<多变量分析对预测感官质地之改善>-黄怡菁、汪毓屏、姚念周

摘要

  本研究为比较传统线性回归与多变量分析方法预测感官质地的效果,以质地仪之检测结果与水分含量、渗水率等物化特性,利用二元一次线性回归、二元二次线性回归及PLS多变量模式(方程式)预测解冻之预煮滷牛腱其解冻后之感官品质,共有流水、冷藏、热水与微波4种解冻方法。

  结果发现,PLS多变量模式比线性回归模式有更好的解释模式,并且证明,经过筛选训练与训练评估的品评员确实可以提供有效的科学化数据。因此,只要找到正确的模式,使用经过正确筛训评估的品评员加上适当的多变量预测模式,是可以使用仪器指标数据来预测感官强度反应。

前言

  由于人工智慧的发展,厂商也急切希望是否能够找到适合的仪器分析,可以代表感官分析的结果,导致许多仪器厂商不断追求精密度、准确度,或是归咎于人的感官不客观;但事实上,只要找到正确的模式,使用经过正确筛训评估的品评员,是可以使用仪器预测感官强度反应。至于喜好性的反应,因为牵涉文化背景,在我们去年的研究中发现,目前还是需要训练型品评员作为中间媒介。

材料与方法

►样品製备
  -预煮的滷牛腱冷冻后分别以下列四种方式解冻: 流水解冻、冷藏解冻、微波解冻与废水解冻
  -固定大小/平均部位

►感官分析方法-分析性感官测试
  -经过筛选训练与评估之14 位品评员
  -对感官特性共识后加以定义
  -有隐藏控制组
  -使用比例估计法针对四项感官质地特性进行四重複
  -比例估计法的原始数据透过几何平均数标准化处理

►物化性检测
  -质地分析仪:硬度、弹性、内聚力、咀嚼度、緻密度
  -渗水率
  -水分含量

►将物化性检测数据感官分析数据进行线性回归分析
  -二元一次线性回归
  -二元二次线性回归

►将物化性检测数据感官分析数据进行PLS多变量分析(利用Unscrambler® X )
变数们
感官特性,被预测的Y 预测因子X

硬度
多汁性
纤维鬆散度
咀嚼度

质地分析仪:
  硬度、弹性、内聚力、咀嚼度、
  緻密度
渗水率
水分含量

结果-二元二次线性
使用二元二次线性才有下面4个预测模式 R2>0.5
感官特性,被预测的Y 预测因子X 方程式 R2
 硬度 渗水率  Y=1.39-4.21x+9.41x2 0.57
 多汁性 渗水率  Y=0.36+8.68x-17.56x2 0.73
 纤维鬆散度 渗水率  Y=0.73-4.24x-10.50x2 0.55
 咀嚼度 渗水率  Y=1.33-2.86x+3.89x2 0.56

结果-多变量分析
多变量分析轻鬆找到下面4个预测模式 Factor 4 多个 X 预测多个Y
感官特性,被预测的Y 预测因子X R2
 硬度

硬度、弹性、内聚力、咀嚼度、緻密度、渗水率、水分含量。

0.81
 多汁性 0.91
 纤维鬆散度 0.97
 咀嚼度 0.86

以多变量分析 factor 4的预测模式,其感官硬度的量测值与预测值之间的相关性达90%

1.该模式的预测参数(迴归係数图)
2.该模式预测与实际值的差异(下表)
 ※以硬度代表


四项感官特性的预测参数

结论

  获得良好质地测定仪与感官预测性的两个关键因素:

  1.利用PLS多变量分析比二元一次、二元二次线性方程式都有更好的预测模式。

  2.透过训练型品评员可以获得稳定可量化的感官数据。

回到 专业论文 列表