張佳匯，王芳

上海太太樂食品有限公司（上海 201812）

隨著生活質(zhì)量的不斷提高，人們對于調(diào)味料的要求逐步從單一型向復(fù)合型、低檔向中高檔演變，具有調(diào)味、增鮮、賦香等功能的固態(tài)復(fù)合調(diào)味料產(chǎn)品在市場上越來越受到青睞。對于固態(tài)復(fù)合調(diào)味料而言，獨(dú)特的鮮美滋味對其口感品質(zhì)起著決定性作用。關(guān)于固態(tài)復(fù)合調(diào)味料的鮮美度滋味評判，主要依靠經(jīng)過培訓(xùn)且具有豐富經(jīng)驗(yàn)的優(yōu)秀評價(jià)員采用專業(yè)感官評價(jià)方法進(jìn)行，該方法耗時(shí)長、難度大、要求高，評判結(jié)果容易受環(huán)境、身體、心情等諸多主觀因素的影響，往往誤差較大。因此，探索鮮美度的快速、準(zhǔn)確、全面的評價(jià)方法，對固態(tài)復(fù)合調(diào)味料的鮮美度評價(jià)具有重要意義。

近紅外光譜（NIRS）技術(shù)是一種綠色分析技術(shù)，它利用有機(jī)物質(zhì)在近紅外光譜區(qū)內(nèi)的光學(xué)特征，快速地檢測該有機(jī)物中一項(xiàng)或多項(xiàng)化學(xué)成分的性質(zhì)和含量，具有方便、快速、高效、準(zhǔn)確、無污染，樣品無需預(yù)處理且不會(huì)遭到破壞，不消耗化學(xué)試劑等優(yōu)點(diǎn)[1-2]。近年來，近紅外技術(shù)在食品領(lǐng)域內(nèi)越來越受到重視，被廣泛應(yīng)用于食品組成測定、食品生產(chǎn)控制、食品安全檢測、食品感官分析等方面，如核桃仁脂肪含量的測定[3]、食用產(chǎn)品瑪咖粉的真假鑒定[4]、咖啡的感官評價(jià)[5]等。

基于近紅外光譜技術(shù)的固態(tài)復(fù)合調(diào)味料的鮮美度感官評價(jià)研究尚未見諸報(bào)道。為填補(bǔ)該領(lǐng)域空白，試驗(yàn)收集91個(gè)國內(nèi)外市售固態(tài)復(fù)合調(diào)味料樣品，基于固態(tài)復(fù)合調(diào)味料的近紅外光譜信息，運(yùn)用數(shù)據(jù)挖掘技術(shù)探究近紅外光譜數(shù)據(jù)與鮮美度感官評價(jià)數(shù)據(jù)之間的關(guān)聯(lián)性，并構(gòu)建能用于預(yù)測鮮美度的近紅外預(yù)報(bào)模型，為固態(tài)復(fù)合調(diào)味料鮮美度評價(jià)提供一種快速、無損的全新方法，以期為企業(yè)監(jiān)控產(chǎn)品質(zhì)量和優(yōu)化配方設(shè)計(jì)等提供思路參考。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)所包含的固態(tài)復(fù)合調(diào)味料樣品共91個(gè)，樣本購買于2019年9—12月，涵蓋國內(nèi)外市場上不同品牌、不同產(chǎn)地、不同品種的樣品，主要涉及雞精、雞粉、其他固態(tài)復(fù)合調(diào)味料（如蘑菇精、高湯精、排骨精等）三大類，共計(jì)50個(gè)品牌、91個(gè)產(chǎn)品品種。將收集的每份固態(tài)復(fù)合調(diào)味料樣品平均分為兩部分，一部分用于鮮美度感官評價(jià)，另一部分用于近紅外檢測。

1.2 試驗(yàn)儀器

Spotlight400傅里葉變換紅外光譜儀（配置ATR衰減全反射附件及DTGS檢測器，英國PerkinElmer公司）；A 11 basic Analytical mill型研磨粉碎機(jī)（德國IKA公司）；XP4002S型電子分析天平[梅特勒-托利多儀器（上海）有限公司]；HY-C700型連續(xù)封口機(jī)（溫州宇駿機(jī)械）；BPG-9140A型精密鼓風(fēng)干燥箱（上海一恒科學(xué)儀器有限公司）；C22-RT22E01型電磁爐[美的集團(tuán)（上海）有限公司]。

1.3 試驗(yàn)方法

1.3.1 鮮美度感官評價(jià)

組建20人的鮮美度評價(jià)小組，并對其按照前期建立的鮮美度五維度描述詞和鮮美度五維度感官參比標(biāo)度[6]進(jìn)行每周2次、為期2個(gè)月的專業(yè)感官評價(jià)員的系統(tǒng)培訓(xùn)，確保評價(jià)員在五維度感官強(qiáng)度認(rèn)知上的準(zhǔn)確性和統(tǒng)一性。

考慮到樣品量較大、評價(jià)周期較長，經(jīng)評價(jià)小組集體討論，選擇鮮美度五維感官特性具有代表性的太太樂三鮮雞精作為參照樣，并確定其鮮美度各維度的評價(jià)分（見表1），同時(shí)，在呈送每組被測樣品時(shí)都引入?yún)⒄諛?，與其進(jìn)行對比評價(jià)。

表1 參照樣的鮮美度五維感官評分

結(jié)合參照樣的鮮美度五維感官評分，評價(jià)小組成員再根據(jù)圖1鮮美度感官剖面打分軸分別對其沖擊感、飽滿感、圓潤感、生津感、持久感5個(gè)感官維度進(jìn)行感官評價(jià)，打分軸最小刻度為0.5。

圖1 鮮美度感官剖面打分軸

匯總統(tǒng)計(jì)各個(gè)樣品的鮮美度五維感官評分，并將其轉(zhuǎn)化為模糊矩陣（R），依據(jù)模糊關(guān)系綜合評判運(yùn)算式Y(jié)=X×R（X為權(quán)重集），得到各樣品的模糊綜合評價(jià)矩陣（Y），同時(shí)將評價(jià)等級(jí)集V={0.5，1，1.5，2，2.5，3，3.5，4，4.5，5}由5分制轉(zhuǎn)變?yōu)?00分制，即各個(gè)評價(jià)級(jí)別乘以20獲得得分矩陣：S=[10 20 30 40 50 60 70 80 90 100]。

根據(jù)式（1）分別計(jì)算得到各樣品的鮮美度感官綜合評分。

模糊關(guān)系運(yùn)算中的權(quán)重集運(yùn)用“0～4分兩兩比較評判法”以問卷調(diào)研形式確定，經(jīng)統(tǒng)計(jì)分析后得到?jīng)_擊感、飽滿感、圓潤感、生津感、持久感各維度感官指標(biāo)的權(quán)重占比，分別為0.20，0.26，0.23，0.11和0.20。

1.3.2 近紅外光譜測定方法

參考楊夢璇[7]的方法并稍作修改。分別隨機(jī)稱取10.0 g樣品，用粉碎機(jī)粉碎后混勻，置于10 mm培養(yǎng)皿中，立即上機(jī)測定，采用漫反射模式進(jìn)行光譜采集。每個(gè)樣品重復(fù)3次。

設(shè)置測定的參數(shù)：波數(shù)范圍4 000～10 000 cm-1，分辨率4 cm-1，掃描次數(shù)16次，室內(nèi)環(huán)境溫度22±1 ℃。

1.3.3 近紅外建模方法

經(jīng)整理匯總，共獲得光譜樣本數(shù)據(jù)91個(gè)。其近紅外光譜數(shù)據(jù)，波數(shù)范圍4 000～10 000 cm-1，光譜維度6 000，吸光度范圍0.5～1.8。其中，波數(shù)8 000～10 000 cm-1的光譜曲線較為平緩，包含信息量較少，不用于后續(xù)建模，如圖2（a）所示。為減少不同背景噪聲的干擾，利用二階導(dǎo)數(shù)以及Savitzky-Golay方法對剩余波數(shù)4 000～8 000 cm-1的光譜數(shù)據(jù)作求導(dǎo)平滑預(yù)處理，預(yù)處理后的光譜數(shù)據(jù)結(jié)果如圖2（b）所示。

圖2 固態(tài)復(fù)合調(diào)味料樣品的近紅外光譜圖

利用零均值法對求導(dǎo)平滑后的光譜數(shù)據(jù)作數(shù)據(jù)表轉(zhuǎn)化，并按17︰3比例劃分訓(xùn)練集與測試集，其中訓(xùn)練集樣本77個(gè)，測試集樣本14個(gè)。采用偏最小二乘法（PLS）對標(biāo)準(zhǔn)化光譜數(shù)據(jù)作降維處理[8]，運(yùn)用遞歸特征添加法（RFA）對PLS降維成分進(jìn)行特征篩選，并將篩選后的特征用于構(gòu)建支持向量機(jī)（SVR）模型[9]。

2 結(jié)果與分析

2.1 鮮美度感官綜合評分結(jié)果

采用模糊數(shù)學(xué)綜合評價(jià)法對91個(gè)固態(tài)復(fù)合調(diào)味料市場樣品的鮮美度五維感官評價(jià)結(jié)果進(jìn)行轉(zhuǎn)換運(yùn)算，最終得到各樣品的鮮美度感官綜合評分，見表2。

表2 固態(tài)復(fù)合調(diào)味料樣品鮮美度感官評價(jià)結(jié)果

在收集的91個(gè)固態(tài)復(fù)合調(diào)味料市場樣品中，鮮美度感官綜合評分最高分為76.19分，最低分為44.11分，平均分為62.99分。不同品牌、不同產(chǎn)地、不同品種的固態(tài)復(fù)合調(diào)味料的鮮美度感官綜合評分差異較大，這主要是因?yàn)槠渑淞现兴r味物質(zhì)的組成、含量、比例不同所導(dǎo)致。

2.2 鮮美度近紅外模型的構(gòu)建

基于標(biāo)準(zhǔn)化近紅外光譜數(shù)據(jù)進(jìn)行PLS降維，PLS降維成分個(gè)數(shù)為11個(gè)。利用RFA方法對感官綜合評價(jià)的11個(gè)PLS成分進(jìn)行特征篩選。以鮮美度感官綜合評分為目標(biāo)值，以不同個(gè)數(shù)的PLS成分為自變量，構(gòu)建多個(gè)SVR模型。變量篩選范圍為3～11，篩選指標(biāo)采用SVR模型的訓(xùn)練集留一法的平均絕對誤差（MAE）。特征篩選結(jié)果如圖3所示，最佳變量個(gè)數(shù)為前10個(gè)PLS成分，此時(shí)留一法MAE值達(dá)到最低值1.18?；谠?0個(gè)PLS成分以及訓(xùn)練集構(gòu)建SVR模型，留一法與測試集的決定系數(shù)分別達(dá)0.88與0.90，測試集的MAE值為1.15。

圖3 鮮美度SVR模型的變量篩選結(jié)果

進(jìn)一步對鮮美度SVR模型進(jìn)行參數(shù)優(yōu)化，優(yōu)化結(jié)果如圖4所示。X軸坐標(biāo)為超參數(shù)C，優(yōu)化范圍為0～10 000。Y軸坐標(biāo)為超參數(shù)epsilon，優(yōu)化范圍為0～1。Z軸坐標(biāo)為SVR模型的留一法MAE值，用于評價(jià)最佳超參結(jié)果。經(jīng)參數(shù)優(yōu)化，SVR模型的C值取90 000，epsilon值取1，此時(shí)建模結(jié)果如表3所示。訓(xùn)練集、測試集、留一法的決定系數(shù)為0.95～0.98，三者的MAE值為0.79～0.99。測試集的最大MAE值為2.94，平均相對誤差為1.63%，最大相對誤差為5.75%。將該數(shù)據(jù)集重新劃分1 000次，用相同的PLS成分、模型參數(shù)重復(fù)建模1 000次，得到1 000次建模的平均結(jié)果，結(jié)果見表4。測試集與留一法的1 000次平均MAE值為0.977與0.988，與表3建模結(jié)果相持平。最大MAE值分別為3.030與6.005，略差于表3建模結(jié)果，平均相對誤差在1.6%左右，與表3建模結(jié)果相持平。測試集與留一法的最大相對誤差分別為5.125%與11.040%，其中留一法的最大相對誤差要差于表3建模結(jié)果。綜上所述，鮮美度感官綜合評價(jià)的近紅外預(yù)報(bào)模型基本穩(wěn)定可靠，可較為準(zhǔn)確地預(yù)測出未知樣本的鮮美度感官綜合評價(jià)值。

圖4 鮮美度SVR模型的超參優(yōu)化結(jié)果

表3 參數(shù)優(yōu)化后的鮮美度SVR模型預(yù)測結(jié)果

表4 重新劃分?jǐn)?shù)據(jù)集1 000次的鮮美度SVR模型的平均結(jié)果

3 結(jié)論

試驗(yàn)基于91個(gè)固態(tài)復(fù)合調(diào)味料市場樣品的近紅外光譜數(shù)據(jù)及鮮美度感官綜合評價(jià)，構(gòu)建支持向量機(jī)（SVR）模型，模型的訓(xùn)練集、測試集、留一法的平均絕對誤差均小于1，平均相對誤差均≤1.63%，同時(shí)將該數(shù)據(jù)集重新劃分1 000次，用相同的PLS成分、模型參數(shù)重復(fù)建模1 000次，最終模型測試的平均絕對誤差與平均相對誤差分別為0.977和1.592%，其建模結(jié)果表明利用近紅外光譜技術(shù)能夠?qū)崿F(xiàn)固態(tài)復(fù)合調(diào)味料鮮美度感官特征屬性的快速預(yù)測評價(jià)，該方法為快速、精準(zhǔn)定量固態(tài)復(fù)合調(diào)味料的鮮美度感官評價(jià)提供新思路和理論依據(jù)，可作為產(chǎn)品配方設(shè)計(jì)的實(shí)用工具，促進(jìn)產(chǎn)品風(fēng)味升級(jí)與創(chuàng)新。