气味、色泽、质构评价虾鲜度的研究

王伟

（廊坊出入境检验检疫局，河北廊坊065000）

气味、色泽、质构评价虾鲜度的研究

王伟

（廊坊出入境检验检疫局，河北廊坊065000）

为探索出一种快速、准确评定虾新鲜度的方法，用电子鼻、色差仪和质构仪建立评价虾新鲜度的fisher判别模型，包括单指标模型、双指标模型和综合模型。结果显示，单指标的模型准确率普遍较低；双指标模型的准确率有所提高；综合模型的准确率最高，可以到达98%。

虾；新鲜度；电子鼻；色泽；质构

虾产品富含蛋白质和矿物质，脂肪和糖含量低，味道鲜美，肉质细嫩，已成为消费者餐桌上的“常客”[1-4]。但作为一种季节性和区域性的水产品，虾的新鲜度容易降低而失去食用价值和经济价值。随着虾新鲜度的变化，其食用安全性也在逐渐下降，因此快速、准确的判定虾的新鲜度很有必要。

虾死后大致可以分为：僵硬、自溶和腐败变质3个过程[5]。虾的鲜度可以从气味[6-9]，颜色[10-13]和质构[14-18]特性等多方面得到体现[19-25]，但是由于自身差异和环境因素的诸多影响，只通过一个指标难以准确可靠的评判其鲜度。单一指标的好坏只是评判虾鲜度的必要不充分条件，想得到更加准确的评判结果，需要考虑联合多种指标的结果。目前，关于虾新鲜度快速检测技术的探索研究[26-28]还主要集中在使用单一的技术手段对某单一指标进行检测和分析。也有研究人员[5]尝试联合分析多重指标来评判虾的新鲜度。本试验尝试找到凡纳滨对虾新鲜度变化与其气味、颜色和质构特性变化规律之间的关系，为虾新鲜度的评判提供理论依据。

1 材料与方法

1.1 材料与试剂

凡纳滨对虾：大小均匀，每只15 g左右，采购于天津市王顶堤水产市场；食品保鲜膜：台州市路桥幸福人家生活用品有限公司；高氯酸（分析纯）、硼酸（分析纯）、盐酸（分析纯）、氢氧化钠（分析纯）、酚酞指示剂（分析纯）、混合指示剂（分析纯）、硅油消泡剂（分析纯）：天津市红桥区北海实业公司玻璃仪器分公司。

1.2 仪器与设备

BCD-251WBCY型冰箱：青岛海尔公司；电子鼻系统：天津商业大学食品科学实验室自制；UltraScan PRO型色差仪：美国HUNTER LAB公司；TA-XT2i型质构分析仪：英国STABLE MICROSYSTEMS公司；半微量凯氏定氮仪：天长市长城玻璃仪器制造厂。

1.3 方法

1.3.1 样品预处理及方案

选择在4℃冷藏、-3℃微冻和-18℃冷冻3个条件下进行。将活虾3只一组放在干净的培养皿中，用食用保鲜膜密封，分别存放在4、-3、-18℃的冰箱中备用。4℃冷藏条件下样品测量时间点是 0、0.5、1、1.5、2、2.5、3、3.5、4、4.5 d（每隔 12 小时检测一次）；-3℃微冻条件下测量时间点是 0、1、2、3、4、11、18、25、32、39 d；-18 ℃冷冻条件下测量时间点是 0、2、4、6、13、20、40、60、80、100、120、140、160 d；测量取样均不放回，平行试验取3个样品进行测量。试验一直进行到虾体显著腐败变质为止。依次对样品进行感官评价、电子鼻检测、色差检测、质构仪检测和挥发性盐基氮含量（TVBN）的测定。

1.3.2 感官评价

参考并适当调整凡纳滨对虾感官检验的评分标准[28]见表1，请10名经过培训的人员对样品虾进行感官评价。单项指标满分设为20分，0分表示新鲜度极差，不可食用；20分表示新鲜度极好。

表1 凡纳滨对虾感官检验评分标准Table 1 Sensory evaluation standards for Litopenaeus vannamei

1.3.3 电子鼻检测气味

选用6个传感器探头（101号~106号）：空气清新度检测仪、二氧化碳检测传感器、酒精传感器、硫化氢传感器、甲烷等可燃气体传感器和胺类物质传感器。大致测量步骤如下：将虾样品置于样品室中，通入流速稳定的空气，载有虾挥发性成分的气流进入装有6个不同气体传感器组成列阵的测量室进行检测。

1.3.4 色差仪检测色泽

将虾样品放在20 mm比色皿中，检测第二、三腹关节侧面。采用CIE（国际照明委员会）推荐使用的LAB表色系统体现虾体的色泽情况，结果用L*值、a*值和b*值表示，计算△E*值。其中，L*值代表虾体的明亮程度，a*值和b*值代表虾体具体的颜色情况。值的正负以标准白板、黑板为基准，L*值表示黑白；a*值表示红绿；b*值表示黄蓝；△E*值表示总体色差，公式如下：（式中：L1为样品L*值；L0为标准L*值；a1为样品a*值；a0为标准a*值；b1为样品b*值；b0为标准b*值；样品值是不同测量时间点测量值，标准值均为保藏0 d时对虾样品的测量值。）

1.3.5 质构仪质构特性

对虾样品进行质地多面分析（TPA，Texture Profile Analysis），测定指标包括胶黏性、咀嚼性、硬度、弹性、黏合度和凝聚性等。探头为P/50平底柱形探头，测试参数为：测前速度为1.00 mm/s，测试速度为2.00 mm/s，测后速度为2.00 mm/s，压缩程度为40%。

1.3.6 测量挥发性盐基氮

参照SC/T 3032-2007《水产品中挥发性盐基氮的测定》标准，利用半微量凯式定氮仪按半微量定氮法测定样品虾中挥发性盐基氮的含量：1）称取10 g（精确到0.01 g）虾肉，量取90 mL高氯酸溶液，充分混合并研磨，后用真空泵抽滤，滤液备用；2）在一锥形瓶中加入10 mL硼酸吸收液和2滴~3滴混合指示剂，将冷凝管的下端至于液面以下，向半微量定氮器反应室中先后加入5 mL滤液，1滴~2滴酚酞指示剂，和5 mL氢氧化钠溶液，盖紧并水封，通入热蒸汽；3）蒸馏5 min，然后用标准盐酸溶液滴定吸收液，计算挥发性盐基氮（TVBN）的含量。每个样品做3组平行试验，同时进行空白试验。

1.3.7 数据处理

将所获取的数据用SPSS19.0软件进行判别分析。

2 结果与分析

2.1 虾鲜度的变化

随着贮藏时间的延长，虾的新鲜度逐渐下降，下降的速度随着温度的降低而减缓。4℃条件下（如图1），虾在36 h内未发生明显的感官变化，得分在83分以上，TVBN值上升缓慢，含量在12 mg/100 g以下。到第4.5天时，虾已经明显腐败变质，感官得分为35分，远低于腐败的界限60分，TVBN值已超过30 mg/100 g腐败临界值。-3℃条件下（如图2），虾在第4天时感官得分和TVBN值分别为：83分和15.61 mg/100 g，鲜度较好。第11天、第18天、第25天、第32天和第39天的感官得分和TVBN含量分别为：74分，24.51 mg/100 g；67 分，26.66 mg/100 g；55 分，29.56 mg/100 g；48 分，32.63 mg/100 g和45分，35.48 mg/100 g。温度的降低延缓了虾新鲜度下降的速度。-18℃条件下（如图3），虾的感官评分和TVBN的变化速度缓慢。20 d内变化不显著，第20天时感官得分和TVBN值分别为：90分和10.71 mg/100 g。第60天、第100天和第160天时的感官得分和TVBN值分别为：85分，17.38 mg/100 g；81分，19.60 mg/100 g和76分，28.85 mg/100 g。虾体一直保持了较好的感官状况，TVBN值上升缓慢。

图1 4℃下凡纳滨对虾新鲜度的变化Fig.1 The changes of freshness of Litopenaeus vannamei at 4℃

图2 -3℃下凡纳滨对虾新鲜度的变化Fig.2 The changes of freshness of Litopenaeus vannamei at-3℃

图3 -18℃下凡纳滨对虾新鲜度的变化Fig.3 The changes of freshness of Litopenaeus vannamei at-18℃

2.2 电子鼻检测结果

各传感器的响应值随时间和温度的不同产生了不同的变化趋势见图4~图6。结果发现，随时间的延长：101号响应值逐渐上升后趋于平稳；103号响应值在贮藏的初期（冷藏2 d内，微冻5 d内，冷冻11 d内）有上升的过程，之后响应值开始下降；104号和105号传感器的响应值在4℃条件下逐渐上升，在-4℃的条件下先上升后下降，在-18℃条件下前期逐渐下降，后期比较稳定；106号传感器响应值在冷藏条件下短暂上升后持续下降，在微冻和冷冻条件下变化不显著，只有小幅上升波动。

图4 4℃下各传感器响应值的变化图Fig.4 Changes of sensor response value at 4℃

图5 -3℃下各传感器响应值的变化Fig.5 Changes of sensor response value at-3℃

图6 -18℃下各传感器响应值的变化Fig.6 Changes of sensor response value at-18℃

2.3 色差仪检测结果

不同温度下凡纳滨对虾色泽特性的变化见图7~图9。4℃冷藏条件下，虾体的△E*值和b*值在前两天内明显上升，且上升趋势相近，2.5 d以后变化速度减缓，到4.5 d时变化趋于稳定；-3℃微冻条件下，20 d以内△E*值和b*值处于显著上升趋势，之后△E*值上升逐渐减缓，b*值基本趋于平稳；在贮藏的末期（即40 d左右时）虾体的色泽几经完全黑化，变化已难以体现；-18℃冷冻条件下，△E*值在前40 d内上升明显，之后变化较小，趋势平稳，b*值在前40 d上升显著，之后上升势头减缓，但仍保持一定的上升速度。

图7 4℃下凡纳滨对虾色泽特性的变化Fig.7 The changes of color characteristics of Litopenaeus vannamei at 4℃

图8 -3℃下凡纳滨对虾色泽特性的变化Fig.8 The changes of color characteristics of Litopenaeus vannamei at-3℃

图9 -18℃下凡纳滨对虾色泽特性的变化Fig.9 The changes of color characteristics of Litopenaeus vannamei at-18℃

2.4 质构仪检测结果

图10 4℃下凡纳滨对虾质构特性的变化Fig.10 The changes of texture characteristics of Litopenaeus vannamei at 4℃

图11 -3℃下凡纳滨对虾质构特性的变化Fig.11 The changes of texture characteristics of Litopenaeus vannamei at-3℃

图12 -18℃下凡纳滨对虾质构特性的变化Fig.12 The changes of texture characteristics of Litopenaeus vannamei at-18℃

如图10、图11、图12所示，4℃冷藏条件下，虾体的硬度在第2.5天时出现最大值及进入了僵直阶段，之后僵直解除，硬度逐渐下降，恢复性在前2.5天下降的较快，之后速度减缓，趋势趋于平缓；-3℃微冻条件下，虾体在第3天到第4天左右时开始出现僵直，硬度逐渐上升，僵直解除之后进入自溶阶段，硬度开始逐渐下降，恢复性在5天以前下降明显，之后下降边平缓；-18℃冷冻条件下，虾体在第5天左右就出现了硬度下降现象，可能是贮藏温度过低形成了大量冰晶，解冻后造成组织失水，导致硬度开始下降，下降的速度逐渐减缓至趋于平缓，恢复性一直下降，但下降的速度随时间的延长逐渐减缓。

2.5 模型的建立及验证

2.5.1 单指标模型的建立

用spss软件对所得数据分别进行单因素方差分析，结果显示，在各贮藏条件下，各指标随贮藏时间的延长均有显著性差异（P≤0.05），可以用这些数据建立、验证模型。

建模样本量为60组数据（随机取自不同温度），其中新鲜样本40组，腐败样本20组。以虾的新鲜度为因变量，气味参数、颜色参数（△E*值和b*值）与质构参数（硬度和恢复性）分别为自变量，用spss软件进行fisher判别分析，分别得到气味模型、色差模型和质构模型。

2.5.1.1 气味模型的建立

先对所得的大量数据进行主成分分析，基于特征值大于0.9的条件下得到3个累计贡献率达到82%的主成分，分别为：

其中，X1为101号传感器的特征值；X2为102号传感器的特征值；X3为103号传感器的特征值；X4为104号传感器的特征值；X5为105号传感器的特征值；X6为106号传感器的特征值。

以3个主成分因子得分为自变量的气味模型为：

y=1.119X1+0.264X2-0.314X3（X1为因子 F1；X2为因子F2；X3为因子F3）。将样本的数据导入SPSS软件进行如上主成分分析，将所得的因子带入建立的模型，y＞0时为新鲜，y＜0时为腐败，对照虾的实际新鲜度情况即可得到判别的准确率，结果如表2所示，模型的准确率为68.3%。

表2 气味模型分类结果Table 2 Classification results of odor model

2.5.1.2 颜色模型的建立

以新鲜度为因变量，△E*值和b*值为自变量的颜色模型为：y=-3.022+0.138X1+0.555X2（-3.022为常量，X1为△E*值；X2为b*值）。将样本的数据带入建立的模型，y＞0时为新鲜，y＜0时为腐败，对照虾的实际新鲜度情况即可得到判别的准确率，结果如表3所示，模型准确率为86.7%。

表3 颜色模型分类结果Table 3 Classification results of color model

2.5.1.3 质构模型的建立

以新鲜度为因变量，硬度和恢复性为自变量的质构模型为：y=-7.650+0.001X1+12.828X2（-7.650为常量，X1为硬度；X2为恢复性）。将样本的数据带入建立的模型，y＞0时为新鲜，y＜0时为腐败，对照虾的实际新鲜度情况即可得到判别的准确率，结果如表4所示，模型的准确率为93.3%。

表4 质构模型分类结果Table 4 Classification results of texture model

2.5.2 双指标模型的建立

2.5.2.1 气味-颜色模型的建立

以新鲜度为因变量，气味参数和色差参数为自变量的气味-颜色模型为：

y=-2.595+0.515X1-0.150X2-0.035X3+0.114X4+0.484X5（-2.595 为常量；X1为因子 1；X2为因子 2；X3为因子3；X4为△E*值；X5为b*值）。将气味数据导入SPSS软件进行如上主成分分析，将所得的因子和颜色数据带入建立的模型，y＞0时为新鲜，y＜0时为腐败，对照虾的实际新鲜度情况即可得到判别的准确率，结果如表5所示，模型的准确率为88.3%。

2018年11月8日（香港），国泰航空国际美酒品评大赛（HK IWSC）结果公布。大赛十年以来一直被视为反映亚洲葡萄酒市场来年趋势的指引，今年以冷凉气候葡萄酒、“高端化”及气泡酒成为了大赛十周年中表现最亮眼的项目，同时，澳洲、法国和日本囊括所有最重要的奖杯项目。

2.5.2.2 气味-质构模型的建立

以新鲜度为因变量，气味参数和质构参数为自变量的气味-质构模型为：

y=-7.284+0.381X1+0.282X2-0.002X3+0.001X4+12.222X5（-7.284 为常量；X1为因子 1；X2为因子 2；X3为因子3；X4为硬度；X5为恢复性）。将气味数据导入SPSS软件进行如上主成分分析，将所得的因子和质构数据带入建立的模型，y＞0时为新鲜，y＜0时为腐败，对照虾的实际新鲜度情况即可得到判别的准确率，结果如表6所示，模型的准确率为95%。

表5 气味颜色模型分类结果Table 5 Classification results of orod-color model

表6 气味质构模型分类结果Table 6 Classification results of orod-texture model

2.5.2.3 颜色-质构模型的建立

以新鲜度为因变量，颜色参数和质构参数为自变量的模型为：

y=-3.798+0.001X1+7.055X2-0.060X3-0.328X4（-3.798为常量；X1为硬度；X2为恢复性；X3为△E*值；X4为b*值）。同理，将样本的数据带入建立的模型，y＞0时为新鲜，y＜0时为腐败，对照虾的实际新鲜度情况即可得到判别的准确率，结果如表7所示，模型的准确率可达96.7%。

表7 颜色质构模型分类结果Table 7 Classification results of color-texture model

2.5.3 综合模型的建立

以新鲜度为因变量，气味参数、颜色参数和质构参数为自变量的综合模型为：

表8 综合模型分类结果Table 8 Classification results of combined model

2.5.4 模型的验证

验证样本量为40组数据（随机取自不同温度），其中新鲜样本30组，腐败样本10组。将验证组样本的数据分别带入所建模型，y＞0时为新鲜，y＜0时为腐败。验证结果显示，气味模型准确率为82.5%，颜色模型准确率为90%，质构模型准确率为92.5%，气味颜色模型准确率为75%，气味质构模型准确率为92.5%，颜色质构准确率为95%，综合模型准确率为97.5%。

综合建模组和验证组的结果，气味模型准确率为74%，颜色模型准确率为88%，质构模型准确率为93%，气味颜色模型准确率为83%，气味质构模型准确率为94%，颜色质构准确率为96%，综合模型准确率为98%。

可见，随着参考指标种类的增加，模型的准确率逐渐提高。单指标的模型准确率普遍较低，双指标模型的准确率有所提高，综合模型的准确率最高。说明在分析凡纳滨对虾新鲜度时，综合考虑虾的气味特性、色泽特性和质构特性更有利于提高评判的准确性。

3 结论

随着贮藏时间的延迟，凡纳滨对虾的新鲜度逐渐下降，具体体现在包括气味、颜色和质构特性在内的感官状况的变化，这种变化的速度随着贮藏温度的下降而减缓。根据所建模型可以用来评定凡纳滨对虾的新鲜度，但各模型准确率有所不同，随着参考指标的增加模型的准确率逐渐提高。单指标模型的准确率一般，双指标模型的准确率有所提高，综合模型的准确率最高。所以，综合考虑凡纳滨对虾各方面的品质状况，联合多种技术手段，可以更加准确、可靠地评定虾的新鲜度。

[1] 柴春祥,凌云.电子鼻检测虾新鲜度的研究[J].食品科技,2010,35(2):246-249

[2] 李立杰,柴春祥,鲁晓翔,等.微冻对南美白对虾质构的影响[J].食品与发酵工业,2013,39(3):73-76

[3] 王伟,柴春祥,鲁晓翔,等.无损检测技术在虾鲜度评定中的应用[J]．食品与机械,2013,29(14):233-236

[4] 韩丽,赵勇,朱丽敏,等.不同保藏方式南美白对虾的电子鼻分析[J].食品工业科技,2008,29(11):240-243

[5]徐丽敏.南美白对虾与鹰爪虾的保鲜及防黑变初步研究[D].青岛:中国海洋大学,2008:6

[6] 柴春祥,凌云.电子鼻检测虾新鲜度的研究[J].食品科技,2010,35(2):246-249

[7] Miguel Peris,Laura Escuder-Gilabert.A 21st century technique for food control:Electronic noses[J].Analytica chimica acta,2009,638(1):1-15

[8] 李卉,李晓阳,邵胜鑫,等.基于电子鼻分析的南美白对虾品质变化研究[J].食品工业,2012,33(10):148-150

[9] 赵梦醒,曹荣,殷邦忠,等.电子鼻在对虾新鲜度评价中的应用[J].渔业科学进展,2011,32(6):57-62

[10]唐琳,屠康,潘庆磊,等.基于气味和颜色的脊尾白虾新鲜度评价[J].农业工程学报,2011,27(9):344-348

[11]Tsironi T,Dermesonlouoglou E,Giannakourou M,et al.Shelf life modeling of frozen shrimp at variable temperature conditions[J].Food Science and Technology,2009(42):664-671

[12]郑海波,宋运猛.不同贮藏温度对干银鱼色泽的影响[J].安徽科技学院学报,2012,26(5):33-37

[13]Valeria A,Mabel C.Quality loss during the frozen storage of sea salmon(Pseudopercis semifasciata).Effect of rosemary(Rosmarinus officinalis L.)extract[J].LWT-Food Science and Technology,2010,43(2):263-272

[14]杨峰,迟海,杨宪时,等.复配保鲜剂对南极磷虾保鲜及品质的影响[J].食品与发酵工业,2012,38(7):190-195

[15]方静,朱金虎,黄卉,等.冰藏中凡纳滨对虾的质构变化研究[J].南方水产科学,2012,8(6):80-84

[16]王乐,陈淑湘,王欣欣,等.冷藏处理方式对南美白对虾品质的影响[J].食品与机械,2012,28(4):168-171

[17]Slgurgisladottir S,Hafsteinsson H,Jonsson A,et al.Textural Properties of Raw Salmon Fillets as Related to Sampling Method[J].Journal of Food Science,1999,64(1):99-104

[18]T Morkoren．Relating Sensory and Instrumental Texture Analyses of Atlantic Salmon[J].Journal of Food Science,2003,68(4):1493-1497

[19]王能友.虾的营养及使用安全[M].北京:中国食物与营养,2004:58

[20]Matsumoto M,Yamanaka H.Post-mortem biochemical changes in the muscle of Kuruma Prawn during storage and evalution of the freshness[J].Bull Jap Soc Sci Fish,1990,56(7):1145-1149

[21]Fereidoon Shahidi,Janak Kaxnil Vidana Arachehi.Food applications of chitin andchitosans[J].Trends in Food Science&Technology,1999,10:37-51

[22]鸿巢章二,桥本周久.水产利用化学[M].北京:中国农业出版社,1994

[23]Rattana S,Soottawat B.Pink discoloration and quality changes of squid(Loligo formosana)during iced storage[J].LWT-Food Science and Technology,2011,44(1):206-213

[24]李立杰,柴春祥,鲁晓翔,等.微冻南美白对虾鲜度的色泽评价[J].食品工业科技,2013,34(19):320-322

[25]邹明辉,李来好,郝淑贤,等.凡纳滨对虾虾仁在冻藏过程中品质变化研究[J].南方水产科学,2010,6(4):37-42

[26]闫李慧,王金水,渠琛玲,等.仿生电子鼻及其在食品工业中的应用研究[J].食品与机械,2010,26(6):156-159

[27]左克利,史岩,徐坤,等.近红外光谱技术快速检测狭鳕水分、脂肪和蛋白质的含量[J].食品工业科技,2012,33(23):326-329

[28]李学英,迟海,杨宪时,等.南极磷虾冷藏过程中的品质变化[J].食品科学,2010,31(20):464-468

Freshness Evaluation of Shrimp with Smell，Color and Texture

WANG Wei
（Langfang Entry-Exit Inspection and Quarantine Bureau，Langfang 065000，Hebei，China）

In order to explore a combined means to rapidly and accurately evaluate the freshness of shrimp，electronic nose，texture and color-test machine were used to establish kinds of fisher discriminant models，include single index model，double indexes model and integrated model.Results showed that the accuracy of single index model was generally lower than the others；double indexes model accuracy was improved；the accuracy of integrated model was the best 98%.

shrimp；freshness；electronic nose；color；texture

10.3969/j.issn.1005-6521.2017.22.036

王伟（1989—），男（汉），硕士，研究方向：食品科学。

2017-03-23