很多火腿、肉肠都是在猪肉里“混搭”了鸡肉，很多不良厂商以改善口感等配方工艺的需要，大量使用除猪肉外的其他廉价肉类作为辅原料，降低生产成本，但在宣传、配料及包装上并没有明确标示，成为肉制品食品安全的问题隐患。
        本文采用法国Alpha MOS公司ASTREE电子舌，通过采集掺杂鸡肉猪肉肠样品的传感器信息，对传感器信息进行数学模型处理，从而完成对猪肉肠掺杂鸡肉进行定性和定量分析评价，探索电子舌在掺杂不同动物源性肉制品安全检测的可能性。
       材料与方法
       材料与试剂
       自制猪肉肠、猪肉肠参杂鸡肉，鸡肉按照一定比例(0、20%、40%、60%、80%、100%)和新鲜猪肉(肥瘦比2:8混合)。
       实验仪器
       α-Astree型电子舌：法国Alpha MOS公司。
       猪肉肠样品的检测
       样品经过前处理，待测液和清洗液交替进行检测，每个样品重复测试3次。测量前电子舌检测装置经过初始化、校准、诊断的过程，以确保收集到的数据的稳定性和可靠性。检测每一个样品时传感器共采集120 s，在进行数据分析与处理时，采用第120秒所采集的稳定数据作为输出值进行分析。
       猪肉肠掺杂鸡肉的识别与数据处理
       猪肉肠掺杂鸡肉的定性识别采用主成分分析、判别因子分析，定量识别通过采用偏最小二乘法建立数学模型来完成。
       结果与讨论
       猪肉肠掺杂鸡肉样品的传感器信号分析
       电子舌检测掺杂鸡肉的猪肉肠样品时，数据采集时间为120 s，样品的传感器信号图如图1(掺杂鸡肉含量为20%)，图2(掺杂鸡肉含量为80%)所示。从图1、图2可以看出，电子舌的7根传感器响应信号在第20 s时就逐渐趋于平衡，并达到稳态值，而后一直持续到终端。其他掺杂鸡肉比例的猪肉样品信号图因篇幅原因未列出，它们信号稳定值也基本在15 s前后就已经达到，并保持平衡。         为了更直观地将不同掺杂鸡肉比例的猪肉肠样品的信号强度进行对比分析，利用Astree软件将掺杂不同鸡肉比例的猪肉肠样品在7根不同传感器下的响应强度峰值平均分布在圆周上，并描点成一个雷达指纹图谱，如图3所示。其中，各样品编号的掺杂鸡肉比例为：1#.0%，2#.20%，3#.40%，4#.60%，5#.80%，6#.100%。
       从雷达图中可以直观地看出，掺杂不同鸡肉比例猪肉肠样品之间的传感器信号存在着显著的差异，说明不同传感器对不同鸡肉比例样品的敏感程度不同。同时，也可以初步判断各样品之间的差异主要表现在ZZ、JB、CA、BB这4根传感器上，因此这4根传感器可以作为掺杂鸡肉的猪肉肠样品的特征传感器。         此外，为了考察每根敏感传感器重复检测的可靠性，对上述4根敏感传感器的相对标准偏差进行分析计算，结果如图4所示，可以看出4根敏感传感器的RSD值都没有超过5%，部分检测样品的RSD值甚至在1%以内，表明这些样品在敏感传感器有良好的检测重复性；相对来说，传感器CA较其余3根的RSD要偏大。同时，随着鸡肉添加比例的增加，这4根敏感传感器的RSD并未出现显著性的变化。
       猪肉肠掺杂鸡肉样品的主成分分析
       图5为掺杂不同鸡肉比例猪肉肠样品的主成分分析二维图。从图5可见前2个主成分的贡献率分别为71.284%、27.699%，累计贡献率98.983%，其余主成分贡献率仅为1.017%，所以取前2个主成分对应的特征向量所决定的两维子空间就能够完全反映样品的整体数据信息。同时，从图5还可以看出，掺杂不同鸡肉比例的猪肉肠样品分别聚类在PCA图中的不同区域，所有样品相互之间能够较好地区分，显著性非常高。聚类区域分布也呈现出一定的规律性，随着掺杂鸡肉比例的增加，分布区域总体按图中标注虚线的方向发展，即朝PC1增加、PC2下降的方向发展，同时不同分布区域的距离并没有因为掺杂鸡肉比例的增加而出现显著的变化。       猪肉肠掺杂鸡肉样品的判别函数分析
      图6为掺杂不同鸡肉比例的香肠样品判别因子分析图。从图6可见前2个判别因子的贡献率分别为92.752%、7.141%，累计贡献率99.893%。样品在图中的分布按照箭头所示的方向呈现一定的规律性。具体分析来看，随着掺杂鸡肉比例的增加，分布区域朝DF1先增加后降低、DF2螺旋上升的趋势发展。结果表明，掺杂不同鸡肉比例猪肉肠样品的DFA分析聚类十分显著。        猪肉肠掺杂鸡肉样品的偏最小二乘回归分析
为实现对猪肉肠掺杂不同鸡肉比例的定量预测，实验采用偏最小二乘回归法(PLS)，以传感器响应值为自变量，以掺入鸡肉的比例为拟合目标值进行曲线拟合，拟合结果见图7。从图7可以看出，模型的预测值和实际值的决定系数R2为0.9938，说明该模型具有极显著意义。分别以掺入鸡肉为30%、50%和70% 3个验证样品对模型进行验证，验证结果见表1。结果表明，由PLS预测模型得到的预测值与实测值之间的相对误差均控制在10%以内，说明该模型具有一定的可行性。         结论
        利用电子舌对掺杂不同鸡肉比例的猪肉肠样品进行评价，通过对获得的传感器信号数据进行主成分分析和判别因子分析，结果表明采用PCA和DFA分析法均能对这些掺杂鸡肉的猪肉肠样品有效区分。在定量识别上，采用PLS法建立数学模型，模型的拟合效果良好，经验证得到的预测值与实测值之间的相对误差均控制在10%以内，说明该模型具有一定的可行性。研究结果为电子舌在肉制品掺假的安全快速检测提供新的参考途径。
       来源：感官科学与评定 转载请注明来源。
       参考文献：[1]刘雅婧,袁建,鞠兴荣,邢常瑞,何荣,陈尚兵.电子舌快速检测食用植物油掺伪[J].食品安全质量检测学报,2018,9(10):2339-2344.
       提醒：文章仅供参考，如有不当，欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下，擅自根据文章内容采取行动，因此导致的损失，运营方不负责。如文章涉及侵权或不愿我平台发布，请联系处理。