基于智能仿生儀的發酵小米椒感官品質評價模型

易宇文 陳 剛 彭毅秦鄧 靜 張 旭 喬明鋒 劉 陽 王 聰

(1. 四川旅游學院烹飪科學四川省高等學校重點實驗室，四川 成都 610100； 2. 四川廣播電視大學德陽分校綿竹工作站，四川 德陽 618000)

發酵小米椒是中國傳統發酵調味食品，滋味酸辣，香味獨特，能增進食欲、幫助消化，改善食品風味、防止腐敗等作用，廣泛應用于餐飲及休閑食品中[1-2]。目前泡制小米椒的品質評價主要依靠人工感官。人工感官的優點在于操作簡便無需較高投入，但易受環境、個人喜好、年齡及身體狀況等因素影響，造成評價結果的穩定性、重現性及客觀性差[3-5]，因此需要引入智能感官分析技術輔助人工對發酵小米椒進行品質評價。

智能感官通過模擬人感官以獲得檢測對象的品質特征信息，并通過現代的信息處理技術，模擬人對檢測對象進行判別處理[6]。目前電子鼻、電子舌、質構及色差儀等智能仿生儀器已廣泛應用于食品檢測與評價領域。如謝安國等[7]詳細論述了電子鼻在食品風味分析中的應用進展；易宇文等[8]利用電子鼻技術結合人工感官，分析了不同魚香肉絲調料在加熱前后的風味變化；林科等[9]論述了電子舌在食品檢測中的應用；王素霞等[10]曾對花椒酰胺濃度與電子舌探頭響應規律進行研究；國艷梅等[11]利用色差儀估測番茄果實中番茄紅素的含量；馬慶華等[12]利用質構儀對不同來源的冬棗進行穿刺分析，建立了一套相應的質地檢測方法。綜上，利用智能防生儀器研究小米椒發酵過程的品質變化是可行的。

目前感官評價體系主要依靠人工感官評價指標為基礎進行建立，利用智能感官全方位輔助人工感官建立發酵小米椒感官品質評價模型尚未見報道。李敬等[13]以M值法結合主成分分析篩選出7個感官評價指標，建立泡椒牛皮感官評價指標體系；王莉等[14]在建立泡椒牦牛黃喉感官評價描述詞的過程中利用M值法對感官評價指標進行初選，再以主成分選出分別代表泡椒牦牛黃喉外觀、質地、風味、色澤特征的觀官品質描述詞。

本試驗通過智能感官分析與感官評價相結合，以相關性分析、主成分分析、逐步回歸分析及擬合檢驗，簡化感官評價指標；以泡椒的色差、質構、電子鼻及電子舌的主成分為自變量，以修正后的感官評價得分為因變量，進行多元線性回歸和因子分析，研究小米椒發酵過程中的品質變化規律，建立一種客觀的品質評價方法，以期為發酵小米椒品質的客觀性評價提供相關理論支撐。

1 材料與方法

1.1 原料與儀器

1.1.1 試驗材料

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。

1.1.2 主要儀器設備

電子鼻：FOX 4000型，法國Alpha MOS 公司；

電子舌：α-ASTREE型，法國Alpha MOS 公司；

高精度食品物性分析儀：TMS-PRO型，美國TFC公司；

超聲波清洗機：SB-3200DTDM型，寧波新芝生物科技股份有限公司；

水浴鍋：HHS-8S型，北京中興偉業儀器有限公司；

超純水機：UPH-I-10T型，西安優普儀器有限公司；

電子天平：BT423S型，上海綠宇生物科技有限公司；

組織搗碎機：SD-1型，上海皖寧精密科學儀器有限公司；

恒溫培養箱：ZG-150-S型，韶關市廣智科技設備有限公司。

1.2 方法

1.2.1 發酵工藝

小米椒→挑選→清洗→稱量→調味→調香→發酵→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 ℃恒溫發酵。

1.2.2 試驗方法

(1) 電子舌分析：將小米椒和水按1∶10(質量比)進行搗碎，超聲波90 kHz，常溫提取10 min，取80 mL濾液。傳感器采集時間120 s，清洗180 s，平行測定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，進氣量0.5 mL，數據采集時間120 s，數據采集延遲180 s，平行測定5次。

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

(4) 質構特性：挑選大小較均勻的小米椒，單刀復合式剪切探頭，形變量80%，剪切速度1 mm/s，返回速度1 mm/s，最小感應力0.375 N，平行測定7次。

(5) 感官評價：選擇10名從事食品加工的人員組成評定小組，分別從色澤、體態、香味、質感、滋味進行感官評價，評定標準見表1。

表1 發酵小米椒感官評分標準Table 1 Sensory evaluation standard of pickled peppers

(6) 數據處理方法：數據處理分析采用Excel軟件2010版，主成分、相關性及回歸方程采用IBM SPSS 22.0。

2 結果與分析

2.1 發酵小米椒感官評價

2.1.1 感觀分析 由表2可知，香味、滋味變異系數較高，分別為26.17%，23.37%；而體態、質感變異系數較小，分別為5.13%，6.35%，與體態、質感等指標相比，色澤、香味、滋味等指標更易區分。

2.1.2 感官指標間的相關性分析 發酵小米椒感官評價各指標相關性見表3。色澤與香味呈顯著負相關(P<0.05)，與體態、質感呈正相關，與滋味、感官總分呈負相關；體態與香味、滋味、感官總分呈正相關，與質感呈負相關；香味與質感呈極顯著負相關(P<0.01)，與感官總分呈極顯著正相關(P<0.01)；質感與感官總分呈顯著負相關(P<0.05)；滋味與感官總分呈極顯著正相關(P<0.01)。綜上，各指標間存在一定的相關性，說明各指標間存在信息重疊，為簡化評價標準，可用部分指標代替其它指標。

表2 發酵小米椒感官評價結果Table 2 Interpretation of result in the sensory qualities of pickled peppers

表3 感官指標間的相關性分析?Table 3 Correlation analysis between sensory indicators

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

2.1.3 指標篩選及權重分配 由相關性分析可知，各感官指標與感官總分之間存在一定的相關性[15-16]。同時由于這些感官指標對發酵小米椒影響的顯著程度不一，為篩選出對發酵小米椒感官品質影響顯著的指標，采用逐步回歸法對發酵小米椒的感官總分及其各指標得分構建回歸方程，得式(1)、(2)、(3) 3個模型：

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1.783，與感官總分呈極顯著正相關(P<0.01)，r=0.912，發酵小米椒的滋味對感官具有一定刺激性，因此是反映發酵小米椒品質的重要指標。式(2)中香味與感官總分呈極顯著正相關(P<0.01)，r=0.861，香味能在一定程度上反應發酵小米椒的品質，因此香味是一項重要感官指標。式(3)中，引入了色澤指標，回歸系數1.003，色澤是評價發酵小米椒品質最直接的感官指標。綜上，確定滋味、香味及色澤為發酵小米椒的品質評價指標，對發酵小米椒感官總分與各指標再次進行回歸分析，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、香味及色澤指標的權重比值為3∶3∶2，模型4中各指標回歸系數比1∶0.9∶1。參照文獻[17]篩選出3項指標的新權重，見式(5)。

Ci=(hi×mi)÷∑(hi×mi)，

(5)

式中：

Ci——新權重；

hi——回歸系數；

mi——初始權重。

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

表4 發酵小米椒品質評價指標權重分析Table 4 Weight percentages in quality indicators of pickled peppers

2.2 發酵小米椒智能感官模型建立

2.2.1 發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轉化為少數的綜合性指標的一種統計分析方法，可將復雜的問題變得簡單、直觀，屬于無監督模式識別[18-19]。對發酵小米椒的智能感官指數進行主成分分析，詳見表5。色差、質構、電子鼻、電子舌的前2個主成分方差累積貢獻率均大于85%，已經包含了發酵小米椒品質絕大部分的信息，因此可以選用各指標的前2個主成分評價發酵小米椒的品質。

2.2.2 因子分析 對原變量進行因子分析，結果分析見表6。前3個因子的累計貢獻率為86.768%>85%，表明前3個因子已經可以描述發酵小米椒品質絕大部分的信息[20-22]。其中，第1公因子的方差貢獻率為48.397%，特征值為4.356，主要由電子鼻、電子舌及質構的PC1貢獻。第2公因子的方差貢獻率為24.536%，特征值為2.208，主要由質構的PC1貢獻，第3公因子的方差貢獻率為13.835%，特征值為1.245，主要有色差的PC1貢獻。

2.2.3 模型的建立 對表6中的3個公因子進行線性回歸，結果見表7。由于表6中色差、質構、電子鼻、電子舌前2個主成分的荷載程度不一，因此需要挑選出高荷載、公因子決定系數大的變量建立回歸方程。選擇X1PC1、X2PC1、X3PC1、X4PC1為新預測變量，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、貢獻率及累積貢獻率?Table 5 Eigenvalues, eigenvectors and cumulative contribution rates of principal components

?X1為色差；X2為質構；X3為電子鼻；X4為電子舌。

表6 旋轉后的因子荷載?Table 6 Loading of factor after rotation

?X1為色差；X2為質構；X3為電子鼻；X4為電子舌。

表7 經過因子分析后的多元線性回歸擬合模型系數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)，結果穩定，容易解釋。因此X1PC1、X2PC1、X3PC1、X4PC1為新的預測變量。

2.2.4 模型的驗證 由表8可知，模型預測值和觀測值之間誤差最小為0.47%，最大為9.47%，平均誤差為3.70%，表明模型擬合度較高，可用于小米椒發酵過程品質的評價。

表8 模型的檢驗Table 8 Validation of the model

3 結論

采用逐步回歸分析及擬合檢驗，以發酵小米椒修正后的感官得分為因變量，智能感官指標PCA為自變量，進行因子分析，根據荷載和標準回歸系數選擇回歸模型的預測變量，進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。各變量系數在統計意義上顯著，殘差正常，VIF檢驗無明顯多重共線性，表明此線性模型與泡制小米椒感官品質擬合性良好。新的品質評價模型能更加客觀真實地反映發酵過程中小米椒的品質變化，彌補了人工感官中的主觀個體差異缺陷，可以為小米椒制品的生產提供相關理論支撐。試驗設計中未涉及發酵過程中理化指標的動態變化，將在后續研究中將理化指標、人工感官與智能感官相結合，建立更加完善的綜合品質評價模型。