随着食用油脂生产及加工技术的不断进步 ,油脂的应用范围已越来越广泛 ,各种风味的油脂制品层出不穷 ,与此同时 ,对油脂的品质也提出了更高的要求。在油脂的各项品质指标当中 ,影响与变化较大的指标之一就是油脂的氧化问题。甘油三酸酯的不饱和脂肪酸部分与氧反应产生回味和酸败 ,引起食用油脂风味变质的过程 ,即为氧化。特别是多油制品、表面积大的食品、需要长期保存的食品和油炸食品 ,更需要注意防止油脂氧化。

摘 要：论述了油脂氧化的机理和油脂氧化稳定性的测定原理，按测定参数的不同对油脂氧化稳定性的常用测定方法进行了分类和介绍，旨在为选用合理的油脂氧化稳定性测定方法和今后开发更新的测定方法提供参考。 关键词：油脂；氧化机理；氧化稳定性；测定方法

蛋白质是含氮的有机化合物。食品与硫酸和催化剂一同加热消化，使蛋白质分解，分解的氨与硫酸结合生成硫酸铵。然后碱化蒸馏使氨游离，用硼酸吸收后再以硫酸或盐酸标准溶液滴定，根据酸的消耗量乘以换算系数，即为蛋白质含量。

PEN3电子鼻一种用来检测气体和蒸汽的小巧、快捷、高效的检测系统。它经过训练后可以很快辨别单一化合物或者混合气体。通过不同的识别计算系统可以扩大它的应用范围。 它内置10个金属氧化气体传感器（标配，可根据情况增加或选配传感器）。特殊的内置流量调节器确保在恶劣的条件下使用稳定。内置检测气发生器、传感器的校正功能等在需要时都可以使用。由于其特殊的采样系统，其可以实验室检测也可以进行在线过程控制或者环境检测应用等。

PEN3电子鼻一种用来检测气体和蒸汽的小巧、快捷、高效的检测系统。它经过训练后可以很快辨别单一化合物或者混合气体。通过不同的识别计算系统可以扩大它的应用范围。 它内置10个金属氧化气体传感器（标配，可根据情况增加或选配传感器）。特殊的内置流量调节器确保在恶劣的条件下使用稳定。内置检测气发生器、传感器的校正功能等在需要时都可以使用。由于其特殊的采样系统，其可以实验室检测也可以进行在线过程控制或者环境检测应用等。

PEN3电子鼻一种用来检测气体和蒸汽的小巧、快捷、高效的检测系统。它经过训练后可以很快辨别单一化合物或者混合气体。通过不同的识别计算系统可以扩大它的应用范围。 它内置10个金属氧化气体传感器（标配，可根据情况增加或选配传感器）。特殊的内置流量调节器确保在恶劣的条件下使用稳定。内置检测气发生器、传感器的校正功能等在需要时都可以使用。由于其特殊的采样系统，其可以实验室检测也可以进行在线过程控制或者环境检测应用等。

利用电子鼻PEN2系统对不同储藏方式及时问下柑橘芳香成分进行检测分析。试验先通过电子鼻系统动态采集柑橘芳香成分并得到电子鼻的响应值，再利用PCA、LDA等模式识别方法进行数据分析，LDA方法能更好区分不同储藏时间的柑橘，表明利用电子鼻能够无损检测区分不同新鲜度的柑橘，同时采用 ad． ings分析方法可以得知，传感器2，7，9在柑橘新鲜度检测中起主要作用，这为进一步优化传感器以及探索方便快捷的柑橘无损检测技术提供了依据。

Anelectronicnosewasusedforthedetectionofmaizeoiladulterationincamelliaseed oilandsesameoil.Theresultsofmultivariateanalysisofvarianceshowedthatthe sensorsignalsofdifferentkindsofoilaresignificantlydifferentfromeachother.Prin- cipalcomponentanalysis(PCA)cannotbeusedtodiscriminatetheadulterationof camelliaseedoil,butcanbeusedinthediscriminationofadulterationinsesameoil. Lineardiscriminantanalysis(LDA)ismoreeffectivethanPCAandcanbeusedin adulterationdiscriminationforbothcamelliaseedoilandsesameoil.Inordertocheck thediscriminativepowerofLDA,canonicaldiscriminantanalysiswasperformedas well.Acceptableresultswerealsoobtained:Theaccuracyofpredictionwas83.6%for camelliaseedoiland94.5%forsesameoil.Theartificialneuralnetwork(ANN)model wasusedtodetectthepercentageofadulterationincamelliaseedoilandsesameoil. Theresultsshowedthat,basedonANNasitspatternrecognitiontechnique,theelec- tronicnosecannotpredictthepercentageofadulterationincamelliaseedoil,butcan beusedinthequantitativedeterminationofadulterationinsesameoil.

摘要：目前电子鼻在食品领域已有广泛的应用，由于气味组成成分复杂，仅用单个气体传感器是无法评定气体质量的，因此气体传感器阵列应运而生。在对不同的食品进行检测时，电子鼻的传感器阵列的构成是不同的。运用PEN2便携式电子鼻对掺假牛奶进行检测，用方差分析、主成分分析和聚类分析对信号进行分析，得到由8个传感器组成的用于检测掺假牛奶的 佳传感器阵列。用这8个传感器组成的传感器阵列对掺假牛奶进行检测区分，结果用LDA方法(线性判别式分析)进行分析，在LDA分析图上，不同比例掺假的牛奶能被明显地区分。新的传感器阵列具有较少的传感器和与原传感器阵列相同的检测区分能力。

Aninvestigationwasmadetoevaluatethecapacityofanelectronicnose(E-nose,PEN2)toclassifytheteaqualitygrade.Fourteagroups(A120,A280,A380andA600)withadifferentqualitygradewereemployed.Intheexperiment,thevolumeofvialandtheheadspacegeneratedtimewereconsideredcorrespondingtothe5gteasamples,andtheoptimumexperimentalprocedurewasdeterminedbyusingthevarianceanalysisANOVA),multivarianceanalysisandprinciplecomponentsanalysis(PCA).Theresultsshowedthatthevolumeofvialaffectedtheresultofdiscrimination,andtheheadspacegeneratedtimehadnosigni?canteffectontheE-noseresponse.ThefourteagroupsweremeasuredandresponsevaluesatfourdifferentcollectiontimeswereconductedbyPCA,lineardiscriminationanalysis(LDA)andarti?cialneuralnetwork(ANN).OnlyA120,A380andA600couldbediscriminatedbyPCA.However,thefourteagroupswerediscriminatedcompletelybyLDA.TheresponsevalueoftheE-noseat60swasoptimumtobeusedfordiscrimination.ThemethodofANN(networktopology20-12-4)wasperformedand90%oftheotalteasampleswereclassi?edcorrectlybyusingtheback-propagationneuralnetwork.?2006ElsevierB.V.Allrightsreserved.

An!°electronicnose!±hasbeenusedforthedetectionofadulterationsofsesameoil.Thesystem,comprising10metaloxidesemiconductsensors,wasusedtogenerateapatternofthevolatilecompoundspresentinthesamples.Priortodifferentsupervisedpatternrecognitiontreatments,featureextractiontechniqueswereemployedtochooseasetofoptimaldiscriminantvariables.Principalcomponentanalysis(PCA),Fisherlineartransformation(FLT),stepwiselineardiscriminantanalysis(Step-LDA),selectionbyFisherweights(SFW)wereused,respectively.Andthen,lineardiscriminantanalysis(LDA),probabilisticneuralnetworks(PNN),backpropagationneuralnetworks(BPNN)andgeneralregressionneuralnetwork(GRNN)wereappliedaspatternrecognitiontechniquesfortheelectronicnose.AsforLDAandPNN,FLTwasthemosteffectivefeatureextractionmethod,whileStep-LDAwasthemosteffectivewayforBPNNandFLTwasmoresuitableforGRNN.Withonlyonesamplemisclassi?edinourexperiment,LDAismorepowerfulthanPNN.ExcellentresultswereobtainedinthepredictionofpercentageofadulterationinsesameoilbyBPNNandGRNN.Aftertrainingforsometime,BPNNcouldpredicttheadulterationquantitativelymorepreciselythanGRNN,whereaswithFLTasitsfeatureextractionmethodandwithoutiterativetraining,GRNNcouldalsoyieldratheracceptableresults.?2006ElsevierB.V.Allrightsreserved.

Overthepastyears,electronicnosetechnologyopenedthepossibilitytoexploitinformationonaromaattributetoassessfruitripeninstageduringstorage.Theobjectiveinthisstudywastoevaluatethecapacityofelectronicnoseinmonitoringthechangeinvolatiproductionofmandarinduringdifferentstoragetreatments,andstorageshelf-lifeofmandarinwasevaluatedbymeasuringthechangeivolatileproductionofmandarinusingelectronicnosedevice(PEN2).Bycomparing,storageshelf-lifeofmandarinwasbettdistinguishedusingLinearDiscriminantAnalysis(LDA)thanPrincipalComponentAnalysis(PCA).PCAandLDAanalysiswerefcienttoclassifymandarinwiththesamestoragetimeinitsrespectivegroups;butthemethodsarenotefcienttoseparatethmandarinsbydifferentstoragetimes.Thecorrelationbetweenthemeasuredandpredictedvaluesoffruitqualityattribute(suchasolublesolidcontent,acidityandcompressionforce)showspoortoreasonablepredictionperformancebymeansofelectronicnossignals.Theresultsprovethatsensors2,7and9intheelectronicnosePEN2formandarinhaveahigherinuenceinthecurrentpatterle.Hence,nearlyasubsetoffewsensorscanbechosentoexplainallthevariance.Thisresultcouldbeusedinfurtherstudiestooptimizthenumberofsensorsandndbetterperformance.

Overthepastyears,electronicnosetechnologyopenedthepossibilitytoexploitinformationonbehavioraromatoassessfruitripening stage.Theobjectiveinthisstudywastoevaluatethecapacityofelectronicnosetomonitoringthechangeinvolatileproductionofmandarin duringdifferentpicking-date,usingaspeci?celectronicnosedevice(PEN2).Principalcomponentanalysis(PCA)andlineardiscriminant analysis(LDA)wereusedinordertoinvestigatewhethertheelectronicnosewasabletodistinguishamongdifferentpicking-date(ripeness states).Theloadingsanalysiswasusedtoidentifythesensorsresponsiblefordiscriminationinthecurrentpattern?le.Theresultsobtained provethattheelectronicnosePEN2candiscriminatesuccessfullydifferentpicking-dateonmandarinusingLDAanalysis.But,electronic nosewasnotabletodetectacleardifferenceinvolatilepro?leonmandarinusingPCAanalysis.DuringexternalvalidationusingLDAwas obtainedtoclassi?ed92%ofthetotalsamplesproperly.Somesensorshavethehighestin?uenceinthecurrentpattern?leforelectronicnose PEN2.Asubsetoffewsensorscanbechosentoexplainallthevariance.Thisresultcouldbeusedinfurtherstudiestooptimizethenumber ofsensors.

电子鼻技术在水果的无损检测中得到了不断的研究与发展。文中运用电子鼻对柑橘的成熟度进行了无损检测分析，建立了电子鼻响应与成熟度之间的关系，证明了建立在化学传感器和模式识别软件上的电子鼻能够检测区分不同成熟度的柑橘。同时，研究表明电子鼻传感器阵列可以得到进一步的优化，文中也为这种优化提供了一个具体的实例，这为进一步进行电子鼻的检测商业化提供一个依据。

番茄硬度的评价一般通过有损检测进行。试验采用电子鼻 (德国 PEN2)信号对番茄 (Lycopersicum esculentumMil1．)‘浙杂202’硬度进行评价与预测，为番茄采收时的成熟度分级提供依据。采果于浙江省农业科学研究院园艺 研究所实验农场。根据外表颜色，分为半熟期 、成熟期和完熟期。

Overthepastyears,electronicnose(E-nose)technologyopenedhasenhancedthepossibilityofexploitinginformationonbehavioraromatoassessfruitripeningstage.Theobjectiveinthisstudywastoevaluatethecapacityofelectronicnosetomonitorthechangeinvolatileproductionofripenessstatesfortomato,usingaspeci?celectronicnosedevicewith10differentmetaloxidesensors(portableE-nose,PEN2).Principalcomponentanalysis(PCA)andlineardiscriminantanalysis(LDA)wereusedtoinvestigatewhethertheelectronicnosewasabletodistinguishingamongdifferentripenessstates(unripe,half-ripe,full-ripeandover-ripe).Theloadingsanalysiswasusedtoidentifythesensorsresponsiblefordiscriminationinthecurrentpattern?le.TheresultsprovethattheelectronicnosePEN2coulddifferentiateamongtheripenessstatesoftomato.Theelectronicnosewasabletodetectaclearerdifferenceinvolatilepro?leoftomatowhenusingLDAanalysisthanwhenusingPCAanalysis.UsingLDAanalysis,itwaspossibletodifferentiateandtoclassifythedifferenttomatomaturitystates,andthismethodwasabletoclassify100%ofthetotalsamplesineachrespectivegroup.SomesensorsinE-nosehavethehighestin?uenceinthecurrentpattern?leforelectronicnosePEN2.AsubsetofafewsensorsinE-nosecanbechosentoexplainallthevariance.Thisresultcouldbeusedinfurtherstudiestooptimizethenumberofsensors.

采用PEN2型电子鼻系统对芝麻油的玉米油掺假进行定性鉴别和定量预测，运用主成分分析，逐步判别分析和Fisher线性判别函数变换对原始数据进行预处理，从而降低原始数据空间的维数，并用判别分析与人工神经网络对数据进行进一步分析，考察了不同的数据预处理方法的效果。判别分析结果表明，采用Fisher线性判别函数变换所得到的十个变量判别能力 强，误判率为0．61，仅有1个样品出现误判。在BP神经网络的定量预测中，采用逐步判别分析所筛选出的十个变量作为网络输入，所得的预测结果 为理想，绝对误差个体值的95置信区间 小，为(一4．71，3．38)，均方误差为4．75，预测值与实际值之间有极显著的相关性，相关系数R—O．99808。

脂肪是人体的重要组成部分，牛奶中的脂肪是人的高级保健营养品，它是儿童生长发育不可缺少的。因为牛奶脂肪中含有较多的短、中链脂肪酸，很容易被人体消化吸收，同时，牛奶脂肪在体内还是一种很好的溶剂，一些脂溶性的维生素 A、D、E、K就是靠脂肪溶解，才能被顺利地消化吸收利用。奶粉是牛奶的一种加工产品，当牛奶加工成奶粉时，其中的脂肪含量如何测定？下面介绍一种简单有效的方法。

毒鼠强(tetm此ne)，又名四二四、没鼠命，属剧毒化学品，且有二次中毒的危险，我国已经严禁使用。毒鼠强尚无特效解毒药，对于急性重度中毒的患者，常采用血液净化疗法。其中，血液灌流由于其较高的毒物清除率、相对较低的费用以及操作简便，在临床使用的更为普遍。如何及时、准确的测定血液灌流器中吸附的毒鼠强含量，对于中毒鉴别、评价吸附材料的性能以及指导临床救治将有重要作用。