豆豉是一种以黑豆或黄豆为原料,经蒸煮、制曲、发酵而成的传统发酵豆制品,按发酵微生物的种类可分为毛霉型、曲霉型、细菌型和根霉型豆豉[1]。由于产地和生产工艺的不同,豆豉样品间风味差异较大。目前,研究通过GC-O-MS等分析技术,分别确定了重庆永川[2]、广东阳江[3]、湖南浏阳[4]等地豆豉中的关键香气物质。除仪器分析外,感官评价方法也能区分不同产地豆豉样品间的感官差异[5]。
作为最全面、信息量最大的感官评价方法,定量描述分析法(quantitative descriptive analysis,QDA)是经过培训的评价员对构成样品感官特征的各个指标强度进行完整、准确评价的感官评价方法,目前已在酒类[6]、茶叶[7]、调味品[2]等产品中有着广泛应用。QDA可以获得全面、稳定的结果,但也存在着周期长、成本高等问题。因此近年来,一些使用未经充分训练的评价员进行感官评价的快速描述分析方法,如Napping法结合超自选特性排序剖面法(Napping-ultra-flash profiling, Napping-UFP)[8]、自由选择剖面法(free choice profiling,FCP)[9]、极化感官定位法(polarized sensory positioning,PSP)[10]等已广泛应用于食品感官领域。
快速描述分析方法可分为3类[11]:基于产品相似性的方法,如Napping法;基于产品的描述性方法,如FCP法;基于比较产品与参照物差异的方法,如PSP法。大量研究结果显示Napping法[12-14]、FCP法[15]等快速描述分析方法可获得与QDA相似性较高的载荷图,表明这些方法可能是替代QDA的有效方法。总的来说,以Napping-UFP法、FCP法和PSP法为代表的3类快速描述分析方法具有较高的准确性,可以很好区分同类产品的感官特性,在调味品感官领域将会有广泛的应用前景。
本研究以不同产地的豆豉样品为研究对象,分别采用基于相似性的Napping-UFP法、基于描述性的FCP法和基于参照物的PSP法,比较3类方法在以豆豉为代表的调味品中的应用效果,以期为调味品提供一些快速、有效且低成本的感官评价方法。
1 材料与方法
1.1 实验材料
实验所选取的7种豆豉样品均为市售,具体信息如表1所示。
表1 豆豉样品信息
Table 1 Douchi sample information
豆豉编号样品产地配料A1永川豆豉重庆市永川区大豆、生活饮用水、食用盐A2永川豆豉重庆市永川区黄豆、食用盐、生活饮用水、醪糟A3永川豆豉重庆市永川区黄豆、生活饮用水、食用盐、白酒B1阳江豆豉广东省阳江市黑豆、水、食用盐B2阳江豆豉广东省阳江市黑豆、水、食用盐C1浏阳豆豉湖南省浏阳市小黑豆、食用盐、食用植物油C2浏阳豆豉湖南省浏阳市黑豆、食盐
1.2 实验方法
共招募39名未经培训的消费者作为评价员,每位评价员仅参与一种方法测试。所有试验在西南大学食品科学学院感官实验室进行。为了验证方法的准确性,3种方法均随机选择1个样品作为重复样品[16],与7个豆豉样品一起呈送给评价员。8个待测豆豉样品均以3位随机数字编码。每次试验前先让评价员熟悉样品,并分别介绍试验方法及流程。评价过程中使用苏打饼干和纯净水清理口腔。
全部试验数据通过智能云感官评价系统(https://www.cloudsensorylab.com)收集获得。
1.2.1 Napping-UFP法
共11名评价员参加Napping-UFP法试验,该试验分2个阶段进行[17]。第一阶段将7个豆豉样品和1个重复样品(C1)同时呈送给评价员,要求评价员根据感官特征的相似性和差异性在一个与A3纸张比例(420 mm×297 mm)相同的平面上进行样品的摆放,即感官特征越相似的样品距离越近,反之样品距离越远。以平面的长和宽作为横轴和纵轴,统计样品位置的坐标信息。
第二阶段,评价员在摆放好的样品旁列出一些该样品具有的典型的感官性质,对每个样品的感官特征描述词进行归类并统计词频。
1.2.2 FCP法
共14名评价员参加FCP法试验,该试验分2个步骤进行[18]。首先,将7种豆豉样品和1个重复样品(A2)同时呈送给评价员。每位评价员独自从外观、香气、风味、质地、余味这5个感官方面产生能区分样品的感官描述词,形成自己的词汇表,注意不能使用表达情感的词语。
充分休息后,再将上述样品以随机顺序呈送给评价员,要求评价员利用15 cm长的线性标度,评价之前自己生成的样品感官性质的强弱。每个描述词对应1条从左至右感官强度逐渐加强的标度。
1.2.3 PSP法
共14名评价员参加PSP法试验,该试验参考ARES等[19]的方法稍作修改。从3个产地的样品中随机选择C1、B2、A3作为参比样品,分别以“R1”“R2”“R3”编码。要求14名评价员品尝3个参比样品并记住每个样品的感官特征。将7个豆豉样品及1个重复样品(C1)呈送给评价员。评价员依次将每个样品与3个参比样品进行比较,在左端标明“完全相同”,右端标明“完全不同”的10 cm标度上标注出该样品与各个参比样品的相似程度。
1.3 数据处理
采用XLSTAT 2016软件对所有数据进行分析。对Napping-UFP法、PSP法的数据进行多因素分析,对FCP法的数据进行广义普鲁克分析。使用调整后的RV系数(adjusted RV coefficient,ARV)比较3种感官方法之间的相关性[20]。
2 结果与分析
2.1 Napping-UFP法
2.1.1 感官描述词的建立
Napping法是PAGES[21]研究白酒时引入的感官评价方法。评价员可根据样品间的相似性和差异性进行感官位置的摆放[22]。完成Napping实验后,评价员通常被要求在每个样品编码旁写下描述词,这种方法称作Napping-UFP法[8]。在Napping-UFP法中,合并含义相似的词语,删除意义模糊的描述词后,共保留54个感官描述词以描述和区分8个豆豉样品。其中,20个术语由2人及以上使用,结果见表2。这些描述词中包括5个外观描述词、6个风味描述词、5个质地描述词、3个香气描述词和1个余味描述词。其中咸味、硬度、黏度、黑色、酸味在所有感官描述词中使用频次最高,分别被使用22、17、8、7、7次,表明这5个感官特性可能是区分不同产地豆豉样品间差异的关键。
表2 Napping-UFP法建立的描述词及被提及的频次统计
Table 2 Descriptors and frequency of mention from Napping-UFP
类型描述词词频外观黑色7颗粒感4光滑3粗糙3棕褐色2风味咸味22酸味7黄豆味4苦味3酱味2甜味2质地硬度17黏度8干燥6松软5湿润3香气酱香3霉味2发酵味2余味余味3
2.1.2 多因素分析
Napping-UFP法中产品感官特征越相似,样品位置越近[22]。该方法同时收集了样品的坐标信息和感官描述词,以样品坐标值为主要变量,以描述词为补充变量,进行多因素分析[23]。如图1所示,样品载荷图的前2个维度解释了样品总体变异的59.21%。2个相同样品(C1-1、C1-2)位置邻近,表明实验具有较高的准确性。此外,同一地区豆豉产品的感官特征相似,产自湖南浏阳的C1、C2豆豉样品位于第一维度正半轴,与其他样品距离较远,表明湖南浏阳的豆豉与其余样品间均存在较大的感官差异;C2与2个C1样品(C1-1、C1-2)相隔较远,表明相同产地的豆豉也具有一定差异。重庆永川的A1、A2、A3豆豉样品距离较近,说明三者的感官特征相似;产自广东阳江的B1和B2豆豉样品位于第三象限,样品相近,表明这2个样品风味相似。这一结果与杨洋等[5]将重庆、广东、湖南三地的豆豉分成3类的结果一致,表明Napping-UFP法可以有效区分各产地产品之间的感官特征差异。
图1 Napping-UFP法多因素分析载荷图
Fig.1 Multiple factor analysis loading diagrams of Napping-UFP
2.2 FCP法
2.2.1 感官描述词的建立
FCP法是由评价员自主产生描述词,然后根据自身感受强度对样品的感官属性进行量化的感官评价方法[9]。14名评价员通过对8个豆豉样品的比较自主产生描述词。将其中同义词合并后共有73个描述词以描述和区分不同产地的豆豉样品,其中包括24个外观描述词、15个气味描述词、12个风味描述词、15个质地描述词、7个余味描述词。表3显示词频≥2的18个术语。其中,使用频率较高的有咸味、硬度、苦味、饱满等,有超过1/3的评价员产生这几个感官属性,说明这几个感官特征可能是豆豉最典型的感官特性,可能代表不同产地豆豉之间感官特征的最大差别。此外,同Napping-UFP法一样,咸味、硬度等描述词被评价员反复提及,表明这些感官属性有可能是豆豉风味的典型特征。但这2种方法产生的大多数感官特征仅被个人提出,且存在描述词不准确、词义模糊等问题,这可以通过对评价员进行较短时间培训来提高准确性以避免这些问题[20]。
表3 FCP法建立的描述词及被提及的频次统计
Table 3 Descriptors and frequency of mention from FCP
感官属性描述词频次外观饱满5干硬3完整2风味咸味13苦味6甜味3酱味3鲜味3酒味2涩味2质地硬度13柔软5香气臭味5酒香2刺鼻2余味咸味5甜味4苦味4
2.2.2 广义普鲁克分析
对FCP法的数据结果进行广义普鲁克分析,样品载荷图如图2所示,前2个维度共解释了豆豉感官特征总体变异的76.68%。2个相同样品(A2-1、A2-2)在载荷图上位置相近,表明FCP法具有较高的准确性。与Napping-UFP法的结果一致,FCP法中相同产地的豆豉样品在载荷图上的分布规律相似。产自重庆永川的A1、A2、A3样品邻近,均位于x轴负半轴;B1和B2位于第三象限,样品位置相近;C1和C2均位于x轴正半轴,位置相邻,这表明相同产地的豆豉产品的风味特征相似,不同产地差异显著。总之,同类产品可以通过FCP法很好地区分开来。
图2 FCP法样品广义普鲁克分析载荷图
Fig.2 Generalized Procrustes analysis loading diagrams of FCP
2.3 PSP法
PSP法是将各试验样品分别与参比样品进行比较的评价方法,可以直观反映出评价样品与参比样的相似程度[10, 16]。如图3所示,多因素分析后可以看到,累计方差贡献率是72.99%,基本可以解释样品感官性质的大部分信息。2个相同样品(C1-1、C1-2)位置相近,表明PSP法具有较好的准确性。在PSP法载荷中,不同产地豆豉样品的分布被明显区分开,产自重庆永川的A1、A2、A3样品位置相近,位于第一象限;产自广东阳江的B1、B2在第四象限,样品位置相邻,湖南浏阳生产的C1、C2样品均位于x轴负半轴,且位置相近,表明PSP法对不同产地豆豉的感官特征具有很高的区分度。
图3 PSP法多因素分析载荷图
Fig.3 Multiple factor analysis loading diagrams of PSP
Napping-UFP法、FCP法和PSP法的结果均表明不同产地豆豉的感官特征差异较大,这可能是由于不同原料发酵得到的豆豉感官特征相差较大[24],也可能是因为豆豉在发酵过程中不同产地微生物产生大量的酶将淀粉、脂质、蛋白质等物质降解为醇、醛、酸、酯等不同的小分子风味物质[25],使各产地的豆豉风味不尽相同。在所有载荷图中,产自湖南的豆豉样品距离其他样品更远,这可能是因为浏阳豆豉是淡豆豉,与其他豆豉产品的风味差异较大[26]。
2.4 ARV系数
ARV系数可用于验证方法间的相关性[20]。计算Napping-UFP法、FCP法和PSP三者间的ARV系数,结果如表4所示,所有方法间ARV系数均大于0.750,表明3种方法相互间具有较高的一致性。其中FCP和PSP的ARV系数最高,为0.925(P<0.05),表明其相关性在3个方法中最高。FCP和Napping-UFP的ARV系数是0.790(P<0.05),低于Napping-UFP和PSP的0.831(P<0.05),其相关性最低。
表4 Napping-UFP法、FCP法、PSP法间ARV系数比较
Table 4 The comparison of ARV coefficient among Napping-UFP, FCP, and PSP
方法比较ARV系数P值Napping-UFP与FCP0.7900.047Napping-UFP与PSP0.8310.037FCP与PSP0.9250.047
之前的研究表明2种方法间相关性的高低可以用RV系数表示,但在样本数量较少的情况下,RV系数可能具有偶然的一致性[27]。修正RV系数[28]和ARV系数均可避免RV系数这一缺陷,其中ARV系数的效果更佳[27]。WANG等[20]应用ARV系数分析了同一感官评价小组在不同培训阶段的表现。本研究通过ARV系数发现Napping-UFP、FCP和PSP法之间具有良好的相关性,与荷载图分布相似的结果一致。
3 结论
本研究分别采用基于相似性的Napping-UFP法、基于描述性的FCP法和基于参照物的PSP法对不同产地的豆豉产品进行感官评价。结果显示3种快速描述分析方法的准确性较高,均可以快速、有效地分析豆豉的感官性质,对不同产地豆豉样品的感官特征差异均具有良好的区分效果。Napping-UFP法、FCP法和PSP法之间的ARV系数均高于0.750,三者具有较高的相关性。
3种方法中,PSP法与Napping-UFP法、FCP法的ARV系数均较高,适合快速区分产品感官特征的差异,但该方法缺少产品的描述性信息。Napping-UFP法和FCP法均可以产生样品描述词,但未经充分培训的评价员对感官描述词的理解往往存在一定偏差,很难达成共识。多种快速描述分析方法的联合使用可提升评价结果的准确性,如与闪现剖面法(Flash profile,FP)法结合使用,可以提升Napping-UFP法的有效性[29]。
综上,以Napping-UFP、FCP和PSP法为代表的不同类型快速描述分析方法均可快速、有效地区分样品感官特征的差异。虽然这些快速描述分析方法仍需进一步完善,但未来应用需求将会越来越多。
[1] 蒲静. 曲霉型豆豉褐变工艺影响因素研究[D].贵阳:贵州大学, 2021.
PU J.Study on influencing factors of browning technology of Aspergillus-type Douchi[D].Guiyang:Guizhou University, 2021.
[2] 李薇. 传统发酵永川豆豉和速成豆豉增香发酵关键香气物质基础比较研究[D].重庆:西南大学, 2022.
LI W.Comparative study on key aroma substance basis of traditional fermented Yongchuan Douchi and quick fermented Douchi[D].Chongqing:Southwest University, 2022.
[3] 赵谋明, 曹永, 蔡宇, 等.SDE和HS-SPME法与GC-MS/O联用分析阳江豆豉的香气活性化合物[J].现代食品科技, 2016, 32(5):264-275.
ZHAO M M, CAO Y, CAI Y, et al.Identification of aroma-active compounds from Yang Jiang Douchi by SDE and HS-SPME combined with GC-MS/O[J].Modern Food Science and Technology, 2016, 32(5):264-275.
[4] CHEN Q C, XU Y X, WU P, et al.Aroma impact compounds in Liuyang Douchi, a Chinese traditional fermented soya bean product[J].International Journal of Food Science &Technology, 2011, 46(9):1823-1829.
[5] 杨洋, 索化夷, 王洪伟.Flash Profile法在豆豉感官评价中的应用[J].中国酿造, 2020, 39(6):181-184.
YANG Y, SUO H Y, WANG H W.Application of Flash Profile method in sensory evaluation of Douchi[J].China Brewing, 2020, 39(6):181-184.
[6] 李元一, 李倩倩, 张葆春, 等.基于静态及动态感官分析的中法白兰地风味特征研究[J].食品与发酵工业, 2022, 48(1):227-232.
LI Y Y, LI Q Q, ZHANG B C, et al.Flavour characteristics of Chinese and French brandies based on static and dynamic sensory analysis[J].Food and Fermentation Industries, 2022, 48(1):227-232.
[7] 戴前颖, 安琪, 郑芳玲, 等.基于定量描述分析法和适合项勾选法的黄大茶香气感官特性及喜好度分析[J].食品科学, 2022, 43(21):23-33.
DAI Q Y, AN Q, ZHENG F L, et al.Sensory characteristics and preference analysis of flavor of huangda tea based on quantitative descriptive analysis and fit check method[J].Food Science, 2022, 43(21):23-33.
[8] PERRIN L, SYMONEAUX R, MA
TRE I, et al.Comparison of three sensory methods for use with the Napping® procedure:Case of ten wines from Loire valley[J].Food Quality and Preference, 2008, 19(1):1-11.
[9] DELIZA R, MACFIE H, HEDDERLEY D.The consumer sensory perception of passion-fruit juice using free-choice profiling[J].Journal of Sensory Studies, 2005, 20(1):17-27.
[10] TEILLET E, SCHLICH P, URBANO C, et al.Sensory methodologies and the taste of water[J].Food Quality and Preference, 2010, 21(8):967-976.
[11] VALENTIN D, CHOLLET S, LELI
VRE M, et al.Quick and dirty but still pretty good:A review of new descriptive methods in food science[J].International Journal of Food Science &Technology, 2012, 47(8):1563-1578.
[12] OLIVER P, CICERALE S, PANG E, et al.Comparison of quantitative descriptive analysis to the Napping methodology with and without product training[J].Journal of Sensory Studies, 2018, 33(3):n/a.
[13] TANG K, TIAN X, MA Y, et al.Aroma characteristics of Cabernet Sauvignon wines from Loess Plateau in China by QDA®, Napping® and GC-O analysis[J].European Food Research and Technology, 2020, 246(4):821-832.
[14] ARES G, DELIZA R, BARREIRO C, et al.Comparison of two sensory profiling techniques based on consumer perception[J].Food Quality and Preference, 2010, 21(4):417-426.
[15] RICHTER V B, DE ALMEIDA T C A, PRUDENCIO S H, et al.Proposing a ranking descriptive sensory method[J].Food Quality and Preference, 2010, 21(6):611-620.
[16] ARES G, DE SALDAMANDO L, VIDAL L, et al.Polarized projective mapping:Comparison with polarized sensory positioning approaches[J].Food Quality and Preference, 2013, 28(2):510-518.
[17] GONZ
LEZ-MOH
NO A, ANTEQUERA T, PÉREZ-PALACIOS T, et al.Napping combined with ultra-flash profile (UFP) methodology for sensory assessment of cod and pork subjected to different cooking methods and conditions[J].European Food Research and Technology, 2019, 245(10):2221-2231.
[18] LIU J, BREDIE W L P, SHERMAN E, et al.Comparison of rapid descriptive sensory methodologies:Free-choice profiling, flash profile and modified flash profile[J].Food Research International, 2018, 106:892-900.
[19] ARES G, ANT
NEZ L, OLIVEIRA D, et al.Pole selection in polarized sensory positioning:Insights from the cognitive aspects behind the task[J].Food Quality and Preference, 2015, 46:48-57.
[20] WANG H W, FENG X Y, SUO H Y, et al.Comparison of the performance of the same panel with different training levels:Flash profile versus descriptive analysis[J].Food Quality and Preference, 2022, 99:104582.
[21] PAGES J.Direct collection of sensory distances:Application to the evaluation of ten white wines of the Loire Valley[J].2003, 23(5-6):679-688.
[22] 苏晓霞, 黄序, 黄一珍, 等.快速描述性分析方法在食品感官评定中应用进展[J].食品科技, 2013, 38(7):298-303.
SU X X, HUANG X, HUANG Y Z, et al.Advance in the application of rapid descriptive sensory methods[J].Food Science and Technology, 2013, 38(7):298-303.
[23] SMITH A M, MCSWEENEY M B.Partial projective mapping and ultra‐flash profile with and without red light:A case study with white wine[J].Journal of Sensory Studies, 2019, 34(5):e12528.
[24] 温嘉敏, 蔡尤林, 黎攀, 等.应用中国根霉12发酵制备高溶栓活性淡豆豉的条件优化[J].食品工业科技, 2018, 39(20):98-104;111.
WEN J M, CAI Y L, LI P, et al.Optimization of conditions for using Rhizopus chinesis 12 to ferment and produce Semen sojae praeparatum with high-activity fibrinolytic enzyme[J].Science and Technology of Food Industry, 2018, 39(20):98-104;111.
[25] 卢露, 郑晓莹.豆豉发酵中微生物及其功能研究进展[J].粮食与食品工业, 2011, 18(1):42-45.
LU L, ZHENG X Y.Research advance on distribution and function of microorganism in Douchi fermentation process[J].Cereal &Food Industry, 2011, 18(1):42-45.
[26] 谢靓, 蒋立文, 涂彬, 等.电子舌-固相微萃取-气相色谱-质谱联用比较3种不同干燥方式对浏阳豆豉品质的影响[J].食品科学, 2016, 37(22):92-98.
XIE J, JIANG L W, TU B, et al.Comparison of the effects of three different drying methods on the quality of Liuyang Douchi as analyzed by electronic tongue and SPME-GC-MS[J].Food Science, 2016, 37(22):92-98.
[27] EL GHAZIRI A, QANNARI E M.Measures of association between two datasets;Application to sensory data[J].Food Quality and Preference, 2015, 40:116-124.
[28] SMILDE A K, KIERS H A L, BIJLSMA S, et al.Matrix correlations for high-dimensional data:The modified RV-coefficient[J].Bioinformatics, 2009, 25(3):401-405.
[29] MIELE N A, PULEO S, DI MONACO R, et al.Sensory profile of protected designation of origin water buffalo ricotta cheese by different sensory methodologies[J].Journal of Sensory Studies, 2021, 36(3):e12648.