食用植物油是由脂肪酸和甘油化合而成的天然高分子化合物，可從植物種子、果肉及其他部分提取得到，廣泛分布于自然界中。
本實驗使用了法國Alpha M.O.S公司生產(chǎn)的傳感器型味覺電子舌系統(tǒng)對16種不同品牌、不同種類、不同原產(chǎn)地的食用植物油進行檢測，再挑選3種品質(zhì)較好的油脂進行摻偽檢測。采用主成分分析法與判別因子分析法處理數(shù)據(jù)，以電子舌味覺指紋分析技術區(qū)分和識別各類食用植物油，為油脂快速檢測體系的建立提供有力依據(jù)。
材料與方法
實驗材料
原料與試劑
6種不同品牌、不同種類、不同原產(chǎn)地的食用植物油，購于當?shù)爻校诒Ｙ|(zhì)期內(nèi)；無水乙醇；HCl溶液。
樣品前處理
將標記好的油脂樣品分別加入100 mL 20％的乙醇溶液，超聲振蕩1 h后，靜置隔夜，取下層溶液密封保存待用。
電子舌檢測
將處理完的樣品倒入電子舌專用燒杯中，將待測樣品編號，和清洗液(20％乙醇溶液)交替放在電子舌自動進樣器上。每一種樣品需重復檢測10次，取后3次穩(wěn)定的測量數(shù)據(jù)作為統(tǒng)計分析的原始數(shù)據(jù)。
結果與分析
傳感器的選擇
由圖1可以看出，電子舌不同傳感器對油脂樣品的感受程度不同，7根傳感器中有的傳感器對不同樣品檢測出相似的信息，而有的傳感器則有較強的判別能力，剔除判別能力較弱的傳感器可以避免樣品主成分分析后互相重疊的現(xiàn)象。由圖可見，CA、JE、HA這3根傳感器在檢測油脂樣品時得到的結果差異性較大。因此，在后續(xù)實驗中，使用CA、JE、HA這3根傳感器對油脂數(shù)據(jù)進行測定，也為電子舌數(shù)據(jù)的分析提供了科學的理論依據(jù)。
樣品的主成分分析和判別因子分析
本實驗使用了優(yōu)化傳感器的方法對樣品進行分析，剔除敏感度較低的傳感器，篩選出CA、JE、HA這3根傳感器進行檢測，得到更加快速直觀的結果。從主成分分析圖(圖2)可以看出，前2個主成分的貢獻率分別達到了83．475％、14．62l％，累計主成分貢獻率達到98．096％，驗證得分達99分，足以收集油脂的味覺特征性信息，6種食用油樣品均能明顯區(qū)分，沒有重疊區(qū)域，除樣3和樣4，各個樣品數(shù)據(jù)點分布較遠，說明PCA法可以有效區(qū)分這6種油脂樣品；由判別因子分析圖如圖3可知，樣品的原始數(shù)據(jù)提取較好，判別因子的貢獻率分別為89．591％、10．344％，總貢獻率達到99．935％，差異明顯，區(qū)域無重疊且相距較遠，能夠快速有效地將6種樣品區(qū)分開來。通過比較圖2、圖3可知，電子舌味覺指紋分析技術可以有效區(qū)分不同品種的食用植物油，并且DFA法要優(yōu)于PCA法。
不同品牌芝麻油的摻雜分析
不同品牌芝麻油樣品混合情況見表1。
由圖4可知，選擇3根傳感器分析芝麻油混合樣品時，樣ZH4與樣ZH0相距較遠且分布在不同象限內(nèi)，樣ZHl和樣ZH2有小部分重疊。主成分l和主成分2的貢獻率分別為98．114％、1.15％，總貢獻率達到了99.264％，足以收集樣品的特征信息。由圖5可知，采用DFA法對上述2組樣品進行分析時，2個判別因子的貢獻率分別為98.458％、1．45％，總貢獻率達到99.908％，樣品均能分開，且組間差距較大，樣ZH0與樣ZH4分布較遠且樣品摻雜含量低至0.1％的樣ZHI也能明顯區(qū)分。綜合比較圖4、圖5可見PCA法和DFA法均能夠?qū)ξ队X相似的芝麻油樣品進行較好的區(qū)分，而DFA法要優(yōu)于PCA法。
不同品牌橄欖油的摻雜分析
不同品牌橄欖油混合情況見表2。
不同品牌亞麻籽油的摻雜分析
不同品牌亞麻籽油樣品混合情況見表3。
采用PCA法對第3組樣品進行分析，由圖8可得出，優(yōu)化傳感器后，2個主成分的貢獻率分別為82.306％、10.428％，總貢獻率達到92.734％，不同樣品組的數(shù)據(jù)點分布在4個象限，YH2與YH3有小部分重疊，其他樣品在主成分分析圖上可以較好區(qū)分，說明提取的信息能基本反映數(shù)據(jù)信息。由圖9可以看出，判別因子1和判別因子2的貢獻率為67.447％、30.364％，總貢獻率為97.811％，其中YH3與YH2有重疊，其他樣品可較好分開，分布在3個不同象限且組內(nèi)的數(shù)據(jù)點比較集中。綜合比較圖8、9，可得出2種方法均能對亞麻籽油混樣進行區(qū)分，而DFA法要優(yōu)于PCA法。
結論
采用AlphaM.O.S公司的電子舌，對6種3組同類型、不同品牌、不同產(chǎn)地、不同生產(chǎn)工藝的油脂摻雜樣品進行區(qū)分與識別，其檢測限可低至0.1％，識別指數(shù)為99分。相比于傳統(tǒng)的食用油摻假檢測，如油脂理化指標檢測、氣相色譜法等，電子舌的檢測方法更靈敏，更準確，并且可以區(qū)分成分相近的同種油脂，該檢測方法有助于食用油的地區(qū)保護、品牌保護。
從7根傳感器中優(yōu)化篩選了CA、JE、HA 3根判別能力較強的傳感器對樣品的味覺信息進行采集和分析。數(shù)據(jù)處理采用了PCA法和DFA法，其中DFA法要優(yōu)于PCA法，且2種方法的指紋分辨指數(shù)多高于97％，在油脂樣品摻雜量很小的情況下依然可以區(qū)分。
來源：感官科學與評定 轉(zhuǎn)載請注明來源。
參考文獻：[1]劉雅婧,袁建,鞠興榮,邢常瑞,何榮,陳尚兵.電子舌快速檢測食用植物油摻偽[J].食品安全質(zhì)量檢測學報,2018,9(10):2339-2344.
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應該在缺乏具體的專業(yè)建議的情況下，擅自根據(jù)文章內(nèi)容采取行動，因此導致的損失，運營方不負責。如文章涉及侵權或不愿我平臺發(fā)布，請聯(lián)系處理。
本實驗使用了法國Alpha M.O.S公司生產(chǎn)的傳感器型味覺電子舌系統(tǒng)對16種不同品牌、不同種類、不同原產(chǎn)地的食用植物油進行檢測，再挑選3種品質(zhì)較好的油脂進行摻偽檢測。采用主成分分析法與判別因子分析法處理數(shù)據(jù)，以電子舌味覺指紋分析技術區(qū)分和識別各類食用植物油，為油脂快速檢測體系的建立提供有力依據(jù)。
材料與方法
實驗材料
原料與試劑
6種不同品牌、不同種類、不同原產(chǎn)地的食用植物油，購于當?shù)爻校诒Ｙ|(zhì)期內(nèi)；無水乙醇；HCl溶液。
樣品前處理
將標記好的油脂樣品分別加入100 mL 20％的乙醇溶液，超聲振蕩1 h后，靜置隔夜，取下層溶液密封保存待用。
電子舌檢測
將處理完的樣品倒入電子舌專用燒杯中，將待測樣品編號，和清洗液(20％乙醇溶液)交替放在電子舌自動進樣器上。每一種樣品需重復檢測10次，取后3次穩(wěn)定的測量數(shù)據(jù)作為統(tǒng)計分析的原始數(shù)據(jù)。
結果與分析
傳感器的選擇
由圖1可以看出，電子舌不同傳感器對油脂樣品的感受程度不同，7根傳感器中有的傳感器對不同樣品檢測出相似的信息，而有的傳感器則有較強的判別能力，剔除判別能力較弱的傳感器可以避免樣品主成分分析后互相重疊的現(xiàn)象。由圖可見，CA、JE、HA這3根傳感器在檢測油脂樣品時得到的結果差異性較大。因此，在后續(xù)實驗中，使用CA、JE、HA這3根傳感器對油脂數(shù)據(jù)進行測定，也為電子舌數(shù)據(jù)的分析提供了科學的理論依據(jù)。
本實驗使用了優(yōu)化傳感器的方法對樣品進行分析，剔除敏感度較低的傳感器，篩選出CA、JE、HA這3根傳感器進行檢測，得到更加快速直觀的結果。從主成分分析圖(圖2)可以看出，前2個主成分的貢獻率分別達到了83．475％、14．62l％，累計主成分貢獻率達到98．096％，驗證得分達99分，足以收集油脂的味覺特征性信息，6種食用油樣品均能明顯區(qū)分，沒有重疊區(qū)域，除樣3和樣4，各個樣品數(shù)據(jù)點分布較遠，說明PCA法可以有效區(qū)分這6種油脂樣品；由判別因子分析圖如圖3可知，樣品的原始數(shù)據(jù)提取較好，判別因子的貢獻率分別為89．591％、10．344％，總貢獻率達到99．935％，差異明顯，區(qū)域無重疊且相距較遠，能夠快速有效地將6種樣品區(qū)分開來。通過比較圖2、圖3可知，電子舌味覺指紋分析技術可以有效區(qū)分不同品種的食用植物油，并且DFA法要優(yōu)于PCA法。
不同品牌芝麻油樣品混合情況見表1。
表1 芝麻油樣品混合比例
由圖4可知，選擇3根傳感器分析芝麻油混合樣品時，樣ZH4與樣ZH0相距較遠且分布在不同象限內(nèi)，樣ZHl和樣ZH2有小部分重疊。主成分l和主成分2的貢獻率分別為98．114％、1.15％，總貢獻率達到了99.264％，足以收集樣品的特征信息。由圖5可知，采用DFA法對上述2組樣品進行分析時，2個判別因子的貢獻率分別為98.458％、1．45％，總貢獻率達到99.908％，樣品均能分開，且組間差距較大，樣ZH0與樣ZH4分布較遠且樣品摻雜含量低至0.1％的樣ZHI也能明顯區(qū)分。綜合比較圖4、圖5可見PCA法和DFA法均能夠?qū)ξ队X相似的芝麻油樣品進行較好的區(qū)分，而DFA法要優(yōu)于PCA法。
不同品牌橄欖油的摻雜分析
不同品牌橄欖油混合情況見表2。
表2 橄欖油混合樣品比例
由圖6可知，2個主成分的貢獻率分別為59．444％、31．689％，總貢獻率可達9l_3l％，其中GH0為純的4號樣，GH4為純的3號樣，二者數(shù)據(jù)點分布區(qū)分明顯，并且由樣GHI與二者數(shù)據(jù)分布較遠可以得出，檢測限可低至0．1％，仍可區(qū)分。由圖7可知，DFA方法的2個主成分貢獻率為63．226％、35．152％，總貢獻率可達98．38％，且純的3號樣與純的4號樣區(qū)分明顯，各摻雜比例的數(shù)據(jù)點分布也無重復區(qū)域。比較圖6，圖7可以看出DFA方法明顯優(yōu)于PCA方法。且2種方法都可以明顯地區(qū)分這兩者的摻雜。
不同品牌亞麻籽油樣品混合情況見表3。
表3 亞麻籽油混合樣品比例
采用AlphaM.O.S公司的電子舌，對6種3組同類型、不同品牌、不同產(chǎn)地、不同生產(chǎn)工藝的油脂摻雜樣品進行區(qū)分與識別，其檢測限可低至0.1％，識別指數(shù)為99分。相比于傳統(tǒng)的食用油摻假檢測，如油脂理化指標檢測、氣相色譜法等，電子舌的檢測方法更靈敏，更準確，并且可以區(qū)分成分相近的同種油脂，該檢測方法有助于食用油的地區(qū)保護、品牌保護。
從7根傳感器中優(yōu)化篩選了CA、JE、HA 3根判別能力較強的傳感器對樣品的味覺信息進行采集和分析。數(shù)據(jù)處理采用了PCA法和DFA法，其中DFA法要優(yōu)于PCA法，且2種方法的指紋分辨指數(shù)多高于97％，在油脂樣品摻雜量很小的情況下依然可以區(qū)分。
來源：感官科學與評定 轉(zhuǎn)載請注明來源。
參考文獻：[1]劉雅婧,袁建,鞠興榮,邢常瑞,何榮,陳尚兵.電子舌快速檢測食用植物油摻偽[J].食品安全質(zhì)量檢測學報,2018,9(10):2339-2344.
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應該在缺乏具體的專業(yè)建議的情況下，擅自根據(jù)文章內(nèi)容采取行動，因此導致的損失，運營方不負責。如文章涉及侵權或不愿我平臺發(fā)布，請聯(lián)系處理。
