電子鼻和電子舌單獨與聯(lián)合檢測摻大豆蛋白或淀粉的雞肉糜

李 巖，李芳芳，于林宏，孫京新，郭麗萍，戴愛國，王寶維，黃 明，徐幸蓮

電子鼻和電子舌單獨與聯(lián)合檢測摻大豆蛋白或淀粉的雞肉糜

李 巖1,2，李芳芳1，于林宏1，孫京新1,2※，郭麗萍1，戴愛國5，王寶維1，黃 明3,4，徐幸蓮3

（1. 青島農(nóng)業(yè)大學(xué)食品科學(xué)與工程學(xué)院，青島 266109；2. 青島農(nóng)業(yè)大學(xué)青島特種食品研究院，青島 266109；3. 南京農(nóng)業(yè)大學(xué)國家肉品質(zhì)量安全控制工程技術(shù)研究中心，南京 210095；4. 南京黃教授食品科技有限公司，南京 211226； 5. 青島波尼亞食品有限公司，青島 266109）

為實現(xiàn)摻雜摻假雞肉的快速、客觀評價，該研究利用電子鼻和電子舌聯(lián)合檢測技術(shù)對摻雜雞肉糜進行快速檢測，通過對采集的數(shù)據(jù)進行主成分分析和偏最小二乘法分析，所得結(jié)果表明，采用主成分分析，電子鼻和電子舌聯(lián)合檢測摻大豆蛋白雞肉糜和摻淀粉雞肉糜的主成分總貢獻率分別為99.8%和99.1%；采用偏最小二乘法分析，電子鼻和電子舌聯(lián)合檢測雞肉糜中摻雜大豆蛋白含量的預(yù)測值與真實值之間的決定系數(shù)為0.992，均方根誤差為2.8%；聯(lián)合檢測雞肉糜中摻雜淀粉含量的預(yù)測值與真實值之間的決定系數(shù)為0.996，均方根誤差為2.4%。表明電子鼻和電子舌聯(lián)合檢測對雞肉糜的摻雜情況具有良好的區(qū)分和預(yù)測能力，并且是一種有效、高精度的肉類摻假檢測方法。

電子鼻；主成分分析；肉；電子舌；大豆蛋白；淀粉

0 引 言

中國是雞肉生產(chǎn)和消費大國。雞肉以其優(yōu)質(zhì)蛋白質(zhì)含量高和易消化吸收等優(yōu)點深受青睞[1]。隨著中國居民生活質(zhì)量的不斷改善，消費者對雞肉品質(zhì)的要求也逐步提高，但與此同時市場上雞肉及其制品的摻雜摻假事件也愈來愈多[2]，因此迫切需要快速高效的肉制品摻雜摻假檢測方法。目前常用的肉品快速檢測的方法為感官評定、分子生物學(xué)方法、酶聯(lián)免疫、色譜法和光譜法[3-5]。感官評定易受感官人員主觀影響，準確度不高；分子生物學(xué)方法，例如快速多重實時聚合酶鏈反應(yīng)（Polymerase Chain Reaction，PCR）特異性強[6]，但前處理繁瑣、成本高；酶聯(lián)免疫方法操作簡單，但易產(chǎn)生假陽或假陰性[7]。色譜方法結(jié)果精確，但分析時間長。作為一種快速分析技術(shù)，近紅外光譜在肉品品種和產(chǎn)地鑒別有較多應(yīng)用[8]，對混合肉樣的研究較少，主要集中在羊肉、豬肉、牛肉的摻假檢測[9-12]。

利用仿生技術(shù)的電子鼻、電子舌在肉品檢測中的應(yīng)用相對較少[13-14]。電子舌在食品方面的應(yīng)用包括肉品新鮮度檢測[15]、肉類品種鑒別[16]、茶葉品質(zhì)評價[17]、蜂蜜摻假檢測[18]和食用油質(zhì)量評估[19-20]等。電子鼻在酒茶、糧油、果蔬和肉乳等制品中的檢測研究也日益增多[21]。電子鼻能夠?qū)θ馀c肉制品進行種類區(qū)分和識別[22]、病蟲害檢測[23]、衛(wèi)生檢測[24]和摻假鑒別[25]。因大多數(shù)食品是氣味和滋味的綜合體，需綜合嗅覺和味覺指標進行全面檢測，僅從電子鼻（基于氣味）或電子舌（基于滋味）單一角度檢測往往難以達到精準鑒別的目的。目前，肉品摻雜摻假檢測往往單獨采用電子鼻或電子舌技術(shù)，關(guān)于兩者聯(lián)合檢測的文獻較少。田曉靜[26]用電子鼻和電子舌聯(lián)合可快速鑒別摻不同比例豬肉、雞肉的羊肉糜。Wu等[27]用電子鼻和電子舌聯(lián)合檢測能夠很好地鑒別來自7個產(chǎn)地不同品種的蘋果樣本。電子鼻和電子舌聯(lián)合可測定樣品中的揮發(fā)性物質(zhì)特征及風(fēng)味特性[28-30]。

大豆蛋白和淀粉是肉品加工中常用的配料，大豆蛋白和淀粉的鑒別分別采用凱氏定氮法和碘量法，但是其耗時長，樣品處理繁瑣。因此發(fā)展一種快速分析方法來檢測肉制品中大豆蛋白和淀粉的含量對制定相關(guān)食品標準以及檢測和確保肉品質(zhì)量有著重要的意義。本研究基于電子鼻和電子舌聯(lián)合檢測摻大豆蛋白和摻淀粉雞肉糜，對采集數(shù)據(jù)進行采用主成分分析（Principle Component Analysis, PCA）和偏最小二乘法分析（Partial Least Square Regression, PLSR），以期為肉品中非肉組分摻雜或快速檢測提供新的解決方案。

1 材料與方法

1.1 材料

雞胸肉取自2 kg左右60日齡的黃羽肉雞，來源自青島市城陽區(qū)大潤發(fā)超市；99.6%的大豆蛋白，來源自黑龍江九三油脂有限責任公司；100 000 U的中性蛋白酶、99.8%的D-核糖、99.9%的甘氨酸、200 000U的-淀粉酶，來源自天津希恩思生化科技有限公司；99.6%的玉米淀粉，來源自青島恒大錦榮貿(mào)易有限公司。其他試劑均為分析純。

1.2 儀器

電子鼻檢測系統(tǒng)為上海瑞芬智能科技有限公司（中國）的I-Nose型電子鼻，該電子鼻的氣體傳感器陣列由14個傳感器組成，不同傳感器對不同類型的揮發(fā)物靈敏性不同（表1）。電子舌檢測系統(tǒng)為上海瑞芬智能科技有限公司（中國）的I-Tongue型電子舌，該電子舌的6個味覺傳感器分別代表6種惰性金屬（表1）。通過伏安電化學(xué)脈沖技術(shù)，根據(jù)傳感器輸出電流的大小作為響應(yīng)值來鑒別不同物質(zhì)。

表1 I-Nose型電子鼻和I-Tongue型電子舌傳感器主要特性

1.3 電子鼻和電子舌檢測方法

1.3.1 摻大豆蛋白雞肉糜前處理

電子鼻樣品前處理：取生鮮雞胸肉絞碎成肉糜，將大豆蛋白按照0、2.5%、5.0%、7.5%和10.0%的比例添加到雞肉糜中，總樣品質(zhì)量為10 g。各組樣品加入2 mL蒸餾水混合均勻后置于50 ℃水浴鍋中，加入中性蛋白酶0.006 g，反應(yīng)15 min后，升溫至90 ℃終止酶解反應(yīng)；后加入D-核糖0.1 g，在90 ℃水浴中反應(yīng)20 min，移至20 ℃水域中終止反應(yīng)，待其完全冷卻裝入測量瓶中備用。每組比例的樣品做24個平行，其中建模集18個，檢測集6個。

電子舌樣品前處理：取摻雜不同比例大豆蛋白的雞肉糜，加入中性蛋白酶以及D-核糖，待反應(yīng)完全后向各組樣品中加入50 mL 0.1 mol/L的氯化鉀（KCl）浸提液，浸提30 min后過濾，取濾液30 mL待測。每組比例的樣品做24個平行，其中建模集18個，檢測集6個。

1.3.2 摻淀粉雞肉糜前處理

電子鼻樣品前處理：取生鮮雞胸肉絞碎成肉糜，將淀粉按照0、2.5%、5.0%、7.5%、10.0%和15.0%的比例添加到雞肉糜中，總樣品質(zhì)量為10 g。各組樣品加入2 mL蒸餾水混合均勻后置于45 ℃水浴鍋中，加入-淀粉酶0.006 g，反應(yīng)15 min后，升溫至90 ℃終止酶解反應(yīng)；后加入甘氨酸0.1 g，在90 ℃水浴中反應(yīng)20 min，移至20 ℃水域中終止反應(yīng)，待其完全冷卻裝入測量瓶中備用。每組比例的樣品做24個平行，其中建模集18個，檢測集6個。

電子舌樣品前處理：取摻雜不同比例淀粉的雞肉糜，加入-淀粉酶以及甘氨酸，待反應(yīng)完全后向各組樣品中加入50 mL 0.1 mol/L的KCl浸提液，浸提30 min后過濾，取濾液30 mL待測。每組比例的樣品做24個平行，其中建模集18個，檢測集6個。

1.3.3 檢測參數(shù)

電子鼻：以潔凈干燥空氣為載氣，氣體流量為1 L/min；采樣時間為60 s；等待時間為10 s；檢測時間為200 s；每采樣1次，采用潔凈氮氣對進樣通道進行清洗，清洗時間為120 s，降低對下一樣品的影響。每組樣品做3次平行，3次重復(fù)。

電子舌：傳感器每秒采樣1次，采樣時間為60 s；每采樣1次，傳感器進入清洗溶液清洗1次，清洗時間為120 s，避免對下一個樣品響應(yīng)信號產(chǎn)生影響。每組樣品做3次平行，3次重復(fù)。

1.4 數(shù)據(jù)分析

主成分分析（Principle Component Analysis, PCA）是一種多元統(tǒng)計方法，主要是對傳感器多指標的信息進行數(shù)據(jù)轉(zhuǎn)換和降維，對降維后的特征向量進行線性分類，在PCA分析圖上顯示主要的兩維圖。PCA 圖譜中橫、縱坐標分別表示在PCA轉(zhuǎn)換中得到的第一主成分（PC1）和第二主成分（PC2）的貢獻率（或權(quán)重），貢獻率（或權(quán)重）越大，說明主成分可以較好地反映原來多指標的信息。

偏最小二乘法分析（Partial Least Square Regression, PLSR）在處理樣本容量小、解釋變量個數(shù)多、變量間存在嚴重多重相關(guān)性問題方面具有獨特的優(yōu)勢，并且可以同時實現(xiàn)回歸建模、數(shù)據(jù)結(jié)構(gòu)簡化以及2組變量間的相關(guān)分析。在偏最小二乘法分析中將采用預(yù)測值與真實值的決定系數(shù)（coefficient of determination,2）和均方根誤差（Root Mean Square Error, RMSE）來評價模型的擬合程度，2越接近1，擬合程度越好。2個參數(shù)計算如式（1）～式（2）所示：

采用SAS V8統(tǒng)計軟件對電子鼻和電子舌傳感器響應(yīng)值進行主成分分析和偏最小二乘法分析，采用Origin16.0進行繪圖。

2 結(jié)果與分析

2.1 摻大豆蛋白雞肉糜電子鼻和電子舌傳感器的特征響應(yīng)分析

電子鼻檢測摻5.0%大豆蛋白雞肉糜的傳感器響應(yīng)曲線如圖1所示。由圖1可知，用電子鼻檢測摻雜大豆蛋白的雞肉糜樣品時，60 s檢測時間內(nèi)電子鼻傳感器對揮發(fā)物質(zhì)做出響應(yīng)逐漸趨于平衡，故采集第60 s響應(yīng)值作為特征值進行分析。結(jié)果初步顯示，電子鼻14個傳感器對摻雜大豆蛋白的雞肉糜樣品的揮發(fā)性物質(zhì)有明顯響應(yīng)，且不同傳感器的響應(yīng)信號存在差異。根據(jù)電子鼻14個傳感器的響應(yīng)值（1.14、1.04、1.23、1.07、0.99、0.94、0.96、1.44、0.96、1.01、0.75、0.88、0.87、0.99）可知，傳感器（S8、S11）感應(yīng)強度變化明顯，其他傳感器感應(yīng)強度變化程度不大。參考電子鼻各氣味傳感器的敏感物質(zhì)類型可知，室溫條件下，雞肉糜中添加大豆蛋白可能會促進存在于大豆蛋白中的揮發(fā)性胺類（S8檢測，總含量較高）的持續(xù)釋放，導(dǎo)致其傳感器信號增強至1.44（60 s檢測）；同時也加速存在于大豆蛋白中的烴類、鹵代烴等揮發(fā)性有機化合物（S11檢測，總含量較低）的釋放，并導(dǎo)致其含量降低，傳感器信號減弱至0.75（60 s檢測）。因此，可將對揮發(fā)性胺類和揮發(fā)性有機化合物（烴類、鹵代烴）敏感的傳感器（S8、S11）響應(yīng)值，作為檢測雞肉糜摻5%大豆蛋白的模型數(shù)據(jù)。

圖1 電子鼻檢測摻5%大豆蛋白雞肉糜的傳感器響應(yīng)

電子舌檢測摻5.0%大豆蛋白雞肉糜的傳感器響應(yīng)值如圖2所示，反映出樣品在電子舌6個傳感器上的響應(yīng)值，用電子舌檢測摻大豆蛋白雞肉糜樣品時，摻入大豆蛋白的比例不同會造成被測樣品浸出液呈味物質(zhì)組成和含量的差異，進而影響傳感器響應(yīng)信號。電子舌每個傳感器代表不同的惰性金屬，取前0.006 s的響應(yīng)值作為特征值進行分析。由圖2可知，每個金屬傳感器有2個信號密集區(qū)，分別在0.005 5和0.005 9 s處，響應(yīng)值范圍分別為S1（?3～3 mA和?3～3 mA）、S2（?3～3 mA和?3～3 mA）、S3（?3～2 mA和?3～3 mA）、S4（?2～2 mA和?3～3 mA）、S5（?1～1 mA和?2～2 mA）、S6（?1.5～3 mA和?3～3 mA），同一樣品在不同的傳感器上的響應(yīng)值存在差異。由信號的密集程度和信號范圍傳感器可知，聯(lián)合S1、S2、S6的響應(yīng)值可作為檢測雞肉糜摻5%大豆蛋白的模型數(shù)據(jù)。

圖2 電子舌檢測摻5%大豆蛋白雞肉糜傳感器響應(yīng)值圖

2.2 電子鼻和電子舌聯(lián)合檢測對不同摻大豆蛋白雞肉糜的定性判別

肉類的風(fēng)味是由揮發(fā)性的香味活性成分和非揮發(fā)性的滋味組成的，電子鼻和電子舌正是根據(jù)氣味和滋味不同的原理對其進行區(qū)分。在加熱至50 ℃條件下，雞肉糜中的大豆蛋白及雞肉中的蛋白會在中性蛋白酶的催化作用下水解為多肽和氨基酸小分子，后與加入的D-核糖高溫條件下發(fā)生多種美拉德反應(yīng)產(chǎn)生復(fù)雜風(fēng)味物質(zhì)，由于雞肉糜中的大豆蛋白含量不同，在D-核糖含量一定的條件下，美拉德反應(yīng)進行的程度及產(chǎn)生的風(fēng)味物質(zhì)也隨之不同，據(jù)此利用電子鼻和電子舌對氣味和滋味的識別能力，對樣品進行檢測。

電子鼻和電子舌聯(lián)合檢測摻大豆蛋白雞肉糜主成分分析如圖3所示。用橢圓將單一樣品的散點圖信息特征給概括起來，橢圓距離的遠近表示了不同摻假比例的雞肉之間氣味的差異。采用SAS軟件進行主成分分析，其中第一主成分與第二主成分貢獻率分別為99.2%和0.6%，總貢獻率為99.8%，前2個主成分解釋了原始變量99.8%的信息。所有樣品根據(jù)濃度不同分布于5個不同的區(qū)域，除了摻雜比例2.5%、5%和7.5%的樣品有小部分的重疊外，其余樣品均無相互重疊，說明摻大豆蛋白2.5%、5%和7.5%的雞肉樣品產(chǎn)生的風(fēng)味區(qū)別改變不明顯，隨著摻大豆蛋白比例的上升，摻假雞肉糜風(fēng)味改變較為明顯，這說明電子鼻和電子舌聯(lián)合檢測能夠很好地將摻雜不同比例的大豆蛋白雞肉糜區(qū)分開。田曉靜[26]用電子鼻、電子舌以及兩者聯(lián)合進行主成分分析對混入不同比例的豬肉、雞肉的摻假羊肉糜進行鑒別，正確率高達99.17%，表明主成分分析可成功區(qū)分不同摻假羊肉樣品。Runu等[31]分別用電子鼻、電子舌、電子鼻和電子舌聯(lián)合檢測結(jié)合主成分分析對不同等級的紅茶進行鑒定分析，電子鼻的主成分貢獻率為83%～84%，電子舌的主成分貢獻率為85%～86%，而聯(lián)用后的主成分貢獻率為93%，表明聯(lián)用后的檢測效果比電子鼻或電子舌單獨檢測效果好，與本研究的結(jié)論相一致。

注：0、2.5%、5.0%、7.5%和10.0%為雞肉糜中摻雜大豆蛋白質(zhì)量比。下同。

2.3 電子鼻和電子舌聯(lián)合檢測對不同摻大豆蛋白雞肉糜的定量判別

采用偏最小二乘法分析對雞肉糜中摻雜大豆蛋白的定量預(yù)測，每組比例的樣品做24個平行，其中建模集18個，檢測集6個。采用決定系數(shù)2、均方根誤差RMSE對模型進行評價。電子鼻和電子舌檢測摻大豆蛋白雞肉糜中大豆蛋白比例的偏最小二乘法分析如圖4所示，根據(jù)模型可知摻雜大豆蛋白含量預(yù)測值與摻雜大豆蛋白含量真實值之間的相關(guān)關(guān)系。由圖4可知，電子鼻單獨檢測的2為0.989，RMSE為3.9%，電子舌單獨檢測的2為0.972，RMSE為5.4%，電子鼻和電子舌數(shù)據(jù)聯(lián)合后的2和RMSE分別為0.992和2.8%。田曉靜[26]用電子鼻、電子舌快速鑒別混入不同比例豬肉、雞肉的摻假羊肉糜，采用偏最小二乘法分析和主成分分析建立預(yù)測模型時，回歸模型的2＞0.9，預(yù)測誤差均在10%以內(nèi)，表明偏最小二乘法分析對摻假摻雜樣品的檢測有效。楊志敏[32]對摻水、摻氯化鈉、摻卡拉膠、摻淀粉和摻大豆蛋白5類摻假肉的近紅外光譜進行偏最小二乘法分析，其中定量校正模型和驗證模型的2分別在80.65%和77%以上，RMSE在4%以下。朱亞東等[3]采用近紅外高光譜成像技術(shù)結(jié)合偏最小二乘法分析對牛肉摻假雞肉樣品進行快速檢測，2和RMSE分別為 0.97和 5.31%，比本研究中的2數(shù)值低。實驗室前期做過利用近紅外檢測雞肉糜中摻雜大豆蛋白的含量，結(jié)果表明，利用近紅外檢測的摻大豆蛋白雞肉糜的偏最小二乘法分析模型檢測集2和RMSE分別為0.973和0.39%，表明近紅外光譜結(jié)合偏最小二乘法分析對原料肉質(zhì)量進行快速檢測是可行的，但是不如電子鼻和電子舌聯(lián)合檢測的效果好。

圖4 電子鼻和電子舌檢測摻大豆蛋白雞肉糜中大豆蛋白比例的偏最小二乘法分析圖

2.4 摻淀粉雞肉糜電子鼻和電子舌傳感器的特征響應(yīng)分析

電子鼻檢測摻5.0%淀粉雞肉糜的傳感器響應(yīng)曲線如圖5所示。由圖5可知，用電子鼻檢測摻雜淀粉的雞肉糜樣品時，80 s檢測時間內(nèi)傳感器對揮發(fā)物質(zhì)做出響應(yīng)逐漸趨于平衡，故采集第80 s響應(yīng)值作為特征值進行分析。結(jié)果初步顯示，電子鼻14個傳感器對摻雜淀粉雞肉糜樣品的揮發(fā)性物質(zhì)有明顯響應(yīng)，且不同傳感器的響應(yīng)信號存在差異。根據(jù)電子鼻14個傳感器的響應(yīng)值（1.20、1.25、1.30、1.14、1.28、1.16、1.08、1.73、1.08、1.01、1.18、1.09、1.08、1.06）可知，傳感器（S8）感應(yīng)強度變化明顯，其他傳感器感應(yīng)強度變化不明顯。參考電子鼻各氣味傳感器的敏感物質(zhì)類型可知，室溫條件下，雞肉糜中添加淀粉可能會促進存在于淀粉中的揮發(fā)性胺類（S8檢測，總含量較高）的持續(xù)釋放，導(dǎo)致其傳感器信號增強至1.30（80 s檢測）。因此，可將對揮發(fā)性胺類敏感的傳感器（S8）響應(yīng)值，作為檢測雞肉糜摻5%淀粉的模型數(shù)據(jù)。

電子舌檢測摻5.0%淀粉雞肉糜的傳感器響應(yīng)值圖如圖6所示，取前0.006 s的響應(yīng)值作為特征值進行分析。由圖6可知，每個金屬傳感器有兩個信號密集區(qū)，分別在0.005 5 s和0.005 9 s處，響應(yīng)值范圍分別為S1（?2～2 mA和?2～3 mA）、S2（?4～4 mA和?4～4 mA）、S3（?3～3 mA和?4～4 mA）、S4（?2～3 mA和?3～3 mA）、S5（?2～2 mA和?2～3 mA）、S6（?2～4 mA和?4～4 mA），同一樣品在不同的傳感器上的響應(yīng)值存在差異。由信號的密集程度和信號范圍傳感器可知，聯(lián)合S2、S3、S4的響應(yīng)值可作為檢測雞肉糜摻5%淀粉的模型數(shù)據(jù)。結(jié)合大豆蛋白的數(shù)據(jù)可知，S2傳感器響應(yīng)值是一個重要且共有的模型數(shù)據(jù)。

圖5 電子鼻檢測摻5%淀粉雞肉糜傳感器響應(yīng)值圖

圖6 電子舌檢測摻5%淀粉雞肉糜傳感器響應(yīng)值圖

2.5 電子鼻和電子舌聯(lián)合檢測對不同摻淀粉雞肉糜的定性判別

在加熱至45 ℃條件下，雞肉糜中的淀粉會在-淀粉酶的催化作用下水解為麥芽糖及糊精等小分子，后與加入的甘氨酸高溫條件下發(fā)生美拉德反應(yīng)，產(chǎn)生美拉德反應(yīng)特有的復(fù)雜風(fēng)味物質(zhì)。由于雞肉糜中的淀粉含量不同，在甘氨酸含量一定的條件下，美拉德反應(yīng)進行的程度及產(chǎn)生的風(fēng)味物質(zhì)也隨之不同，據(jù)此利用電子鼻和電子舌對氣味和滋味的識別能力對樣品進行檢測。

電子鼻和電子舌聯(lián)合檢測摻淀粉雞肉糜主成分分析如圖7所示。采用SAS軟件進行主成分分析，其中第一主成分與第二主成分貢獻率分別為97.0%和2.1%，總貢獻率99.1%，前2個主成分共解釋了原始變量99.1%的信息。所有樣品根據(jù)濃度不同分布于6個不同的區(qū)域，除了摻雜比例15%的樣品無重疊外，其余5個摻雜比例（0、2.5%、5.0%、7.5%和10.0%）的樣品均有部分重疊，說明摻雜淀粉比例較小，雞肉糜樣品的氣味和滋味不太容易區(qū)分，但重疊部分遠小于樣本總數(shù)，并不影響檢測數(shù)據(jù)，這表明電子鼻和電子舌聯(lián)合檢測能夠很好的將摻不同比例的淀粉的雞肉糜區(qū)分開來。王勝威[33]用電子舌結(jié)合主成分分析檢測混入雞肉、鴨肉的摻假羊肉，主成分貢獻率分別為95.29%和99.08%。Dong等[29]用電子鼻和電子舌結(jié)合主成分分析可以清楚測定烤咖啡豆揮發(fā)性特征及風(fēng)味特性。Huo等[34]用電子鼻和電子舌結(jié)合主成分分析對9種不同產(chǎn)地、不同等級的綠茶進行鑒別，表明電子鼻和電子舌的聯(lián)用優(yōu)于單獨使用電子鼻或電子舌。本試驗不同在于不僅僅局限于樣品進行簡單的鑒別，而是可以檢測不同摻雜摻假比例的樣品。

圖7 電子鼻和電子舌聯(lián)合檢測摻淀粉雞肉糜主成分分析圖

2.6 電子鼻和電子舌聯(lián)合檢測對不同摻淀粉雞肉糜的定量判別

采用偏最小二乘法分析對雞肉糜中摻雜淀粉的定量預(yù)測，每組比例的樣品做24個平行，其中建模集18個，檢測集6個。采用決定系數(shù)2、均方根誤差RMSE對模型進行評價。電子鼻和電子舌檢測摻淀粉雞肉糜中淀粉比例的偏最小二乘法分析如圖8所示。由圖8可知，電子鼻單獨檢測的2為0.977，RMSE為5.0%，電子舌單獨檢測的2為0.976，RMSE為5.2%，電子鼻和電子舌數(shù)據(jù)聯(lián)合后檢測的2和RMSE分別為0.996和2.4%。Mohammed等[9]用高光譜成像結(jié)合偏最小二乘法分析檢測牛肉中的雞肉摻假物的量，得到2和RMSE分別為0.970和2.6%。Zheng等[10]用紅外高光譜成像系統(tǒng)結(jié)合偏最小二乘法分析快速檢測碎羊肉中的鴨肉摻假情況，得到2和RMSE分別為0.980和2.5%。實驗室前期做過利用近紅外檢測雞肉糜中摻雜淀粉的含量，表明利用近紅外檢測的摻淀粉雞肉糜的模型檢測集中2和RMSE分別為0.992和0.18%。雖然高光譜成像和近紅外檢測效果高于電子鼻或電子舌單獨檢測，但卻低于兩者聯(lián)合檢測。電子舌或者電子鼻單獨進行評價只能說明樣品在滋味或者氣味方面的異同，并不能從總體上對樣品進行綜合評價，從滋味或氣味單一評價食品的方法是有缺陷的。

圖8 電子鼻和電子舌檢測摻淀粉雞肉糜比例的偏最小二乘法分析圖

3 結(jié) 論

本試驗采用電子鼻和電子舌聯(lián)用技術(shù)并結(jié)合主成分分析（Principle Component Analysis, PCA）和偏最小二乘法分析（Partial Least Square Regression, PLSR）對摻雜不同大豆蛋白或淀粉比例的雞肉糜樣品進行定性和定量分析。結(jié)果發(fā)現(xiàn)：

1）主成分分析中，電子鼻和電子舌聯(lián)合檢測條件下，摻大豆蛋白雞肉糜的第一主成分和第二主成分的總貢獻率率為99.8%，摻淀粉雞肉糜的第一主成分和第二主成分的總貢獻率為99.1%，說明兩者聯(lián)用可以將摻雜不同比例大豆蛋白或淀粉的雞肉糜分開。

2）偏最小二乘法分析中，摻大豆蛋白雞肉糜電子鼻單獨檢測的決定系數(shù)（coefficient of determination,2）和均方根誤差（Root Mean Square Error, RMSE）分別為0.989和3.9%；電子舌單獨檢測2和RMSE為0.972和5.4%；電子鼻與電子舌聯(lián)合檢測的2和RMSE為0.992和2.8%。摻淀粉雞肉糜電子鼻單獨檢測的2和RMSE為0.977和5.0%；電子舌單獨檢測的2和RMSE為0.976和5.2%；電子鼻與電子舌聯(lián)合檢測的2和RMSE為0.996和2.4%。

結(jié)果表明，電子鼻和電子舌單獨使用均可檢測摻大豆蛋白雞肉糜、摻淀粉雞肉糜的摻假比例，但二者聯(lián)合的檢測準確率比單一儀器檢測結(jié)果要高。電子鼻、電子舌作為傳感器技術(shù)應(yīng)用廣泛，具有快速、綠色、靈敏的特點，比傳統(tǒng)的檢測方法耗時短，操作簡單，可在生產(chǎn)線上進行監(jiān)督檢測，確保產(chǎn)品質(zhì)量穩(wěn)定。

[1]沈杰. 基于X射線及近紅外光譜技術(shù)的禽肉品質(zhì)檢測[D]. 南昌：江西農(nóng)業(yè)大學(xué)，2011.

Shen Jie. Inspection of Poultry’s Quality Based on X-ray and Near Infrared Spectroscopy Technology[D]. Nanchang: Jiangxi Agricultural University, 2011. (in Chinese with English abstract)

[2]Xiong Zhenjie, Sun Dawen, Pu Hongbin, et al. Applications of emerging imaging techniques for meat quality and safety detection and evaluation: A review[J]. Critical Reviews in Food Science and Nutrition, 2017, 57(4): 755-768.

[3]朱亞東，何鴻舉，王魏，等. 高光譜成像技術(shù)結(jié)合線性回歸算法快速預(yù)測雞肉摻假牛肉[J]. 食品工業(yè)科技，2020，41(4)：184-189.

Zhu Yadong, He Hongju, Wang Wei, et al. Quick detection of beef adulteration using hyperspectral imaging technology combined with linear regression algorithm[J]. Science and Technology of Food Industry, 2020, 41(4): 184-189. (in Chinese with English abstract)

[4]Wang Qi, Lonergan S M, Yu Chenxu. Rapid determination of pork sensory quality using Raman spectroscopy[J]. Meat Science, 2012, 91(3): 232-239.

[5]Siciliano C, Belsito E, De Marco R, et al. Quantitative determination of fatty acid chain composition in pork meat products by high resolution1H NMR spectroscopy[J]. Food Chemistry, 2013, 136(2): 546-554.

[6]Kim M J, Kim H Y. A fast multiplex real-time PCR assay for simultaneous detection of pork chicken, and beef in commercial processed meat products[J/OL]. LWT-Food Science and Technology,2019,114, [2019-07-14], https://doi.org/10.1016/j.lwt.2019.108390.

[7]Mandli J, Fatimi I E, Seddaoui N, et al. Enzyme immunoassay (ELISA/immunosensor) for a sensitive detection of pork adulteration in meat[J]. Food Chemistry, 2018, 255: 380-389.

[8]何鴻舉，朱亞東，王慧，等. 近紅外光譜技術(shù)在生鮮禽肉質(zhì)量檢測中應(yīng)用的研究進展[J]. 食品科學(xué)，2019，40(21)：317-323.

He Hongju, Zhu Yadong, Wang Hui, et al. Recent advances in application of near-infrared spectroscopy for quality detection in fresh poultry meat[J]. Food Science, 2019, 40(21): 317-323. (in Chinese with English abstract)

[9]Mohammed K, Yoshio M, Seiichi O. Rapid and non-destructive detection of chicken adulteration in minced beef using visible near-infrared hyperspectral imaging and machine learning[J]. Journal of Food Engineering, 2016, 170: 8-15.

[10]Zheng Xiaochun, Li Yongyu, Wei Wensong, et al. Detection of adulteration with duck meat in minced lamb meat by using visible near-infrared hyperspectral imaging[J]. Meat Science, 2019, 149: 55-62.

[11]Zhao Haitao, Feng Yaoze, Chen Wei, et al. Application of invasive weed optimization and least square support vector machine for prediction of beef adulteration with spoiled beef based on Visible Near-Infrared (Vis-NIR) hyperspectral imaging[J]. Meat Science, 2019, 151: 75-81.

[12]Wiedemair V, Biasio D M, Leitner R, et al. Application of design of experiment for detection of meat fraud with a portable near-infrared spectrometer[J]. Current Analytical Chemistry, 2018, 14(1): 58-67.

[13]Fernández-Cabanás V M, Polvillo O, Rodríguez -Acuna R, et al. Rapid determination of the fatty acid profile in pork dry-cured sausages by NIR spectroscopy[J]. Food Chemistry, 2011, 124(1): 373-378

[14]Abd- Elghany S M, Sallam K I. Rapid determination of total aflatoxins and ochratoxins in meat products by immune- affinity fluorimetry[J]. Food Chemistry, 2015, 179: 253-256.

[15]Luis G, José M, Barat D B, et al. Monitoring of physical- chemical 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.

[16]Zhang Xinzhuang, Zhang Yawei, Meng Qingxiang, et al. Evaluation of beef by electronic tongue system TS-5000Z: Flavor assessment, recognition and chemical compositions according to its correlation with flavor[J]. Plos One, 2015, 10(9): 1-10.

[17]Gao Lin, Bian Mengxian, Mi Ruifang, et al. Quality identification and evaluation of pu-erh teas of different grade levels and various ages through sensory evaluation and instrumental analysis[J]. International Journal of Food Science &Technology, 2016, 51(6): 1338-1348.

[18]Gan Zhilin, Yang Yang, Li Jing, et al. Using sensor and spectral analysis to classify botanical origin and determine adulteration of raw honey[J]. Journal of Food Engineering, 2016, 178: 151-158.

[19]Souayah F, Rodrigues N, Veloso A C A, et al. Discrimination of olive oil by cultivar, geographical origin and quality using potentiometric electronic tongue fingerprints[J]. Journal of the American Oil Chemists' Society, 2017, 94(12): 1417-1429.

[20]Shen Yan, Chen Ping, Chen Weijun, et al. Monitoring the quality change of fresh coconut milk using an electronic tongue[J]. Journal of Food Processing and Preservation, 2017, 41(5): 514-516.

[21]Santonico M, Bellincontro A, Desantis D, et al. Electronic nose to study postharvest dehydration of wine grapes[J]. Food Chemistry, 2010, 121(3): 789-796.

[22]Nurjuliana M, Man Y 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.

[23]代雨婷，周博，王俊. 電子鼻技術(shù)在棉花早期棉鈴蟲蟲害檢測中的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報，2020，36(3)：313-320.

Dai Yuting, Zhou Bo, Wang Jun. Application of electronic nose in detection of cotton bollworm infestation at an early stage[J]. Transactions of the Chinese Society of Agricultural (Transactions of the CSAE), 2020, 36(3): 313-320. (in Chinese with English abstract)

[24]Kriengkri T, Theeraphop T, Noppon L, et al. Evaluation of bacterial population on chicken meats using a briefcase electronic nose[J]. Biosystems Engineering, 2016, 9(5): 116-125.

[25]李璐. 電子鼻結(jié)合GC-MS對羊肉摻假鴨肉的快速檢測[D]. 楊凌：西北農(nóng)林科技大學(xué)，2016.

Li Lu. The Rapid Detection of Mutton Adulterated with Duck by Electronic Nose Combined with GC-MS[D]. Yangling: Northwest A&F University, 2016. (in Chinese with English abstract)

[26]田曉靜. 基于電子鼻和電子舌的羊肉品質(zhì)檢測[D]. 杭州：浙江大學(xué)，2014.

Tian Xiaojing.Mutton Quality Detection Based on Electronic Nose and Electronic Tongue[D]. Hangzhou: Zhejiang University, 2014. (in Chinese with English abstract)

[27]Wu Hao, Yue Tianli, Yuan Yahong. Authenticity tracing of apples according to variety and geographical origin based on electronic nose and electronic tongue[J]. Food Analytical Methods, 2018, 11(2): 522-532.

[28]Zhang Jiahui, Cao Jun, Pei Zhishen, et al. Volatile flavour components and the mechanisms underlying their production in golden pompano () fillets subjected to different drying methods: A comparative study using an electronic nose, an electronic tongue and SDE-GC-MS[J]. Food Research International, 2019, 123: 217-225.

[29]Dong Wenjiang, Hu Rongsuo, Long Yuzhou, et al. Comparative evaluation of the volatile profiles and taste properties of roasted coffee beans as affected by drying method and detected by electronic nose, electronic tongue, and HS-SPME-GC-MS[J]. Food Chemistry, 2019, 272: 723-731.

[30]Zhu Danshi, Ren Xiaojun, Wei Liwei, et al. Collaborative analysis on difference of apple fruits flavour using electronic nose and electronic tongue[J]. Scientia Horticulturae, 2020, 260.

[31]Runu B, Tudu B, Shaw L, et al. Instrumental testing of tea by combining the responses of electronic nose and tongue[J]. Journal of Food Engineering, 2012, 110(3): 356-363.

[32]楊志敏. 應(yīng)用近紅外光譜技術(shù)快速檢測原料肉新鮮度及摻假的研究[D]. 楊凌：西北農(nóng)林科技大學(xué)，2011.

Yang Zhimin. Study on Rapid Detection of Freshness of Raw Meat and Adulteration Meat by Near Infrared Spectroscopy Analysis[D]. Yangling: Northwest A&F University, 2011. (in Chinese with English abstract)

[33]王勝威. 基于低場核磁共振及電子舌對羊肉品質(zhì)安全判別研究[D]. 貴陽：貴州大學(xué)，2015.

Wang Shengwei. Study on Quality and Safety Discrimination of Mutton by Low-Field Nuclear Magnetic Resonance and Electronic Tongue Technology[D]. Guiyang: Guizhou University, 2015. (in Chinese with English abstract)

[34]Huo Danqun, Wu Yu, Yang Mei, et al. Discrimination of Chinese green tea according to varieties and grade levels using artificial nose and tongue based on colorimetric sensor arrays[J]. Food Chemistry, 2014, 145: 639-645.

Separate and combined detection of minced chicken meat adulterated with soy protein or starch using electronic nose and electronic tongue

Li Yan1,2, Li Fangfang1, Yu Linhong1, Sun Jingxin1,2※, Guo Liping1, Dai Aiguo5, Wang Baowei1, Huang Ming3,4, Xu Xinglian3

(1.,,266109,; 2.,,266109,; 3.,,210095,; 4..,.,211226,; 5..,.,266109,)

The electronic nose and electronic tongue were used to detect adulterated chicken rapidly. In this research, electronic nose and electronic tongue were used to detect the content of soybean protein and starch in chicken meat. Soy protein (0, 2.5%, 5.0%, 7.5%, and 10.0%) was mixed into minced chicken meat to prepare adulterated chicken samples, the total sample weight was 10 g. The 2 mL of distilled water and 0.006 g of neutral protease were added in sequence in a 50 ℃water bath. After 15 min, the above samples were raised to 90 ℃to inactivate the enzyme. And incorporated with 0.1 g of D-ribose, Maillard reaction was carried out for 20 min. Then the reaction was terminated at 20 ℃.The processed samples were put into the measuring bottle for electronic nose detection. The 50 mL of 0.1 mol/L potassium chloride extract was added to each group of prepared electronic nose samples. After 30 min, the filtrate was taken for electronic tongue detection.Twenty-four samples in each group were made in parallel, including 18 modeling sets and 6 detection sets. Starch (0, 2.5%, 5.0%, 7.5%, 10.0% and 15.0%) was mixed into minced chicken meat to prepare adulterated chicken samples, the total sample weight was 10 g. The 2 mL of distilled water and 0.006 g of-amylase were added to each group of samples in a 45 ℃water bath. After 15 min, the above samples were raised to 90 ℃to inactivate the enzyme. When incorporating with 0.1 g of glycine, the Maillard reaction was carried out for 20 min. Then the reaction was terminated at 20 ℃.The processed samples were put into the measuring bottle for electronic nose detection. The 50 mL of 0.1 mol/L potassium chloride extract was added to each group of prepared electronic nose samples. After 30 min, the filtrate was taken for electronic tongue detection.Twenty-four samples in each group were made in parallel, including 18 modeling sets and 6 detection sets. The data was statistically analyzed by Principal Component Analysis (PCA) and Partial Least Squares Regression (PLSR). By PCA, the results showed that the contribution rates of first principal component and second principal component combinedly detected by electronic nose and electronic tongue for minced chicken meat adulterated with soy protein were 99.2% and 0.6%, respectively, and the total contribution rate was 99.8%.By PLSR, the coefficient of determination detected by electronic nose or electronic tongue was 0.989 and 0.972, the root mean square error was 3.9% and 5.4%, respectively. The coefficient of determination and the root mean square error of combinedly detected by electronic nose and electronic tongue were 0.992 and 2.8%.By PCA, the results showed that the contribution rates of first principal component and second principal component combinedly detected by electronic nose and electronic tongue for minced chicken meat adulterated with starch were 97.0% and 2.1%, respectively, and the total contribution rate was 99.1%.By PLSR, the coefficient of determination detected by electronic nose or electronic tongue was 0.977 and 0.976, the root mean square error was 5.0% and 5.2%, respectively. The coefficient of determination and the root mean square error of combinedly detected by electronic nose and electronic tongue were 0.996 and 2.4%. The performance of combined detection by electronic nose and electronic tongue for soy protein was better than for starch. The combined detection using electronic nose and electronic tongue sensors has a potential ability to distinguish and predict soy protein-based or starch-based adulteration in minced chicken meat and has also been proved to be a useful authentication method for meat adulteration detection with high efficiency and accuracy.

electronic nose; principal component analysis; meats; electronic tongue; soy protein; starch

李巖，李芳芳，于林宏，等. 電子鼻和電子舌單獨與聯(lián)合檢測摻大豆蛋白或淀粉的雞肉糜[J]. 農(nóng)業(yè)工程學(xué)報，2020，36(23)：309-316.doi：10.11975/j.issn.1002-6819.2020.23.036 http://www.tcsae.org

Li Yan, Li Fangfang, Yu Linhong, et al. Separate and combined detection of minced chicken meat adulterated with soy protein or starch using electronic nose and electronic tongue[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(23): 309-316. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.23.036 http://www.tcsae.org

2020-05-26

2020-09-28

山東省現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系家禽創(chuàng)新團隊項目（SDAIT-11-11）；現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)專項-肉雞（CARS-41-Z06）；青島特種食品研究院立項項目：新型常溫保存肉制品研發(fā)（66120015）

李巖，博士，講師，主要從事食品膠體化學(xué)研究。Email：yli@qau.edu.cn

孫京新，博士，教授，主要從事畜產(chǎn)品加工研究。Email：jxsun20000@163.com

10.11975/j.issn.1002-6819.2020.23.036

TS251.7

A

1002-6819(2020)-23-0309-08