采用伏安型電子舌評價低鈉鹽配方中的苦味

白薇薇，惠延波，牛群峰，陽雨妍

(1.河南工業(yè)大學(xué) 電氣工程學(xué)院，鄭州 450001；2.南京理工大學(xué) 機械工程學(xué)院，南京 210094)

采用伏安型電子舌評價低鈉鹽配方中的苦味

白薇薇1*，惠延波1，牛群峰1，陽雨妍2

(1.河南工業(yè)大學(xué) 電氣工程學(xué)院，鄭州 450001；2.南京理工大學(xué) 機械工程學(xué)院，南京 210094)

采用伏安型電子舌對8種低鈉鹽配方樣品進(jìn)行苦味特性評價研究。使用電子舌系統(tǒng)采集樣品信號，利用小波分析進(jìn)行數(shù)據(jù)壓縮預(yù)處理，結(jié)合主成分分析、聚類分析對低鈉鹽配方進(jìn)行區(qū)分分類，利用徑向基神經(jīng)網(wǎng)絡(luò)建立低鈉鹽苦味預(yù)測模型。結(jié)果表明：小波壓縮后剩余能量和置零系數(shù)比分別為99.23%，99.42%；主成分得分圖上，低鈉鹽配方與苦味參比樣品差異明顯；聚類分析結(jié)果與主成分分析結(jié)果相一致，正確反映了樣品之間的親疏關(guān)系；徑向基神經(jīng)網(wǎng)絡(luò)建立的苦味預(yù)測模型均方根誤差為1.48%，預(yù)測結(jié)果與實際感官評價結(jié)果相吻合。該研究為低鈉鹽的呈味特性評價提供了一種新的方法和途徑。

低鈉鹽；伏安型電子舌；苦味；小波壓縮；主成分分析；徑向基神經(jīng)網(wǎng)絡(luò)

這些年，為了達(dá)到健康飲食的目的，低鈉鹽逐漸得到人們的青睞[1]。低鈉鹽通常是利用鉀鹽代替部分鈉鹽，雖然食鹽替代物能夠降低食鹽中鈉的含量，但是味覺感受需在一定的可接受范圍內(nèi)才能被人們認(rèn)可。低鈉鹽的口感是評價低鈉鹽配方品質(zhì)的重要指標(biāo)，當(dāng)前主要采用感官評價方法對低鈉鹽的苦澀味進(jìn)行判別，該方法昂貴、費時，主觀意識和周圍環(huán)境在評價過程中影響較大，使得評價結(jié)果不夠客觀準(zhǔn)確，判別的有效性和可靠性較低。在現(xiàn)代分析技術(shù)中，電子舌已經(jīng)開始在食品工業(yè)領(lǐng)域發(fā)揮著重要作用[2-5]。電子舌技術(shù)是一種能快速檢測味覺品質(zhì)的新技術(shù)，能對不同的滋味進(jìn)行客觀的評價。目前，電子舌已廣泛應(yīng)用于飲料、水果、肉類、醫(yī)藥等方面的檢測研究[6-8]，但在低鈉鹽配方呈味特性評價中的應(yīng)用還未見相關(guān)報道。

本研究為了有效地評價低鈉鹽配方的苦味，利用伏安型電子舌對低鈉鹽配方溶液進(jìn)行數(shù)據(jù)采集，收集的數(shù)據(jù)信號首先通過小波壓縮，大量的樣品數(shù)據(jù)經(jīng)過多層小波分解后除去信號中的冗余，壓縮后的數(shù)據(jù)再通過主成分分析(PCA)、聚類分析(CA)法對樣品進(jìn)行區(qū)分分類，結(jié)合徑向基(RBF)神經(jīng)網(wǎng)絡(luò)，構(gòu)建低鈉鹽配方苦味得分預(yù)測模型，為低鈉鹽滋味品質(zhì)的研究提供參考。

1 材料與方法

1.1 實驗材料

氯化鈉、氯化鉀、葡萄糖酸鈉、單寧酸：均為分析純，購自洛陽昊華化學(xué)試劑有限公司。8種低鈉鹽配方和0.1%單寧酸均為自制，低鈉鹽配方中各物質(zhì)配比見表1。

表1 配方中各物質(zhì)配比Table 1 The formula ratios of materials %

1.2 實驗儀器

伏安型電子舌系統(tǒng)：金屬電極陣列，采用三電級系統(tǒng)，工作電極金、銀、鈀、鉑可選；輔助電極為鉑柱電極；參比電極為Ag/AgCl電極；全套電極拋光材料；以上電極材料均購置于天津艾達(dá)恒晟科技有限公司。EL204型精密電子天平：梅特勒-托利多儀器有限公司。

1.3 實驗方法

1.3.1 感官評價

對各種低鈉鹽配方進(jìn)行感官評價，分析各種配方的口感。從專業(yè)人員中選出10名身體健康、味覺敏感的感官評價員，男女比例為1∶1。每種樣品每人品嘗1次，采用量值法，每名感官評價員分別對樣品進(jìn)行打分，評價標(biāo)準(zhǔn)見表2。記錄品嘗小組中所有感官評價員對所配鹽溶液的苦味得分值，將統(tǒng)計的平均值作為感官評價結(jié)果。

表2 鹽溶液評分標(biāo)準(zhǔn)Table 2 The scoring standard of salt solution

1.3.2 電子舌檢測

利用伏安型電子舌對低鈉鹽配方溶液進(jìn)行數(shù)據(jù)采集，該電子舌是三電極系統(tǒng)，工作電極為金、銀、鈀、鉑電極，輔助電極為鉑柱電極，參比電極為Ag/AgCl電極。金屬工作電極陣列作為感測部分，采用循環(huán)伏安的電化學(xué)分析方法，將工作電極和輔助電極之間形成的回路電流作為檢測信號進(jìn)行采集分析。循環(huán)伏安法的參數(shù)設(shè)置：掃描電位為-2～2 V，掃描速率為200 mV/s，采樣間隔為2 mV。每次采樣共輸出采樣點3986個，每種樣品重復(fù)采集10次。此外，在電子舌檢測過程中，為了避免電極上雜質(zhì)的積累，每2次樣品采樣之間設(shè)置電極清洗序列(蒸餾水，清洗40 s)。

1.3.3 數(shù)據(jù)處理

電子舌采樣產(chǎn)生了大量的伏安數(shù)據(jù)，不利于后續(xù)的數(shù)據(jù)分析。將采樣數(shù)據(jù)通過小波分析進(jìn)行預(yù)處理，降低原始數(shù)據(jù)的維數(shù)，從信號中提取顯著特征。小波分析具有局部分析和細(xì)化的功能，在小波變換中，信號壓縮是在信號的小波分解域?qū)π〔ㄏ禂?shù)進(jìn)行量化的過程，對經(jīng)過量化的數(shù)據(jù)進(jìn)行存儲或傳輸便可以達(dá)到信號的壓縮[9,10]。剩余能量和置零系數(shù)比2個參數(shù)可評價小波壓縮性能，剩余能量：(處理過的小波系數(shù)的模平方/原信號的模平方)×100%；置零系數(shù)比：(處理后的小波系數(shù)中0的個數(shù)/原信號的分解系數(shù)的個數(shù))×100%。通常，剩余能量隨著置零系數(shù)比的增加而減小，所以，應(yīng)選擇合適的小波基和分解層數(shù)。本文選用了Haar小波進(jìn)行9層分解，每種信號的3986個數(shù)據(jù)被壓縮到21個數(shù)據(jù)。

主成分分析(PCA)是將多指標(biāo)簡化為少量綜合指標(biāo)的一種統(tǒng)計分析方法，用少數(shù)變量盡可能多地反映原來變量的信息，保證原信息損失小且變量數(shù)目盡可能少[11,12]。在主成分分析中，通過變量變換的方法把相關(guān)的變量變?yōu)槿舾刹幌嚓P(guān)的綜合指標(biāo)變量，從而實現(xiàn)對數(shù)據(jù)集的降維，在一定程度上揭示了數(shù)據(jù)最好的解釋變量的隱藏結(jié)構(gòu)(主成分)，使得問題得以簡化，將主成分分析應(yīng)用于實驗樣品的綜合評價上，分析樣品之間的相似性。

聚類分析(CA)是根據(jù)研究對象的特征對研究對象進(jìn)行分類的多元分析方法，聚類分析實質(zhì)上是尋找一種客觀反映元素之間親疏關(guān)系的統(tǒng)計量，該統(tǒng)計量可以是距離或者相似系數(shù)，然后根據(jù)這種統(tǒng)計量把元素分成若干類[13]。聚類分析的思想是先把N種樣品各自分為一類，通過合適的聚類分析方法將距離最近的兩類合為一個新類，最終將所有樣品歸為一類。利用基于距離的聚類分析方法，分析樣品之間的親疏關(guān)系。

徑向基(RBF)神經(jīng)網(wǎng)絡(luò)是一種局部逼近網(wǎng)絡(luò)，是具有輸入層、隱含層和輸出層的三層前向神經(jīng)網(wǎng)絡(luò)[14，15]。影響RBF神經(jīng)網(wǎng)絡(luò)性能的參數(shù)包括隱含層節(jié)點數(shù)量、徑向基函數(shù)、重疊系數(shù)、隱含層與輸出層之間的權(quán)重。為了測試RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測性能，隨機選取4種樣品(40個樣本)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集，剩余的4種(40個樣本)作為預(yù)測集。訓(xùn)練中選用高斯函數(shù)作為激活函數(shù)，采用K均值聚類算法來確定徑向基函數(shù)中心，隱含層節(jié)點個數(shù)的具體值在網(wǎng)絡(luò)學(xué)習(xí)過程中按最優(yōu)準(zhǔn)則確定，通過預(yù)測集的均方根誤差來衡量模型性能。

2 結(jié)果與分析

2.1 感官評價結(jié)果

依據(jù)表2的評價標(biāo)準(zhǔn)得到各配方樣品的苦味得分值，配方6和配方7的苦味得分值較低，見表3。

表3 低鈉鹽配方的苦味得分值Table 3 The bitterness score of low-sodium salt formula

2.2 小波壓縮

信號壓縮的基本目標(biāo)是在不損失信號所攜帶的信息的前提下，盡可能地減少用于存儲信號的開銷。采用Haar小波，其具有良好的逼近性和穩(wěn)定性，8種樣品的平均剩余能量和置零系數(shù)比見表4。分解層數(shù)小于4層時，樣品的平均置零系數(shù)比較小，壓縮后數(shù)據(jù)量仍較大；當(dāng)分解層數(shù)大于9層時，樣品的平均剩余能量和置零系數(shù)比趨于恒定。

表4 平均剩余能量和置零系數(shù)比Table 4 The average remaining energy and zero coefficient ratio

利用Haar小波對信號進(jìn)行9層分解，選用全局閾值進(jìn)行信號壓縮處理，最終每種信號3986個數(shù)據(jù)被壓縮成21個數(shù)據(jù)。以配方1為例，電子舌工作電極為鈀電極和鉑電極時原始信號和壓縮后的信號對比圖見圖1和圖2。

圖1 鈀電極下的原始信號和壓縮后的信號Fig.1 The original and compressed signal of Pd

圖2 鉑電極下的原始信號和壓縮后的信號Fig.2 The original and compressed signal of Pt

由圖1和圖2可知，采集的數(shù)據(jù)通過小波壓縮，能夠去除信號中的冗余，保留信號的有用信息。

2.3 主成分分析(PCA)

8種低鈉鹽配方組分配比不同，其苦味特性存在一定差異，8種低鈉鹽配方和0.1%單寧酸電子舌主成分分析結(jié)果見圖3。

圖3 主成分分析得分圖Fig.3 PCA scores of formula

前2個主成分PC1和PC2分別包含了原來信息量的55.5%和31.8%，累計貢獻(xiàn)率能夠充分展現(xiàn)原始信息。8種配方在圖中位置接近，表明其“味道”相近。單寧酸與其他樣品距離較遠(yuǎn)，差異較大。單寧酸樣品和其他樣品在PC1(55.5%)上差異明顯，區(qū)分明顯；在PC2(31.8%)上，配方7和配方2、配方1和配方8、配方3和配方6、配方5和配方4分別較為接近。由圖3的樣品分散程度可知，9種樣品分為2大類：低鈉鹽配方和單寧酸，說明低鈉鹽配方與單寧酸樣品在苦味上有較大差異，低鈉鹽配方呈苦味不明顯。主成分分析反映了樣品之間的差異性和親疏關(guān)系。

2.4 聚類分析(CA)

為了進(jìn)一步研究樣品之間的親疏關(guān)系，對8種低鈉鹽配方和0.1%單寧酸樣品進(jìn)行聚類分析，基于類平均法分類得到樹狀圖，見圖4。

圖4 聚類分析譜系圖Fig.4 Dendrogram of hierarchical cluster analysis

由圖4可知，當(dāng)類平均距離為0.0376時，樣品集合被分為2類：8種低鈉鹽配方和單寧酸樣品，這一結(jié)果與主成分分析中單寧酸樣品和其他樣品在PC1上差異明顯結(jié)果一致。當(dāng)類平均距離為0.0061時，樣品集合被分為5類：單寧酸為一類，剩下的配方1和配方8、配方2和配方7、配方3和配方6、配方4和配方5分別為一類，這一結(jié)果和主成分分析中各種配方之間的接近程度結(jié)果相一致。單寧酸作為苦味參比，與8種低鈉鹽配方具有較大差距，說明低鈉鹽配方呈苦味不明顯。聚類分析進(jìn)一步說明了低鈉鹽配方與單寧酸之間的差異性，同時更清晰地呈現(xiàn)了配方樣品之間的親疏關(guān)系。

2.5 基于RBF神經(jīng)網(wǎng)絡(luò)的低鈉鹽配方樣品預(yù)測

為了進(jìn)一步評估電子舌對低鈉鹽樣品的苦味識別能力，嘗試使用RBF神經(jīng)網(wǎng)絡(luò)建立樣品苦味預(yù)測模型。利用RBF神經(jīng)網(wǎng)絡(luò)對小波壓縮后的伏安數(shù)據(jù)構(gòu)建低鈉鹽苦味預(yù)測模型，經(jīng)過系統(tǒng)的研究及優(yōu)化其拓?fù)浣Y(jié)構(gòu)后，設(shè)計了84-32-1的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。輸入神經(jīng)元個數(shù)為84(4種工作電極×21個數(shù)據(jù))；隱含層設(shè)置了32個神經(jīng)元，隱含層節(jié)點個數(shù)的具體值在網(wǎng)絡(luò)學(xué)習(xí)過程中按最優(yōu)準(zhǔn)則確定；輸出層設(shè)置了1個神經(jīng)元，對應(yīng)樣品苦味值。

RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果見圖5。

圖5 RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果Fig.5 Prediction results of RBF neural network model

測試樣本數(shù)是40個，分別對應(yīng)著4種低鈉鹽配方樣品。X軸表示測試樣本數(shù)，Y軸表示苦味值，預(yù)測集的RMSE為1.48%。結(jié)果表明：該模型達(dá)到了很好的預(yù)測效果。

3 結(jié)論

采用電子舌技術(shù)對8種低鈉鹽配方進(jìn)行了苦味特性評價研究，利用小波壓縮、主成分分析、聚類分析和徑向基神經(jīng)網(wǎng)絡(luò)對電子舌采集的數(shù)據(jù)進(jìn)行相關(guān)分析。結(jié)果顯示：小波壓縮能有效地壓縮樣品信號，減少數(shù)據(jù)量，保留信號特征；利用主成分分析和聚類分析對樣品進(jìn)行區(qū)分分類，兩種分析方法結(jié)果一致，樣品之間的親疏關(guān)系得到充分展現(xiàn)；結(jié)合感官評價結(jié)果，采用徑向基神經(jīng)網(wǎng)絡(luò)建立低鈉鹽配方苦味預(yù)測模型，預(yù)測結(jié)果與實際感官評價吻合。電子舌技術(shù)能夠?qū)崿F(xiàn)對低鈉鹽配方的苦味特性評價。

[1]王春曉，崔娟，楊靜，等.通過開展減鹽行動控制我國心血管疾病流行的可行性與必要性[J].中國衛(wèi)生政策研究，2010(9)：49-53.

[2]王夢馨，薄曉培，韓善捷，等.不同防凍措施茶園茶湯滋味差異的電子舌檢測[J].農(nóng)業(yè)工程學(xué)報，2016，32(16)：300-306.

[3]曹仲文.電子舌對醬油的區(qū)分識別研究[J].中國調(diào)味品，2017,42(3)：110-113.

[4]潘玉成，葉乃興，江福英，等.電子舌在茶葉檢測識別中的應(yīng)用[J].茶葉科學(xué)，2016，36(6):621-630.

[5]Yang Y, Chen Q, Shen C, et al. Evaluation of monosodium glutamate, disodium inosinate and guanylate umami taste by an electronic tongue[J].Journal of Food Engineering,2013,116(3):627-632.

[6]劉瑞新，李慧玲，李學(xué)林，等.基于電子舌的穿心蓮水煎液的掩味效果評價研究[J].中草藥，2013,44(16)：2240-2245.

[7]Banerjee R, Tudu B, Shaw L, et al. Instrumental testing of tea by combining the responses of electronic nose and tongue[J].Journal of Food Engineering,2012,110(3):356-363.

[8]張淼，賈洪鋒，李燮昕，等.電子舌在鮮榨橙汁摻假識別中的應(yīng)用研究[J].食品與機械，2015,31(6)：92-94.

[9]桑燕芳，王中根，劉昌明.小波分析方法在水文學(xué)研究中的應(yīng)用現(xiàn)狀及展望[J].地理科學(xué)進(jìn)展，2013,32(9)：1413-1422.

[10]宋志強，張瑩，吳江.基于小波包-Haar小波變換的漏磁檢測信號降噪數(shù)據(jù)壓縮方法[J].機床與液壓，2017,45(2)：126-129.

[11]肖立中，陳洋洋，田懷香，等.基于PCA-BP算法的雞精風(fēng)味質(zhì)量模型研究[J].中國調(diào)味品，2016，41(11):78-82.

[12]Sahoolizadeh A H,Heidari B Z, Dehghani C H. A new face recognition method using PCA, LDA and neural network[J]. International Journal of Computer Science and Engineering,2008(4):218-223.

[13]陳歡，曹承富，張存嶺，等.基于主成分-聚類分析評價長期施肥對砂姜黑土肥力的影響[J].土壤學(xué)報，2014,51(3)：609-617.

[14]彭顯剛，胡松峰，呂大勇.基于RBF神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法綜述[J].電力系統(tǒng)保護(hù)與控制，2011,39(17)：144-148.

[15]周維華.RBF神經(jīng)網(wǎng)絡(luò)隱層結(jié)構(gòu)與參數(shù)優(yōu)化研究[D].上海：華東理工大學(xué)，2014.

Evaluation of Bitterness in Low-sodium Salt by Voltammetric Electronic Tongue

BAI Wei-wei1*, HUI Yan-bo1, NIU Qun-feng1, YANG Yu-yan2

(1.College of Electrical Engineering,He'nan University of Technology, Zhengzhou 450001, China;2.College of Mechanical Engineering,Nanjing University of Science & Technology,Nanjing,210094,China)

A voltammetric electronic tongue is used to evaluate the bitterness of eight kinds of low-sodium salt samples. The signal of sample is collected by voltammetric electronic tongue system.The data are pretreated by wavelet analysis. And then the formula of low-sodium salt is classified by principal component analysis and cluster analysis. The model for predicting the bitterness of low-sodium salt is established by RBF neural network. The results show that the retained energy and the number of zeros are 99.23% and 99.42% after wavelet compression. On the score chart of principal component, the low-sodium salt formula and the bitterness reference samples have obviously differences. The results of cluster analysis and principal component analysis are consistent, and correctly reflect the relationship of samples. The root mean square error (RMSE) of the bitterness prediction model based on RBF neural network is 1.48%. The prediction results are in agreement with the actual sensory evaluation results. This research has provided a new way for the evaluation of flavor characteristics of low-sodium salt.

low-sodium salt；voltammetric electronic tongue；bitterness；wavelet compression；principal component analysis；RBF neural network

2017-03-17 *通訊作者

糧食信息處理與控制教育部重點實驗室資助項目(KF11-2015-101)

白薇薇(1992-)，女，碩士，研究方向：糧油食品檢測技術(shù)與裝置；

惠延波(1964-)，男，教授，博士，研究方向：制造業(yè)信息化、糧油食品檢測技術(shù)與裝置。

TS311

A

10.3969/j.issn.1000-9973.2017.09.026

1000-9973(2017)09-0109-04