基于特征香气组分判别咸味香精肉香香气的快速鉴别方法

本发明涉及咸味香精品质检测，涉及风味物质检测方法以及一种基于特征香气组分判别咸味香精肉香香气的快速鉴别方法。

背景技术：

1、咸味香精通常由瘦肉酶解物、氨基酸、碳水化合物、脂质等原料经热反应制成。咸味香精具有独特的肉香香气，被广泛用于方便食品、休闲食品以及加工肉制品中。然而，咸味香精肉香香气强度受加工、储存条件的影响逐渐降低或增加。其中咸味香精肉香香气强度降低限制其应用，影响着肉制品加工相关企业的正常经营和发展。因此，能够对咸味香精肉香香气强度快速检测对咸味香精的开发和风味研究至关重要。

2、众所周知，风味是由非挥发物引发的味道和由挥发性化合物散发的气味组成，是感官品质中最重要的变量之一。不同种类、浓度的香气化合物构成了不同香气强度的感官品质。在香气属性以及风味质量的研究过程中，只有少数挥发性风味化合物占据主导地位，它们被视为特征香气组分，对整体风味属性的影响较大，其浓度以及组成对咸味香精感官品质的判别十分关键。

3、感官评价是研究人员品评感官属性的首选评价手段。虽然沿袭至今的感官评价方法仍受到感官评价环境和品评人员身体、心理、情感等因素差异性的影响，但是，感官评价是评价感官品质有无异常的最直观、简便的综合性方法。

4、随着现代工业的快速发展，仅凭借培训感官品评人员的感官分析方法难以满足数量大并跨地区产品的检测要求。因此，在尽量规避感官评价结果不准确性前提下，基于特征香气组分研究，将仪器分析特征香气组分结果与感官评价相结合，实现多个学科交叉的发展趋势，探索一种能够快速、准确判别咸味香精的肉香香气的方法。

技术实现思路

1、本发明提供了一种基于特征香气组分判别咸味香精肉香香气的快速鉴别方法，可利用仪器分析对咸味香精肉香香气质量进行判定。

2、为实现上述目的，本发明提供了如下技术方案：

3、(1)选择不同香气质量的咸味香精作为标准样品，并从标准样品中经萃取纤维吸附萃取挥发性风味物质；

4、(2)采用气相色谱-嗅闻技术、香气提取物稀释分析法结合香气感官描述词，从所述挥发性风味物质中筛选出风味稀释因子≥9的特征香气化合物；

5、(3)对步骤(2)筛选得到的特征香气化合物含有7.27％牛肉肌原纤维蛋白的咸味香精基质上进行重组、缺失、添加试验，并进行k-means无监督聚类分析，得到咸味香精的特征香气组分；

6、(4)采用气相色谱-质谱仪对所有咸味香精样品中的特征香气组分进行内标标准曲线定量分析，得到已知不同品质咸味香精的特征香气组分浓度。

7、(5)采用支持向量机分析方法，在所选定特征香气组分的基础上，对不同品质咸味香精中特征香气组分的浓度与其对应肉香香气强度得分值进行模型训练，即可对待测咸味香精的感官品质进行判断。

8、本发明的判别方法先通过香气提取物稀释分析法(aeda)结合气相色谱-嗅闻仪装置(gc-o)，筛选出咸味香精中风味稀释因子≥9的特征香气化合物，在自制7.27％牛肉肌原纤维蛋白的咸味香精基质上进行重组、缺失、添加试验剔除对咸味香精无显著影响的特征香气化合物，随后通过k-means聚类算法对特征香气化合物进行降维，基于轮廓系数优选聚类中心值进一步筛选出对咸味香精整体香气属性贡献较大的特征香气化合物，作为咸味香精的特征香气组分，最后通过训练样本的特征香气组分浓度对支持向量机进行训练，采用支持向量机对未知品质的咸味香精进行判定。

9、不同香气质量的咸味香精为不同加工工艺，储存6个月以内不同贮存时间节点的咸味香精。

10、采用顶空固相微萃取(headspace solid-phase microextraction，hs-spme)对标准样品中的特征香气化合物进行萃取。称取10ml咸味香精置于顶空瓶中，用微量进样器吸取1μl质量浓度为0.816mg/ml的2-甲基-3-庚酮打入顶空瓶内。水浴温度45℃，热平衡30min后，将萃取纤维头插入顶空瓶中，顶空吸附30min，随后取出萃取纤维，等待gc进样。

11、进一步地，步骤(2)中采用香气提取物稀释分析法结合气相色谱-嗅闻技术，记录每个特征香气化合物的香气感官描述词，根据风味稀释因子≥9，从所述挥发性风味物质中筛选出24种香气强度较大的特征香气化合物，并采用gc-ms对筛选出的特征香气化合物进行定性。

12、进一步地，气相色谱条件为：采用氦气作载气，载气流速为1.2ml/min，色谱柱为db-wax毛细管柱(60m×0.25mm，0.25μm)，色谱柱升温程序为：初始柱温40℃，保持2min，以4℃/min升到70℃，保持1min，然后以3℃/min升到220℃，最后以4℃/min升到230℃，保持0min；采用不分流模式。

13、质谱条件为：电子电离源，电子能量70ev，进样口温度为250℃，离子源温度为230℃，四极杆温度150℃，全扫描模式，质量扫描范围m/z 35～400。

14、24种特征香气组分包括醛类，酮类，酸类，含硫、氮、氧等杂环化合物等多种组分：醛类是糠醛、苯甲醛；酮类是羟基丙酮；酸类是丙酸；含硫化合物是二甲基二硫醚、二甲基三硫醚、三硫丙酮；含氮化合物是2-甲基吡嗪、2,5-二甲基吡嗪、2,6-二甲基吡嗪、2,3-二甲基吡嗪、2-乙基-6-甲基-吡嗪、2-乙烷基-3,5-二甲基吡嗪、乙酰基吡嗪；含氧化合物是2-乙酰基呋喃、5-甲基呋喃醛、5-甲基-2-乙酰基呋喃、4-羟基-2,5-二甲基-3(2h)呋喃酮；含硫、氮、氧杂环化合物是4,5-二甲基噻唑、糠硫醇、甲基糠基二硫醚、2-乙酰基吡咯、4-甲基-5-羟乙基噻唑、二糠基二硫醚。为了精准化快分析，对24种特征香气化合物进行降维，从中筛选出对咸味香精香气属性贡献大并且风味稀释因子≥9的特征香气化合物。

15、优选的，在进行步骤(3)之前还包括：建立咸味香精模拟体系，对咸味香精特征香气化合物的含量进行重组、缺失、添加试验，剔除对咸味香精肉香香气属性无显著影响的2-甲基吡嗪、羟基丙酮、4,5-二甲基噻唑和5-甲基-2-乙酰基呋喃。

16、步骤(3)通过聚类算法对剩余20种特征香气组分进行聚类，从而对特征香气组分进行降维。

17、优选的，步骤(3)中，采用k-means聚类算法对特征香气组分进行k-means无监督聚类分析。

18、k-means聚类算法是一种常见的无监督学习方法，基于点与点之间的距离的相似度来计算最佳类别归属。k-means聚类算法是一种迭代的聚类算法，核心的操作流程如下：(ⅰ)从n个数据对象中随机选择k个初始质心作为簇的中心点；(ⅱ)将每个数据点分配到离它最近的质心所对应的簇中；(ⅲ)更新每个簇的质心，即为重新计算每个数据点距离它最近的质心间的欧氏距离；(ⅳ)重复步骤2和步骤3，直到质心不再变化或达到最大迭代次数。

19、该聚类算法快速、简单，对大数据集有较高的效率并且是可伸缩的，特别适用于本发明。

20、首先，设置k-means聚类算法的聚类中心数为2～10，将咸味香精聚为2～10类。随后计算所有数据点的轮廓系数的平均值，即获得整个聚类结果的轮廓系数。

21、优选的，基于轮廓系数结果，设置最佳聚类中心数为2，即为特征香气组分聚集为2类，从中选择距离聚类中心最近的5个特征香气组分作为评估咸味香精肉香香气质量最重要的特征香气组分。

22、优选的，通过k-means聚类算法筛选出对肉香香气质量的特征香气组分为：5-甲基呋喃醛、二甲基三硫醚、2-乙酰基吡咯、2-乙烷基-3,5-二甲基吡嗪和2-乙酰基呋喃。

23、进一步地，将5种咸味香精的特征香气组分输入支持向量机，构建特征香气组分-感官品质模型对咸味香精进行分类，支持向量机在训练样本上的交叉验证得到的准确率和f1值均高于了80％，f1值可高于85％，可准确率较高。

24、步骤(4)和(5)中，采用气相色谱-质谱仪对所有咸味香精样品中的特征香气组分进行定量分析，测定已知不同肉香香气强度的咸味香精的特征香气组分浓度。

25、进一步地，气相色谱条件为：采用氦气作载气，载气流速为1.2ml/min，色谱柱为db-wax毛细管柱(60m×0.25mm，0.25μm)，色谱柱升温程序为：初始柱温40℃，保持2min，以4℃/min升到70℃，保持1min，然后以3℃/min升到220℃，最后以4℃/min升到230℃，保持0min；采用不分流模式。

26、质谱条件为：电子电离源，电子能量70ev，进样口温度为250℃，离子源温度为230℃，四极杆温度150℃，全扫描模式，质量扫描范围m/z 35～400。

27、与现有技术相比，本发明的有益效果为：

28、根据风味稀释因子≥9以及自制咸味香精基质上进行的重组、缺失、添加试验结果筛选咸味香精中特征香气组分，基于气相色谱-质谱联用仪定性定量分析获得特征香气组分含量，明确了不同咸味香精中特征香气组分，及含量变化规律。

29、根据咸味香精特征香气组分的含量变化规律与肉香香气得分值，建立咸味香精特征香气组分-感官品质模型，使用k-means统计学分析、机器学习算法，进行更加简单、方便、直接地在线检测，使得评价结果稳定性更高。本发明为不同储存阶段、不同加工方式的咸味香精肉香香气强度的判定提供新方法，为快速、准确判别咸味香精感官品质相关检测奠定理论基础。