基于感官與理化指標的椪柑果酒貨架期預測模型

李 沖

麻成金1

余 佶2

鄒海英2

彭珍珍2

(1. 吉首大學林產化工工程湖南省重點實驗室，湖南 張家界 427000; 2. 吉首大學食品科學研究所，湖南 吉首 416000)

基于感官與理化指標的椪柑果酒貨架期預測模型

李 沖1

麻成金1

余 佶2

鄒海英2

彭珍珍2

(1. 吉首大學林產化工工程湖南省重點實驗室，湖南 張家界 427000; 2. 吉首大學食品科學研究所，湖南 吉首 416000)

通過對不同貯藏溫度下椪柑果酒的感官、理化(揮發酸)和微生物(細菌總數)指標的變化分析，將感官威布爾危害分析(Weibull Hazard Analysis,WHA)模型和動力學模型分別結合Arrhenius方程，建立2種指標下椪柑果酒的貨架期預測模型，并驗證結果。研究結果表明，基于感官評價指標,在25，30，35，40 ℃溫度下的貨架期預測終點分別是620，436，310，222 d，相對誤差為-5.48%～5.52%；基于揮發酸評價指標,在25，30，35，40 ℃溫度下的貨架期預測終點分別是633，450，319，227 d，相對誤差為-2.74%～8.96%。椪柑果酒的貯藏溫度與細菌總數相關性不顯著，不作為具體參考指標。基于感官評價指標的貨架期預測模型性能較優，可用于椪柑果酒的貨架期終點預測。

椪柑果酒；品質；貨架期；預測模型

椪柑果實產品研制及加工新技術研究一直倍受關注，但關于椪柑果酒貯運過程中的品質變化規律和貨架期研究依然是空白。生活質量的改善促使人們重視食品的品質與貨架期，準確合理地預測食品貨架期，可減少不必要的損失和食品安全隱患，也是當前研究的熱點之一[1-2]。

當前，關于食品貨架期研究較多，根據原理不同，可分為人工智能[3]、統計學[4]、化學動力學[5]、基于溫度動力學預測[6]、微生物生長動力學[7]5類。實際運用中，不同方法都有其局限性，需要根據食品特性，制定相應的貨架期預測方法[8]。其中基于統計學的WHA模型、零級及一級化學反應動力學模型，已被應用于葡萄酒[9]、冬棗[10]、豬油曲奇餅干[11]、南美白對蝦[12]、鹽漬榨菜[13]、燒烤鹽[14]、魷魚[15]、板鴨[16]、滅菌乳[17]等的貨架期預測，但未見椪柑果酒貨架期的相關報道。本試驗擬以瓶裝椪柑果酒為研究對象，通過分析影響椪柑果酒產品質量關鍵指標的變化規律，并運用WHA及動力學方法建立椪柑果酒貨架期預測模型，旨在提高椪柑果酒貨架期預測精度，為相關產品的貨架期預測提供參考。

1 材料與方法

1.1 原料與試劑

椪柑果酒(瓶裝)：酒精度12%，殘糖含量5 g/L，屬半干型發酵酒，湖南邊城生物科技有限公司；

氫氧化鈉、酚酞、乙醇(95%)、鹽酸、碘、碘化鉀、氯化鈉、磷酸二氫鉀、硼酸鈉、葡萄糖：AR級，國藥集團化學試劑有限公司；

淀粉、胰蛋白胨、酵母浸膏、瓊脂：BR級，北京奧博星生物技術有限責任公司。

1.2 儀器與設備

生化培養箱：SPX-250B-Z型，上海博訊實業有限公司醫療設備廠；

紫外可見分光光度計：UV-2550型，日本島津公司；

電子天平：BS225S型，上海歐邁科學儀器有限公司；

恒溫水浴鍋：KXS 型，西安禾普生物科技有限公司；

數字式 pH 計：PHS-25型，上海雷磁儀廠；

蒸汽殺菌器：YA-ZD-5 型，東莞市興萬電子廠；

菌落計數器：XK97-A型，杭州齊威儀器有限公司；

微型漩渦混合儀：XW-80A型，上海滬西分析儀器廠有限公司。

1.3 試驗方法

1.3.1 評價指標的測定

(1) 細菌總數：按GB 4789.2—2010執行。

(2) 揮發酸含量：按GB/T 15038—2006執行。

(3) 感官評價：遵循Weibull Hazard原則[18-19]，評價小組由8位經過培訓的專業人員組成(男女各半)，年齡在25～35歲。感官評價時，將椪柑果酒樣品從恒溫箱中取出，自然冷卻至室溫后，評價員依據表1進行感官評分，當超半數人員拒絕(即總分<60分)時，判定失效[20]。

表1 椪柑果酒感官評分

各指標做3組平行試驗，取其平均值作為最終結果。

1.3.2 貨架期預測模型的建立 將待試驗的椪柑果酒分成A、B、C、D 4組，每組75瓶，每瓶凈含量450 mL，于25，30，35，40 ℃條件下恒溫、避光貯藏，按照規定時間間隔取樣，進行感官、理化、微生物檢驗。當感官評價至過半人員拒絕，試驗即為結束。

通過WHA方法對感官評價結果進行分析，預測椪柑果酒的貨架期并計算對應威布爾函數的有關參數，結合Arrhenius方程建立不同溫度下椪柑果酒的感官貨架期預測模型；運用一級化學反應動力學模型描述椪柑果酒貯藏過程中揮發酸的變化情況，并計算反應速率常數，同時結合Arrhenius方程建立基于揮發酸評價指標的椪柑果酒貨架期預測模型。

1.3.3 貨架期預測模型驗證和評價 取4組椪柑果酒，處理方式與1.3.2相同，以感官評價中半數人員不可接受的時間作為椪柑果酒的實測貨架期，計算實測貨架期與不同模型預測貨架期的相對誤差，評價其準確性。

2 結果與討論

2.1 微生物指標下的椪柑果酒品質變化

由表2可知，細菌總數的變化未呈現出一定規律，不能夠說明椪柑果酒的品質下降，故貨架期的終點根據感官、理化指標的試驗結果評價。

表2 不同貯藏溫度下的椪柑果酒細菌總數

2.2 感官威布爾(WHA)危害分析及預測模型建立

由表3～6可知，隨著瓶貯時間的延長及貯藏溫度的上升，感官不接受椪柑果酒數量逐漸增加；椪柑果酒揮發酸含量的上升與感官不接受產品數相關性明顯。

根據Weibull分布模型，得概率密度函數為：

表3 25 ℃下椪柑果酒貯藏的試驗結果?

? 椪柑果酒產品可接受時，以“+”表示；不可接受時用“-”表示。

表4 30 ℃下椪柑果酒貯藏的試驗結果?

? 椪柑果酒產品可接受時，以“+”表示；不可接受時用“-”表示。

表5 35 ℃下椪柑果酒貯藏的試驗結果?

? 椪柑果酒產品可接受時，以“+”表示；不可接受時用“-”表示。

表6 40 ℃下椪柑果酒貯藏的試驗結果?

? 椪柑果酒產品可接受時，以“+”表示；不可接受時用“-”表示。

(1)

式中：

f(t) ——概率密度；

α——尺度參數；

β——形狀參數；

t——發現新失效樣品的時間，d。

Weibul1模型累計分布函數為：

F(t)=1-e-(t/α)β。

(2)

假設ti(i=1,2,…,n)表示觀察到的按時間倒序排列的一系列失效樣本，則危險函數為：

(3)

累積危險函數可以表示為：

(4)

H(t)與F(t)關系：

(5)

兩邊取對數可變形為：

lgt=(1/β)lgH+lgα，

(6)

式中：

H——危害積累率；

α——尺度參數；

β——形狀參數。

椪柑果酒貨架期終點以H=69.3%為依據[18-20]。通過恒溫貯藏試驗獲得的數據擬合式可得到參數α、β，從而獲得相應溫度下的食品貨架期。

根據Weibull方法，對25，30，35，40 ℃下椪柑果酒的感官累積危害數據進行計算分析，并作對數圖，見圖1。

由圖1可知，25，30，35，40 ℃下的危害分析線性回歸方程的相關系數均>0.9，說明擬合精度較高。由斜率、截距求得尺度參數、形狀參數，見表7。

當2<β<4時，回歸方程更適用于椪柑果酒實際品質變化，可提高貨架期預測準確性[16]。分析(表7)可得，25，30，35，40 ℃下椪柑果酒感官Weibull分布圖的形狀參數β均分布在2～4，對應貨架期為655，393，323，224 d。

圖1 不同貯藏溫度下椪柑果酒的感官累積危害數據(對數坐標)

Table 7 Results of Ponkan fruit wine for sensory hazard analysis at different storage temperature

貯藏溫度/℃貨架期預測(H=69.3%)尺度參數(α)形狀參數(β)25655224.543.953039376.002.583532361.432.554022446.202.68

溫度對品質變化速率的Arrhenius關系式[21]：

(7)

式中：

K——品質變化速率常數；

K0——前因子；

Ea——活化能，J/mol；

R——氣體常數，8.314 J/mol；

T——開氏溫度，K。

兩邊取自然對數，得

(8)

由品質衰變函數F(A)=kt，得

(9)

由式(7)～(9)推導可得，貨架期對數值(lgts)與椪柑果酒瓶貯溫度的倒數(1/T)呈線性關系[17]：

(10)

作lgts對1/T的Arrhenius曲線，見圖2。

圖2 感官指標下椪柑果酒的Arrhenius曲線

由圖2可知，lgts對1/T的Arrhenius曲線擬合方程的R2為0.974 2，說明該曲線的線性關系較準確。由圖2的斜率與截距可得，Ea=53 095.02 J/mol，C=-6.508。得到椪柑果酒在不同瓶貯溫度下的貨架期預測模型：

(11)

式中：

R——氣體常數，8.314 J/mol；

T——開氏溫度，K；

ts——貨架期，d。

另取4組椪柑果酒(每組75瓶)，于25，30，35，40 ℃恒溫、避光條件下貯藏，定期間隔取樣進行感官評價，獲得椪柑果酒的實測貨架期，預測貨架期由式(11)預測模型得出。不同貯藏溫度下椪柑果酒貨架期的預測值、實測值見表8。

表8不同貯藏溫度下椪柑果酒貨架期的預測值、實測值

Table 8 Predicted and observed values of shelf life of Ponkan fruit wine at different storage temperature

貯藏溫度/℃預測值/d實測值/d相對誤差/%25620.42655-5.2830435.804135.5235310.00328-5.4840222.422172.49

由表8可知，通過感官威布爾貨架期預測模型獲得的預測值相對誤差率為-5.48%～5.52%，誤差較小，且較穩定，可用于快速、可靠地預測25，30，35，40 ℃貯藏條件下的椪柑果酒貨架期。

2.3 化學動力學預測模型建立

依據一級化學反應動力學模型與Arrhenius方程[22]，建立揮發酸指標下的椪柑果酒貨架期預測模型。

由表3～6的揮發酸含量變化數據作圖，見圖3。由圖3可知，揮發酸含量隨瓶貯時間的延長而上升。

對圖3中不同貯藏溫度下的各揮發酸含量變化曲線作回歸分析(指數方程)，得回歸方程及相關系數見表9。

表9不同貯藏溫度下椪柑果酒揮發酸含量變化對瓶貯時間的回歸方程

Table 9 Kinetic models for volatile acid of Ponkan fruit wine as a function of storage time at different storage temperatures

貯藏溫度/℃回歸方程R225y=0.2178e0.0018x0.968230y=0.2433e0.0027x0.998835y=0.2302e0.0043x0.958540y=0.2342e0.0066x0.9622

由表9可知，各回歸方程的R2>0.95，表明方程擬合度較好，可用于預測椪柑果酒的揮發酸含量變化。因此，不同貯藏溫度下椪柑果酒揮發酸變化動力學模型為：

T1=T0eKt，

(12)

式中：

T1——揮發酸含量，g/L；

T0——初始揮發酸含量，g/L；

K——揮發酸變化速率常數；

t——瓶貯時間，d。

揮發酸含量變化的動力學模型參數見表10。

圖3 不同貯藏溫度下椪柑果酒揮發酸含量與瓶貯時間的關系

Table 10 Parameters of kinetic models for volatile acid of Ponkan fruit wine at different storage temperatures

貯藏溫度/℃最初酸度/(g·L-1)變化速率K250.230.0018300.230.0027350.230.0043400.230.0066

將式(12)及表10中各參數結合Arrhenius方程，得到速率常數(K)關于貯藏溫度的函數：

(13)

式中：

A——回歸系數；

Ea——活化能，J/mol；

R——氣體常數，8.314 J/mol；

T——開氏溫度，K。

兩邊取對數，得

(14)

依據表10中數據，繪制lnK與1/T的Arrhenius 曲線，見圖4。

由圖4可知，lnK對1/T所作擬合方程的R2為0.998 8，表明方程擬合度高，線性方程為：

(15)

結合表10和式(14)，求得活化能Ea=67 715.04 J/mol，回歸系數A=1.29×109。因此，得到椪柑果酒揮發酸含量變化的Arrhenius方程為：

圖4 椪柑果酒揮發酸指標下的Arrhenius曲線

(16)

將式(16)代入到式(12)中，得到不同貯藏溫度下椪柑果酒揮發酸變化隨瓶貯時間的動力學模型：

T1=T0eKt，

(17)

式中：

T1——揮發酸含量，g/L；

T0——初始揮發酸含量，0.23 g/L；

K——揮發酸變化速率常數；

t——瓶貯時間，d；

R——氣體常數，8.314 J/mol；

T——開氏溫度，K。

由表3～6可得，當椪柑果酒貨架期到達終點時，在25，30，35，40 ℃條件下揮發酸含量分別為：0.72，0.72，1.10，0.94 g/L。代入式(17)，得揮發酸指標下的貨架期，見表11。

根據表11中的數據，建立不同貯藏溫度下椪柑果酒的貨架期預測模型見圖5。

將25，30，35，40 ℃代入到圖5中的貨架期預測模型，得出椪柑果酒的貨架期預測值。對比椪柑果酒的貨架期預測值與實測值(見表8)，計算兩者相對誤差，見表12。

表11不同貯藏溫度下椪柑果酒以揮發酸為評價指標的貨架期

Table 11 Predicted shelf life of Ponkan fruit wine using developed kinetic models for volatile acid at different storage temperatures

瓶貯溫度/℃25303540貨架期/d646412359216

圖5 不同貯藏溫度下椪柑果酒的貨架期預測模型曲線

Figure 5 Curve of shelf-life prediction model of Ponkan fruit wine at different storage temperatures

表12不同貯藏溫度下椪柑果酒貨架期的預測值、實測值

Table 12 Predicted and observed values of shelf-life of Ponkan fruit wine at different storage temperatures

貯藏溫度/℃預測值/d實測值/d相對誤差/%25633655-3.36304504138.9635319328-2.74402272174.61

由表12可知，由揮發酸貨架期預測模型計算所得的誤差率為-2.74%～8.96%，誤差波動較大。與感官威布爾貨架期預測模型及預測數據[式(11)及表8]相比，揮發酸貨架期預測模型較不穩定，預測結果波動也較大。

3 結論

(1) 椪柑果酒瓶貯過程中，分別對其感官評價、揮發酸、細菌總數變化規律進行分析，結果表明，細菌總數的變化并不能夠描述椪柑果酒品質下降的規律，因此椪柑果酒貨架期終點預測的依據選擇感官評價和揮發酸2項指標。

(2) 椪柑果酒的感官貨架期預測模型效果較好，可為椪柑果酒貯藏、流通環節中的品質預警提供依據；該類模型具有一定的主觀性，因而限制了其應用，如何對感官評價結果進行處理以提高其客觀、準確性，還需要進一步的探討。

[1] ELLOUZE M, AUGUSTIN J C. Applicability of biological time temperature integrators as quality and safety indicators for meat products[J]. International Journal of Food Microbiology, 2010, 138(1/2): 119-129.

[2] THEOFANIA Tsironi, ANASTASIOS Stamatiou, MARIAN-NA Giannoglou, et al. Predictive modelling and selection of time temperature integrators for monitoring the shelf life of modified atmosphere packed gilthead seabream fillets[J]. LWT-Food Science and Technology, 2011, 44(4): 1 156-1 163.

[3] 潘治利, 黃忠民, 王娜. BP神經網絡結合有效積溫預測速凍水餃變溫冷藏貨架期[J]. 農業工程學報, 2012, 28(22): 276-281.

[4] CARDELLI C, LABUZA T E. Application of weibull hazard analysis to the determination of the shelf life of roasted and ground coffee[J]. Lebensm Wissu Technol, 2001, 34(3): 273-278.

[5] 雷志方, 謝晶. 金槍魚基于理化指標的貨架期預測模型的建立[J]. 食品與發酵工業, 2015, 41(11): 185-191.

[6] 宋晨, 劉寶林, 王欣, 等. 花椰菜在不同貯藏溫度下的品質變化及貨架期預測[J]. 食品與發酵工業, 2009, 35(11): 168-171.

[7] 陳曉宇, 朱志強, 張小栓, 等. 食品貨架期預測研究進展與趨勢[J]. 農業機械學報, 2015, 46(8): 192-199.

[8] NELSON K, LABUZA T P. Water activity and food polymer science: implications of state on Arrhenius and WLF models in predicting shelf life[J]. Journal of Food Engineering, 1994, 22(1): 271-190.

[9] 段文佳, 史銘儡, 孟佳敏, 等. 試論貨架期內葡萄酒感官品質的穩定[J]. 釀酒科技, 2014(7): 75-77.

[10] 武杰, 張引成, 李梅玲, 等. 3種處理方式對冬棗貨架期品質的影響[J]. 食品科學, 2012, 33(6): 278-282.

[11] 鄒晴晴, 劉雪君, 王慧玲, 等. 豬油曲奇餅干貨架期預測模型的建立[J].食品與機械, 2017, 33(2): 121-125.

[12] 黃幸幸, 陳明, 葛艷, 等. 南美白對蝦貨架期預測指標選擇及模型研究[J]. 食品與機械, 2017, 33(4): 109-116.

[13] 熊發祥, 但曉容, 鄧冕, 等. 鹽漬榨菜貨架期預測動力學模型研究[J]. 食品科學, 2010, 31(5): 116-120.

[14] 岳元媛, 田艷. 不同風味燒烤鹽貨架期分析[J]. 食品與機械, 2016, 32(5): 127-136.

[15] 金雅芳, 鄧云. 高靜壓處理對魷魚品質及貨架期穩定性變化的影響[J]. 食品與機械, 2015, 31(3): 135-139.

[16] 張麗平, 余曉琴, 童華榮. Weibull模型在板鴨貨架期預測中的應用[J]. 食品科技, 2010, 35(2): 111-113.

[17] 曹平, 于燕波, 李培榮. 應用Weibull Hazard Analysis方法預測食品貨架期[J]. 食品科學, 2007, 28(8): 487-491.

[18] BOOR K J. Fluid dairy product quality and safety[J]. Journal of Dairy Science, 2001, 84(1): 1-11.

[19] CHAPMAN K W, LAWLESS H T, BOOR K J. Quantitative descriptive analysis and principal component analysis for sensory characterization of ultrapasteurized milk[J]. Journal of Dairy Science, 2001, 84(1): 12-20.

[20] HOUGH G, LANGOHR K, GOMEZ G, et al. Survival analysis applied to sensory shelf life of foods[J]. Journal of Food Science, 2003, 68(1): 359-362.

[21] LABUZA T P. Temperature/enthalpy/entropy/compensation in food reactions[J]. Food Technol, 1980, 34(2): 67-69.

[22] JACXSENS L, DEVLIEGHERE F, DEBEVERE J. Temperature dependence of shelf-life as affected by microbial proliferation and sensory quality of equilibrium modified atmosphere packaged fresh produce[J]. Postharvest Biology and Technology, 2002, 26(1): 59-73.

Prediction model for the shelf-life of ponkan fruit wine based on sensory and physic-chemical indexes

LIChong1

MACheng-jin1

YUJi2

ZOUHai-ying2

PENGZhen-zhen2

(1.KeyLaboratoryofHunanForestProductsandChemicalIndustryEngineering,JishouUniversity,Zhangjiajie,Hunan427000,China; 2.InstituteofFoodScience,JishouUniversity,Jishou,Hunan416000,China)

According to the analysis of sensory, physic-chemical characteristics(VFA) and microbiological characteristics (total bacterial) for Ponkan fruit wine, using Weibull Hazard Analysis(WHA)，chemical reaction kinetic model and Arrhenius equation, the shelf-life prediction models were established under two different kinds of indexes, respectively. The results showed that the shelf-life end point under different storage temperature of 25,30,35 and 40 ℃ by the prediction model of sensory evaluation were 620, 436, 310 and 222 d, respectively, and the relative error was in the range of -5.48% to 5.52%. The predicted end points of the shelf-life under the evaluation index of volatile acid were 633, 450, 319, and 227 d, respectively, and the relative error was in the range of -2.74% to 8.96%. The correlation between the changes of the total number of bacteria and the storage temperature were not obvious, and this was not suitable for the establishment of shelf-life prediction model. The verification results showed that the prediction model based on the sensory evaluation index was better. Thus, this could provide the further basis data for the early warning of the quality and storage of Ponkan fruit wine.

Ponkan fruit wine; quality; shelf-life; prediction model

湖南省科技成果轉化與產業化重點項目(編號：2013CK1010)；吉首大學校級科研項目(編號：JGY201657)

李沖，男，吉首大學在讀碩士研究生。

麻成金(1963—)，男，吉首大學教授，碩士。 E-mail: machengjin368@126.com

2017—06—03

10.13652/j.issn.1003-5788.2017.07.030