一种基于BP神经网络预测食品感官鲜味强度的方法

技术领域

本发明涉及食品检测和品质评价领域，具体涉及一种基于BP神经网络预测食品感官鲜味强度的方法。

背景技术

鲜味在食品风味的调和中起着重要作用，选择及建立合适的鲜味强度评价方法对食品研发、质量检测和产品评级等各方面意义重大。食品的消费终端为人，因此通过人工感官评价得到的结果最具实用性和说服力，但耗费较多的资源。电子舌，由传感器阵列、信号采集单元和模式识别工具组成，分别模拟人类味觉系统中人舌受体、神经网络及大脑的功能，具有良好的重复性及不易疲劳的优点。反向传播神经网络(Back Propagation NeuralNetwork，BPNN)作为一种按误差逆传播算法训练的多层前馈网络，可使用其建立非线形的回归模型，以达到定性区分食物类别和定量预测感官属性强度和理化指标的目的。因此，基于BP神经网络建立食品感官鲜味强度的预测模型，结合两种评价方法的优势，为量化和预测各种食品的鲜味强度提供了有效且快速的方法。

发明内容

针对上述问题，本发明提供一种基于BP神经网络预测食品感官鲜味强度的方法，包括步骤如下：

(1)通过感官评价中的二点选配法获得每种食品的谷氨酸钠浓度-选择率方程；

(2)计算选择率为50％时的相对谷氨酸钠浓度；

(3)结合谷氨酸钠浓度-感官鲜味强度曲线评定食品的感官鲜味强度；

(4)借助电子舌技术分析食品的水提取液的滋味轮廓，获得不同传感器的响应值；

(5)对电子舌数据进行预处理以获得校正集和预测集；

(6)基于校正集数据，以电子舌传感器响应值为输入，感官鲜味强度为输出，建立和校正BP神经网络预测模型；

(7)基于预测集数据，预测食品感官鲜味强度。

步骤(1)中，需要通过招募、筛选、培训步骤，组建一支由24名以上优选评价员组成的评价小组。

步骤(1)中，所述食品需进行加工处理，根据日常食用方式烹制。

步骤(1)中，所述二点选配法的步骤为：以随机顺序向评价员分次呈递四组测试样品，每组样品都包括一个感官鲜味强度级别下的谷氨酸钠溶液和一个食品，谷氨酸钠溶液根据预实验结果确定，并设定四种感官鲜味强度级别，分别为弱、中、中-强和强。

步骤(1)中，以特定的感官鲜味强度级别为x轴，每组样品中选择谷氨酸钠溶液更鲜的评价员的比例为y轴，建立谷氨酸钠浓度-选择率方程。

步骤(2)中，计算选择率为50％时的相对谷氨酸钠溶液浓度。

步骤(3)中，所示谷氨酸钠浓度-感官鲜味强度曲线公式为：InUI＝0.82InC

步骤(3)中，具体步骤为：将步骤(2)得出的相对谷氨酸钠浓度作为C

步骤(4)中，所述食品的水提取液根据质地进行分类处理，固体样品经过匀浆、超声、离心步骤，半固体/液体样品经过过滤步骤。

步骤(4)中，所述电子舌对每个食品的采集时间为120s，每个食品包括不低于3次平行和7次重复。

步骤(5)中，每个食品舍弃每次平行的第一个检测值，其余数据为各传感器响应值的原始数据，并分为校正集和预测集。

步骤(6)中，具体通过下列操作得到：

构建三层结构的神经网络，包括一个输入层、一个输出层和一个隐含层，确定所述隐含层节点的个数，选择所述神经网络的函数，选取所述校正集中的样本数据训练所述神经网络，通过调整隐含层个数的训练方法优化神经网络模型结构，提高预测性能，校正效果由决定系数R

步骤(6)中，传递函数采用线性变换函数Purelin，网络的学习算法采用Levenberg-Marquardt反向传播算法。

步骤(7)中，将所述预测集中的样本数据输入所述神经网络预测模型中进行感官鲜味强度评价。

本发明的有益效果

通过感官评价中的二点选配法获得每种食品的谷氨酸钠浓度-选择率方程，以50％选择率为基准计算得到食品的相对谷氨酸钠浓度，结合谷氨酸钠浓度-感官鲜味强度曲线评定食品的感官鲜味强度。二点选配法的优势是可以直接比较两种刺激的滋味强度之间的差异，对于感官评价员而言，这一方法较为简便，可以避免大量的培训工作带来的资源消耗，而将二点选配法与该方程进行结合分析可以更准确地量化鲜味强度。由于食品的感官评价主要由评价员完成，涉及复杂的机理反应，而食品的鲜味是各鲜味成分互作后的整体反馈，因此食品中的鲜味成分与其感官评价强度之间存在非线性关系。以电子舌传感器响应值为输入，感官鲜味强度为输出，建立非线性的BP神经网络预测模型，用神经网络更符合人的思考和感受方法，以实现对食品进行快速、准确的感官鲜味强度定量预测，建立与完善鲜味快速评价体系。

附图说明

图1是本发明中基于BP网络预测食品感官鲜味强度的方法流程图。

图2是实施例中基于二点选配法得出各样品的谷氨酸钠浓度-选择率曲线。

图3是本发明中基于七个传感器响应(x变量)和感官评分(y变量)的反向传播神经网络模型的在(a)校正集和(b)预测集预测鲜味强度和实际鲜味强度的回归结果。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。

如图1所示，本发明中一种基于BP神经网络预测食品感官鲜味强度的方法，包括步骤如下：

(1)通过感官评价中的二点选配法获得每种食品的谷氨酸钠浓度-选择率方程。感官评价包括前期招募、筛选、培训评价员的流程，具体过程如下：根据国际标准ISO 3972:2011和ISO 8586:2012招募、筛选和培训具有正常感官能力、一定感官灵敏度以及对本发明涉及的食品没有过敏情况的候选评价员，其积极参与的意愿也被考虑在内。在开始前，所有候选评价员都签署知情同意书。

其中，招募可通过网络、宣传海报等途径。

其中，筛选流程包括：

(1-1)匹配检验：制备显著高于五种基本滋味阈值的样品，即酸味(柠檬酸，1.00g/L)，甜味(蔗糖，16.00g/L)，苦味(硫酸奎宁，0.15g/L)，咸味(氯化钠，5.00g/L)和鲜味(谷氨酸钠，2.00g/L)，每份溶液10mL。向候选评价员随机呈递10杯样品(每种滋味重复两次)要求候选评价员从左到右评估所有溶液，然后将具有相同滋味的样品匹配在一起，所有样品均以三位随机数字编码的方式呈现，筛选正确匹配率高于80％的候选评价员(1-2)刺激物识别测试：制备较低浓度的五种基本滋味样品，即酸味(柠檬酸，0.60g/L)，甜味(蔗糖，12.00g/L)，苦味(硫酸奎宁，0.08g/L)，咸味(氯化钠，2.00g/L)和鲜味(谷氨酸钠，1.00g/L)，并另外准备纯水样品，每份溶液10mL。采用三角测试，以一种滋味为一组，一组包括两份份纯水样品和一份滋味样品，分次向候选评价员随机呈递5组样品，要求他们从每组三个样品中选择有感官差异的一个样品。所有样品均以三位随机数字编码的方式呈现。筛选正确率达到100％的候选评价员。

(1-3)刺激物强度水平之间辨别测试：呈递一组具有4个不同鲜味强度的样品(0.24，0.34，0.49和0.70g/L的谷氨酸钠溶液)给候选评价员，并告知需以鲜味强度递增的顺序进行样品排序，筛选正确率达到50％的候选评价员。

其中，培训流程包括帮助候选评价员熟悉二点选配法的评估方案和不同的食品，提高其辨别不同鲜味强度样品的能力。在一项二点选配测试中，向小组成员提供一份在对应鲜味感官强度级别下的谷氨酸钠溶液和一份测试样品，要求小组成员品尝这一对样品，并选择出其中鲜味强度更强的一个。

其中，感官实验在专业感官室内进行，配备白光照明，控制人体适宜室温和室内湿度25±1℃，室内湿度55％。

步骤(1)中，感官评价包括食品的加工处理，根据日常食用方式烹制，建立每种食品烹饪方法的标准化程序，包括每种食品和水的特定比例，烹饪时间和烹饪条件等，部分商业产品制备方法参考于食品本身的外包装说明。制备期间不添加额外调味品，以避免其对样品本身鲜味的影响。

其中，在感官测试前2-3h制备完成当天感官用样品，置于烧杯中，使样品温度均维持在室温(25℃)时呈递给评价员。

其中，样品分别装在30mL无味品尝杯中呈递并3位随机数字进行编码，固体样品提供各5g，液体样品提供各10mL。

步骤(1)中，感官评价使用二点选配法，步骤为：以随机顺序向评价员分次呈递四组测试样品，每组样品都包括一个感官鲜味强度级别下的谷氨酸钠溶液和一个食品。对于液体样品，评价员需将样品在口腔内充分品尝10s后吐出；对固体样品，小组成员需将样品在口中完全咀嚼至少20s，充分品尝其滋味后吐出，要求评价员综合考虑感知期间内样品的总体鲜味强度并选择出鲜味更强的样品，随后在评价表上填写对应编号。评价期间，小组成员需用超纯水漱口并用无盐馒头清除异味，每组的单个样品之间休息2min，每对样品之间休息5min。

其中，根据三位熟悉鲜味研究的经验丰富的评估员使用量值估计法进行的预实验结果，设定四种鲜味感官强度级别(弱，中，中-强和强)，分别配制浓度如表1所示的谷氨酸钠溶液。

表1：二点选配法实验中使用的谷氨酸钠浓度

在完成感官评价后，将数据处理，以特定的感官鲜味强度级别为x轴，每组样品中选择谷氨酸钠溶液更鲜的评价员的比例为y轴，建立谷氨酸钠浓度-选择率方程。

(2)计算选择率为50％时的相对谷氨酸钠浓度。50％选择率基于以下原则：如果某个食品的鲜味强度与某一浓度MSG溶液产生的鲜味强度相同，则选择此MSG溶液比食品更鲜概率为0.5。

(3)结合谷氨酸钠浓度-感官鲜味强度曲线评定食品的感官鲜味强度。具体操作为：将步骤(2)得出的相对谷氨酸钠浓度作为C

(4)借助电子舌技术分析食品的水提取液的滋味轮廓，获得不同传感器的响应值。食品的水提取液根据质地进行分类处理，固体样品经过匀浆、超声、离心等步骤，半固体/液体样品经过过滤等步骤。其中，固体样品称取2.0g样品置于50mL的离心管中，加入20.0mL超纯水，匀浆2min，超声提取10min，离心10min(4℃，9500rpm)后取上清液备用，剩余沉淀重复上述步骤。合并两次处理所得上清液，定容至100mL，取80.0mL滤液倒入电子舌专用进样杯中进行测试，液体样品过滤后量取80mL滤液倒入电子舌专用进样杯中进行测试；电子舌对每个食品的采集时间为120s，每个食品至少包括3次平行和7次重复。

(5)对电子舌数据进行预处理以获得校正集和预测集。

每个食品舍弃每次平行的第一个检测值，其余数据为各传感器响应值的原始数据，并分为校正集和预测集。

(6)基于校正集数据，以电子舌传感器响应值为输入，感官鲜味强度为输出，建立和校正BP神经网络预测模型。具体步骤如下：构建三层结构的神经网络，包括一个输入层、一个输出层和一个隐含层，确定隐含层节点的个数，选择神经网络的函数，选取校正集中的样本数据训练神经网络，通过调整隐含层个数等训练方法优化神经网络模型结构，提高预测性能，校正效果由决定系数R

(7)基于预测集数据，预测食品感官鲜味强度。可将预测集中的样本数据输入神经网络预测模型中进行感官鲜味强度评价。

实施例

本发明以下以具体实施例来进一步说明该发明的实施过程。

构建一种基于BP神经网络预测食品感官鲜味强度的方法，步骤为：

步骤(1)：通过感官评价中的二点选配法获得每种食品的谷氨酸钠浓度-选择率方程。

步骤(1)中，感官评价包括前期招募、筛选、培训评价员流程，具体过程如下：根据国际标准ISO 3972:2011和ISO 8586:2012招募、筛选和培训具有正常感官能力、一定感官灵敏度以及对本研究涉及的食品没有过敏情况的候选评价员，其积极参与的意愿也被考虑在内。在开始前，所有候选评价员都签署了知情同意书。

其中，招募可通过网络、宣传海报等途径。

其中，筛选流程包括：

(1-1)匹配检验：制备显著高于五种基本滋味阈值的样品，即酸味(柠檬酸，1.00g/L)，甜味(蔗糖，16.00g/L)，苦味(硫酸奎宁，0.15g/L)，咸味(氯化钠，5.00g/L)和鲜味(谷氨酸钠，2.00g/L)，每份溶液10mL。向候选评价员随机呈递10杯样品(每种滋味重复两次)要求候选评价员从左到右评估所有溶液，然后将具有相同滋味的样品匹配在一起。所有样品均以三位随机数字编码的方式呈现，筛选正确匹配率高于80％的候选评价

(1-2)刺激物识别测试：制备较低浓度的五种基本滋味样品，即酸味(柠檬酸，0.60g/L)，甜味(蔗糖，12.00g/L)，苦味(硫酸奎宁，0.08g/L)，咸味(氯化钠，2.00g/L)和鲜味(谷氨酸钠，1.00g/L)，并另外准备纯水样品，每份溶液10mL。采用三角测试，以一种滋味为一组，一组包括两份份纯水样品和一份滋味样品，分次向候选评价员随机呈递5组样品，要求他们从每组三个样品中选择有感官差异的一个样品。所有样品均以三位随机数字编码的方式呈现。筛选正确率达到100％的候选评价员。

(1-3)刺激物强度水平之间辨别测试：呈递一组具有4个不同鲜味强度的样品(0.24，0.34，0.49和0.70g/L的谷氨酸钠溶液)给候选评价员，并告知需以鲜味强度递增的顺序进行样品排序。筛选正确率达到50％的候选评价员。

其中，培训流程包括帮助候选评价员熟悉二点选配法的评估方案和不同的食品，提高其辨别不同鲜味强度样品的能力。在一项二点选配测试中，向小组成员提供一份在对应鲜味感官强度级别下的谷氨酸钠溶液和一份测试样品，要求小组成员品尝这一对样品，并选择出其中鲜味强度更强的一个。

其中，感官实验在专业感官室内进行，配备白光照明，控制人体适宜室温和室内湿度25±1℃，室内湿度55％。

步骤(1)中，感官评价包括食品的加工处理，根据日常食用方式烹制，建立了每种食品烹饪方法的标准化程序，包括每种食品和水的特定比例，烹饪时间和烹饪条件等，部分商业产品制备方法参考于食品本身的外包装说明。制备期间不添加额外调味品，以避免其对样品本身鲜味的影响。

其中，水产类样品的加工方式为：红鳍东方鲀运回当日，剔除鱼体表面筋膜及鱼骨，取肌肉部分清洗后立即用不锈钢锅在电磁炉上进行沸水(1600w)蒸煮20min。文蛤用不锈钢锅在电磁炉上进行沸水(1600w)蒸煮20min。紫菜洗净后，与水以1:200(w/v,g/mL)的质量体积比用不锈钢锅在电磁炉上进行加热熬制，先大火(2100w)加热至沸腾后开始计时，继续小火(300w)煮制20min。

其中，肉类样品的加工方式为：鸡胸肉购买当日，剔除表面筋膜和脂肪，按肌肉纹理切成大小10×2×1cm

其中，食用菌类样品的加工方式为：将香菇(干)与超纯水以1:5(w/v,g/mL)的质量体积比于室温25℃下浸泡3h，清洗后用剪刀去除香菇蒂，随后放入不锈钢锅中在电磁炉上进行沸水(1600w)蒸煮20min。香菇(新鲜)去蒂后清洗，随后放入不锈钢锅中在电磁炉上进行沸水(1600w)蒸煮20min。

其中，蔬菜类样品的加工方式为：将芦笋用水清洗，取芦笋前8cm片段并切为2cm长小段，随后放入不锈钢锅中在电磁炉上进行沸水(1600w)蒸煮20min。

其中，商业产品类样品的加工方式如表2所示。

表2：商业产品制备方法

其中，样品制备和处理完成后，每个样品取三分之二用于感官评价，剩余样品粉碎后，置于17×23cm规格的铝箔包装袋中，并用真空封口机在最大压力的99％处密封包装，随后将样品储存在-80℃以备后续鲜味成分及电子舌分析。

其中，在感官测试前2-3h制备完成当天感官用样品，置于烧杯中，使样品温度均维持在室温(25℃)时呈递给评价员。

其中，样品分别装在30mL无味品尝杯中呈递并3位随机数字进行编码。固体样品提供各5g，液体样品提供各10mL。

步骤(1)中，感官评价使用二点选配法，步骤为：以随机顺序向评价员分次呈递四组测试样品，每组样品都包括一个感官鲜味强度级别下的谷氨酸钠溶液和一个食品。对于液体样品，评价员需将样品在口腔内充分品尝10s后吐出；对固体样品，小组成员需将样品在口中完全咀嚼至少20s，充分品尝其滋味后吐出。要求评价员综合考虑感知期间内样品的总体鲜味强度并选择出鲜味更强的样品，随后在评价表上填写对应编号。评价期间，小组成员需用超纯水漱口并用无盐馒头清除异味，每组的单个样品之间休息2min，每对样品之间休息5min。

其中，根据三位熟悉鲜味研究的经验丰富的评估员使用量值估计法进行的预实验结果，设定了四种鲜味感官强度级别(弱，中，中-强和强)，分别配制浓度如表3所示的谷氨酸钠溶液。

表3：二点选配法实验中使用的谷氨酸钠浓度及对应样品

在完成感官评价后，将数据处理，以特定的感官鲜味强度级别为x轴，每组样品中选择谷氨酸钠溶液更鲜的评价员的比例为y轴，建立谷氨酸钠浓度-选择率方程，建立结果如图2所示，并将详细参数总结于表4中。

步骤(2)：计算选择率为50％时的相对谷氨酸钠浓度。

其中，50％选择率基于以下原则：如果某个食品的鲜味强度与某一浓度MSG溶液产生的鲜味强度相同，则选择此MSG溶液比食品更鲜概率为0.5，结果如表4所示。

步骤(3)：结合谷氨酸钠浓度-感官鲜味强度曲线评定食品的感官鲜味强度。具体操作为：将步骤(2)得出的相对谷氨酸钠浓度作为C

其中，谷氨酸钠浓度-感官鲜味强度曲线公式为：InUI＝0.82InC

表4：食品的谷氨酸钠浓度-选择率曲线回归方程、相对谷氨酸钠浓度和感官鲜味强度

步骤(4)：借助电子舌技术分析食品的水提取液的滋味轮廓，获得不同传感器的响应值。食品的水提取液根据质地进行分类处理，固体样品经过匀浆、超声、离心等步骤，半固体/液体样品经过过滤等步骤。

其中，固体样品称取2.0g样品置于50mL的离心管中，加入20.0mL超纯水，匀浆2min，超声提取10min，离心10min(4℃，9500rpm)后取上清液备用，剩余沉淀重复上述步骤。合并两次处理所得上清液，定容至100mL，取80.0mL滤液倒入电子舌专用进样杯中进行测试。液体样品过滤后量取80mL滤液倒入电子舌专用进样杯中进行测试。

步骤(4)中，为了确保检测数据的准确性和稳定性，需要对电子舌进行活化、初始化、校准和诊断：将传感器阵列浸入超纯水中，浸泡30min进行传感器活化；在自动进样器的1号与2号位分别放置超纯水和0.01M HCl，进行初始化；在3号与4号位放置超纯水和0.01MHCl，进行传感器自动校准；在自动进样器指定位置超纯水、0.01M HCl、0.01M NaCl和0.01MMSG溶液，按设定的程序进行诊断。此过程环境温度控制在25℃左右，完成后将待测样品溶液盛入电子舌专用烧杯中，采用待测样品和超纯水交替的方式进行检测，每个样品的采集时间为120s，每个样品包括3次平行和7次重复。

步骤(5)：对电子舌数据进行预处理以获得校正集和预测集。每个食品舍弃每次平行的第一个检测值，其余数据为各传感器响应值的原始数据，并分为校正集和预测集。

其中，从每个样品的传感器响应值中选取14个数据为校正集，剩余4个数据为预测集，建立预测模型以评价校正模型。

步骤(6)：基于校正集数据，以电子舌传感器响应值为输入，感官鲜味强度为输出，建立和校正BP神经网络预测模型。具体操作为：

构建三层结构的神经网络，包括一个输入层、一个输出层和一个隐含层，确定隐含层节点的个数，选择神经网络的函数，选取校正集中的样本数据训练神经网络，通过调整隐含层个数等训练方法优化神经网络模型结构，提高预测性能，校正效果由决定系数R

步骤(7)：基于预测集数据，预测食品感官鲜味强度。将预测集中的样本数据输入神经网络预测模型中进行感官鲜味强度评价。模型结果如图3所示，BPNN模型预测集之间具有良好的分布情况，决定系数R