大豆分離蛋白具有功能性、營(yíng)養性和經(jīng)濟性，廣泛應用于食品及其他行業(yè)中，大豆分離蛋白酶解過(guò)程會(huì )引入許多不良味道，特別是苦味。目前苦味評價(jià)主要采用傳統的感官評價(jià)，但感官評價(jià)存在主觀(guān)性，對準確度和重復性等方面的把握有所欠缺。近年來(lái)，電子舌作為一種能快速檢測味覺(jué)品質(zhì)的新技術(shù)，可以對復雜樣品最基本的酸、甜、苦、辣、咸味覺(jué)評價(jià)指標進(jìn)行快速的味覺(jué)檢測分析。
本文采用法國Alpha MOS公司Astree電子舌采集配方溶液信號，利用PCA和DFA進(jìn)行定性分析，結合偏最小二乘法和RBF神經(jīng)網(wǎng)絡(luò )建立苦味定量預測模型。
大豆分離蛋白、堿性蛋白酶、奎寧。
配制不同質(zhì)量濃度(1g/mL、2g/mL、4g/mL、8g/mL、16g/mL、32g/mL)的奎寧溶液作為苦味標準液，大豆分離蛋白配方見(jiàn)表1。
儀器與方法
使用法國Alpha MOS公司Astree電子舌采集配方的味覺(jué)信息。它由一個(gè)16位自動(dòng)進(jìn)樣器、安裝在A(yíng)g/AgCl參比電極上的7根具有交叉敏感性的傳感器陣列（ZZ、JE、BB、CA、GA、HA和JB）、信號采集模塊以及模式識別系統組成。電子舌模擬人類(lèi)的感覺(jué)器官舌頭對待測樣品進(jìn)行分析、識別和判斷。每根傳感器對不同樣品吸附溶液分子的靈敏度不同，表現出不同的電位變化，根據電位變化分析溶液的味覺(jué)特性。
試驗開(kāi)始前，為了使結果更準確，需要對電子舌進(jìn)行調試，主要包括活化、初始化、校準和診斷等環(huán)節。試驗開(kāi)始時(shí)，將待測液倒入電子舌專(zhuān)用燒杯中，按照待測液-清洗液-待測液的順序交替擺放在電子舌自動(dòng)進(jìn)樣器上，樣品數據采集時(shí)間默認為120s，每種樣品重復采集10次，為了得到穩定和準確的試驗數據，同時(shí)也為了減少誤差，去除第1次和最后1次采集到的數據，用中間8個(gè)數據進(jìn)行后續處理。
為了比較8種配方的苦味程度，選取20名對苦味敏感的感官評價(jià)員，對8種配方進(jìn)行品嘗，根據表2的評價(jià)標準進(jìn)行評價(jià)。配方1-配方8的苦味得分分別為3.7、3.8、3.9、4.0、4.1、4.1、4.3、4.4。由評分結果可知，8種配方苦味差異不大，苦味均可以接受，8種配方苦味得分近似呈線(xiàn)性分布。
2、傳感器的選擇
使用Astree電子舌采集樣品味覺(jué)信息，圖1為7根傳感器對配方1的響應強度。由圖1可見(jiàn)，傳感器JE的電壓響應強度最高，ZZ與BB的電壓響應強度接近，HA的電壓響應強度最低，最不敏感。
表3為7根傳感器在8種配方中的相對標準偏差。由表3可知，傳感器JE、ZZ、BB、GA對8種配方的相對標準偏差均小于6%，傳感器CA、HA、JB的相對標準偏差6%＜RSD＜30%。表明傳感器CA、HA、JB會(huì )影響試驗結果，造成較大偏差。剔除判別能力較弱的傳感器，選擇判別能力強的傳感器，以增強試驗的準確性。故選用傳感器JE、ZZ、BB和GA分析8種配方的味覺(jué)信息。
3、主成分分析和判別因子分析
主成分分析(PCA)是一種降低數據集維數的多元統計方法，它在不丟失任何信息的前提下，對采集到的數據進(jìn)行降維處理和數據轉換，據此把多個(gè)相關(guān)性很高的變量歸結為幾個(gè)不相干變量或相關(guān)性很低的變量。主成分分析散點(diǎn)圖上的散點(diǎn)代表樣品，散點(diǎn)之間的距離代表樣品間的差異性與親疏性，主成分貢獻率越大，代表包含更多數據信息。
判別因子分析(DFA)是一種通過(guò)重新組合原始變量信息來(lái)優(yōu)化區分的分類(lèi)技術(shù)，它根據相關(guān)性大小把數據分組，且不改變原有變量，使不同類(lèi)數據組間距離最大的同時(shí)，保證同類(lèi)數據組內差異最小，使各個(gè)組間的重心距離最大。
選用奎寧作為苦味標準液對8種配方進(jìn)行試驗，所得結果分別用PCA和DFA進(jìn)行分析。
選擇傳感器JE、ZZ、BB、GA，PCA和DFA分析結果見(jiàn)圖3。
由圖3可知，主成分PC1、PC2貢獻率分別為94.026%和3.792%，判別因子DF1、DF2貢獻率分別為98.505%和1.259%，總貢獻率近似為100%。奎寧溶液與配方溶液的落點(diǎn)分居于y軸兩側，表明配方溶液與奎寧溶液區分度高。奎寧溶液與配方溶液組間距離較遠，表明8種配方溶液苦味不明顯。8種配方溶液組內離散程度較小，表明各配方之間苦味差異性小。PCA、DFA顯示一致的苦味評價(jià)結果。因此，PCA和DFA均可鑒別配方的苦味程度。
4、PLS建模及預測
建立PLS大豆分離蛋白苦味預測模型，以4根優(yōu)化后傳感器電壓響應值作為自變量，以感官評分值作為因變量構建PLS模型。得回歸方程:
y=66.6953－0.0041s1－0.0053s2+0.0004s3－0.0001s4，
式中：y為電子舌苦味預測值;s1、s2、s3、s4分別為傳感器ZZ、JE、BB、GA電壓響應值。
在所建立的偏最小二乘模型中，P(P=0.000)＜0.05，表明此模型的回歸方程具有顯著(zhù)意義。以4根優(yōu)化后傳感器電壓響應值構建PLS為0.969，RMSE為0.035，實(shí)際值與預測值有較好的相關(guān)性，預測效果較好。
5、RBF建模及預測
本次試驗重疊系數選取范圍為1～3，隱含層節點(diǎn)數選取范圍為4～15。建立兩個(gè)RBF神經(jīng)網(wǎng)絡(luò )模型，其中建模集有32個(gè)樣本，預測集有32個(gè)樣本。輸入層節點(diǎn)數都為4，分別對應4根傳感器電壓響應值和前4個(gè)PC值，隱含層節點(diǎn)通過(guò)自身學(xué)習確定最優(yōu)節點(diǎn)數，輸出層輸出配方的苦味得分。預測結果表明，隨著(zhù)重疊系數的增加，建模集與預測集的RMSE逐漸減小，因此最終確定重疊系數為3。隨著(zhù)隱含層節點(diǎn)數的增加，RMSE逐漸減小，但隱含層節點(diǎn)數增加到一定值之后，RMSE逐漸增大，由此確定最佳隱含層R節點(diǎn)數為9。在4-9-1結構中，4根優(yōu)化后傳感器電壓響應值預測集的RMSE和分別為0.010和0.987，前4個(gè)PC預測集的RMSE和R分別為0.007、0.913。RMSE小于PLS預測模型的0.035、0.093，R均大于PLS預測模型的0.969、0.334，說(shuō)明4根傳感器電壓響應值與前4個(gè)PC作為輸入參數建立的RBF預測模型預測值更接近真實(shí)值，預測效果較好。
參考文獻：蘆建超,惠延波,胡曉利,布冠好.基于電子舌的大豆分離蛋白苦味分析與評價(jià)技術(shù)研究[J].河南工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2019,40(06):65-69+79.DOI:10.16433/j.cnki.issn1673-2383.2019.06.011.
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應該在缺乏具體的專(zhuān)業(yè)建議的情況下，擅自根據文章內容采取行動(dòng)，因此導致的損失，本運營(yíng)方不負責。如文章涉及侵權或不愿我平臺發(fā)布，請聯(lián)系處理。 本文采用法國Alpha MOS公司Astree電子舌采集配方溶液信號，利用PCA和DFA進(jìn)行定性分析，結合偏最小二乘法和RBF神經(jīng)網(wǎng)絡(luò )建立苦味定量預測模型。
一、材料與方法
試驗材料大豆分離蛋白、堿性蛋白酶、奎寧。
配制不同質(zhì)量濃度(1g/mL、2g/mL、4g/mL、8g/mL、16g/mL、32g/mL)的奎寧溶液作為苦味標準液，大豆分離蛋白配方見(jiàn)表1。
表1 試驗配方
使用法國Alpha MOS公司Astree電子舌采集配方的味覺(jué)信息。它由一個(gè)16位自動(dòng)進(jìn)樣器、安裝在A(yíng)g/AgCl參比電極上的7根具有交叉敏感性的傳感器陣列（ZZ、JE、BB、CA、GA、HA和JB）、信號采集模塊以及模式識別系統組成。電子舌模擬人類(lèi)的感覺(jué)器官舌頭對待測樣品進(jìn)行分析、識別和判斷。每根傳感器對不同樣品吸附溶液分子的靈敏度不同，表現出不同的電位變化，根據電位變化分析溶液的味覺(jué)特性。
試驗開(kāi)始前，為了使結果更準確，需要對電子舌進(jìn)行調試，主要包括活化、初始化、校準和診斷等環(huán)節。試驗開(kāi)始時(shí)，將待測液倒入電子舌專(zhuān)用燒杯中，按照待測液-清洗液-待測液的順序交替擺放在電子舌自動(dòng)進(jìn)樣器上，樣品數據采集時(shí)間默認為120s，每種樣品重復采集10次，為了得到穩定和準確的試驗數據，同時(shí)也為了減少誤差，去除第1次和最后1次采集到的數據，用中間8個(gè)數據進(jìn)行后續處理。
二、結果與分析
1、傳統感官評價(jià)為了比較8種配方的苦味程度，選取20名對苦味敏感的感官評價(jià)員，對8種配方進(jìn)行品嘗，根據表2的評價(jià)標準進(jìn)行評價(jià)。配方1-配方8的苦味得分分別為3.7、3.8、3.9、4.0、4.1、4.1、4.3、4.4。由評分結果可知，8種配方苦味差異不大，苦味均可以接受，8種配方苦味得分近似呈線(xiàn)性分布。
表2 苦味評價(jià)標準
使用Astree電子舌采集樣品味覺(jué)信息，圖1為7根傳感器對配方1的響應強度。由圖1可見(jiàn)，傳感器JE的電壓響應強度最高，ZZ與BB的電壓響應強度接近，HA的電壓響應強度最低，最不敏感。
表3 7根傳感器在8種配方中的相對標準偏差
3、主成分分析和判別因子分析
主成分分析(PCA)是一種降低數據集維數的多元統計方法，它在不丟失任何信息的前提下，對采集到的數據進(jìn)行降維處理和數據轉換，據此把多個(gè)相關(guān)性很高的變量歸結為幾個(gè)不相干變量或相關(guān)性很低的變量。主成分分析散點(diǎn)圖上的散點(diǎn)代表樣品，散點(diǎn)之間的距離代表樣品間的差異性與親疏性，主成分貢獻率越大，代表包含更多數據信息。
判別因子分析(DFA)是一種通過(guò)重新組合原始變量信息來(lái)優(yōu)化區分的分類(lèi)技術(shù)，它根據相關(guān)性大小把數據分組，且不改變原有變量，使不同類(lèi)數據組間距離最大的同時(shí)，保證同類(lèi)數據組內差異最小，使各個(gè)組間的重心距離最大。
選用奎寧作為苦味標準液對8種配方進(jìn)行試驗，所得結果分別用PCA和DFA進(jìn)行分析。
選擇傳感器JE、ZZ、BB、GA，PCA和DFA分析結果見(jiàn)圖3。
4、PLS建模及預測
建立PLS大豆分離蛋白苦味預測模型，以4根優(yōu)化后傳感器電壓響應值作為自變量，以感官評分值作為因變量構建PLS模型。得回歸方程:
y=66.6953－0.0041s1－0.0053s2+0.0004s3－0.0001s4，
式中：y為電子舌苦味預測值;s1、s2、s3、s4分別為傳感器ZZ、JE、BB、GA電壓響應值。
在所建立的偏最小二乘模型中，P(P=0.000)＜0.05，表明此模型的回歸方程具有顯著(zhù)意義。以4根優(yōu)化后傳感器電壓響應值構建PLS為0.969，RMSE為0.035，實(shí)際值與預測值有較好的相關(guān)性，預測效果較好。
5、RBF建模及預測
本次試驗重疊系數選取范圍為1～3，隱含層節點(diǎn)數選取范圍為4～15。建立兩個(gè)RBF神經(jīng)網(wǎng)絡(luò )模型，其中建模集有32個(gè)樣本，預測集有32個(gè)樣本。輸入層節點(diǎn)數都為4，分別對應4根傳感器電壓響應值和前4個(gè)PC值，隱含層節點(diǎn)通過(guò)自身學(xué)習確定最優(yōu)節點(diǎn)數，輸出層輸出配方的苦味得分。預測結果表明，隨著(zhù)重疊系數的增加，建模集與預測集的RMSE逐漸減小，因此最終確定重疊系數為3。隨著(zhù)隱含層節點(diǎn)數的增加，RMSE逐漸減小，但隱含層節點(diǎn)數增加到一定值之后，RMSE逐漸增大，由此確定最佳隱含層R節點(diǎn)數為9。在4-9-1結構中，4根優(yōu)化后傳感器電壓響應值預測集的RMSE和分別為0.010和0.987，前4個(gè)PC預測集的RMSE和R分別為0.007、0.913。RMSE小于PLS預測模型的0.035、0.093，R均大于PLS預測模型的0.969、0.334，說(shuō)明4根傳感器電壓響應值與前4個(gè)PC作為輸入參數建立的RBF預測模型預測值更接近真實(shí)值，預測效果較好。
三、結論
本文采用法國Astree電子舌對8種不同條件下大豆分離蛋白的苦味進(jìn)行分析，采用主成分分析、判別因子分析、偏最小二乘法和RBF神經(jīng)網(wǎng)絡(luò )對采集到的數據進(jìn)行分析。結果表明，PCA與DFA顯示的結果一致，均可鑒別配方的苦味程度;經(jīng)超聲波、超高壓、高壓均質(zhì)、酶解處理的大豆分離蛋白苦味相近，經(jīng)超聲波、超高壓、高壓均質(zhì)處理酶解的大豆分離蛋白苦味程度較高，勉強可以接受;RBF神經(jīng)網(wǎng)絡(luò )預測模型的預測效果比PLS預測模型的預測效果好，預測結果與感官評價(jià)得分結果一致。參考文獻：蘆建超,惠延波,胡曉利,布冠好.基于電子舌的大豆分離蛋白苦味分析與評價(jià)技術(shù)研究[J].河南工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2019,40(06):65-69+79.DOI:10.16433/j.cnki.issn1673-2383.2019.06.011.
