大米中大米蒸煮前后产地溯源研究检测方案(感官智能分析)

黑龙江八一农垦大学学报Journal of Heilongjiang Bayi Agricultural University31(2)：40~45Apr. 2019第31卷 第2期2019年 4月 钱丽丽等：基于挥发成分的大米蒸煮前后产地溯源研究第2期41 基于挥发成分的大米蒸煮前后产地溯源研究 钱丽丽1.2，章采东，李殿威'，邱彦超1，迟晓星12，张东杰12 (1.黑龙江八一农垦大学食品学院，大庆163319；2.黑龙省省农产品加工与质量安全重点实验室) 摘 要：为了保护黑龙江大米原产地，开发大米产地溯源技术。以产自黑龙江不同地区的大米为研究对象，利用电子鼻对大米蒸煮前后挥发性物质进行检测。通过主成分分析和线性判别分析，进行产地溯源和品种鉴别。结果表明，线性判别分析优于主成分分析，利用电子鼻产地溯源技术结合线性判别分析对黑龙江大米产地溯源是可行的。结合线性判别分析分别构建查哈阳、建三江和五常大米产地溯源模型，得到精米样品产地正确判别率分别为80%、70%、100%，而蒸煮后大米样品的产地正确判别率均为 100%，说明大米经过蒸煮预处理，挥发性成分被充分释放，放大了电子鼻传感器感应信号，有效提高了电子鼻产地溯源判别率，为电子鼻产地溯源技术体系构建提供理论基础。 关键词：大米；产地溯源；电子鼻；挥发性成分；蒸煮 中图分类号：Q78 文献标识码：A 文章编号：1002-2090 (2019) 02-0040-06 Origin Traceability of Rice Before and After Stewing Based on Volatile Components Qian Lilil2，Zhang Caidong'，Li Dianwei'，Qiu Yanchao，Chi Xiaoxing ，Zhang Dongjiel2 (1.College of Food Science，Heilongjiang Bayi Agricultural University，Daqing 163319； 2.Key Laboratory of Agro-Products Processing and Quality Safety of Heilongjiang Province) Abstract： To protect the origin of Heilongjiang rice and develop the traceability technology of rice，the rice from different regions inHeilongjiang province as the object of study，the volatile substances in rice before and after stewing were detected by using electronicnose.The origin traceability and variety identification were analyzed through principal component analysis and linear discriminantanalysis.The result indicated that linear discriminant analysis was superior to principal component analysis and it was feasible to tracethe origin of rice in Heilongjiang province through the electronic nose combined with the linear discriminant analysis.Traceabilitymodel of rice from Jiansanjiang，Chahayang and Wuchang was built through linear discriminant analysis，respectively. The correct ratesof original discrimination were 80%，70% and 100% in raw rice sample，and the rates were all 100% in cooked rice sample，whichshowed that volatile components were released sufficiently after stewing，amplifying test signal of electronic nose and effectivelyimproving its detection rate.It provided a theoretical basis to establish the system of traceability technology of electronic nose. Key words： rice；origin traceability；electronic nose；volatile components；stewing 黑龙江是我国优质大米主要种植地，有诸如如五常大米、响水大米、查哈阳大米等大米品牌"。然而我国的大米市场鱼龙混杂，产品质量参差不齐，假冒的品牌大米，以次充好，严重损害了大米的品牌效益和消费者的权益。为了保护品牌农产品原产地，许多研究学者进行了多种产地溯源技术的研究，如基于矿物元素的溯源技术术、基于稳定同位素的溯源技术沐、基 于挥发性物质的溯源技术“和基于有机成分的溯源技术。电子鼻产地溯源技术是一种基于挥发性物质的快速检测技术，利用电子鼻可的传感器将气味信号转换为电信号，而不同的样品得到的信号不同，这些不同的信号构成了样品独有的图谱，即为样品的“气味指纹图谱”6-7。胡桂仙等用 PEN2 电子鼻分析测定5种稻米的质量、顶空空间、静置时间等实验参数，样品 ( 收稿日期：2017-11-12 ) ( 基金项目：黑龙江省江总局“十三五”重 点 科技攻关项目(HNK135-06-06) ；国家自然科学基金面上项目 (81673170) ；黑龙江省水稻现代农业产业技术协同创新体系，黑农委体系(水稻)【2017】1号。 ) ( 作者简介：钱丽丽(1979-)，女，副教授，黑龙江八一农垦大学毕业，现主要从事农产品质量安全方面的研究工作。 ) 分别制备成稻谷、糙米、精米和米饭4种状态。分析后得出，仪器能较好地区分样品品种，谷物状态和精米状态区分效果较佳。赵丹等采用 PEN3 型电子鼻系统对我国10个省份47个小麦样品的挥发性物质进行检测。研究了与小麦样品的用途、产地、品种区分识别有关的传感器。PCA分析可以区分面包用小麦和馒头、面条用小麦，也可以区分不同产地的小麦样品和同一产地不同品种的小麦样品。 目前，电子鼻在检测农产品中的可挥发性成分有广泛应用，如苹果10-11茶12-141牛羊肉5-16和酒7-19等。吴静娜等人的研究发现电子鼻可以检测出熟制前后鲍鱼的气味变化，结合SPME-GC-MS 揭示了鲍鱼熟制后气味变化的原因20。程超等P的研究发现不同的蒸煮方式对葛仙米中烷烃类、酸类和酯类物质有不同程度的影响，而由电子鼻测得的结果显示熟制前后的葛仙米的风味有明显区别。以上研究证明，农产品在煮熟前后由电子鼻检测出的气味会有很大区别。虽然目前有基于电子鼻研究大米溯源的研究，研究的对象有生米也有熟米，但是前人未对蒸煮前后溯源判断率进行比较。试验以黑龙江地理标志大米作为研究对象，利用电子鼻系统装置，采集大米和米饭完整的气味信息，结合统计模式识别技术，分析大米和米饭气味特征数据，探索电子鼻指纹分析技术对黑龙江水稻品种和产地进行快速鉴别方法。 材料和方法 1.1材料与仪器 PEN3 电子鼻系统：德国AIRRENRE 公司(传感器阵列由10个金属氧化物传感器组成，每个传感器都对不同的气体有不同的感应，如表1) ；BSA323S- CW 电子天平：德国赛多利斯公司；THU35C 奢谷机：日本佐竹公司；TM05C碾米机：日本佐竹公司；试验材料：粳米。 1.2试验方法 1.2.1样采采集与预处理 为确保样品地域真实性，样本采集在不同地域水稻田中代表性取样，采样时间选择在水稻成熟期后，农户收割水稻前完成，每个采样点采集2kg左右水稻穗。采取查哈阳大米地理标志保护范围、建三江大米地理标志保护范围和五常大米地理标志保护范围，分别选择主产县、乡(镇或农场)村(屯)的大面积种植地块，记录采样地点、品种等信息。共采集地理标志大米样品89个，如表2。将采集回来水稻样品置于干燥处晾晒至水分含量小于14%，挑去其中的石砾、草杆等杂质，于实验室中采取统一加工方式进行脱壳、奢谷、碾米，获得精米。 表1 电子鼻传感器序列 Table 1 Electronic nose sensor sequence 感器序号 传感器 挥发性成分 R(1) W1C 芳香苯类 R(2 W5S 氨氧化物 R(3 W3C 氨类 R(4) W6S 氢气 R(5) W5C 烷烃 R(6) W1S 甲烷 R(7) W1W 硫化氢 R(8) W2S 乙醇 R(9) W2W 硫化氢类 R (10) W3S 芳香烷烃 Table 2 Collection information sheet of rice sample 地域 品种 查哈阳(31) 龙粳31(31) 建三江(28) 空育131(5)、龙粳31(18)、龙粳36(2)、龙粳26(3)、龙龙29(1)、龙40(1) 五常(30) 五优稻4号(稻花香2号)(21)、松粳9(1)松粳12(4)、松粳15(1)、松粳16(2)、松粳18(1) 1.2.2电子鼻测定可挥发性成分 连接 PEN3 电子鼻，电子鼻使用前需要预热30 min，运行 WinMuster 软件。然后对样品进行数据采集，每个样品采集完成后，选择保存检测结果的文件夹及路径，并对采集到的样品数据命名，保存样品的数据，最后对电子鼻进行清洗，进行下一个样品数 据的采集。 (1) 精米样品测定 将用于电子鼻检测的50g大米样品用双层薄膜密封在容积100 mL的烧杯中，静置1h。温度25±2℃I20] (2)米饭样品测定 在电饭锅中按质量比1：1.2，加入米和水，待米饭熟后降至室温，将米饭样品10g用双层薄膜密封在容积 50 mL 的烧杯中，静置1h。温度25±2℃。 (3)电子鼻参数设定 当挥发性化合物与电子鼻的传感器敏感材料表面接触时，传感器上发生一系列物理化学反应，导致电压电流的变化，将化学信号最终转化为数字信号，通过信号处理系统进行分析，再由模式识别子系统对数据处理的结果作出评判，由于气味中的各种化学成分均会与敏感材料发生作用，最终可以得到该气味的特定的响应谱。电子鼻参数设定为：样品进气流量均为600 mL，采样时间为60 s，传感器清洗时间为180 s，试验中均取45s时的响应值，避免时间选点对结果的影响。 1.2.3数据处理 用 SPSS2.0 软件对数据进行方差分析。 2 结果与分析 2.1不同产地大米蒸煮前后主成分分析(PCA) 对不同地区精米和米饭通过电子鼻进行挥发物信息采集，结合主成分分析进行不同产地分类识别。 通过对精米样品组测得的特征参数进行 PCA 分析，得到10个传感器变量的方差贡献率和累计贡献率，方差贡献率即判别因子，前两者判别因子之和超过85%，表明使用二维数据即可表达原始数据的大 多数特征(如表3)。同样对米饭样品组测得的特征参数进行 PCA分析，得到米饭样品的前两个主成分的方差贡献率之和超过92%，表明使用二维数据即可表达原始数据的大多数特征，米饭样本主成分分析能够表征更多原始数据特征(如表3)。 由前两个主成分的得分值可以绘得不同地域精米样品的二维分布图，如图1所示，每个点代表一个精米样品。从图中可以看出，五常地区的大米可以与查哈阳和建三江地区的大米区分开，而查哈阳地区大米与建三江地区大米样品点存在大量交叉，这是因为当测得的图谱相似时，经处理后的数据即主成分得分值也会接近，相近的得分就无法明显分开样品点，查哈阳和建三江由于纬度相近、种植品种类似导致了挥发性成分相似。 由前两个主成分的得分值可以绘得不同地域米饭样品的二维分布图，如图2所示，每个点代表一个米饭样品。从图中可以看出，每个区域的大米的样品点都存在明显的集中化——分别聚集在图谱的两侧，说明米饭的判别效果比精米要好。然而从整体来看，五常地区与查哈阳地区大米很好地分开，而建三江地区大米与这两者都有交叉，判别效果不佳。从样品点的离散情况可以看出，PCA 对大米气味特征数据的拟合程度不够高，无法对米饭样品进行精确的产地判别。 表3 精米与米饭样品前10个主成分的特征值及方差贡献率 Table 3 The eigenvalues and variance contribution rates of the first ten principal components ofthe rice and cooked rice from different regions 精米样品 米饭样品 主成分 特征值 方差贡献率/% 累积贡献率/% 主成分 特征值 方差贡献率/% 累积贡献率/% 1 6.317 63.175 63.175 1 7.257 72.567 72.567 2 2.270 22.696 85.871 2 1.990 19.898 92.465 3 0.950 9.498 95.369 3 0.563 5.625 98.091 4 0.323 3.228 98.597 4 0.094 0.941 99.032 5 0.106 1.062 99.659 5 0.086 0.857 99.889 6 0.021 0.209 99.868 6 0.007 0.074 99.963 7 0.010 0.102 99.970 7 0.002 0.023 99.986 8 0.002 0.018 99.988 8 0.001 0.007 99.993 9 0.001 0.009 99.997 9 0.000 0.004 99.998 10 0.000 0.003 100.000 10 0.000 0.002 100.000 345 7 8 91.main axis (Variance： 63.175%) 图1 精米样品PCA图谱 Fig.12.main axis (Variance： 19.898%) The PCA map of white rice samples 图2 米饭样品 PCA 图谱 Fig.2 The PCA map of cooked rice samples 2.2不同产地大米蒸煮前后线性判别分析(LDA) 通过主成分分析可以初步看出不同地域样本分布有着各自的分布空间，说明用于电子鼻指纹分析技术进行稻米产地和品种分类是可行的，进一步采用定量分析识别模式进行蒸煮前后不同产地稻米分类研究，结果如下： 通过线性判别分析对精米样品组测得的特征参数分析，得到10个传感器变量的方差贡献率和累计贡献率，方差贡献率即判别因子，前两者判别因子之和占总方差84.02%，表明使用二维数据即可表达原始数据的大多数特征。由前两个主成分的得分值可以绘得不同地域精米样品的二维分布图。如图3所示，相较于 PCA 分析结果，LDA分析可以提高不同地区样品点的聚集度，使查哈阳和建三江地区大米样品点只存在少部分交叉。LDA 分析对五常地区大米有很高的判别度(j(能将五常地区大米与其他两处大米区分开)。建三江地区大米与查哈阳地区大米的图谱存在交叉，可能由于二者纬度相近且有着相同的大米品种导致。 对米饭样品组测得的特征参数进行 LDA分析，得到10个传感器变量的方差贡献率和累计贡献率，方差贡献率即判别因子，米饭样品前两个判别因子 之和占总方差91.12%，表明使用二维数据即可表达原始数据的大多数特征。由前两个主成分的得分值可以绘得不同地域米饭样品的二维分布图。如图4所示，相较于 PCA 分析结果，LDA分析将不同地区样品点聚集成完全分离的三部分，且聚集度较高。说明采用熟米样本进行 LDA 分析可以判别3个地域的大米样品，携带足够的大米产地信息。 1.main axis ( Variance： 65.67%) 图3 精米样品LDA图谱 Fig.3 The LDA map of white rice samples 2.main axis (Variance： 5.44%) 图4 米饭样品LDA图谱 Fig.4 The LDA map of cooked rice samples 2.3不同品种大米蒸煮前后的线性判别分析 同样，对建三江和五常不同品种大米蒸煮前后稻米进行品种鉴别研究。得到以下结果，见图5、6。 蒸煮前精米样品由 LDA分析结果得到10个传感器变量的方差贡献率和累计贡献率，前两者方差贡献率之和占总方差94.02%。对蒸煮后建三江和五常不同品系的米饭样品测得的特征参数数LDA分析，得到10个传感器变量的方差贡献率和累计贡献率之和占总方差88.61%。以上表明使用二维数据即可表达原始数据的大多数特征。由前两个主成分的得分值可以绘得不同品种大米样品的二维分布图。如图5和图6所示，对于样品五优稻和松粳系列，无论是蒸煮前还是蒸煮后两个品种存在着大量交叉。对于样品空育和龙粳系列，蒸煮前后样本也存在着多数样本交叉。采用电子鼻指纹分析技术对蒸煮前 后稻米的品种鉴别效果并不理想，这可能与实验选择品种有关，-9下一步将进行多个不同品种样本进行研究加以验证。 1.main axis (Variance： 93.08%) 图5 不同地区精米样品LDA 图谱 Fig.5 The LDA map of white rice samples in different regions 2.main axis (Variance： 2.45%) 1.main axis ( Variance： 86.16%) 图6 不同地区米饭样品LDA图谱 Fig.6 The LDA map of cooked rice samples in different regions 2.4不同状态大米蒸煮前后产地溯源模型建立与验证由以上线性判别分析结果，筛选主要方差贡献率传感器建立的蒸煮前样品组溯源模型如下： Y(查哈阳)=-12003458R1+130991R2-52080415R3+92 288.706R5-3772.084R6+80.241R7-721.756R8+17 951.084R10-21 292.320 Y(建三江)=-11114.831R1+127479R2-52067321R3+91337.971R5-3051.982R6+66.806R7-1 066.817R8+17 037.853R10-20 664.455 Y(五常)=-11660526R1+124.850R2-49089.811R3+87869.609R5-3111.697R6+73.033R7-1 098.256R8+16 920.222R10-19 451.130 由以上线性判别分析结果，筛选主要方差贡献率传感器建立的蒸煮后样品组溯源模型如下： Y(建三江)=-39 550.201R1+2 980.918R2+ 42040.139R3+34948325R4+61945.003R5+14084559R6+919.321R-3993.301R8-58280.615Y(五常) =-38673.859R1+2752549R2+40483283R3+34362550R4+62366.171R5+14688.548R6+975.128R7-4 590.177R8-57 146.128 每个地域选择10个样本作为待测样，其余为建立模型所用样品，Rn 为传感器响应值，当Y值最大时即为大米产地所属，判别结果如表4所示： 表4 大米样本的判别结果 Table 4 Discriminant result of rice samples 精米样品识别率/% 米饭样品识别率/% 查哈阳样品 80 100 建三江样品 70 100 五常样品 100 100 由判别结果可以看出，由蒸煮前样品建立的线性判别模型对查哈阳、建三江和五常三处的大米的产地判别率分别为80%、70%和100%，而蒸煮后样本建立的线性判别模型对不同产地判别率均为100%，说明蒸煮后样品能够对所有的样品做出正确的判断，大米经过蒸煮后，可以充分释放大米中的可挥发性成分，放大气味信息，有利于电子鼻对挥发性成分的检测，有效提高了产地判别率。 3 结论 研究通过对不同产地和品种大米进行蒸煮前后样本的电子鼻挥发性气味采集，结合主成分分析和线性判别分析，结果表明，线性判别分析结果优于主成分分析结果，可有效提高产地正确判别率。采用线性判别分析对大米产地正确分类高于对品种的正确分类，并通过建立大米蒸煮前后产地溯源模型及验证，对不同产地蒸煮后大米产地正确判别率均为100%，说明大米经过蒸煮后气味信息被放大，有效地提高了电子鼻产地溯源正确识别率。但对于蒸煮前精米的判别率还有待于进一步提高，为电子鼻产地溯源技术能够真正实现大米产地保护的快速检测提供一定的理论基础。 目前，国内外对电子鼻技术的研究大多还处于实验室阶段，即便是已经商品化的产品仍存在一些问题，如电子鼻系统中传感器阵列专属性及稳定性差，易受环境因素(如湿度、温度、振动等)的影响；传感器易于过载或中毒，与干扰气体发生反应，影响检测结果。且有关传感器与被测样品中气味物质之间 的相互作用机制以及传感器响应值变化的内在物质基础的研究甚少，这是影响电子鼻适用领域受到局限的主要原因之一。此外，传感器阵列信息的冗余、后期的模式识别技术缺乏通用的识别算法、算法受实验数据的影响等也是造成其应用的推广受限的原因。因此，在将来的研究中，新型的传感材料、先进的信号处理算法是电子鼻研究领域的重要内容；而根据所测样品的物化属性，针对性地研发特异性强、灵敏度高的传感器材料，有目的地选择并优化专属性传感器阵列，从而解决上述种种不足和应用局限；根据分析应用的具体目的而选择最适合、最简便的数据处理方法，应是本领域研究的主要方向。 ( 参考文献： ) ( [1 ] 文 刘妍，李秀丽.地理标志权价值评价探析——基于黑龙江五常大米的案例研究[].黑龙江八一农垦大学学报， 2011，23(4) ： 108-112. ) ( 2 李平惠.基于矿物元素指纹图谱的芸豆产地溯源研究[D].大庆：黑龙江八一农 垦 大学，2015. ) ( ] 李成，潘立刚，王纪华，等.稳定同位素技术在农产品产地溯源中的应用研究进展 [J].农产品质量与安全，2013(5)： 53-59. ) ( 刘飞娜，涂小珂，丁晶，等.葡萄酒香气分析技术在溯源研 究中的应用[J].检验检疫学刊，2013，23(6)：71-76. ) ( [51 宋雪健，钱丽丽，于金池，等.基于近红外光谱技术对建三江大米快速检测分析研究[J].食品研究与开发，2017，38 (14)：138-143. ) ( [6] 黎量，杨诗龙，胥敏，等.基于电子鼻、电子舌技术的山楂气味鉴别[J].中国实验方剂学杂志，2015，21(5)：99-102. ) ( 7] 王俊，崔绍庆，陈新伟，等.电子鼻传感技术与应用研究进 展[J].农业机械学报，2013，44(11)：160-167. ) ( 8 胡桂仙，王俊，王建军，等.基于电子鼻技术的稻米气味检测与品种识别[J].浙江大学学报：农业与生命科学版， 2011，37(6) ： 670-676. ) ( 9] 赵丹，张玉荣，林家永，等.电子鼻在小麦品质控制中的应用研究[J].粮食与饲料工业，2012(3)：10-15. ) ( [10] 曾辉，刘璇，吴昕烨，等.基于电子鼻技术的不同苹果品种香气的表征与识别[J].食 品 与发酵工业，2016，42(4)： 197-203. ) ( [111 樊丽，向春燕，周轲，等.利用 GC-MS 和电子鼻研究1-MCP对“嘎拉”苹果常温贮藏期间芳香物质的影响[J].果 树学报，20 1 4，31(5)：931-938. ) ( |12| 高林，秦子涵，赵文婷，等.电子鼻区分不同品质的普洱茶 [J].中国食品学报，2017，17(6)：206-212. ) ( [131 陈婷，蒋明忠，彭文，等.基于电子鼻技术对云南普洱熟茶的香气品质判别[.西南农业学报，2017，30(2)：339-344. ) ( [14] 吴亮亮，张丹丹，叶小辉，等.电子鼻在对名优茉莉花茶香气评价中的应用[J].福建茶叶，2016，38(6)：5-6. ) ( 1151 张迪雅，谢丹婷，李晔.应用电子鼻和 GC-MS比较牛肉不同部位的挥发性物质组成[J].食品工业科技，2017， 38(21) ： 241 - 246. ) ( [16| 5] 詹萍.羊肉特征香气成分的鉴定及其肉味香精的制备[D].无锡：江南大学，2013. ) ( 171 张晓婷.基于电子鼻/舌的啤酒检测研究[D].吉林：东北电力大学，2016. ) ( [18] 王立川.基于气体传感器阵列的白酒分类与识别[D].武汉：武汉理工大学，2011. ) ( [191 许春华，肖作兵，牛云蔚，等.电子鼻和电子舌在果酒风味 分析中的应用[.食品与发酵工业，2011，37(3)：163-167. ) ( [201 吴靖娜，路海霞，刘智禹，等.用电子鼻和 SPME-GC-MS分析鲍鱼熟制前后挥发性风味物质的变化 [J].大连海洋 大学学报，2016，31(4 ) ：431-437. ) ( 1211 程超，洪颖，李伟.不同熟制方式对葛仙米挥发性成分的影响[J].食品与发酵工业，2018(3)：1-8. ) ?China Academic Journal Electronic Publishing House. All rights reserved. http：//www.cnki.net 试验以黑龙江地理标志大米作为研究对象，利用电子鼻系统装置，采集大米和米饭完整的气味信息，结合统计模式识别技术，分析大米和米饭气味特征数据，探索电子鼻指纹分析技术对黑龙江水稻品种和产地进行快速鉴别方法。检测样品：采取查哈阳大米地理标志保护范围、建三江大米地理标志保护范围和五常大米地理标志保护范围，分别选择主产县、乡（镇或农场）、村（屯）的大面积种植地块，记录采样地点、品种等信息。共采集地理标志大米样品89个检测指标：米和米饭气味特征检测仪器：PEN3电子鼻系统：德国AIRSENSE公司实验结果：线性判别分析优于主成分分析，利用电子鼻产地溯源技术结合线性判别分析对黑龙江大米产地溯源是可行的。结合线性判别分析分别构建查哈阳、建三江和五常大米产地溯源模型，得到精米样品产地正确判别率分别为80%、70%、100%，而蒸煮后大米样品的产地正确判别率均为100%，说明大米经过蒸煮预处理，挥发性成分被充分释放，放大了电子鼻传感器感应信号，有效提高了电子鼻产地溯源判别率，为电子鼻产地溯源技术体系构建提供理论基础。结论：研究通过对不同产地和品种大米进行蒸煮前后样本的电子鼻挥发性气味采集，结合主成分分析和线性判别分析，结果表明，线性判别分析结果优于主成分分析结果，可有效提高产地正确判别率。采用线性判别分析对大米产地正确分类高于对品种的正确分类，并通过建立大米蒸煮前后产地溯源模型及验证，对不同产地蒸煮后大米产地正确判别率均为100%，说明大米经过蒸煮后气味信息被放大，有效地提高了电子鼻产地溯源正确识别率。但对于蒸煮前精米的判别率还有待于进一步提高，为电子鼻产地溯源技术能够真正实现大米产地保护的快速检测提供一定的理论基础。    本文献来源于“黑龙江八一农垦大学食品学院”。