论文部分内容阅读
我国是肉类工业的大国,火腿肠是我国肉制品中产量最大的产品之一,现在国内火腿肠的总产量已占全部肉制品产量的1/3。为了确保广大消费者的权益,准确地进行火腿肠的品质评价尤为重要。本文以市场上流通量大的猪肉火腿肠为研究对象,分别从质构指标和理化指标进行分析,建立以质构测定值和感官评分值为基础的线性回归模型的同时,还运用BP神经网络模型的方式将消费者的喜好进行模拟,预测感官品质以减少人为误差;采用正置光学显微镜和成像系统对被染色的火腿肠切片进行显微照相处理,得到可肉眼观察的照片,并测定和计算蛋白质、脂肪和淀粉的染色面积所占的像素占总视野像素的百分比,以此为基础建立准确测定火腿肠中蛋白质和淀粉含量的方法,同时以蛋白质、脂肪和淀粉的染色面积所占的像素占总视野像素的百分比和感官评分值为基础建立线性回归模型,并通过BP神经网络模型模拟消费者的喜好。主要研究结论如下:1、通过模拟火腿肠质构模型,选择75%作为测定普通级火腿肠硬度的最适压缩比,40%作为测定弹性和内聚性的最适合压缩比;选择75%作为测定优级和特优级火腿肠硬度的最适压缩比,60%作为测定弹性和内聚性的最适合压缩比。线性回归模型预测感官品质研究中,对用质构仪测出的火腿肠的物性指标和感官评分值进行了相关分析。结果发现火腿肠的硬度(H)和弹性(S)与感官评分(HS)之间具有很好的线性相关性,其相关系数分别为0.955和0.912;而其它五项指标与感官评分之间的线性相关性则不好。得到的线性回归方程如下:HS=0.579H(kg)+1.069S(cm);如果将该方程输入到基于纹理分析的计算机中,便可以实现HS的输出,其可以用于常规模拟消费者喜好的目的。此方法还可用于猪肉火腿肠不同等级的划分。2、基于BP人工神经网络预测感官品质研究中,以质构仪测得的火腿肠的弹性、硬度、内聚性、胶着性以及感官评分值为基础建立神经网络。仿真结果表明,人工神经网络预测的纹理特征评分与感官测试得到的评分相关性差异不显著(P>0.05),相关系数是0.993(P(sig)=0.00<0.01;RMSE=0.0676;RSD=0.18617),预测精度达90%以上;从而实现机器测定代替人为感官评定的目标。聚类分析证明,由神经网络预测的火腿肠的感官评分很好地区分了不同等级的火腿肠。3、显微照相结果表明,蛋白质、脂肪和淀粉染色面积所占的像素占总视野像素的百分比与它们在火腿肠中的含量呈正比,因此这种方法可以准确地测定它们在火腿肠中的含量;蛋白含量与实际的质构感官愉悦评分呈正比例关系,而淀粉含量却成反比例关系。从所拍出的照片中可直接观察出蛋白质、脂肪和淀粉在火腿肠中的分布情况。同时以总视野像素中蛋白质、脂肪和淀粉染色面积所占的像素百分比与以上物质在火腿肠中的含量为基础建立的BP神经网络,所预测得出的感官评分结果因级别不同而有显著的差异。聚类分析结果表明根据蛋白质和淀粉染色面积所占的像素占总视野像素的百分比和实际的质构感官愉悦评分能准确地判定火腿肠的级别。4、将多元回归模型和神经网络预测的感官评分与九段愉悦评分法的感官评分比较,结果表明感官评定测试和多元回归方法之间有显著差异(P<0.05),另一方面,在感官评定和神经网络之间分析的所有样本的感官评分没有差异(P>0.05)。因此基于BP神经网络建立的模型适用于模拟火腿肠品质的感官评价,可推广应用于实际肉类生产,实现质构和理化品质的快速评价。