电子舌在中华绒螯蟹产地鉴别及等级评定的应用

张晶晶，顾赛麒*，丁玉庭，王锡昌，姜文梦

（1.上海海洋大学食品学院，上海 201306；2.浙江工业大学海洋学院，浙江 杭州 310014）

电子舌在中华绒螯蟹产地鉴别及等级评定的应用

张晶晶1，顾赛麒2,*，丁玉庭2，王锡昌1，姜文梦1

（1.上海海洋大学食品学院，上海 201306；2.浙江工业大学海洋学院，浙江 杭州 310014）

采用电子舌对产自阳澄湖、松江、崇明的不同等级雌性中华绒螯蟹各可食部位的滋味轮廓进行检测。运用主成分分析法处理电子舌测定数据后发现，特级、1级、2级阳澄湖中华绒螯蟹体肉、钳肉、足肉、性腺4 个部位滋味轮廓区分显著。采用软独立建模的方法，分别建立了基于单部位及联合多部位的阳澄湖中华绒螯蟹产地鉴别模型，无论是单部位还是多部位模型，对非阳澄湖蟹样的拒绝率均为100%。采用偏最小二乘-判别分析法建立了中华绒螯蟹的等级评定模型，特级、1级、2级蟹样的偏最小二乘-判别分析模型相关系数均在0.90以上，采用上述模型可100%正确识别16 个未知蟹样的等级。

中华绒螯蟹；滋味；产地鉴别；等级评定；电子舌

中华绒螯蟹俗称大闸蟹或河蟹，营养价值高、风味优良，深受消费者喜爱，“鲜”和“甜”是其突出的风味特征，主要由滋味物质所贡献。中华绒螯蟹的滋味物质包括以下两大类：含氮类化合物（游离氨基酸、5’-核苷酸、有机碱等）和非氮类化合物（糖、有机酸、无机盐等）[1]。目前，对河蟹滋味物质的研究手段通常包括高效液色谱和感官分析等，它们均存在一些缺点：如高效液相色谱法操作步骤较多、检测周期较长，而感官评价法又容易受到个体因素的影响。近年来，电子舌作为一种仿生物味觉模式建立起来的新型检测系统，越来越受研究者重视，其主要由交互敏感传感器阵列、信号调整电路以及模式识别算法构成[2]，可对样品整体滋味轮廓进行响应，具有快速、简便、安全等优点，目前已在新鲜度判定[3-4]、掺伪检验[2]、添加剂定量[5-6]等方面得到应用。

中华绒螯蟹在我国分布较广，产地众多，所有产地中以苏州市阳澄湖地区最为著名，出产的大闸蟹有“蟹中之王”的美誉[7]。上海也是大闸蟹的主要产地之一，上海市松江区历来有养殖中华绒螯蟹的传统，其养殖环境主要以淡水池塘为主[8]；而上海市崇明县养殖环境属于微咸水池塘，其出产的中华绒螯蟹具有“小而鲜”的特点[9]。据报道，不同产地大闸蟹因其养殖环境的不同会导致其自身滋味有所区别[1]。Kong Li等[10]分别对阳澄湖养殖和池塘养殖的中华绒螯蟹肌肉及肝胰腺中的游离氨基酸与5’-核苷酸含量进行了测定，发现阳澄湖蟹肌肉和肝胰腺中的游离氨基酸与5’-核苷酸含量均显著高于池塘蟹，并且上述两种蟹的感官评价结果有一定差异性。目前，虽然已有对不同产地河蟹滋味物质的报道，但尚未有运用电子舌从滋味轮廓的角度快速鉴别中华绒螯蟹产地方面的研究。本研究团队前期已采用电子鼻对阳澄湖、松江、崇明所产的不同等级中华绒螯蟹各可食部位香气轮廓进行了检测，建立了阳澄湖中华绒螯蟹的产地鉴别模型[11]，对本课题的开展具有一定的借鉴意义。

本研究采用电子舌，对不同产地、不同等级的中华绒螯蟹各可食部位滋味轮廓进行检测，以期建立阳澄湖中华绒螯蟹的产地鉴别模型，并初步探讨利用电子舌技术快速评定中华绒螯蟹等级的可能性。

1 材料与方法

1.1 材料与仪器

阳澄湖中华绒螯蟹：2011年11月上旬，从江苏省苏州市明澄蟹业公司位于阳澄湖上的围栏养殖基地现场采集雌蟹60 只，150 g（特级）、125 g（1级）以及100 g（2级）各20 只。松江中华绒螯蟹：2011年11月上旬，从上海鱼跃水产合作社位于松江的养殖基地现场采集雌蟹60 只，采样规模与阳澄湖蟹完全一致。崇明中华绒螯蟹：2011年11月上旬，从上海宝岛蟹业有限公司位于崇明的养殖基地现场采集雌蟹40 只（1级和2级各20 只）。崇明县因为靠近长江入海口，其养殖水体具有一定的盐度，故出产的中华绒螯蟹具有“小而鲜”的特点，因而对崇明蟹采样时未采集特级蟹样。活蟹捕捞出水后立即用麻绳扎紧（防止其剧烈挣扎造成营养物消耗），放置入底部铺冰的泡沫箱内迅速带回实验室。

ASTREE电子舌（配备7根化学选择性传感器（ZZ、JE、BB、CA、GA、HA、JB）和1根参比电极（Ag/AgCl）） 法国Alpha MOS公司；超低温冰箱艾本德（上海）国际贸易有限公司；SW-CJ-1CU双人单面超净工作台 上海松泰净化科技有限公司。

1.2 方法

1.2.1 样品前处理

将捆扎好的不同产地的特级、1级和2级的雌性中华绒螯蟹分别从泡沫塑料箱中取出，以自来水冲洗去表面泥沙等杂质，用毛巾擦拭干净，依次放入不锈钢蒸锅内蒸制30 min。取出蒸熟蟹样，冷却至室温，打开头胸甲，手工剥离性腺；剪开蟹螯，刮取钳肉；剪开步足，刮取足肉；剪开头胸甲底部内骨骼，刮取体肉。将不同可食部位样品各自收集至食品级密实袋中，并用经消毒程序处理（刀口经火焰灼烧10 s后再紫外辐照30 min）的绞肉机将其绞碎至均匀。

1.2.2 电子舌检测

准确称取（15.0±0.01） g待测蟹样，加入100 mL去离子水，匀浆，静置10 min，将匀浆液于4 ℃条件下10 000×g离心10 min，去除上层油脂层后过滤，取80 mL滤液倒入电子舌专用进样杯中，在室温条件下进行测定。每个样品数据采集时间为120 s，1 s采集一个数据，选取各根传感器上第120秒的响应值作为电子舌的原始数据（此时传感器已趋于稳定）。电子舌传感器每次检测后均用去离子水进行清洗，清洗周期10 s。为保证结果可靠性，不同产地、不同等级的中华绒螯蟹各可食部位（体肉、足肉、钳肉、性腺）分别制备8 个平行样，每个平行样重复测定3 次，以算术平均值表示3 次测定结果。

图1 ASTREE电子舌所带7 根传感器的原始响应信号（电压值）图Fig.1 Original responses (voltage values) of seven sensors of ASTREE E-tongue

图1 展示了ASTREE电子舌的响应信号，具体为呈味小分子物质通过电子舌传感器的核心部件“离子通透膜”时，各传感器所记录的电压值变化。本实验选取7 根传感器第120秒的响应值作为电子舌的原始数据，此时呈味小分子在离子通透膜两侧浓度已实现动态平衡。

1.2.3 数据分析

主成分分析（principal component analysis，PCA）、软独立建模分析（soft independent modeling of class analogy，SIMCA）及偏最小二乘判别分析（partial least squares-discriminant analysis，PLS-DA）由AlphaSoft V12.0和Matlab 6.5软件完成。

1.2.3.1 PCA

PCA步骤如下[12-14]：1）为了消除不同变量间的量纲差异，将中华绒螯蟹滋味轮廓矩阵Xm×n进行中心标准化（m表示电子舌实验蟹样数，n表示传感器个数），求得其中心标准化矩阵X*m×n，并计算X*m×n的协方差矩阵Yn×n。2）由特征方程（λI—Yn×n）×U=0，求出Yn×n的各特征根λi（按从大到小排列）和特征向量Ui（i=1,2,・・・,n），其中I为单位矩阵；3）每一主成分的表达式为：PCi=Ui×X*i，各主成分贡献率前k 个主成分的累计贡献率取k值，使主成分累计贡献率达90%以上，研究主成分PC1, PC2・・・PCk，故可将n 维原始数据降为k 维。

1.2.3.2 SIMCA分析

SIMCA建模过程如下[15-16]：1）确定标准样本集即阳澄湖中华绒螯蟹，记为{A}；非标准样本集即松江、崇明中华绒螯蟹，记为{B}；2）对{A}中样品进行主成分分析；3）在主成分空间中，同时计算{A}中各个样品与其重心GA间的马氏距离（Mahalanobis distance，MD），并求出{A}中各个样品经主成分提取后，剩余的未能解释的样本方差的量，即残差（residual error，RE）；4）由于样品经中心标准化后符合正态分布规律，故可确定置信度为95%的区间为{A}的“可置信区域”：其X轴范围为[0, 1.96×SDMD]，Y轴范围为[0, 1.96×SDRE]，其中SD为{A}中样品的标准偏差；5）将{B}中所有样品逐次代入{A}的主成分方程，求得{B}中各个样品与GA间的马氏距离以及其自身的残差值；6）判断{B}中样品点是否落在“可置信区域”外，若落在区域外，则表示该样品的产地信息可被正确识别。

1.2.3.3 PLS-DA

PLS-DA建模过程如下[17-18]：首先分别构建经中心标准化后的中华绒螯蟹滋味轮廓矩阵（X0）和分类变量矩阵（Y0）。X0等同于1.2.3.1节中的X*m×n，为自变量矩阵，其下标0表示该矩阵经过迭代运算的次数；Y0为分类变量矩阵，本实验中特级、1级、2级蟹样的分类变量矩阵（Y0）分别定义为[1,0,0]、[0,1,0]、[0,0,1]，不同等级蟹样进行PLS-DA建模时需引入与其等级相对应的Y0；然后以特级蟹样为例，其分类变量矩阵Y0=[1,0,0]，将Y0与X0进行PLS分析，PLS分析的具体步骤为：1）从X0中首先提取第1个主成分T1（T1是X0的线性组合，T1类似于1.2.3.1节中的PC1，但两者有以下区别：T1提取时应满足约束条件T1与Y0间的相关性最强）；2）同时实施Y0和X0在T1上的回归，并分别求出其残差矩阵Y1和X1；3）以Y1代替Y0、X1代替X0，继续进行迭代运算，即重复步骤2）与3）；4）根据留一法交叉有效性验证结果确定最终需要引入模型的主成分个数k，并停止迭代；5）实施Y0对T1,T2・・・Tk的普通多元线形回归；6）首先将X0依次回代入T1～Tk，最终建立Y0对X0的回归方程；再次完成不同等级蟹样各自Y0与X0的PLS建模后（所建模型即为PLS-DA模型），将验证集中所有样品的X0代入与其自身等级相对应的PLS-DA模型中，求得所有需要验证样品的预测分类变量Yp；最后对于验证集中某个级别的样品而言（如特级蟹样），当Yp＞0.5，且偏差＜0.5，表明该类样品的等级判定正确；当Yp＜0.5，且偏差＜0.5，表明该类样品的等级判定错误；当偏差＞0.5，表明该类样品所建的PLSDA模型不稳定。

2 结果与分析

2.1 不同产地中华绒螯蟹电子舌数据PCA

图2 不同产地中华绒螯蟹各可食部位滋味轮廓PCAA图Fig.2 Principal component analysis (PCA) chart for taste profiles of different edible parts of Eriocheir sinensis farmed in different regions

阳澄湖、松江、崇明三地所产中华绒螯蟹各可食部位滋味轮廓PCA结果见图2。表1基于两类指标对PCA结果进行了评价：第1、第2主成分方差贡献率之和主要反映了样本整体差异性信息在主成分平面上的完整程度，其值越大表明样本整体差异性信息遗失的越少。判别指数（discrimination index，DI）体现了不同类别样品滋味轮廓的区分度，计算时有两种情况：当不同类别样品数据点无重叠时，DI= [1－各类样品点所围成的面积之和/涵盖所有类样品所需的总面积]×100，其值越大表明不同类别样品区分效果越好；当不同类别样品数据点有重叠时，DI=－100×各类样品重叠部分面积之和/涵盖所有类样品所需的总面积，其绝对值越大表明重叠情况越严重。由表1可见，无论是第1、第2主成分方差贡献率之和还是DI，均是阳澄湖蟹最优，松江蟹次之，崇明蟹最差，表明三者之中阳澄湖蟹各可食部位的滋味轮廓差异最为显著，而此差异在其主成分平面上展现地最为充分。

表1 阳澄湖、松江、崇明中华绒螯蟹4 个可食部位电子舌数据PCA结果评价Table1 Evaluation results for PCA analysis based on E-tongue data of four edible parts off Eriocheir sinensis nsis from Yangcheng Lake, Songjiang and Chongming regions ons

进一步分析图2可知：3 个产地蟹样中，足肉与钳肉的滋味轮廓均最为接近（甚至有部分重叠），体肉与足肉和钳肉的滋味轮廓有一定的差异性（无任何重叠），而性腺的滋味轮廓最为特殊（其数据点距离3 种蟹肉数据点距离最远）。无论哪个产地的蟹样，其PCA图DI均在85以上，表明不同等级蟹样各可食部位滋味轮廓均有一定差异性。进一步分析可知，对于3 个产地蟹样而言，不同部位间的差异主要体现在第1主成分轴上，而不同等级间的差异主要体现在第2主成分轴上，第1主成分的贡献率要远大于第2主成分的贡献率，因此蟹样部位间的差异显著大于等级间的差异。此外，对于不同产地蟹样各可食部位而言，其第2主成分值均随着等级的上升而下降，呈现“特级＜＜1级＜2级”的规律，暗示特级蟹样的滋味轮廓最为特殊。

2.2 SIMCA方法建立阳澄湖中华绒螯蟹的产地鉴别模型

2.2.1 基于单一可食部位电子舌数据建立的鉴别模型

SIMCA方法对不同产地蟹样的体肉、钳肉、足肉及性腺电子舌数据进行分析后建立的阳澄湖中华绒螯蟹产地鉴别模型见图3。SIMCA算法是二值判别法，当建立标准样品集后（即阳澄湖中华绒螯蟹），对其他类样品进行二值判别，即“是”或者“否”阳澄湖中华绒螯蟹，判别效果可通过“拒绝率”来体现。拒绝率/%=（正确识别非标准样品集的个数/其他类样本的总个数）×100，拒绝率越接近100%，表明该模型对阳澄湖中华绒螯蟹的鉴别效果越好。表2展示了基于中华绒螯蟹各可食部位电子舌数据建立的SIMCA模型评价效果。由图3以及表2可见，分别以体肉、钳肉、足肉和性腺电子舌数据建立的SIMCA模型，对非阳澄湖中华绒螯蟹的拒绝率均达到了100%。在上述各单部位模型拒绝率均为100%的基础上，可基于以下两类指标对其优劣性进一步评估：松江和崇明蟹样的区分度；不同产地蟹样数据点的离散度。前一类指标往往更为关键。由图3可知：在体肉及性腺的SIMCA模型中，松江和崇明蟹样无任何重叠；而在钳肉及足肉的模型中，松江和崇明蟹样有小部分的重叠。进一步分析可知，体肉模型中，蟹样数据点的离散程度小于其他3 个部位的模型；钳肉模型中，松江和崇明蟹样的重叠程度大于其他3 个部位的模型。综上所述，4 个单部位SIMCA模型其优劣性排序为：体肉＞性腺＞足肉＞钳肉（建模效果较优者在前）。

图3 基于单一可食部位电子舌数据和SIMCA分析法建立的阳澄湖中华绒螯蟹产地鉴别模型Fig.3 Habitat identification models for Eriocheir sinensis farmed in Yangcheng Lake by soft independent modeling of class analogy (SIMCA) method based on E-tongue data of one single edible part

2.2.2 综合多个可食部位电子舌数据建立的鉴别模型

由2.2.1节可知，采用4 个单一可食部位进行SIMCA建模，所得模型均能100%判别非阳澄湖中华绒螯蟹。但在足肉及钳肉模型中，松江和崇明蟹样数据点有部分重合，表明两者滋味轮廓并未能完全区分，基于上述原因，笔者提出可尝试将4 个部位的电子舌数据有效“综合”起来，以丰富样品“整体差异信息”，使所建SIMCA模型的“产地鉴别”效果更佳。

图4 综合体肉、钳肉、足肉和性腺的电子舌数据及SIMCA分析法建立的阳澄湖中华绒螯蟹产地鉴别模型Fig.4 Habitat identification models for Eriocheir sinensis from Yangcheng Lake by SIMCA method based on a combination of E-tongue data of abdomen, claw, leg meat and gonad part

表2 基于中华绒螯蟹各可食部位电子舌数据的SIMCA模型评价效果TTaabbllee 22 EEvvaalluuaattiioonn rreessuullttss ffoorr SSIIMMCCAA mmooddeellss bbaasseedd oonn EE--ttoonngguuee ddaattaa of different edible parts off Eriocheir sinenssiiss

由图4及表2可知，综合4 个部位数据所建的SIMCA模型，对非阳澄湖中华绒螯蟹的拒绝率达到100%，并且不同产地蟹样的数据离散度明显减小，表明其样品均一性得到了较大提高。此外，将4 个部位数据联合建模后，松江和崇明蟹样也能完全区分开，表明所建模型充分体现了不同产地蟹样滋味轮廓的差异性。综合上述分析，对单部位模型而言，综合4 个部位的电子舌数据进行建模，可起到丰富样品整体差异信息、提高最终建模效果的作用。

2.3 PLS-DA建立中华绒螯蟹等级评定模型

为进一步探讨利用电子舌快速评定中华绒螯蟹等级的可能性，笔者尝试采用PLS-DA建立中华绒螯蟹的等级评定模型。本实验共采集了8种不同类型的蟹样（包含产地及等级因素），每种蟹样重复8 次平行，总计测得64 个电子舌数据（其中每个数据均由4个可食部位的数据联合而成）。从每种蟹样中随机抽出2 个平行、合计16 个电子舌数据作为验证集，剩余48 个数据作为建模集，进行PLS-DA建模，结果如表3和图5所示。表3为综合4 个部位电子舌数据和PLS-DA分析法建立的中华绒螯蟹等级评定模型，而图5为上述等级评定模型的评价效果。由表3可知，无论是哪一等级的PLS-DA模型，在其建模集和验证集中，蟹样的预测分类变量和其实际等级间的相关性均较好（相关系数均在0.9以上）。表明若采用表3所示的PLS-DA模型，可100%正确识别16个未知蟹样的等级，模型建模效果佳。

DA method based on a combination of E-tongue data of all four edible parts表3 综合4 个部位电子舌数据和PLS-DA分析法建立的中华绒螯蟹等级评定模型Table3 Grade evaluation models forEriocheir sinensis nsis by PLS-DA method based on a combination of E-tongue data of all four edible parts

图5 综合4 个部位电子舌数据建立的不同等级蟹样的PLS-DA模型结果Fig.5 Results of PLS-DA models for Eriocheir sinensis from different grades based on a combination of E-tongue data of all four edible parts

进一步分析图5可知，无论是特级、1级还是2级蟹样的PLS-DA模型，其中均未有误判现象的发生，换言之即某等级蟹样在其对应PLS-DA模型中的预测分类变量均大于0.5，且偏差小于0.5。以特级蟹样为例，如图5a所示，阳澄湖特级蟹和崇明特级蟹的预测分类变量分别为0.85±0.10和0.73±0.11，符合“预测分类变量均大于0.5，且偏差小于0.5”的要求。图5b、c中的情况与图5a一致，从另一角度印证了表3中的数据。

3 讨 论

产地因素对中华绒螯蟹的滋味品质影响重大。阳澄湖天然湖区水质清澈、水草丰茂，螺丝、贝类等活体饵料含量丰富，湖底无淤泥堆积，是河蟹生长的天然理想栖息地[7]。与阳澄湖蟹相比，在松江、崇明地区养殖的“池塘蟹”其生长环境远不如“湖蟹”，“池塘蟹”生物饵料的摄入量往往不足，因此可能会影响饵料自身所带的营养物质在蟹体内的积累，从而进一步导致不同产地中华绒螯其整体滋味轮廓有所差异（滋味物质在某种程度上也可认为是营养物质）。

除产地因素外，中华绒螯蟹不同可食部位中滋味物质的构成也具有显著差异。付娜等[19]研究表明，河蟹肌肉中的游离氨基酸组成较为相近，而蟹膏中的游离氨基酸组成与肌肉有很大不同。此外，张娜[1]发现，中华绒螯蟹不同可食部位中AMP、IMP和GMP的含量存在显著性差异。除游离氨基酸和核苷酸外，无机离子（K＋、Na＋、Cl－、PO等）也对河蟹整体滋味的呈现具有重大作用：去除Na＋则鲜味和甜味骤降同时苦味却增强；去除K＋和Cl－则无味感；去除P则鲜味、甜味和咸味都有所下降[20-21]。据张娜[1]的报道，中华绒螯蟹足肉中K＋和Cl－的含量最高，而蟹膏中则是Na＋和PO的含量最高。

除产地、部位因素外，不同等级中华绒螯蟹滋味物质的构成也存在显著性差异。Guo Yanru等[22]报道，无论是体肉、钳肉、足肉还是性腺，阳澄湖雌蟹各可食部位中的氨基酸含量均随着等级的降低而减少。Ying Xueping等[23]研究证实，在雌蟹成熟过程中，不饱和脂肪酸等营养物质会向卵巢中积聚，为之后到来的排卵期做准备。阙有清等[24]发现，性腺指数较高的雌蟹其卵巢中不饱和脂肪酸的含量也相对较高。由上述现象推测，不同等级蟹样的发育速度可能不尽相同，因而不同成熟度河蟹肌肉和性腺中的营养物质的分配比例有所不同，最终造成不同等级河蟹滋味物质的构成有所差异（滋味物质在某种程度上也可认为是营养物质）。

另方面，本研究发现，若将电子舌的“单部位模型”与“多部位模型”进行比较，则后者的建模效果更好，本课题组先前进行电子鼻建模时也得到了类似的规律[11]，这可能因为“多部位模型”原始数据中包括的样品信息更为丰富，建模时对样品的描述更为完整，提高了不同样品间的区分度。因此今后可尝试将电子鼻、电子舌等多种指纹技术联合起来，进一步建立“多指纹模型”，以探讨是否能进一步提高建模效果。

[1] 张娜. 中华绒螯蟹风味物质的研究[D]. 无锡: 江南大学, 2008.

[2] 田晓静, 王俊, 崔绍庆. 羊肉纯度电子舌快速检测方法[J]. 农业工程学报, 2013, 29(20): 255-262.

[3] GIL L, BARAT J M, GARCIA-BREIJO E, et al. Fish freshness analysis using metallic potentiometric electrodes[J]. Sensors and Actuators B: Chemical, 2008, 131(2): 362-370.

[4] GIL L, BARAT J M, BAIGTS D, et al. Monitoring of physicalchemical and microbiological changes in fresh pork meat under cold storage by means of a potentiometric electronic tongue[J]. Food Chemistry, 2011, 126(3): 1261-1268.

[5] LABRADOR R H, MASOT R, ALCANIZ M, et al. Prediction of NaCl, nitrate and nitrite contents in minced meat by using a voltammetric electronic tongue and an impedimetric sensor[J]. Food Chemistry, 2010, 122(3): 864-870.

[6] CAMPOS I, MASOT R, ALCANIZ M, et al. Accurate concentration determination of anions nitrate, nitrite and chloride in minced meat using a voltammetric electronic tongue[J]. Sensors and Actuators B: Chemical, 2010, 149(1): 71-78.

[7] 顾赛麒, 王锡昌, 陶宁萍, 等. 中华绒螯蟹性腺香气品质评价方法[J].中国水产科学, 2013, 20(2): 434-441.

[8] 顾赛麒, 王锡昌, 陶宁萍, 等. 顶空固相微萃取-气质联用及电子鼻技术检测中华绒螯蟹不同可食部位中的香气成分[J]. 食品科学, 2013, 34(18): 239-244.

[9] 顾赛麒, 王锡昌, 陶宁萍, 等. 中华绒螯蟹不同部位中活性香气物质的研究[J]. 核农学报, 2013, 27(7): 975-987.

[10] KONG Li, CAI Chunfang, YE Yuantu, et al. Comparison of nonvolatile compounds and sensory characteristics of Chinese mitten crabs (Eriocheir sinensis) reared in lakes and ponds: potential environmental factors[J]. Aquaculture, 2012, 364: 96-102.

[11] 顾赛麒, 王锡昌, 张晶晶, 等. 电子鼻在中华绒螯蟹产地鉴别及等级评定上的应用[J]. 中国水产科学, 2014, 21(1): 108-117.

[12] LEE S J, AHN B. Comparison of volatile components in fermented soybean pastes using simultaneous distillation and extraction (SDE) with sensory characterisation[J]. Food Chemistry, 2009, 114(2): 600-609.

[13] GARCIA-GONZALEZ D L, TENA N, APARICIO-RUIZ R, et al. Relationship between sensory attributes and volatile compounds qualifying dry-cured hams[J]. Meat Science, 2008, 80(2): 315-325.

[14] COSIO M S, BALLABIO D, BENEDETTI S, et al. Geographical origin and authentication of extra virgin olive oils by an electronic nose in combination with artificial neural networks[J]. Analytica Chimica Acta, 2006, 567(2): 202-210.

[15] MEZA-MARQUEZ O G, GALLARDO-VELAZQUEZ T, OSORIOREVILLA G. Application of mid-infrared spectroscopy with multivariate analysis and soft independent modeling of class analogies (SIMCA) for the detection of adulterants in minced beef[J]. Meat Science, 2010, 86(2): 511-519.

[16] KHANMOHAMMADI M, NASIRI R, GHASEMI K, et al. Diagnosis of basal cell carcinoma by infrared spectroscopy of whole blood samples applying soft independent modeling class analogy[J]. Journal of Cancer Research and Clinical Oncology, 2007, 133(12): 1001-1010.

[17] SZYMANSKA E, SACCENTI E, SMILDE A K, et al. Double-check: validation of diagnostic statistics for PLS-DA models in metabolomics studies[J]. Metabolomics, 2012, 8(1): 3-16.

[18] van RUTH S M, VILLEGAS B, AKKERMANS W, et al. Prediction of the identity of fats and oils by their fatty acid, triacylglycerol and volatile compositions using PLS-DA[J]. Food Chemistry, 2010, 118(4): 948-955.

[19] 付娜, 王锡昌, 陶宁萍, 等. 蒸制和煮制中华绒螯蟹4 个部位中游离氨基酸含量差异性分析[J]. 食品科学, 2013, 34(24): 178-181.

[20] HAYASHI T, YAMAGUCHI K, KONOSU S. Sensory analysis of taste-active components in the extract of boiled snow crab meat[J]. Journal of Food Science, 1981, 46(2): 479-483.

[21] KANI Y, YOSHIKAWA N, OKADA S, et al. Taste-active components in the mantle muscle of the oval squid Sepioteuthis lessoniana and their effects on squid taste[J]. Food Research International, 2008, 41(4): 371-379.

[22] GUO Yanru, GU Saiqi, WANG Xichang, et al. Comparison of fatty acid and amino acid profiles of steamed Chinese mitten crab[J]. Fisheries Science, 2014, 80(3): 621-633.

[23] YING Xueping, YANG Wanxi, ZHANG Yongpu. Comparative studies on fatty acid composition of the ovaries and hepatopancreas at different physiological stages of the Chinese mitten crab[J]. Aquaculture, 2006, 256(1): 617-623.

[24] 阙有清, 杨志刚, 纪连元, 等. 配合饲料替代杂鱼对中华绒螯蟹生长发育, 体成分及脂肪酸组成的影响[J]. 水产学报, 2012, 36(10): 1612-1623.

Habitat Identification and Grade Evaluation of Chinese Mitten Crab (Eriocheir sinensis) Using Electronic Tongue

ZHANG Jingjing1, GU Saiqi2,*, DING Yuting2, WANG Xichang1, JIANG Wenmeng1
(1. College of Food Science and Technology, Shanghai Ocean University, Shanghai 201306, China; 2. Ocean College, Zhejiang University of Technology, Hangzhou 310014, China)

Electronic tongue (E-tongue) technology was applied in this study to detect the taste profiles of the abdomen, claw, leg meat and gonad part of female Eriocheir sinensis farmed in Yangcheng Lake, Songjiang and Chongming regions from different quality grades. The principal component analysis (PCA) of E-tongue data showed that the taste profiles of four edible parts of Yangcheng-Lake crabs in three grades (premium, first and second) could be distinguished well. Soft independent modeling of class analogy (SIMCA) method was applied to establish the habitat identification models of Yangcheng-Lake crabs based either on one single part or on multiple parts with a rejection ratio of 100% for non-Yangcheng-Lake crabs. In addition, partial least squares-discriminant analysis (PLS-DA) was also used in this study to build three grade evaluation models for Eriocheir sinensis of different grades. The correlation coefficients of the PLS-DA models were all more than 0.90. Also, based on the PLS-DA models, the grades of 16 unknown crab samples could be correctly identified with 100% accuracy.

Chinese mitten crab (Eriocheir sinensis); taste; habitat identification; grade evaluation; electronic tongue

S966.16

A

1002-6630（2015）04-0141-06

10.7506/spkx1002-6630-201504027

2014-04-09

上海市中华绒螯蟹产业技术体系建设项目（D-8003-10-0208）；上海市科委工程中心建设项目（11DZ2280300）；上海市教委重点学科建设项目（J50704）；上海高校青年教师培养资助计划项目（B-5409-12-0023）；上海海洋大学优秀研究生论文培育计划项目（B-9600-10-0003-3）

张晶晶（1985—），女，实验师，硕士，研究方向为食品营养与安全。E-mail：zhangjj@shou.edu.cn

*通信作者：顾赛麒（1984—），男，讲师，博士，研究方向为食品营养与风味。E-mail：gusaiqi@126.com