基于电子舌技术的酱油分析识别研究

李露芳 苏国万 张佳男 李 理 赵谋明

（华南理工大学食品科学与工程学院 广州510640）

酱油是中国传统的液态调味品，至今已有两千多年的历史，目前在亚洲甚至是欧美国家都得到广泛应用[1-2]。酱油以植物蛋白、碳水化合物为主要原料，经微生物酶作用发酵水解成多种氨基酸及糖类物质，再进一步发生复杂的生物化学变化，形成特殊色泽、香气和滋味[3-5]。我国幅员辽阔，各地区人民饮食习惯也存在差异。不同酱油厂家在原料来源、发酵方式、生产工艺等方面的差异，使其风味、香气、口感乃至营养价值和整体质量都大不相同[6]。酱油产品具有区域性强、集中度低的特点，导致我国酱油市场规模效益低、产品质量水平不稳定。粮农组织/世界卫生组织食品法典委员会（FAO/WHO Codex Commission）会员国对其质量标准及安全也有所重视[7-8]。

酱油的滋味在一定程度上体现其质量水平，影响市场接受度，然而酱油滋味的国家标准或评价体系较少。其中，理化分析主要针对氨态氮含量检测，即通过氨基酸态氮含量高低对酱油进行分级，氨态氮含量愈高，酱油愈鲜，等级愈高[9]。而酱油的滋味是多种呈味组分间交互作用的结果，单纯地检验氨氮含量存在局限性。滋味评价主要基于感官分析，GB/T 18186-2000《酿造酱油》中规定酱油的滋味品质应味鲜美醇厚、咸甜适口[10]。由于感官分析依赖于评价员，具有主观性强、稳定性差、易疲劳、效率低等不足[11-12]，因此，有必要探究新型的分析手段以完善酱油的滋味评价体系。

电子舌是基于人体味觉器官结构及机理，通过味觉传感器采集电响应信号，对样品进行识别、分析，它具有客观性强、检测阈低、工作效率高等优点，便于实时检测、快速分析[13-14]。电子舌技术作为新型分析手段，在饮料、肉制品的区分识别、质量控制等方面均取得较大进展[15-19]，而在酱油中应用的相关报道甚少，目前主要涉及滋味品质评价、初步识别研究等[20-22]。本文以不同品牌的酱油样品为研究对象，优化电子舌测定的基本方法，同时结合多种模式识别方法，研究电子舌对不同品牌酱油的定量分析、滋味评价及区分能力。

1 材料与方法

1.1 原料

采用市售生抽酱油作为试验原料，均属于高盐稀态酱油，同型号酱油取样2 个批次，不同批次间生产日期差异控制在3 个月内。具体品牌见表1。

表1 酱油样品基本信息及编号Table 1 Basic information and number of soy sauce samples

1.2 仪器

TS-5000Z 电子舌，日本Insent 公司；KND-2C型定氮仪，上海纤检仪器有限公司；916Ti-Touch氨氮仪，瑞士万通中国有限公司；紫外可见分光光度计，尤尼科（上海）仪器有限责任公司；A300 自动氨基酸分析仪，曼默博尔（德国）有限公司。

1.3 试验方法

1.3.1 电子舌测定条件优化

1）味感的筛选 酱油样本用蒸馏水稀释30倍进行味感测定，包括鲜、咸、苦、酸、甜5 个基本味感以及涩感和鲜味回味、苦味回味、涩味回味。通过对输出值的分析，简化味感及相关传感器的选择，以便显著表征酱油味感特点。

2）稀释倍数的确定 酱油固形物浓度较高，采用电子舌直接测试不仅会对味觉传感器材料造成不良影响，还会影响测试结果的准确性。因此，测试前酱油分别用蒸馏水稀释10，20，30，40，50倍，再进样测试，确定最佳稀释倍数。

3）回味参数的确定 鲜味回味是酱油滋味的重要表征指标之一[23]，是鲜味醇厚感、持久性的体现。电子舌系统的回味测试程序传感器进行鲜味回味（饱满感）测定前，需要进行短暂的清洗，模拟口腔中吞咽食物后再次感知鲜味强度的动作，因此清洗的时间长短是体现饱满感的重要影响因素。分别选择3，6，9，12 s 作为测试前的清洗时间，参考感官评价的结果，选择最佳清洗时间。

1.3.2 电子舌数据采集 本研究的味觉分析仪器采用日本insent 公司的TS-5000Z 电子舌，配有6个味觉传感器，其中，AAE，CA0，CT0，C00，AE1，GL1 分别对鲜、酸、咸、苦、涩、甜敏感。数据采集前，电子舌系统已进行自检，以保证测试结果的可靠性及稳定性，测试温度控制在20 ℃左右。具体测试步骤如下：

1）传感器于浸泡液中稳定90 s 进行初步清洗以除去膜表面杂质，其中，鲜、咸、酸传感器使用阴离子浸泡液，甜、苦、涩传感器使用阳离子浸泡液；

2）各传感器于参比液Ⅰ、参比液Ⅱ中分别清洗2 min；

3）各传感器于参比液Ⅲ中稳定30 s，测得电势值Vr；

4）各传感器于酱油样本溶液中稳定30 s，测得电势值Vs；

5）鲜味、苦味、涩味传感器于参比液Ⅳ、参比液Ⅴ中分别清洗3 s；

6）鲜味、苦味、涩味传感器于参比液Ⅵ中稳定30 s，测得电势值Vr’；

电势差V1=Vs-Vr，即为基本味感的输出值；电势差V2=Vr’-Vr，即为鲜味、苦味、涩味回味的输出值。每个样本进行5 次平行测定，选择后3 次数据进行分析。

1.3.3 感官分析 感官评价采用定量描述分析（QDA）法[24]，以9 点数字标度为评分标尺，0～9 分的强度变化依次为无感觉、阈值感、微弱、中等、强烈[25]。感官试验于（23±2）℃的评价室进行，由8 名具有感官分析经验的实验员（男性3 名，女性5名，年龄22～28 岁）组成评价小组，对酱油的鲜味回味逐一打分，最后收集评价表进行汇总分析。

1.3.4 基本成分测定方法 采用甲醛电位滴定法测定氨态氮含量[26]；采用沉淀滴定法测定食盐含量[26]；采用甲醛值法测定总酸含量[26]；总糖含量的测定参考苯酚-硫酸法[27]并作适当调整；游离氨基酸的测定参考Zheng等[28]的方法。

1.3.5 数据分析方法 电子舌电信号输出值通过系统自带的计算方式输出味觉得分值，分值低于0 表示低于人的感官阈值。相关性检验采用Pearson 相关性分析。采用主成分分析（PCA）、判别因子分析（DFA）和神经网络（ANN）对不同酱油样本进行模式识别，采用偏最小二乘法（PLS）建立基本理化成分与电子舌输出值的定量模型。分析均由SPSS 19.0 软件完成，绘图由Origin 8.0 软件完成。

2 结果与讨论

2.1 测试条件的优化

2.1.1 味感的筛选 电子舌输出的各味感分值如表2所示。由表可知，不同样本的鲜味和咸味较强，分别达到11.75 和6.33，苦味、甜味、饱满感（即鲜味回味）在1～2 左右，而酸味、涩味、苦味回味、涩味回味均较弱，分值接近于0。

表2 不同酱油样本的各滋味指标均值Table 2 Mean scores of each taste index in different soy sauce samples

不同品牌酱油味感相对强度的箱形图如图1所示。由图可见，不同酱油的样本在酸味、鲜味上差异性较大，极差值分别达到了5.47 和4.66，为差异性最明显的滋味指标；苦味、饱满感、咸味、甜味的极差值在1.12～2.45 之间；而涩味、苦味回味、涩味回味的极差值都在0.1 左右，可见在这3 个滋味指标上，不同酱油样本不仅数值上接近于0，且不同样本之间差异极小。由此可见，在酱油中这些味感不具有代表性，且由于电响应值很低，更容易产生误差。

进一步对删除涩味、苦味回味、涩味回味前后的25 组不同酱油样本的电子舌数据进行PCA 分析，如图2所示。由图可见，删除前后PCA 图分布趋势相似，样本之间的区分度提高。分析主成分贡献率发现，前2 个主成分累计贡献率从75.014%提高到84.467%。

为了简化测试流程以及优化数据结构，提高分析准确率，可剔除一些不必要的冗余数据。因此，进行酱油的滋味分析时，采用酸味、苦味、鲜味、鲜味回味（饱满感）、咸味、甜味即可。

图1 不同酱油样本各滋味指标相对强度箱形图（n=25）Fig.1 The box plot of relaive intensity of each taste index in different soy sauce samples（n=25）

2.1.2 稀释倍数的确定 对同一酱油分别稀释10，20，30，40，50 倍进行味感测定，结果如图3所示。

图2 删除涩味、苦味回味、涩味回味前、后不同酱油样本的PCA 图Fig.2 PCA results of different soy sauce samples before and after deleting astringency，bitter aftertaste and astringency aftertaste

由图3可见，随着稀释倍数的增加，酸味、苦味、鲜味、咸味以及饱满感均不同程度的下降，但甜味变化呈现出不同趋势。在10～30 倍的稀释范围内，稀释倍数愈大，甜味反而愈强；在30～50 倍的稀释范围内，甜味随着稀释倍数的增大而减小，这可能与甜味传感器的特殊性有关。糖等一般甜味物质为电中性物质，在电子舌类脂膜表面的吸附较难引起电位变化，而本研究中的电子舌传感器采用了双层膜结构，外层用于表面吸附，内层则由特殊通路传导特征电位值的变化[29]，因此吸附程度会影响甜味的测试。酱油作为复杂的食品体系，具有丰富的呈味物质，尤其是鲜味及咸味相应的滋味组分。虽然电子舌相对感官而言具有更低的阈值和更大的测定范围，然而在某些滋味组分浓度过高的情况下，会影响甜味物质在甜味传感器膜上的吸附程度，从而使得甜味测定值偏低，与实际情况不符。稀释倍数为30 倍时，甜味强度最大，继续增大稀释倍数，甜味强度减小，此时甜味强度的变化遵循稀释规律。由此可见，对于酱油样品而言，在稀释达到30 倍时，甜味物质在膜上的吸附能力较为理想，同时，该稀释浓度下对其它味感的表达没有不良影响，不同味感之间的横向比较在稀释前后仍呈现一致规律。因此，在电子舌测定前将酱油稀释30 倍，更能综合反映酱油样品的味感特性。

2.1.3 饱满感参数的确定 传感器进行饱满感（鲜味回味）测定前，需要进行短暂的清洗，模拟口腔中吞咽食物后再次感知鲜味强度的动作。因此清洗的时间长短是体现饱满感的重要影响因素。分别选择3，6，9，12 s 作为回味测试前的清洗时间，具体数值如下。

图3 不同稀释倍数对酱油味感测定值的影响Fig.3 Effects of different dilution multiples on the tatse scores of soy sauce

图4 不同清洗时间对酱油饱满感测定值的影响Fig.4 Effects of different washing time on the scores richness of soy sauce

由图可见，回味随着清洗时间的增加而降低。在3 s 时，由于清洗时间较短，呈味物质大部分还吸附在传感器的分子膜上，因此对回味感知较强，分值达1.91；而在6 s 时，饱满感分值在1.26 左右；在9～12 s 时，由于清洗时间略长，分子膜上残余的呈味物质基本上已经洗脱，分值相对较低（0.4～0.75），体现的差异性较小，对鲜味回味的描述性较差。进一步地，分别选择3，6 s 为清洗时间，对不同酱油分别进行电子舌测定及饱满感的感官评价，将输出结果进行Pearson 相关性分析。结果显示，当清洗时间为6 s 时，测试所得的回味输出值与感官评价的结果具有更显著的相关性（r=0.834），明显高于3 s 的清洗时间（r=0.706）。原因可能是当清洗时间为3 s 时，对不同样本而言，大部分呈味物质都吸附在分子膜上，因而饱满感输出值主要受鲜味强弱的影响。但研究表明，饱满感是鲜味持久性、丰富性的表征，是诸多味感共同作用的结果，包括鲜味、咸味、甜味、苦味等。鲜味愈强，其饱满感不一定愈强。当清洗时间为6 s时，对持久性的表征与感官评价的相关性更强，更能表征回味的实际差异，因此选择6 s 作为清洗时间。

2.2 电子舌对酱油理化指标的定量预测

酱油滋味是多种呈味物质共同作用的结果，呈味物质种类、含量的差异会直接影响其滋味品质，酱油中呈味物质主要有鲜味氨基酸、总酸、苦味氨基酸、盐分、总糖等，在不同程度上影响酱油的鲜味、酸味、苦味、咸味、甜味[30]。为了探究各传感器对呈味物质的响应关系，利用化学分析方法测定不同酱油呈味物质含量，将呈味组分与传感器测定结果建立偏最小二乘法模型，以达到对滋味物质进行定量测定的目的，结果如表3。其中，自变量X1，X2，X3，X4，X5，X6分别为酸味、苦味、鲜味、饱满感、咸味、甜味的电子舌输出值。

表3 不同品牌酱油的电子舌测定值与理化指标的PLS 回归模型Table 3 PLS results between the content of taste substances and scores of taste sensors of soy sauce in different brands

由表可见，各方程显著性P＜0.01，表明方程具有极显著意义。由相关系数R2可见，对于7 个理化指标而言，除了苦味氨基酸（0.781）外，R2都达到了0.8 以上。其中，pH、盐含量的R2达到了0.9以上，原因可能是：对于pH 而言，H+浓度反映的是样品中已解离的那部分酸的浓度，与口感酸度相关性较高；同时，酱油的咸味来源较单一，主要是NaCl，因此具有更强的相关性。而苦味氨基酸的相关系数相对较低，原因可能是：1）酱油中苦味本身较低，且不同酱油之间苦味的差异性也较小，在预测效果上相对较差；2）酱油中苦味不仅源于苦味氨基酸，可能还因为食盐中存在微量的氯化镁、硫酸钠等，不同厂家由于原料不同，苦味的来源也有所差异，相应理化指标具有不确定性。PLS 分析图见图5，总体而言，模型具有良好的预测性能，能通过对电子舌响应值对理化指标作出有效预测，且误差在可接受范围内。

2.3 基于电子舌响应值的模式识别分析

2.3.1 主成分分析 对不同品牌酱油的主成分分析见图6。图6a 为PCA 散点图，图6b 为因子载荷图。

在PCA 分析中（图6a），前2 个主成分贡献达到83.79%。由图6a可见，相同品牌的酱油样本能够聚成一类，虽然由于不同品牌的样本数量、等级没有保持一致，使得聚集情况有所差异，但8 个不同品牌酱油都得到了较好区分。酱油分类的主导因素是品牌而非等级，原因可能是不同厂家的酱油由于生产工艺、产地及原料等的差异，形成了不同滋味特点，而酱油等级是基于氨基酸态氮含量划分的，不同品牌酱油即使等级相同，其它味感也有所差别。同一品牌不同等级的酱油虽然氨态氮含量不同，但在其它味感上体现了较大的相似性，因此在综合分析时能够聚集成类。其中，A，E，F，G等4 个品牌的酱油在PCA 分布上较为接近，说明其滋味特征有一定的相似之处。原因可能是它们都属于广东地区的酱油，因此在原料来源、饮食习惯等方面存在共同点。结合因子载荷图（图6b）可定性地认为，广东品牌的酱油具有更强的咸味及鲜味，其中，品牌F 的鲜味最强。此外，C 品牌酱油的鲜味较弱、酸味较强，滋味品质相对较差；而D品牌酱油的甜味最强。

图5 不同酱油理化指标的PLS 分析图Fig.5 PLS analysis of physicochenical index of different soy sauce

图6 不同品牌酱油味觉传感器的主成分分析图Fig.6 PCA results of taste sensors of different brands of soy sauce

2.3.2 判别分析 不同品牌酱油的判别分析散点图如图7。

判别分析结果显示，前2 个判别因子贡献率分别为60.7%与37.4%，总解释率达98.1%，结果与PCA 一致，电子舌能够对不同品牌的酱油进行区分。同时，相比PCA 而言，DFA 具有更理想的区分效果，每个品牌的样品能构成一个独立的族群、互相无重叠，不同品牌样本间有明显的组间差异。

建立Fisher 线性判别函数进行回代判别及交叉验证，结果如表3所示。其中，在原始回代中，不同品牌的正判率均达到了100%；在交叉验证中，仅有品牌G 中的一个样本被误判为F 品牌，正判率为94.44%，其余品牌正判率均达到100%。判别函数对不同品牌酱油的正判率在99.33%，能达到理想的分类效果。

图7 不同品牌酱油的DFA 散点图Fig.7 DFA results of taste sensors of different soy sauce samples

表4 酱油不同品牌判别结果Table 4 Different brands’ classification results in soy sauce

2.3.3 神经网络分析 将150 个样本随机分为训练集、预测集、保持集，运用神经网络分析，以考察电子舌对不同酱油品牌的预测能力。输入层神经元为6 个，即6 个味感；输出层神经元为8 个，即酱油的品牌数；通过多次训练确定隐含层神经元个数为5。训练集中止规则为错误未减少，因此网络结构设计为：6-5-8。结果如表4所示，神经网络能够完全区分不同品牌酱油，样品训练集、测试集和保持集的正确率均能达到100.0%。

表5 BP 神经网络对不同品牌酱油的判别结果Table 5 The training and testing result of BPNN for different brands of soy sauce

3 结论

本文研究了电子舌在酱油中的区分识别。首先优化了电子舌测试酱油的方法，研究表明，在稀释倍数为30 倍时，电子舌对酱油整体滋味的检测能达到较全面的效果，能够更完善地体现其呈味特征；选择苦味、酸味、鲜味、咸味、甜味、饱满感作为电子舌测试的6 个指标，能够综合地反映不同酱油的滋味特点，利于表征及识别，饱满感清洗时间为6 s，与感官评价相关性更高。通过对不同酱油样本的呈味组分与电子舌测定结果进行偏最小二乘回归分析，建立电子舌输出值与理化指标之间的关系，结果表明电子舌响应信号能够良好预测不同酱油的理化成分，除了苦味氨基酸（0.781）外，R2都达到0.8 以上。电子舌能对不同品牌的酱油进行区分，采用PCA、DFA 均取得了良好的分类效果，前2 个主成分累计贡献率分别达83.8%，98.1%，而BPNN 对样品的预测能力更高，不同品牌酱油的训练集、测试集和保持集的正确率均能达到100.0%。