Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10662/17172
Registro completo de Metadatos
Campo DCValoridioma
dc.contributor.authorSánchez Baltasar, Ramiro-
dc.contributor.authorPérez Nevado, Francisco-
dc.contributor.authorMartillanes Costumero, Sara-
dc.contributor.authorMontero Fernández, Ismael-
dc.contributor.authorLozano Rogado, Jesús Salvador-
dc.contributor.authorMartín Vertedor, Daniel-
dc.date.accessioned2023-03-29T09:18:13Z-
dc.date.available2023-03-29T09:18:13Z-
dc.date.issued2023-
dc.identifier.issn0956-7135-
dc.identifier.urihttp://hdl.handle.net/10662/17172-
dc.descriptionFinanciación de acceso abierto gracias al acuerdo CRUE-CSIC con Elsevier.es_ES
dc.description.abstractAs an alternative to traditional sensory analysis evaluation, machine olfaction represents a valuable tool for detecting incipient defects caused by microorganisms. For this purpose, different strains of spoilage molds were inoculated into Spanish-style table olives and the effect on their sensory quality and volatile profile were analyzed using an electronic nose (E-nose). The main defects obtained for the different inoculated microorganisms associated with abnormal fermentation were mold and humidity. A total of 36 volatile compounds were identified and classified into phenolics, alcohols and carboxylic acids, while minor ones included derivatives of acids and oxygenated compounds. In general, a decrease in the concentrations of acetic acid, phenolic compounds and creosol was observed in olives inoculated with mold strains. However, propanoic acid, 2-methoxy-phenol, 2,4-dimethyl-heptane, among others, increased after mold inoculation. Sensorial and volatile compound analysis showed the table olives inoculated with the strains of Aspergillus flavus A.F.18 and Penicillium expansum P.E.20 to be the most altered. The E-nose data were able to classify the inoculated olives into different categories and distinguish them from the control treatment, regardless the intensity of the defect. The principal component analysis (PCA) of table olives inoculated showed that 70.23% of the total variance of data was explained by PC1 and 23.27% by PC. The sum of the elements of the diagonal of the confusion matrix gives the percentage of success in discrimination of 95.5%. Therefore, these results show the capacity and precision of E-nose to discriminate between the alterations caused by different mold strains.es_ES
dc.description.abstractComo alternativa a la evaluación del análisis sensorial tradicional, el olfato mecánico representa una valiosa herramienta para detectar defectos incipientes causados por microorganismos. Para ello, se inocularon diferentes cepas de mohos de descomposición en aceitunas de mesa estilo español y se analizó el efecto sobre su calidad sensorial y perfil volátil utilizando una nariz electrónica (E-nose). Los principales defectos obtenidos para los diferentes microorganismos inoculados asociados a fermentaciones anormales fueron moho y humedad. Se identificaron un total de 36 compuestos volátiles y se clasificaron en fenólicos, alcoholes y ácidos carboxílicos, mientras que los menores incluyeron derivados de ácidos y compuestos oxigenados. En general, se observó una disminución de las concentraciones de ácido acético, compuestos fenólicos y creosol en aceitunas inoculadas con cepas de moho. Sin embargo, el ácido propanoico, 2-metoxi-fenol, 2,4-dimetil-heptano, entre otros, aumentaron después de la inoculación con moho. El análisis sensorial y de compuestos volátiles mostró que las aceitunas de mesa inoculadas con las cepas de Aspergillus flavus A.F.18 y Penicillium expansum P.E.20 fueron las más alteradas. Los datos de E-nose permitieron clasificar las aceitunas inoculadas en diferentes categorías y distinguirlas del tratamiento control, independientemente de la intensidad del defecto. El análisis de componentes principales (ACP) de las aceitunas de mesa inoculadas mostró que el 70,23% de la varianza total de los datos fue explicado por el CP1 y el 23,27% por el CP. La suma de los elementos de la diagonal de la matriz de confusión da el porcentaje de acierto en la discriminación del 95,5%. Por tanto, estos resultados muestran la capacidad y precisión de E-nose para discriminar entre las alteraciones provocadas por diferentes cepas de moho.es_ES
dc.description.sponsorshipWe wish to thank the Research Groups of the Junta de Extremadura (ref. GR21121) and the European Regional Development Fund (FEDER) for their help in the development of this work.es_ES
dc.format.extent8 p.es_ES
dc.format.mimetypeapplication/pdfen_US
dc.language.isoenges_ES
dc.publisherElsevieres_ES
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectAceitunas de mesa a la españolaes_ES
dc.subjectNariz electrónicaes_ES
dc.subjectCompuestos volátileses_ES
dc.subjectCalidad sensoriales_ES
dc.subjectAlteracioneses_ES
dc.subjectInoculaciónes_ES
dc.subjectSpanish-style table oliveses_ES
dc.subjectElectronic nosees_ES
dc.subjectVolatile compoundses_ES
dc.subjectSensory qualityes_ES
dc.subjectAlterationses_ES
dc.subjectInoculationes_ES
dc.titleMachine olfaction discrimination of Spanish-style green olives inoculated with spoilage mold specieses_ES
dc.typearticlees_ES
dc.description.versionpeerReviewedes_ES
europeana.typeTEXTen_US
dc.rights.accessRightsopenAccesses_ES
dc.subject.unesco1203.25 Diseño de Sistemas Sensoreses_ES
dc.subject.unesco3309.10 Aroma y Sabores_ES
dc.subject.unesco3309.93 Conservas Vegetaleses_ES
europeana.dataProviderUniversidad de Extremadura. Españaes
dc.identifier.bibliographicCitationSánchez, R., Pérez-Nevado,F., Martillanes, S., Montero-fernández, I. Lozano, J. & Martín-Vertedor, D. (2023). Machine olfaction discrimination of Spanish-style green olives inoculated with spoilage mold species. Food Control, 147, 109600, 1-8. https://doi.org/10.1016/j.foodcont.2022.109600es_ES
dc.type.versionpublishedVersiones_ES
dc.contributor.affiliationCICYTEX (Centro de Investigaciones Científicas y Tecnológicas de Extremadura)es_ES
dc.contributor.affiliationUniversidad de Extremadura. Departamento de Ingeniería del Medio Agronómico y Forestales_ES
dc.contributor.affiliationUniversidad de Extremadura. Departamento de Ingeniería Eléctrica, Electrónica y Automáticaes_ES
dc.contributor.affiliationUniversidad de Extremadura. Instituto Universitario de Investigación de Recursos Agrarios (INURA)-
dc.contributor.affiliationUniversidade de Évora. Portugal-
dc.relation.publisherversionhttps://www.sciencedirect.com/science/article/pii/S0956713522007939?via%3Dihubes_ES
dc.identifier.doi10.1016/j.foodcont.2022.109600-
dc.identifier.publicationtitleFood Controles_ES
dc.identifier.publicationfirstpage109600-1es_ES
dc.identifier.publicationlastpage109600-8es_ES
dc.identifier.publicationvolume147es_ES
dc.identifier.orcid0000-0002-5715-3636es_ES
dc.identifier.orcid0000-0001-8248-5504es_ES
dc.identifier.orcid0000-0002-4084-3745es_ES
dc.identifier.orcid0000-0003-4438-9372es_ES
dc.identifier.orcid0000-0003-0905-9546es_ES
dc.identifier.orcid0000-0002-8134-0618es_ES
Colección:DIAYF - Artículos
DIEEA - Artículos
DPAAL - Artículos
INURA - Artículos

Archivos
Archivo Descripción TamañoFormato 
j_foodcont_2022_109600.pdf1,93 MBAdobe PDFDescargar


Este elemento está sujeto a una licencia Licencia Creative Commons Creative Commons