不同蒸制条件下荔浦芋的风味评价
发布时间：2021-09-08 15:17
利用感官评价和电子鼻技术对不同蒸制时间（0, 2.5, 5, 7.5, 10和12.5 min）荔浦芋挥发性风味物质进行评价。通过感官评价判定荔浦芋的最佳蒸制时间。通过雷达图和载荷分析（Loading analysis, LA）研究各传感器响应值的变化情况来量化样品间挥发性风味物质的区分度。采用主成分分析（principal component analysis, PCA）和线性判别分析（Linear discrimination analysis, LDA）得出主成分贡献率。结果表明:由感官评价结果得出蒸制10 min的荔浦芋口感和挥发性风味物质最佳。电子鼻对不同蒸制时间荔浦芋的气味均有较好的响应,电子鼻传感器S6, S7, S8和S9起主要区别作用,不同蒸制时间荔浦芋的特征性风味物质来自氮氧化物、甲基类、硫化物、醛类及醇类。该试验拟为芋头深加工过程中挥发性风味物质控制提供理论依据和技术参考。
【文章来源】：食品工业. 2020,41(10)北大核心
【文章页数】：5 页
【部分图文】：
不同蒸制时间荔浦芋电子鼻传感器响应雷达图
《食品工业》2020年第41卷第10期188研究探讨PC1方向与其他样品间距均较大，说明蒸制0min荔浦芋在气味上与其他样品存在较大差异。PCA分析表明经过蒸制的荔浦芋挥发性风味物质成分发生的变化较大。图2不同蒸制时间荔浦芋PCA图2.2.3不同蒸制时间荔浦芋挥发性风味物质成分传感器载荷分析（LA）LA通常用来体现传感器在识别模式中的重要程度，位点坐标表示其在主成分上的比重，坐标值越大，说明传感器对检测样品的挥发性风味物质反应较敏感，该传感器是识别传感器[28]。根据图3不同蒸制时间荔浦芋LA图可知，第1主成分（LA1）的贡献率为91.85%，第2主成分（LA2）的贡献率为7.96%，累计贡献率为99.81%，反映了样品绝大部分信息特征。传感器S10、S5、S4、S3、S1的分布接近零坐标，且位置靠近，有部分重叠，表明其感应信号变化较弱，贡献率小，表明它们对不同蒸制时间荔浦芋挥发性气味的敏感程度较低。传感器S6（甲基类）、S7（硫化物）对第1主成分的贡献率较大，且S6对第2主成分的贡献率最大，S6是区别不同蒸制时间荔浦芋挥发性风味物质的主要传感器[25]。LA分析说明甲基类物质和硫化物在对不同蒸制时间荔浦芋挥发性风味物质区分中贡献较大，与2.2.1雷达图分析结果相符。图3不同蒸制时间荔浦芋LA图2.2.4不同蒸制时间荔浦芋挥发性风味物质成分线性判别分析（LDA）线性判别分析，是继PCA分析之后对传感器所感应的挥发性风味物质的响应信号进一步优化处理，扩大数据之间的差异性，进而反映样品香气的差异情况。线性判别分析时，可以利用所有的传感器信号以提高分类的准确性[29]。线性判别分析相比于主成分分析来说更加注重样品在空间中的分布规律及各样品间的距离分析[30]，通常与PCA法同时采用，?
《食品工业》2020年第41卷第10期188研究探讨PC1方向与其他样品间距均较大，说明蒸制0min荔浦芋在气味上与其他样品存在较大差异。PCA分析表明经过蒸制的荔浦芋挥发性风味物质成分发生的变化较大。图2不同蒸制时间荔浦芋PCA图2.2.3不同蒸制时间荔浦芋挥发性风味物质成分传感器载荷分析（LA）LA通常用来体现传感器在识别模式中的重要程度，位点坐标表示其在主成分上的比重，坐标值越大，说明传感器对检测样品的挥发性风味物质反应较敏感，该传感器是识别传感器[28]。根据图3不同蒸制时间荔浦芋LA图可知，第1主成分（LA1）的贡献率为91.85%，第2主成分（LA2）的贡献率为7.96%，累计贡献率为99.81%，反映了样品绝大部分信息特征。传感器S10、S5、S4、S3、S1的分布接近零坐标，且位置靠近，有部分重叠，表明其感应信号变化较弱，贡献率小，表明它们对不同蒸制时间荔浦芋挥发性气味的敏感程度较低。传感器S6（甲基类）、S7（硫化物）对第1主成分的贡献率较大，且S6对第2主成分的贡献率最大，S6是区别不同蒸制时间荔浦芋挥发性风味物质的主要传感器[25]。LA分析说明甲基类物质和硫化物在对不同蒸制时间荔浦芋挥发性风味物质区分中贡献较大，与2.2.1雷达图分析结果相符。图3不同蒸制时间荔浦芋LA图2.2.4不同蒸制时间荔浦芋挥发性风味物质成分线性判别分析（LDA）线性判别分析，是继PCA分析之后对传感器所感应的挥发性风味物质的响应信号进一步优化处理，扩大数据之间的差异性，进而反映样品香气的差异情况。线性判别分析时，可以利用所有的传感器信号以提高分类的准确性[29]。线性判别分析相比于主成分分析来说更加注重样品在空间中的分布规律及各样品间的距离分析[30]，通常与PCA法同时采用，?
【参考文献】：
期刊论文
[1]基于电子鼻对花香型红茶挥发性风味形成过程分析[J]. 谌珍,刘青茹,周洁蓉,周方林,刘伟,周颖. 农产品加工. 2019(06)
[2]我国芋头栽培技术研究进展[J]. 戴艳丽,吴湖龙,杨柳依,杨湘虹,刘乐承. 长江大学学报(自科版). 2018(22)
[3]中医绿色药膳房—芋头的药食功效研究[J]. 段文倩,孙河龙,金书情,耿雯雯,路海涛,楚子琰,郭宵飞. 中西医结合心血管病电子杂志. 2018(21)
[4]基于电子舌与电子鼻评价烘培时间对黄秋葵籽风味品质的影响[J]. 文攀,薛长风,裴志胜,公维洁,卓先勤,徐云升. 食品工业科技. 2018(24)
[5]基于电子鼻对不同发酵阶段蟹酱加热前后特征风味的分析[J]. 黄鹤,耿丽晶,陈博,王冠,刘冰,陈冠男,王筱瑜. 食品工业科技. 2018(09)
[6]基于二维气相色谱技术的食品挥发性风味评价及其应用[J]. 李楠,王锡昌,许长华. 中国食品学报. 2018(04)
[7]芋头的营养成分及加工利用研究进展[J]. 韩笑,张东旭,王磊,李琪. 中国果菜. 2018(03)
[8]芋头食味品质评价方法的建立与应用[J]. 殷剑美,张培通,王立,韩晓勇,郭文琦,李春宏. 长江蔬菜. 2017(24)
[9]芋头在新郑市的高产栽培技术[J]. 王辉. 河南农业. 2017(31)
[10]芋头果脯加工工艺[J]. 徐海祥. 农村百事通. 2017(18)
本文编号：3391018
【文章来源】：食品工业. 2020,41(10)北大核心
【文章页数】：5 页
【部分图文】：
不同蒸制时间荔浦芋电子鼻传感器响应雷达图
《食品工业》2020年第41卷第10期188研究探讨PC1方向与其他样品间距均较大，说明蒸制0min荔浦芋在气味上与其他样品存在较大差异。PCA分析表明经过蒸制的荔浦芋挥发性风味物质成分发生的变化较大。图2不同蒸制时间荔浦芋PCA图2.2.3不同蒸制时间荔浦芋挥发性风味物质成分传感器载荷分析（LA）LA通常用来体现传感器在识别模式中的重要程度，位点坐标表示其在主成分上的比重，坐标值越大，说明传感器对检测样品的挥发性风味物质反应较敏感，该传感器是识别传感器[28]。根据图3不同蒸制时间荔浦芋LA图可知，第1主成分（LA1）的贡献率为91.85%，第2主成分（LA2）的贡献率为7.96%，累计贡献率为99.81%，反映了样品绝大部分信息特征。传感器S10、S5、S4、S3、S1的分布接近零坐标，且位置靠近，有部分重叠，表明其感应信号变化较弱，贡献率小，表明它们对不同蒸制时间荔浦芋挥发性气味的敏感程度较低。传感器S6（甲基类）、S7（硫化物）对第1主成分的贡献率较大，且S6对第2主成分的贡献率最大，S6是区别不同蒸制时间荔浦芋挥发性风味物质的主要传感器[25]。LA分析说明甲基类物质和硫化物在对不同蒸制时间荔浦芋挥发性风味物质区分中贡献较大，与2.2.1雷达图分析结果相符。图3不同蒸制时间荔浦芋LA图2.2.4不同蒸制时间荔浦芋挥发性风味物质成分线性判别分析（LDA）线性判别分析，是继PCA分析之后对传感器所感应的挥发性风味物质的响应信号进一步优化处理，扩大数据之间的差异性，进而反映样品香气的差异情况。线性判别分析时，可以利用所有的传感器信号以提高分类的准确性[29]。线性判别分析相比于主成分分析来说更加注重样品在空间中的分布规律及各样品间的距离分析[30]，通常与PCA法同时采用，?
《食品工业》2020年第41卷第10期188研究探讨PC1方向与其他样品间距均较大，说明蒸制0min荔浦芋在气味上与其他样品存在较大差异。PCA分析表明经过蒸制的荔浦芋挥发性风味物质成分发生的变化较大。图2不同蒸制时间荔浦芋PCA图2.2.3不同蒸制时间荔浦芋挥发性风味物质成分传感器载荷分析（LA）LA通常用来体现传感器在识别模式中的重要程度，位点坐标表示其在主成分上的比重，坐标值越大，说明传感器对检测样品的挥发性风味物质反应较敏感，该传感器是识别传感器[28]。根据图3不同蒸制时间荔浦芋LA图可知，第1主成分（LA1）的贡献率为91.85%，第2主成分（LA2）的贡献率为7.96%，累计贡献率为99.81%，反映了样品绝大部分信息特征。传感器S10、S5、S4、S3、S1的分布接近零坐标，且位置靠近，有部分重叠，表明其感应信号变化较弱，贡献率小，表明它们对不同蒸制时间荔浦芋挥发性气味的敏感程度较低。传感器S6（甲基类）、S7（硫化物）对第1主成分的贡献率较大，且S6对第2主成分的贡献率最大，S6是区别不同蒸制时间荔浦芋挥发性风味物质的主要传感器[25]。LA分析说明甲基类物质和硫化物在对不同蒸制时间荔浦芋挥发性风味物质区分中贡献较大，与2.2.1雷达图分析结果相符。图3不同蒸制时间荔浦芋LA图2.2.4不同蒸制时间荔浦芋挥发性风味物质成分线性判别分析（LDA）线性判别分析，是继PCA分析之后对传感器所感应的挥发性风味物质的响应信号进一步优化处理，扩大数据之间的差异性，进而反映样品香气的差异情况。线性判别分析时，可以利用所有的传感器信号以提高分类的准确性[29]。线性判别分析相比于主成分分析来说更加注重样品在空间中的分布规律及各样品间的距离分析[30]，通常与PCA法同时采用，?
【参考文献】：
期刊论文
[1]基于电子鼻对花香型红茶挥发性风味形成过程分析[J]. 谌珍,刘青茹,周洁蓉,周方林,刘伟,周颖. 农产品加工. 2019(06)
[2]我国芋头栽培技术研究进展[J]. 戴艳丽,吴湖龙,杨柳依,杨湘虹,刘乐承. 长江大学学报(自科版). 2018(22)
[3]中医绿色药膳房—芋头的药食功效研究[J]. 段文倩,孙河龙,金书情,耿雯雯,路海涛,楚子琰,郭宵飞. 中西医结合心血管病电子杂志. 2018(21)
[4]基于电子舌与电子鼻评价烘培时间对黄秋葵籽风味品质的影响[J]. 文攀,薛长风,裴志胜,公维洁,卓先勤,徐云升. 食品工业科技. 2018(24)
[5]基于电子鼻对不同发酵阶段蟹酱加热前后特征风味的分析[J]. 黄鹤,耿丽晶,陈博,王冠,刘冰,陈冠男,王筱瑜. 食品工业科技. 2018(09)
[6]基于二维气相色谱技术的食品挥发性风味评价及其应用[J]. 李楠,王锡昌,许长华. 中国食品学报. 2018(04)
[7]芋头的营养成分及加工利用研究进展[J]. 韩笑,张东旭,王磊,李琪. 中国果菜. 2018(03)
[8]芋头食味品质评价方法的建立与应用[J]. 殷剑美,张培通,王立,韩晓勇,郭文琦,李春宏. 长江蔬菜. 2017(24)
[9]芋头在新郑市的高产栽培技术[J]. 王辉. 河南农业. 2017(31)
[10]芋头果脯加工工艺[J]. 徐海祥. 农村百事通. 2017(18)
本文编号：3391018
本文链接：https://www.wllwen.com/wenshubaike/jieribaike/3391018.html
