一种预测百香果汁香气强度变化的方法与流程

1.本发明涉及一种预测水果及其加工制品中香气物质与呈味物质相互作用后效果的研究方法，特别涉及一种基于机器学习和人工感官预测百香果汁中酯类物质与呈味物质相互作用后香气强度变化的方法，属于食品风味化学技术领域。


背景技术：

2.百香果学名西番莲，又名鸡蛋果，是西番莲科，西番莲属的热带多年生常绿藤本植物，分为紫果西番莲、黄果西番莲及二者的杂交种。百香果通常以新鲜水果或果汁的形式食用，由于其感官特性而广受欢迎。它具有异国情调，花香和果香。百香果又因其果汁香味馥郁，甜酸可口、色泽悦目，有“果汁之王”的美称。百香果果汁色橙黄，具有石榴、菠萝、香蕉等10余种水果的浓郁香味，由于它具有独特的天然香味和丰富的营养物质，越来越受到人们的重视。同时百香果果汁是饮料加工的优质原料，被称为天然营养浓缩物，是果汁、冰激凌、点心、果冻等各类产品增香及改善产品风味口感的“果汁味精”，是果汁饮品必不可缺的原料。
3.香气成分是评价果汁品质的重要指标之一。随着国际市场对果品品质要求的提高及食品工业对天然风味物质需求的增加，百香果的香气日益受到关注。最近几年，消费者对脂肪，糖或盐含量较低的健康食品的需求引起了业界的极大兴趣，这些需求跟食品基质对风味释放和感知的影响有关(例如蛋白质，多糖和脂质会与风味化合物发生相互作用)，而配方中的呈味物质的改变可能会影响果汁的香气成分，从而影响消费者的接受程度。关于配方中呈味物质和香气物质之间的相互作用及其对感官品质的影响报道较少。本发明旨在通过结合人工感官与多元回归模型来预测百香果汁中酯类物质与呈味物质相互作用后香气强度的变化，提供了一种对果汁配方中的呈味物质与香气物质进行定量分析的方法，为实际生产中果汁香精调配、风味质量调控提供了直接理论依据。


技术实现要素：

4.本发明所要解决的技术问题是：如何预测水果及其加工制品中香气物质与呈味物质相互作用后效果。
5.为了解决上述技术问题，本发明提供了一种预测百香果汁香气强度变化的方法，其特征在于，包括以下步骤：
6.步骤1)：分析百香果汁的可溶性糖与有机酸的含量，以去离子水和可溶性糖、有机酸为基质，模拟真实百香果果汁体系；使用基质对于关键的单一酯类香气物质a配置多个不同的浓度点，通过对比气味强度参考标度进行人工感官评价，对香气物质a的香气强度打分评价；将香气物质a与呈味物质b用基质配置不同浓度比例的混合物，对混合物的香气强度打分评价；
7.步骤2)：利用origin 8.5软件对步骤1)中香气物质a在不同浓度下的香气强度感官值进行非线性拟合，得到香气物质a的oi
‑
c关系模型，其中，oi指香气物质a的香气强度，c
指香气物质a的浓度；将浓度c、香气强度oi、呈味物质b的浓度作为自变量，将步骤1)所得混合物中香气物质a的香气强度作为因变量，利用spssau拟建多元回归方程来预测混合物中随香气物质a与呈味物质b不同浓度下的香气强度的变化。
8.优选地，所述步骤1)中的基质为根据测得的百香果汁中可溶性糖与有机酸含量，由葡萄糖、果糖、蔗糖、苹果酸、柠檬酸、丙二酸、琥珀酸与去离子水混合配置的百香果汁模拟基质溶液。
9.优选地，所述步骤2)中的多元回归方程中，将香气物质a的浓度c作为自变量x1，同时为了提高预测模型的真实性，增加香气物质a在不同浓度下对应的香气强度oi作为自变量x2，呈味物质b的浓度作为自变量x3与混合物中香气物质a的香气强度y建立多元回归方程；为解决自变量之间的共线性问题，采用岭回归模型拟合x1、x2、x3、y，对模型进行优化，最终得到预测模型：y＝ax1 bx2 cx3 d。
10.优选地，所述步骤2)中香气物质a的oi
‑
c关系模型中，将香气物质a的浓度c的值m代入oi
‑
c模型得到浓度c为m下的香气强度oi
m
，同时将香气物质a的浓度c的值m、呈味物质b的浓度的值n代入预测模型y＝ax1 bx2 cx3 d得到混合后a的香气强度oi
mn
；相互作用效果判别如下：若oi
mn
/oi
m
＝1，则b对a没有影响；若oi
mn
/oi
m
<1，则为b对a有掩盖作用；若oi
mn
/oi
m
>1，则b对a有协同或加成作用。
11.本发明通过考察百香果汁中酯类物质与呈香物质混合后相互作用对香气强度的影响，利用origin 8.5软件作图和非线性拟合得到香气物质oi
‑
c关系式，达到香气物质浓度与香气强度相互转化的目的。同时利用spssau建立岭回归预测模型，可以通过香气物质与呈味物质的浓度直接预测混合后香气强度的感官值及其对应的相互作用效果，以此达到香气物质与呈味物质之间相互作用的效果定性定量预测效果，对产品配方修改，加工质量保证提供了理论指导。该方法结合了人工感官与机器学习，弥补了对香气物质与呈味物质相互作用效果研究空缺的问题，且结果直观可靠，预测方法简单可行，适用性广泛。
附图说明
12.图1为丁酸乙酯浓度与香气强度关系图；
13.图2为丁酸乙酯与果糖混合后香气强度ridge回归(岭回归)岭迹图；
14.图3为丁酸乙酯与果糖混合后香气强度岭回归模型结果图。
具体实施方式
15.为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。
16.实施例
17.一种基于机器学习和人工感官预测百香果汁中酯类物质与呈味物质相互作用后香气强度变化的方法，具体步骤如下：
18.1、利用hplc分析百香果汁中可溶性糖与有机酸含量。用以重量百分比计的4.238％的果糖、3.172％的蔗糖、4.241％的葡萄糖、19.105％的柠檬酸、5.663％的苹果酸、0.214％的丙二酸、0.170％的琥珀酸和63.197％的去离子水混合配制模拟百香果果汁基质溶液，模拟体系。选取百香果汁中酯类的关键香气物质丁酸乙酯、重要果汁基质与食品添加剂的呈味物质果糖作为研究对象。为了更加清晰的看到相互作用的效果，将丁酸乙酯的浓
度扩大到200mg/kg，作为起始浓度点，使用基质依次稀释配置10个浓度点。根据气味强度参考标度制备正丁醇的标准水溶液，感官人员对丁酸乙酯10个浓度点的香气强度进行匹配打分，样品的平均香气强度作为最终实际香气强度。将10个不同浓度梯度的丁酸乙酯添加到含200mg/g果糖的基质溶液中形成10组二元混合物，再将10个不同浓度梯度的果糖添加到含有200mg/kg丁酸乙酯的基质溶液中形成10组二元混合物，感官人员对这20组混合物同样根据气味强度参考标度进行匹配打分，共得到60组数据作为预测模型数据。
19.表1 气味强度参考表
20.强度标准香气浓度(mg/kg)110220340480516063207640812809256010512011102401220480
21.表2 丁酸乙酯的浓度、平均香气强度值
[0022][0023]
表3 丁酸乙酯浓度、丁酸乙酯香气强度、果糖浓度、混合后丁酸乙酯香气强度
[0024][0025]
2、利用origin 8.5软件对表2中丁酸乙酯在不同浓度下的香气强度感官值进行拟合，得到丁酸乙酯的oi(香气强度)
‑
c(浓度)非线性模型，由图1可知，该模型表达式为：oi＝5.762 1.401c
0.227
，其中r2＝0.984，表明该模型拟合效果游戏，将丁酸乙酯浓度与香气强度进行了转化。
[0026]
利用spssau对表3中的数据进行多元回归分析，将丁酸乙酯浓度、丁酸乙酯香气强度、果糖浓度作为自变量，混合后丁酸乙酯香气强度作为因变量进行多元回归分析，为解决自变量共线性的问题，采用岭回归模型(ridge regression)对模型进行优化。图2为ridge回归(岭回归)分析后得到的岭迹图，图中可以看到，当k值为0.13时，此时自变量的标准化回归系数趋于稳定，因而k值取为0.13，由表4可知此时模型r方值为0.957，意味着丁酸乙酯浓度,丁酸乙酯香气强度,果糖浓度可以解释混合物中丁酸乙酯的香气强度的95.67％变化原因，表明该模型拟合优秀。对模型进行f检验时发现模型通过f检验(f＝412.415，p＝0.000<0.05)，也即说明丁酸乙酯浓度,丁酸乙酯香气强度,果糖浓度中至少一项会对混合物中丁酸乙酯的香气强度产生影响关系，丁酸乙酯浓度,丁酸乙酯香气强度会对混合物中丁酸乙酯的香气强度产生显著的正向影响关系。以及果糖浓度会对混合物中丁酸乙酯的香气强度产生显著的负向影响关系。该模型公式为：混合物中丁酸乙酯的香气强度＝3.975 0.005
×
丁酸乙酯浓度 0.567
×
丁酸乙酯香气强度
‑
0.003
×
果糖浓度。该模型将丁酸乙酯浓度、果糖浓度与混合后香气强度进行了转化。
[0027]
表4 ridge回归分析结果
[0028][0029][0030]
如将丁酸乙酯浓度200mg/kg带入oi
‑
c模型得到该浓度下的香气强度为10.43，同
时将丁酸乙酯浓度200mg/kg、香气强度10.43、果糖浓度100mg/g带入预测模型得到混合后丁酸乙酯的香气强度为10.59，相互作用效果判别如下：10.59/10.43>1，即可判定此浓度下果糖对丁酸乙酯有协同或加成作用，且最终效果值为10.59。
[0031]
本发明的一种基于机器学习和人工感官预测百香果汁中酯类物质与呈味物质相互作用后香气强度变化的方法，操作简单快捷，结果直观可靠。