均匀试验结合模糊数学评价优化马铃薯泥营养餐的配方
2020-10-18吕都李俊陈朝军陈中爱刘永翔
吕都，李俊，陈朝军，陈中爱，刘永翔
（1.贵州省农业科学院生物技术研究所，贵州贵阳550006；2.贵州省农业科学院食品加工研究所，贵州贵阳550006；3.贵州省农业生物技术重点实验室，贵州贵阳550006）
马铃薯又名土豆、洋芋、山药蛋等，属茄科一年生草本植物[1-2]，是仅次于小麦、稻谷和玉米的全球第四大重要粮食作物[3]。马铃薯块茎含有大量淀粉，且富含蛋白质、氨基酸、维生素和矿物元素[4-5]，营养全面丰富，可以为人体提供热量，满足营养需求。马铃薯营养价值丰富，适应性强、种植地区广泛，为全球消除饥饿做出了巨大贡献[6]。目前，我国已成为全球最大的马铃薯生产国，但是，我国马铃薯主要以鲜食为主[7]，加工利用率不足10%。2015年农业部启动马铃薯主食化战略后，马铃薯主食产品应运而生品种繁多，如马铃薯馒头、马铃薯面条、马铃薯米粉、马铃薯泥面包、马铃薯泥饼干[8-10]等，其共同的特点都是将马铃薯粉或者马铃薯泥添加到某种产品中，使其含有马铃薯的成分，起到强化营养的作用。
目前，以新鲜马铃薯为原料，制成的原薯蒸煮产品尚未见报道。马铃薯泥营养餐，以新鲜马铃薯为原材料，经过清洗、去皮、蒸煮、调配和炒制等工艺制成，其营养丰富，生产工艺简单、生产成本低，口感和滋味易于被消费者接受，具有较高的市场前景，但是，尚未见关于马铃薯泥营养餐配方研究的文献。本研究采用均匀试验设计结合模糊数学评价，通过计算机对试验数据进行统计分析，来优化马铃薯泥营养餐的配方，提高马铃薯泥营养餐配方研究的客观程度，以期为马铃薯泥营养餐的规模化生产提供参考。
1 材料与方法
1.1 材料与试剂
马铃薯：黔芋8号，贵州省马铃薯研究所；卤牛肉、青豆、土豆淀粉：贵阳市沃尔玛超市；食盐：贵州盐业（集团）有限责任公司；菜籽油：东莞鲁花食用油有限公司；耐高温真空包装袋：台州市合为贸易有限公司。
1.2 仪器与设备
Zk-3型真空封口机：永康市斯飞格电器有限公司；YXQ-100SII立式压力蒸汽灭菌锅：上海博迅实业有限公司医疗设备厂。
1.3 方法
1.3.1 马铃薯泥营养餐的加工工艺流程
1.3.2 马铃薯泥营养餐配方优化
在确定了马铃薯泥营养餐配方组分的基础上，采用均匀试验设计结合模糊数学感官评价结果，优化马铃薯泥营养餐的配方。马铃薯泥营养餐配方的组分为：新鲜马铃薯、卤牛肉、青豆、土豆淀粉、菜籽油和食用盐，其组分用量范围新鲜马铃薯1.00 kg～2.10 kg，卤牛肉0.10kg～0.32kg，青豆 0.10kg～0.21kg，土豆淀粉 0.01kg～0.12 kg，菜籽油 5 mL ～60 mL，食盐 1 g～12 g。以马铃薯泥营养餐模糊数学感官评价结果为指标，根据均匀试验方案表和使用表设计六因素十二水平的U12（126）均匀试验[11]，因素水平见表1，试验方案见表2。
1.3.3 马铃薯泥营养餐模糊数学感官评价
根据马铃薯泥营养餐的感官特性结合模糊数学原理[12]，设定两个评定论集：因素集和评语集。因素集为马铃薯泥营养餐感官评价指标的集合，记为因素集U={外观（U1），气味（U2），滋味（U3）}。评语集为马铃薯泥营养餐感官评价结果的集合，记为评语集V={优（90），中（70），差（50）}。依据各感官因素对感官评价结果的贡献，将感官因素的权重分别定为外观0.20、气味0.30 和滋味 0.50，记为加权数集 W={0.20，0.30，0.50}。
将样品按照均匀试验方案表进行编号，选择10名具有食品专业知识的人员，对马铃薯泥营养餐进行感官评价，评价结果以百分制计算，评价标准见表3。
表1 马铃薯泥营养餐配方因素水平表Table 1 Factors and levels of potato nutritious meal
将10名感官评分人员对12份马铃薯泥营养餐的感官评价得分进行统计，每份试验样品都会得到一个模糊评价矩阵Rn。
表2 马铃薯泥营养餐配方均匀试验方案表Table 2 The uniform test scheme of potato nutritious meal
表3 马铃薯泥营养餐感官评价标准表Table 3 The sensory evaluation criteria of potato nutritious meal
式中：Rn为第n个样品的模糊评价矩阵；r11、r12和r13为第n个样品外观因素评价结果优、中和差3个等级得票数与总票数的比值；r21、r22和r23为第n个样品气味因素评价结果优、中和差3个等级得票数与总票数的比值；r31、r32和r33为第n个样品滋味因素评价结果优、中和差3个等级得票数与总票数的比值。结合加权数集W={0.20，0.30，0.50}，则有综合评价结果集Y=W·Rn，感官评分 T=Y·V。
1.4 数据统计与分析
本试验所有数据采用Excel 2010和DPS v7.05处理分析。
2 结果与分析
2.1 马铃薯泥营养餐模糊数学评价结果
将10名感官评分人员对12份马铃薯泥营养餐外观、气味和滋味的打分结果按照优、中、差得票数统计，并计算每个等级得票的比例，得到12个样品的模糊评价矩阵。
2.2 马铃薯泥营养餐均匀试验结果
根据综合评价结果集Y=W·Rn计算公式，得到不同配方马铃薯泥营养餐的综合评价结果，根据感官评分公式T=Y·V，得到均匀试验组合中不同配方马铃薯泥营养餐的最终感官得分，结果见表4。
表4 马铃薯泥营养餐配方均匀试验结果Table 4 The uniform test result of potato nutritious meal
均匀试验结果和模糊数学感官评价结果表明，N7试验组合的配方最佳，模糊数学感官评分为87.50分，其对应的配方组合为马铃薯泥1.60 kg、卤牛肉0.10 kg、青豆0.12 kg、土豆淀粉0.04 kg、菜籽油55 mL和食盐5 g。
2.3 均匀试验结果处理与分析
利用DPS v7.05数据处理软件，对马铃薯营养餐配方均匀试验结果进行处理和分析。以马铃薯泥营养餐模糊数学感官得分为指标，采用线性回归分析和逐步回归方法进行处理分析，结果表明：回归方程相关系数低，模型拟合度差，存在非线性影响[13]。因此，选择二次多项式逐步回归方法进行处理分析，逐步回归是一种筛选变量的方法，先将贡献率最大的一个变量选入回归方程，并确定Fin和Fout决定变量的入选和剔除[14]。经DPS v7.05数据处理软件进行二次多项式逐步回归分析，逐步入选变量和建立的回归方程及方程参数结果见表5。
表5 均匀试验二次多项式逐步回归结果Table 5 The stepwise regression results of quadratic polynomial in uniform test
经过6步，不断引入贡献率最大的新变量，建立的回归方程变量增加，回归方程的决定系数和相关系数逐渐增大，表明逐步建立的回归方程的准确性越来越高。最终利用二次多项式逐步回归方法建立的回归方程为：y=163.19-1 115.35X3-5.42X12+3 879.57X32+0.53 X1X5-5.50X3X5-10.60X4X6，决定系数 R2=0.974 0、相关系数 R=0.986 9、F=31.27、p=0.000 8、标准差 S=1.86，调整后的相关系数Ra=0.971。回归方程的响应值和变量之间的偏相关分析结果见表6，回归方程的拟合值与试验值的对比结果见表7。
表6 回归方程响应值与变量偏相关性结果Table 6 The partial correlation results between response value of regression equation and variable
结果表明：模糊数学感官评分与X3、X12、X3X5和X4X6呈极显著负相关关系，与X32和X1X5呈极显著正相关关系，拟合误差在±1.58之内，表明回归方程拟合准确性高。
2.4 均匀试验结果的验证
对回归方程进行最大值求解，回归方程拟合y最大值为 92.41，其各因素 X1、X2、X3、X4、X5和 X6的取值分别为 1.769 5、0.113、0.100、0.018、39.581 和 1.900。根据实际操作修正取值为 1.77、0.11、0.10、0.02、39.60 和1.90，按照修正后的配方制作马铃薯泥营养餐，并进行模糊数学感官评价。验证样品的综合评价结果为（0.96 0.04 0.00），最终感官评分为89.20分，与回归方程的拟合值相比较，误差百分比为3.47%，表明回归方程准确可靠。
表7 回归方程的拟合值与试验值的对比结果Table 7 The fitting value of the regression equation compared with the experimental value
3 结论
采用均匀试验设计，制作了12份不同配方的马铃薯泥营养餐，结合模糊数学综合评价，对试验结果进行二次多项式逐步回归分析。通过DPS v7.05数据处理软件计算获得回归方程为：y=163.19-1 115.35X3-5.42X12+3 879.57X32+0.53X1X5-5.50X3X5-10.60X4X6，决定系数R2=0.974 0、相关系数R=0.986 9、F=31.27、p=0.000 8、标准差S=1.86，调整后的相关系数Ra=0.971，并对其进行最大值求解，得到拟合最大值为92.41分，最佳配方为马铃薯泥1.77 kg、卤牛肉0.11 kg、青豆0.10 kg、土豆淀粉0.02 kg、菜籽油39.60 mL和食盐1.90 g。按照最佳配方进行验证试验，结果表明，验证样品模糊数学感官评分为89.20分，与回归方程拟合值相比较，误差百分比为3.47%，回归方程拟合准确度高、最佳配方结果准确可靠。
