基于質(zhì)構(gòu)儀TPA模式構(gòu)建蛋白腸感官評(píng)分預(yù)測(cè)模型及應(yīng)用

朱美淋 張貞煒 余杰 黃瀟漪 蔣雨含 邢沁澮 賈利蓉

摘要：為建立一套客觀、數(shù)據(jù)化評(píng)價(jià)動(dòng)植物雙蛋白腸感官綜合評(píng)分的方法，該研究采用質(zhì)構(gòu)剖面分析（TPA）測(cè)定24 組不同配方的樣品，結(jié)合感官評(píng)價(jià)方法，通過逐步回歸分析建立感官綜合評(píng)分預(yù)測(cè)模型，并將其應(yīng)用于響應(yīng)面實(shí)驗(yàn)以優(yōu)化雙蛋白腸的配方。結(jié)果表明，動(dòng)植物雙蛋白腸的感官綜合評(píng)分預(yù)測(cè)模型為Y=－68.110＋0.003×硬度＋79.119×彈性－0.001×咀嚼性－18.393×回復(fù)性，該模型相關(guān)系數(shù)R2為0.902，校正決定系數(shù)RAdj2為0.875；響應(yīng)面回歸模型相關(guān)系數(shù) R2為0.962，校正決定系數(shù) RAdj2為?0.924，預(yù)測(cè)系數(shù)RPred2為0.861，優(yōu)化后蛋白腸的最佳配方為大豆拉絲蛋白質(zhì)量分?jǐn)?shù)74%、豬肉質(zhì)量分?jǐn)?shù)16%、大豆分離蛋白與花生蛋白粉比例7∶3、豬肉肥瘦比例7∶3，該配方下產(chǎn)品的感官評(píng)分實(shí)際值為8.51，與理論預(yù)測(cè)值（8.45）誤差較小。該研究得到的動(dòng)植物雙蛋白腸感官綜合評(píng)分預(yù)測(cè)模型的擬合度較高，實(shí)測(cè)值與預(yù)測(cè)值的吻合度較好，模型在響應(yīng)面實(shí)驗(yàn)中具有可行性，為客觀、快捷地評(píng)價(jià)新型肉腸的感官品質(zhì)提供了新思路。

關(guān)鍵詞：動(dòng)植物雙蛋白腸；質(zhì)構(gòu)剖面分析；感官綜合評(píng)分；回歸模型；響應(yīng)面實(shí)驗(yàn)

中圖分類號(hào)：TS251.65 ?????文獻(xiàn)標(biāo)志碼：A ????文章編號(hào)：1000-9973（2024）04-0044-06

Construction of Prediction Model for Sensory Score of Protein Sausages

Based on TPA Model of Texture Analyzer and Its Application

ZHU Mei-lin1， ZHANG Zhen-wei1， YU Jie2， HUANG Xiao-yi2，

JIANG Yu-han2，?XING Qin-hui3，?JIA Li-rong1*

（1.College of Biomass Science and Engineering， Sichuan University， Chengdu 610065， China;

2.Yibin Industrial Technology Research Institute of Sichuan University， Yibin 644000，

China; 3.New Hope Group Co.， Ltd.， Chengdu 611400， China）

Abstract： In order to establish an objective and data-based method for evaluating comprehensive sensory scores of animal and plant double protein sausages， in this study， texture profile analysis （TPA） is used to determine 24 groups of samples with different formulas， and a prediction model for comprehensive sensory scores is established by stepwise regression analysis combined with sensory evaluation method， which is applied to response surface experiment to optimize the formula of double protein sausages. The results show that the prediction model for comprehensive sensory scores of animal and plant double protein sausages is Y=－68.110＋0.003×hardness＋79.119×elasticity－0.001×chewiness－18.393×resilience， with the correlation coefficient R2 of 0.902 and the adjusted determination coefficient RAdj2 of 0.875. The correlation coefficient R2 of the response surface regression model is 0.962， the adjusted determination coefficient RAdj2 is 0.924， and the predicted coefficient RPred2 is 0.861. The optimal formula of protein sausages is optimized as follows： drawing soy ?protein mass fraction is 74%， pork mass fraction is 16%， the ratio of soy protein isolate to peanut protein powder is 7∶3 and the ratio of pork fat to lean is 7∶3. The actual value of sensory score of the product prepared under such formula is 8.51， which has a small error with ?the theoretical predicted value （8.45）.The prediction model for comprehensive sensory scores of animal ?and

收稿日期：2023-10-21

基金項(xiàng)目：2020年四川大學(xué)-宜賓市校市戰(zhàn)略合作專項(xiàng)資金項(xiàng)目（2020CDYB-1）

作者簡(jiǎn)介：朱美淋（1998—），女，碩士，研究方向：健康食品工程。

*通信作者：賈利蓉（1972—），女，教授，博士，研究方向：農(nóng)產(chǎn)品加工及貯藏。

plant double protein sausages has a high fitting degree， and the actual value is in good agreement with the predicted value. The model is feasible in response surface experiment， which has provided a new idea for the objective and rapid evaluation of the sensory quality of new meat sausages.

Key words： animal and plant double protein sausages; texture profile analysis; comprehensive sensory score; regression model; response surface experiment

肉腸類產(chǎn)品包括香腸、薩拉米腸、臘腸等，是消費(fèi)者喜聞樂見的產(chǎn)品，此類產(chǎn)品膽固醇、飽和脂肪酸等含量較高，隨著消費(fèi)者對(duì)健康的日益重視，用部分植物蛋白替代動(dòng)物肉的雙蛋白腸產(chǎn)品逐漸進(jìn)入人們的視野。質(zhì)構(gòu)特性是評(píng)價(jià)此類產(chǎn)品的關(guān)鍵指標(biāo)，通常采用感官評(píng)價(jià)或質(zhì)構(gòu)儀的質(zhì)構(gòu)剖面分析（texture profile analysis，TPA）[1]進(jìn)行表征。感官評(píng)價(jià)能直觀反映產(chǎn)品質(zhì)構(gòu)的優(yōu)劣，但評(píng)價(jià)員需要通過系統(tǒng)篩選和訓(xùn)練，評(píng)價(jià)小組成員需要保持良好的健康狀態(tài)、人員相對(duì)穩(wěn)定，因此工作開展難度較大[2]。TPA通過模擬人類牙齒的咀嚼運(yùn)動(dòng)，對(duì)固體、半固體樣品進(jìn)行兩次壓縮，從而得到硬度、彈性、內(nèi)聚性、咀嚼性、回復(fù)性等質(zhì)構(gòu)參數(shù)，相比于傳統(tǒng)的感官評(píng)價(jià)方法，可避免評(píng)價(jià)員帶來的主觀誤差，具有客觀、科學(xué)、快捷、方便等優(yōu)點(diǎn)[3-4]。

多元線性回歸是一種客觀評(píng)價(jià)感官品質(zhì)的方法，可以將復(fù)雜的信息簡(jiǎn)單化，通過建立相關(guān)的評(píng)價(jià)模型，獲得量化的評(píng)價(jià)指標(biāo)[5]，現(xiàn)已廣泛應(yīng)用于南瓜[6]、黃牛肉[7]、茶葉[8]、全肉腸[9]等食品的感官品質(zhì)評(píng)價(jià)中，其利用食品的物理特性、質(zhì)構(gòu)儀測(cè)定數(shù)據(jù)等更精準(zhǔn)、快速地預(yù)測(cè)消費(fèi)者的感官需求，可以節(jié)約大量的時(shí)間及人工成本。目前新型肉腸的品質(zhì)評(píng)價(jià)系統(tǒng)較薄弱，缺乏感官評(píng)分?jǐn)?shù)學(xué)預(yù)測(cè)模型的建立和應(yīng)用，因此本研究以24 組動(dòng)植物雙蛋白腸為研究對(duì)象，采用逐步回歸分析法建立預(yù)測(cè)模型并應(yīng)用于響應(yīng)面實(shí)驗(yàn)，通過TPA數(shù)據(jù)量化感官綜合評(píng)分，以提供一套可行的動(dòng)植物雙蛋白腸感官評(píng)分的預(yù)測(cè)評(píng)價(jià)體系，為新配方和新工藝的開發(fā)奠定基礎(chǔ)。

1 材料和方法

1.1 材料

大豆拉絲蛋白：四川植得期待生物科技有限公司；大豆分離蛋白：山東萬德福實(shí)業(yè)集團(tuán)有限公司；花生蛋白粉：乳山市金果食品股份有限公司；豬肉：市售；大豆油：金龍魚糧油食品股份有限公司；乙酰化雙淀粉己二酸酯：河南萬邦化工科技有限公司；TG酶：濟(jì)南青瑞生物科技有限公司。

1.2 主要儀器與設(shè)備

博朗FP3010多功能家用食品加工機(jī) 德國精工機(jī)械有限公司；灌腸機(jī) 浙江哈瑞工貿(mào)有限公司；電熱恒溫干燥箱 上海齊欣科學(xué)儀器有限公司；DZQ-420C真空包裝機(jī) 福建省安盛機(jī)械設(shè)備有限公司；TA-XT Plus質(zhì)構(gòu)儀 英國Stable Micro Systems公司。

1.3 方法

1.3.1 動(dòng)植物雙蛋白腸樣品的制備

課題組前期已對(duì)動(dòng)植物雙蛋白腸基礎(chǔ)配方進(jìn)行了多次探究，以大豆分離蛋白與花生蛋白粉總量為基準(zhǔn)，基礎(chǔ)配方的各原料質(zhì)量分?jǐn)?shù)分別為大豆拉絲蛋白48%、豬肉24%（肥肉∶瘦肉為8∶2）、大豆分離蛋白與花生蛋白粉的比例為3∶2、水360%、大豆油60%、淀粉磷酸酯10%、TG酶6%。在上述配方基礎(chǔ)上進(jìn)一步優(yōu)化：1～6組中大豆拉絲蛋白質(zhì)量分?jǐn)?shù)分別為48%、58%、68%、78%、88%、98%，7～11組中豬肉質(zhì)量分?jǐn)?shù)分別為4%、24%、44%、64%、84%，12～18組中大豆分離蛋白與花生蛋白粉的比例分別為10∶0、9∶1、8∶2、7∶3、6∶4、5∶5、4∶6，19～24組中豬肉肥瘦比例分別為5∶0、4∶1、3∶2、2∶3、1∶4、0∶5，其余配方保持不變。將上述材料于斬拌機(jī)中混合均勻[10]，灌腸后在55 ℃恒溫培養(yǎng)箱中凝膠2 h，80～90 ℃熟化30 min。質(zhì)構(gòu)儀分析測(cè)定前，將實(shí)驗(yàn)樣品剝?nèi)ツc衣，用刀片加工成高度為25 mm的圓柱體。感官評(píng)定前將雙蛋白腸煎熱備用。

1.3.2 質(zhì)構(gòu)儀測(cè)定方法

質(zhì)構(gòu)儀參數(shù)設(shè)置參考余依敏等[11]的方法并稍作調(diào)整，探頭型號(hào)選擇36R，校準(zhǔn)高度為30 mm，壓縮比設(shè)置為50%，觸發(fā)點(diǎn)負(fù)載5×g，探頭下壓速率2 mm/s、測(cè)試速率1 mm/s、返回速率5 mm/s，循環(huán)2次，循環(huán)間可恢復(fù)時(shí)間3 s，目標(biāo)形變量3 mm，數(shù)據(jù)頻率10點(diǎn)/s，每組平行5次。

1.3.3 感官評(píng)價(jià)

感官評(píng)價(jià)小組由10名經(jīng)篩選和訓(xùn)練的評(píng)價(jià)員組成，對(duì)樣品進(jìn)行隨機(jī)編號(hào)并置于白色瓷盤中，評(píng)價(jià)員在同一環(huán)境中進(jìn)行獨(dú)立感官評(píng)分，評(píng)價(jià)完一組樣品后用清水漱口，間隔30 s后再進(jìn)行下一組樣品的評(píng)定。

感官分項(xiàng)評(píng)價(jià)采用10分制，各項(xiàng)目分為差（0～2分）、中等（3～5分）、較好（6～7分）、好（8～10分），對(duì)樣品的外觀（氣泡密度和顏色亮白程度）、風(fēng)味（植物蛋白和豬肉風(fēng)味協(xié)調(diào)程度）、組織狀態(tài)（切面緊致程度）、口感（肉感和嚼勁）進(jìn)行逐一評(píng)價(jià)，感官綜合評(píng)分=外觀×0.2+風(fēng)味×0.2+組織狀態(tài)×0.2+口感×0.4。

1.3.4 響應(yīng)面優(yōu)化實(shí)驗(yàn)

根據(jù)單因素實(shí)驗(yàn)結(jié)果，采用Box-Behnken設(shè)計(jì)原理，以大豆拉絲蛋白質(zhì)量分?jǐn)?shù)（A）、豬肉質(zhì)量分?jǐn)?shù)（B）、大豆分離蛋白與花生蛋白粉比例（C）和豬肉肥瘦比例（D）4個(gè)因素為響應(yīng)面考察因素，以感官綜合評(píng)分為響應(yīng)值，響應(yīng)面實(shí)驗(yàn)設(shè)計(jì)見表1。

1.3.5 數(shù)據(jù)分析

使用IBM SPSS 27軟件進(jìn)行顯著性分析，并對(duì)24組數(shù)據(jù)進(jìn)行逐步回歸分析；利用Design Expert 13.0.1軟件對(duì)響應(yīng)面實(shí)驗(yàn)數(shù)據(jù)進(jìn)行多元回歸擬合及對(duì)模型進(jìn)行方差分析，P<0.05 表示差異顯著，P<0.01表示差異極顯著。

2 結(jié)果與分析

2.1 動(dòng)植物雙蛋白腸質(zhì)構(gòu)與感官數(shù)據(jù)分析

以24 組動(dòng)植物雙蛋白腸為實(shí)驗(yàn)對(duì)象進(jìn)行質(zhì)構(gòu)分析及感官綜合評(píng)價(jià)，質(zhì)構(gòu)分析指標(biāo)包括硬度、彈性、內(nèi)聚性、咀嚼性、回復(fù)性，結(jié)果見表2。

由表2可知，測(cè)定指標(biāo)中咀嚼性的變異系數(shù)最大，為0.26%，其次是硬度和感官綜合評(píng)分，均為0.23%，彈性組間差異最小，變異系數(shù)僅為0.02%，說明改變產(chǎn)品配方中的大豆拉絲蛋白質(zhì)量分?jǐn)?shù)、大豆分離蛋白與花生蛋白粉比例、豬肉質(zhì)量分?jǐn)?shù)及豬肉肥瘦比例對(duì)雙蛋白腸咀嚼性、硬度、感官評(píng)分的影響較大，對(duì)彈性的影響最小。這是因?yàn)橹参锏鞍追酃不煨纬闪穗p蛋白腸主要的三維基質(zhì)或交織網(wǎng)絡(luò)[12]，大豆拉絲蛋白呈纖維狀，適量添加會(huì)增強(qiáng)網(wǎng)絡(luò)穩(wěn)定性[13]；豬瘦肉中的蛋白質(zhì)和豬肥肉中的脂肪發(fā)生乳化作用，可以改變腸內(nèi)肉餡的黏稠度和均勻度[14]，上述原料對(duì)雙蛋白腸的三維網(wǎng)絡(luò)強(qiáng)度影響較大，因此產(chǎn)品的硬度、咀嚼性、感官綜合評(píng)分變化較大。

2.2 預(yù)測(cè)模型建立

經(jīng)前期實(shí)驗(yàn)篩選后得到各項(xiàng)指標(biāo)均在合理范圍內(nèi)的實(shí)驗(yàn)組，以質(zhì)構(gòu)儀測(cè)定的動(dòng)植物雙蛋白腸指標(biāo)硬度、彈性、內(nèi)聚性、咀嚼性、回復(fù)性為自變量，感官綜合評(píng)分為因變量，進(jìn)行線性逐步回歸分析。5個(gè)變量的顯著性水平為硬度＜0.001、彈性＜0.001，內(nèi)聚性、咀嚼性、回復(fù)性分別為0.495，0.017，0.020，變量入選的顯著水平為0.05[15]，故舍去變量?jī)?nèi)聚性，建立感官綜合評(píng)分預(yù)測(cè)模型為Y=－68.110＋0.003×硬度＋79.119×彈性－0.001×咀嚼性－18.393×回復(fù)性，該回歸方程的P值小于0.001，相關(guān)系數(shù)R2為0.902，校正決定系數(shù)RAdj2為0.875，則方程因變量（感官綜合評(píng)分）可被自變量解釋的程度達(dá)到90.2%，表明篩選變量后構(gòu)建的多元回歸模型擬合度較好[16-17]。為了驗(yàn)證模型的可行性，將預(yù)測(cè)結(jié)果與感官綜合評(píng)分進(jìn)行統(tǒng)計(jì)分析，結(jié)果見表3。

由表3可知，標(biāo)準(zhǔn)誤差最大值為1.03（第10組），超過0.6的分別為第2，10，12，17組，其余實(shí)際得分與預(yù)測(cè)值的吻合度較好，表明基于質(zhì)構(gòu)儀TPA模式建立的感官評(píng)分預(yù)測(cè)模型可以用于動(dòng)植物雙蛋白腸。

2.3 預(yù)測(cè)模型的應(yīng)用

2.3.1 感官綜合評(píng)分預(yù)測(cè)

用質(zhì)構(gòu)儀測(cè)定響應(yīng)面實(shí)驗(yàn)設(shè)計(jì)中29組樣品的硬度、彈性、咀嚼性、回復(fù)性，通過感官評(píng)價(jià)預(yù)測(cè)模型得到感官綜合評(píng)分預(yù)測(cè)值，結(jié)果見表4。

2.3.2 響應(yīng)面回歸模型分析

將感官評(píng)分預(yù)測(cè)模型得到的感官評(píng)分值進(jìn)行響應(yīng)面分析，結(jié)果見表5。

由表5可知，響應(yīng)面回歸模型達(dá)到了極顯著水平（P＜0.01），失擬項(xiàng)不顯著（P=0.894 9>0.05），說明模型誤差小[18]；變異系數(shù)為3.37%（<10%），說明模型對(duì)響應(yīng)值的置信度良好，該模型可以較好地反映真實(shí)的實(shí)驗(yàn)結(jié)果；模型相關(guān)系數(shù) R2 為 0.962，說明該實(shí)驗(yàn)?zāi)Ｐ团c實(shí)際實(shí)驗(yàn)擬合較好，實(shí)際實(shí)驗(yàn)中約 96.2%的結(jié)果可以通過擬合模型進(jìn)行解釋[19]；校正后的決定系數(shù)RAdj2為?0.924，預(yù)測(cè)系數(shù)RPred2為0.861，兩者差值小于0.2，說明模型有較充分的準(zhǔn)確性和通用性[20]，因此可以用此模型來分析和預(yù)測(cè)雙蛋白腸配方實(shí)驗(yàn)中各因素對(duì)感官綜合評(píng)分的影響。以動(dòng)植物雙蛋白腸的感官評(píng)分為目標(biāo)函數(shù)，得到二次回歸方程：Y=8.08+0.392 5A－0.654 2B－0.058 3C－0.315 0D－0.39AB－0.372 5AC－0.535 0AD－0.065BC－0.062 5BD－0.257 5CD－0.432 2A2－0.719 7B2－0.400 9C2－1.02D2。

由表5可知，4個(gè)因素的F值大小為B>A>D>C，即4個(gè)因素對(duì)動(dòng)植物雙蛋白腸的感官綜合評(píng)分影響大小為豬肉質(zhì)量分?jǐn)?shù)>大豆拉絲蛋白質(zhì)量分?jǐn)?shù)>豬肉肥瘦比例>大豆分離蛋白與花生蛋白粉比例[21]。一次項(xiàng)中A、B、D及二次項(xiàng)的P值均小于0.01，表明對(duì)應(yīng)的因素對(duì)響應(yīng)值的影響極顯著；交互項(xiàng)AB、AC和AD的顯著性水平都小于0.01，交互作用極顯著，交互項(xiàng)CD對(duì)響應(yīng)值影響顯著（P＜0.05）。響應(yīng)曲面圖能直觀反映交互作用對(duì)響應(yīng)值的影響程度，曲面越陡，則影響越顯著[22-23]，響應(yīng)面圖1～圖3坡面陡峭（P＜0.01），說明AB、AC和AD對(duì)結(jié)果有極顯著影響，圖4陡峭程度較緩（P＜0.05），說明CD交互作用顯著，響應(yīng)曲面圖結(jié)果與方差分析結(jié)果一致。

2.3.3 優(yōu)化配方參數(shù)及驗(yàn)證實(shí)驗(yàn)

將實(shí)驗(yàn)方程進(jìn)行分析求解，最佳實(shí)驗(yàn)條件為大豆拉絲蛋白質(zhì)量分?jǐn)?shù)73.67%、豬肉質(zhì)量分?jǐn)?shù)15.96%、大豆分離蛋白與花生蛋白粉比例6.98∶3.02、豬肉肥瘦比例6.82∶3.18，考慮到工業(yè)生產(chǎn)的便捷性，將條件調(diào)整為大豆拉絲蛋白質(zhì)量分?jǐn)?shù)74%、豬肉質(zhì)量分?jǐn)?shù)16%、大豆分離蛋白與花生蛋白粉比例7∶3、豬肉肥瘦比例7∶3，此時(shí)感官綜合評(píng)分的理論預(yù)測(cè)值為8.45。最優(yōu)組平行實(shí)驗(yàn)重復(fù)3次，感官綜合評(píng)分實(shí)際值為8.51，與理論預(yù)測(cè)值誤差較小，表明該模擬回歸實(shí)驗(yàn)?zāi)Ｐ蜏?zhǔn)確性高，本實(shí)驗(yàn)感官綜合評(píng)分的預(yù)測(cè)和分析可以使用響應(yīng)面法。

3 結(jié)論

對(duì)24組不同配方的動(dòng)植物雙蛋白腸的感官綜合評(píng)分及質(zhì)構(gòu)儀測(cè)定數(shù)據(jù)進(jìn)行變異系數(shù)分析，改變大豆拉絲蛋白質(zhì)量分?jǐn)?shù)、豬肉質(zhì)量分?jǐn)?shù)、大豆分離蛋白與花生蛋白粉比例及豬肉肥瘦比例對(duì)產(chǎn)品咀嚼性、硬度、感官綜合評(píng)分的影響較大，對(duì)彈性的影響最小。

將感官綜合評(píng)分與質(zhì)構(gòu)數(shù)據(jù)進(jìn)行逐步回歸分析，內(nèi)聚性顯著性水平大于0.05，不滿足變量入選條件，構(gòu)建具有統(tǒng)計(jì)學(xué)意義的感官預(yù)測(cè)模型Y=－68.110＋0.003×硬度＋79.119×彈性－0.001×咀嚼性－18.393×回復(fù)性，模型預(yù)測(cè)值與實(shí)測(cè)值之間吻合度較好。

將預(yù)測(cè)模型應(yīng)用于響應(yīng)面實(shí)驗(yàn)，通過測(cè)定質(zhì)構(gòu)特征指標(biāo)硬度、彈性、咀嚼性及回復(fù)性，將感官模型預(yù)測(cè)值作為響應(yīng)值，得到的響應(yīng)面回歸模型達(dá)到了極顯著水平（P＜0.01），96.2%的結(jié)果可以通過擬合模型進(jìn)行解釋，模型的準(zhǔn)確性和通用性良好；響應(yīng)面法最終確定動(dòng)植物雙蛋白腸的最優(yōu)配方為大豆拉絲蛋白質(zhì)量分?jǐn)?shù)74%、豬肉質(zhì)量分?jǐn)?shù)16%、大豆分離蛋白與花生蛋白粉比例7∶3、豬肉肥瘦比例7∶3。該配方下的產(chǎn)品感官良好，感官綜合評(píng)分為8.51。

綜上所述，本研究根據(jù)感官品質(zhì)分析、質(zhì)構(gòu)特征指標(biāo)建立的動(dòng)植物雙蛋白腸品質(zhì)評(píng)價(jià)方法具有可行性，所得產(chǎn)品外觀及切面無明顯氣孔、組織緊實(shí)、咀嚼感良好、肉感佳。

參考文獻(xiàn)：

[1]GUAZI J S， CONTI A C. Use of artificial saliva for evaluation of instrumental texture of expanded snacks： part Ⅱ—correlations between sensory characteristics and instrumental properties[J].European Food Research and Technology，2022，249（4）：975-984.

[2]YU M， ZHENG C， XIE Q， et al. Flavor wheel construction and sensory profile description of human milk[J].Nutrients，2022，14（24）：5387-5396.

[3]羅斌，趙有斌，尹學(xué)清，等.質(zhì)構(gòu)儀在果蔬品質(zhì)評(píng)定中應(yīng)用的研究進(jìn)展[J].食品研究與開發(fā)，2019，40（5）：209-213.

[4]霍勝偉.質(zhì)構(gòu)儀在食品研究中的應(yīng)用現(xiàn)狀[J].現(xiàn)代食品，2017（16）：75-77.

[5]WANG L， LIU H， LIU L， et al. Prediction of peanut protein solubility based on the evaluation model established by supervised principal component regression[J].Food Chemistry，2017，218：553-560.

[6]趙思穎，李璐，劉小茜，等.基于感官品質(zhì)、質(zhì)構(gòu)特征及理化成分分析的中國南瓜果實(shí)感官綜合評(píng)價(jià)預(yù)測(cè)模型[J].食品科學(xué)，2022，43（23）：63-71.

[7]魏萌，張松山，謝鵬，等.九種本地雪花黃牛肉消費(fèi)者感官評(píng)價(jià)及品質(zhì)預(yù)測(cè)模型構(gòu)建[J].食品工業(yè)科技，2022，43（6）：278-286.

[8]蔣青香，李慧雪，李利君，等.基于感官檢驗(yàn)和氣相色譜-質(zhì)譜聯(lián)用對(duì)白芽奇蘭茶葉香氣分級(jí)[J].食品科學(xué)，2021，42（20）：98-106.

[9]劉昶，孟高歌，王晗，等.基于綜合品質(zhì)預(yù)測(cè)模型的低鈉鹽豬肉熏煮香腸感官品質(zhì)調(diào)控[J].食品與發(fā)酵工業(yè)，2023，49（3）：268-274.

[10]林晗，李順舟，劉淑君，等.植物基蛋白腸產(chǎn)品基礎(chǔ)配方[J].食品工業(yè)，2022，43（2）：120-125.

[11]余依敏，夏強(qiáng)，楊林林，等.魔芋葡甘聚糖-可得然膠共混凝膠替代動(dòng)物脂肪對(duì)乳化腸品質(zhì)特性的影響[J].食品科學(xué)，2021，42（16）：46-53.

[12]黃培文，陳林，丁婷，等.高壓均質(zhì)對(duì)油脂預(yù)乳化大豆拉絲蛋白素食香腸質(zhì)構(gòu)特性的影響[J].農(nóng)業(yè)工程學(xué)報(bào)，2022，38（19）：269-276.

[13]柳澤洋，王才立，張釗，等.植物基火腿的研發(fā)與配方優(yōu)化[J].大豆科技，2022（5）：11-19.

[14]孫方達(dá)，趙鉅陽，李媛媛，等.原料肉質(zhì)量及斬拌比例對(duì)紅腸品質(zhì)影響的研究[J].食品工業(yè)，2016，37（4）：197-202.

[15]張憶潔，祁巖龍，宋魚，等.不同馬鈴薯品種用于加工面條的適宜性[J].現(xiàn)代食品科技，2020，36（2）：85-93.

[16]PREZ-CACHO P R， HABA RUIZ M A， DIOS-PALOMARES R， et al.Linear regression models for estimating the effect of technological factors on the sensory characteristics of goat cheeses[J].International Journal of Food Science & Technology，2019，54（7）：2396-2407.

[17]王勇峰，郎玉苗，豐永紅，等.運(yùn)用逐步回歸方法建立牛肉感官品質(zhì)預(yù)測(cè)模型[J].食品工業(yè)科技，2016，37（13）：67-71.

[18]巫永華，顧冉，滕迎弟，等.響應(yīng)面優(yōu)化黑豆皮膳食纖維雞肉香腸工藝與品質(zhì)分析[J].中國調(diào)味品，2022，47（12）：108-112.

[19]蔡夢(mèng)迪，李玉輝，沈春霞，等.響應(yīng)曲面設(shè)計(jì)結(jié)合熵權(quán)法優(yōu)化石磨全麥掛面配方[J].食品與發(fā)酵工業(yè)，2024，50（15）：259-266.

[20]翟芳芳，朱文學(xué)，馬怡童，等.響應(yīng)面試驗(yàn)優(yōu)化低糖牡丹花脯涂膜配方[J].食品科學(xué)，2016，37（16）：83-87.

[21]丁華，魏佳，林麗靜，等.響應(yīng)面法優(yōu)化灰棗超微粉制備工藝及其粉體性能表征[J].現(xiàn)代食品科技，2023，39（1）：238-246.

[22]PEREZ-BAEZ A J， VALENZUELA-MELENDRES M， CAMOU J P， et al. Modelling the effects of roselle extract， potato peel flour， and beef fat on the sensory properties and heterocyclic amines formation of beef patties studied by using response surface methodology[J].Foods，2021，10（6）：1184-1191.

[23]李睿，郝瑞，王宇，等.模糊數(shù)學(xué)結(jié)合響應(yīng)面法研制即食黃芪[J].食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2023，14（2）：316-323.