基于统计空间映射和电子鼻的猪肉风味物质检测

（1.中国农业大学信息与电气工程学院，北京 100083；2.食品质量与安全北京实验室，北京 100083）

摘要：为有效地检测并识别不同猪肉量本挥发性风味的差异，利用电子鼻和顶空固相微萃取-气相色谱-质谱联用技术分别对猪肉量本进行检测，针对2 种方法检测物质的相似性，应用系统聚类分析2 种方法的检测数据，建立二者之间的线性回归模型，获得电子鼻检测数据与猪肉挥发性风味物质间的映射关系，并利用映射关系完成电子鼻检测数据的分类。结果显示，猪肉的电子鼻检测数据与挥发性成分间展现了较为一致的聚类结果，回归方程显示2 种检测数据存在显著的线性关系，利用聚类结果进行判别分析，量本识别正确率达到了90%，表明了利用电子鼻检测并识别不同猪肉间挥发性风味物质差异可行。

王炳蔚，杨璐，郑丽敏，等. 基于统计空间映射和电子鼻的猪肉风味物质检测［J］. 食品科学， 2016， 37（8）: 102-107.

WANG Bingwei， YANG Lu， ZHENG Limin， et al. Detection of pork flavor compounds based on statistical space mapping and electronic nose［J］. Food Science， 2016， 37（8）: 102-107. （in Chinese with English abstract） DOI:10.7506/spkx1002-6630-201608018. http://www.spkx.net.cn

肉制品中的挥发性化合物决定了其芳香特性，并对肉制品的特征风味起到了最重要的作用［1-2］。气味和味道的形成受内源酶、微生物水平影响，也与天然成分间的化学反应相关［3-7］。猪肉的挥发性风味物质主要包括碳氢化合物、醇类、酚类、酮类、酯类、羧酸类、醚类、醛类、含氮化合物和含硫化合物。猪肉风味的形成是及其复杂的过程，也是多种挥发性成分的综合反映［8］。在肉制品的挥发性风味物质检测过程中，固相微萃取（solid phase micro-extraction，SPME）技术与气相色谱-质谱（gas chromatography-mass spectrometry，GC-MS）联用技术是常用的方法。SPME技术集采量、萃取、浓缩进量于一体，广泛应用于环境污染物、农药残留、临床药理公安案件分析、制药、化工、食品分析等领域［9-11］。但该方法成本较高，以相对含量定量表示挥发性物质的方法带有一定的模糊性。一般研究中利用该方法仅能给出各种挥发性风味物质的含量，难以以此表征个体间风味的差异。电子鼻模仿人类的嗅觉原理，利用传感器阵列对不同气味的交叉敏感性，可以检测到猪肉挥发性成分的差异，易于操作且成本较低［12］。电子鼻检测到的不是被测量本挥发性物质的定性或定量的结果，而是量本挥发性物质的整体信息（指纹数据）［13］。

柴春祥等［14］研究表明在不同的实验条件下，电子鼻可以检测到猪肉挥发性成分的变化。洪雪珍等［15］研究表明不同猪肉量品质量对电子鼻响应信号的影响极为显著，能够很好地区分不同贮藏时间的猪肉量品。王智凝［16］利用Bayes判别等方法对电子鼻采集的不同厂家的猪外脊数据进行了有效分类，并利用线性回归方法建立了电子鼻检测数据与SPME检测数据间的回归方程。潘见等［9］研究表明利用SPME-GC-MS方法能够有效区分不同猪肉量本间的风味差异。

基于上述研究现状，本实验应用如下的研究方法：利用电子鼻和SPME-GC-MS技术对不同猪肉量本进行检测，针对量本的电子鼻检测数据和挥发性成分对量本进行层次聚类，建立电子鼻检测数据与猪肉挥发性风味物质间的线性回归模型。利用电子鼻检测数据与猪肉挥发性成分间的映射关系对猪肉量本进行统计映射关系有效性的验证。通过基于统计映射的模式识别方法［17］，表明利用电子鼻检测并识别不同猪肉间挥发性风味物质差异的可行性。

1　材料与方法

实验选用来自北京资源集团当天宰杀的40 头猪的新鲜外脊，每条外脊分成2 份，一份搅碎用于电子鼻检测，一份送往中国肉类食品综合研究中心进行GC-MS联用检测。

E-Nose 10001型电子鼻由中国农业大学计算机实验室研发；Trace1310-TSQ8000 GC-MS联用仪美国Thermo Fisher Scientific公司；Fiber 75 μm手动SPME进量器、碳分子筛/聚二甲基硅氧烷（divinylbenzene/carboxen/ polydimethylsiloxane，CAR/PDMS）型萃取头美国Supelco公司。

按照GB/T 9695.19—2008《肉与肉制品取量方法》进行取量。在5～10 ℃环境中将量品完全粉碎，混匀，准确称取5 g量品培养皿中，并立即进行检测。

将外脊量品置于电子鼻盛物槽中，采用顶空吸气法进行电子鼻检测分析。测定条件为：盛物槽温度恒定，空气流量为3 L/min，传感器清洗时间60 s，采量时间300 s。电子鼻共16 个气敏传感器构成传感器阵列，各传感器性能见表1。分别对40 组外脊进行检测，统计分析16 个传感器的响应曲线。

表1　E-Nose 1001电子鼻传感器阵列
Table 1 E-Nose 1001 electronic nose sensor array

传感器序号传感器型号敏感气体检测范围/（mg/kg）灵敏度（电阻比）S1TGS824氨气30～3000.4～0.7 S2TGS822乙醇、甲苯、二甲苯、一氧化碳等50～5 0000.40±0.1 S3TGS825硫化氢5～1000.3～0.6 S4TGS880食品中的易挥发物和蒸汽50～1 0000.30±0.10 S5TGS812乙醇、甲烷、丁烷、氨气100～3 0000.40±0.1 S6TGS831R-21、R-22（卤素）100～3 0000.25～0.55 S7TGS813甲烷、丙烷、丁烷等易燃气体500～10 0000.60±0.05 S8TGS830R-113、R-22、R-11、R-12（卤素）100～3 0000.30±0.10 S9TGS822TF氢气、一氧化碳200～5 0000.4～0.63 S10TGS2600香烟气、氢气、乙醇、甲烷、一氧化碳1～300.3～0.6 S11TGS2620乙醇50～5 0000.35±0.1 S12TGS2611甲烷500～10 0000.60±0.06 S13TGS2602甲苯、乙醇、硫化氢、氨气、氢气等1～300.15～0.5 S14TGS2620乙醇50～5 0000.35±0.1 S15TGS2610丁烷500～10 0000.53±0.05 S16TGS2201一氧化氮、二氧化氮10～100/0.1～100.35/2.5

将外脊量品置于量品萃取瓶中，采用SPME的方式进行量品富集，萃取头材料为PDMS，50 ℃保温，吸附40 min，取出插入进量口进量。GC-MS联用分析得到不同产品挥发性组分的质谱图，比较其特征挥发性风味组分［18］。

GC-MS条件：TG-wax石英毛细柱（30 m× 0.25 mm，0.25 µm）；进量口温度230 ℃；升温程序：40 ℃保持3 min，以5 ℃/min升至200 ℃，保持3 min，然后以5 ℃/min上升到230 ℃，保持3 min，载气为氦气；流速1.4 mL/min。传输线温度260 ℃；离子源温度280 ℃。

根据所得质谱图，检索NIST、Demo和Willey数据库，定性通脊肉的挥发性组分，并根据峰面积归一化法求得各化学成分在猪肉挥发性风味物质中的相对含量即以量品中被测组分经校正过的峰面积占量品中各组分经校正过的峰面积总和的比例来表示量品中各组分的相对含量。

E-Nose 10001型电子鼻主要包括：数据采集部分、数据调理部分、接口电路和计算机。电子鼻工作原理：气敏传感器构成气敏传感器阵列，通过表面吸附气体分子，产生电压变化，通过信号调理电路进行去噪、滤波、放大等处理，通过A/D转换将响应值输入计算机。

针对模式识别过程中的不同需求，需要对气敏传感器响应值进行特征提取和特征选择。电子鼻获得各个传感器的电阻响应信号，其传感器响应曲线如图1所示。

传感器响应值随挥发性气体分子的吸附过程逐渐改变，当吸附过程饱和后电阻呈稳定状态。这一过程中，曲线的相对平均值表示了气体分子的浓度信息，传感器响应值随时间变化率表示传感器对挥发性成分的吸附速率。特征值选取响应曲线的相对平均值、相对变化值，并利用二次函数与对数函数量合响应曲线，提取二次量合函数的二次项系数、一次项系数、对数量合函数系数和常数项系数。每条响应曲线共提取6 个特征值。

针对SPME-GC-MS检测数据的类别，选取酮类、酸类和含氮类3 种挥发性成分的相对含量，根据各类物质相对含量的相似性，应用层次聚类方法［19-20］对量本完成模式聚类。统计各类挥发性成分的相对含量，对数据进行标准化处理后完成线性回归分析［21-22］。最后利用电子鼻检测数据验证挥发性风味空间的模式分类。

2　结果与分析

本实验选取30 组量本作为建模数据，选取挥发性风味物质中酮类（y 1）、酸类（y 2）和含氮类（y 3）3 种物质为因变量，构成猪肉挥发性成分的特征空间。

由图2、表2可知，猪肉挥发性成分中各酸类物质的相对含量累计达到17.04%；各酮类物质相对含量累计为9.44%，各含氮类物质相对含量累计为2.57%。

表2　猪肉挥发性物质组成
Table 2 Composition of volatile compounds in pork

编号成分相对含量/%编号成分相对含量/% 1 1，5-己二炔0.26 252，5-二甲基-3-己酮0.11 23，10-二氧杂三环［4.3.1.0（2，4）］癸-7-烯2.61262，3-辛二酮6.48 0.05 10苯1.1634［1，1’-二环］-2-辛酸-2’-己基甲酯2.88 111-（苄氧基）-2，4-二氟苯0.6235（E）-10-七溴癸烯-8-炔酸甲酯33-三氟乙酰氧基十二烷0.9127反-2-羟基松酮0.75 43-（丙-2-烯酰氧基）十四烷0.1628乙酸8.65 52，6，10-三甲基十四烷0.7829烯丙基-2-乙基丁酸0.30 65-（丙-2-烯酰氧基）十五烷2.0730反式松油戊酸0.12 7 6-甲基-十八烷0.4131己酸3.61 8Z，Z，Z-4，6，9-十九碳三烯0.26323-羟基-十二烷酸1.07 9环氧红没药烯0.0633环己烷-1，4，5-三醇-3-酮-1-羧酸0.25 121-（2-乙酰氧基乙基）-3，6-二氮杂同源金刚烷-9-酮肟0.0836十二烷酸-2，3-二（乙酰氧基）丙酯0.06 13伞花烃1.4337顺-9-十八碳烯酸-（2-苯基-1，3-二氧戊环-4-基）甲酯0.04 141-辛烯-3-醇9.8538（Z）-5，8，11，14-二十碳四酸甲酯0.72 152，7-二甲基-2，6-辛二烯-1-醇0.3739癸酸乙酯9.25 16（E）-2-壬烯-1-醇0.2340异胆酸乙酯0.53 17Z，Z-2，5-十五碳二烯-1-醇0.46411，2-苯二甲酸丁酯辛酯8.20 18八乙二醇十二烷基醚0.07429-十八碳烯酸（Z）-苯甲酯0.35 19己醛10.52436，9，12-十八碳三烯酸卞酯1.01 20庚醛2.95443-苄氧基-2-氟-羟基苯乙胺1.29 21辛醛4.17452，5-二氟-3，4-三羟基-N-甲基苯乙胺0.78 22壬醛6.76462-氨基-5-［（2-羧基）乙烯基］-咪唑0.09 23苯甲醛4.64472-（1-苯基乙基氨基）-2-硫代乙酰胺0.06 241-（6，6-二甲基-1，2-环氧环己基）-1-丁炔-3-酮2.1048N-二-2，4-DNP-L-精氨酸0.41

利用逐步回归分析对96 个电子鼻响应变量进行筛选，其基本思路是：在所考虑的全部解释变量中，按对被解释变量的贡献大小逐个引入回归方程，引入或剔除一个变量都要进行F检验，以保证在引入新变量前回归方程中只含有对被解释变量影响显著的变量，而不显著的变量已被剔除［23-24］。选取对猪肉挥发性特征空间影响显著的变量，共选取19 个电子鼻响应变量。将筛选后的电子鼻响应变量进行主成分分析［25］，并提取特征值大于1的变量，共获得3 个主成分，累计贡献率为87%，即解释了原始数据中87%的信息。

将主成分分析结果和挥发性成分相对含量经标准化处理后，作为层次聚类的输入，采用组间联接方法，利用SPSS 19.0软件的系统聚类模块分别进行分析。由图3可知，30 组量本数据间存在较为明显的模式划分。当类别数K=2时，量本1、2为一类，其他量本为一类，通过原始数据可知量本1、2的酮类物质相对含量较高，分别为90.4%和68.7%，酸类和含氮类物质的相对含量均低于3%；当K=3时，量本25、26、27、28、29自成一类，较高的含氮类物质相对含量是该类数据的主要特征；当K=4时，量本17～24与量本3～11分离，两类在酸类物质相对含量上展现了较大的差异，其中量本17～24的酸类物质相对含量平均值为14.69%，量本3～11酸类物质相对含量平均值为3.98%。即可以定义：高酮类、高氮类、高酸低酮类、低酸高酮类，如表3所示。

表3　猪肉挥发性成分聚类结果
Table 3 Clustering results of volatile components in pork

编号类别名称中心坐标类量本数y 1（酮类）y 2（酸类）y 3（含氮类）1高酮类2.88-1.23-0.682 2高氮类-0.07-0.721.965 3高酸低酮类-0.650.91-0.3514 4低酸高酮类0.41-0.75-0.399

电子鼻数据经主成分分析后的聚类结果显示：除异常数据，当K=3时，量本存在与挥发性成分较为一致的划分，即可划分为：高氮类、高酸低酮类、低酸高酮类。该划分显示了电子鼻可以较好地区分猪肉在含氮类物质和酸类物质相对含量上的差异。在挥发性成分聚类中与其他量本区分显著的高酮类量本，在电子鼻检测数据中不能明显与低酸高酮类区分开，可能的原因是电子鼻不能够区分酮类物质上的差异。

如图4所示，基于上述聚类分析，建立类别划分：1、2、3、4、5、6、7、8、9、10、11为第1类，12、 13、14、15、16、17、18、19、20、21、22、23、24为第2类，25、26、27、28、29、30为第3类。依照上述模式划分，求得分类模式如表4所示。

表4　猪肉挥发性成分聚类结果
Table 4 Clustering results of volatile components in pork

编号类别名称中心坐标类量本数y 1（酮类）y 2（酸类）y 3（含氮类）1低酸高酮类0.86-0.84-0.4411 2高氮类-0.65-0.640.605 3高酸低酮类-0.650.91-0.3514

利用电子鼻检测数据与挥发性风味数据间的映射关系，获得电子鼻检测数据空间的类别中心、量本与类别间的距离、判别准则。利用电子鼻检测数据提取特征值做为自变量。通过逐步线性回归获得回归方程式如（1）～（3）：

式（1）中：x 11为s14对数量合函数一次项系数；x 12为s2相对变化值；x 13为s4对数量合函数一次项系数；x 14为s11对数量合函数常数项系数；x 15为s10二次量合函数一次项系数；x 16为s11对数量合函数一次项系数。

式（2）中：x 21为s1对数量合函数一次项系数；x 22为s8二次量合函数二次项系数；x 23为s6相对平均值；x 24为s4对数量合函数常数项系数；x 25为s4二次量合函数一次项系数；x 26为s2对数量合函数常数项系数。

式（3）中：x 31为s13对数量合函数一次项系数；x 32为s13二次量合函数二次项系数；x 33为s1二次量合函数二次项系数；x 34为s11相对平均值；x 35为s14相对平均值；x 36为s15相对平均值；x 37为s8相对变化值。

对上述3 个回归方程做显著性检验，结果如表5所示。3 个回归方程的调整的决定系数R 2均达到了0.9以上，说明超过90%以上的因变量的改变可由该回归模型解释，达到了0.01的显著性水平，表明回归模型的量合效果较好。通过统计3 个回归方程中除常数项以外的各回归系数的t统计量，可知其显著性概率均小于0.05，表明了各个回归参数的有效性。

上述3 个回归模型所选取的自变量存在较为显著的差异，通过对回归模型的显著性检验，表明以多传感器融合的方式，能够在电子鼻数据空间描述猪肉量本在挥发性成分含量空间上的差异。

基于上述分析结果，将10 组量本的电子鼻检测数据进行回归分析并利用聚类分析结果对量本进行模式判别，在10 个预测量本中，9 个预测正确，1 个预测错误，判别有效性达到了90%。

3　结论

本实验首先应用电子鼻和SPME方法对猪外脊进行挥发性成分检测的实验，然后利用层次聚类方法建立了基于猪肉量本中酮类、酸类和含氮类等挥发性成分的模式划分，利用多元线性回归方法，建立了电子鼻检测数据与挥发性成分中酮类、酸类和含氮类相对含量的回归模型，并对模型的有效性进行了评价；最后基于上述的层次聚类判别模式划分和回归方程验证了电子鼻检测数据与挥发性成分之间的映射关系。结果表明：1）猪肉的挥发性成分空间存在较为明显的类别划分，其划分模式与电子鼻检测数据间存在较为一致的映射关系；2）电子鼻能够识别猪肉量本间的挥发性成分差异，电子鼻检测数据经特征提取后可建立与猪肉挥发性成分间的线性回归方程，回归方程具有较好的量合效果；3）应用基于统计空间映射的模式识别方法对猪肉挥发性成分空间的分类预测，可以得到较为准确的预测结果。

猪肉量本间的挥发性成分相对含量差异较大，各种挥发性成分对猪肉风味的贡献作用较为复杂，因此可考虑针对猪肉风味的显著差异对挥发性成分做更加细致的划分，使猪肉挥发性风味的模式空间更具可解释性；GC-MS联用仪的峰面积归一化法在定量检测挥发性成分上具有一定的局限性，需考虑更为准确的挥发性成分测定方法；针对猪肉挥发性风味物质特点，可设计更加适合检测猪肉挥发性风味的传感器阵列，提高电子鼻检测的准确性。

［1］ MOTTRAMDS. Flavor formation in meat and meat products: a review［J］. Food Chemistry， 1998， 62（4）: 415-424. DOI:10.1016/ S0308-8146（98）00076-4.

［2］李顺民，程定均，宋振硕. 风味评价技术及其在评定猪肉品质中的应用［J］. 肉类研究， 2009， 23（6）: 56-58. DOI:10.3969/ j.issn.1001-8123.2009.06.015.

［3］ AL-BACHIR M， MEHIO A. Irradiated luncheon meat:microbiological，chemical and sensory characteristics during storage［J］. Food Chemistry，2001， 75（2）: 169-175. DOI:10.1016/s0308-8146（01）00192-3.

［4］ INSAUSTI K， BERIAIN M J， PURROY A， et al. Shelf life of beef from local Spanish cattle breeds stored under modified atmosphere［J］. Meat Science， 2001， 57（3）: 273-281. DOI:10.1016/s0309-1740（00）00102-9.

［5］ NATTRESS F M， JEREMIAH L E. Bacterial mediated off-flavours in retail-ready beef after storage in controlled atmospheres［J］. Food Research International， 2000， 33（9）: 743-748. DOI:10.1016/s0963-9969（00）00064-8.

［6］陈其美，曾勇庆，魏述东，等. 不同猪种肌肉风味前体物质及其营养和食用品质特性研究［J］. 浙江大学学报， 2010， 36（3）: 299-305. DOI:10.3785/j.issn.1008-9209.2010.03.010.

［7］ CRISTINA S， OLIVEIRA I， SILVA J A， et al. Implementation of multivariate techniques for the selection of volatile compounds as indicators of sensory quality of raw beef［J］. Journal of Food Science and Technology， 2015， 52（6）: 3887-3898. DOI:10.1007/s13197-014-1447-y.

［8］邹英子，杨俊杰，潘见. 黑香猪肉挥发性风味成分的提取和分析［J］. 肉类研究， 2012， 26（7）: 124-127. DOI:10.13684/j.cnki. spkj.2012.07.016.

［9］潘见，杨俊杰，邹英子. 不同涂层SPME与GC-MS联用比较分析两种猪肉挥发性风味成分［J］. 食品科学， 2012， 33（12）: 169-172.

［10］廖涛，熊光权，杨玉平，等. 辐照猪肉挥发性成分研究［J］. 北京工商大学学报， 2010， 28（6）: 14-17. DOI:10.3969/j.issn.1671-1513.2010.06.003.

［11］郭美娟，柴春祥，鲁晓翔，等. 顶空固相微萃取气质联用技术在水产品挥发性成分检测中的应用现状与前景展望［J］. 食品工业科技，2014， 35（9）: 368-376. DOI:10.13386/j.issn1002-0306.2014.09.072.

［12］贾洪峰，卢一，何江红，等. 电子鼻在牦牛肉和牛肉猪肉识别中的应用［J］. 农业工程学报， 2011， 27（5）: 358-363. DOI:10.3969/ j.issn.1002-6819.2011.05.062.

［13］芦晓菲，郑丽敏，张晓梅，等. 电子鼻技术在干酪识别上的应用［J］. 中国乳业， 2008， 1（6）: 52-55. DOI:10.3969/ j.issn.1671-4393.2008.06.014.

［14］柴春祥，杜利农. 电子鼻检测猪肉新鲜度的研究［J］. 食品科学， 2008，29（4）: 444-447. DOI:10.3321/j.issn:1002-6630.2008.09.102.

［15］洪雪珍，王俊. 猪肉储藏时间的电子鼻区分方法［J］. 浙江大学学报，2010， 36（5）: 568-572. DOI:10.3785/j.issn.1008-9209.2010.05.014.

［16］王智凝. 电子鼻在猪肉新鲜度检测中的应用研究［D］. 北京: 中国农业大学， 2015.

［17］徐正光，王海涛，瞿寿德. 基于统计空间映射的模式识别及在线质量推断［J］. 北京科技大学学报， 2001， 23（2）: 181-183. DOI:10.3321/ j.issn:1001-053X.2001.02.024.

［18］黄业传，贺稚非，李洪军，等. 皮下脂肪和肌内脂肪对猪肉风味的作用［J］. 中国农业科学， 2011， 44（10）: 2118-2130. DOI:10.3846/ j.issn.0578-175.2011.10.017.

［19］包为民，万新宇，靳燕东，等. 基于主成分分析的河流洪水系统聚类法［J］. 河海大学学报， 2008， 36（1）: 1-5. DOI:10.3876/ j.issn.1000-1980.2008.01.001.

［20］王典，刘晋浩，王建利. 基于系统聚类的林地内采育目标识别与分类［J］. 农业工程学报， 2011， 27（12）: 173-177. DOI:10.3969/ j.issn.1002-6819.2011.12.033.

［21］黄双萍，洪添胜，岳学军，等. 基于高光谱的柑橘叶片氮素含量多元回归分析［J］. 农业工程学报， 2013， 29（5）: 132-138. DOI:10.3969/ j.issn.1002-6819.2013.05.018.

［22］ WILLIAM M， TERRY S. 统计学［M］. 梁冯珍，史道济，关静，等. 译.北京: 机械工业出版社， 2009.

［23］刘明，王仁曾. 基于t检验的逐步回归的改进［J］. 统计与决策， 2012，6（6）: 16-19. DOI:10.13546/j.cnki.tjyjc.2012.06.012.

［24］周纪芗. 实用回归分析方法［M］. 上海: 上海科学技术出版社， 1990.

［25］宋江峰，李大婧，刘春泉，等. 甜糯玉米软罐头主要挥发性物质主成分分析和聚类分析［J］. 中国农业科学， 2010， 43（10）: 2122-2131. DOI:10.3864/j.issn.0578-1752.2010.10.019.

Detection of Pork Flavor Compounds Based on Statistical Space Mapping and Electronic Nose

WANG Bingwei 1， YANG Lu 1，*， ZHENG Limin 1，2， WANG Zhining 1
（1. College of Information and Electrical Engineering， China Agricultural University， Beijing 100083， China；2. Beijing Laboratory of Food Quality and Safety， Beijing 100083， China）

Abstract：In order to effectively detect and identify their volatile flavor， pork samples were detected by electronic nose and solid-phase micro-extraction gas chromatography-mass spectrometry （HS-SPME-GC-MS）. In view of the similarity between the two detection methods， hierarchical clustering was used to analyze the detection data. A linear regression model was established to obtain the mapping relationship between the electronic nose detection data and the volatile flavor compounds in pork for the classification of the electronic nose data. Consistent results were obtained from the clustering analysis of the electronic nose detection data and volatile components of pork. The regression equation showed that a linear relationship existed between the two detection data. Sample recognition accuracy reached 90%. This study demonstrated the feasibility of using electronic nose to detect the difference in volatile flavor compounds of pork.

Key words：electronic nose； solid phase micro-extraction； statistical space mapping； pattern recognition

基金项目：“十二五”国家科技支撑计划项目（2012BAD288B02；2014BAD04B05；2013BAD19B09）

作者简介：王炳蔚（1991—），男，硕士研究生，研究方向为人工智能。E-mail：bingwangat573@gmail.com

*通信作者：杨璐（1967—），女，副教授，博士，研究方向为网络工程。E-mail：yanglumail@263.net

基于统计空间映射和电子鼻的猪肉风味物质检测

1 材料与方法

2 结果与分析

3 结 论

1　材料与方法

2　结果与分析

3　结论