豆腐干超声卤制的响应面试验及工艺优化

刘振蓉 吴 妮 赵武奇 张清安

(陕西师范大学食品工程与营养科学学院，陕西 西安 710119)

豆腐干作为中国传统豆制品之一，富含蛋白质、脂肪、碳水化合物及钙、磷、铁等人体所需的矿物质，营养丰富、风味独特，深受广大消费者喜爱[1]。近几年，豆腐干的消费理念逐渐成形，市场范围不断拓展，生产规模及产量显著提高，已成为我国豆制品加工产业中发展速度较快的产品之一[2]。卤制是豆腐干生产过程中关键工序之一，其主要目的是将卤汁中的有效成分渗入物料，以增加产品的滋味和风味[3]。目前大多数企业采用的卤制工艺是将新鲜豆腐干放入卤汁中，高温煮沸，这种方法操作简单，设备成本低，但存在能耗高、豆腐干色泽和质构差[4]以及产品质量不稳定等缺点。在卤制方面，主要的研究技术有微波法[5]、脉动压力法[6]、真空法[7]、真空脉冲法[8]及超声波法[9]等，其中，超声波作为一种新型的卤制技术，日益受到人们的重视，已成功应用于鱼肉[10-11]、鹅肉[12]、猪肉[13-14]、鸭蛋[15]等原料的加工。韦田等[16]研究发现，超声波处理能提高猪肉腌制效率、肉品嫩度，并改善肉品质构。李莹影等[17]研究发现采用超声盐渍鸡翅，能促进食盐的渗透速率，缩短腌制时间，提高游离氨基酸的含量，有利于产品滋味和风味的形成。超声波卤制技术具有卤制速度快，对原料破坏作用小[18]等优点，但其在豆腐干卤制加工过程中的应用尚鲜见报道，因此，本研究拟将超声波处理应用于豆腐干的卤制，以解决现有卤制方法存在的卤制效率低、品质差及能耗高等问题，这对于推进豆制品加工产业发展具有重要的意义。

1 材料与方法

1.1 材料与试剂

新鲜豆腐(3.5 cm×3.5 cm×2 cm)，由陕西大通农业科技有限公司提供。铬酸钾，天津市盛奥化学试剂有限公司；亚天氰化钾、酚酞，天津市天力化学试剂有限公司；硝酸银，天津市科密欧化学试剂有限公司。所用试剂均为分析纯。

1.2 主要仪器与设备

X0-SM50 超声波微波协同反应工作站，南京先欧仪器制造有限公司；WSC-S 测色色差计，上海精密科学仪器有限公司；TA.XT.Plus 质构仪，英国stable micro system 公司；BS224Sx 电子天平，北京赛多利斯系统有限公司。

1.3 试验方法

1.3.1 豆腐干超声卤制 取60 g 鲜豆腐放入盐溶液中，在不同条件下进行超声卤制，物料与盐溶液的比例为1 ∶10(m ∶v)。经超声处理后，冲洗沥干，使用气体射流冲击干燥机在风速9.0 m·s-1、风温72℃条件下干燥制备豆腐干，当豆腐干的含水量为56%±1%(湿基)时停止干燥，取出样品，冷却至室温，用于相关指标的测定。各试验组平行测定3 次，取平均值。

1.3.2 响应面试验设计 在预试验基础上，以超声功率(A)、超声时间(B)、超声温度(C)、盐浓度(D)为试验因素，以豆腐干的含盐量(y1)、单位能耗(y2)、色差值△E(y3)、咀嚼性(y4)、回复性(y5)为响应值，进行四因素三水平响应面试验(表1)。

表1 响应面试验设计与因素水平表Table 1 Design and factors of response surface experiment

1.3.3 水分含量测定 按照GB 5009.3-2016[19]测定。

1.3.4 盐含量测定 按照GB 5009.44-2016[20]测定。

1.3.5 色泽测定 使用色差计测定，色差值(ΔE值)计算公式如下:

式中，L0，a0，b0为新鲜豆腐干测定值；L*，a*，b*为卤制豆腐干测定值。

1.3.6 质构测定 使用质构仪测定，探头型号为P/36R(柱形，直径36 mm)，开始速度1 mm·s-1，探头下降速度1 mm·s-1，离开速度1 mm·s-1，压缩程度为50%。

1.3.7 单位能耗 准确读取干燥前后气体射流冲击干燥设备上的电表读数，根据公式计算豆腐干干燥过程中的单位能耗(kJ·g-1):

1.3.8 遗传算法优化 遗传算法是一种模拟达尔文的遗传选择和生物进化过程搜索最优解的方法，根据进化论“适者生存”原则，选择适应度较好的个体进行复制，按照给定概率对个体进行交叉，对某些特定个体进行变异。在选择、交叉和变异遗传操作中不断迭代，从而输出最优解[21]。

各指标单目标优化最优参数之间存在较大差异，为满足实际生产中高品质、低能耗的多指标综合需求，定义适应度函数如下[22]:

式中，wn为第n个指标的目标权重，且∑wn=1。en为第n个考察指标相对于综合目标值的偏差值，用Euclid 距离来表示:

式中，当指标越大越好时，kn为指标的回归方程输出值与该指标单目标优化最优解比值；当指标值越小越好时，kn为该指标的最优值与其回归方程输出解的比值。

1.3.9 数据分析 采用Design-Expert 软件设计Box-Behnken 试验，建立数学模型，进行方差分析，显著性水平取0.05。采用MATLAB 软件进行遗传算法优化及作图。

2 结果与分析

2.1 响应面试验结果与分析

响应面设计与结果见表2。应用Design Expert 进行回归拟合分析，剔除不显著项，可分别得到含盐量(y1)、单位能耗(y2)、△E值(y3)、咀嚼性(y4)、回复性(y5)与超声卤制工艺参数之间的二次多项式回归模型:

表2 响应面试验设计与结果Table 2 Design and results of response surface experiment

2.2 方差分析

由表3 可知，各指标的回归模型均显著(P＜0.05)，各模型的决定系数R2均大于0.91，调整决定系数AdjR2均大于0.86，变异系数(variable coefficient，CV)均小于5.00%，说明建立的回归方程比较可靠，能通过工艺参数对超声处理后的豆腐干各考察指标进行分析和预测。各因子对含盐量的影响均极显著，A2、C2、B2和交互项BD、AD、CD对含盐量有极显著影响，D2和交互项AB影响显著；各因子对单位能耗均有极显著影响，交互项BC、BD和CD对单位能耗有极显著影响，A2和B2对单位能耗影响显著；各因子对△E值影响的大小依次是D(盐浓度)＞A(超声功率)＞B(超声时间)＞C(超声温度)，D2、A2和交互项AB、AD对△E值有极显著影响，A2影响显著；各因子对咀嚼性影响的大小依次是D(盐浓度)＞A(超声功率)＞C(超声温度)＞B(超声时间)；交互项BD、CD对咀嚼性有显著影响，AD影响极显著；各因子对回复性影响的大小依次是D(盐浓度)＞C(超声温度)＞B(超声时间)＞A(超声功率)，A2、C2、D2和交互项AD、BD对回复性有极显著的影响，B2和交互项AC、BD影响显著。

表3 响应面回归模型方差分析表Table 3 Regression model variance analysis of each index

2.3 因子间交互作用分析

由图1 可知，当超声功率一定时，随着超声时间的延长含盐量先上升后稍有下降，随着盐浓度的增加，含盐量不断上升；当超声时间或盐浓度一定时，含盐量在超声功率小于725 W 时，随着超声功率的增大而增大，在功率超过725 W 时，含盐量有所下降；当盐浓度一定时，随着超声时间延长和超声温度的增加，含盐量稍有上升。由图2 可知，当超声温度一定时，随着超声时间的延长和盐浓度的增加，单位能耗呈上升趋势；当盐浓度一定时，随着超声时间的延长和超声温度的增加，单位能耗稍有增加。由图3 可知，当超声功率一定时，随着超声时间的延长和盐浓度的增加，豆腐干的ΔE值呈先增大后趋于平缓的趋势；当超声时间或盐浓度一定时，随着超声功率的增大，ΔE值先增大后基本保持不变。图4 显示，当盐浓度一定时，咀嚼性随着超声时间、功率和温度的增大而增大；随着盐浓度的增大，咀嚼性也增大。由图5 可知，当盐浓度一定时，随着超声功率和超声时间的增加，豆腐干的回复性呈先增大后略微下降的趋势；当超声功率或时间一定时，随着盐浓度和超声温度的增大，回复性先增大后降低。综上所述，超声卤制过程中，豆腐干的单位能耗和品质变化与超声时间、超声温度、盐浓度和超声功率密切相关。

图1 各因素交互作用对含盐量影响的响应面图Fig.1 Response surface plots of the interaction of various factors on the salt content

2.4 遗传算法优化及验证

将含盐量、单位能耗、ΔE值、咀嚼性、回复性的单目标优化最佳值分别带入式(3)、(4)中得到遗传算法优化的适应度函数为:

约束函数为:

式中，y1为含盐量，%，y2为单位能耗，kJ·g-1，y3为ΔE，y4为咀嚼性，N，y5为回复性。

图6 为遗传算法优化过程图，随着迭代次数的增加，适应度逐渐下降，在第210 代时达到最佳适应度，最佳适应度值为1.250 28×10-5，得到的最佳工艺条件为:超声功率504.125 W，超声时间20.728 min，超声温度76.182℃，盐浓度5.054%。为了便于实际生产，将各参数调整为:超声功率504 W、超声时间21 min、超声温度76℃，盐浓度5.0%。表4 为该超声工艺参数下生产豆腐干的指标与回归方程预测值的比较，结果表明，各考察指标的实测值与理论预测值接近，说明所得回归方程比较可靠，可用于超声卤制豆腐干各考察指标的预测。

表4 实测值与回归方程预测值的比较Table 4 Comparison between measured value and predicted value of regression equation

图2 各因素交互作用对单位能耗影响的响应面图Fig.2 Response surface plots of the interaction of various factors on unit energy consumption

图3 各因素交互作用对色差影响的响应面图Fig.3 Response surface plots of the interaction of various factors on color difference

3 讨论

3.1 超声卤制处理对豆腐干单位能耗及品质的影响

本研究结果表明，超声温度一定时，单位能耗随着超声时间和盐浓度的增加而增大。这与张鹏飞等[23]对桃片超声渗透-红外辐射干燥特性及能耗研究的结果一致。这可能是由于随着超声时间的延长，超声波对豆腐干组织的破坏和微流效应增强，促使更多的盐渗透到豆腐干中；随着盐浓度的增加，豆腐干表面与其内部浓度差增大，传质推动力变大，加快了盐从豆腐干表面向内部的扩散速度。豆腐干内部含盐量升高，一方面强化了豆腐干中蛋白质的进一步变性，使水分扩散的阻力增大，导致干燥能耗增加；另一方面盐能使豆腐干中自由水的水合作用增强，使凝胶网络结构中部分自由水转变为结合水，水分的自由度减小，不易向外扩散，从而使能耗增加。因此，较低盐浓度及短时间的超声卤制，能够降低能耗。

图4 各因素交互作用对咀嚼性影响的响应面图Fig.4 Response surface plots of the interaction of various factors on chewiness

超声功率一定时，随着超声时间的延长和盐浓度的增加，含盐量不断上升。崔龄文等[24]在超声波处理对湿腌猪肉腌制速度及肉质影响的研究中也得到了相同结论。这是因为超声波处理能给予氯化钠分子一定的动力，加快盐分的渗透速度，促进盐分向物料中渗透，随着作用时间的延长，渗入物料中的盐分逐渐增多，含盐量上升；盐浓度增大，物料与渗透液质量浓度差增大，渗盐速率加快。当超声时间或盐浓度一定时，含盐量在超声功率小于725 W 时，随功率的增大而增大，在功率超过725 W 时，含盐量随功率增加而有所下降。这是因为超声波空化作用会加速溶液中小分子的运动，有助于盐分的均匀渗透和扩散，随着超声功率的增大，空化作用加强，含盐量增大；但超声功率过大时，豆腐干内部组织遭到破坏，不利于盐分的保持，含盐量降低。盐浓度一定时，随着超声温度的增加，含盐量呈上升趋势，李鹏等[25]在研究超声波辅助腌制铁蛋加工中也发现了这一规律，随着超声温度的升高，氯化钠分子的运动速度加快，有利于盐分在豆腐干中的渗透，导致含盐量增加。

色泽是豆腐干外观评价的重要指标。超声功率一定时，随着超声时间的延长及盐浓度的增大，△E值逐渐增大。这是因为超声波可产生空化效应和局部高温，随着超声时间的延长和盐浓度的增大，豆腐干表面的碳水化合物、脂肪以及蛋白质经过一系列极其繁杂的非酶促褐变反应和氧化反应，在其表面形成一层黄膜，从而使产品色差增大。黄膜的主要成分是含有氨基、醛基或还原酮等基团的褐色色素和类黑色素，豆腐干表面黄膜的形成，会造成脂肪和蛋白质的损失，因此，豆腐干超声卤制加工过程中应避免色泽变化导致的营养流失。

咀嚼性反映豆腐干的耐嚼能力，也是反映其食用品质的重要质地指标之一[26]。当盐浓度一定时，咀嚼性随着超声时间、功率和温度的增大而不断增大。丁捷等[27]在研究超声波热处理对真空包装泡椒猪肝质构特性影响时也得出类似规律。豆腐干是高蛋白质凝胶食品，随着超声时间、功率和温度的增大，在超声波热效应和机械效应的作用下，蛋白质分子相互连接的紧密度提高，使网络孔径分布均匀、数量增多且直径减小，连续的网络凝胶结构使凝胶强度增大，引起豆腐干的咀嚼性增大；另外，超声作用也可加速盐分向豆腐干中渗透，使豆腐干含盐量不断增加，导致其内部的固形物含量增加，咀嚼性随之上升。

图5 各因素交互作用对回复性影响的响应面图Fig.5 Response surface plots of the interaction of various factors on resilience

图6 遗传算法最优适应度曲线Fig.6 Optimized fitness curve of genetic algorithm

回复性是指样品在第一次压缩过程中回弹的能力，反映了物质以弹性变形保存的能量，是评价质构特性的重要指标[28]。随着超声功率、超声时间、盐浓度的增加，豆腐干的回复性指标呈现出先增大后稍下降的趋势。这是因为豆腐干的内部空隙在超声波的作用下变得更加均匀一致，导致回复性增大，但超声功率过大或超声时间过长时，豆腐干内部组织结构出现松散，细胞组织结构遭到破坏，产生许多微观通道，使豆腐干细胞组织间结合作用力减弱或遭到破坏，导致其回复性降低，这与罗登林等[29]在利用超声波处理醒发面团时得出的随超声作用时间的延长，面条的回复性先增大后降低的结果一致。

3.2 遗传算法优化

遗传算法是一种模拟自然选择和遗传变异等生物进化过程求解极值问题的全局性概率搜索算法，用于优化不连续、不可微、随机或高度非线性的目标函数，能够从数量庞大的候选参数中筛选出最佳组合方式[30]，具有收敛快、精度高、简单易用等特点。目前已成功应用于臭氧切片莲藕呼吸模型参数识别[31]及草莓品质预测模型建立[32]等研究。贾梦科等[33]应用遗传算法、fgoalattain 函数法及隶属度综合评分法对气体射流冲击干燥苹果片进行多目标优化，结果表明遗传算法的优化效果最好。赵炎军等[34]使用遗传算法优化金荞麦的提取工艺，优化效果理想，有效成分得率高，可用于金荞麦有效部位的提取。张芳等[35]研究库尔勒香梨挥发性物质萃取条件的优化，结果表明BP(back propagation)神经网络结合遗传算法能准确地寻找到固相微萃取的最优参数。以上研究表明，遗传算法能很好地解决食品加工过程中的多目标优化问题。本研究在建立多目标优化函数的基础上，利用遗传算法的选择、交叉和变异获得了豆腐干超声卤制的最佳超声工艺参数为超声功率504 W、超声时间21 min、超声温度76℃、盐浓度5.0%。本研究对于生产高品质、低能耗的豆腐干具有重要的现实意义。

4 结论

本研究建立的超声卤制工艺参数与豆腐干含盐量、单位耗能、△E值、咀嚼性、回复性的回归模型均显著(P＜0.05)，失拟项均不显著(P＞0.05)，模型可以用于分析和预测超声卤制工艺参数对豆腐干能耗与品质的影响。超声卤制豆腐干的最佳工艺参数为:超声功率504 W、超声时间21 min、超声温度76℃、盐浓度5.0%。该参数下，豆腐干含盐量为1.16%，单位能耗为8.04 kJ·g-1，△E值为15.98，咀嚼性为1 609.49，回复性为0.34。超声卤制技术能提高食盐渗透速度，缩短卤制时间，提高产品品质，将其应用于豆腐干的卤制加工，弥补了目前常用卤制工艺存在的卤制效率低、品质差、能耗高等缺点。本研究对推进豆腐干产品加工发展具有重要的意义。