一种基于原料指标预测辣椒油品质的干辣椒筛选方法
本发明属于食品分析检测,具体涉及一种基于原料指标预测辣椒油品质的干辣椒筛选方法。
背景技术:
1、辣椒是调味品深加工产业的核心原料,干辣椒是辣椒的主要加工形式。辣椒油由热油浇淋干辣椒粉制备而成,色泽红亮、香气浓郁,在川菜及各类风味食品中用量巨大。不同产地、不同品种的干辣椒在外观品质、营养品质及挥发性风味物质上存在显著的天然差异,该差异直接导致终端辣椒油产品在色泽、香气、滋味上的批次波动。因此,如何在原料采购环节即判断某批干辣椒制成辣椒油之后的品质优劣,是辣椒油生产企业实现产品品质稳定的关键。
2、cn115777901a公开了一种辣椒红油的制备方法,采用30名具备食品感官评定经验的人员,对制得的辣椒红油从颜色、气味与滋味三个方面按分段规则打分,取各组打分平均值作为产品品质的评定结果。该现有技术的缺点在于:其品质评定必须在辣椒红油实际制备完成之后才能进行,属于事后评价,企业只能采用先试后用的粗放模式,试错成本高;且颜色、气味、滋味的分段打分完全依赖评价员的主观判断,重现性差、不同评价小组之间难以横向比较,无法据此在采购环节对候选干辣椒原料进行前瞻性排序。
3、年国芳等在《新疆制干辣椒品质综合评价及加工适宜性分析》(食品工业科技,2023年,第44卷第4期,第317页至第325页)中,以新疆主栽的12个干椒品种为材料,通过主成分分析与聚类分析对干辣椒资源进行品质综合评价,并据此判断线椒适宜制作发酵辣椒酱、辣椒丝与油辣椒,朝天椒适宜提取辣椒碱,板椒适宜提取辣椒红色素。该方案的缺点在于:其加工适宜性结论停留在类别归属层面的定性推断,并未给出干辣椒指标与某一具体终端产品品质得分之间的定量模型,因而同一类别内部的多个候选原料仍然无法排序,也无法预测具体的终端产品品质数值。
4、综上,现有技术普遍存在原料评价与终端产品品质脱节、缺乏前瞻性定量预测能力、感官评价主观性强、单一理化指标评价片面等缺点,由此导致终端辣椒油产品品质波动大、企业试错成本高、优质原料的价值难以被有效识别。因此,亟需一种能够揭示干辣椒原料指标与辣椒油综合品质之间内在定量关联,并据此对干辣椒原料进行精准筛选的方法。
技术实现思路
1、为解决上述技术问题,本发明提供一种基于原料指标预测辣椒油品质的干辣椒筛选方法。
2、本发明的目的之一:揭示干辣椒原料内在品质指标与辣椒油综合品质之间的定量关联规律,建立从原料端贯通至产品端的评价体系,使干辣椒的评价结果能够真实反映其制油之后的终端品质表现,从而为辣椒油加工企业提供具有实际应用价值的原料筛选依据。
3、本发明的目的之二:提供一种可在原料采购环节直接输出辣椒油综合品质预测得分的定量模型,使企业无需实际制样与感官品评即可预先获知候选原料制油之后的品质表现,将先试后用的粗放模式升级为先评后购的精准模式,降低企业的试错成本、时间成本与资源消耗。
4、本发明的目的之三:通过对干辣椒外观品质、营养品质、水分含量及挥发性风味物质的多维度系统检测与科学降维,建立客观、可量化、可复现的干辣椒原料评价标准,克服人工感官评价主观性强、重现性差以及单一理化指标评价片面的缺点。
5、为实现上述目的,本发明采用的技术方案如下:
6、一种基于原料指标预测辣椒油品质的干辣椒筛选方法,包括:
7、s1、检测待筛选干辣椒的关键指标,关键指标包括正己醛含量、正己醇含量、乙酸乙酯含量、水分含量、b*值、辣椒素含量和辣椒红素含量,其中,b*值表示黄蓝度;
8、s2、将s1检测得到的关键指标代入预先构建的辣椒油综合品质预测模型,输出待筛选干辣椒制备辣椒油的综合品质预测得分;辣椒油综合品质预测模型为偏最小二乘回归模型,其自变量为干辣椒样本的关键指标,因变量为干辣椒样本对应辣椒油的综合品质得分,该综合品质得分由辣椒油的核心品质指标经熵权法赋权后线性加权得到;
9、s3、按综合品质预测得分由高到低对待筛选干辣椒排序,选取排序靠前的干辣椒作为制备辣椒油的原料。
10、进一步的,s2中,辣椒油综合品质预测模型按以下步骤构建:
11、s21、取n份干辣椒作为建模样本,n≥20,检测每份建模样本的21项理化指标与挥发性风味物质;
12、s22、对21项理化指标与挥发性风味物质进行降维,得到15项干辣椒品质指标;
13、s23、将每份建模样本制备成辣椒油,检测辣椒油的理化指标与挥发性风味物质并进行感官评价,确定与感官评分显著相关的16项辣椒油核心品质指标;再经熵权法赋权后线性加权,得到每份辣椒油的综合品质得分;
14、s24、从15项干辣椒品质指标中筛选出7项关键指标,分别为乙酸乙酯含量、辣椒红素含量、b*值、水分含量、正己醇含量、辣椒素含量与正己醛含量;以7项关键指标为自变量、以s23得到的综合品质得分为因变量,采用留一法交叉验证确定最优主成分数,建立偏最小二乘回归模型。
15、进一步的,s22中,降维包括理化指标降维与风味物质降维两部分:
16、理化指标降维为:对21项理化指标进行皮尔逊相关性分析,以相关系数r的绝对值≥0.7且p<0.05为强相关判定标准,在每一组相互强相关的指标中仅保留1项代表性指标,再剔除在n份建模样本间变异系数<10%的指标,得到7项理化指标;
17、风味物质降维为:对相对气味活度值>1的关键香气化合物,先剔除检出率<70%的化合物,再对未检出该化合物的样本以该化合物在全部样本中最小检出值的1/2补充缺失值,然后进行皮尔逊相关性分析,剔除与其他化合物显著相关且相对气味活度值较低的化合物,得到8种关键风味物质。
18、进一步的,s24中,筛选7项关键指标的方法为:对15项干辣椒品质指标进行主成分分析,按特征值>1的原则提取主成分;对第1主成分,取载荷绝对值≥0.79的指标;对第1主成分之外的各主成分,分别取该主成分上载荷绝对值最大且载荷绝对值≥0.89的指标;合并上述指标,得到7项关键指标。
19、进一步的,s23中,16项辣椒油核心品质指标为:a*值、b*值、辣椒红素含量、过氧化值、酸价、辣椒素含量、2-正戊基呋喃含量、2,3-二甲基吡嗪含量、长叶蒎烯含量、2,3-戊二酮含量、1-戊烯-3-酮含量、芳樟醇含量、2,3-丁二醇含量、正戊醇含量、苯乙醛含量和(e)-2-庚烯醛含量,其中a*值表示红绿度。
20、进一步的,s23中,综合品质得分按以下步骤计算:
21、第一步,将16项核心品质指标划分为正向指标、负向指标和适度指标,其中酸价、过氧化值、1-戊烯-3-酮、正戊醇、(e)-2-庚烯醛含量为负向指标,辣椒素、b*值、苯乙醛含量为适度指标,其余为正向指标;
22、第二步,对正向指标按yij=(xij-xjmin)/(xjmax-xjmin)、对负向指标按yij=(xjmax-xij)/(xjmax-xjmin)进行极差标准化,适度指标按照yij=1/(1+abs(xij-/5))进行标准化,得到标准化值yij,式中,i为样本序号,j为指标序号,xij为第i份辣椒油样本第j项指标的实测值,xjmax与xjmin分别为第j项指标在全部样本中的最大值与最小值,xkj为感官评分前五的第k份辣椒油样本的第j项指标的实测值;
23、第三步,按计算第j项指标下第i份样本的特征比重pij,并规定当pij=0时pij×ln(pij)=0;按计算第j项指标的信息熵ej,n为样本数;按dj=1-ej计算信息效用值dj;按wj=dj/σdj计算权重wj;
24、第四步,按fi=σ(wj×yij)线性加权,得到第i份辣椒油的综合品质得分fi。
25、进一步的,偏最小二乘回归模型的主成分数为1,其回归方程为:
26、y=0.4343+1.3398×10-4×a-1.2367×10-4×b+8.0504×10-5×c-2.1023×d-1.8198×10-3×e-0.0284×f+2.4485×10-3×g;
27、式中,y为辣椒油综合品质预测得分,无量纲;a、b、c依次为干辣椒中正己醛、正己醇、乙酸乙酯的相对含量,单位均为μg/kg;d为干辣椒的水分含量,以质量分数计并取小数,无量纲;e为干辣椒的b*值,无量纲;f为干辣椒的辣椒素含量,单位为mg/g;g为干辣椒的辣椒红素含量,单位为mg/g。
28、进一步的,s23中,辣椒油的制备方法为:将建模样本去蒂后粉碎为干辣椒粉,按干辣椒粉与菜籽油的质量比24:100分别称取干辣椒粉与菜籽油,将菜籽油加热至210℃后关火,待菜籽油冷却至180℃时立即浇入盛有干辣椒粉的容器中,搅拌1min后自然降温,灌装并浸提24h,取上清油液即为辣椒油。
29、本发明具有以下有益效果:
30、1、本发明建立了由干辣椒原料指标直接指向辣椒油综合品质得分的定量预测模型,使原料评价的落点从原料自身转移到终端产品,克服了现有技术一中评价对象与被评价对象同一、评价结果止步于原料端的缺点,实现了对未知原料制油品质的前向预测。
31、2、本发明的预测在原料检测环节即可完成,无需实际制备辣椒油,也无需组织感官品评,克服了现有技术二必须先制样后评价、只能采用先试后用模式的缺点;企业依据预测得分即可对多个候选批次直接排序并择优采购,大幅降低试错成本与时间成本。
32、3、本发明的模型输入为干辣椒原料自身的内在品质指标而非生产过程参数,输出为由外观、香气、口感与余味三类感官属性共同构成的综合品质得分而非单一合格判断,克服了现有技术三无法用于原料比选、评价维度单一的缺点。
33、4、本发明以皮尔逊相关性分析、变异系数剔除与主成分分析逐级降维,将21项理化指标与41种关键香气化合物精简至7项关键指标,检测项目少、检测成本低、易于在企业质检环节推广;同时以熵权法依据数据自身的离散程度客观赋权,克服了人工经验赋权与感官打分主观性强的缺点,评价结果客观、可量化、可复现。
34、5、本发明对皮尔逊相关性法、主成分分析法与偏最小二乘回归变量投影重要性法三种指标筛选方式所建模型进行了平行比较,确认主成分分析法筛选的指标集所建模型拟合与预测能力最优,其累积决定系数r2达到0.806、累积交叉验证决定系数q2达到0.731。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com