来自中国农业大学信息与电气工程学院的蒋强、郑丽敏和田立军等人在电子鼻对不同丸子样本能够良好分类的基础上。使用GC-MS数据分析不同丸子的挥发性风味物质的差异，再结合电子鼻传感器与主要挥发性物质的相关性，判断电子鼻应用于感官评定的可行性，最后通过逐步回归建立电子鼻对人工感官评定指标得分的预测模型，以期能够通过少数人工感官评分找到电子鼻与该评分值映射的指纹数据，达到通过电子鼻技术快速、客观地评价猪肉丸子风味。
1. 感官评定分析结果
组间平方和为9.05，组内平方和为117.35，P值为0.008 78，说明不同丸子香味有极显着差异（P＜0.01）。在实验设计的肥、瘦肉比例变化区间中，随着肥肉比例上升丸子的香味得分也随之升高。
2. 电子鼻数据分析结果
特征值提取与判别分析
4 类丸子样本组间区分明显，组内聚集程度高，说明电子鼻对4 类丸子具有良好的分类能力。
神经网络对丸子分类识别
将电子鼻数据结合人工神经网络分类算法，进行分类判别，本实验得到4 类猪肉丸子的电子鼻检测数据，每种丸子15 组样本，共60 组样本。使用MATLAB神经网络分类工具箱进行模型训练，选择60 组数据中的45 组数据作为训练集，3 组数据作为验证集，12 组数据作为测试集。测试集正确率为91.7%，12 个测试样本仅有一个被分类错误。说明电子鼻结合机器学习算法对不同肥、瘦肉比例的猪肉丸子的挥发性风味具有显着的分类能力。
3. GC-MS分析结果
测定结果分析
检测出的挥发性化合物中醛类和醇类挥发性物质总量超过80%。醛类相对含量随着肥肉含量的增加而增加，醇类相反。
醛类物质相对含量为30.68%～46.75%，在10～11 种醛类物质中己醛占到了醛类总量的75.68%～84.68%。相对含量最多的物质分别是己醛（23.42%～37.79%）、戊醛（1.45%～1.99%）和庚醛（0.76%～0.93%）。己醛、戊醛和庚醛在肥肉比例高的丸子中相对含量更高。
醇类物质在1号丸子样本中相对含量为53.52%，超过挥发性物质总量的一半，4号丸子样本中醇类相对含量为37.37%，相比1号丸子减少了16.15%，在检测到的22 种醇类物质中相对含量较高的主要是桉树醇（11.89%～17.56%）、1-辛烯-3-醇（4.22%～8.59%，具有熟蘑菇味）和反-2-辛烯醇（仅在1号丸子中含量较高，为13.48%）。
电子鼻特征值与挥发性物质的偏最小二乘回归分析
相对含量较高且贡献较大的几种物质均与大部分传感器呈现较好的相关性，其中反-2-辛烯醇、苯乙醇、胡椒酮、2-（4-甲基苯基）丙-2-醇、苯乙醇乙酸酯、左旋香芹酮和桉树醇与大部分传感器都呈较强的正相关。己醛、戊醛、（Z）-2-庚烯醛、正戊醇和（Z）-2-庚烯醛等物质均与电子鼻特征值呈明显的负相关性。其中己醛含量较大相关性较为明显。
4. 脂肪含量对丸子风味差异影响分析
醛类挥发性物质在4 类丸子中的相对含量与丸子脂肪含量有较强的相关性（P＜0.01）。
5. 感官指标与电子鼻数据回归分析
4 个模型R2均大于0.9，P值均小于0.01，模型效果显着，预测误差较小。表明该模型可以有效预测90%以上的因变量变化。较小的预测误差说明使用电子鼻技术预测感官指标得分具有可靠性。
结论
4 类丸子在香味评价上差异极显着（P＜0.01），肥肉比例高的丸子获得了较高的评分。线性判别分析和神经网络方法的分类效果显示，电子鼻对4 类猪肉丸子具有良好的分类能力。GC-MS共检测出了67 种风味化合物，其中主要是醛类、醇类、酮类等物质，挥发性风味物质的差异是造成各类丸子感官评分差异的根本原因。偏最小二乘回归模型显示电子鼻传感器数据与主要挥发性化合物相对含量具有良好的相关性。使用逐步回归建立电子鼻与评价指标数据之间的分值预测回归模型（R2＞0.9，P＜0.01），表明丸子香味可以使用电子鼻进行预测。
