基于使用GC-MS分析的挥发性化合物的分布,使用电子鼻子对的新鲜度进行智能评估和动态预测

科学领域:

• 食品科学 食品科学 食品科学
• 分析化学 分析化学
• 感官科学 感官科学

背景情况:

• 的质量和味道受到挥发性有机化合物的显著影响.
• 对于海产品行业来说,快速准确地评估的新鲜度至关重要.
• 要了解储存期间的风味变化,需要对挥发性资料进行详细分析.

研究的目的:

• 为了快速评估的新鲜度,并监测储存期间的风味变化.
• 为了识别与黄性相关的关键挥发性化合物.
• 开发和验证用于质量评估的电子鼻子系统.

主要方法:

• 气色谱-质谱 (GC-MS) 用于挥发性化合物的识别.
• 电子鼻子技术用于快速感官分析.
• 机器学习算法包括线性差异分析 (LDA),主要组件分析 (PCA),支持矢量机 (SVM) 和随机森林 (RF) 用于数据解释.

主要成果:

• 酒精,酸和被确定为的性的主要贡献者.
• 特定的异环化合物,如Cis-2-(2-Pentenyl) furan,随着储存时间的增加而增加.
• 电子鼻子系统与LDA,SVM和RF模型相结合,在不同温度下对的新鲜度进行分类时,获得了超过90-95%的准确性.
• 皮尔森相关证实了传感器响应与特定挥发性化合物之间的强烈对齐.

结论:

• 电子鼻子系统为评估的新鲜度提供了一个可行的,快速的GC-MS替代方案.
• 关键的挥发性化合物,特别是异环化合物,可以作为质量的标志物.
• 机器学习模型有效地根据电子鼻子数据预测的新鲜度.