为开发新型高品质的蜂蜜茶酒,利用酿酒酵母和非酿酒酵母混菌发酵制备蜂蜜茶酒,采用电子鼻技术结合顶空固相微萃取-气相色谱-质谱(Headspace Solid-Phase Micro Extraction and Gas Chromatography Mass Spectrometry,HS-SPME-GC-MS),并...为开发新型高品质的蜂蜜茶酒,利用酿酒酵母和非酿酒酵母混菌发酵制备蜂蜜茶酒,采用电子鼻技术结合顶空固相微萃取-气相色谱-质谱(Headspace Solid-Phase Micro Extraction and Gas Chromatography Mass Spectrometry,HS-SPME-GC-MS),并对发酵蜂蜜茶酒的基本理化、有机酸和多酚含量进行检测,以酿酒酵母单菌发酵(SF)和非酿酒酵母单菌发酵(HF)产品作为对比分析,综合评价混菌发酵(MF)对蜂蜜茶酒品质和风味的影响。结果表明:相较于SF和HF,MF提高了蜂蜜茶酒总酚和总黄酮含量。发酵后样品的有机酸含量上升,多酚含量下降。HF电子鼻传感器响应值低,且MF大部分传感器响应值大于SF。HS-SPME-GC-MS共鉴定出75种香气成分,混菌发酵使蜂蜜茶酒中的挥发性化合物种类和含量显著增加(P<0.05)。PLS-DA分析共筛选出10种差异化合物(VIP>1),其中有6种为酯类风味物质。OAV>1的关键香气成分共有12种,相较于HF和SF,对MF香气贡献率较高的为具有花香的苯乙醇、蜂蜜甜香的乙酸苯乙酯、水果香气的甲酸戊酯和醋酸正丙酯等。综上,混菌发酵蜂蜜茶酒相较于单菌发酵更具优势,总体风味更丰富浓郁。本文为非酿酒酵母在酒类中的应用及茶叶副产物深加工利用提供了理论依据。展开更多
目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷...目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷积平滑(Savitzky-Golay,S-G)、一阶求导的方法对原始数据进行预处理。然后,基于自举软缩减法(bootstrapping soft shrinkage,BOSS)和无信息变量消除算法(uninformative variable elimination,UVE)分别对预处理后的光谱数据进行特征提取,并利用X-Y距离样本集划分法(sample set partitioning based on joint X-Y distance,SPXY)将光谱数据划分为校正集和预测集。最后,建立基于拉曼光谱-中红外光谱数据融合的偏最小二乘回归(partial least squares regression,PLSR)食用酒精乙醇浓度预测模型,并利用麻雀搜寻算法优化的混合核极限学习机算法(sparrow search algorithm-optimized hybrid kernel extreme learning machine,SSA-HKELM)提升预测性能,实现对不同浓度食用酒精的快速、准确定量检测。结果与拉曼光谱数据、中红外光谱数据以及中红外与拉曼光谱的数据层融合构建的预测模型相比,中红外光谱与拉曼光谱特征层融合数据构建的预测模型具有更好的预测性能。其中,最优模型的校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.98314,校正集决定系数(R_(c)^(2))为0.99634,预测集均方根误差(root mean squared error of prediction set,RMSEP)为1.03256,预测集决定系数(R_(p)^(2))为0.99036。结论中红外光谱与拉曼光谱特征层融合预测模型可以实现对不同浓度食用酒精的高效定量检测,为食用酒精的质量检测提供了有效的理论支持与技术保障。展开更多
文摘为开发新型高品质的蜂蜜茶酒,利用酿酒酵母和非酿酒酵母混菌发酵制备蜂蜜茶酒,采用电子鼻技术结合顶空固相微萃取-气相色谱-质谱(Headspace Solid-Phase Micro Extraction and Gas Chromatography Mass Spectrometry,HS-SPME-GC-MS),并对发酵蜂蜜茶酒的基本理化、有机酸和多酚含量进行检测,以酿酒酵母单菌发酵(SF)和非酿酒酵母单菌发酵(HF)产品作为对比分析,综合评价混菌发酵(MF)对蜂蜜茶酒品质和风味的影响。结果表明:相较于SF和HF,MF提高了蜂蜜茶酒总酚和总黄酮含量。发酵后样品的有机酸含量上升,多酚含量下降。HF电子鼻传感器响应值低,且MF大部分传感器响应值大于SF。HS-SPME-GC-MS共鉴定出75种香气成分,混菌发酵使蜂蜜茶酒中的挥发性化合物种类和含量显著增加(P<0.05)。PLS-DA分析共筛选出10种差异化合物(VIP>1),其中有6种为酯类风味物质。OAV>1的关键香气成分共有12种,相较于HF和SF,对MF香气贡献率较高的为具有花香的苯乙醇、蜂蜜甜香的乙酸苯乙酯、水果香气的甲酸戊酯和醋酸正丙酯等。综上,混菌发酵蜂蜜茶酒相较于单菌发酵更具优势,总体风味更丰富浓郁。本文为非酿酒酵母在酒类中的应用及茶叶副产物深加工利用提供了理论依据。
文摘目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷积平滑(Savitzky-Golay,S-G)、一阶求导的方法对原始数据进行预处理。然后,基于自举软缩减法(bootstrapping soft shrinkage,BOSS)和无信息变量消除算法(uninformative variable elimination,UVE)分别对预处理后的光谱数据进行特征提取,并利用X-Y距离样本集划分法(sample set partitioning based on joint X-Y distance,SPXY)将光谱数据划分为校正集和预测集。最后,建立基于拉曼光谱-中红外光谱数据融合的偏最小二乘回归(partial least squares regression,PLSR)食用酒精乙醇浓度预测模型,并利用麻雀搜寻算法优化的混合核极限学习机算法(sparrow search algorithm-optimized hybrid kernel extreme learning machine,SSA-HKELM)提升预测性能,实现对不同浓度食用酒精的快速、准确定量检测。结果与拉曼光谱数据、中红外光谱数据以及中红外与拉曼光谱的数据层融合构建的预测模型相比,中红外光谱与拉曼光谱特征层融合数据构建的预测模型具有更好的预测性能。其中,最优模型的校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.98314,校正集决定系数(R_(c)^(2))为0.99634,预测集均方根误差(root mean squared error of prediction set,RMSEP)为1.03256,预测集决定系数(R_(p)^(2))为0.99036。结论中红外光谱与拉曼光谱特征层融合预测模型可以实现对不同浓度食用酒精的高效定量检测,为食用酒精的质量检测提供了有效的理论支持与技术保障。
