热干面感官评价描述词的建立

◎曾 习，郑诚驰

（武汉商学院 食品科技学院，湖北 武汉 430056）

热干面是中国十大名面之一，深受武汉乃至全国各地民众的喜爱[1]。近年来，工业化生产的热干面挂面、方便面等陆续面市，但由于对其感官品质的科学研究较少，致使这些商品均差强人意。手工制作的热干面也存在类似问题，除了经验丰富者对热干面归纳的大致风味外，几乎没有对其进行系统的感官描述研究。建立科学的感官描述词是构建热干面感官评价体系的基础，可为食品感官科学的发展提供实践支持，具有一定的推广意义。

1 材料与方法

1.1 材料

热干面：自制。

1.2 感官评价员的确定

根据GB/T 10221—2012 和GB/T 16861—1997 对感官评价员的要求，筛选和培训了18 位感官评价员，分别从热干面的色、香、味、形和质5 个方面提出热干面感官评价描述词。

1.3 热干面感官评价描述词筛选方法

1.3.1 初步整理描述词

根据GB/T 16861—1997 的要求综合感官评价小组的意见，在讨论过程中逐步删除不符合规范以及过于口语化的描述词。

1.3.2 M 值法初步筛选感官评价描述词

按照GB/T 16861—1997 的方法对热干面描述词进行删减，按照图1 的标度评价每个描述词的强度。

图1 用于删减描述词的标度图

统计感官描述词相对于整体样本的提出率F值，评价小组对于描述词的重要性强度打分占该描述词整体样本得分的比率I值，并计算F×I的几何平均值M值，根据M值的得分来删减感官描述词，以M≥0.2，即认为提及率较多或较为重要。

1.3.3 PCA 法二次删选描述词

使用SPSS 22.0 对初步筛选过后的描述词进行主成分分析，得到能包括描述词大部分信息的若干主成分。

2 结果与分析

2.1 M 值法对感官描述词进行初次删减

根据产品的色、香、味、形和质5 个方面，初步搜集到39 个有关热干面的感官描述词，按照M 值法的要求对同类样品的每一个描述词进行评价。以18 名感官评价员给出的39 个有关热干面的感官评价数据为基础，计算各描述词的M值，M值的大小反映出感官评价员对描述词的认可程度，综合I值和F值以及整个数据样本的大小，感官描述词M值小于0.2 说明此感官出现的频率以及认可度都很低，因此对M值小于0.2 的进行初步筛选删除，剩下29 个感官评价描述词的M值，结果如表1所示。

表1 热干面感官描述词的M 值表

由表1 可知，筋道、酱香、黄色、浓郁等27 个描述词的M值均大于0.2，表明这些感官描述词被提及的次数比较多，或者感受强度相对较强，适合用于评价热干面感官品质的重要描述词[2]，而透光和酸味的M值接近0.2，为减少第1 类错误，暂保留这两项进行后续分析。

2.2 PCA 法二次筛选

在进行M 值法筛选之后，剩下筋道、酱香、黄色和浓郁等29 个感官描述词。从整体数量来看用于评价热干面的感官描述词仍然比较多，不适合直接用于评价热干面的感官特性，所以采用PCA 法把这29 个感官评价词进行二次筛选降维分析，得出能够最大程度描述武汉热干面感官特性的描述[3]。因为协方差矩阵以及相关矩阵的特征值给定，通过SPSS 22.0 进行线性变换得到的每个因子之间彼此互不相关。结果如表2所示。

表2 热干面各主成分的累计方差贡献表

由表2 可知，前7 个主成分的累计方差贡献率达到100%，能保留被描述样品的大部分信息[4]，但是从第3 个主成分开始，主成分所代表的描述词在对热干面的感官特性的描述上并没有显著的差异，所以选择前7 个主成分对热干面的感官特性及品质进行分析。第一主成分（PC1）的方差贡献率为33.433%，第2 主成分（PC2）的方差贡献率为22.039%，第3主成分（PC3）的方差贡献率为15.326%，第4 主成分（PC4）的方差贡献率为11.021%，第5 主成分（PC5）的方差贡献率为8.131%，第6 主成分（PC6）的方差贡献率为6.123%，第7 主成分（PC7）的方差贡献率为3.926。

热干面的特征根数值衰减折形图如图2所示。同时由图2 可知特征值从PC1 到PC7 是由10 接近0，主成分的数目可以依据相关系数矩阵的特征根来判定，相关系数矩阵特征根等同于主成分内的数据波动，而方差是描述整体大样本数据波动程度的变量之一[5]。根据特征值决定主成分数目的准则，以及图2中PC7 明显的拐点，所以取前7 个主成分来对热干面的感官品质进行分析。

图2 热干面的特征根数值衰减折形图

由表3 可知，软硬适口、柔和爽口、咸鲜有味、粘黏为PC1 的代表性感官描述词，载荷因子分别为0.986、0.951、0.917、0.860，方差贡献率为33.433%；酱香、芝麻香、油香、麦香为PC2 的表达性感官描述词，载荷因子分别为0.899、0.884、0.717、0.715，方差贡献率为22.039%；面芯切面成熟度、粗细适中、圆形为PC3 的代表性感官描述词，载荷因子分别为0.809、0.751、0.721，方差贡献率为15.326%；筋道、饱和PC4 的代表性感官描述词，载荷因子分别为0.775、0.765，方差贡献率为11.021%；面色泛灰、透光为PC5 的代表性描述词，载荷因子分别为0.648、0.529，方差贡献率为8.131%；切面不均匀、筋道为PC6 的代表性描述词，载荷因子分别为0.516、0.512 方差贡献率为6.123%；黄色为PC7 的代表性描述词，载荷因子为0.649，方差贡献率为3.926%；其中第1 主成分（PC1）代表对热干面的口腔识别感，第2 主成分（PC2）代表热干面的嗅觉感受，第3 主成分（PC3）代表对热干面的视觉感受，第4 主成分（PC4）代表对热干面的牙齿咬合感，第5 主成分（PC5）代表对热干面的光反感受，第6 主成分（PC6）代表对热干面的质地感受，第7 主成分（PC7）代表对热干面的色彩感受，通过PCA 的二次筛选，一共筛选出18 个感官描述词，分别具有色、香、味、形、质的特性，可以比较全面的描述产品的感官特性，具有良好的代表性。

表3 感官评价描述词载荷因子表

2.3 主成分的删减

经过PCA 法筛选出7 个主成分，分别对热干面的色、香、味、形、质5 个方面进行感官评价说明，则7个主成分中包含有繁杂多余和不具参考价值的信息，故需对主成分进行再次的删减，使之更能简练准确的评价热干面的感官特性[6]。

由表4 可知，PC6、PC7 的方差贡献率均低于8%。各主成分的方差贡献率说明主成分所包含的差异度，即方差贡献率越高所包含的信息差异度越大，表示该主成分所包含的信息越完整。而PC6、PC7 的方差贡献率均低于8%，说明第6 主成分、第7 主成分所丢失的信息比较多，5 个热干面的感官特性的参考性存疑[7]。

表4 各主成分的方差贡献率表

第6 主成分代表对热干面的质地感受，第7 主成分代表对热干面的色彩感受；第3 主成分代表对热干面的视觉感受，第4 主成分代表对热干面的牙齿咬合感受。视觉感受包含对色彩感受的识别，牙齿咬合感包含对质地感受的识别。第3 主成分的代表性描述词为面芯切面成熟度、粗细适中、透光，载荷因子分别为0.809、0.751、0.712；第4 主成分的代表性描述词柔和爽口、饱和，载荷因子分别为0.818、0.765；第6主成分的代表性描述词切面不均匀、筋道，载荷因子分别为0.516、0.512；第7 主成分的代表性描述词黄色，载荷因子为0.649。载荷因子得分能反映此主成分包含此因子的完整程度，即主成分内元素载荷因子得分越高说明此主成分包含此因子信息完整度越高，第3 主成分和第4 主成分的载荷得分都高于7，第6 主成分和第7 主成分的载荷因子得分均低于7。所以，第6主成分和第7 主成分相对于其他主成分对于说明热干面的感官特性的参考价值比较低，为了使分析更加的精确，可以舍弃[8]。

2.4 相关性法再次筛选主成分

热干面感官品质相关性分析如表5所示。

表5 热干面感官品质相关性表

由表5 可知，第1 主成分中软硬适口的载荷因子最大，为0.986，并且与偏柔和爽口、咸鲜有味、粘黏的相关系数r为0.947、0.915、0.882，说明软硬适口与这3 个描述词显著相关，可以代表第1 主成分来描述热干面的口腔识别感；第2 主成分中酱香的载荷因子最大，为0.899，与芝麻香、油香、麦香相关系数r为0.900、0.883、0.824，说明酱香表明第2 主成分的50%以上的信息，可以用来说明热干面的嗅觉感受；第3 主成分载荷因子最大的为面芯切面成熟度，为0.775，与粗细适中、圆形相关系数r为0.893、0.848，说明面芯切面成熟度与这两个描述词显著相关，可以代表第3 主成分来描述热干面的视觉感受；第4、第5主成分载荷因子最大的分别为筋道、面色泛灰，载荷因子得分分别为0.775、0.648，饱和、透光的相关系数为0.701、0.735，说明这两个描述词与热干面的牙齿咬合感和光反感受显著相关[9]。

3 结论

本研究共得出5 个主成分分别对热干面的色、香、味、形、质进行感官评价特性的说明，分别是第1 主成分（PC1）口腔识别感、第2 主成分（PC2）嗅觉感受、第3 主成分（PC3）视觉感受、第4 主成分（PC4）牙齿咬合感及第5 主成分（PC5）光反感受。可分别从软硬适口、酱香、面芯切面成熟度、筋道和面色泛灰5 个代表性描述词来评价热干面的感官特性。