藜麦（Chenopodium quinoa Willd）是藜科藜属植物，原产于南美洲安第斯山脉的哥伦比亚、厄瓜多尔、秘鲁等高海拔山区，早在5 000年前，印第安人开始种植并食用藜麦，因其营养价值极高，被人们称之为“粮食之母”[1]。我国藜麦种植最早可以追溯到1990年，在西藏地区开始进行试种[2]，目前在山西、甘肃、吉林等地已经广泛种植成功[3]。近年来，藜麦因其高蛋白和高品质而愈发出名，基于其营养功能成分的报道也越来越多，Wright等[4]研究发现，甜藜麦和苦藜麦的蛋白质含量分别为14.8%和15.7%，陈志婧等[5]对陇藜1号、香格里拉白藜、香格里拉黑藜、太旗白藜、太旗红藜、太旗黑藜6个品种的营养成分、氨基酸和矿质元素进行研究，发现太旗黑藜蛋白质含量高达16.52 g/100 g，且6个品种的矿质元素含量都高于小麦、水稻和小米。卢宇等[6]对内蒙古藜麦的蛋白质进行测定，发现其含量为13.1%，高于其他谷物，如小麦（11.9%）、小米（9%）、玉米（8.8%）和稻米（7.9%）。
目前藜麦的主要食用方式以蒸煮为主，其深加工产品在市场上匮乏，但随着生活水平的提高，人们越来越关注食品的保健功能，以谷物杂粮为原料加工而成的谷物茶越来越受欢迎。烘焙作为一种加工工艺，广泛应用于谷物食品加工。Chandrasekara等[7]研究发现，腰果在经过烘焙之后，总酚含量增加，抗氧化能力增强。Wu等[8]对高粱茶的加工工艺进行研究发现，在浸泡、蒸制过程中，高粱的总酚、总黄酮和原花青素含量减少，但在烘焙过程中含量均有显著增高的趋势。张艺沛等[9]研究发现，对藜麦进行烘焙制得藜麦茶后，其酚类含量更高，游离态酚类和黄酮含量均有提高。
电子鼻具有功能各异的化学传感器阵列和适当的模式识别系统，能够全面快速地检测气味的整体信息[10]。目前电子鼻技术在酒类[11]、果蔬[12-13]、肉类[14]、乳制品[15]等食品工业中都有广泛应用，在谷物的霉变[16-17]以及品质检测[18]方面也有应用。因此，本研究以藜麦种粒为原料，用龙井锅在不同温度下炒制，结合感官审评和电子鼻分析方法，对其香气差异进行判定分析，为藜麦茶的生产提供一定的方法支持，增加藜麦的附加值以提高农民收入。
1 材料与方法
1.1 材料与仪器
藜麦品种：陇藜1号（种植条件为供试土壤潮土，pH7.55、全盐含量 2.32 g/kg、有机质含量 15.66 g/kg、速效氮含量83.93 mg/kg、速效磷含量78.53 mg/kg、速效钾含量230 mg/kg），2020年2月8号大棚育苗，3月28号大田覆膜移栽，6月11号收获。
PEN3型便携式电子鼻：德国Airsens公司；龙井锅：浙江上洋机械有限公司。
1.2 试验方法
1.2.1 藜麦茶加工工艺
加工工艺：筛选优质的藜麦晾晒脱粒，去除杂质后用清水淘洗2遍，去除灰尘后将水沥干。根据前期试验基础，将沥干后的藜麦分为4部分，一部位作为原料对照，另外三部分分别用龙井锅在150、180、210℃温度下炒制25 min。
1.2.2 藜麦茶感官审评方法
汤色、香气、滋味是影响藜麦茶品质的3个重要因素，参照GB/T 23776—2018《茶叶感官审评方法》确定各因素的权重：外形10%、汤色20%、香气35%、滋味35%。称取每份样品各2 g，加入150 mL沸水浸泡8 min，由5名专业审评人员（3男2女）对其进行审评打分，各因素得分按权重相加即为藜麦茶感官审评总得分。
1.2.3 藜麦茶香气的电子鼻评价方法
分别称取藜麦茶各5 g于锥形瓶中，加入150 mL沸水，然后迅速用保鲜膜将瓶口密封并在60℃水浴中平衡10 min，平衡后将进样针插入瓶口进行检测。每个样品重复3次。
电子鼻设置进样参数：传感器自动清洗时间为200 s，传感器归零时间为10 s，进样准备时间为5 s，分析采样时间为120 s，采样时间间隔为1 s，进样流量为400 mL/min，清洗传感器后进样。电子鼻10个传感器代表的敏感物质见表1。
表1 PEN3电子鼻传感器敏感物质
Table 1 PEN3 sensitive substances for electronic nose sensor
编号传感器敏感物质检测范围/（mL/m3）R1 W1C 芳烃化合物 10 R2 W5S 氮氧化物 1 R3 W3C 氨，香气分子 10 R4 W6S 氢化物 100 R5 W5C 烯烃，芳族，极性分子 1 R6W1S 烷类 100 R7 W1W 硫化合物 1 R8 W2S 检测醇，部分芳香族化合物 100 R9 W2W 芳烃化合物，硫的有机化合物 1 R10 W3S 烷类和脂肪族 100
1.3 数据处理
运用PEN3型电子鼻配套软件WinMuster对数据进行主成分分析（principal component analysis，PCA）、负荷加载分析（Loadings）和线性判别分析（linear discriminant analysis，LDA）。
2 结果与分析
2.1 藜麦茶感官审评结果
不同炒制温度藜麦茶的感官审评结果见表2。
表2 不同烘焙温度的藜麦茶审评结果
Table 2 The sensory evaluation of different baking temperature of quinoa tea
样品温度/℃ 外形 汤色 香气 滋味 总分评价 评价 评价 评价 评分评分 评分 评分150 颗粒呈金黄色 淡黄明亮 藜麦香清淡 香醇、甘爽 92.00 90.10 180 颗粒呈深黄略棕 黄亮 藜麦香浓郁 浓醇、较爽 90.00 91.20 210 颗粒呈棕色，颜色尚匀 黄稍棕，尚亮 藜麦香浓厚，带焦味 微涩 87.00 88.15 91.00 91.00 88.00 90.00 92.00 87.00 88.00 92.00 90.00
从表2中可以看出，当炒制温度达到150℃时，藜麦茶颗粒呈金黄色，汤色淡黄明亮，香气清淡，滋味香醇甘爽，总得分为90.10；当炒制温度到180℃时，藜麦茶颗粒呈深黄略带棕色，汤色黄色，香气浓郁滋味浓醇较爽，总得分为91.20；炒制温度达到210℃时，藜麦茶颗粒呈棕色、颜色尚匀，汤色黄稍棕、尚亮，香气浓厚带有焦味，滋味微涩，总得分为88.15。从上述结果可以得出，当炒制温度为180℃时，制得的藜麦茶品质最好得分最高，可以选择为最佳加工工艺。
2.2 电子鼻传感器特征响应曲线分析
电子鼻响应曲线以及黎麦茶香气雷达图如图1所示。
图1 电子鼻响应曲线以及黎麦茶香气雷达图
Fig.1 Electronic nose response curve and aroma radar map of quinoa tea
A 为电子鼻响应曲线；B、C、D、E 分别为原料、150、180、210 ℃黎麦茶的雷达响应图；1、2、3、4、5、6、7、8、9、10 为 R1、R2、R3、R4、R5、R6、R7、R8、R9、R10传感器。
选取适度黎麦茶的响应曲线，即从图1中可以看出初始阶段，R2、R7、R9号传感器的响应值较高，其他的较为平缓，并且R2、R7、R9号响应值也随时间的延长，出现平缓的趋势。
G0传感器在经过标准活性炭过滤气体清洗后的电导率，G是传感器接触到样品气体后的电导率，电导率比值（G/G0）值的变化代表了香气物质含量的相对变化。
电子鼻响应曲线图中可以看出在118 s开始各传感器响应曲线逐渐趋于平稳，因此选取120 s时的稳态响应值作为分析点建立雷达图，根据各传感器对不同类物质的敏感程度，其响应值越高表明该类物质浓度越高。由图1可知，在原料和3种黎麦茶香气雷达响应图中，传感器R6、R9、R7和R2的响应值都比较高，表明烷类、芳香成分和有机硫化物、氮氧化合物在4组样品中含量较高。黎麦茶香气电导率G/G0比值见表3。
表3 黎麦茶香气电导率G/G0比值
Table 3 The conductivity ratio（G/G0）of quinoa tea
样品 R1 R2 R3 R4 R5 R6 R7 R8 R9 R10原料 1.013 1.378 0.995 1.112 0.993 1.708 1.465 1.345 1.343 1.370原料 1.078 1.525 1.053 1.095 1.037 1.892 1.440 1.446 1.309 1.421原料 1.208 1.688 1.121 1.125 1.071 2.376 1.674 1.699 1.563 1.416 150℃ 0.978 1.915 1.001 1.103 1.005 1.324 2.04 1.229 1.7 1.403 150℃ 0.905 2.148 0.953 1.084 0.976 1.426 2.589 1.281 2.158 1.134 150℃ 0.859 2.211 0.924 1.09 0.959 1.619 2.661 1.361 2.288 1.38 180℃ 0.772 2.42 0.878 1.115 0.941 1.974 2.87 1.564 2.392 1.418 180℃ 0.759 2.987 0.863 1.108 0.936 2.147 3.488 1.623 2.779 1.389 180℃ 0.771 2.466 0.876 1.109 0.941 2.131 3.007 1.562 2.633 1.375 210℃ 0.767 2.804 0.867 1.099 0.934 2.259 3.183 1.643 2.639 1.447 210℃ 0.685 2.734 0.808 1.118 0.902 2.684 3.477 1.876 2.826 1.517 210℃ 0.692 3.012 0.813 1.115 0.908 2.523 3.819 1.847 2.965 1.489
从表3可以看出，经过烘炒之后，藜麦茶中芳烃化合物、氨类化合物呈现下降趋势，氮氧化物、芳香成分、硫化合物以及硫的有机化合物呈现上升趋势。
2.3 主成分分析（PCA）
对不同烘焙温度的黎麦茶进行PCA分析见图2。
图2 不同炒制温度的黎麦茶PCA分析
Fig.2 The PCA analysis of different frying temperature of quinoa tea
得出第一主成分的贡献率87.81%，第二主成分贡献率为11.42%，总贡献率为99.22%。主成分分析（PCA）就是对多指标的高维数据进行降维，提取数据中反应最大的几个特征值对应的特征向量作为主成分，贡献率越大，说明该主成分在数据信息中越重要，越能最大限度地反映样本最原始的信息。由图2可知，原料与150℃藜麦茶在第一主成分和第二主成分上明显区别于其他两个茶样，可以看出随着炒制温度一定程度的升高，藜麦茶的香气成分在类别和含量上也发生了比较明显的变化；180℃与210℃的藜麦茶在第一主成分和第二主成分上区分不显著，但从整体来说，PCA分析能很好地将4种茶样区分开来。黎麦茶香气PCA分析的区分度见表4。
表4 黎麦茶香气PCA分析的区分度
Table 4 Differentiation of PCA analysis of the quinoa tea
项目 原料 150℃ 180℃ 210℃原料 0.925 0.943 0.960 150℃ 0.925 0.757 0.861 180℃ 0.943 0.757 0.516 210℃ 0.960 0.861 0.516
由表4可知区分度值越趋近于1，表明两种物质差异越明显。表4中原料与3种茶样的区分度均在90%以上，150℃藜麦茶与180℃以及210℃藜麦茶的区分度也都在70%以上，180℃藜麦茶与210℃藜麦茶的区分度大于50%，表明PCA可以在不同程度上将藜麦茶的香气区分开来。
2.4 传感器区别贡献率分析法（Loadings）
Loadings分析，反映的是不同传感器在红茶香气的区分中贡献的大小，一般通过传感器在图中的位置来判断。传感器与原点的距离越近，说明传感器对样品分析起到的作用越小，反之则表示作用越大。不同炒制温度的黎麦茶香气成分Loadings分析见图3。
图3 不同炒制温度的黎麦茶香气成分Loadings分析
Fig.3 The Loadings analysis of different frying temperature of quinoa tea
由图3可知，第一主成分起主要作用，这和PCA分析所得结论相同，R7传感器对第一主成分贡献率最大，R9、R2、R6次之；R6传感器对第二主成分贡献率最大，R8、R1 次之。R3、R4、R5、R10 传感器负载较低，表明其对茶叶香气成分敏感度较低。Loadings分析表明在不同烘焙温度的黎麦茶区分中硫化物、芳香型化合物、氮氧化合物以及烷类对区分贡献有主要作用。
2.5 线性判别式分析（LDA）
LDA更侧重于同一类别的空间分布状态和距离的精度。LDA分析是在PCA分析后对传感器响应藜麦茶香气成分的优化，通过扩大差异更直观地表现不同炒制温度藜麦茶香气之间的区别。不同炒制温度的黎麦茶香气成分LDA分析见图4。
图4 不同炒制温度的黎麦茶香气成分LDA分析
Fig.4 The LDA analysis of different frying temperature of quinoa tea
图4中第一主成分贡献率为78.94%，第二主成分贡献率为15.36%，总贡献率为99.83%，能很好地反应黎麦茶香气的信息。由图4得知，4个样品中，除了180℃和210℃藜麦茶相距较近，其他样品之间两两都相距较远，可以在线性判别分析完全区分开，这与PCA分析以及感官审评结果一致，表明不同炒制温度对黎麦茶香气的改变差异较大。整体结果对比PCA分析较为相似，说明电子鼻在区分不同炒制温度的黎麦茶香气中具有可行性。
3 结论
利用电子鼻检测技术，结合PCA分析、Loadings分析和LDA分析数据统计，对不同炒制温度的3组黎麦茶香气进行分析，结合感官审评探究电子鼻在区分不同炒制温度对黎麦茶香气影响的可行性。感官审评结果显示在温度为180℃时，炒制的藜麦茶品质最佳，颗粒呈深黄稍棕，汤色黄亮，香气浓郁，滋味浓醇较爽。电子鼻技术对不同炒制温度的黎麦茶均有较好的响应，可有效区分不同炒制温度的黎麦茶，且第R7、R9、R6和R8传感器在黎麦茶香气区分中起主要作用，即萜烯类和硫化物、芳香化合物、烷类以及芳烃化合物对藜麦茶香气贡献较大。利用电子鼻技术可以初步分析藜麦茶挥发性成分，并为后续更加深入的分析奠定理论基础。
[1]VEGA-GÁLVEZ A,MIRANDA M,VERGARA J,et al.Nutrition facts and functional potential of quinoa(Chenopodium quinoa willd.),an ancient Andean grain:A review[J].Journal of the Science of Food and Agriculture,2010,90(15):2541-2547.
[2]修妤,梁晓艳,石瑞常,等.混合盐碱胁迫对藜麦萌发期的影响[J].山东农业科学,2018,50(9):51-55.XIU Yu,LIANG Xiaoyan,SHI Ruichang,et al.Effects of complex salt-alkali stresses on the seed germination of Chenopodium quinoa[J].Shandong Agricultural Sciences,2018,50(9):51-55.
[3]肖正春,张广伦.藜麦及其资源开发利用[J].中国野生植物资源,2014,33(2):62-66.XIAO Zhengchun,ZHANG Guanglun.Development and utilization of Chenopodium quinoa willd[J].Chinese Wild Plant Resources,2014,33(2):62-66.
[4]WRIGHT K H,PIKE O A,FAIRBANKS D J,et al.Composition of atriplex hortensis,sweet and bitter Chenopodium quinoa seeds[J].Journal of Food Science,2002,67(4):1383-1385.
[5]陈志婧,廖成松.7个不同品种藜麦营养成分比较分析[J].食品工业科技,2020,41(23):266-271.CHEN Zhijing,LIAO Chengsong.Comparative of 7 different varieties of Chenopodium quinoa[J].Science and Technology of Food Industry,2020,41(23):266-271.
[6]卢宇,张美莉,王欣,等.内蒙古藜麦的营养成分分析及评价[J].中国食物与营养,2017,23(9):50-54.LU Yu,ZHANG Meili,WANG Xin,et al.Nutritional components analysis and quality evaluation on quinoa cultivated in innermogolia[J].Food and Nutrition in China,2017,23(9):50-54.
[7]CHANDRASEKARA N,SHAHIDI F.Effect of roasting on phenolic content and antioxidant activities of whole cashew nuts,kernels,and testa[J].Journal of Agricultural and Food Chemistry,2011,59(9):5006-5014.
[8]WU L,HUANG Z H,QIN P Y,et al.Effects of processing on phytochemical profiles and biological activities for production of Sorghum tea[J].Food Research International,2013,53(2):678-685.
[9]张艺沛,张婷,史一恒,等.藜麦茶加工工艺及酚类物质组成分析[J].食品科学,2019,40(12):267-274.ZHANG Yipei,ZHANG Ting,SHI Yiheng,et al.Optimization of processing conditions and phenolic composition analysis of quinoa tea[J].Food Science,2019,40(12):267-274.
[10]张红梅,邹光宇,王淼森,等.基于传感器阵列多特征优化融合的茶叶品质检测研究[J].传感技术学报,2018,31(3):491-496.ZHANG Hongmei,ZOU Guangyu,WANG Miaosen,et al.Detection method for tea quality using sensor array coupled with multi-feature optimization fusion[J].Chinese Journal of Sensors and Actuators,2018,31(3):491-496.
[11]孙海燕,郭松年,王华.电子鼻对不同年份赤霞珠葡萄酒香气的检测分析[J].食品工业,2017,38(4):281-284.SUN Haiyan,GUO Songnian,WANG Hua.Detection and analysis of the aroma in different vintages cabernet sauvignon wine by electronic nose[J].The Food Industry,2017,38(4):281-284.
[12]王虎玄,胡仲秋,龙芳羽,等.苹果汁中鲁氏接合酵母早期污染的电子鼻识别研究[J].农业机械学报,2016,47(1):209-214,220.WANG Huxuan,HU Zhongqiu,LONG Fangyu,et al.Research on identification of spoilage in apple juice caused by Zygosaccharomyces rouxii at early stage using electronic nose[J].Transactions of the Chinese Society for Agricultural Machinery,2016,47(1):209-214,220.
[13]傅均,黄灿钦,章铁飞.便携式智能电子鼻系统及其葡萄货架期评价研究[J].传感技术学报,2017,30(5):782-788.FU Jun,HUANG Canqin,ZHANG Tiefei.A portable intelligent electronic nose system and its application in grape shelf life evaluation[J].Chinese Journal of Sensors and Actuators,2017,30(5):782-788.
[14]NEELY K,TAYLOR C,PROSSER O,et al.Assessment of cooked alpaca and llama meats from the statistical analysis of data collected using an‘electronic nose’[J].Meat Science,2001,58(1):53-58.
[15]CAPONE S,EPIFANI M,QUARANTA F,et al.Monitoring of rancidity of milk by means of an electronic nose and a dynamic PCA analysis[J].Sensors and Actuators B:Chemical,2001,78(1/3):174-179.
[16]邹小波,赵杰文.电子鼻快速检测谷物霉变的研究[J].农业工程学报,2004,20(4):121-124.ZOU Xiaobo,ZHAO Jiewen.Rapid identification of moldy corn by electronic nose[J].Transactions of the Chinese Society of Agricultural Engineering,2004,20(4):121-124.
[17]沈飞,吴启芳,魏颖琪,等.谷物霉菌挥发性物质的电子鼻与GC-MS检测研究[J].中国粮油学报,2016,31(7):148-152,156.SHEN Fei,WU Qifang,WEI Yingqi,et al.Electronic nose and GCMS detection of volatile substances produced by mould strains[J].Journal of the Chinese Cereals and Oils Association,2016,31(7):148-152,156.
[18]张檬达,鞠兴荣,石嘉怿.电子鼻在粮油品质检测中的应用进展[J].粮食与食品工业,2013,20(5):34-38.ZHANG Mengda,JU Xingrong,SHI Jiayi.Application of electronic nose on quality detection of cereals and oils[J].Cereal&Food Industry,2013,20(5):34-38.