一、材料与方法
材料
市售12个品牌原味猪肉脯，分别编号1～12，每种样品选择3个批次，每个批次选取3个猪肉脯作为实验样本。
方法
电子鼻传感器阵列中10 个传感器性能的描述如表1所示。
二、结果与分析
猪肉脯电子鼻风味分析
以第1批次的样品为例，电子鼻检测猪肉脯的风味信号响应曲线如图1所示，电子鼻设备中各传感器信号在120 s后基本趋向于稳定，截取电子鼻信号响应时间曲线中120～150 s时间段的平均值作为电子鼻的最终表征值，然后使用10 个电子鼻传感器阵列信号作响应雷达图。
由图2可知，12 个品牌猪肉脯样本的信号响应基本相似，其中传感器W1S、W1W、W5S响应最为敏感，对应响应值均大于5倍初始值（G0），响应较微弱的传感器有W1C、W3C、W5C。依据电子鼻传感器阵列中10 个传感器性能的描述（表1）可知，猪肉脯VOCs组分中含有芳香族化合物、硫化物、烷烃和一些弱极性化合物；W2S的响应值（G/G0）大于2，表明VOCs中含有醇、醛及醚等物质。由于电子鼻的响应信号无法直观获得VOCs组分的空间分布信息，因此，需要借助模式识别方法进行进一步分析。
猪肉脯品质判别
将12 个品牌共108 个猪肉脯样本的电子鼻响应特征值作为表征变量，由于归为合格等级的仅有8号品牌，特级仅有3号品牌，其余样品属于优级或不合格产品，为便于分析将样本划分为合格品与不合格品，即合格品为品牌编号3、4、8、10、11、12的样品，其余品牌均为不合格样品。
选取样本电子鼻响应曲线中120～150 s时间段内稳定数据的平均值作为传感器响应值，最终每个样本品质属性由10 个特征值（即10 个传感器响应值）表征，所有样本形成108×10的二维矩阵，采用k最近邻算法进一步分析，数据经PCA处理后取前2个主成分得分作为变量参与建模，对应的贡献率分别为74.57%、20.01%（累积贡献率为94.58%），表明前2个主成分能够表征大部分的原始数据信息。采用k最近邻算法对PCA处理后的得分矩阵建立模型（k=3），以便观察不同品质猪肉脯样品的归属分布。由图3可知：大部分合格样品均归属于同一个聚集区域，仅有4号品牌的1 个批次样品远离归属边界（图中箭头标记处）；不合格样品分布区域较为广泛，原因可能是不同猪肉脯使用的原料和生产工艺差异引起VOCs组分不同；最终k最近邻判别方法分类的理论准确率达89.81%，由此可知，基于电子鼻技术的猪肉脯品质判别具有一定的可行性，后期需增加独立样品数量，用以验证模型的实用型。
三、结 论
采用电子鼻技术对不同品质猪肉脯的VOCs成分进行分析检测，辅以理化指标分析猪肉脯样品的品质属性，并建立基于风味指纹图谱的猪肉脯品质判别模型。结果表明，用电子鼻系统检测出猪肉脯的主要风味成分为芳香族化合物、硫化物、烷烃及弱极性化合物，依据传感器阵列的表征值结合化学计量学方法建立的理论判别模型准确率达89.81%，表明该方法具有一定的应用前景，可为猪肉脯等相关肉制品品质的快速判别提供一种新思路。
来源：感官科学与评定 ，转载请注明来源。
参考文献：陈通,祁兴普,陈斌,程谦伟,刘萍.基于电子鼻技术的猪肉脯品质判别分析[J].肉类研究,2021,35(02):31-34.
