一种基于多种智能检测技术融合的植物乳喜好度的评价方法与流程

阅读：评论：0

1.本发明涉及一种基于多种智能检测技术融合的植物乳喜好度的评价方法，属于化学分析领域。

背景技术：

2.由于环境问题、生理疾病的膳食限制等原因，越来越多的人选择饮用植物乳来替代动物乳。但由于动植物蛋白质在组成、结构和功能特性上的差异性，同时还包括一些植物原料自身所带的独特的泽与气味，导致生产出来的植物乳在外观、风味和口感上和动物乳还存在一定的差距，因此消费者对植物乳的喜好度也是各不相同。为了提高消费者对植物乳的喜爱度，生产者需要了解消费者对于不同植物乳的喜好度，目前大部分生产者都是采用大规模的感官评定，整个过程费时费力；所以，亟需开发出一种简便、快速且准确的预测消费者对植物乳喜好度的方法。
3.随着传感器和智能仪器的迅速发展，其在食品检测等领域受到广泛关注和应用。电子鼻、电子舌和分光度仪可以分别从嗅觉、味觉和视觉多角度对食品进行评价。通过将三种检测技术融合，可以解释不同样品之间的差异，也可以更好地描述不同样品的气味、味道和外观。这种融合技术能够提供较为客观且准确的鉴别结果。例如：专利cn 114019100 a披露了一种基于多源信息融合技术的滇红工夫茶汤综合品质客观量化评价方法，但是其仅仅能用于澄清茶溶液的评价，而且茶汤之间的区别基本就是茶叶原料的区别。
4.而植物乳属于浑浊体系，主要是由水、脂肪、蛋白质、乳糖、矿物质、维生素等组成的一种复杂乳胶体；而且对于植物乳而言，因为各个生产商的配方并不一样，里面加入了许多乳化剂、增稠剂和甜味剂，所以即便是植物蛋白饮料的原料相同，但是因为生产商家不一样，味道就会有很大区别，消费者对产品的喜好度也是千差万别。即：想要实现对于植物乳喜好度的评价，不仅需要考虑原料不同，同时要克服添加剂带来的影响。
5.因此，如何寻开发一种通过嗅觉、味觉和视觉来简便、快速且准确的预测消费者对植物乳喜好度的方法属于植物乳领域的一大挑战，且这种评价方法的建立之后可以帮助植物乳企业更好地洞悉消费者的喜好度，进而生产出广受消费者欢迎的植物奶产品，具有广泛的市场前景。

技术实现要素：

6.[技术问题]
[0007]
目前，大部分生产者都是采用大规模的感官评定来了解消费者对于不同植物乳的喜好度，整个过程费时费力。
[0008]
[技术方案]
[0009]
为了解决上述问题，本发明通过融合电子鼻、电子舌和分光度仪三种智能检测技术，精确评价植物乳的外观、气味、味道和总体喜好度，提供了一种简便、快速且准确的预测消费者对植物乳喜好度的方法。
[0010]
本发明的第一个目的是提供一种基于多种智能检测技术融合的植物乳喜好度的评价方法，包括如下步骤：
[0011]
(1)特征信息提取：
[0012]
采用电子舌、电子鼻、分光度仪对于植物乳样品进行特性信息提取，得到电子舌、电子鼻、分光度仪特征值；
[0013]
(2)特征融合：
[0014]
将电子舌、电子鼻、分光度仪特征值采用z-score法进行标准化处理融合，得到标准化的特征数据集；
[0015]
(3)预测模型构建：
[0016]
采用主成分分析对于标准化的特征数据集进行降维处理，得到降维之后的特征数据集；基于降维之后的特征数据集，采用偏最小二乘回归分析(plsr)构建得到预测模型；
[0017]
(4)评价方法：
[0018]
将待评价的植物乳按照步骤(1)进行提取特征信息提取，之后将得到的特征值输入步骤 (3)的预测模型，即得到待评价的植物乳的外观、气味、味道以及总体的感官评分。
[0019]
在本发明的一种实施方式中，步骤(1)所述的采用电子舌进行特征信息提取是选取了配备有七根传感器和一个ag/agcl参比电极的电子舌进行测定；具体是：将植物乳样品放入容器中，室温下平衡一段时间，待仪器清洗完毕后进行检测，取植物乳样品与对照液的电导率差值为输出值；其中，对照液为氯化钾和酒石酸的混合溶液，1000ml混合溶液中含有2.2356 g氯化钾和0.045g酒石酸，其余为水。
[0020]
在本发明的一种实施方式中，步骤(1)所述的采用的电子舌配备的传感器分别酸味 (srs)、涩味(atg)、涩味回味(atg-a)、鲜味(ums)、咸味(sts)、甜味(sws)和丰度(rhs)。
[0021]
在本发明的一种实施方式中，步骤(1)所述的采用电子鼻进行特征信息提取是选取了配备有12个金属氧化物半导体传感器的电子鼻进行测定；具体是：将植物乳样品放入顶空瓶中，室温下平衡一段时间，待仪器清洗完毕后进行检测，取检测时间内12个金属氧化物半导体传感器的电导率比值曲线的平滑值为输出值。
[0022]
在本发明的一种实施方式中，步骤(1)所述的采用电子鼻的配备的传感器分别为s1(烷烃、烟雾类)、s2(醇类、醛类、短链烷烃类)、s3(臭氧)、s4(短链烷烃类)、s5(短链烷烃类)、s6(芳香化合物、醇醛类)、s7(含氢气体)、s8(烷烃类、烯烃类)、s9(短链烷烃类)、s10(可燃气体类)、s11(可燃气体类)和s12(烷烃类、有机气体)。
[0023]
在本发明的一种实施方式中，步骤(1)所述的采用分光度仪进行特征信息提取具体是：将植物乳样品加入透明的玻璃皿中，选取透视模式，测定每个植物乳样品的l*、a*、b*、h* 和c*。
[0024]
在本发明的一种实施方式中，步骤(1)中所述的植物乳样品包括牛奶、谷物基植物乳、坚果基植物乳和豆基植物乳4类。
[0025]
在本发明的一种实施方式中，步骤(1)所述的采用电子舌、电子鼻、分光度仪分别提取了336、576、240个特征值。
[0026]
在本发明的一种实施方式中，步骤(2)所述的标准化公式如式(1)：
[0027]
z＝(x-μ)/σ
ꢀꢀꢀꢀꢀ
(1)
[0028]
其中，z代表标准化的数值，x代表样品某一特征的原始数值，μ代表某一特征所有
样本的均值，σ代表某一特征所有样本的标准差。
[0029]
本发明的第二个目的是本发明所述的方法在食品领域的应用。
[0030]
[有益效果]
[0031]
(1)本发明所述的基于多种智能检测技术融合的植物乳喜好度的评价方法，通过电子鼻、电子舌和分光度仪三种检测技术融合，分别从嗅觉、味觉和视觉三个角度对植物乳进行多维特征提取，进而进行快速、客观且准确的评价；本发明的方法无需对样品进行前处理，不需要额外添加化学试剂检测，绿环保，操作简单，数据可靠。
[0032]
(2)本发明所述的基于多种智能检测技术融合的植物乳喜好度的评价方法，可以快速准确地对植物乳的消费者喜好度进行预测，避免了耗时耗力的大规模的感官评定，弥补了人工感官评价的主观倾向，为植物乳的质量评价提供了一种新的技术手段。
[0033]
(3)本发明所述的基于多种智能检测技术融合的植物乳喜好度的评价方法，可以对由不同植物原料所制备的植物乳进行分类判别，在植物乳产品检测方法具有不俗潜力。
附图说明
[0034]
图1为实施例2中所有乳样品的分析结果；其中，a：外观喜好度；b：气味喜好度；c：味道喜好度；d：总体喜好度。
[0035]
图2为实施例1和对比例1中通过三种检测技术单独和种融合处理四类乳样品的pca分析结果；其中a：电子鼻；b：电子舌；c：分光度仪图；d：电子鼻、电子舌和分光度仪融合；图中m：牛奶；c：谷物基植物乳；n：坚果基植物乳；l：豆基植物乳。
具体实施方式
[0036]
以下对本发明的优选实施例进行说明，应当理解实施例是为了更好地解释本发明，不用于限制本发明。
[0037]
实施例中所有的样品均由市场上采购，共12种样品，其中，牛奶、谷物基植物乳、坚果基植物乳和豆基植物乳各3种；
[0038]
实施例中采用仪器具体如下：supernose电子鼻(中国上海瑞玢智能科技有限公司)；日本insent味觉分析系统；分光度仪cs-820n(中国杭州彩谱科技有限公司)；
[0039]
其中，电子鼻配备有12个金属氧化物半导体传感器的电子鼻进行测定，所用的电子鼻配备的传感器分别为s1(烷烃、烟雾类)、s2(醇类、醛类、短链烷烃类)、s3(臭氧)、s4(短链烷烃类)、s5(短链烷烃类)、s6(芳香化合物、醇醛类)、s7(含氢气体)、s8(烷烃类、烯烃类)、s9(短链烷烃类)、s10(可燃气体类)、s11(可燃气体类)和s12(烷烃类、有机气体)；
[0040]
电子舌配备有七根传感器和一个ag/agcl参比电极的电子舌进行测定，其配备的传感器分别酸味(srs)、涩味(atg)、涩味回味(atg-a)、鲜味(ums)、咸味(sts)、甜味(sws) 和丰度(rhs)。
[0041]
实施例中采用的主成分分析方法是一种被广泛使用的无监督的线性转换技术，旨在利用降维的思想，把多指标转化为少数几个综合指标；具体可以参考文献(张毅.主成分分析在综合评价中的应用[j].荆门职业技术学院学报,2005(06):68-71)；偏最小二乘回归分析(plsr) 是通过数据降维的方式来建立因变量与自变量之间的回归关系，适用于自变量个数大于观察样本个数和自变量之间存在多重线性关系的情况，具体可以参考文献(陆
洪涛.偏最小二乘回归数学模型及其算法研究[d].华北电力大学,2014)。
[0042]
实施例1
[0043]
一种基于多种智能检测技术融合的植物乳喜好度的预测模型的构建方法，包括如下步骤：
[0044]
(1)电子鼻特征信息提取：
[0045]
将12种样品分别取5ml准确加入到20ml顶空瓶中，室温下平衡30min，待仪器清洗完毕后进行检测；单个样品单次检测时间为60s，取检测时间内12个金属氧化物半导体传感器的电导率比值曲线的平滑值为输出值；每个样品测定4次；
[0046]
从电子鼻中一共提取到12(传感器个数)*4(平行数)*4(原料种类)*3(样本数)＝576 个特征值；
[0047]
提取的特征值如表1：
[0048]
表1
[0049]
[0050][0051]
(2)电子舌特征信息提取：
[0052]
将12个样品分别取50ml放入电子舌专用塑料杯中，室温下平衡30min，待仪器清洗完毕后进行检测；单个样品单次检测持续时间为90s；取样品与对照液的电导率差值为输出值；每个样品测定4次；其中，对照液为氯化钾和酒石酸的混合溶液，1000ml混合溶液中含有2.2356g氯化钾和0.045g酒石酸，其余为水。
[0053]
从电子舌中一共提取到7*4*4*3＝336个特征值；
[0054]
提取的特征值如表2：
[0055]
表2
[0056]
[0057][0058]
(3)分光度仪特征信息提取：
[0059]
将12个样品分别取25ml加入透明的玻璃皿中，选取透视模式进行测定，测定每个样品的l*(亮度)、a*(红-绿值)、b*(黄-蓝值)、h*(调角)和c*(度)；每个样品测定4 次；
[0060]
从分光度仪中一共提取到5*4*4*3＝240个特征值；
[0061]
提取的特征值如表3：
[0062]
表3
[0063]
[0064][0065]
(4)特征融合：
[0066]
将步骤(1)-(3)得到的特征值采用z-score法进行标准化处理融合，得到标准化的特征数据集；其中，标准化公式如式(1)：
[0067]
z＝(x-μ)/σ
ꢀꢀꢀꢀꢀ
(1)
[0068]
其中，z代表标准化的数值，x代表样品某一特征的原始数值，μ代表某一特征所有样本的均值，σ代表某一特征所有样本的标准差；
[0069]
(5)预测模型构建：
[0070]
采用主成分分析对于标准化的特征数据集进行降维处理，得到降维之后的特征数据集；基于降维之后的特征数据集，采用偏最小二乘回归分析(plsr)构建得到预测模型；
[0071]
(6)验证模型的准确率：
[0072]
选择60位感官评定人员，采用10分喜好表；具体的形式是提供给感官评定人员一根10 cm的直线，0cm处代表极度不喜欢，10cm处代表极度喜欢，受邀感官评定员根据对提供的样品的喜好度随机划线，量取划线点距0cm处的距离为感官评定员对该样品的喜好度；每个样品重复测定5次。
[0073]
测定结果如表4：
[0074]
表4
[0075]
[0076][0077]
样品的外观、气味、味道和总体喜好度的预测回归公式如下表5：
[0078]
表5
[0079][0080][0081]
通过回归分析，计算得到预测模型的准确率如表6：
[0082]
表6
[0083][0084]
实施例2
[0085]
一种基于多种智能检测技术融合的植物乳喜好度的评价方法，包括如下步骤：
[0086]
按照实施例1的步骤(1)-(3)对于12种待测样品(市售牛奶、谷物基植物乳、坚果基植物乳和豆基植物乳各3种)进行特性信息提取，得到电子舌、电子鼻、分光度仪特征值；
[0087]
具体如表7-表9：
[0088]
表7电子鼻的特征值
[0089][0090]
表8电子舌的特征值
[0091][0092][0093]
表9分光度仪的特征值
[0094]
[0095]
将得到的特征值输入实施例1的预测模型，得到样品的外观、气味、味道以及总体的感官评分。
[0096]
实施例3
[0097]
通过感官测试得到实施例2测试样品的外观、气味、味道以及总体的感官评分，具体如下：
[0098]
选择60位感官评定人员，采用10分喜好表；具体的形式是提供给感官评定人员一根10 cm的直线，0cm处代表极度不喜欢，10cm处代表极度喜欢，受邀感官评定员根据对提供的样品的喜好度随机划线，量取划线点距0cm处的距离为感官评定员对该样品的喜好度；每个样品重复测定5次；
[0099]
测定结果如表10：
[0100]
表10
[0101][0102][0103]
通过实施例2和3的结果可以看出：实施例2方法的准确率如下表11：
[0104]
表11
[0105][0106]
对比例1
[0107]
仅采用实施例1中的单独电子舌、电子鼻、分光度仪的标准化的特征数据集进行主成分分析。
[0108]
结果如图2：
[0109]
从图2可以看出：当分别单独运用三种检测技术其中一种对样本进行pca分析时，发现：不同种类的样本点在3维主成分图中有所重叠，而当将三种检测技术融合处理后，四类样本分类效果较好，可以实现快速且准确地分类判别样本种类。
[0110]
在pca分析中，q2表示模型的预测能力，一般来说，q2越接近1，表示模型预测能力越好。不同特征进行pca的q2值如下表12：
[0111]
表12
[0112][0113]
虽然本发明已以较佳实施例公开如上，但其并非用以限定本发明，任何熟悉此技术的人，在不脱离本发明的精神和范围内，都可做各种的改动与修饰，因此本发明的保护范围应该以权利要求书所界定的为准。

技术特征：

1.一种基于多种智能检测技术融合的植物乳喜好度的评价方法，其特征在于，包括如下步骤：(1)特征信息提取：采用电子舌、电子鼻、分光度仪对于植物乳样品进行特性信息提取，得到电子舌、电子鼻、分光度仪特征值；(2)特征融合：将电子舌、电子鼻、分光度仪特征值采用z-score法进行标准化处理融合，得到标准化的特征数据集；(3)预测模型构建：采用主成分分析对于标准化的特征数据集进行降维处理，得到降维之后的特征数据集；基于降维之后的特征数据集，采用偏最小二乘回归分析(plsr)构建得到预测模型；(4)评价方法：将待评价的植物乳按照步骤(1)进行提取特征信息提取，之后将得到的特征值输入步骤(3)的预测模型，即得到待评价的植物乳的外观、气味、味道以及总体的感官评分。2.根据权利要求1所述的方法，其特征在于，步骤(1)所述的采用电子舌进行特征信息提取是选取了配备有七根传感器和一个ag/agcl参比电极的电子舌进行测定；具体是：将植物乳样品放入容器中，室温下平衡一段时间，待仪器清洗完毕后进行检测，取植物乳样品与对照液的电导率差值为输出值。3.根据权利要求1所述的方法，其特征在于，步骤(1)所述的采用的电子舌配备的传感器分别酸味(srs)、涩味(atg)、涩味回味(atg-a)、鲜味(ums)、咸味(sts)、甜味(sws)和丰度(rhs)。4.根据权利要求1所述的方法，其特征在于，步骤(1)所述的采用电子鼻进行特征信息提取是选取了配备有12个金属氧化物半导体传感器的电子鼻进行测定；具体是：将植物乳样品放入顶空瓶中，室温下平衡一段时间，待仪器清洗完毕后进行检测，取检测时间内12个金属氧化物半导体传感器的电导率比值曲线的平滑值为输出值。5.根据权利要求1所述的方法，其特征在于，步骤(1)所述的采用电子鼻的配备的传感器分别为s1(烷烃、烟雾类)、s2(醇类、醛类、短链烷烃类)、s3(臭氧)、s4(短链烷烃类)、s5(短链烷烃类)、s6(芳香化合物、醇醛类)、s7(含氢气体)、s8(烷烃类、烯烃类)、s9(短链烷烃类)、s10(可燃气体类)、s11(可燃气体类)和s12(烷烃类、有机气体)。6.根据权利要求1所述的方法，其特征在于，步骤(1)所述的采用分光度仪进行特征信息提取具体是：将植物乳样品加入透明的玻璃皿中，选取透视模式，测定每个植物乳样品的l*、a*、b*、h*和c*。7.根据权利要求1所述的方法，其特征在于，步骤(1)中所述的植物乳样品包括牛奶、谷物基植物乳、坚果基植物乳和豆基植物乳4类。8.根据权利要求1所述的方法，其特征在于，步骤(1)所述的采用电子舌、电子鼻、分光度仪分别提取了336、576、240个特征值。9.根据权利要求1所述的方法，其特征在于，步骤(2)所述的标准化公式如式(1)：z＝(x-μ)/σ
ꢀꢀꢀꢀꢀ
(1)其中，z代表标准化的数值，x代表样品某一特征的原始数值，μ代表某一特征所有样本
的均值，σ代表某一特征所有样本的标准差。10.权利要求1-9任一项所述的方法在食品领域的应用。

技术总结

本发明公开了一种基于多种智能检测技术融合的植物乳喜好度的评价方法，属于化学分析领域。本发明通过电子鼻、电子舌和分光度仪三种检测技术融合，分别从嗅觉、味觉和视觉三个角度对植物乳进行多维特征提取，进而进行快速、客观且准确的评价；本发明的方法无需对样品进行前处理，不需要额外添加化学试剂检测，绿环保，操作简单，数据可靠。本发明实现了通过融合电子鼻、电子舌和分光度仪三种智能检测技术，精确预测植物乳的外观、气味、味道和总体喜好度，消除了不同消费者的个体喜好偏差对植物乳喜好度的影响，有望作为国家标准等统一性评价标准。性评价标准。性评价标准。