绿茶新鲜叶清明前后香气成分变化研究

采用顶空-固相微萃取法提取清明及前后各1个月的鲜茶嫩叶中的香气物质,联合气质联用技术进行成分分析.结果显示,从节前、节中、节后样品中分别鉴定出53、55、59种成分,所鉴定成分峰面积分别占总挥发性化学成分的95.53%、97.51%、88.21%.     

绿茶新鲜叶清明前后香气成分变化研究

采用顶空-固相微萃取法提取清明及前后各1个月的鲜茶嫩叶中的香气物质,联合气质联用技术进行成分分析.结果显示,从节前、节中、节后样品中分别鉴定出53、55、59种成分,所鉴定成分峰面积分别占总挥发性化学成分的95.53%、97.51%、88.21%.     

鄢陵腊梅香气成分的固相微萃取-气质联用分析

采用顶空固相微萃取(SPME)吸附采集鄢陵腊梅花的香气成分,通过气相色谱-质谱联用(GC-MS)分析鉴定,以GC-MS总离子流色谱峰的峰面积归一化定量分析鄢陵腊梅花的香气成分,鉴定出含有芳樟醇、乙酸苄酯、吲哚、苯甲醇、反乙位罗勒烯、壬醛、丁香酚、桂醇和甲琥胺等60种挥发性物质.结果表明,固相微萃取-气相色谱-质谱(SPME-GC-MS)法是一种简单、可靠、适用于鲜花香气成分分析的方法.     

3种福建省柚子汁挥发性成分及香气分析

利用固相微萃取结合气相色谱质谱联用(GC-MS)技术检测了溪蜜柚汁、平和红柚汁、度尾文旦柚汁的挥发性成分,并计算了这3种柚汁中各挥发性成分的香气值.结果显示,溪蜜柚汁、平和红柚汁、度尾文旦柚汁中分别检测出了23种、17种、16种挥发性成分,其中溪蜜柚汁中含量最高的成分为反式-3-己烯-1-醇(765.26μg/L),平和红柚汁中含量最高的成分为正己醛(175.21μg/L),度尾文旦柚汁中含量最高的成分为d-柠檬烯(21.99μg/L).柚汁香气值计算结果显示,溪蜜柚汁香气值较大的成分为1-辛烯-3-醇、正己醛、2-甲基丁酸乙酯等,香气主要表现为蘑菇气味、青草气味、香甜气味等;平和红柚汁香气值较大的成分为正己醛、癸醛、顺式-3-己烯醛、辛醛、芳樟醇等,香气主要具有青草气味、水果气味、柑橘气味、香甜气味等;度尾文旦柚汁香气值较大的成分为癸醛和正己醛,香气主要由水果气味和青草气味组成.     

四川工夫红茶香气成分分析

采用固相微萃取和气相色谱-质谱(GC-MS)对两个四川工夫红茶样品的香气成分进行分析,从中检测出34种香气组分,包括醇类、醛类、烯烃类、酯类、酸类、酮类、苯酚类化合物,其中醇类化合物含量较高,均占66%左右,以反-香叶醇、水杨酸甲酯、苯乙醇、芳樟醇及其氧化物、苯甲醛、苯乙醛、苯甲醇、反-2-己烯醛等化合物为主体特征,是决定川红特殊香型的重要组分,3,7-二甲基-1,5,7-辛三烯-3-醇可能是川红桔香特征的关键组分.     

7种梨子的香气成分

研究不同种类7种梨子的香气成分.用固相微萃取和气相色-谱质谱联用仪对梨子中的香气成分进行分析测试.从7种梨子中共鉴定出14种香气化学成分.其中酯类10种,烯烃类4种.梨子香气中主要成分为酯类,次要成分为烯烃,含量较多的成分为是乙酸己酯、α-法呢烯.酯类和烯烃类香气成分可以作为梨子品质评价的指标之一.     

白豆蔻香气成分研究

采用顶空固相微萃取(HS-SPME)和气质联用相结合的方法萃取和分析鉴定了白豆蔻果实的香气成分.使用CAR/PDMS萃取柱时共检测出27种挥发性成分,鉴定出25种成分,占总挥发性成分的99.659%;使用PDMS萃取柱时,共检测出25种挥发性成分,鉴定出21种成分,占总挥发性成分的98.615%.在解析出的所有成分中,绝大部分成分为萜类化合物.主要成分是单萜化合物1,8-桉树脑(两种萃取头分别为63.649%和56.859%)、β-蒎烯(15.479%和20.874%)和α-蒎烯(5.569%和8.610%).     

顶空固相微萃取气相色谱质谱法分析清香木中的香气成分

用项空固相微萃取(head-space solid-phase microextractions,HS-SPME)和气相色谱质谱(gas chromatg-raphy mass spectrometrometry,GC-MS)联用技术对清香木的香气成分进行分析,共分离鉴定出了76种化学成分,占总峰面积的92.14%.其中酯类22种,占峰面积的65.72%;烯烃类21种,占峰面积23.59%;烷烃类12种,占峰面积1.81%;醛类5种,占峰面积的0.49%;醇类5种,占峰面积的0.53%;其他物质占峰面积7.86%,主要为酮类和酸类物质.     

不同萃取头对荔枝酒香气成分分析的比较

采用顶空固相微萃取(HS-SPME)与气质联用(GC-MS)相结合对荔枝酒中的香气成分进行了初步分析,比较了3种不同涂层纤维的萃取头对荔枝酒香气成分的萃取效果和特点.研究发现,在相同实验条件下65,μm的PDMS/DVB萃取头萃取效果最佳.     

四种皱皮木瓜挥发性成分的分析

采用顶空固相微萃取-气相色谱质谱联用（HS-SPME-GC-MS）技术分析测定了4个品种皱皮木瓜的挥发性成分。考察了不同萃取头和萃取部位对木瓜挥发性成分萃取效果的影响,选用65 μm PDMS/DVB SPME萃取头萃取木瓜中的挥发性成分得到较好的效果,不同部位果皮和果肉对挥发性成分的萃取效果影响不大。应用峰面积归一化法测定各挥发性成分的相对含量,4个品种共鉴定出60种挥发性成分,主要为酯类、烷烃类和烯烃类物质,占总峰面积的90%以上。结果表明,4个品种皱皮木瓜的挥发性成分种类和含量均存在差异。该方法快速准确,为进一步开发利用皱皮木瓜资源提供了参考依据。     

3个茶树品种(品系)鲜叶香气特征及萜烯指数分析

运用顶空固相微萃取-气质联用法分析福鼎大白茶、黔茶1号、黔茶8号茶树鲜叶的挥发性香气物质.结果表明:共检测到73种不同的挥发性芳香物质,其中福鼎大白茶44种,黔茶1号35种,黔茶8号50种,共有香气成分17种,占全部香气物质的百分比达到90%以上.芳樟醇及其氧化物、香叶醇、青叶醇、乙酸叶醇酯、水杨酸甲酯和己醛在3个茶树品种(品系)鲜叶中含量较为丰富,共同作用形成茶树鲜叶清香;芳樟醇、香叶醇、4-戊烯醛、青叶醛、壬醛、乙酸叶醇酯、水杨酸甲酯等物质在3个茶树品种(品系)间含量差异较大,可作为关键香气物质进行茶树品种的鉴定区分.3个茶树品种(品系)的萜烯指数为福鼎大白茶(0.73)、黔茶8号(0.65)、黔茶1号(0.89),黔茶1号萜烯指数接近野生大树茶,说明筛选出黔茶1号的湄潭苔茶群体品种是较为原始的茶树资源.     

葡萄酒香气成分的仪器分析方法评述

葡萄酒香气成分的研究对葡萄酒产品的质量评价及葡萄酒产品的真伪鉴别意义重大,而香气成分的分析结果及其区分价值取决于分析方法,尤其是香气成分的萃取方法。文章综述了近几年葡萄酒香气成分分析方法的研究进展,分析了"电子鼻"等非色谱方法分析葡萄酒香气的特点,阐述了葡萄酒香气成分气相色谱分析的不同检测器方法,比较了影响葡萄酒香气色谱分析结果的不同香气成分萃取方法,并对今后该领域的研究重点进行了展望。     

榨前分离苹果清汁中香气成分分析

以榨前分离工艺制取的苹果清汁为试验样品,采用固相萃取技术结合GC-MS联用仪分析其香气物质的含量及组成,并与传统工艺清汁中香气的差异进行比较. 结果表明,榨前分离苹果清汁经气质分离出30个峰共鉴定了23种香气成分,总量为2223μg/mL,传统工艺果汁分离出50个峰共鉴定了34种香气成分,总量为5436μg/mL. 传统工艺苹果清汁与榨前分离清汁香气成分的种类和含量有显著性差异,尤其是含量多5911%,说明榨前分离工艺对苹果清汁的香气成分影响较大. 由于果皮是香气成分最集中和种类最丰富的部位,所以榨前分离工艺下果皮副产品中香气的回收与回添非常必要.     

油菜花粉香气成分研究

用气相色谱/质谱联用技术,且采用新的进样方法对油菜花粉香气组分进行分离测定,鉴定了7个成分:已醇-2,异硫氢酸丁烯酯,苯乙腈,十一碳烯-3,萘,3-丁烯苯,苯乙酸乙酯.在花粉中这些成分都是首次报道.     

新鲜叶下珠挥发性成分的GC-MS分析

采用无水乙醚超声萃取得到新鲜叶下珠Phyllanthus urinaria L.浸膏提取物，顶空固相微萃取富集挥发性成分，气相色谱-质谱联用仪分析，归一化法测得各组分的相对含量；鉴定了挥发性化合物中的75个成分，约占相对总含量的96．5％；挥发性成分中含氧化合物的含量超过96．0％，其中主要的化合物及其相对含量为2-己-烯醛（19．75％）、3-己烯-1-醇（13．89％）、苯乙醇（9．76％）、2-己烯-1-醇（8．03％）、正己醇（7．94％）、2-己烯酸（5．11％）、己酸（3．51％）、3-己烯酸（3．32％）、水杨酸甲酯（3．29％）等。     

酒鬼酒香型成分的初步研究

利用色谱分析技术,通过对大量酒样的分析研究,得到了酒鬼酒的典型图谱,初步确定了酒鬼酒的主要香味成分含量及其量比关系.     

烤烟烟梗中挥发性中性香味成分的分析研究

采用同时蒸馏萃取法(SDE)对烤烟烟梗中的挥发性中性香味成分进行萃取，再用气相色谱／质谱联用法(GC/MS)进行定性和定量分析，并对这种萃取方法鉴定出的化学成分进行重现性分析和回收率实验。结果表明：该法具有很好的重现性和较高的回收率，且操作简便、快速、溶剂用量少，适合于烟草中的挥发性香味成分的定量分析。     

基于烟草中致香成分的人工神经网络分类模型

从烟叶化学成分和结合评吸结果确定的烟叶品质的关系入手,用遗传BP神经网络建立了基于烟草中致香物质含量的烟草模式识别模型.分析结果表明,使用该方法能全局优化基于烟草致香成分的神经网络结构,较之梯度下降法的神经网络的训练效率更高,得到的识别结果也更加准确.它可以作为一种新的判别烟草香味特征的识别手段.