酱卤鸭制品是湖北最具代表性的传统酱卤制品,香辛料是其风味形成的重要原料。香辛料主效成分是其特征风味的重要来源,也是酱卤制品独特风味形成的重要物质基础。酱卤鸭制品风味品质不稳定的主要因素有:香辛料原料差别、卤煮工艺、和人工控制偏差等,在卤煮过程中,卤汤中的香辛料主效成分实时检测是实施产品风味精确控制的前提,然而,尚缺乏快速、实时监测卤汤中香辛料主效成分的方法。针对以上制约酱卤鸭制品风味标准化的瓶颈问题,本文在简化卤煮条件下,探讨了不同卤煮条件下几种典型香辛料主效成分的溶出规律,尝试采用电化学传感器阵列结合模式识别算法对卤煮过程的卤汤中香辛料主效成分含量进行检测分析,以期为酱卤制品风味精准控制提供参考。主要结果如下:（1）研究了模拟卤煮条件下,卤汤上层油相中肉桂醛、丁香酚、胡椒碱、辣椒碱和二氢辣椒碱的提取方法,优化了卤汤中主效成分的提取。比较了甲醇、石油醚和乙腈饱和的正己烷等3种不同溶剂提取方法对上述几种主效成分的提取效果。结果表明,采用乙腈饱和的正己烷提取优于甲醇和石油醚提取;该方法对卤汤上层油相中5种主效成分的回收率可达84.6%～107.6%,相对标准偏差为0.2%～2.2%,说明该方法稳定性好,具有较好的精密度和回收率。（2）探索了简化卤煮条件下,卤煮过程中的卤煮时间、油脂类型、油脂含量和食盐浓度等关键卤煮工艺参数对肉桂醛、丁香酚、胡椒碱、辣椒碱和二氢辣椒碱的溶出规律影响。结果表明:丁香酚和肉桂醛、辣椒碱和二氢辣椒碱、胡椒碱分别在第20min、80min和110min时有最大溶出量;主效成分在动物性油脂中如猪油和牛油的溶出较低,葵花籽油对各主效成分的溶出最显著;油脂含量为28%时丁香酚、胡椒碱和辣椒碱几乎全部溶出,而二氢辣椒碱和肉桂醛在油脂含量为56%时溶出最大;胡椒碱、辣椒碱与二氢辣椒碱、丁香酚与肉桂醛在食盐浓度分别为1%、5%、10%时溶出量最高。（3）探索了不同卤煮时间下,香辛料几种主效成分在卤汤中的变化趋势。结果显示,卤煮时间总长度约为90min,肉桂醛整体呈现先上升后下降的波动趋势,其含量约在第48 min上升到最大值,随后逐渐下降;丁香酚与肉桂醛的溶出规律类似,卤煮过程的含量范围为2.74～44.25 mg/kg,约在第42 min达到最大值;胡椒碱在90 min内出现持续缓慢波动上升状态,卤煮结束时含量最高,为12.77 mg/kg;总辣椒碱表现为波动上升趋势,最高含量可达到40.40 mg/kg,78 min以后随着卤煮时间的延长逐渐趋于波动平衡。（4）以传感器阵列数据的常规特征值（顶点或拐点）为输入,UPLC测定肉桂醛、丁香酚、胡椒碱和总辣椒碱的含量为输出,建立了不同卤煮时间卤汤中肉桂醛、丁香酚、胡椒碱和总辣椒碱的PLS模型、SVM模型和BP-神经网络模型。其中,PLS模型和SVM模型的预测效果则不佳。BP-神经网络模型对除了肉桂醛之外的其他几个主效成分含量预测效果最好,预测集均方根误差分别为1.5781、0.7922和2.1174,相关系数为0.9213、0.8549和0.9024,模型精度最高、泛化能力强。表明BP-神经网络模型可以应用于实际检测中。（5）以传感器阵列响应信号的多维特征值（联合特征区间）为输入,UPLC测定肉桂醛、丁香酚、胡椒碱和总辣椒碱的含量为输出,建立了不同卤煮时间卤汤中肉桂醛、丁香酚、胡椒碱和总辣椒碱的si PLS模型。与常规特征值相比,联合特征区间对于定量分析同样有效;建立的si PLS模型预测效果比以常规特征值为输入的PLS模型基础上有所提高。总体来说,无论常规特征值或者多维特征值矩阵,里面均包含了重要且有效的特征信息,需选择合适的传感器阵列响应信号提取方法。