基于特征挥发性气味物质的冷藏大黄鱼新鲜度预测模型构建
张渤函1
李学鹏2
励建荣1
杨青3
位正鹏3
谢晶4
王彦波5
丁玉庭6
1.渤海大学 食品科学与工程学院,生鲜农产品贮藏加工及安全控制技术国家地方联合工程研究中心,辽宁 锦州1210132.渤海大学 食品科学与工程学院,生鲜农产品贮藏加工及安全控制技术国家地方联合工程研究中心,辽宁 锦州121013;大连工业大学 海洋食品精深加工关键技术省部共建协同创新中心,辽宁 大连1160343.荣成泰祥食品股份有限公司 农业部冷冻调理海洋食品加工重点实验室,山东 威海2343094.上海海洋大学 食品学院,上海2013065.浙江工商大学 食品与生物工程学院,浙江 杭州3100186.浙江工业大学 食品科学与工程学院,浙江 杭州310014
摘要：以4℃冷藏大黄鱼为研究对象,测定其菌落总数、挥发性盐基氮(TVB-N)值、K值、硫代巴比妥酸(TBA)值等新鲜度指标以及气味轮廓特征,挖掘与新鲜度相关的挥发性气味物质,并利用偏最小二乘法(Partial Least-Squares,PLS)和BP(Back Propagation)神经网络建立挥发性气味物质预测TVB-N值的数学模型.结果表明,大黄鱼冷藏过程中菌落总数、TVB-N值、K值、TBA值均显著上升(P<0.05).贮藏6.16 d TVB-N值达到腐败上限,贮藏8.6 d菌落总数达到可食用上限.电子鼻分析结果显示不同贮藏时间大黄鱼气味轮廓具有显著差异;顶空固相微萃取-气相色谱-质谱联用(SPME-GC-MS)结果显示,与新鲜度最显著相关的挥发性物质主要是醛类和烷烃类气体,包括十二烷、三氯甲烷、苯、正辛醛、壬醛、正十七烷、姥鲛烷、癸醛、苯甲醛.建模结果显示,PLS预测模型的预测能力达到88.7％,BP神经网络模型的相关系数达0.988,说明两个模型都可实现利用挥发性气味物质预测冷藏大黄鱼TVB-N值的目的.本研究为冷藏海水鱼的新鲜度评价、货架期预测以及品质监测气敏性传感器的开发提供了参考和依据.
关键词：新鲜度预测模型挥发性物质偏最小二乘法(PLS)BP神经网络
分类号：TS254.2(食品工业)
资助基金：2019YFD0901605(No)
论文发表日期：2022-06-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：15( 140-154 )
英文信息