电子舌对啤酒的区分识别研究

doi:10.7506/spkx1002-6630-201124054

食品科学 ›› 2011, Vol. 32 ›› Issue (24): 252-255.doi: 10.7506/spkx1002-6630-201124054

电子舌对啤酒的区分识别研究

贾洪锋1,2，梁爱华1,2，何江红1,2，周凌洁1，张淼1，郑景洲3

1.四川烹饪高等专科学校食品科学系 2.烹饪科学四川省高等学校重点实验室 3. Alpha M.O.S.亚太办事处

出版日期:2011-12-25 发布日期:2011-12-29

Discrimination of Beer by Electronic Tongue

JIA Hong-feng1,2，LIANG Ai-hua1,2，HE Jiang-hong1,2，ZHOU Ling-jie1，ZHANG Miao1，ZHENG Jing-zhou3

(1. Department of Food Science, Sichuan Higher Institute of Cuisine, Chengdu 610100, China； 2. Key Laboratory of Cuisine Science, Sichuan Higher Education Institution, Chengdu 610100, China； 3. Asia Pacific Office, Alpha M.O.S., Shanghai 200336, China)

Online:2011-12-25 Published:2011-12-29

摘要/Abstract

摘要： 采用电子舌对不同品牌的啤酒及其混合样品进行识别，对所获得的数据进行主成分分析、判别因子分析和偏最小二乘回归分析。结果表明：电子舌能够有效识别不同品牌的啤酒及不同品牌啤酒的混合样品；对不同品牌啤酒的混合样品建立了偏最小二乘回归分析预测模型，电子舌响应信号和啤酒混合比例之间有很好的相关性(相关系数为0.9436)，偏最小二乘回归分析模型预测误差在1.43%～3.00%之间。证明电子舌可用于啤酒的识别。

关键词: 电子舌, 主成分分析, 判别因子分析, 偏最小二乘回归分析, 啤酒

Abstract: Different beer brands and their mixtures were tested by electronic tongue and the response signals were analyzed by principal component analysis (PCA), discriminant factor analysis (DFA) and partial least-squares analysis (PLS). Individual beer brands and their mixtures were sucessfully recognized by electronic tongue. Moreover, a high regression coefficient, R2 = 0.9436, between instrumental response signal and mixed ratio of Snow,, beer and Blue Sword,, beer was found for the established PLS model with a prediction error ranging from 1.43% to 3.00%. This study demonstrates that electronic tongue is applicable for beer discrimination.

Key words: electronic tongue, principal component analysis (PCA), discriminant factor analysis (DFA), partial least-squares analysis (PLS), beer

中图分类号:

TP212.2

贾洪锋，梁爱华，何江红，周凌洁，张淼，郑景洲. 电子舌对啤酒的区分识别研究[J]. 食品科学, 2011, 32(24): 252-255.

JIA Hong-feng，LIANG Ai-hua，HE Jiang-hong，ZHOU Ling-jie，ZHANG Miao，ZHENG Jing-zhou. Discrimination of Beer by Electronic Tongue[J]. FOOD SCIENCE, 2011, 32(24): 252-255.

[1]	曹荣，胡梦月，谭志军，王联珠，刘淇. 基于电子舌和气相色谱-离子迁移谱分析坛紫菜与条斑紫菜的风味特征[J]. 食品科学, 2021, 42(8): 186-191.
[2]	张萍，刘宏伟，黄建华，陈林. 微波等离子体原子发射光谱测定啤酒中的常量和微量金属元素[J]. 食品科学, 2021, 42(8): 243-247.
[3]	陈华磊，黄克兴，郑敏，杨朝霞. 基于非靶向风味组学分析3 种品牌啤酒的风味差异[J]. 食品科学, 2021, 42(6): 223-228.
[4]	梁慧珍，许兰杰，余永亮，谭政委，杨红旗，董薇，李磊，李春明，刘新梅，张收良. 红花籽油中脂肪酸组成评价与分析[J]. 食品科学, 2021, 42(6): 244-249.
[5]	蔡玮琦，左雯雯，陆杨，黄胜良，李存玉，郑云枫，彭国平. 红糖、白砂糖、赤砂糖与黑糖的HPLC指纹图谱与化学模式识别[J]. 食品科学, 2021, 42(6): 250-255.
[6]	周慧敏，张顺亮，郝艳芳，陈松，潘晓倩，吴倩蓉，李素，朱宁，乔晓玲，赵冰. HS-SPME-GC-MS-O结合电子鼻对坨坨猪肉主体风味评价分析[J]. 食品科学, 2021, 42(2): 218-226.
[7]	王贺，赵玉红，杨凯. HS-SPME-GC-MS结合电子鼻对10 个品系红松籽油挥发性物质分析比较[J]. 食品科学, 2021, 42(18): 178-184.
[8]	罗佳峰，孙震，何俊，孙杨赢，曹锦轩，党亚丽，卢连水，潘道东. 腌制及烤制时间对蜜汁烤鸭腿风味物质的影响[J]. 食品科学, 2021, 42(18): 191-198.
[9]	杨梅，翟晓东，黄晓玮，李崎，邹小波. 嗅觉可视化技术对啤酒品质的快速检测[J]. 食品科学, 2021, 42(18): 225-231.
[10]	王宁宁，冯美琴，孙健. 低钠复合盐对发酵香肠理化特性及风味的影响[J]. 食品科学, 2021, 42(16): 1-7.
[11]	程娇，孙敬，梁肖娜，钱冠林，岳喜庆，郑艳. 蛋白酶处理对脱脂乳感官品质及游离氨基酸的影响[J]. 食品科学, 2021, 42(16): 14-22.
[12]	符成刚，刘文玉，陈友志，李玉梅，李欢康，周靖，张孔雀，魏长庆. 加热温度对新疆马脂理化性质、脂肪酸及挥发性风味化合物的影响[J]. 食品科学, 2021, 42(16): 54-60.
[13]	李欢康，杨佳玮，刘文玉，魏长庆. 不同工艺核桃油挥发性物质比对及关键香气成分表征[J]. 食品科学, 2021, 42(16): 185-192.
[14]	王丽艳，荆瑞勇，郭永霞，王鑫淼，赵行健，宋维民，杨佳霓，卫佳琪. 基于氨基酸含量的市售14 种食用蘑菇的综合评价[J]. 食品科学, 2021, 42(16): 203-208.
[15]	王鹏，王文平，续丹丹，张欣，高航，张建，孙勇，王凤寰. 红腐乳发酵过程中滋味化合物分析及电子舌鉴别[J]. 食品科学, 2021, 42(14): 170-179.

电子舌对啤酒的区分识别研究

Discrimination of Beer by Electronic Tongue

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价