食醋是我国一种很受消费者欢迎的传统酸性调味品,具有悠久的历史。随着人民生活水平的提高,人们对食醋品质的要求也越来越高。目前,国内食醋品质的检测基本上采用感官评定法、卫生检验法和理化分析法,这些方法存在主观性强、检测时间长、使用试剂多、检测费用高和需要熟练的操作人员等缺点。根据上述原因,本课题开展了利用近红外光谱和电子舌技术检测食醋品质的研究。论文的主要研究内容如下:　　 1.利用近红外光谱定量分析食醋理化指标。首先对食醋原始近红外光谱的预处理方法进行比较,用全光谱偏最小二乘法(PLS)建立了食醋总酸和可溶性无盐固形物含量的近红外光谱模型,结果表明平滑+一阶导数的预处理方法效果最好。食醋含有多种有机酸、糖类和氨基酸等有机成分,其近红外光谱区存在大量含氢基团的倍频与合频吸收峰,光谱信息重叠问题严重,影响模型的精度和稳健性,研究利用特征谱区筛选法优化食醋理化指标的预测模型以提高PLS模型的精度和稳定性。利用联合区间偏最小二乘法(Si-PLS)分别建立食醋总酸含量和可溶性无盐固形物含量的近红外光谱模型。最佳食醋总酸含量和可溶性无盐固形物含量预测模型通过交互验证的方法获得,其预测集均方根误差(RMSEP)和预测集相关系数(Rp)分别为0.264g/100mL和0.9655,1.93g/100mL和0.9302。试验结果表明,与PLS相比,Si-PLS显著提高了模型精度。　　 2.近红外光谱检测食醋理化指标的非线性模型研究。食醋成分复杂,其中总酸含量是评价食醋质量与口感的一个重要理化指标,醋中的有机酸种类较多,主要为醋酸,其次为乳酸、丙酮酸、甲酸、苹果酸、柠檬酸等。由于近红外光谱与总酸之间的相关性很高,本研究在上一章基础上尝试将非线性回归方法结合Si-PLS建立食醋总酸含量的预测模型。首先利用Si-PLS优选出最佳区间,然后有比较的运用BP神经网络(BPANN)和极限学习机(Extreme learning machine,ELM)分别建立回归模型,并与全光谱范围建立的相应模型进行系统比较。结果显示Si-PLS结合ELM(Si-ELM)建立的模型效果更优,预测集均方根误差(RMSEP)为0.249g/100mL,相关系数(Rp)为0.9712。研究结果显示出利用近红外光谱结合Si-ELM快速测定食醋中总酸含量具有一定的优越性。研究为近红外光谱结合非线性方法检测食醋理化指标提供了参考。　　 3.利用电子舌鉴别不同类别食醋的研究。试验以四种不同品牌陈醋和三种不同品牌香醋为试验对象,利用电子舌设备获取不同食醋样本数据,通过主成分分析提取主成分得分向量构成模式识别的输入,有比较的运用K最近邻法(K-nearestneighbors,KNN)和线性判别分析(Linear discriminant analysis,LDA)建立不同品牌陈醋、不同品牌香醋以及这两类食醋的识别模型。从试验结果看,三种模型的KNN识别结果均优于LDA,且减少了主成分输入数目,有效简化了模型。对于不同品牌陈醋,在PCs=3、K=1时,建立的KNN模型最佳,模型训练集和预测集的识别率均达到了100%;对于不同品牌香醋,其最佳识别模型在PCs=3、K=1时获得,训练集和预测集识别率也均达到了100%;而对于陈醋与香醋的识别,也获得了较好的结果,训练集和预测集识别率分别为99.29%、100%。结果表明电子舌技术结合K最近邻法能较好区分食醋的品种品牌,对于厂家的品牌保护具有积极意义。　　 4.电子舌对食醋醋酸发酵过程的监控研究。试验以恒顺香醋醋酸发酵阶段第5天、第12天、第19天和生醋为试验对象。利用电子舌设备获取样本数据,在主成分分析的基础上有比较的运用线性判别方法(LDA)和马氏距离(MD)建立四个不同阶段样本的识别模型。从试验结果看,MD的识别结果明显优于LDA,训练集与预测集的识别率均达到了100%,所用的主成分数为3。此研究为电子舌实时在线监控食醋醋酸发酵过程的可行性提供理论依据。研究表明近红外光谱分析技术结合合适的光谱预处理方法和特征谱区筛选能够提高食醋理化指标定量模型的精度和稳定性;近红外光谱结合非线性方法在快速检测食醋理化指标中具有一定的优势;电子舌技术可以有效区分食醋类别,并可用于食醋醋酸发酵监控。研究成果对提高我国食醋及其他传统性食品的市场竞争力具有重要的意义。