基于电子舌的大豆分离蛋白苦味分析与评价技术研究

芦建超; 惠延波; 胡晓利; 布冠好

基于电子舌的大豆分离蛋白苦味分析与评价技术研究

1. 河南工业大学电气工程学院, 河南郑州 450001;
2. 河南工业大学粮油食品学院, 河南郑州 450001

基金项目:

河南省科技厅自然科学项目(182102210089)

详细信息

作者简介:
芦建超(1995-),女,吉林吉林人,硕士研究生,研究方向为粮油食品检测技术与装置

通讯作者:
惠延波,教授,E-mail:huiyb@haut.edu.cn

中图分类号: TS207.3
计量
- 文章访问数: 87
- HTML全文浏览量: 2
- PDF下载量: 10
出版历程
- 收稿日期: 2019-06-11
- 网络出版日期: 2022-09-29
- 刊出日期: 2022-09-29

Study on Bitterness Analysis and Evaluation of the Isolated Soybean Protein Using Electronic Tongue

1. School of Electrical Engineering Henan University of Technology, Zhengzhou 450001, China;
2. School of Food Science and Technology, Henan University of Technology, Zhengzhou 450001, China

摘要

摘要: 使用法国Astree电子舌对大豆分离蛋白的苦味进行分析研究。利用主成分分析(PCA)和判别因子分析(DFA)对采集到的味觉信息进行定性分析，基于偏最小二乘法和RBF神经网络建立苦味定量预测模型。结果表明：主成分分析和判别因子分析均可判别配方的苦味程度，RBF神经网络预测模型预测集的RMSE为0.010和0.007，偏最小二乘预测模型预测集的RMSE为0.035和0.093。表明采用RBF神经网络建立的预测模型预测效果更好，研究结果为大豆分离蛋白苦味评价体系提供了一种全新的方法。
- 大豆分离蛋白 /
- 电子舌 /
- 苦味 /
- 主成分分析 /
- 判别因子分析 /
- 偏最小二乘法 /
- RBF神经网络
Abstract: The bitterness of the isolated soybean protein was analyzed using Astree electronic tongue. Principal component analysis (PCA) and discriminant factor analysis (DFA) were used for qualitative analysis of the acquired taste information. Based on partial least squares and RBF neural network, the quantitative prediction model of bitterness was established. The results showed that both principal component analysis and discriminant factor analysis could be used to determine the bitterness degree of the formula. RMSE of RBF neural network prediction model were 0.010 and 0.007, respectively; and RMSE of partial least square prediction model were 0.035 and 0.093, respectively. The results showed that the prediction model established by RBF neural network was very effective. The results also provided a new method for the bitterness evaluation system of the isolated soybean protein.
- isolated soybean protein /
- electronic tongue /
- bitterness /
- principal component analysis /
- discriminant factor analysis /
- partial least squares /
- RBF neural network

HTML全文

参考文献(19)

[1]	李玉珍,肖怀秋,兰立新.大豆分离蛋白功能特性及其在食品工业中的应用[J].中国食品添加剂, 2008(1):121-124, 109.
[2]	赵小明.大豆过敏原检测研究[J].现代食品, 2018(20):53-55.
[3]	邓涵,祖琴琴,朱杰瑞,等.超声处理对大豆7S蛋白潜在致敏性的影响[J].食品科学, 2017, 38(5):32-37.
[4]	胡晓利,布冠好.高压均质与酶法联合改性对大豆蛋白抗原性及结构的影响[J].河南工业大学学报(自然科学版), 2018, 39(6):29-35.
[5]	赵益菲,布冠好,陈复生.超高压对大豆球蛋白抗原性及结构的影响[J].食品科学, 2018, 39(17):92-97.
[6]	胡晓利,布冠好,张晓旭.大豆蛋白过敏原及常见脱敏方法研究进展[C]//中国食品科学技术学会第十五届年会论文摘要集. 2018.
[7]	潘进权.蛋白酶脱除大豆蛋白水解物苦味的研究进展[J].食品研究与开发, 2011, 32(5):167-171.
[8]	关为,田呈瑞,陈卫军,等.电子舌在绿茶饮料区分辨识中的应用[J].食品工业科技, 2012, 33(13):56-59.
[9]	赵童瑶,尹海波,李旭,等.基于电子舌技术对不同来源龙胆的苦味与品质相关性研究[J].中国现代中药, 2018, 20(9):1068-1073.
[10]	王俊魁,杨帆,包斌.结合感官评价与电子舌技术评价不同品牌韭菜花酱[J].中国调味品, 2013, 38(11):77-80.
[11]	GIL L, BARAT J M, ESCRICHE I, et al.An electronic tongue for fish freshness analysis using a thick-film array of electrodes[J].Microchimica Acta, 2008, 163:121-129.
[12]	HARTYÁNI P, DALMADI I, CSERHALMI Z, et al.Physical-chemical and sensory properties of pulsed electric field and high hydrostatic pressure treated citrus juices[J].Innovative Food Science and Emerging Technologies, 2011, 12(3):255-260.
[13]	惠延波,白薇薇,樊留强,等.基于电子舌技术的有机低钠盐配方呈味特性研究[J].中国调味品, 2017, 42(5):107-110, 118.
[14]	杨天意,蒋云升,吴鹏,等.电子舌对果酱的区分识别研究[J].中国调味品, 2018, 43(8):114-117.
[15]	鲁小利,蔡小庆,刘淑艳.电子舌在黄酒检测中的应用[J].酿酒科技, 2015(1):82-85.
[16]	韩嫣然.基于偏最小二乘回归法的城市水资源承载力影响因子研究[J].地下水, 2019, 41(1):156-157, 186.
[17]	蔡逸伦,阳富强,刘晓霞.硫化矿石自燃灾害预警的RBF神经网络模型及应用[J].有色金属工程, 2019, 9(7):72-78.
[18]	王哲,张国营,王瑞,等.基于模糊控制与RBF-NN的电动汽车充电站短期负荷预测模型研究[J].黑龙江电力, 2019, 41(3):206-210.
[19]	郑剑锋,焦继东,孙力平.基于神经网络的城市内湖水华预警综合建模方法研究[J].中国环境科学, 2017, 37(5):1872-1878.

施引文献(7)

期刊类型引用(4)

1.	于海燕，吴世琪，王晓雨，陈臣，田怀香. 不同环境温度条件酿制的传统黄酒的滋味特征差异分析. 中国食品学报. 2024(04): 361-369 . 百度学术
2.	王佳圆，马佳雯，蔡金秀，曹少谦，戚向阳. 鱿鱼皮胶原蛋白肽的脱色及其对风味影响的研究. 核农学报. 2023(01): 107-117 . 百度学术
3.	王婷婷，蒙太和，张国治. 低升糖指数杂粮挂面风味分析. 粮食加工. 2023(06): 1-8 . 百度学术
4.	柳艳霞，于家欢，赵改名，朱瑶迪，刘世杰，武苏苏，常亚楠. 基于多元统计分析的卤煮鸡肉与鸡汤滋味差异研究. 河南农业大学学报. 2022(02): 301-311 . 百度学术