浓香型入池饭醅感官性状评价模型的构建研究

陈景宜，王青松，赵 琦，王卫东，牛 力，陈 琪

（江苏洋河酒厂股份有限公司，江苏宿迁 223700）

在浓香型白酒酿造过程中，入池饭醅的调控关乎整个发酵过程及产酒能力，通过对入池饭醅中水分、酸度、淀粉、含氧量的调节，从而控制发酵升温的幅度与速度，使酵母菌在一定的酒精浓度和适宜的温度内生长繁殖[1]。入池饭醅性状是衡量入池饭醅综合状态的一种感官评价指标，通过对入窖的入池饭醅性状的评价，可一定程度上预测该窖池发酵情况，如性状良好的入池饭醅应该具有柔熟不腻、不刺手、有骨力等特点，性状较差的入池饭醅有的呈现手握不成团、炸开，有的呈现刺手、粗糙、黏腻等的手感。入池饭醅性状的差异反映的是原辅料配比的合理性、粮食蒸煮的熟烂程度（熟而不烂，内无生心[2]）、加浆水的使用量等。

传统评价入池饭醅感官性状的方法主要靠有经验的酿酒师傅通过感官（主要以手感为主）进行综合评价，但此种方法存在一定的主观性，需要有多年生产经验的人才能掌握，不易传授推广和标准化等。质构仪可反映与机械性能相关的食品质构特性，它通过专用探头对样品进行准确量化，从而用定量指标对入池饭醅进行客观、全面的评价，避免人为因素对结果的主观影响，同时便捷性较高。目前，唐贤华等[3-5]探索出了糟醅TPA 参数及质构特性与发酵参数；李玉彤[6]研究了不同配料方式的糟醅理化和质构特性的对比。但对于入池饭醅性状优劣的影响因素及预测模型鲜有报道。

公司创新采用质构仪测量，并结合多位酿酒车间主任经验评判的方法对入池饭醅手感特征进行量化分级。通过历时两年的研究，从不同车间取样五百组入池饭醅样品，结合理化和TPA 指标，建立入池饭醅感官性状预测评价模型，以期为酿酒车间调节入池饭醅提供理论依据。

1 材料与方法

1.1 材料、仪器

试样：样品为洋河酒厂2019—2020 年度酿酒周期二三排次的大茬入池饭醅，取样方式为从镰上取三点，即左、右、中间，分布要均匀。每点取约200 g 样品，将三点样品混合均匀后，用四分法采用环刀(一种容器，可最大限度保持入池饭醅自然状态)取约200 g 样品，放入塑料杯中，并注明车间、组别及窖池编号。

仪器设备：上海保圣科技的TA.TOUCH 质构仪；环刀；烘箱；电炉。

1.2 试验方法

1.2.1 入池饭醅的感官评价

将从不同车间小组镰上随机取样的大茬入池饭醅样品立即装入自封袋中密封保存，随后进行随机三位数编号。邀请十二位生产经验极为丰富的车间主任作为入池饭醅感官评价小组成员，在感官评定时，保持安静，评价小组成员之间不能讨论交流，对照感官评价鉴定表进行打分，做好记录。每个入池饭醅样品的感官评分值为去掉最高分和最低分后所取的算数平均值。

1.2.2 感官评价维度的确定

感官评价维度的确定采用用户调查法，即由评价小组提供，采用最接近酿酒生产的术语描述出反映入池饭醅性状的词汇，参考GB/T 10221—2012《感官分析术语》并结合入池饭醅的感官属性由评价小组建立入池饭醅四个评价维度，并对不同手感的入池饭醅在四个维度上建立梯度打分表，如表1所示。

表1 入池饭醅性状的感官评价维度打分标准

1.2.3 样品质构及理化参数的测定

1.2.3.1 水分测定

干燥箱烘干法。取直径80～100 mm 洗净并烘干至恒重的表面皿，称重，记录空平皿的重量M1（准确到0.1 g）。称取约10 g入池饭醅样品于已称重的表面皿中，充分摊开，记录样品重量M2。将干燥箱温度调到130 ℃，温度恒定后放入试样，烘60 min。取出，放置于干燥器中冷却至室温，称重记为W1。水分（%）=（M1+M2-W1）÷M2×100。

1.2.3.2 酸度测定

酸碱滴定法。称取试样10.00 g置于塑料杯中，加100 mL蒸馏水，搅匀，于室温下浸泡15 min，期间每隔5 min搅拌1次。用脱脂棉（或滤纸）过滤备用。吸取过滤液10 mL，置于100～150 mL（或250 mL）三角瓶中。加水约20 mL，2 滴1 %酚酞指示剂，用0.1 mol/L NaOH 溶液滴定至微红色。

酸度（mmol/10g）=C×V×100÷10

式中：C，V——NaOH 溶液的物质的量浓度（C），体积（mL）；

100/10——10 mL 入池饭醅浸出液换算成100 mL 入池饭醅浸出液的倍数。

1.2.3.3 淀粉测定

入池饭醅中淀粉经酸水解后，用斐林试剂法测定。称取试样5.00 g，置于250 mL 磨口三角瓶中，加100 mL 1∶4 盐酸溶液。瓶口安上回流冷却管，放置于COD 消解器上消解30 min。取出迅速冷却，并用20 %(W/V) NaOH 溶液中和至中性或微碱性（用pH 试纸测定）。用脱脂棉过滤，滤液用500 mL 容量瓶接收，用蒸馏水充分洗涤残渣，定容至500 mL，摇匀。吸取斐林氏液甲、乙液各5 mL置于100～150 mL 三角瓶中。从滴定管中加入约9 mL 0.1 %标准葡萄糖溶液，摇匀，于电炉上加热至沸。立即用标准葡萄糖溶液滴定至蓝色消失，呈浅黄色，此滴定操作应在1 min内完成，消耗标准葡萄糖溶液应控制在1 mL以内。

1.2.3.4 入池饭醅溶氧量

用比重瓶方法测得待测入池饭醅比重，用环刀截取入池饭醅样品，计算该入池饭醅含水量。入池饭醅溶氧量=[环刀内部体积-（实验入池饭醅体积+入池饭醅含水量体积）]÷环刀内部体积×100%。

1.2.4 入池饭醅的全质构分析方法（TPA）测定

采用质构仪的全质构分析方法（TPA），即先将质构仪校零后，把待测入池饭醅样品装在环刀中，使用球形探头，从起始位置开始以1.0 mm/s 的测试速度下压待测样品，压缩到固定位移后，探头返回压缩的触发点，停顿2 s 后继续以1.0 mm/s 的测试后速度下压同样位移，而后返回。接触点类型为压力（gf），接触点数值为10，接触力为5 gf。单个样品检测数值为3次测量均值。

1.3 数据处理

采用Excel 2010 分析数据并作图；采用TA.TOUCH 质构仪自带软件进行SVM-PCA 分析；Statistics 22.0统计软件进行相关性、多元回归分析。

2 结果与分析

2.1 SVM-PCA算法初步建立入池饭醅分类模型

根据感官盲评筛选出性状评价为好和差两种极端的样品质构数据，采用SVM-PCA 算法建立分类模型，如图所示，其中背景色为模型划分区域：右侧的色彩柱为算法根据TPA 数据建立的等级分布图，绿色为1 号样品区域，即感官性状为“好”的区域；灰色区域为模型划分的2 号样品区域，即感官性状为“差”的区域。

图1 SVM模型示意图

图2 中的混淆矩阵代表的是模型准确度，是评价分类模型好坏的依据，其中模型准确率的计算公式为：accracy=正确分类样品数/样品总和。可视化图方便直观的可以看出模型犯一类错误和二类错误等错判的数目。本次模型准确率为0.6719，根据该模型可以初步预测未知入池饭醅样品性状等级。

图2 模型准确率示意图

通过以上模型可对未知等级入池饭醅进行预测，随机选取一组入池饭醅样品质构数据，带入到SVM 模型中，如图3 所示，按照色彩度分析等级为1 的样品落点分布于绿色区域。因该模型仅围绕TPA 参数分类，未考虑入池饭醅理化指标的影响因素，故而模型准确度受限，下面将综合考虑入池饭醅理化、TPA参数的影响，继续优化模型。

图3 未知样品-SVM模型预测

2.2 入池饭醅理化、质构指标及对应感官性状评价结果

表2 入池饭醅理化、TPA 参数结果，由表2 可知，入池饭醅理化、TPA 各项参数之间的标准偏差为0～375，说明各指标之间分布差异较大。其中，TPA 各项指标的变异系数CV 均大于10%，表明入池饭醅样品间TPA 指标变化大，说明建模数据丰富，是保证模型准确度高的前提条件。

表2 入池饭醅理化、TPA参数结果

表3 为多维度感官评分，从表中可知，柔熟度、肉实度、疏松度、黏腻度、感官总分的标准偏差为1.70～6.61，变异系数CV 均大于27%，表明四个感官评价维度和总分的分布较均匀，样品评分间离散程度也较大，有效的量化了入池饭醅性状间的差异性。

表3 感官评价结果

2.3 入池饭醅理化及TPA 参数与感官性状评价指标之间的相关性

入池饭醅理化、TPA 参数与感官评价指标之间的相关性分析见表4，可看出水分与其余指标间均具有一定程度的相关性，其中与溶氧量、硬度、肉实度和黏腻度呈负相关，表明水分含量过大的入池饭醅硬度会偏低，入池饭醅间隙中的溶氧量也会相对偏低，入池饭醅粘手感即黏腻度会偏大。淀粉与黏聚性(r=0.713)、肉实度（r=0.708）均呈显著正相关，说明淀粉含量较高时，淀粉颗粒经蒸煮膨胀，由规则形态断裂成无规则状态的过程中拉力增强，因此黏聚性增大，入池饭醅肉实感随之增大。溶氧量与疏松度（r=0.872）呈显著正相关，表明入池饭醅颗粒间孔隙大，其疏松度大，手握透气、不成团。TPA 各参数间均具有一定的相关性，硬度与回复性r=0.561，粘性与黏聚性r=0.738，说明TPA 各参数具有一定的相互作用。感官评价维度四个指标即柔熟度、肉实度、疏松度、黏腻度均与TPA指标有显著相关性。

表4 入池饭醅理化、TPA参数与感官评价指标之间的相关性分析

2.4 入池饭醅理化及TPA 参数与感官性状评价指标的回归分析

为进一步对入池饭醅感官评价维度及感官总分进行预测，采用回归分析对入池饭醅理化及TPA参数感官评定各指标进行预测建模，以水分X1、酸度X2、淀粉X3、溶氧量X4、硬度X5、粘性X6、黏聚性X7、回复性X8为自变量，感官评价各项指标为因变量Y，剔除F-值显著水平＞0.05的变量，得到如表5所示的柔熟度、肉实度、疏松度、黏腻度、感官总分的预测模型。由表5 可知，柔熟度、肉实度、疏松度、感官总分模型的决定系数R2均大于0.67，黏腻度偏低，为0.487，经显著性检验均在0.05 水平上显著相关。其中柔熟度、感官总分预测模型的决定系数R2较高（R2＞0.81），说明柔熟度、感官总分的预测模型能更好地反映入池饭醅性状。

表5 入池饭醅理化、质构参数与感官评价指标的逐步回归分析结果

2.5 入池饭醅感官性状综合评价模型的验证

感官评价总分预测模型的检验结果如下：线性回归方程y=0.9101x+2.3188；P 值（预测值-实测值）=0.368；R2=0.8097；Af=1.0876；Bf=0.8325。

为验证回归方程预测模型的准确性，使用未参与建模用的入池饭醅样品再次进行感官盲评和回归方程预测值测定的方法，并对二者做线性回归分析，结果见图4。其中模型决定系数R2为0.8097，表明该回归方程中自变量有效地预测了因变量中80.97 %的变异信息，且自变量对因变量的预测力呈正相关，也就是说感官评价总分预测模型可以很大程度上预测感官评价。准确因子Af 和偏差因子Bf 是描述模型准确性的重要参数，Af 和Bf 接近1，表明该方程能较好的预测不同入池饭醅的性状评分和等级。

图4 感官评价总分实测值与预测值的相关性

3 结论

本研究通过对收集的500 组浓香型入池饭醅，采用最贴近生产实际的评价用语（柔熟度、肉实度、疏松度、黏腻度）进行感官性状评价，构建了感官评价标准体系。实验结果显示，入池饭醅中水分与柔熟度、淀粉与黏聚性、肉实度呈显著正相关，TPA 各参数间也均具有一定的相关性。根据逐步回归分析，建立了入池饭醅感官性状综合评价模型：Y=30.8+1.69X1-0.56X3+0.0004X5-96.2X7+57X8。经验证，所建模型可预测浓香型入池饭醅80.97 %的品质得分，为酿酒车间及时调控入池饭醅性状提供了理论依据，具有一定的指导意义。

在实际取样中发现不同排次间入窖时环境温度、原辅料用量、不同批次高粱品质的差异均会导致入池饭醅性状差异较大，且采用机械化与非机械化的车间之间也有一定的差异，这可能也是预测模型的决定系数未达到90 %以上的原因，下一步将结合入池醅的糊化度、原酒产质量指标，分排次建立入池饭醅性状评价预测模型，并验证入池饭醅感官与原酒质量之间的关系。