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

作者：张渤函; 李学鹏^*; 励建荣; 杨青; 位正鹏; 谢晶; 王彦波; 丁玉庭

来源：渤海大学学报(自然科学版), 2022, 43(02): 140-154.

DOI：10.13831/j.cnki.issn.1673-0569.2022.02.004

• 新鲜度
• 预测模型
• 挥发性物质
• 偏最小二乘法(PLS)
• BP神经网络

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.

• 单位
  荣成泰祥食品股份有限公司; 渤海大学; 大连工业大学; 农业部; 食品与生物工程学院; 上海海洋大学; 浙江工商大学; 浙江工业大学