基于智能仿生儀的發(fā)酵小米椒感官品質(zhì)評(píng)價(jià)模型

易宇文 陳 剛 彭毅秦鄧 靜 張 旭 喬明鋒 劉 陽(yáng) 王 聰

(1. 四川旅游學(xué)院烹飪科學(xué)四川省高等學(xué)校重點(diǎn)實(shí)驗(yàn)室，四川 成都 610100； 2. 四川廣播電視大學(xué)德陽(yáng)分校綿竹工作站，四川 德陽(yáng) 618000)

發(fā)酵小米椒是中國(guó)傳統(tǒng)發(fā)酵調(diào)味食品，滋味酸辣，香味獨(dú)特，能增進(jìn)食欲、幫助消化，改善食品風(fēng)味、防止腐敗等作用，廣泛應(yīng)用于餐飲及休閑食品中[1-2]。目前泡制小米椒的品質(zhì)評(píng)價(jià)主要依靠人工感官。人工感官的優(yōu)點(diǎn)在于操作簡(jiǎn)便無需較高投入，但易受環(huán)境、個(gè)人喜好、年齡及身體狀況等因素影響，造成評(píng)價(jià)結(jié)果的穩(wěn)定性、重現(xiàn)性及客觀性差[3-5]，因此需要引入智能感官分析技術(shù)輔助人工對(duì)發(fā)酵小米椒進(jìn)行品質(zhì)評(píng)價(jià)。

智能感官通過模擬人感官以獲得檢測(cè)對(duì)象的品質(zhì)特征信息，并通過現(xiàn)代的信息處理技術(shù)，模擬人對(duì)檢測(cè)對(duì)象進(jìn)行判別處理[6]。目前電子鼻、電子舌、質(zhì)構(gòu)及色差儀等智能仿生儀器已廣泛應(yīng)用于食品檢測(cè)與評(píng)價(jià)領(lǐng)域。如謝安國(guó)等[7]詳細(xì)論述了電子鼻在食品風(fēng)味分析中的應(yīng)用進(jìn)展；易宇文等[8]利用電子鼻技術(shù)結(jié)合人工感官，分析了不同魚香肉絲調(diào)料在加熱前后的風(fēng)味變化；林科等[9]論述了電子舌在食品檢測(cè)中的應(yīng)用；王素霞等[10]曾對(duì)花椒酰胺濃度與電子舌探頭響應(yīng)規(guī)律進(jìn)行研究；國(guó)艷梅等[11]利用色差儀估測(cè)番茄果實(shí)中番茄紅素的含量；馬慶華等[12]利用質(zhì)構(gòu)儀對(duì)不同來源的冬棗進(jìn)行穿刺分析，建立了一套相應(yīng)的質(zhì)地檢測(cè)方法。綜上，利用智能防生儀器研究小米椒發(fā)酵過程的品質(zhì)變化是可行的。

目前感官評(píng)價(jià)體系主要依靠人工感官評(píng)價(jià)指標(biāo)為基礎(chǔ)進(jìn)行建立，利用智能感官全方位輔助人工感官建立發(fā)酵小米椒感官品質(zhì)評(píng)價(jià)模型尚未見報(bào)道。李敬等[13]以M值法結(jié)合主成分分析篩選出7個(gè)感官評(píng)價(jià)指標(biāo)，建立泡椒牛皮感官評(píng)價(jià)指標(biāo)體系；王莉等[14]在建立泡椒牦牛黃喉感官評(píng)價(jià)描述詞的過程中利用M值法對(duì)感官評(píng)價(jià)指標(biāo)進(jìn)行初選，再以主成分選出分別代表泡椒牦牛黃喉外觀、質(zhì)地、風(fēng)味、色澤特征的觀官品質(zhì)描述詞。

本試驗(yàn)通過智能感官分析與感官評(píng)價(jià)相結(jié)合，以相關(guān)性分析、主成分分析、逐步回歸分析及擬合檢驗(yàn)，簡(jiǎn)化感官評(píng)價(jià)指標(biāo)；以泡椒的色差、質(zhì)構(gòu)、電子鼻及電子舌的主成分為自變量，以修正后的感官評(píng)價(jià)得分為因變量，進(jìn)行多元線性回歸和因子分析，研究小米椒發(fā)酵過程中的品質(zhì)變化規(guī)律，建立一種客觀的品質(zhì)評(píng)價(jià)方法，以期為發(fā)酵小米椒品質(zhì)的客觀性評(píng)價(jià)提供相關(guān)理論支撐。

1 材料與方法

1.1 原料與儀器

1.1.1 試驗(yàn)材料

小米椒、大蒜、白砂糖、鹽、蒸餾水、白醋、味精：成都市龍泉驛平安菜市場(chǎng)。

1.1.2 主要儀器設(shè)備

電子鼻：FOX 4000型，法國(guó)Alpha MOS 公司；

電子舌：α-ASTREE型，法國(guó)Alpha MOS 公司；

高精度食品物性分析儀：TMS-PRO型，美國(guó)TFC公司；

超聲波清洗機(jī)：SB-3200DTDM型，寧波新芝生物科技股份有限公司；

水浴鍋：HHS-8S型，北京中興偉業(yè)儀器有限公司；

超純水機(jī)：UPH-I-10T型，西安優(yōu)普儀器有限公司；

電子天平：BT423S型，上海綠宇生物科技有限公司；

組織搗碎機(jī)：SD-1型，上海皖寧精密科學(xué)儀器有限公司；

恒溫培養(yǎng)箱：ZG-150-S型，韶關(guān)市廣智科技設(shè)備有限公司。

1.2 方法

1.2.1 發(fā)酵工藝

小米椒→挑選→清洗→稱量→調(diào)味→調(diào)香→發(fā)酵→翻缸→成品

操作流程：挑選完整無破損的小米椒，清洗去除表面污垢，稱量白糖20 g、食鹽100 g、白醋60 g、味精2 g放入1 000 g 水中融化，將小米椒1 000 g、大蒜5 g放入其中，在28 ℃恒溫發(fā)酵。

1.2.2 試驗(yàn)方法

(1) 電子舌分析：將小米椒和水按1∶10(質(zhì)量比)進(jìn)行搗碎，超聲波90 kHz，常溫提取10 min，取80 mL濾液。傳感器采集時(shí)間120 s，清洗180 s，平行測(cè)定5次。

(2) 電子鼻分析：將小米椒搗碎稱取2 g放置于頂空瓶中密封。頂空70 ℃，加熱5 min，載氣流量150 mL/s，進(jìn)氣量0.5 mL，數(shù)據(jù)采集時(shí)間120 s，數(shù)據(jù)采集延遲180 s，平行測(cè)定5次。

(3) 色差分析：將小米椒攪碎，利用色差儀分別測(cè)定L、a*、b*，平行測(cè)定3次。

(4) 質(zhì)構(gòu)特性：挑選大小較均勻的小米椒，單刀復(fù)合式剪切探頭，形變量80%，剪切速度1 mm/s，返回速度1 mm/s，最小感應(yīng)力0.375 N，平行測(cè)定7次。

(5) 感官評(píng)價(jià)：選擇10名從事食品加工的人員組成評(píng)定小組，分別從色澤、體態(tài)、香味、質(zhì)感、滋味進(jìn)行感官評(píng)價(jià)，評(píng)定標(biāo)準(zhǔn)見表1。

表1 發(fā)酵小米椒感官評(píng)分標(biāo)準(zhǔn)Table 1 Sensory evaluation standard of pickled peppers

(6) 數(shù)據(jù)處理方法：數(shù)據(jù)處理分析采用Excel軟件2010版，主成分、相關(guān)性及回歸方程采用IBM SPSS 22.0。

2 結(jié)果與分析

2.1 發(fā)酵小米椒感官評(píng)價(jià)

2.1.1 感觀分析 由表2可知，香味、滋味變異系數(shù)較高，分別為26.17%，23.37%；而體態(tài)、質(zhì)感變異系數(shù)較小，分別為5.13%，6.35%，與體態(tài)、質(zhì)感等指標(biāo)相比，色澤、香味、滋味等指標(biāo)更易區(qū)分。

2.1.2 感官指標(biāo)間的相關(guān)性分析 發(fā)酵小米椒感官評(píng)價(jià)各指標(biāo)相關(guān)性見表3。色澤與香味呈顯著負(fù)相關(guān)(P<0.05)，與體態(tài)、質(zhì)感呈正相關(guān)，與滋味、感官總分呈負(fù)相關(guān)；體態(tài)與香味、滋味、感官總分呈正相關(guān)，與質(zhì)感呈負(fù)相關(guān)；香味與質(zhì)感呈極顯著負(fù)相關(guān)(P<0.01)，與感官總分呈極顯著正相關(guān)(P<0.01)；質(zhì)感與感官總分呈顯著負(fù)相關(guān)(P<0.05)；滋味與感官總分呈極顯著正相關(guān)(P<0.01)。綜上，各指標(biāo)間存在一定的相關(guān)性，說明各指標(biāo)間存在信息重疊，為簡(jiǎn)化評(píng)價(jià)標(biāo)準(zhǔn)，可用部分指標(biāo)代替其它指標(biāo)。

表2 發(fā)酵小米椒感官評(píng)價(jià)結(jié)果Table 2 Interpretation of result in the sensory qualities of pickled peppers

表3 感官指標(biāo)間的相關(guān)性分析?Table 3 Correlation analysis between sensory indicators

? ** 在 0.01 水平(雙側(cè))上顯著相關(guān)；* 在 0.05 水平(雙側(cè))上顯著相關(guān)。

2.1.3 指標(biāo)篩選及權(quán)重分配 由相關(guān)性分析可知，各感官指標(biāo)與感官總分之間存在一定的相關(guān)性[15-16]。同時(shí)由于這些感官指標(biāo)對(duì)發(fā)酵小米椒影響的顯著程度不一，為篩選出對(duì)發(fā)酵小米椒感官品質(zhì)影響顯著的指標(biāo)，采用逐步回歸法對(duì)發(fā)酵小米椒的感官總分及其各指標(biāo)得分構(gòu)建回歸方程，得式(1)、(2)、(3) 3個(gè)模型：

Y=39.011+1.783×A(R2=0.832)，

(1)

Y=34.062+1.208×A+0.671×B(R2=0.986)，

(2)

Y=16.683+1.07×A+0.91×B+1.003×C(R2=0.997)，

(3)

式中：

Y——感官總分；

A——滋味；

B——香味；

C——色澤。

由式(1)可知，滋味的回歸系數(shù)1.783，與感官總分呈極顯著正相關(guān)(P<0.01)，r=0.912，發(fā)酵小米椒的滋味對(duì)感官具有一定刺激性，因此是反映發(fā)酵小米椒品質(zhì)的重要指標(biāo)。式(2)中香味與感官總分呈極顯著正相關(guān)(P<0.01)，r=0.861，香味能在一定程度上反應(yīng)發(fā)酵小米椒的品質(zhì)，因此香味是一項(xiàng)重要感官指標(biāo)。式(3)中，引入了色澤指標(biāo)，回歸系數(shù)1.003，色澤是評(píng)價(jià)發(fā)酵小米椒品質(zhì)最直接的感官指標(biāo)。綜上，確定滋味、香味及色澤為發(fā)酵小米椒的品質(zhì)評(píng)價(jià)指標(biāo)，對(duì)發(fā)酵小米椒感官總分與各指標(biāo)再次進(jìn)行回歸分析，R2=0.998，模型見式(4)。

Y=16.683+1.07×A+0.91×B+1.003 ×C(R2=0.998)。

(4)

由表4可知，滋味、香味及色澤指標(biāo)的權(quán)重比值為3∶3∶2，模型4中各指標(biāo)回歸系數(shù)比1∶0.9∶1。參照文獻(xiàn)[17]篩選出3項(xiàng)指標(biāo)的新權(quán)重，見式(5)。

Ci=(hi×mi)÷∑(hi×mi)，

(5)

式中：

Ci——新權(quán)重；

hi——回歸系數(shù)；

mi——初始權(quán)重。

其中，初始權(quán)重為初始滿分與總分比值，各指標(biāo)的新滿分值為新權(quán)重與總分的乘積。滋味、香味、色澤的新權(quán)重及各指標(biāo)的新分值見表4。

表4 發(fā)酵小米椒品質(zhì)評(píng)價(jià)指標(biāo)權(quán)重分析Table 4 Weight percentages in quality indicators of pickled peppers

2.2 發(fā)酵小米椒智能感官模型建立

2.2.1 發(fā)酵小米椒智能感官主成分分析 主成分分析是通過降維將眾多的指標(biāo)轉(zhuǎn)化為少數(shù)的綜合性指標(biāo)的一種統(tǒng)計(jì)分析方法，可將復(fù)雜的問題變得簡(jiǎn)單、直觀，屬于無監(jiān)督模式識(shí)別[18-19]。對(duì)發(fā)酵小米椒的智能感官指數(shù)進(jìn)行主成分分析，詳見表5。色差、質(zhì)構(gòu)、電子鼻、電子舌的前2個(gè)主成分方差累積貢獻(xiàn)率均大于85%，已經(jīng)包含了發(fā)酵小米椒品質(zhì)絕大部分的信息，因此可以選用各指標(biāo)的前2個(gè)主成分評(píng)價(jià)發(fā)酵小米椒的品質(zhì)。

2.2.2 因子分析 對(duì)原變量進(jìn)行因子分析，結(jié)果分析見表6。前3個(gè)因子的累計(jì)貢獻(xiàn)率為86.768%>85%，表明前3個(gè)因子已經(jīng)可以描述發(fā)酵小米椒品質(zhì)絕大部分的信息[20-22]。其中，第1公因子的方差貢獻(xiàn)率為48.397%，特征值為4.356，主要由電子鼻、電子舌及質(zhì)構(gòu)的PC1貢獻(xiàn)。第2公因子的方差貢獻(xiàn)率為24.536%，特征值為2.208，主要由質(zhì)構(gòu)的PC1貢獻(xiàn)，第3公因子的方差貢獻(xiàn)率為13.835%，特征值為1.245，主要有色差的PC1貢獻(xiàn)。

2.2.3 模型的建立 對(duì)表6中的3個(gè)公因子進(jìn)行線性回歸，結(jié)果見表7。由于表6中色差、質(zhì)構(gòu)、電子鼻、電子舌前2個(gè)主成分的荷載程度不一，因此需要挑選出高荷載、公因子決定系數(shù)大的變量建立回歸方程。選擇X1PC1、X2PC1、X3PC1、X4PC1為新預(yù)測(cè)變量，并建立多元線性回歸方程：

Y=67.672+8.296×X1PC1-1.571×X2PC1-3.431×X3PC1+0.288×X4PC1。

(6)表5 各主成分特征向量、特征值、貢獻(xiàn)率及累積貢獻(xiàn)率?Table 5 Eigenvalues, eigenvectors and cumulative contribution rates of principal components

?X1為色差；X2為質(zhì)構(gòu)；X3為電子鼻；X4為電子舌。

表6 旋轉(zhuǎn)后的因子荷載?Table 6 Loading of factor after rotation

?X1為色差；X2為質(zhì)構(gòu)；X3為電子鼻；X4為電子舌。

表7 經(jīng)過因子分析后的多元線性回歸擬合模型系數(shù)Table 7 Coefficients of multiple linear regression models fitting after factor analysis

此模型殘差正常，無明顯多重共線性(VIF<10)，結(jié)果穩(wěn)定，容易解釋。因此X1PC1、X2PC1、X3PC1、X4PC1為新的預(yù)測(cè)變量。

2.2.4 模型的驗(yàn)證 由表8可知，模型預(yù)測(cè)值和觀測(cè)值之間誤差最小為0.47%，最大為9.47%，平均誤差為3.70%，表明模型擬合度較高，可用于小米椒發(fā)酵過程品質(zhì)的評(píng)價(jià)。

表8 模型的檢驗(yàn)Table 8 Validation of the model

3 結(jié)論

采用逐步回歸分析及擬合檢驗(yàn)，以發(fā)酵小米椒修正后的感官得分為因變量，智能感官指標(biāo)PCA為自變量，進(jìn)行因子分析，根據(jù)荷載和標(biāo)準(zhǔn)回歸系數(shù)選擇回歸模型的預(yù)測(cè)變量，進(jìn)行主成分回歸分析后建立如下方程：Y=67.672+8.296×X1PC1-1.571×X2PC1-3.431×X3PC1+0.288×X4PC1。各變量系數(shù)在統(tǒng)計(jì)意義上顯著，殘差正常，VIF檢驗(yàn)無明顯多重共線性，表明此線性模型與泡制小米椒感官品質(zhì)擬合性良好。新的品質(zhì)評(píng)價(jià)模型能更加客觀真實(shí)地反映發(fā)酵過程中小米椒的品質(zhì)變化，彌補(bǔ)了人工感官中的主觀個(gè)體差異缺陷，可以為小米椒制品的生產(chǎn)提供相關(guān)理論支撐。試驗(yàn)設(shè)計(jì)中未涉及發(fā)酵過程中理化指標(biāo)的動(dòng)態(tài)變化，將在后續(xù)研究中將理化指標(biāo)、人工感官與智能感官相結(jié)合，建立更加完善的綜合品質(zhì)評(píng)價(jià)模型。