Page 141 - 精细化工2020年第2期
P. 141
第 2 期 丛凯平，等: 不同方法提取油茶籽油品质比较及电子鼻分析 ·343·
出法所制备的油茶籽油不饱和脂肪酸的质量分数 在 PCA 转换中，通过线性组合得到新的综合指
分别为 88.96%、88.66%和 88.35%（冷榨法>超临界 标，该指标被称为主成分。主成分中方差贡献最大
法>浸出法），三者差异显著。本文通过超临界法制 指标为第 1 主成分，贡献率次之为第 2 主成分。贡
备油茶籽油的脂肪酸类别和组成与卢泽湘等 [28] 文献 献率越大，说明主要成分反映原来多指标的信息越
报道基本一致。 完善，当方差贡献率累积大于 85%时，主成分就可
由于饱和脂肪酸摄入量越高，血清低密度脂蛋 以反映原来指标的信息 [34] 。不同提取方法所制油茶
白胆固醇越高，心脑血管疾病的发病率越高 [29] 。所 籽油主成分分析见图 4。
以，相比而言，超临界法制备的油茶籽油健康指数
更高。另外，油茶籽油中还含有某些有益身体健康
的功能性物质，如维生素 E、甾醇和角鲨烯等，由
于文献已有相关研究报道 [30-31] ，本文不再赘述。所
以，不同提取方法所制油茶籽油的功能性物质也会
有所不同，而超临界法和冷榨法能够较好地保留这
些有益的功能性物质。
2.2 电子鼻技术对不同提取方法所制油茶籽油的
鉴别
2.2.1 电子鼻信号响应值
不同提取方法所制油茶籽油在电子鼻的 12 个 图 4 不同提取方法所制油茶籽油主成分分析图
Fig. 4 Principal component analysis of Camellia oleifera
传感器（LY2/LG、PA/2、T70/2、P40/1、P10/2、P10/1、 Abel seed oil extracted by different methods
T30/1、LY2/gcT、LY2/gcTL、LY2/AA、LY2/GH、
LY2/G）上响应值雷达图见图 3。可以看出，不同提 如图 4 所示，不同提取方法所制油茶籽油分别
取方法的信号响应强度有很大区别，表明不同提取 聚集在 PCA 图中不同区域。主成分 1（PC1）的累
方法所制油茶籽油在气味上有明显不同，不同提取 积贡献率达到了 94.296%，主成分 2（PC2）的累积
方法所制油茶籽油可通过电子鼻技术被有效区分。 贡献率达到了 5.326%，传感器主成分 1（PC1）和
将 3 组雷达图进行重叠观察，不同提取方法所制油 主成分 2（PC2）的累积方差贡献率为 99.622%，远
茶籽油在 LY2/gcTL、LY2/AA、LY2/GH、LY2/G 4 远大于 95%，说明此 PCA 图可以很好地反映 3 种试
个传感器上的响应强度基本一致，在 PA/2、P10/2 样油的整体实际情况。鉴别指数（discrimination
两个传感器上的响应强度存在较大差异，可以通过 index，DI）代表不同提取方法所制油茶籽油之间的
电子鼻技术进行鉴别。为了更加直观地区别不同提 区别能力，DI>80 代表区分有效，其值越大，区分
取方法所制油茶籽油，采用主成分分析法和判别因 度越高。图 4 中 DI 值为 88，表明不同提取方法所
子法进行数据分析。 制油茶籽油的气味有较大区别。因此，电子鼻可以
对不同提取方法所制油茶籽油进行鉴别。
2.2.3 判别因子分析
判别因子分析法是一种用来构建模型并识别未
知试样的算法。DFA 通过数学转换，能够使同类组
群数据间的差距尽可能缩小，使不同类组群数据间
的差异尽可能扩大，以建立数据识别模型 [35] 。不同
提取方法所制油茶籽油判别因子分析见图 5。
图 3 不同提取方法所制油茶籽油雷达图 如图 5 所示，不同提取方法所制油茶籽油在
Fig. 3 Fingerprint chart of Camellia oleifera Abel seed oil DFA 图中分别有各自的区域并且没有重叠。其中，
extracted by different methods
主成分 1（PC1）的累积贡献率达到了 99.592%，主
2.2.2 主成分分析 成分 2（PC2）的累积贡献率达到了 0.407%，传感
主成分分析法是将所提取的传感器多指标信息 器主成分 1（PC1）和主成分 2（PC2）的累积方
进行数据转换和降维，同时保存了原数据中的主要 差贡献率约为 99.999%，DI=88，说明电子鼻可以将
信息，并对降维后的特征向量进行线性分类，最后 3 种试样油进行很好地区分。因此，电子鼻区分出
以两维散点图显示出来 [32] ，该算法不会丢失样品信 不同提取方法所制油茶籽油的成分差异是切实可
息，仅通过改变坐标轴来达到区分样品的目的 [33] 。 行的。
