1 樣品前處理方法
1.1 Heracles電子鼻檢測樣品制備每個樣品共做3個平行樣,分別稱量一定量牛奶樣品于電子鼻專用頂空瓶中，使用PTFE隔墊密封，將準備好的樣品置于自動進樣器裝置上，待分析。
1.2 Astree電子舌檢測樣品制備
樣品準備：取一定量的牛奶樣品，離心后,吸取濾液1 mL,定容到80 mL。分別取20 mL置于電子舌頭專用燒杯中，將準備好的樣品置于自動進樣器裝置上，待分析。
2 檢測結果
2.1 Heracles電子鼻檢測結果
2.1.1原始數據
圖1 兩個樣品譜圖對比
2.1.2主成分分析
PCA是將采集到的氣味成分的種類和含量作為變量，通過向量變化以更直觀的形式體現樣品間的氣味組成差異，圖2為原始PCA圖（以所有色譜峰為變量）。第一主成分（PC1）與 第二主成分（PC2）的貢獻率之和達到了 99.6141%，能較為完整的代表樣品的全部信息；樣品間的差異主要反應在橫軸上距離的遠近（第一主成分貢獻率顯著 93.823%）。2個樣品在主成分分析圖上的區分指數達到（Discrimination Index）99，說明超快速氣相色譜電子鼻（Heracles）能夠基于氣味的差異，有效區分2個牛奶樣品。
圖2 原始PCA圖(以所有色譜峰為變量)
注：（常溫奶樣品編號記為T，鮮牛奶樣品編號記為MRC）
Discrimination power參數是根據化合物在不同組樣品中的分布計算得來， 若化合物的分布差異較大，例如某組含有此化合物而另外一組中未檢出此化合物，則計算出的Discrimination power越接近于1。若化合物在各組中分布較為均勻，則discrimination power 參數計算結果趨近于0。對于篩選出的差異化合物組分使用Arochembase數據庫進行檢索，嘗試定性和查找化合物的氣味屬性及閾值信息，可以衡量此化合物在氣味中的貢獻程度大小。
圖3 Discrimination Power功能
2.1.3 化合物定性及含量對比利用雙柱保留指數對上述化合物進行定性；由于FID檢測器為質量型檢測器，出峰面積大則含量高，積分面積可直觀反映化合物在樣品中的相對含量高低。表1對各組分進行數據庫檢索定性。根據化合物的相對含量結合數據庫中的閾值信息，可以結合準確含量等信息來計算樣品中重要化合物的氣味活度值(OAV)。
表2 2個牛奶樣品中重要差異性氣味化合物成分定性及分布對比
2.2 Astree電子舌檢測結果
2.2.1 主成分分析（PCA)
傳感器的信號被整合到可以通過多維統計工具計算的數據矩陣中，選擇所有傳感器的信號生成基于主成分分析（PCA）的滋味分布圖（圖4），它顯示了兩個樣品的味道的接近程度。從圖4可以看出：第一主成分 （PC1）與第二主成分（PC2）的貢獻率之和達到了99.99%，能很好地反映樣品的實際情況。樣品在電子舌主成分分析圖上的區分指數達到98，說明基于味覺上的差異能有效區分樣品。
圖4 樣品的滋味分布圖（注：1為常溫奶；2為鮮牛奶）
2.2.3 滋味評定（Taste Ranking）ASTREE電子舌還提供了一種對于樣品滋味進行評定的功能。Taste Ranking 功能可直接得到所有樣品之間的相對酸咸鮮的排序，此外還有標準添加模式，可對自定義的甜味，苦味，辣味，澀味等味道進行相對排序。
圖5滋味排序功能直接給出的酸、咸、鮮的相對排序
以電子舌所測的樣品相對的酸咸鮮排序數據，繪制基本的滋味雷達圖。
圖6 相對滋味排序雷達圖
電子舌的滋味排序結果如圖5所示：酸味：鮮牛奶②?常溫奶① ；
咸味：常溫奶①?鮮牛奶② ；
鮮味：常溫奶①?鮮牛奶② 。
3 結論
通過使用電子鼻和電子舌對兩種牛奶樣品進行檢測，發現電子鼻和電子舌可以有效區分兩種牛奶樣品，說明這兩種牛奶樣品無論在氣味上還是滋味上兩個樣品都存在明顯的差異。
儀器自帶的不同的模型可以達到不同的應用目的，例如樣品區分、質量控制、貨架期、模型人工感官進行感官得分預測等等。本次檢測由于只提供了兩種樣品，樣品數量有限，后期可收集更多樣品并結合感官的品評結果進行關聯性分析，結合輔助儀器或標準品從而更加準確的確定風味重要組成成分，并利用這些分析成果為優化產品風味和配方提供支持，或輔助優化加工工藝、為產品質量控制提供幫助。
來源：濟南感官分析研究中心，作者：曾紅艷，未經授權禁止以任何形式轉載或摘抄。
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應該在缺乏具體的專業建議的情況下，擅自根據文章內容采取行動，因此導致的損失，本運營方不負責。如文章涉及侵權或不愿我平臺發布，請聯系處理。
