论文部分内容阅读
坚果产品富含多种营养成分,如不饱和脂肪酸、蛋白质、膳食纤维和多种微量元素,是重要的膳食补充食品。经过烘烤或炒制后坚果产品会产生独特的坚果香气,为众多消费者喜爱。在食品检测领域,坚果产品内部品质的快速无损检测成为了日益重要的研究内容。本研究以山核桃为主要研究对象,利用电子鼻技术和化学计量学定性与定量分析方法,开展山核桃内部品质快速无损检测方法的研究。论文的主要研究内容和研究结论如下:(1)通过研究采后储藏过程中未加工山核桃的脂肪酸(油酸、亚油酸、棕桐油酸、亚麻酸、棕榈酸和硬脂酸)含量变化,探明了采后储藏时间对山核桃内部品质影响的规律;通过对电子鼻响应信号和挥发性成分的相关性分析,揭示了电子鼻区分不同采后储藏时间山核桃样品的检测机理;论文提出的新型分类方法(投票法)综合了多种特征值的优势,分类效果优于基于单一特征值的分类模型(BPNN、LVQ和RF);通过对山核桃品质指标的预测模型的横向对比,发现PLSR适于构建理化指标的预测模型,BP神经网络适于构建脂肪酸和采后储藏时间的预测模型;所构建模型实现了对酸价(R2>0.89)、过氧化值(R2>0.90)、6种脂肪酸(校验集R2>0.95,验证集R2>0.88)和采后储藏时间(R2>0.98)的快速无损预测。(2)通过对烘烤后山核桃加工成品的香气特征进行分析,发现了烘烤时间对山核桃加工成品品质影响的规律;通过横向对比不同分类和预测模型的效果发现,基于稳定阶段响应值的BPNN模型其分类性能较好(最高分类准确率和平均分类准确率分别为92.00%和84.67%);基于多特征值的投票法分类准确率(92.00%)高于基于单一特征值的分类模型;采用遗传算法优化后的GA-BPNN模型,预测主要挥发性成分含量时其性能(R2>0.93)优于未优化的BPNN预测模型。(3)通过研究储藏后加工的山核桃成品其挥发性成分变化规律,发现挥发性成分变化显著(总含量从1080.94ng/g增加到4514.57ng/g),揭示了电子鼻对储藏后加工的山核桃成品的检测机理;通过对所构建区分模型性能的评价,发现RoF-BPNN模型的分类性能(最高分类准确率和平均分类准确率分别为94.0%和90.4%)较好;构建的BPNN和RoF-BPNN预测模型,均能实现对10种挥发性成分含量的预测,但基于多特征值的RoF-BPNN模型性能(校验集R2>0.949,验证集R2>0.890)优于基于单一特征值的BPNN模型性能。(4)明确了新鲜山核桃加工成品货架期内品质变化规律;通过对新鲜山核桃加工成品在货架期内挥发性成分含量变化的研究,发现核桃成品在货架期超过90天后开始快速变质;对山核桃货架期内脂肪酸含量变化的研究,发现6种脂肪酸含量均呈现下降趋势,亚麻酸下降程度最大(30.46%);对于不同山核桃样品定性分类,基于多特征值的RoF-BPNN模型其分类性能(最高分类准确率和平均分类准确率分别为97.14%和92.49%)优于基于单一特征值的分类模型;对于品质指标预测,RoF-BPNN模型在预测挥发性成分含量时(校验集R2>0.934,验证集R2>0.916)和预测脂肪酸含量时(校验集R2>0.986,验证集R2>0.969),其性能均优于基于单一特征值的BPNN模型。