惠延波,白薇薇,樊留強,王 莉

(河南工業(yè)大學(xué),河南鄭州 450001)

電子舌技術(shù)在低鈉鹽配方檢測評價中的應(yīng)用

惠延波,白薇薇*,樊留強,王 莉

(河南工業(yè)大學(xué),河南鄭州 450001)

研究電子舌技術(shù)在低鈉鹽配方檢測評價中的應(yīng)用。利用伏安型電子舌對樣品溶液進(jìn)行數(shù)據(jù)采集,通過小波變換去除信號噪聲;基于主成分分析和聚類分析對樣品溶液進(jìn)行分析評價;基于偏最小二乘法建立低鈉鹽配方的咸味得分預(yù)測模型。結(jié)果表明:小波變換能去除高頻噪聲,保留信號的有用成分;主成分分析和聚類分析能對樣品進(jìn)行區(qū)分分類,正確反映樣品的親疏關(guān)系;采用偏最小二乘法建立的咸味預(yù)測模型,建模集和預(yù)測集的RMSE分別為3.18%、1.75%,預(yù)測效果很好。研究結(jié)果為低鈉鹽配方品質(zhì)評價提供了一種快速的檢測方法。

低鈉鹽,電子舌,咸味,小波變換,主成分分析,聚類分析,偏最小二乘法

低鈉鹽是以鉀鹽替代部分鈉鹽以減少鈉攝入量的食用鹽。低鈉鹽中氯化鈉含量約為60%～70%,氯化鉀含量約為20%～30%,與普通食用鹽相比，鈉含量降低。低鈉鹽的咸度和口感是衡量低鈉鹽配方品質(zhì)好壞的重要指標(biāo)。目前對咸味的判定主要采用感官評價法,但其結(jié)果不夠客觀準(zhǔn)確,易受周圍環(huán)境的干擾。電子舌[1]是一種能快速檢測味覺品質(zhì)的新技術(shù),具有靈敏性高、可靠性強的特點,已經(jīng)應(yīng)用于飲料、醫(yī)藥、肉類、食用油檢測等方面[2-6]。利用電子舌對低鈉鹽進(jìn)行檢測評價方面的研究還未見相關(guān)報道。溶液樣品在采集過程中受隨機(jī)因素干擾,分析精度降低;電子舌采集的樣品數(shù)據(jù)量較大。針對以上問題采用一定的預(yù)處理方法對原始數(shù)據(jù)去除噪聲。本文嘗試采用小波變換對電子舌采集的數(shù)據(jù)進(jìn)行多層分解,去噪提純[7-8],通過主成分分析和聚類分析對樣品進(jìn)行區(qū)分分類[9-10]。結(jié)合偏最小二乘回歸法(PLS),構(gòu)建低鈉鹽配方咸味得分預(yù)測模型[11-12],以期為低鈉鹽配方檢測評價提供了一種快速的方法。

1 材料與方法

1.1 材料與儀器

1%的氯化鈉溶液:自制;氯化鈉、氯化鉀、葡萄糖酸鈉均為分析純,洛陽昊華化學(xué)試劑有限公司。8種配方中各物質(zhì)配比如表1所示。

EL204精密電子天平 梅特勒-托利多儀器有限公司。

伏安型電子舌系統(tǒng):金屬電極陣列,采用三電級系統(tǒng),工作電極金、鈀、鉑可選;輔助電極為鉑柱電極,參比電極為Ag/AgCl電極;全套電極拋光材料 天津艾達(dá)恒晟科技有限公司。

表1 配方中各物質(zhì)配比

表2 鹽溶液評分標(biāo)準(zhǔn)

表3 低鈉鹽配方的咸味得分值

1.2 數(shù)據(jù)采集

利用伏安型電子舌對低鈉鹽配方數(shù)據(jù)進(jìn)行采集,該電子舌是三電極系統(tǒng),工作電極為金、鈀、鉑電極,輔助電極為鉑柱電極,參比電極為Ag/AgCl電極。通過給工作電極與參比電極施加電壓,使電極感測材料層與樣本物質(zhì)發(fā)生生化反應(yīng)產(chǎn)生電信號,工作電極與樣本溶液之間產(chǎn)生極化電流,該極化電流與工作電極和輔助電極形成一個回路,將這個回路電流作為檢測信號進(jìn)行采集和分析。其中,用上位機(jī)產(chǎn)生多種波形的激勵信號并進(jìn)行數(shù)據(jù)處理,用CS電化學(xué)工作站穩(wěn)定工作電極和參比電極間的電壓。實驗中采用了方波伏安的電化學(xué)檢測方法,掃描電位為-2V-2V,增量值為0.004 V,頻率為1000,每次采樣共輸出采樣點1008個。

1.3 數(shù)據(jù)處理

感官評價是人體結(jié)合科學(xué)的方法對食品進(jìn)行定性、定量的測量和分析,是一種主觀評價方法。先對各配方溶液進(jìn)行感官評價,從專業(yè)人員中選出10名身體健康、味覺敏感的感官評價員,男女比例為1∶1。在品嘗過程中評價員不進(jìn)行交流,每種樣品每人品嘗1次,8種樣品共品嘗80次,每次品嘗之后用清水漱口,再進(jìn)行下一次品嘗,依據(jù)表2的評分標(biāo)準(zhǔn),分別對8種低鈉鹽配方溶液進(jìn)行咸度評價,評分結(jié)果取10人評分的平均值,得到各配方的咸味得分值。

利用伏安型電子舌采集低鈉鹽配方溶液數(shù)據(jù),然后將數(shù)據(jù)進(jìn)行小波去噪,濾除由儀器、測試條件等不確定因素影響的高頻噪聲;采用主成分分析(PCA)和聚類分析(CA)對8種配方樣品和1%氯化鈉樣品進(jìn)行區(qū)分歸類,分析親疏關(guān)系;采用偏最小二乘(PLS)方法建立電子舌配方溶液咸味的評價模型,并分析結(jié)果。利用建模過程中的建模集和預(yù)測集的相關(guān)系數(shù)、均方根誤差來衡量模型性能。

2 結(jié)果與分析

2.1 感官評價

依據(jù)表2的評價標(biāo)準(zhǔn)得到各樣品的咸味得分值,從表3中可知,配方3和配方6的咸味得分值較高。

2.2 小波去噪

利用小波變換去噪具有低熵性、多分辨率特性、去相關(guān)性和選基靈活性,小波變換在信號去噪領(lǐng)域已得到越來越廣泛的應(yīng)用[13]。小波去噪過程為選取一定的小波基函數(shù),對采集到的信號進(jìn)行N層小波分解,再對小波域內(nèi)的各層高頻系數(shù)進(jìn)行閾值量化,再將得到的高頻系數(shù)和低頻系數(shù)重構(gòu)信號。本文利用小波函數(shù)sym5分解到第5層,采用極大極小值進(jìn)行閾值選擇,信號經(jīng)軟閾值處理,根據(jù)不同層的噪聲估計來調(diào)整閾值。采集的數(shù)據(jù)通過小波變換,能夠剔除由儀器精度、測試條件等不確定因素影響的高頻噪聲。這里以配方1和配方2為例,電子舌工作電極為鉑電極時,如圖1、圖2分別為兩種配方的原始信號和去噪后信號對比圖。從圖中可知,小波去噪能很好地消除原始信號中的高頻噪聲,保留信號的固有特征,使信號中的有用成分不丟失。

圖1 配方1的原始信號和去噪后信號Fig.1 The original signal and the de-noising of formula 1

圖2 配方2的原始信號和去噪后信號Fig.2 The original signal and the de-noising of formula 2

2.3 主成分分析法(PCA)

主成分分析是將多指標(biāo)簡化為少量綜合指標(biāo)的一種統(tǒng)計分析方法,通過變量變換的方法把相關(guān)的變量變?yōu)槿舾刹幌嚓P(guān)的綜合指標(biāo)變量,在一定程度上揭示了數(shù)據(jù)最好的解釋變量的隱藏結(jié)構(gòu)(主成分),使得問題得以簡化。對8種配方和1%氯化鈉進(jìn)行主成分分析,本研究中第一主成分PC1、第二主成分PC2分別包含了原來信息量的52.8%和33.8%,利用PCA得分圖反映各配方之間的關(guān)系。如圖3所示,配方2和配方6落在PC1和PC2的正向區(qū)間;配方3、配方8和氯化鈉落在第二區(qū)間;配方1、配方5和配方7分布在第三區(qū)間;配方4落在第四區(qū)間。從圖3的分散程度可以看出,9種樣品分為四類,說明樣品的品質(zhì)存在差異。主成分分析反映了樣品之間的差異性和親疏關(guān)系。

圖3 主成分分析得分圖Fig.3 PCA scores of formula

2.4 聚類分析法(CA)

聚類分析法(CA)是根據(jù)研究對象的特征對研究對象進(jìn)行分類的多元分析方法[14],其思想是先把N個樣品各自分為一類,通過合適的聚類分析方法將距離最近的兩類合為一個新類,最終所有樣品歸為一類。本文基于距離的聚類分析方法,將8種低鈉鹽配方及濃度為1%的氯化鈉樣品進(jìn)行聚類分析,形成一個親疏關(guān)系圖譜。基于類平均法對樣品進(jìn)行聚類分析,通過類平均距離分類得到樹狀圖。如圖4所示,距離為0.59時,9種樣品分為4類:第一類為配方2和配方6兩種樣品,這一結(jié)果與第一主成分PC1和第二主成分PC2的主成分得分圖正向區(qū)間結(jié)果一致。第二類聚集了配方3、配方8和氯化鈉三種樣品,這一結(jié)果與主成分得分圖第二區(qū)間結(jié)果一致。第三類包括配方1、配方5和配方7三種樣品,該結(jié)果與主成分得分圖第三區(qū)間結(jié)果一致。第四類是配方4,結(jié)果與主成分得分圖第四區(qū)間結(jié)果一致。聚類分析進(jìn)一步呈現(xiàn)了9種樣品的親疏關(guān)系。

圖4 聚類分析譜系圖Fig.4 Dendrogram of hierarchical cluster analysis

2.5 偏最小二乘法(PLS)建模及預(yù)測

偏最小二乘法(PLS)是一種多元統(tǒng)計分析方法,是典型相關(guān)分析、多元線性回歸和主成分分析的有機(jī)結(jié)合[15]。偏最小二乘法的思路是:從自變量X中提取相互獨立的成分t,從因變量Y中提取相互獨立的成分u,然后利用這些成分進(jìn)行回歸建模,從而避免了自變量因子間多重相關(guān)性的影響。從每組測量數(shù)據(jù)中取最后10個采集值作為每個樣本的測量數(shù)據(jù),實驗中共有8種低鈉鹽配方,每種配方重復(fù)采集2次,因此共有160個樣本數(shù)據(jù)。從8種配方樣品中隨機(jī)選4種(共80個數(shù)據(jù))作為校正集,用于建立PLS校正模型,剩余4種樣品(共80個數(shù)據(jù))作為預(yù)測集,用于驗證模型性能。

用PLS建立低鈉鹽配方溶液電子舌咸味預(yù)測模型,以三根傳感器的響應(yīng)值為自變量,感官得分值為因變量構(gòu)建偏最小二乘模型。得到回歸方程:

y=4.014-0.120x1+0.267x2+0.980x3

其中,y表示電子舌咸味預(yù)測值;x1、x2、x3分別為金、鈀、鉑傳感器響應(yīng)值。在偏最小二乘模型中,p(p=0.000)<0.05,表明模型的回歸方程具有顯著意義。如圖5所示,該模型的建模集中,實際值與預(yù)測值之間的相關(guān)系數(shù)為0.9711,RMSE為3.18%。圖6為預(yù)測集的實際咸味值與預(yù)測值的相關(guān)圖,相關(guān)系數(shù)為0.9896,RMSE為1.75%,預(yù)測效果較好。

圖5 PLS建模集Fig.5 Result of modeling set

圖6 PLS預(yù)測集Fig.6 Result of prediction set

3 結(jié)論

采用伏安型電子舌對8種低鈉鹽配方樣品進(jìn)行檢測評價,分別利用小波變換、主成分分析、聚類分析和偏最小二乘法對采集到的數(shù)據(jù)進(jìn)行分析處理。研究表明:采用小波變換可以去除原始信號的高頻噪聲,保留信號的有用成分;對去噪后的信號進(jìn)行主成分分析和聚類分析,兩種分析方法對樣品的分類判定結(jié)果一致,可通過親疏關(guān)系圖得出樣品之間的關(guān)系;采用偏最小二乘法建立低鈉鹽配方咸味預(yù)測模型,預(yù)測效果較好,預(yù)測結(jié)果與實際感官評價吻合。研究結(jié)果為低鈉鹽配方檢測評價提供了一種快速的方法。

[1]徐維盛,王竹,楊月欣.電子舌技術(shù)快速辨識15種茶湯滋味[J].食品工業(yè),2014,35(12):154-158.

[2]Men H,Zhang C,Ning K,et al. Detection of edible oils based on voltammetric electronic tongue[J]. Research Journal of Applied Sciences,Engineering and Technology,2013,5(4):1197-1202.

[3]Buratti S,Ballabio D,Giovanelli G,et al. Monitoring of alcoholic fermentation using nearinfrared and mid infrared spectroscopes combined with electronic noseandelectronic tongue[J]. Analyticachimicaacta,2011,697(2):67-74.

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

[5]王夢馨,薄曉培,韓善捷,等.不同防凍措施茶園茶湯滋味差異的電子舌檢測[J].農(nóng)業(yè)工程學(xué)報,2016,32(16):300-306.

[6]賈洪鋒,鄧紅,何江紅,等.電子舌在食品檢測中的應(yīng)用研究進(jìn)展[J].中國調(diào)味品,2013,38(8):12-17.

[7]李華,柳云雷,韓冰,等.天氣雷達(dá)回波信號去噪中小波分析應(yīng)用[J].氣象科技,2015,43(2):196-201.

[8]章浙濤,朱建軍,匡翠林,等.小波包多閾值去噪法及其在形變分析中的應(yīng)用[J].測繪學(xué)報,2014,43(1):13-20.

[9]彭顯剛,賴家文,陳奕.基于聚類分析的客戶用電模式智能識別方法[J].電力系統(tǒng)保護(hù)與控制,2014,42(19):68-73.

[10]高新華,嚴(yán)正.基于主成分聚類分析的智能電網(wǎng)建設(shè)綜合評價[J].電網(wǎng)技術(shù),2013,37(8):2238-2243.

[11]曾九孫,劉祥官,羅世華,等.主成分回歸和偏最小二乘法在高爐冶煉中的應(yīng)用[J].浙江大學(xué)學(xué)報(理學(xué)版),2009,36(1):33-36.

[12]王昶,黃馳超,余光輝,等.近紅外光譜結(jié)合偏最小二乘法快速評估土壤質(zhì)量[J].土壤學(xué)報,2013,50(5):881-890.

[13]李肅義,林君,陽貴紅,等.電性源時域地空電磁數(shù)據(jù)小波去噪方法研究[J].地球物理學(xué)報,2013,56(9):3145-3152.

[14]公麗艷,孟憲軍,劉乃僑,等.基于主成分與聚類分析的蘋果加工品質(zhì)評價[J].農(nóng)業(yè)工程學(xué)報,2014,30(13):276-285.

[15]曾華金,梁會麗,游靜,等.偏最小二乘法結(jié)合流動注射化學(xué)發(fā)光法同時測定蘆丁和維生素 C[J].發(fā)光學(xué)報,2013,34(3):369-374.

《食品工業(yè)科技》擴(kuò)增審稿專家的通知

首先感謝廣大讀者和作者對《食品工業(yè)科技》雜志的支持與幫助。

近年來《食品工業(yè)科技》雜志投稿量大幅增加，并且由于食品科學(xué)稿件覆蓋面廣，交叉學(xué)科多，現(xiàn)有審稿專家很難滿足讀者希望稿件及時審回的要求。為了進(jìn)一步縮短審稿時間，及時發(fā)布稿件評審情況，本刊擬增加審稿專家，希望得到相關(guān)領(lǐng)域?qū)I(yè)人士的支持。

審稿專家需同時符合以下基本條件：

1、 食品、生物、營養(yǎng)、化學(xué)、分析檢測及相關(guān)專業(yè)。

2、 具有較高的專業(yè)英文水平。

3、 高級職稱。

4、 以第一作者或通訊作者在中文核心期刊發(fā)表論文5篇以上。

5、 能及時將稿件審回。

請有意者提供真實姓名、出生年、職稱、學(xué)歷、單位、聯(lián)系電話、電子信箱、詳細(xì)通信地址及自己最擅長的研究方向，并列舉五篇最能體現(xiàn)您學(xué)術(shù)水平的論文。

以上信息發(fā)送至food100419@163.com。

收到您提交的信息后，雜志社組織遴選，對入選的審稿專家，我們會給您發(fā)送采編平臺專家審稿區(qū)的用戶名和密碼。編輯部會根據(jù)您的研究方向提交送審稿件，審稿方式為登陸我刊網(wǎng)站在線審稿。編輯部會定期按審稿數(shù)量和我刊審稿費標(biāo)準(zhǔn)郵寄審稿稿酬。

謝謝支持！

《食品工業(yè)科技》雜志社

Application of electronic tongue technology in detection and evaluation of low-sodium formulation

HUI Yan-bo,BAI Wei-wei*,FAN Liu-qiang,WANG Li

(Henan University of Technology,Zhengzhou 450001,China)

The use of electronic tongue technology in detation and evaluation of low-sodium formuation was investigated in this study. The data of the sample solution was acquired by Voltammetric electronic tongue. The signal noise was removed by wavelet transform,and the sample solution was analyzed and evaluated by principal component analysis and clustering analysis,the low-sodium salt formulation score prediction model was established based on partial least squares. The results showed that wavelet transform can remove high frequency noise and save useful component of the signal,principal component analysis and cluster analysis can distinguish and classify the samples and correctly reflect the affinities of the sample,the RMSE of modeling sets and prediction set of salty prediction model based on partial least squares were 3.18% and 1.75%,the result of forecast was good. The research results provided a rapid detection method to evaluate the quality of low-sodium salt formulation.

low-sodium salt;electronic tongue;salty;wavelet transform;principal component analysis;clustering analysis;partial least squares

2016-08-19

惠延波(1964-)，男，博士，教授，研究方向：制造業(yè)信息化、糧油食品檢測技術(shù)與裝置，E-mail:huiyb@haut.edu.cn。

*通訊作者:白薇薇(1992-)，女，在讀碩士研究生，研究方向：糧油食品檢測技術(shù)與裝置,E-mail:baiww2015@163.com。

國家“十二五”科技支撐計劃(2012BAF12B13);糧食信息處理與控制教育部重點實驗室資助項目(KF11-2015-101)。

TS207.3

A

1002-0306(2017)05-0315-04

10.13386/j.issn1002-0306.2017.05.051