電子舌在中華絨螯蟹產地鑒別及等級評定的應用

張晶晶，顧賽麒*，丁玉庭，王錫昌，姜文夢

（1.上海海洋大學食品學院，上海 201306；2.浙江工業(yè)大學海洋學院，浙江 杭州 310014）

電子舌在中華絨螯蟹產地鑒別及等級評定的應用

張晶晶1，顧賽麒2,*，丁玉庭2，王錫昌1，姜文夢1

（1.上海海洋大學食品學院，上海 201306；2.浙江工業(yè)大學海洋學院，浙江 杭州 310014）

采用電子舌對產自陽澄湖、松江、崇明的不同等級雌性中華絨螯蟹各可食部位的滋味輪廓進行檢測。運用主成分分析法處理電子舌測定數(shù)據后發(fā)現(xiàn)，特級、1級、2級陽澄湖中華絨螯蟹體肉、鉗肉、足肉、性腺4 個部位滋味輪廓區(qū)分顯著。采用軟獨立建模的方法，分別建立了基于單部位及聯(lián)合多部位的陽澄湖中華絨螯蟹產地鑒別模型，無論是單部位還是多部位模型，對非陽澄湖蟹樣的拒絕率均為100%。采用偏最小二乘-判別分析法建立了中華絨螯蟹的等級評定模型，特級、1級、2級蟹樣的偏最小二乘-判別分析模型相關系數(shù)均在0.90以上，采用上述模型可100%正確識別16 個未知蟹樣的等級。

中華絨螯蟹；滋味；產地鑒別；等級評定；電子舌

中華絨螯蟹俗稱大閘蟹或河蟹，營養(yǎng)價值高、風味優(yōu)良，深受消費者喜愛，“鮮”和“甜”是其突出的風味特征，主要由滋味物質所貢獻。中華絨螯蟹的滋味物質包括以下兩大類：含氮類化合物（游離氨基酸、5’-核苷酸、有機堿等）和非氮類化合物（糖、有機酸、無機鹽等）[1]。目前，對河蟹滋味物質的研究手段通常包括高效液色譜和感官分析等，它們均存在一些缺點：如高效液相色譜法操作步驟較多、檢測周期較長，而感官評價法又容易受到個體因素的影響。近年來，電子舌作為一種仿生物味覺模式建立起來的新型檢測系統(tǒng)，越來越受研究者重視，其主要由交互敏感傳感器陣列、信號調整電路以及模式識別算法構成[2]，可對樣品整體滋味輪廓進行響應，具有快速、簡便、安全等優(yōu)點，目前已在新鮮度判定[3-4]、摻偽檢驗[2]、添加劑定量[5-6]等方面得到應用。

中華絨螯蟹在我國分布較廣，產地眾多，所有產地中以蘇州市陽澄湖地區(qū)最為著名，出產的大閘蟹有“蟹中之王”的美譽[7]。上海也是大閘蟹的主要產地之一，上海市松江區(qū)歷來有養(yǎng)殖中華絨螯蟹的傳統(tǒng)，其養(yǎng)殖環(huán)境主要以淡水池塘為主[8]；而上海市崇明縣養(yǎng)殖環(huán)境屬于微咸水池塘，其出產的中華絨螯蟹具有“小而鮮”的特點[9]。據報道，不同產地大閘蟹因其養(yǎng)殖環(huán)境的不同會導致其自身滋味有所區(qū)別[1]。Kong Li等[10]分別對陽澄湖養(yǎng)殖和池塘養(yǎng)殖的中華絨螯蟹肌肉及肝胰腺中的游離氨基酸與5’-核苷酸含量進行了測定，發(fā)現(xiàn)陽澄湖蟹肌肉和肝胰腺中的游離氨基酸與5’-核苷酸含量均顯著高于池塘蟹，并且上述兩種蟹的感官評價結果有一定差異性。目前，雖然已有對不同產地河蟹滋味物質的報道，但尚未有運用電子舌從滋味輪廓的角度快速鑒別中華絨螯蟹產地方面的研究。本研究團隊前期已采用電子鼻對陽澄湖、松江、崇明所產的不同等級中華絨螯蟹各可食部位香氣輪廓進行了檢測，建立了陽澄湖中華絨螯蟹的產地鑒別模型[11]，對本課題的開展具有一定的借鑒意義。

本研究采用電子舌，對不同產地、不同等級的中華絨螯蟹各可食部位滋味輪廓進行檢測，以期建立陽澄湖中華絨螯蟹的產地鑒別模型，并初步探討利用電子舌技術快速評定中華絨螯蟹等級的可能性。

1 材料與方法

1.1 材料與儀器

陽澄湖中華絨螯蟹：2011年11月上旬，從江蘇省蘇州市明澄蟹業(yè)公司位于陽澄湖上的圍欄養(yǎng)殖基地現(xiàn)場采集雌蟹60 只，150 g（特級）、125 g（1級）以及100 g（2級）各20 只。松江中華絨螯蟹：2011年11月上旬，從上海魚躍水產合作社位于松江的養(yǎng)殖基地現(xiàn)場采集雌蟹60 只，采樣規(guī)模與陽澄湖蟹完全一致。崇明中華絨螯蟹：2011年11月上旬，從上海寶島蟹業(yè)有限公司位于崇明的養(yǎng)殖基地現(xiàn)場采集雌蟹40 只（1級和2級各20 只）。崇明縣因為靠近長江入?？?，其養(yǎng)殖水體具有一定的鹽度，故出產的中華絨螯蟹具有“小而鮮”的特點，因而對崇明蟹采樣時未采集特級蟹樣。活蟹捕撈出水后立即用麻繩扎緊（防止其劇烈掙扎造成營養(yǎng)物消耗），放置入底部鋪冰的泡沫箱內迅速帶回實驗室。

ASTREE電子舌（配備7根化學選擇性傳感器（ZZ、JE、BB、CA、GA、HA、JB）和1根參比電極（Ag/AgCl）） 法國Alpha MOS公司；超低溫冰箱艾本德（上海）國際貿易有限公司；SW-CJ-1CU雙人單面超凈工作臺 上海松泰凈化科技有限公司。

1.2 方法

1.2.1 樣品前處理

將捆扎好的不同產地的特級、1級和2級的雌性中華絨螯蟹分別從泡沫塑料箱中取出，以自來水沖洗去表面泥沙等雜質，用毛巾擦拭干凈，依次放入不銹鋼蒸鍋內蒸制30 min。取出蒸熟蟹樣，冷卻至室溫，打開頭胸甲，手工剝離性腺；剪開蟹螯，刮取鉗肉；剪開步足，刮取足肉；剪開頭胸甲底部內骨骼，刮取體肉。將不同可食部位樣品各自收集至食品級密實袋中，并用經消毒程序處理（刀口經火焰灼燒10 s后再紫外輻照30 min）的絞肉機將其絞碎至均勻。

1.2.2 電子舌檢測

準確稱?。?5.0±0.01） g待測蟹樣，加入100 mL去離子水，勻漿，靜置10 min，將勻漿液于4 ℃條件下10 000×g離心10 min，去除上層油脂層后過濾，取80 mL濾液倒入電子舌專用進樣杯中，在室溫條件下進行測定。每個樣品數(shù)據采集時間為120 s，1 s采集一個數(shù)據，選取各根傳感器上第120秒的響應值作為電子舌的原始數(shù)據（此時傳感器已趨于穩(wěn)定）。電子舌傳感器每次檢測后均用去離子水進行清洗，清洗周期10 s。為保證結果可靠性，不同產地、不同等級的中華絨螯蟹各可食部位（體肉、足肉、鉗肉、性腺）分別制備8 個平行樣，每個平行樣重復測定3 次，以算術平均值表示3 次測定結果。

圖1 ASTREE電子舌所帶7 根傳感器的原始響應信號（電壓值）圖Fig.1 Original responses (voltage values) of seven sensors of ASTREE E-tongue

圖1 展示了ASTREE電子舌的響應信號，具體為呈味小分子物質通過電子舌傳感器的核心部件“離子通透膜”時，各傳感器所記錄的電壓值變化。本實驗選取7 根傳感器第120秒的響應值作為電子舌的原始數(shù)據，此時呈味小分子在離子通透膜兩側濃度已實現(xiàn)動態(tài)平衡。

1.2.3 數(shù)據分析

主成分分析（principal component analysis，PCA）、軟獨立建模分析（soft independent modeling of class analogy，SIMCA）及偏最小二乘判別分析（partial least squares-discriminant analysis，PLS-DA）由AlphaSoft V12.0和Matlab 6.5軟件完成。

1.2.3.1 PCA

PCA步驟如下[12-14]：1）為了消除不同變量間的量綱差異，將中華絨螯蟹滋味輪廓矩陣Xm×n進行中心標準化（m表示電子舌實驗蟹樣數(shù)，n表示傳感器個數(shù)），求得其中心標準化矩陣X*m×n，并計算X*m×n的協(xié)方差矩陣Yn×n。2）由特征方程（λI—Yn×n）×U=0，求出Yn×n的各特征根λi（按從大到小排列）和特征向量Ui（i=1,2,???,n），其中I為單位矩陣；3）每一主成分的表達式為：PCi=Ui×X*i，各主成分貢獻率前k 個主成分的累計貢獻率取k值，使主成分累計貢獻率達90%以上，研究主成分PC1, PC2???PCk，故可將n 維原始數(shù)據降為k 維。

1.2.3.2 SIMCA分析

SIMCA建模過程如下[15-16]：1）確定標準樣本集即陽澄湖中華絨螯蟹，記為{A}；非標準樣本集即松江、崇明中華絨螯蟹，記為{B}；2）對{A}中樣品進行主成分分析；3）在主成分空間中，同時計算{A}中各個樣品與其重心GA間的馬氏距離（Mahalanobis distance，MD），并求出{A}中各個樣品經主成分提取后，剩余的未能解釋的樣本方差的量，即殘差（residual error，RE）；4）由于樣品經中心標準化后符合正態(tài)分布規(guī)律，故可確定置信度為95%的區(qū)間為{A}的“可置信區(qū)域”：其X軸范圍為[0, 1.96×SDMD]，Y軸范圍為[0, 1.96×SDRE]，其中SD為{A}中樣品的標準偏差；5）將{B}中所有樣品逐次代入{A}的主成分方程，求得{B}中各個樣品與GA間的馬氏距離以及其自身的殘差值；6）判斷{B}中樣品點是否落在“可置信區(qū)域”外，若落在區(qū)域外，則表示該樣品的產地信息可被正確識別。

1.2.3.3 PLS-DA

PLS-DA建模過程如下[17-18]：首先分別構建經中心標準化后的中華絨螯蟹滋味輪廓矩陣（X0）和分類變量矩陣（Y0）。X0等同于1.2.3.1節(jié)中的X*m×n，為自變量矩陣，其下標0表示該矩陣經過迭代運算的次數(shù)；Y0為分類變量矩陣，本實驗中特級、1級、2級蟹樣的分類變量矩陣（Y0）分別定義為[1,0,0]、[0,1,0]、[0,0,1]，不同等級蟹樣進行PLS-DA建模時需引入與其等級相對應的Y0；然后以特級蟹樣為例，其分類變量矩陣Y0=[1,0,0]，將Y0與X0進行PLS分析，PLS分析的具體步驟為：1）從X0中首先提取第1個主成分T1（T1是X0的線性組合，T1類似于1.2.3.1節(jié)中的PC1，但兩者有以下區(qū)別：T1提取時應滿足約束條件T1與Y0間的相關性最強）；2）同時實施Y0和X0在T1上的回歸，并分別求出其殘差矩陣Y1和X1；3）以Y1代替Y0、X1代替X0，繼續(xù)進行迭代運算，即重復步驟2）與3）；4）根據留一法交叉有效性驗證結果確定最終需要引入模型的主成分個數(shù)k，并停止迭代；5）實施Y0對T1,T2???Tk的普通多元線形回歸；6）首先將X0依次回代入T1～Tk，最終建立Y0對X0的回歸方程；再次完成不同等級蟹樣各自Y0與X0的PLS建模后（所建模型即為PLS-DA模型），將驗證集中所有樣品的X0代入與其自身等級相對應的PLS-DA模型中，求得所有需要驗證樣品的預測分類變量Yp；最后對于驗證集中某個級別的樣品而言（如特級蟹樣），當Yp＞0.5，且偏差＜0.5，表明該類樣品的等級判定正確；當Yp＜0.5，且偏差＜0.5，表明該類樣品的等級判定錯誤；當偏差＞0.5，表明該類樣品所建的PLSDA模型不穩(wěn)定。

2 結果與分析

2.1 不同產地中華絨螯蟹電子舌數(shù)據PCA

圖2 不同產地中華絨螯蟹各可食部位滋味輪廓PCAA圖Fig.2 Principal component analysis (PCA) chart for taste profiles of different edible parts of Eriocheir sinensis farmed in different regions

陽澄湖、松江、崇明三地所產中華絨螯蟹各可食部位滋味輪廓PCA結果見圖2。表1基于兩類指標對PCA結果進行了評價：第1、第2主成分方差貢獻率之和主要反映了樣本整體差異性信息在主成分平面上的完整程度，其值越大表明樣本整體差異性信息遺失的越少。判別指數(shù)（discrimination index，DI）體現(xiàn)了不同類別樣品滋味輪廓的區(qū)分度，計算時有兩種情況：當不同類別樣品數(shù)據點無重疊時，DI= [1－各類樣品點所圍成的面積之和/涵蓋所有類樣品所需的總面積]×100，其值越大表明不同類別樣品區(qū)分效果越好；當不同類別樣品數(shù)據點有重疊時，DI=－100×各類樣品重疊部分面積之和/涵蓋所有類樣品所需的總面積，其絕對值越大表明重疊情況越嚴重。由表1可見，無論是第1、第2主成分方差貢獻率之和還是DI，均是陽澄湖蟹最優(yōu)，松江蟹次之，崇明蟹最差，表明三者之中陽澄湖蟹各可食部位的滋味輪廓差異最為顯著，而此差異在其主成分平面上展現(xiàn)地最為充分。

表1 陽澄湖、松江、崇明中華絨螯蟹4 個可食部位電子舌數(shù)據PCA結果評價Table1 Evaluation results for PCA analysis based on E-tongue data of four edible parts off Eriocheir sinensis nsis from Yangcheng Lake, Songjiang and Chongming regions ons

進一步分析圖2可知：3 個產地蟹樣中，足肉與鉗肉的滋味輪廓均最為接近（甚至有部分重疊），體肉與足肉和鉗肉的滋味輪廓有一定的差異性（無任何重疊），而性腺的滋味輪廓最為特殊（其數(shù)據點距離3 種蟹肉數(shù)據點距離最遠）。無論哪個產地的蟹樣，其PCA圖DI均在85以上，表明不同等級蟹樣各可食部位滋味輪廓均有一定差異性。進一步分析可知，對于3 個產地蟹樣而言，不同部位間的差異主要體現(xiàn)在第1主成分軸上，而不同等級間的差異主要體現(xiàn)在第2主成分軸上，第1主成分的貢獻率要遠大于第2主成分的貢獻率，因此蟹樣部位間的差異顯著大于等級間的差異。此外，對于不同產地蟹樣各可食部位而言，其第2主成分值均隨著等級的上升而下降，呈現(xiàn)“特級＜＜1級＜2級”的規(guī)律，暗示特級蟹樣的滋味輪廓最為特殊。

2.2 SIMCA方法建立陽澄湖中華絨螯蟹的產地鑒別模型

2.2.1 基于單一可食部位電子舌數(shù)據建立的鑒別模型

SIMCA方法對不同產地蟹樣的體肉、鉗肉、足肉及性腺電子舌數(shù)據進行分析后建立的陽澄湖中華絨螯蟹產地鑒別模型見圖3。SIMCA算法是二值判別法，當建立標準樣品集后（即陽澄湖中華絨螯蟹），對其他類樣品進行二值判別，即“是”或者“否”陽澄湖中華絨螯蟹，判別效果可通過“拒絕率”來體現(xiàn)。拒絕率/%=（正確識別非標準樣品集的個數(shù)/其他類樣本的總個數(shù)）×100，拒絕率越接近100%，表明該模型對陽澄湖中華絨螯蟹的鑒別效果越好。表2展示了基于中華絨螯蟹各可食部位電子舌數(shù)據建立的SIMCA模型評價效果。由圖3以及表2可見，分別以體肉、鉗肉、足肉和性腺電子舌數(shù)據建立的SIMCA模型，對非陽澄湖中華絨螯蟹的拒絕率均達到了100%。在上述各單部位模型拒絕率均為100%的基礎上，可基于以下兩類指標對其優(yōu)劣性進一步評估：松江和崇明蟹樣的區(qū)分度；不同產地蟹樣數(shù)據點的離散度。前一類指標往往更為關鍵。由圖3可知：在體肉及性腺的SIMCA模型中，松江和崇明蟹樣無任何重疊；而在鉗肉及足肉的模型中，松江和崇明蟹樣有小部分的重疊。進一步分析可知，體肉模型中，蟹樣數(shù)據點的離散程度小于其他3 個部位的模型；鉗肉模型中，松江和崇明蟹樣的重疊程度大于其他3 個部位的模型。綜上所述，4 個單部位SIMCA模型其優(yōu)劣性排序為：體肉＞性腺＞足肉＞鉗肉（建模效果較優(yōu)者在前）。

圖3 基于單一可食部位電子舌數(shù)據和SIMCA分析法建立的陽澄湖中華絨螯蟹產地鑒別模型Fig.3 Habitat identification models for Eriocheir sinensis farmed in Yangcheng Lake by soft independent modeling of class analogy (SIMCA) method based on E-tongue data of one single edible part

2.2.2 綜合多個可食部位電子舌數(shù)據建立的鑒別模型

由2.2.1節(jié)可知，采用4 個單一可食部位進行SIMCA建模，所得模型均能100%判別非陽澄湖中華絨螯蟹。但在足肉及鉗肉模型中，松江和崇明蟹樣數(shù)據點有部分重合，表明兩者滋味輪廓并未能完全區(qū)分，基于上述原因，筆者提出可嘗試將4 個部位的電子舌數(shù)據有效“綜合”起來，以豐富樣品“整體差異信息”，使所建SIMCA模型的“產地鑒別”效果更佳。

圖4 綜合體肉、鉗肉、足肉和性腺的電子舌數(shù)據及SIMCA分析法建立的陽澄湖中華絨螯蟹產地鑒別模型Fig.4 Habitat identification models for Eriocheir sinensis from Yangcheng Lake by SIMCA method based on a combination of E-tongue data of abdomen, claw, leg meat and gonad part

表2 基于中華絨螯蟹各可食部位電子舌數(shù)據的SIMCA模型評價效果TTaabbllee 22 EEvvaalluuaattiioonn rreessuullttss ffoorr SSIIMMCCAA mmooddeellss bbaasseedd oonn EE--ttoonngguuee ddaattaa of different edible parts off Eriocheir sinenssiiss

由圖4及表2可知，綜合4 個部位數(shù)據所建的SIMCA模型，對非陽澄湖中華絨螯蟹的拒絕率達到100%，并且不同產地蟹樣的數(shù)據離散度明顯減小，表明其樣品均一性得到了較大提高。此外，將4 個部位數(shù)據聯(lián)合建模后，松江和崇明蟹樣也能完全區(qū)分開，表明所建模型充分體現(xiàn)了不同產地蟹樣滋味輪廓的差異性。綜合上述分析，對單部位模型而言，綜合4 個部位的電子舌數(shù)據進行建模，可起到豐富樣品整體差異信息、提高最終建模效果的作用。

2.3 PLS-DA建立中華絨螯蟹等級評定模型

為進一步探討利用電子舌快速評定中華絨螯蟹等級的可能性，筆者嘗試采用PLS-DA建立中華絨螯蟹的等級評定模型。本實驗共采集了8種不同類型的蟹樣（包含產地及等級因素），每種蟹樣重復8 次平行，總計測得64 個電子舌數(shù)據（其中每個數(shù)據均由4個可食部位的數(shù)據聯(lián)合而成）。從每種蟹樣中隨機抽出2 個平行、合計16 個電子舌數(shù)據作為驗證集，剩余48 個數(shù)據作為建模集，進行PLS-DA建模，結果如表3和圖5所示。表3為綜合4 個部位電子舌數(shù)據和PLS-DA分析法建立的中華絨螯蟹等級評定模型，而圖5為上述等級評定模型的評價效果。由表3可知，無論是哪一等級的PLS-DA模型，在其建模集和驗證集中，蟹樣的預測分類變量和其實際等級間的相關性均較好（相關系數(shù)均在0.9以上）。表明若采用表3所示的PLS-DA模型，可100%正確識別16個未知蟹樣的等級，模型建模效果佳。

DA method based on a combination of E-tongue data of all four edible parts表3 綜合4 個部位電子舌數(shù)據和PLS-DA分析法建立的中華絨螯蟹等級評定模型Table3 Grade evaluation models forEriocheir sinensis nsis by PLS-DA method based on a combination of E-tongue data of all four edible parts

圖5 綜合4 個部位電子舌數(shù)據建立的不同等級蟹樣的PLS-DA模型結果Fig.5 Results of PLS-DA models for Eriocheir sinensis from different grades based on a combination of E-tongue data of all four edible parts

進一步分析圖5可知，無論是特級、1級還是2級蟹樣的PLS-DA模型，其中均未有誤判現(xiàn)象的發(fā)生，換言之即某等級蟹樣在其對應PLS-DA模型中的預測分類變量均大于0.5，且偏差小于0.5。以特級蟹樣為例，如圖5a所示，陽澄湖特級蟹和崇明特級蟹的預測分類變量分別為0.85±0.10和0.73±0.11，符合“預測分類變量均大于0.5，且偏差小于0.5”的要求。圖5b、c中的情況與圖5a一致，從另一角度印證了表3中的數(shù)據。

3 討 論

產地因素對中華絨螯蟹的滋味品質影響重大。陽澄湖天然湖區(qū)水質清澈、水草豐茂，螺絲、貝類等活體餌料含量豐富，湖底無淤泥堆積，是河蟹生長的天然理想棲息地[7]。與陽澄湖蟹相比，在松江、崇明地區(qū)養(yǎng)殖的“池塘蟹”其生長環(huán)境遠不如“湖蟹”，“池塘蟹”生物餌料的攝入量往往不足，因此可能會影響?zhàn)D料自身所帶的營養(yǎng)物質在蟹體內的積累，從而進一步導致不同產地中華絨螯其整體滋味輪廓有所差異（滋味物質在某種程度上也可認為是營養(yǎng)物質）。

除產地因素外，中華絨螯蟹不同可食部位中滋味物質的構成也具有顯著差異。付娜等[19]研究表明，河蟹肌肉中的游離氨基酸組成較為相近，而蟹膏中的游離氨基酸組成與肌肉有很大不同。此外，張娜[1]發(fā)現(xiàn)，中華絨螯蟹不同可食部位中AMP、IMP和GMP的含量存在顯著性差異。除游離氨基酸和核苷酸外，無機離子（K＋、Na＋、Cl－、PO等）也對河蟹整體滋味的呈現(xiàn)具有重大作用：去除Na＋則鮮味和甜味驟降同時苦味卻增強；去除K＋和Cl－則無味感；去除P則鮮味、甜味和咸味都有所下降[20-21]。據張娜[1]的報道，中華絨螯蟹足肉中K＋和Cl－的含量最高，而蟹膏中則是Na＋和PO的含量最高。

除產地、部位因素外，不同等級中華絨螯蟹滋味物質的構成也存在顯著性差異。Guo Yanru等[22]報道，無論是體肉、鉗肉、足肉還是性腺，陽澄湖雌蟹各可食部位中的氨基酸含量均隨著等級的降低而減少。Ying Xueping等[23]研究證實，在雌蟹成熟過程中，不飽和脂肪酸等營養(yǎng)物質會向卵巢中積聚，為之后到來的排卵期做準備。闕有清等[24]發(fā)現(xiàn)，性腺指數(shù)較高的雌蟹其卵巢中不飽和脂肪酸的含量也相對較高。由上述現(xiàn)象推測，不同等級蟹樣的發(fā)育速度可能不盡相同，因而不同成熟度河蟹肌肉和性腺中的營養(yǎng)物質的分配比例有所不同，最終造成不同等級河蟹滋味物質的構成有所差異（滋味物質在某種程度上也可認為是營養(yǎng)物質）。

另方面，本研究發(fā)現(xiàn)，若將電子舌的“單部位模型”與“多部位模型”進行比較，則后者的建模效果更好，本課題組先前進行電子鼻建模時也得到了類似的規(guī)律[11]，這可能因為“多部位模型”原始數(shù)據中包括的樣品信息更為豐富，建模時對樣品的描述更為完整，提高了不同樣品間的區(qū)分度。因此今后可嘗試將電子鼻、電子舌等多種指紋技術聯(lián)合起來，進一步建立“多指紋模型”，以探討是否能進一步提高建模效果。

[1] 張娜. 中華絨螯蟹風味物質的研究[D]. 無錫: 江南大學, 2008.

[2] 田曉靜, 王俊, 崔紹慶. 羊肉純度電子舌快速檢測方法[J]. 農業(yè)工程學報, 2013, 29(20): 255-262.

[3] GIL L, BARAT J M, GARCIA-BREIJO E, et al. Fish freshness analysis using metallic potentiometric electrodes[J]. Sensors and Actuators B: Chemical, 2008, 131(2): 362-370.

[4] GIL L, BARAT J M, BAIGTS D, et al. Monitoring of physicalchemical and microbiological changes in fresh pork meat under cold storage by means of a potentiometric electronic tongue[J]. Food Chemistry, 2011, 126(3): 1261-1268.

[5] LABRADOR R H, MASOT R, ALCANIZ M, et al. Prediction of NaCl, nitrate and nitrite contents in minced meat by using a voltammetric electronic tongue and an impedimetric sensor[J]. Food Chemistry, 2010, 122(3): 864-870.

[6] CAMPOS I, MASOT R, ALCANIZ M, et al. Accurate concentration determination of anions nitrate, nitrite and chloride in minced meat using a voltammetric electronic tongue[J]. Sensors and Actuators B: Chemical, 2010, 149(1): 71-78.

[7] 顧賽麒, 王錫昌, 陶寧萍, 等. 中華絨螯蟹性腺香氣品質評價方法[J].中國水產科學, 2013, 20(2): 434-441.

[8] 顧賽麒, 王錫昌, 陶寧萍, 等. 頂空固相微萃取-氣質聯(lián)用及電子鼻技術檢測中華絨螯蟹不同可食部位中的香氣成分[J]. 食品科學, 2013, 34(18): 239-244.

[9] 顧賽麒, 王錫昌, 陶寧萍, 等. 中華絨螯蟹不同部位中活性香氣物質的研究[J]. 核農學報, 2013, 27(7): 975-987.

[10] KONG Li, CAI Chunfang, YE Yuantu, et al. Comparison of nonvolatile compounds and sensory characteristics of Chinese mitten crabs (Eriocheir sinensis) reared in lakes and ponds: potential environmental factors[J]. Aquaculture, 2012, 364: 96-102.

[11] 顧賽麒, 王錫昌, 張晶晶, 等. 電子鼻在中華絨螯蟹產地鑒別及等級評定上的應用[J]. 中國水產科學, 2014, 21(1): 108-117.

[12] LEE S J, AHN B. Comparison of volatile components in fermented soybean pastes using simultaneous distillation and extraction (SDE) with sensory characterisation[J]. Food Chemistry, 2009, 114(2): 600-609.

[13] GARCIA-GONZALEZ D L, TENA N, APARICIO-RUIZ R, et al. Relationship between sensory attributes and volatile compounds qualifying dry-cured hams[J]. Meat Science, 2008, 80(2): 315-325.

[14] COSIO M S, BALLABIO D, BENEDETTI S, et al. Geographical origin and authentication of extra virgin olive oils by an electronic nose in combination with artificial neural networks[J]. Analytica Chimica Acta, 2006, 567(2): 202-210.

[15] MEZA-MARQUEZ O G, GALLARDO-VELAZQUEZ T, OSORIOREVILLA G. Application of mid-infrared spectroscopy with multivariate analysis and soft independent modeling of class analogies (SIMCA) for the detection of adulterants in minced beef[J]. Meat Science, 2010, 86(2): 511-519.

[16] KHANMOHAMMADI M, NASIRI R, GHASEMI K, et al. Diagnosis of basal cell carcinoma by infrared spectroscopy of whole blood samples applying soft independent modeling class analogy[J]. Journal of Cancer Research and Clinical Oncology, 2007, 133(12): 1001-1010.

[17] SZYMANSKA E, SACCENTI E, SMILDE A K, et al. Double-check: validation of diagnostic statistics for PLS-DA models in metabolomics studies[J]. Metabolomics, 2012, 8(1): 3-16.

[18] van RUTH S M, VILLEGAS B, AKKERMANS W, et al. Prediction of the identity of fats and oils by their fatty acid, triacylglycerol and volatile compositions using PLS-DA[J]. Food Chemistry, 2010, 118(4): 948-955.

[19] 付娜, 王錫昌, 陶寧萍, 等. 蒸制和煮制中華絨螯蟹4 個部位中游離氨基酸含量差異性分析[J]. 食品科學, 2013, 34(24): 178-181.

[20] HAYASHI T, YAMAGUCHI K, KONOSU S. Sensory analysis of taste-active components in the extract of boiled snow crab meat[J]. Journal of Food Science, 1981, 46(2): 479-483.

[21] KANI Y, YOSHIKAWA N, OKADA S, et al. Taste-active components in the mantle muscle of the oval squid Sepioteuthis lessoniana and their effects on squid taste[J]. Food Research International, 2008, 41(4): 371-379.

[22] GUO Yanru, GU Saiqi, WANG Xichang, et al. Comparison of fatty acid and amino acid profiles of steamed Chinese mitten crab[J]. Fisheries Science, 2014, 80(3): 621-633.

[23] YING Xueping, YANG Wanxi, ZHANG Yongpu. Comparative studies on fatty acid composition of the ovaries and hepatopancreas at different physiological stages of the Chinese mitten crab[J]. Aquaculture, 2006, 256(1): 617-623.

[24] 闕有清, 楊志剛, 紀連元, 等. 配合飼料替代雜魚對中華絨螯蟹生長發(fā)育, 體成分及脂肪酸組成的影響[J]. 水產學報, 2012, 36(10): 1612-1623.

Habitat Identification and Grade Evaluation of Chinese Mitten Crab (Eriocheir sinensis) Using Electronic Tongue

ZHANG Jingjing1, GU Saiqi2,*, DING Yuting2, WANG Xichang1, JIANG Wenmeng1
(1. College of Food Science and Technology, Shanghai Ocean University, Shanghai 201306, China; 2. Ocean College, Zhejiang University of Technology, Hangzhou 310014, China)

Electronic tongue (E-tongue) technology was applied in this study to detect the taste profiles of the abdomen, claw, leg meat and gonad part of female Eriocheir sinensis farmed in Yangcheng Lake, Songjiang and Chongming regions from different quality grades. The principal component analysis (PCA) of E-tongue data showed that the taste profiles of four edible parts of Yangcheng-Lake crabs in three grades (premium, first and second) could be distinguished well. Soft independent modeling of class analogy (SIMCA) method was applied to establish the habitat identification models of Yangcheng-Lake crabs based either on one single part or on multiple parts with a rejection ratio of 100% for non-Yangcheng-Lake crabs. In addition, partial least squares-discriminant analysis (PLS-DA) was also used in this study to build three grade evaluation models for Eriocheir sinensis of different grades. The correlation coefficients of the PLS-DA models were all more than 0.90. Also, based on the PLS-DA models, the grades of 16 unknown crab samples could be correctly identified with 100% accuracy.

Chinese mitten crab (Eriocheir sinensis); taste; habitat identification; grade evaluation; electronic tongue

S966.16

A

1002-6630（2015）04-0141-06

10.7506/spkx1002-6630-201504027

2014-04-09

上海市中華絨螯蟹產業(yè)技術體系建設項目（D-8003-10-0208）；上海市科委工程中心建設項目（11DZ2280300）；上海市教委重點學科建設項目（J50704）；上海高校青年教師培養(yǎng)資助計劃項目（B-5409-12-0023）；上海海洋大學優(yōu)秀研究生論文培育計劃項目（B-9600-10-0003-3）

張晶晶（1985—），女，實驗師，碩士，研究方向為食品營養(yǎng)與安全。E-mail：zhangjj@shou.edu.cn

*通信作者：顧賽麒（1984—），男，講師，博士，研究方向為食品營養(yǎng)與風味。E-mail：gusaiqi@126.com