品分别分布在（400，450）和（-250，-300），为差异最大样品组。这与PCA、区别指数和马氏距离分析结果一致。2、3 号样品分布在（-50，-120），差异较小。这与PCA、区别指数和马氏距离分析结果一致。1、2、3、6、8 号样品分布在（50，-300），这与PCA、区别指数和马氏距离分析结果一致。

图2d 是样品马氏距离。4、7 号样品间马氏距离840，为最大（相似度最低）。这与PCA 中分布在X 两端一致；区别指数99.94%（最大）一致。2、3 号样品间的马氏距离62，为最小（相似度最高）。这与PCA 中仅在PC2 上有差异一致；区别指数88.27%（最小）一致。1、2、3、6、8 号样品间的马氏距离均在 200 以下，差异较小，这与PCA 中分布在第四象限且被小圆圈住一致；与相互间区别指数最高98.61%一致。

结合图1和图2，可以看出电子鼻PCA 不能完全区分8 个样品，4 和8 号样品存在交叉；而电子舌则可以完全将8 个样品区分开来。说明某些在气味上极为相似的样品，电子鼻区分能力不足。此时电子舌可以区分样品。但仅依靠电子舌或者电子鼻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。仅仅从滋味或气味评价食品的方法是有缺陷的。

2.3 电子鼻和电子舌信号联用酱油风味区分

电子鼻/电子舌传感器数据融合分析结果见图3。

图3 电子鼻和电子舌信号联用酱油风味分析Fig.3 Analysis of soy sauce flavor by combination of E-nose and E-tongue

图3a 中PC1 和PC2 的累计贡献率为97.272 %，结合王琼等[22]和朱文政等[24]的研究，97.272%可以反应出样品在滋味和气味上的特征差异。图3c 中，1、2 号样品分布在Y 轴的右侧，其他样品分布在左侧，样品间均无交叉重合，说明电子鼻/电子舌信号融合较单独使用电子鼻的区别能力强，能够提高辨别能力，从气味和滋味上综合评价酱油。1、2 号样品分布在第一象限，相对较为接近；区别指数为88.66%；马氏距离为304；SQC 分析分布在（700，-4 680），较为接近，说明 1、2 号样品组在气味和滋味上相对其他样品较为接近。在电子鼻、电子舌分析中，1、2 号样品在PCA、区别指数、SQC、马氏距离分析中都比较接近，这能够印证数据融合后1、2 号样品依然较为接近。4、5 和6 号样品分别分布在第二、三象限。马氏距离表明5、6 号样品较为接近（301），最远是 4、6 号样品（639）；PCA 表明 4、5、6 号样品的差异主要来源于PC2，PCA 坐标图表明5、6 号较为接近，4、5 号较 5、6 号远；SQC 分析表明 5、6 号样品分布在（8 500，10 500），较 4、5 号分布的区间窄，所以5、6 号样品在风味上相对相似度高，4、6 号样品差异大。在电子舌分析中，4、5、6 号样品在PCA、SQC、区别指数、马氏距离分析中与电子舌和电子鼻信号融合趋势一致。电子鼻分析中，4、5、6 号样品在PCA、区别指数、SQC、马氏距离分析中 4、5 号样品更为相似（接近）。这与信号联用后（综合评价）有差异。这说明信号融合，综合滋味和香味信息后，对样品相对位置及马氏距离等产生了影响，能够综合评价样品的风味。3、7、8 号样品分布在第三象限，较为集中，说明这3 个样品在风味上比较相似。马氏距离显示7、8 号样品最为靠近（198），最远为 3、7 号样品（287）；PCA 显示 7、8 号样品差异主要来源于 PC2，3 和 7、8 号样品的差异来源于PC1+PC2。这表明7 和8 号样品在风味上综合评价上相似度最高，3 与7、8 号样品较为相似。电子舌分析表明7、8 号样品在滋味上差异较为明显；3与8 号差异较小，与7 号差异较大。电子鼻PCA、区别指数、马氏距离、SQC 分析表明3、7、8 号样品差异较小。

3 结论

以8 种酱油的电子鼻、电子舌检测信号及其融合信号为研究对象，结合主成分、区别指数、质量控制模型、马氏距离，从香味和滋味角度综合评价酱油的风味。电子鼻分析表明：从香气上可将8 种酱油分成3组，电子鼻能够区分大多数样品，无法区分某些在香气成分上极为相似的样品，4、7、8 号样品相似度极高（电子鼻无法区分4、8 号样品），3、4 号样品相似度高，1、2 号样品有一定相似度。电子舌分析表明：样品在滋味上特征明显，电子舌能够区分8 种酱油，2、3 号样品相似度最高；1、5、6 和 8 号样品有一定相似度；4、7 号样品差异最大。电子鼻和电子舌检测信号融合分析表明8 个样品分成3 组（即3 种风味），且每组样品无交叉重合，区分效果好。研究结果表明，相对于单独使用电子鼻或电子舌，电子鼻/舌信号融合后综合评价能力强，能够综合气味和滋味信息，凸显样品间细微的差异，是智能感官评价食品风味的新趋势。