電子舌對雞湯和人工勾兌高湯及其混合樣品的識別

曹仲文 張曉燕 周曉燕

（揚州大學旅游烹飪學院，江蘇 揚州 225127）

根據相關資料［1，2］保守估算，當前家庭和商業烹飪的消費金額在3.0萬億元以上，但在中式菜肴烹飪過程中，包括原料的安全和品質檢驗乃至最后菜肴的評價，主要通過感官評定，缺乏定量的標準，其科學化程度還不高。究其原因，與中國烹飪悠久的歷史傳統和總體的科學水平落后有一定的關系［3］。因此如何運用各種手段，包括新技術、新設備及新方法，如電子舌等仿生技術，提高中式餐飲生產的水平，就顯得尤為必要。

電子舌是由具有高度交叉敏感特性的傳感器單元組成的傳感器陣列，結合適當的模式識別算法和多變量分析方法對陣列數據進行處理，從而獲得溶液樣本定性定量信息的一種分析儀器［4］。賈洪峰等［5］采用電子舌對不同品牌的啤酒及其混合樣品進行識別，結果表明：電子舌能夠有效識別不同品牌的啤酒及不同品牌啤酒的混合樣品；對不同品牌啤酒的混合樣品建立了偏最小二乘回歸分析預測模型，電子舌響應信號和啤酒混合比例之間有很好的相關性。李陽等［6］利用電子舌結合理化指標對6種不同口感啤酒樣品檢測，結果表明：電子舌技術可以從綜合口感方面對樣品作區分，同時通過對理化指標和傳感器信號分析發現二者具有較強相關性。張浩玉等［7］利用電子舌對不同類型和產地的9個品種的醋在5種不同的稀釋濃度下進行檢測和分析，得到良好的辨別效果。此外，相關學者運用電子舌技術，并結合各種模式識 別 方 法，對 白 酒［8］、果 蔬 汁［9］、面 醬［10］、醋［11－13］、雞蛋［14］、花 椒［15，16］、中藥［17，18］、茶 葉［19］等諸多食 品，尤其是液體的區分識別的研究，都取得了較好的結果。

在烹飪過程中，涉及到各種各樣的液體原料，但近年來，中國連鎖餐飲行業不斷遭遇信任危機，諸多知名餐飲品牌紛紛陷入“勾兌門”。先是味千拉面身陷“勾兌骨湯門”，接著肯德基又被爆出了“勾兌豆漿”，其后山西爆出95%的老陳醋均為“勾兌醋”，“海底撈”火鍋也因“勾兌湯料”而引發消費者對于餐飲企業原料安全衛生的關注［20］。因此有必要對烹飪過程中所涉及的這些液體原料進行快速檢測，以確定其是否進行了勾兌或混合。為此，本試驗利用電子舌，針對餐飲業中常用的雞湯［21］及調味料勾兌的湯進行區分識別研究。

1 材料與方法

1.1 材料與儀器

1.1.1 試驗材料

本試驗所選用的雞精以及濃湯寶均是在揚州市場占有率較高的品牌，在當地比較具有代表性。

表1 樣品名及生產廠家Table 1 Samples and manufactures

1.1.2 試驗儀器

試驗所采用的電子舌系統為上海昂申智能科技有限公司的智舌系統，其組成如圖1所示，主要是將傳感器陣列產生的基于不同產品的相應信號，通過模式識別的方法進行區分識別。該系統目前已在酒、飲料及奶粉［22－25］等方面取得了良好的應用效果。

圖1 智舌系統示意圖Figure 1 Schematic diagram of smart tongue

1.2 試驗方法

（1）取電子舌檢測專用量杯若干，洗凈后待用。

（2）熬制雞湯。試驗所用雞湯自制，熬制原料為市售老母雞，宰殺后凈重1.2kg，加入水2 000mL，精鹽5g，料酒10g，蔥段10g，姜片10g，小火熬制兩小時制得，雞湯取出后備用。

（3）配制雞精及濃湯寶。試驗所用雞精和濃湯寶配制濃度為0.05g/mL，所用水為沸水，攪拌均勻冷卻后備用，共得6份樣品。

（4）配制濃湯寶與雞湯混合液。濃湯寶品牌選取市場占有率較高的家樂濃湯寶和雞湯配制的比例及編號見表2。

（5）另取清水樣本測定作為參照樣。

（6）打開電源開關，并且在其相應的軟件上設置好本次試驗所用技術及相關參數。

（7）每個樣本測3次用于電子舌檢測分析，3次檢測結果為一組，共測量14組樣本，得到42個數據。

（8）每次測量前后，對傳感器都會進行電化學清洗，再用濾紙擦干用于下一次檢測。提取響應電流信號的物理化學特征值，利用電子舌自帶的數據處理軟件對數據進行采集、分析和模式識別。

表2 濃湯寶和雞湯混合的樣品比例及編號Table 2 Samples of soup-stocks with different mixing ratios

1.3 數據處理

分別采用主成分分析（PCA）、判別函數分析（DFA）、偏最小二乘分析（PLS）的處理方法，對不同品牌雞精和濃湯寶與雞湯，以及不同混合比例的濃湯寶與雞湯進行區分識別。

2 結果與分析

2.1 雞精和濃湯寶與雞湯對比

2.1.1 主成分分析 分別用6個電極3個頻率段對8種樣品進行檢測，對檢測所得數據進行主成分分析。在10Hz頻率段下區分效果最好，得到各樣品的主成分1和主成分2的主成分分析（圖2），結果發現：第一主成分（PC1）與第二主成分（PC2）的貢獻率分別為66.1%和8.7%，兩者之和達到了74.8%，所以兩個主成分對應的特征向量所決定的兩維子空間就能夠較充分保存原始數據的信息。圖中每3個記號點代表此樣品的3個重復樣品。不同樣品間的品質差異可以通過主成分得分圖上的距離表征，樣品的距離說明其品質特性相似的程度。

由圖2可知，雞精與濃湯寶在主成分圖上可以與雞湯很好地區分開來，說明電子舌可以區分雞湯與雞精或濃湯寶調制的湯，且雞精與濃湯寶呈現一定的聚類分布，同時同類別的各樣品間又相互區分，說明雞精或濃湯寶具有相似的特征，而不同品牌的雞精或濃湯寶之間又有一定的區別。且不同的雞精或者濃湯寶之間，相互距離越遠，差異性越大。從圖2中可以看出：鳳球嘜濃湯寶與雞湯的區別較小，鈴蘭與大橋兩種雞精樣品與雞湯的區別較大。因此電子舌可區分不同的雞精與濃湯寶及雞湯。

2.1.2 判別函數分析 在PCA分析的基礎上對樣品進行DFA分析（圖3）。結果發現，在電子舌傳感器的DFA響應數據的各個區域內，點的離散度較小，這一點與PCA圖的表現相似，說明利用判別函數分析可以使樣品更好地被區分，雞精或濃湯寶配制的雞湯與真正的雞湯在DFA圖上會有差別，對樣品的鑒定具有借鑒意義。

圖2 不同品牌雞精與濃湯寶以及雞湯的PCA圖Figure 2 PCA chart of different soup-stocks

圖3 不同品牌雞精與濃湯寶以及雞湯的DFA圖Figure 3 DFA chart of different soup-stocks

2.2 不同混合比例的濃湯寶與雞湯的主成分分析和判別函數分析

在圖4中各個樣品（如表2所述）之間都能較為明顯地被區分開來，由于DFA比PCA的區分效果更好，所以對不同混合比例的濃湯寶與雞湯進行DFA分析，從圖4和圖5可以看出，電子舌可以區分濃湯寶與雞湯的混合樣本，且區分效果良好，區分精度較高。

2.3 不同混合比例的濃湯寶與雞湯的偏最小二乘回歸分析

圖4 不同混合比例的濃湯寶與雞湯的PCA圖Figure 4 PCA chart of kinds of soup-stocks with different mixing ratios

圖5 不同混合比例的濃湯寶與雞湯的DFA圖Figure 5 DFA chart of kinds of soup-stocks with different mixing ratios

將用6個種傳感器，在10Hz頻率段下檢測的不同濃度的濃湯寶—雞湯溶液所得數據建立PLS模型。以傳感器響應值為自變量，以濃湯寶—雞湯混合比例為擬合目標值進行曲線擬合，結果見圖6，擬合的相關系數為0.958 71，擬合效果良好。

建立最優模型后，用最優模型對檢測所得數據，在3～6號樣品的每個樣品選取2個樣本，共計8個樣本進行PLS預測，預測結果及相對誤差見表3。由表3可知，樣品預測的相對誤差均在15%以內。結果表明，電子舌的PLS模型能夠較好地預測濃湯寶與雞湯的不同混合比例。

圖6 不同混合比例的濃湯寶和雞湯PLS模型Figure 6 PLS chart of kinds of soup-stocks with different mixing ratios

表3 不同混合比例的濃湯寶和雞湯的預測值和實測值Table 3 Predicted and experimental mixing ratios within different soup-stocks

3 結論

本試驗所采用的電子舌系統對不同品牌的濃湯寶、雞精以及雞湯，共計8組樣本進行了檢測試驗，研究結果表明主成分分析就可以取得較好的分類效果，而判別函數分析比主成分分析的分類效果更加明顯。采用偏最小二乘法對電子舌檢測數據的結果建立最優模型，利用已建立的模型對不同混合比例的濃湯寶以及雞湯進行PLS模型預測，得到的預測值都較為準確。

試驗結果表明：應用電子舌能夠對烹飪過程中所涉及的雞湯與人工勾兌的湯及其混合物進行區別，從而拓展了電子舌在食品快速檢測，尤其是液體中的應用。

當然，在本試驗中未對雞湯進行火候及調味方面的改變。而且在餐飲生產中所應用的高湯絕不止雞湯一種，且用調味料勾兌湯的方法也有很多［21］，這方面的研究需要大量的工作和數據。另一方面，實際上，電子舌的不同傳感器與不同的味道（酸、甜、苦、咸、鮮）的相關性是不同的［6］，為了更精確地區分各種不同味道的原料，有必要在以后的研究中，首先確定與該味道相關性最強的傳感器，得到其特征值，然后選用合適的模式識別方法進行處理。

1 中華人民共和國國家統計局.中國統計年鑒［Z］.北京：中國統計出版社，2010～2011.

2 馬冠生，胡小琪，欒德春，等.中國居民的就餐行為［J］.營養學報，2005，27（4）：272～275.

3 曹仲文.廚房器具與設備［M］.南京：東南大學出版社，2007.

4 孫月娥，陳芬.電子鼻與電子舌在果蔬質量評價中的應用［J］.食品工業，2011，32（4）：87～89.

5 賈洪峰，梁愛華，何江紅，等.電子舌對啤酒的區分識別研究［J］.食品科學，2011，32（24）：252～255.

6 李陽，陳芹芹，胡雪芳，等.電子舌技術在啤酒口感評價中的應用［J］.食品研究與開發，2008，29（11）：122～127.

7 張浩玉，張柯，黃星奕，等.電子舌對不同品種醋的辨別研究［J］.中國調味品，2011，36（5）：1～4.

8 王永維，王俊，朱晴紅，等.基于電子舌的白酒檢測與區分研究［J］.包裝與食品機械，2009，25（5）：57～61.

9 C Apetrei，M L Rodriguez-Mendez，J A de Saja.Modified carbon paste electrodes for discrimination of vegetable oils［J］.Sensors and Actuators，2005（8）：403～409.

10 張玉玉，黃明泉，陳海濤，等.7種面醬的電子鼻和電子舌辨別分析［J］.中國食品學報，2012（1）：199～205.

11 F Winquist，E Rydberg，S Holmin.Flow injection analysis applied to a voltammetric electronic tongue［J］.Analytica Chimica Acta，2002（12）：159～172.

12 Beullens K，Kirsanov D，Irudayaraj J，et al.The electronic tongue and ATR-FTIR for rapid deteetion of sugars and acids in tomatoes［J］.Sensors and Aetuators B，2006，116（1/2）：107～115.

13 張淼，賈洪鋒，李樊昕，等.電子舌對食醋品質鑒定及區分的研究［J］.中國調味品，2012，37（8）：1～3，6.

14 白福銘，鄭麗敏，朱虹，等.電子舌對不同儲藏期雞蛋識別的研究［J］.微計算機信息（測控自動化），2010，26（5）：188，192～193.

15 王弘，陳山，劉仲明.農產品安全監測中生物傳感器的應用［J］.生命的化學，2005，25（2）：159～160.

16 閻紅，辛松林，彭德川，等.花椒的氣味指紋分析技術應用與探索［J］.四川烹飪高等專科學校學報，2010，34（2）：21～24.

17 陶文沂.中國食品工業發展及新技術的應用［J］.食品與機械，2006，22（4）：3～9.

18 杜瑞超，王優杰，吳飛，等.電子舌對中藥滋味的區分辨識［J］.中國中藥雜志，2013，38（2）：154～161.

19 陳全勝，江水泉，王新宇.基于電子舌技術和模式識別方法的茶葉質量等級評判［J］.食品與機械，2008，24（1）：124～126.

20 陳璽撼.餐飲業“勾兌”究竟有無問題［N］.解放日報，2011—08—25（002）.

21 梁字榮.論烹飪中的湯［J］.中國食品，2005，28（24）：50～51.

22 談國鳳，田師一，沈宗根，等.電子舌檢測奶粉中抗生素殘留［J］.農業工程學報，2011，27（4）：361～365.

23 毛岳忠，田師一，胡曉暉，等.智舌對奶粉中三聚氰胺的檢測研究［J］.中國食品學報，2011，11（3）：158～164.

24 周牡艷，鄭云峰，張韜，等.智能電子舌對地理標志產品紹興黃酒的區分判別研究［J］.釀酒科技，2012，33（12）：23～27.

25 張素平，田師一，鄧少平.智舌對基本味物質辨識能力的實驗研究［J］.中國食品學報，2009，9（5）：111～117.