|
市场上存在将猪肉、鸡肉、鸭 肉等与羊膘混合或仅加入羊肉粉、香精等添加剂处理后冒充产地为青海、乌鲁木齐等地羊肉进行销售。如何实现羊肉掺假的鉴别和掺假含量的快速检测，是中国动物源食品质量和安全研究的重点问题，羊肉掺假的研究具有重要的科学意义和研究价值。电子舌舌能够替代感官评定员对食品滋味进行评定，并以其快速、简便、安全、无疲劳等特点迅速在很多领域内得到广泛的应用。文章研究了电子舌快速检测羊肉中掺杂鸡肉的可行性，为羊肉掺杂掺假检测提供技术依据。
01
材料与方法
材料 试验用羊肉购自杭州农副产品物流中心，鸡肉购自杭州沃尔玛超市。肉样去脂肪、结缔组织后，置于-18℃冷冻。
仪器 试验用电子舌检测系统为法国阿尔法莫斯公司的Astree电子舌。
预处理方法 将羊肉样品于4℃解冻，用绞肉机将肉样绞碎待用。将羊肉和鸡肉样品于 4℃解冻，用绞肉机分别将2种肉样绞碎，并按设定比例（以混入鸡肉比例（质量分数）计20%、40%、60%和 80%）混合后再次绞碎充分混合，记纯羊肉样品为0，纯鸡肉样品为100%。取一定质量的羊肉、掺假羊肉肉糜样品，于100 mL浸提溶液中浸提30min，经滤纸过滤后收集滤液，每个样品取80 mL 滤液以备电子舌检测用，每组样品均准备28个重复。
02
结果与分析
1、电子舌对不同掺假羊肉的定性判别
提取各掺假羊肉电子舌传感器第120秒响应数据，以各传感器响应信号为变量进行 PCA分析，以前 3 个主成分得分绘图，结果见图5。由图可知，第1主成分68.59%，第 2 主成分15.99%，第3主成分8.59%，总贡献率达到93.17%，能很好地反映原始数据信息。除鸡肉（100%）和鸡肉质量分数为80%数据点有部分重合外，其他鸡肉含量的掺假羊肉样品均能相互区分，且随第1主成分减小的方向，混入鸡肉的比例降低.羊肉样品分布在图形的最左侧，与其他组样品距离较远，与混入鸡肉的掺假羊肉显著区分。不同种类肉浸出的呈味物质存在明显差异，而这种差异可由电子舌传感器区分。
对上述数据进行CDA分析，以前2个成分绘图，结果见图6。从图6中可以看出，第 1 成分88.67%，第2成分为8.85%，共解释了97.52%的原始变量。掺假羊肉样品按照掺入鸡肉的比例聚类，且相互能有效区分。随第1成分减小的方向，鸡肉含量降低，纯羊肉样品分布在图形的左上角，与混有鸡肉的掺假羊肉显著区分。相比于PCA、CDA分析后每种不同掺假羊肉的数据更为集中，相互之间的区分效果更显著，尤其是对鸡肉（100%）和鸡肉质量分数为 80%的样品，其数据虽较接近，但能相互区分。
2、电子舌对不同掺假羊肉的定量判别
为实现羊肉中混入鸡肉比例的定量预测，对比分析了多元线性回归分析和偏最小二乘回归分析在建立定量预测模型的效果，找出较佳预测模型。建模集为126（21×6）个样本，验证集为42（7×6）个样本，结果如图 7 和表 3 所示。表3为2个定量预测模型的评价指标，采用决定系数R2、均方根误差RMSE和P值对模型进行评价。对PLS和MLR模型，P=0，表明2个回归模型均具有极显著意义，且2个模型建模集中，真实值和预测值之间决定系数的R2均高于0.99，RMSE均小于3%，图7a和7c可以看出2种预测方法建模集真实值和模型预测值之间的关系，建模效果较佳。采用建立的模型对验证集的42个样本进行预测，图7b和图7d分别给出了2种模型预测鸡肉含量与混入鸡肉真实值含量之间的相关关系。2个验证集的 R2均高于0.98，RMSE均小于6.5%，预测效果较好。MLR和PLS均能有效预测羊肉糜中混入鸡肉的比例，以建模集和验证集的 R2和RMSE为依据，MLR 模型的预测效果略优于 PLS 模型的预测效果。
03
结 论
采用基于交互敏感的化学选择性区域效应味 觉传感器组成的电子舌测定混入鸡肉的掺假羊肉糜，研究了不同浸提溶液条件下样品量对传感器响应的影响均显著，通过方差分析和主成分分析获得了较佳浸提溶液（氯化钾溶液，0.1 mol/L）和样品量（15 g）。在上述较佳检测条件下，采用电子舌检测混入不同比例鸡肉的羊肉糜。结果表明通过主成分分析和判别分析，电子舌可识别混入不同比例鸡肉的羊肉糜样本，且建立的 PLS 和 MLR 预测模型（R2 >0.99）能有效预测混入鸡肉的比例。
参考文献：田晓静,王俊,崔绍庆.羊肉纯度电子舌快速检测方法[J].农业工程学报,2013,29(20):255-262。
|
