模糊逻辑模型优化浓缩辣椒酱配方

薛伟,康雨薇

(1.南京航空航天大学,南京 211106;2.江苏旅游职业学院 烹饪科技学院,江苏 扬州 225127)

辣椒酱是一种在烹饪中常用的调味品[1],以辣椒为原料加工而成。辣椒的收获有季节性且新鲜辣椒不易保存,而辣椒酱能够长时间保存[2-3]。目前,全国辣椒酱企业多达2 000家,市场上辣椒酱产品同质化严重,开发新型绿色辣椒酱是必然趋势。

日常生活中,人们评价某种食品的好坏主要是通过其感官性质和理化指标来进行判断,但是客观和主观因素的影响容易导致用语言或数字表示的结果稳定性差,不具有统计学意义[4-6]。因此,学者们研究出了基于模糊逻辑模型来对食品质量属性进行控制的方法,目前已被广泛应用于食品品评方面,基于此种方法能够有效解决在食品中由存在的主,客观因素所产生的影响[6]。近年来,随着人民生活水平的日益提升,人们对于食品安全这一问题也越来越注重,不仅讲究吃得好,而且要“吃得精”[7]。

目前市场上大多数辣椒酱都含有添加剂,产品同质化严重,缺乏特色,而且亚硝酸盐含量偏高,很难达到消费者的期望[8-10]。因此,本文以干辣椒为主要原材料,加入其他辅料进行调制制作浓缩辣椒酱,通过单因素试验和响应面试验进行工艺优化,然后选择模糊逻辑模型的试验方法对感官特性进行验证筛选,从而得到辣椒酱的最佳配方。

1 材料与方法

1.1 材料与仪器

1.1.1 材料

选取新疆乌鲁木齐特级干辣椒;番茄、食盐、白砂糖、香辛料:市售。

1.1.2 仪器

DS-1组织捣碎机 青岛圣吉仪器系统有限公司;pH计、分析天平 浙江奥豪斯仪器有限公司;水浴锅 浙江生物仪器有限公司;蒸汽灭菌锅 苏州阿尔法医疗器械有限公司。

1.2 试验方法

以辣椒酱的总酸含量为参照指标,对影响辣椒酱的不同因素进行研究,其具体方法如下[11]。

1.2.1 工艺流程

蒜、姜→去皮→粉碎→辅料1;

番茄→去皮→榨汁→辅料2;

干辣椒→粉碎成渣→蒸煮→冷却→加入辅料1和辅料2→接菌→发酵6 d→熬制、调味→杀菌→装瓶。

1.2.2 操作要点

1.2.2.1 原料预处理

选择外观无损坏的新疆干辣椒,粉碎成渣。选用完整、无霉变、外观较好的姜、蒜,去皮。

1.2.2.2 粉碎

将清洗去蒂的生姜、大蒜分别放入粉碎机中进行粉碎处理,打好的材料放入干净的容器中备用。

1.2.2.3 发酵

按比例加入纯净水,煮沸,加入干辣椒渣并不断搅拌。然后加入适量的原辅料,再次搅拌均匀,冷却至室温后加入酵母菌,放入发酵箱中进行发酵。

1.2.2.4 调味

将发酵好的辣椒酱再次加入纯净水煮沸,然后按比例称量好果葡糖浆、食盐、蒜粉、乙基麦芽酚等辅料。待熬煮至辣椒酱呈少许黏稠状态且颜色略显暗红色时为最佳状态,即可盛出晾凉[12-13]。

1.2.2.5 杀菌

包装好的辣椒酱需要进行杀菌处理,以便于长期保存,杀菌条件为80 ℃水浴杀菌20 min。

1.2.2.6 冷却贮存

将灭菌后的辣椒酱在常温下冷却至室温后,常温保存备用。

1.2.3 单因素试验

在干辣椒与水的添加比为1∶3的情况下,蒜与姜按辣椒粉量的5%添加,确定以下各单因素水平[14-16]。

1.2.3.1 白砂糖添加量

每100 g原料中分别加入 6,8,10,12,14 g的白砂糖进行梯度试验。

1.2.3.2 菌种添加量

每100 g原料中分别加入 0.05%、0.1%、0.15%、0.2%、0.25%的酵母菌进行梯度试验。

1.2.3.3 食盐添加量

每100 g原料中分别加入 3,4,5,6,7 g的食盐进行梯度试验。

1.2.3.4 番茄添加量

每100 g原料中分别加入10,20,30,40,50 g的番茄鲜榨汁进行梯度试验。

不同条件添加辅料后分别发酵6 d进行测定,得出较优试验组。

1.2.4 响应面试验

在以上单因素试验的基础上选取最优组合进行响应面试验,优化配方,因素水平表见表1。

表1 辣椒酱响应面试验因素水平表Table 1 Factors and levels of resonse surface test for chili sauce

1.2.5 感官品评

感官品评由10名食品高级品评师完成(5名男性和5名女性)。测评员在试验前均接受过专业训练,对于品评不同类型的食品类样品均有着丰富的经验,评价标准见表2[17]。

表2 感官品评标准Table 2 Sensory evaluation criteria

1.2.6 模糊逻辑模型[18-19]

1.2.6.1 样品的三角模糊数

感官评分可以用三角模糊数来表示,简称三元组。图1分别表示“差”、“中等”、“好”和“优秀”4种语言变量。

图1 语言变量的隶属函数图Fig.1 Membership function diagram of language variables

测评员对辣椒酱的质量属性进行评价,得到的三元组函数为:

三角模糊数(a b c)和(d e f)的特殊运算法则为(a b c)⊙(d e f)=(a b a e+d b a f+d c),计算样品的总体感官分数SOi:

SOi=SiC⊙QCrel+SiF⊙QFrel+SiT⊙QTrel+SiA⊙QArel。

式中:SiC、SiF、SiT、SiA对应色泽、气味、滋味和回味三元组,QCrel、QFrel、QTrel、QArel对应各质量属性的模糊相对权重。

1.2.6.2 感官评分的总体隶属函数

由4种感官评价指标得出Bx(模糊数隶属函数):

1.2.6.3 样本的相似值

由上述公式计算可得出样本的相似值Sn:

式中:F表示感官评分矩阵;F′表示F的倒置矩阵;Bx′表示Bx的倒置矩阵。

1.3 数据处理

试验结果采用Excel软件进行处理。

2 结果与分析

2.1 单因素试验分析

2.1.1 白砂糖添加量对辣椒酱总酸含量的影响

由图2可知,白砂糖添加量对辣椒酱中总酸含量的影响明显。发酵时间相同时,随着白砂糖添加量的增加,总酸含量开始稳步上升,当白砂糖添加量大于12 g时,总酸含量开始降低。由此说明当添加量为6～10 g时,辣椒酱中的微生物能够正常生长;当白砂米糖添加量大于10 g时,微生物生长受到抑制,辣椒酱中的总酸含量不再增加。所以,白砂糖添加量为10 g、发酵6 d时,辣椒酱中的总酸含量最高[20-22]。

图2 白砂糖添加量对辣椒酱总酸含量的影响Fig.2 Effect of white granulated sugar addition amount on total acid content of chili sauce

2.1.2 菌种添加量对辣椒酱总酸含量的影响

由图3可知,不同菌种添加量对辣椒酱总酸含量的影响明显。在发酵时间相同的条件下,随着菌种添加量的增加,辣椒酱中的总酸含量开始持续上升,当菌种添加量大于0.2%时,总酸含量开始降低。所以,菌种添加量为0.15%、发酵6 d时,辣椒酱中的总酸含量最高。

2.1.3 食盐添加量对辣椒酱总酸含量的影响

由图4可知,食盐添加量对辣椒酱总酸含量的影响明显。在发酵时间相同时,随着食盐添加量的增加,辣椒酱中的总酸含量开始呈现上升趋势,食盐添加量为6 g时,总酸含量开始持续降低[6]。所以,食盐添加量为5 g、发酵6 d时,辣椒酱中的总酸含量最高。

图4 食盐添加量对辣椒酱总酸含量的影响Fig.4 Effect of salt addition amount on total acid content of chili sauce

2.1.4 番茄添加量对辣椒酱总酸含量的影响

由图5可知,番茄添加量对辣椒酱总酸含量有明显影响。在发酵时间相同的情况下,随着番茄添加量的增加,总酸含量刚开始呈现持续上升的状态,当辣椒酱添加量大于40 g时,总酸含量开始降低。当番茄添加量为10～30 g时,辣椒酱中的微生物能够正常生长发育;当番茄添加量大于30 g时,辣椒酱中的微生物生长发育已经受到了抑制[6],辣椒酱中的总酸含量不再增加。所以,番茄添加量为30 g、发酵6 d时,辣椒酱中的总酸含量最高。

图5 番茄添加量对辣椒酱总酸含量的影响Fig.5 Effect of tomato addition amount on total acid content of chili sauce

2.2 响应面试验分析

基于单因素试验进行响应面试验测定辣椒酱总酸含量,使用SPSS软件进行数据分析,菌种添加量、食盐添加量和番茄添加量对辣椒酱总酸含量的影响结果见表3。

表3 优化辣椒酱配方响应面设计Table 3 Response surface design for the formula optimization of chili sauce

对响应面试验结果进行回归拟合分析,得出发酵辣椒酱总酸含量(Y)与菌种添加量(A)、食盐添加量(B)、番茄添加量(C)之间的二次回归方程:Y=+0.41+6.250E-003A-8.750E-004B+0.026C-0.022AB-2.250E-003AC-0.015BC-0.035A2-0.055B2-0.042C2。

由表4可知,试验模型中失拟项的P=0.059 6>0.05,差异结果显示为不显著;F=5.9,模型显著。由此表明试验结果准确,模型建立成功,所得出的二次回归模型是合适的,同时模型具有较高的拟合性,可变异的因素对试验结果有较小的影响。

表4 响应面试验结果显著性分析Table 4 Significance analysis of response surface test results

菌种添加量(A)、食盐添加量(B)和番茄添加量(C)两两之间的等高线和响应面三维图形见图6。

图6 三因素两两相互作用影响结果Fig.6 Effect results of interaction of three factors in pairs

由图6可知,三因素之间交互作用明显,证明响应面模型建立成功。

经过响应面试验对辣椒酱的工艺条件进行优化,得出结果仅有一种优化方案,经验证试验得出的模型拟合合理,结果得到的自变量最优真实值为菌种添加量0.15%、食盐添加量5 g,番茄添加量30 g时,其预测的总酸含量最高可达到0.445 g/mL。

2.3 模糊逻辑模型感官验证

为了验证上述试验结果的可靠性,选取最优组合样品中评分排名前四的3组样品进行记忆模糊逻辑模型的验证性试验。将3组样品分别记作S1(A2B1C1),S2(A2B2C3),S3(A2B3C2)。样品整体感官评分(a、b、c、d分别表示4种不同等级差、中等、好、优秀)见表5。

表5 样品整体感官评分Table 5 Overall sensory score of samples

由表5可知,根据感官属性标准对3组不同的试验样品进行评分,得出结果:S2的评分结果高于其他两组样品。

利用上文公式进行计算,得出最优样品的三角模糊数,色泽、气味、滋味、回味分别为S1C=(35.66,21.34,22.23),S2C=(43.56,28.59,29.86),S3C=(35.66,21.34,22.23),S1F=(37.15,21.23,19.38),S2F=(42.15,25.64,20.38),S3F=(36.15,22.64,18.64),S1T=(32.33,25.61,21.49),S2T=(39.87,21.61,20.49),S3T=(34.62,21.22,18.99),S1A=(32.14,18.95,24.61),S2A=(36.58,22.99,27.65),S3A=(33.12,20.35,22.61)。

由表6可知,没有质量检测员认为某一种质量属性是完全对辣椒酱品质无影响的。

表6 质量属性感官得分表Table 6 Quality attribute sensory score table

根据三角模糊数的运算法则,得到模糊相对权重,分别为QCrel=(0.154,0.062,0.051),QFrel=(0.205,0.057,0.039),QTrel=(0.279,0.061,0.033),QArel=(0.185,0.060,0.043)。

计算选取最优样品的总体感官分数,得到:SO1=(35.57,22.89,22.18),SO2=(40.54,24.71,24.61),SO3=(34.88,21.39,20.62)。

将0～100平均分为10个区间,Bx取每个区间隶属度的最大值。经公式计算得出感官分数总体隶属函数值,见表7。

表7 样品的总体隶属函数值Table 7 Overall membership function values of samples

样品的感官相似值体现出品评者对该样品的接受程度。由表8可知S2的最大相似值出现在“优秀”等级中,因此可以判定S2是风味最佳的浓缩辣椒酱样品,由此可推断出模糊逻辑模型的验证分析与响应面结果相吻合。经过验证试验得到的辣椒酱最佳工艺配方为菌种添加量0.15%、食盐添加量5 g,番茄添加量30 g,且发酵时间为6 d。

表8 样品相似值及排序Table 8 Similarity values and ranking of samples

3 总结

本研究主要通过单因素试验和响应面试验对辣椒酱的配方工艺进行优化,然后选取最优组合,利用模糊逻辑模型进行验证,测定此条件下辣椒酱的感官特性,通过对辣椒酱的总酸分布规律进行预测分析,结合感官评分标准,得到最佳工艺配方。通过采集不同发酵辣椒酱的样品,基于响应面回归拟合模型和模糊逻辑模型,分析发酵过程中总酸百分含量和感官评分的变化情况;结合选取的最优组合的指标信息,建立效果最佳的预测模型。通过对模糊逻辑模型测定结果的不同组合进行选取,得到菌种添加量0.15%、食盐添加量5 g、番茄添加量30 g时,其总酸含量最高,可达到0.445 g/mL。结合模糊逻辑模型研究浓缩辣椒酱的风味质量属性,结果表明利用模糊逻辑模型方法来优化辣椒酱工艺具有可行性,模糊逻辑模型方法对于改进发酵产品生产工艺具有科学价值,能够为食品科学的发展提供一定的理论研究基础,同时也为食品检测技术的提升奠定了实质性基础。