智能感官分析技术在食品风味分析中的研究进展

智能感官分析技术概述食品风味分析方法现状应用案例未来趋势关于我们 食品风味分析检测方法现状PRESENT SITUATION OF FOOD FLAVOR ANALYSISAND DETECTION METHODS 01 1.1食品风味风味是食品功能属性的主要组成部分，是由气味和滋味组成的、带给人的嗅觉和味觉在香、味以及口感等方面的一个错综复杂的综合感受，它对食品的感官功能属性、食品的可接受消费以及人们的生活质量方面具有重要的作用。风味是影响消费者购买决策的关键因素，良好的风味能显著提升产品的市场接受度。风味与消费者接受度01食品的风味直接关联其市场定位，如高端食品往往强调独特和复杂的风味体验。风味与产品定位02风味与食品的关联 风味异常可能是食品安全问题的信号，如变质或污染，风味分析有助于保障食品质量。风味与食品安全03风味研究推动食品创新，通过分析消费者偏好，开发新的食品风味和产品。风味与食品创新04 感官分析也被称为感官评价或感官检验，即利用科学的方法，借助人的感觉器官（视觉、嗅觉、味觉、触觉和听觉）对食品的质量特性进行评定（唤起、测量、分析、解释），并结合心理学、生理学、化学及统计学等，对食品进行定性、定量的测量与分析的过程。Ø感官分析法1.2食品风味分析检测方法ü感官分析可以基于人的感官去评估食物整体的风味，可捕捉到复杂的风味特征；ü综合评估食品风味特征，包括香气、口感、质地等方面；ü不需要复杂且昂贵的仪器设备。 基于人来对样品进行测量，人对环境、产品及试验过程的反应都是试验潜在的误差因素。因此，感官评价员自身对整个试验是至关重要的。Ø感官分析法局限性 感官状态、味道偏好；感官易疲劳，明确的样品量限制；感官状态发生变化，定期校准、及时纠偏;重复品尝，产生抵触情绪;健康状况，eg.生病；人力、时间、培训。 Ø仪器分析法-风味物质检测顶空法、蒸馏法、吸附法、溶剂萃取法前处理（风味物质提取） 液相色谱法HPLC气相色谱-质谱法气相色谱-离子迁移谱法GC-IMS气相色谱-嗅闻-质谱法GC-O-MS全二维气相色谱-飞行时间质谱法GC×GC-TOF-MS定性、定量分析 GC-MS 方法优点缺点GC-MS1.检测技术成熟；2.检测范围广；3.适用于各种提取方式其灵敏度相对较低GC-IMS1.操作简便2.分辨率高、分离效果好;3.数据可视化直观;4.灵敏度高、分析速度快1.无完整的数据库;2.无法对化合物定量分析GC-O-MS可用于关键风味物质的鉴定1.对于特别复杂的关键风味物质无法识别,；2.需要高度训练的技术人员进行操作GC×GC-TOF-MS1.分离能力优,高分辨率，高灵敏度;2.可用于对复杂化合物分析相对于其它分析仪器价格较为昂贵HPLC1.检测技术成熟；2.样品适应性广；3.操作简单对环境不友好Ø仪器分析法-风味物质检测 优势1.利用科学仪器进行检测，结果更加客观和可重复；2.可对食品中的风味物质进行准确定量；3.能自动完成样品的检测和分析，提高检测效率；4.灵敏度高，能够检测出食品中微量的风味物质。局限1.仪器分析设备通常价格昂贵，仪器购置成本较高；2.仪器分析需要专业人员进行操作和维护；3.对于某些风味成分难以通过仪器检测完全捕捉，尤其是复杂的风味交互作用。 智能感官分析技术概述OVERVIEW OF INTELLIGENT SENSORY ANALYSISTECHNIQUES 02 2.1智能感官分析技术概述智能感官分析技术是在人工感官分析的基础上发展而来，利用现代化精密仪器模仿人体感觉器官对食品色、香、味、形等感官品质进行分析的技术，相比较人工感官分析具有检测快速、操作简便、精密度高等优势。目前智能感官仪器模块组成和工作原理具有一定的相似性，一般都包括了传感器阵列、数据处理单元和模式识别系统。电子鼻通过模拟人类嗅觉系统，能够识别和区分食品中的复杂气味，广泛应用于风味评估。电子鼻技术01电子舌利用传感器阵列来模拟人类味觉，对食品的口感和味道进行量化分析，提高评估准确性。电子舌技术02 差异性判别利用图像处理和机器学习算法，分析食品的外观特征，如颜色、纹理，以评估其风味品质。图像识别技术03 2.2智能感官分析技术的发展历程早期研究阶段（20世纪50-70年代）人工智能与机器学习（2000年代中期至今）数据处理与统计分析（20世纪90年代末-21世纪初）感官分析仪器化（20世纪80-90年代）科学家尝试用仪器来模拟人类的感官，eg.使用光谱仪来分析食品的颜色和质量。计算机技术的发展，感官分析开始引入仪器化手段。20世纪80年代，嗅觉和味觉分析仪器（如电子鼻和电子舌）开始出现，能够模拟人类的嗅觉和味觉系统，进行初步的化学感知。21世纪初，研究者开始探索多感官数据融合，以更全面地模拟人类感官体验。智能感官分析技术迎来了新的突破。机器学习算法（如支持向量机、神经网络等）被应用于感官数据的分类、识别和预测，显著提升了感官分析的智能化水平。深度学习与多模态感官分析（2010年代至今）深度神经网络在处理复杂感官数据（如图像、声音、气味等）方面显示出强大的能力。多模态感官分析技术即同时分析视觉、听觉、嗅觉、味觉和触觉等多个感官通道的数据，以获得更全面和准确的分析结果。 2.3智能感官分析仪器原理信息获取（感官细胞）信号处理（大脑）模式识别（大脑记忆）结论信息获取（传感器）信号处理（特征提取）模式识别（数据库）结论感觉硬件：GC色谱柱、传感器、摄像头 DataprocessingComparison差异性判别脑部信号处理判断电脑软件处理分析差异性判别ComparisonData processingAcquisition 2.4智能感官分析仪器智能感官实验室ü180,000+化合物ü4000+感官描述ü2000+带有人类气味检测阈值ü可编辑，灵活&自主添加ü基于10,000+论文数据AroChemBase化学&感官数据库主成分分析(PCA) 2.5智能感官分析仪器的优势1.快速、高效：电子鼻8min可检测一个样品2.稳定可靠：重现性好，外来因素影响较小3.对样本要求低：挑战样本：宠物食品、临期食品，不需要过多的前处理；4.易存储、溯源性好：存储空间大、年久样品记录5.方便培训：仪器操作较简便6.随时进行测试：无需感官准备智能感官仪器可以补充或增强人工感官评价小组的评价能力 2.6智能感官分析技术在食品中的应用参考：田师一,姜国新,毛岳忠,等.食品智能感知技术的发展与前沿探索[J].中国食品学报,2024,24(06):1-11.DOI:10.16429/j.1009-7848.2024.06.001. l食品品质等级区分l生产过程控制l感官风味属性评估l真伪/掺假鉴别l新鲜度/货架期l评估和原产地溯源追钟 应用案例APPLICATION CASES 03 3.1异味调查 §HERACLES电子鼻顶空分析实验方法样品鸡肉（参考）2批质量好的细胞肉1批有异味细胞肉样品信息 Ø将鸡肉（参考）与几批细胞培养肉的气味特征进行比较Ø调查一批细胞培养肉的异味来源实验目的 编号CT, SWD 3.1异味调查不同样品之间峰值比例的显著差异样品在两根不同极性色谱柱上的相应图谱原始谱图 19样品WD样品T样品S参比C带有异味的Smple与其他肉类样品非常不同参考鸡肉香气更接近样品S和T该缺陷样品含有较高量的甲硫醇、2-甲基-2-丙醇和二甲基硫醚，会带来卷心菜、鱼腥味、奶酪、肉腥味、腐烂或硫磺味 3.2货架期研究01.实验目的跟踪8天内冷藏储存的猪肉的颜色、滋味、气味的演变02.仪器设备仪器设备：电子眼、电子舌、电子鼻 电子眼 颜色谱图IRIS分析能够快速、准确地得将视觉上颜色变化量化成颜色谱图，从而为五花肉冷藏过程中外观评价提供量化的依据Ø不同冷藏天数的猪肉外观具有较为显著的差异；Ø猪肉随着冷藏天数的延长其外观颜色上会出现明显的视觉差异IRIS分析发现ü对于控制原料的品质稳定性及区别品质的优劣具有重大的帮助 电子舌 Ø基于七根不同传感器的滋味雷达图酸 ： 样 品 在 第1 - 5天 酸 味 是 比 较 大 的 ， 第5天 酸味 是 最 强 的 ， 随 着 时 间 的 变 化 ， 酸 味 逐 渐 变 弱 ，第8天 酸 味 是 最 弱 的；咸 ： 样 品 最 开 始 咸 味 是 最 强 的 ， 随 着 时 间 变 化 咸味 逐 渐 减 弱 ， 第8天 咸 味 是 最 低 的 ；咸 ： 样 品 最 开 始 咸 味 是 最 强 的 ， 随 着 时 间 变 化咸 味 逐 渐 减 弱 ， 第8天 咸 味 是 最 低 的 。 电子鼻气味轮廓随时间的明显变化随着时间的推移，气味分布有明显的变化 差异性化合物定性化合物的强烈增加与霉味、发酵的和腐臭的气味有关匹配化合物2，3丁二酮乙醇丁醇 基于电子眼数据建立货架期模型Ø在冷藏3天后即第3天曲线出现转折点货架期模型 基于电子舌数据建立货架期模型Ø滋味规律性变化样品在第1、2、3、4天滋味比较接近；第5天滋味发生了比较大的变化Ø滋味突变点样品1-4天的滋味变化比较缓和，第4天是滋味突变点，随着时间变化滋味变化是比较剧烈的。 基于电子鼻数据建立货架期模型Ø样品在第0-3天气味变化比较平稳；第4天是样品发生气味的突变点品中化合物的变化比较明显；在第5天之后随时间变化样品气味变化比较缓和，但整体的气味变化是上升的趋势。 3.3掺假鉴别01.实验目的利用HERACLES快速气相色谱电子鼻和ASTREE味觉分析仪对橙汁掺假情况进行嗅觉和味觉评价02.仪器设备电子舌、电子鼻 橙汁掺假的方法是通过在橙汁样品中添加0-20%的商业葡萄柚汁掺假水平编号0%葡萄柚汁0%GF5%葡萄柚汁5%GF10%葡萄柚汁10%GF20%葡萄柚汁20%GF100%葡萄柚汁100%GF Ø对照橙汁样品在乙酸乙酯、α-芹子烯、和十二烷醇等化合物中浓度较低。这些化合物给掺假的样品增加了水果味和柑橘味的味道。电子鼻挥发性化合物定性 Ø利用每个橙汁样本的整体信息建立Sensory ID模型，以便进行比较并检查与标准质量样品的偏差。结果显示在图表上有一个通过/失败的标识。这个典型的模型可以在线用于质量控制。以对照橙汁果汁作为参考。ØPLS（偏最小二乘）模型可以预测橙汁掺假情况。在图7中，预测了未知样品（10%和5%的样品）。Sensory ID在线质量控制模型 掺假样品与掺假样品明显不同。掺假模型 电子舌&电子鼻Ø在7个电子舌传感器上观察到的信号显示了橙汁和葡萄柚汁样品之间的差异（图8）。 ØHERACLES电子鼻和ASTREE味觉分析仪生成的数据可以组合在一个库中，可以操作多维统计数据（图10）。这种分析可以给出样品的感官重新划分。 3.4产地溯源§对不同产地西洋参进行快速溯源§确定关键风味化合物对西洋参气味的贡献程度实验目的 §HERACLES电子鼻顶空分析实验方法 大小 Ø西洋参气味指纹图谱 从不同产地西洋参中筛选出醛、酯、酮、醇、吡嗪、烷烃13种挥发性化合物，包括4种醛类化合物，丙醛、正戊醛、正己醛、十二醛；3种酯类化合物，甲酸甲酯、丁酸甲酯、辛酸正丁酯；2种酮类化合物，丙酮、异丙酮；1种醇类化合物，2-庚醇；1种吡嗪类化合物，2,3,5-三甲基吡嗪和2种烷烃化合物，1-苯基辛烷、5-甲基十五烷Ø差异性化合物的定性及定量 六个类别，共计 Ø差异化合物ROAV分析相对气味活度值法（ROAV）分析方法：首先定义对西洋参样品整体气味贡献最大的物质：ROAVs=100，则对其他挥发性化合物ROAV计算公式如下：ROAVi≈100×（C%i/C%s）×（Ts/Ti）C%i和Ti——各挥发性化合物的相对百分含量和嗅觉阈值；C%s和Ts——对样品整体风味贡献最大挥发性化合物的相对百分含量和嗅觉阈值。 结论：ü13种主要差异化合物中，正己醛高，而嗅觉阈值较低，因此定义正己醛ROAV为100，ü所有组分的ROAV≤100，本方法认为1≤ROAV≤100的化合