易宇文，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(四川旅游学院食品学院，四川 成都，610100)

我国是生猪养殖大国，年产量在40 000万头以上，也是猪肉消费大国，主要以鲜食为主，但深加工不够，造成其附加值较低。肘子，猪的前蹄髈，营养丰富，富含胶原蛋白等，其中东坡肘子作为传世名菜，是其典型代表。东坡肘子由宋朝大文豪苏东坡在其妻烹调肘子的基础上改良而成的一道佳肴[1]，具有色泽焦黄、肉香浓郁、肉质软糯、肥而不腻、粑而不烂的特点，加热后香气四溢，刺激嗅觉器官，让人垂涎欲滴，现已进行工业化生产。

食品的气味主要依靠人的嗅觉器官(鼻子)来辨识，但个体差异、喜好、生理和心理状况等对嗅觉的影响很大，因此重复性、稳定性差。智能嗅觉识别系统(电子鼻)是一种模拟人生理嗅觉的传感技术，它采用传感器阵列获得被分析物质的响应信号，利用参数模型技术[2]将响应信号处理成坐标，形成指纹图谱，从而获得不同气味之间的差异，能够避免生理嗅觉的缺陷，保证对同一样品的重复性和稳定性。目前，电子鼻在肉制品加工方面得到广泛应用，如肉类鲜度辨别[3-8]、肉类惨假[9-13]、肉制品中微生物监测[14-16]、饲养方式对肉品质的影响[17-21]等。这些研究主要说明电子鼻能够将样品从气味上快速区分开来，但并未指出传感器与感官特征的对应关系，而研究两者之间对应关系，在电子鼻数据处理时，能够迅速确定敏感传感器，减少干扰。因此，研究电子鼻传感器与感官评价的对应关系，对于从气味上鉴别与控制农产品质量具有重要意义；从文献来看，目前涉入该领域的学者很少，仅秦蓝[22]等建立了电子鼻传感器与鸡精调味料感官气味之间的关系。另外，食品研究中用到的多元统计方法主要有主成分分析(PCA)、聚类分析(CA)、判别分析(DA)和偏最小二乘法(PLS)等，其中，偏最小二乘法是一种研究多个因变量和多个自变量之间关系的统计学方法，主要用于农产品预测掺假[23]、含量预测[24]和相关性[25]研究等领域。

本文拟以电子鼻技术结合感官评价指标，采用ANOVA、PCA、CA等多元统计方法，对不同品牌东坡肘子进行辨识，并结合PLS研究传感器与感官气味间的关系，旨在说明电子鼻传感器与感官香味物质之间的相关性，为食品加工中质量控制的电子鼻检测与传感器选择提供一定的理论依据和参考。

1 材料与方法

1.1 材料与仪器

东坡肘子：共5个品牌，购于各大超市及电商平台，分别编号为1、2、3、4、5。其具体信息见表1。

分析天平(FALLC4N)，常州市衡正电子仪器有限公司；电子鼻(FOX 4000)，法国Alpha MOS公司，该电子鼻主机内有3个矩阵室，每个矩阵室有6根金属氧化物传感器，每种传感器对一类或几类物质敏感[26]，其传感器特性见表2。

表1 五种东坡肘子样品信息表

表2 电子鼻传感器性能特点

1.2 电子鼻分析方法

1.2.1 样品处理

将固形物和汤汁置于搅拌机,匀浆，转入盛器，保鲜膜密封，蒸30 min后，准确称量2.0 g，放入顶空瓶，密封、编号，待用。

1.2.2 分析条件

手动进样，顶空温度70 ℃，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，时间延迟180 s。每个样品平行测试5次，取后3次传感器在第120 s时获得的稳定信号进行分析。

1.3 感官评价

肉的香味物质构成非常复杂，研究表明在各类肉制品中发现的挥发性香味物质多达1 100多种[27]，一般来说可以将这1 100多种香味物质分成7类：基本肉香味、特征肉香味、焦糖香味、烤香香味、烟熏香味、葱蒜香味和香辛料香味[28]。结合东坡肘子的工艺流程和配料，从基本肉香味、特征肉香味、焦糖香味、葱蒜香味和香辛料香味5个维度对其进行感官评价，评价方法及数据处理参考乔明锋等的方法[29]，具体感官评价指标见表3。

1.4 数据处理

数据分析采用SPSS 22.0；作图采用Origin 9.1。

2 结果与分析

2.1 感官评分与电子鼻传感器响应值

2.1.1 感官评分方差分析

表4为5个样品的东坡肘子感官评价(基本肉香味、特征肉香味、焦糖香味、姜葱蒜香味和香辛料香味)结果。比较发现，1、5号样品在特征肉香味、姜葱蒜香味和香辛料香味3个指标上差异不显著，相似度最高；3号样品与其余4个样品在所有感官评价指标上差异均显著，所以3号样品与其余4个样品差异显著，从3号样品的得分也可以看出，它与其他几个样品的差异；样品2、4的差异也较明显，仅在香辛料香味这一维度差异不显著；样品1、5与2、4都有一定的相似性。

表3 东坡肘子感官评分标准

表4 东坡肘子感官评分方差分析

注：a、b、c、d表示同行组间数值差异性(p<0.05)，表5同。

2.1.2 电子鼻传感器响应值方差分析

表5是电子鼻传感器响应值的方差分析结果。5个样品的传感器平均响应值分别为0.26、0.20、0.10、0.35和0.25，将传感器平均响应值以0.10为单位，对传感器平均响应值进行分类，则1、2和5号样品成类，3、4号样品可分别单独成类。将表5中所有传感器响应值取绝对值，两两比较发现，1和5号在TA/2差异为0.00，为最小；在P30/1上差异为0.10，为最大，最大值与最小值只差为0.10，即极差为0.10。而其他任何2个样品之间的极差均大于0.10。所以1和5号样品之间的离散程度较小，相似性高。1、2号和2、5号的极差分别为0.19和0.15；1、4和5、4号样品极差分别为0.22和0.23；3、2和2、4号样品极差分别为0.35和0.32；5、3和1、3号样品极差分别为0.41和0.49；3、4号样品极差为0.59，所以3、4号样品差异最大。

表5 东坡肘子电子鼻传感器响应值方差分析

2.2 感官评分和电子鼻检测主成分分析

王琼等认为，2个主成分超过85%即可反应样品的主要特征信息[30]，图1-a中第一、二主成分高达92.29%(PC1为65.98%，PC2为26.31%)，能够完全反应样品感官评价结果的主要特征信息。5个样品在4个象限均有分布，其中1、5和4号样品分布在Y轴的右面；2和3号样品分布在Y轴的左面，且5个样品均有差异(无重合交叉)。1和5号样品分布在第一象限，结合表4方差分析，发现2个样品的感官评分结果比较接近，在5个评价指标中，有3个指标(特征肉香味、姜葱蒜香味和香辛料香味)差异不显著，仅在基本肉香味和焦糖香味两个指标上差异显著，所以1和5号样品相似度高。2号样品在第二、三象限均有分布，且与1、5号样品比较接近(最小的实线圆也可证实1、5和2号样品比较接近)，结合方差分析，如果将1、5号样品看作一个整体，2号样品与1、5号样品在特征肉香味和焦糖香味2个评价指标上相似度高，而在其他另外3个指标上差异显著。4号样品分布在第四象限，结合表4方差分析，如果将1、5和2号样品看成一个整体，则4号样品与他们仅在姜葱蒜香味上有显著差异；虚线圆将1、5、2和4号样品圈在一起，能够证实4号样品与1、5和2有相似之处。3号样品分布在第三象限，它是5个样品中圆心最远的样品，所以它与其他4个样品差异大；方差分析也能够证实，它与其他4个样品有显著差异(5个感官指标差异均显著)。

图1-b中，二维图中2个主成分累计贡献97.66%(PC1为93.88%，PC2为3.78%)，所提取的主成分信息也完全能够反应样品的主要特征信息。5个样品分布在坐标轴的第一、三和四象限，其中1、5号样品在第一象限紧紧相邻且与坐标轴焦点较近，相似度高，这与表5中传感器响应值平均值相近和极差最小(0.10)一致。1、5、2号样品被圈在以坐标轴焦点为圆心的最小实线圆中，说明它们有一定的相似性；传感器平均响应值的分类和极差(1、5极差为0.15；1、2极差为0.19)也能够证实它们有一定的相似性。4号样品分布在第四象限，与1、5、2号样品同时被圈在以坐标轴焦点为圆心的虚线圆中，说明这4个样品也有一定的相似性。方差分析中，4号样品与1、5、2号样品的极差分别为0.22、0.23和0.32，较1、5、2号样品大，但仍然具有一定的相似性。3号样品分布在Y轴的最左面，4号样品分布在Y轴的最右面，这与方差分析中，3、4号样品传感器相应平均值差异最大和极差最大(0.59)相吻合，所以3、4号样品差异最大。

结合图1，可以看出，5个样品不论是感官评价还是电子鼻分析，总体趋势一致，其细节差异主要反应在2号样品上；在图1-a中，2号样品横跨第二三象限，而在图1-b中，2号样品分布在第三象限且紧邻X轴，所以感官评价与电子鼻分析具有良好的一致性。

a-感官评价；b-电子鼻图1 感官评分与电子鼻检测结果主成分分析Fig.1 The PCA of sensory evaluation and electronic nose results

2.3 感官评价和电子鼻检测的聚类分析

图2-a中，1、5号样品在1.351 83处聚类，相似度高，这与表4感官评价方差分析中有3个指标(特征肉香味、焦糖香味、香辛料香味)差异不显著一致，也与图1-a主成分分析其分布在第一象限一致。样品1、5和2在1.815 18处聚类，有一定的相似性，这与感官评价中2个指标(特征肉香味、焦糖香味)差异不显著一致，也与主成分分析中被圈在最小实线圆一致。样品1、5、2和4在2.770 25处聚类，这与感官评价中3个指标(基本肉香味、特征肉香味、焦糖香味)差异不显著一致，也与主成分分析中分布在虚线圆中是一致的。样品1、5、2、4和3在3.754 86处聚类，这与感官评价中5个指标均差异显著是一致的，也与主成分分析中被圈在最大实线圆中是一致的。

图2-b中，1、5号样品在0.169 8处聚类，相似度高，这与表5中，传感器平均值差异细微(0.01)和极差(0.10)差异很小一致。样品1、5和2在0.487 53处聚类，这与方差分析中传感器响应平均值分类和极差较小(0.10～0.19)一致。样品1、5、2和4在0.790 88处聚类，这与方差分析中，4个样品两两之间的极差在0.10～0.32之间一致。所以1、5、2和4号样品也有一定的相似度。主成分分析中，被圈在虚线圆中也能够证实它们具有一定的相似性。1、5、2、4和3号样品在1.172 55处聚成大类，这说明3号样品与1、5、2和4样品的相似度较低。这与方差分析中3号样品与其他几个样品最小极差(最小0.35)均大于其他几个样品之间的极差(最大0.32)一致。主成分分析中，3号样品分布在距离以坐标轴为焦点的最大实线圆中，也能够说明它们的相似度较低。

纵观图2聚类分析，发现人的感官与电子鼻传感器具有良好的一致性，但是人的感官精密度比电子鼻差[31]，这可以从样品间距离的大小上证实。

a-感官评价；b-电子鼻图2 感官评分与电子鼻检测结果聚类分析Fig.2 The CA of sensory evaluation and electronic nose results

2.4 感官评分和电子鼻传感器的相关性分析

感官评价与电子鼻传感器具有良好的一致性。为了弄清它们之间的一致性具体依靠哪些传感器来实现，试验选取电子鼻18根传感器为自变量X，感官评价指标为因变量Y，进行PLS分析，其相关性载荷图见图3。在PLS模型中，PC1和PC2的贡献率为86.16%和10.08%，总贡献率达96.14%，能够反应样品的特征信息。电子鼻所有传感器和感官评分均落在大小圆(大小圆分别表示100%和50%的方差贡献率)之间，这说明模型所包含的信息能够完全解释传感器与感官评分之间的相关性。传感器LY2/LG与香辛料香味和姜葱蒜香味具有一定的相关性，在已有的文献中[26]LY2/LG对氧化性较强的物质敏感。而姜香味来源于一系列的烯类、醇类和醛类等，如已醛;葱蒜香味物质来源于乙酸乙酯、丁酸乙酯等[27]，这些物质都具有一定的氧化能力。传感器P30/2 、T30/1、 P40/2、 P30/1 、PA/2、T40/2、 T70/2、 P10/2、 P10/1 、TA/2、 P40/1和T40/1与基本肉香味、特征肉香味和焦糖香味具有良好的相关性，这与秦蓝[22]等人的研究具有相似之处，秦蓝等认为，传感器P30/2 、T30/1、 P40/2、 P30/1 和PA/2与动物膻味和鸡肉味相关性良好，肉香味的形成与蛋白质、脂肪、糖类等分解产生的氨、胺类、羰基化合物、低级脂肪酸[32]等有机化合物有关。在已有的文献中，电子鼻传感器T30/2 、T30/1、 P40/2、 P30/1、 PA/2 和P10/1对有机化合物敏感，如PA/2对胺类化合物敏感[26]，传感器LY2/LG、LY2/G、LY2/AA、LY2/Gh和LY2/gCTl与样品感官评价的相关性差。

图3 感官评价与电子鼻传感器相关性PLS分析Fig.3 The PLS plot of the correlation between sensory evaluation and electronic nose sensors

3 结论

试验对5个东坡肘子样品进行感官评价(基本肉香味、特征肉香味、焦糖香味、姜葱蒜香味和香辛料香味5个维度)和电子鼻检测，并采用方差分析、主成分分析、聚类分析和偏最小二乘法对感官评价和电子鼻检测结果的数据进行比较分析。感官评分与电子鼻检测的方差分析、主成分分析和聚类分析总体趋势一致，即1、5号样品相似度最高，2号样品与1、5号样品有较高的相似度，4号样品与1、5和2号样品有一定相似度，3号样品与1、2、4和5号样品有某些相似之处。通过PLS分析，传感器LY2/LG与香辛料香味和姜葱蒜香味具有一定的相关性，传感器P30/2、T30/1、 P40/2、 P30/1 、PA/2、T40/2、 T70/2、 P10/2、 P10/1 、TA/2、 P40/1和T40/1与基本肉香味、特征肉香味和焦糖香味具有良好的相关性。试验结果为肉制品检测时电子鼻传感器的选择提供一定的理论依据，扩展了电子鼻在农副产品深加工质量控制方面的应用。

[1] 传统名菜:东坡肘子[J]. 保健医苑,2013(1)：4.

[2] 王平. 人工嗅觉与人工味觉[M](第二版).北京：科学出版社，2007:17.

[3] HONG Xue-zhen，WANG Jun， HAI Zheng. Discrimination and prediction of multiple beef freshness indexes based on electronic nose[J]. Sensors and Actuators B Chemical, 2012,16(1):381-389.

[4] HONG X, WANG J. Discrimination and Prediction of Pork Freshness by E-nose[C]. Beijing: Computer and Computing Technologies in Agriculture V, 2011:1-14.

[5] 张淼，何江红，贾洪锋，等. 电子鼻在调理牦牛肉新鲜度识别中的应用[J]. 食品研究与开发,2014(21):89-92.

[6] 李越华，包建强，周秋淑，等. 基于电子鼻的鲫鱼肉新鲜度研究[J]. 食品工业科技,2014(19):284-288.

[7] 郭美娟. 电子鼻在虾新鲜度判别中的应用[D].天津：天津商业大学,2014.

[8] 易宇文，范文教，贾洪峰，等. 基于电子舌的微冻鲢鱼新鲜度识别研究[J]. 食品与机械,2014(2):142-145.

[9] 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.

[10] 徐瑗聪，董凯，黄昆仑，等. 猪肉、牛肉和绵羊肉掺伪PCR的检测技术[J]. 农业生物技术学报,2013,12:1 504-1 508.

[11] 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.

[12] NURJULIANA M， MAN Y B 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.

[13] 贾洪锋，卢一，何江红，等. 电子鼻在牦牛肉和牛肉猪肉识别中的应用[J]. 农业工程学报,2011(5):358-363.

[14] ARNOLD J W， SENTER S D. Use of digital aroma technology and SPME GC-MS to compare volatile compounds produced by bacteria isolated from processed poultry.[J]. Journal of the Science of Food and Agriculture, 1998, 78(3):343-348.

[15] WANG Dan-feng ， WANG Xi-chang， LIU Tai-ang ， et al. Prediction of total viable counts on chilled pork using an electronic nose combined with support vector machine[J]. Meat Science, 2012, 90(2):373-377.

[17] 王丹凤，王锡昌，刘源等. 电子鼻分析猪肉中负载的微生物数量研究[J]. 食品科学, 2010, 31(6):148-150.

[18] SANTOS J P， GARCA M， ALEIXANDRE M， et al. Electronic nose for the identification of pig feeding and ripening time in Iberian hams.[J]. Meat Science, 2004, 66(3):727-732.

[19] 王曼，王振宇，马长伟. 基于电子鼻的不同去势猪肉风味品质评价[J]. 肉类研究,2009(12):45-49.

[20] KAJA T，JOHNERIK H，HENRIKJ A，et al. Monitoring of warmed-over flavour in pork using the electronic nose-correlation to sensory attributes and secondary lipid oxidation products[J]. Meat Science, 2009, 80(4):1 254-1 263.

[21] O'SULLIVAN M G， BYRNE D V， JENSEN M T， et al. A comparison of warmed-over flavour in pork by sensory analysis, GC/MS and the electronic nose[J]. Meat Science, 2003, 65(3):1 125-1 138.

[22] 秦蓝，李凤华，田怀香，等. 鸡精调味料人工感官评价与电子鼻感官分析的相关性研究[J]. 食品与机械,2014(4):11-13，42.

[23] 杨仁杰，刘蓉，徐可欣. 二维相关光谱结合偏最小二乘法测定牛奶中的掺杂尿素[J]. 农业工程学报,2012(6):259-263.

[24] 杨玮，李民赞，郑立华，等. 冬枣氮素含量预测模型中特征波长选择方法的应用(英文)[J]. 农业工程学报,2015(S2):164-168.

[25] 柴春祥，赵杰文，邱白晶. 鱼糜微结构与其流变特性相关性的研究[J]. 农业工程学报,2000(3):15-18.

[26] 梁爱华，贾洪锋，秦文，等. 电子鼻在方便米饭气味识别中的应用[J]. 中国粮油学报,2010(11)：110-113,123.

[27] 孙宝国，陈海涛编著.食用调香术[M].北京：化学工业出版社，2016：171.

[28] 孙宝国，刘玉平，郑福平，等. 肉味香精中单体香料的香味类型[J]. 北京工商大学学报(自然科学版),2003(1)：1-8.

[29] 乔明锋，易宇文，彭毅秦，等. 基于电子鼻对东坡肘子加热前后特征风味变化的评价[J]. 食品工业科技,2017(8):58-62，67.

[30] 王琼，徐宝才，于海，等. 电子鼻和电子舌结合模糊数学感官评价优化培根烟熏工艺[J]. 中国农业科学,2017(1):161-170.

[31] 周亦斌，王俊. 电子鼻在食品感官检测中的应用进展[J]. 食品与发酵工业,2004(2):129-132.

[32] 孟宪敏，常泓. 肉香味的形成与加热[J]. 肉类研究, 1991(1):5-10.