食品科学 ›› 2023, Vol. 44 ›› Issue (20): 321-329.doi: 10.7506/spkx1002-6630-20221129-332
李丽霞,张浩,林宇浩,史磊,李珊珊,张付杰,王俊
LI Lixia, ZHANG Hao, LIN Yuhao, SHI Lei, LI Shanshan, ZHANG Fujie, WANG Jun
摘要: 为鉴别不同部位的三七粉,采用电子鼻结合气相色谱-质谱(gas chromatography-mass spectrometry,GC-MS)联用技术对三七的整根粉、剪口粉、主根粉、侧根粉和须根粉进行挥发性成分分析。通过GC-MS测定三七粉挥发物的成分和含量,并进行多重比较。利用统计学习方法提取电子鼻响应曲线的8 个时域特征,并进行相关性分析,采用3 种特征选择算法对特征数据进行降维。分别建立基于原始特征数据、3 种特征选择数据的支持向量机(support vector machine,SVM)、最小二乘支持向量机(least square support vector machine,LSSVM)和极限学习机分类模型;引入灰狼优化(grey wolf optimization,GWO)算法对分类模型中的参数gam和sig2进行优化。结果表明:5 种三七粉样品中共检测出31 种挥发物成分,最优的GWO-IRIV-LSSVM模型能够对电子鼻数据进行有效区分,测试集准确率为97.5%,且能客观反映出样品种类挥发性物质的差异主要是挥发物总量、烷烃和芳香族化合物,这与GC-MS检测结果一致。本研究可用于道地产区优质三七粉混入劣质三七粉的检测。
中图分类号: