花椒提取油火锅底料的电子鼻检测在于通过快速、客观、无损的嗅觉模拟技术，精准识别和量化其挥发性风味成分（如萜烯类、醇类等），从而实现对底料香气质量、原料真实性（如花椒品种鉴别）及工艺稳定性的高效监控。该技术可替代传统感官评价的主观性，提升生产标准化水平，辅助优化配方，同时有助于检测异味或变质风险，保障食品安全与风味一致性，为火锅底料的工业化生产提供科学数据支撑。

主要材料

样品名称：花椒提取油火锅底料，编号为11/19/20

检测仪器：德国AIRSENSE电子鼻

样品电子鼻测试典型图谱（举例说明）

花椒提取油的比较PCA主成分分析

PCA主成分分析，第一和第二主成份贡献率之达到99.837％，基本上涵盖了样本的大部分原始信息，结合PCA区分度分析表（根据电子鼻软件内部的计算方式得到，数值越接近于1说明样品的区分越显著）。从图11中可见，3个花椒提取油样品在气味上的差异非常明显，通过PCA分析差异清晰可见，3个花椒提取油样品在气味上差异非常明显，三者在气味上的由强到弱的顺序是20#>19#>11#。结合传感器响应值可见19#和20#两个花椒提取油要明显强于11#样品，且差异主要表现在第一主成分上。

LDA线性判别分析

LDA也是一种聚类分析的方法，LDA是DFA（识别因子法）的第一步，LDA分析注重类别的分类以及各种组之间的距离分析，简单的说在LDA分析中会尽量缩小组内（例：11#的平行样之间）的差异，扩大组间（例：11#和19#）的差异。在LDA分析中样品被最大限度的区分开来，从图中可见样品之间的区分更加明显，趋势与PCA相似，三者之间的差异更加清晰明显。

Loading分析

其中位于图中心（0，0）附近的传感器对主成分分析图中的模式分布负有较小的责任。同样可见1、3、4、5、10号传感器对花椒提取油样品的区分贡献最小。从图13中可见，此时6号传感器对第一主成分（X轴上的坐标最大）的贡献率最大，其次是9、2、8、7也对第一主成分也有一定的贡献，其中9号传感器对第二主成分的贡献率最大。由此可见11、19和20三个花椒提取油在气味上的差异主要来自于6号传感器对应的甲烷等短链烷烃类物质上。当然从传感器响应图中同样可见19#和20#两个样品响应值强烈且其中6号传感器在整个测试过程中响应值均较大，而11#样品则整体传感器均响应较小，6号传感器的响应值更低。当然三者在另外几个传感器上的强弱差异也非常明显。

结论：德国AIRSENSE公司的PEN3电子鼻在常温下即可对火锅底料样品进行测试，不仅区分火锅底料样品的气味是否存在差异，还可以分析不同样品之间气味差异主要体现在哪些组分上。测试过程非常简单，也很容易操作，每个样品的测试周期大约3-5分钟样品信号采集稳定，结果明显。不同类型的火锅底料样品电子鼻响应传感器并不相同，且各样品在的传感器响应强弱上也存在明显的差异，故可将其完全区分开来。此次试验数据清晰直观，具有很强的可靠性、稳定性和重复性。