亚洲欧美日韩国产综合网_自拍视频精品一区二区三区_无码激情AV一区二区三区_二天天AV综合网

食品伙伴網(wǎng)服務(wù)號

桌布法(Napping)結(jié)合極化投影地圖法(PPM)剖析葵花籽油香味特征

放大字體  縮小字體 發(fā)布日期:2024-10-28  來源:感官科學(xué)與評定
核心提示:向日葵(Helianthus annulus L.)是世界上主要的油料作物之一,已在歐洲、亞洲、美洲和非洲廣泛種植。葵花籽油因其豐富的營養(yǎng)成分
向日葵(Helianthus annulus L.)是世界上主要的油料作物之一,已在歐洲、亞洲、美洲和非洲廣泛種植。葵花籽油因其豐富的營養(yǎng)成分和獨特的風(fēng)味而受到世界消費者的歡迎。據(jù)美國農(nóng)業(yè)部提供的資料,2022年世界范圍內(nèi)的葵花籽油產(chǎn)量為1984.1萬t,消費量為1787.8萬t,2022年中國的葵花籽油消費量為106.3萬t,其中51.3萬t依賴進口。香氣是植物油品質(zhì)的一個重要方面,影響消費者的購買意愿。近年來對葵花籽油香氣的研究越來越受到關(guān)注。
桌布法(Napping)和極化投影地圖(polarized projective mapping,PPM)是在投影地圖(projective mapping,PM)方法基礎(chǔ)上改良而來的兩種新型描述性感官分析方法。Napping 要求評價員品嘗或嗅聞樣品后,根據(jù)樣品感官上的接近度在矩形白紙上擺放,后對樣品特性進行簡單記錄。評價人員可以是專業(yè)評價員也可以是普通消費者,目前已應(yīng)用于飲料、糖果等不同類型的食品中。PPM 需要感官分析師依據(jù)QDA或 Napping 等預(yù)實驗結(jié)果,選定特定樣品作為固定極點,評價員根據(jù)被測樣品與極點樣品的感官接近度進行擺放,已在固體飲料、茶等食品中有所研究。
本研究擬聯(lián)合應(yīng)用Napping和PPM方法對自制的19款葵花籽油以及市售的7款葵花籽油香氣感官特征進行評價,評估兩種方法在葵花籽油香氣研究中的適用性,確定葵花籽油產(chǎn)品的香味特征,為葵花籽油行業(yè)生產(chǎn)改進、質(zhì)量控制及新產(chǎn)品研發(fā)等提供參考。

一材料與方法
01實驗材料
26款葵花籽油:包括自制的1款冷榨法生產(chǎn)的冷榨(編號為S1)葵花籽油和18款后壓榨制得的葵花籽油(編號為S2~S19)及中國市場收集的7款風(fēng)格不同的葵花籽油(C1~C7);所有樣品在實驗前均貯藏在-20℃條件下,在實驗開始前1 h開始解凍以供使用?ㄗ延蜆悠沸畔⒁姳1。
02樣品制備
將1 kg葵花籽放入滾筒炒籽機中,在不同溫度下慢速炒制一定時間,直至葵花籽的表面溫度達到目標(biāo)溫度,出料。然后用單螺桿榨油機榨取葵花籽油(S2~S19)。S1冷榨葵花籽油是直接用生葵花籽壓榨提取得到的。
03評價小組
來自北京林業(yè)大學(xué)生物科學(xué)與技術(shù)學(xué)院食品科學(xué)系的12名評價員(23~25歲、3名男性9名女性)組成評價小組,小組成員參加了每個實驗,評價員具有2年以上的感官評價經(jīng)驗,在正式實驗前接受8 h的植物油感官評價培訓(xùn)。
04Napping法進行樣品感官評價
取15 mL樣品放在30 mL黑色帶蓋品評杯,以消除顏色對評價員的影響。使用3位隨機編碼對葵花籽油樣品進行標(biāo)記,并根據(jù)拉丁方設(shè)計確定樣品呈遞的隨機順序。評價員按照給出的順序依次品評所有植物油,在A0的坐標(biāo)紙上根據(jù)樣品的相似性進行擺放,相似性高的樣品擺在靠近的位置,差異性大的樣品擺在相隔較遠的位置。同時,在評價表上寫下對每個樣品的描述。在所有實驗中,根據(jù)ISO 8589—2007感官分析-試驗室設(shè)計的一般導(dǎo)則,感官評價都是在通風(fēng)良好、無氣味的20℃±2℃的感官分析實驗室進行的。
05描述詞表建立
對Napping實驗得到的描述詞進行整理,同時邀請評價員參考ISO 11035:1994感官分析-識別、選擇、建立描述詞中對感官描述詞的確認和選擇方法,整體考慮葵花籽油的風(fēng)味特性,評價小組進行討論,并結(jié)合相關(guān)文獻確定描述詞的定義以及參比樣,以供后續(xù)PPM實驗參考。葵花籽油感官評價時的描述詞定義以及參比樣見表2。
06PPM實驗
以左下角為原點(0,0),從Napping實驗中選擇的3個極點樣品被預(yù)先放置在A(50 cm×75 cm)坐標(biāo)紙上,A、B、C極點的坐標(biāo)分別為(37.5,37.5)、(18.5,16.5)、(56.5,16.5)。按照拉丁方設(shè)計確定樣品呈遞的隨機順序。評價員先依次嗅聞3個極點,熟悉并記憶3個極點的香氣特點,然后按照順序逐一嗅聞其他樣品,與3個極點進行對比,按照相似性擺在相近的位置,或是兩者之間,也可以擺放在3個極點之外的空間。并參考之前建立的描述詞列表寫下對樣品香氣描述,最好為3~5個描述詞,填寫在問卷星的調(diào)查問卷上。香氣相似的葵花籽油樣品位置接近,差異較大的葵花籽油樣品彼此相距較遠。實驗中允許重復(fù)嗅聞樣品。
07數(shù)據(jù)處理
Napping和PPM數(shù)據(jù)由紙張中每個樣本的X和Y坐標(biāo)組成,對于每個評價員,將紙張的左下角視為零點,手動測量出每個評價員的投影地圖上樣品的坐標(biāo)。對收集到的自由描述詞進行整理,包括語義的合并與刪減,并統(tǒng)計最終的詞頻。每位評價員的坐標(biāo)被認為是一組單獨的變量,數(shù)據(jù)通過XLSTAT2019采用多重因子分析(multiple factor analysis,MFA)進行分析。詞頻>5%的感官描述詞被考慮并用作補充變量,但對構(gòu)建MFA圖不起作用。在PPM實驗中,由于不同輪次中,所選用的極點是固定的,因此將所有輪次的PPM結(jié)果疊加在同一個MFA中進行分析。

二、結(jié)果與分析
01Napping實驗結(jié)果
Napping實驗MFA分析結(jié)果如圖1所示,Napping實驗中的評價員擺放位置數(shù)據(jù)進行MFA分析,結(jié)果發(fā)現(xiàn)前兩個維度(Dim 1=28.16%,Dim 2=23.93%)解釋了樣品差異的52.09%(圖1a)。將Napping實驗收集到的描述詞進行整理后,詞頻>5%的描述詞共13個,Napping實驗中描述詞詞頻如圖2所示。評價員經(jīng)常使用“油脂”“甜香”“烘烤”“炒瓜子”“焦糊”“生瓜子”“膨化食品”“堅果香”“芝麻”等描述詞來描述葵花籽油樣品。
從圖1a整體來看,所有樣品被分為4組。位于第一象限的葵花籽油(S17、S18、S19和C5),包含了3個自制的高溫烘烤條件下生產(chǎn)的熱榨油和1個商品熱榨油,與其高度相關(guān)的描述詞有“焦糊味”“芝麻味”和“膨化食品味”(圖2);陳潔等研究發(fā)現(xiàn)隨著炒籽溫度的升高,香味越來越濃郁,而當(dāng)溫度超過170℃,時間超過40 min時,有明顯的“焦糊味”產(chǎn)生;這與本研究結(jié)果一致。




02PPM1~PPM4實驗多重因子分析結(jié)果
1~4輪PPM實驗的單獨多重因子分析如圖3所示,在PPM1中,MFA分析前兩個因子解釋方差的變異率為56.29%(F1=36.18%,F2=20.11%)(圖3a)。兩對盲重復(fù)樣(S5和S5*,S13和S13*)均出現(xiàn)在臨近位置,表明評價員有良好的重復(fù)性和辨別能力。在MFA的建造過程中極點并沒有對模型做出貢獻,而是直接投射到產(chǎn)品分布圖上;這是因為極點是預(yù)先定位的,而不是由小組成員放置的。
在PPM1中,葵花籽油樣品依然被分為4組,在第一維度根據(jù)是否焦糊分開,在第二維度根據(jù)加工方式將冷榨和熱榨油分開。值得注意的是,相較于Napping實驗,PPM實驗中的評價員將焦和糊兩個詞進行了區(qū)分,提供了更多的信息;樣品C7除了有“油炸方便面”的特點外,也被發(fā)現(xiàn)與“焦香”也具很高的相關(guān)性。(PPM2-4分析與PPM1相似,略)
03PPM 實驗的整體多重因子分析
葵花籽油PPM實驗的整體多重因子分析如圖4所示圖4(整體MF)顯示了單個MFA中PPMPPM4加的結(jié)果,其解釋方差的變異率為39.71%。從圖4可知,樣品一共被分為4組:S17、S18、S19和C5分在一組,主要特點為“焦糊味”;S5-S16為一組,與“甜香”和“炒瓜子”有高度相關(guān)性;而S1~S4與“生瓜子”有高度相關(guān)性;C1~C3這些冷榨的商品油除了與“生瓜子”高度相關(guān),還表現(xiàn)出了“油炸方便面”的特點,被單獨分為一組;而C4、C6、C7這3個樣品是介于“油炸方便面”和“焦糊”之間的樣品。
與Napping相比,PPM實驗中將冷榨中的自制油和商品油區(qū)分開來,而且將熱榨商品油沒有完全擺放在一起,其他分類是一致的。這可能是由于PPM實驗固定極點給評價員的評價提供了參考,且每個輪次樣品量減少,避免了評價員一次嗅聞大量樣品時的感官疲勞,也可能是因為樣品量減少后擁有更大的版圖,可以將樣品更遠距離的擺放。
 

編輯:songjiajie2010

 
分享:
 

 
 
推薦圖文
推薦檢驗技術(shù)
點擊排行
檢驗技術(shù)
 
 
Processed in 0.061 second(s), 15 queries, Memory 0.91 M