不同产地和发酵方式的酱油中挥发性成分差异研究

2023-05-30刘奇付赵俊芳吴晓宗

中国调味品 2023年5期

刘奇付赵俊芳吴晓宗

摘要：酱油起源于中国，作为一种人民生活中不可或缺的必需品，其挥发性成分对酱油品质存在一定程度的影响。我国的酱油主要有高盐稀态和低盐固态两种发酵方式，我国酱油的产地主要分布于北部、南部和东部3个地区，不同的生产地区，酱油加工所用的原材料也存在一定差异，导致酱油中的挥发性成分存在差异。我国酱油中的挥发性成分、发酵方式和产地分类研究皆处于初级阶段。该研究通过BP网络和遗传算法，对我国酱油中的挥发性物质、发酵方式和产地分类进行了研究，旨在为我国的各地酱油原材料采购和发酵工艺研究提供重要的参考。

关键词：酱油；遗传算法；加工方式；产地

中图分类号：TS264.21 文献标志码：A 文章编号：1000-9973（2023）05-0179-04

Abstract： Soy sauce originated in China， as an indispensable necessity in people's life， its volatile components have a certain effect on the quality of soy sauce. The fermentation methods of soy sauce in China mainly include high-salt dilute fermentation and low-salt solid-state fermentation. The places of origin of soy sauce in China are mainly distributed in the northern， southern and eastern regions of China. In different production areas， there are also some differences in raw materials used for soy sauce processing， leading to differences in the volatile components in soy sauce. The study on volatile components in soy sauce， fermentation methods and classification of places of origin in China is at the primary stage. In this study， BP network and genetic algorithm are used to study the volatile substances in soy sauce， fermentation methods and classification of places of origin in China， aiming to provide important references for the purchase of raw materials and the research on fermentation technology of soy sauce in different places of China.

Key words： soy sauce; genetic algorithm; processing method; places of origin

收稿日期：2022-12-10

基金项目：2022年度河南省高等学校哲学社会科学研究重大项目（2022-YYZD-15）；漯河市2021年度重大科技创新专项项目（20210109）

作者简介：劉奇付（1980－），男，河南南阳人，副教授，研究方向：食品大数据、生物计算。

酱油是我国的一种传统调味品，主要的制作原料为大豆、麦子和麦麸，通过加工工艺蒸煮和发酵制成[1]。大多数的酱油有咸味，且为土褐色。由于发酵方式的不同，酱油被划分为不同的种类[2-3]。

我国的酱油发酵方式主要为高盐稀态和低盐固态两种，其中，高盐稀态酱油中的盐含量一般为15%～20%，在温度为20～30 ℃的条件下发酵120～180 d后制成[4-5]。低盐浓度酱油中的盐含量一般低于15%，在温度相对较高的条件下（40～60 ℃）发酵30 d左右制成，低盐浓度的酱油生产周期较短、成本低，在我国市场上占据着主要的地位，一直被认为是我国传统酱油加工工艺的发展和延续，且深受消费者喜爱[6]。

我国的酱油生产地区分布在东部、北部和南部[7]，而大部分酱油生产主要集中于我国南方[8]。

近些年神经网络理论快速发展，应用的模式具有很高的容错性，在实际生活中，通过神经网络可以解决很多的非线性问题[9]。本研究基于此，采用BP网络和遗传算法，对我国酱油中的挥发性物质、发酵方式和产地分类进行研究，旨在为我国酱油生产质量的提升提供一定的理论基础。

1 试验材料及方法

1.1 试验材料和设备

酱油：京东超市。

气相色谱仪、质谱仪、自动进样器、萃取头。

1.2 试验方法

1.2.1 顶空固相微萃取

将10 g样品放置于萃取瓶中，随后加入15 mL蒸馏水稀释混匀，之后加入15 μL 2-辛醇，将萃取瓶放于60 ℃的条件下，将其加热 15 min，将萃取头插进萃取瓶中，顶空萃取30 min，再将萃取头插进气相色谱仪中解吸5 min，进行气质分析[10]。

1.2.2 酱油中的挥发性成分含量分析

利用内标物和分峰的面积比对酱油中的挥发性成分进行对比计算，从而获得不同挥发性成分的含量[11]。

1.2.3 灵敏度分析

通过Sobol法对酱油中挥发性成分进行灵敏度分析[12]，将50个样本中的挥发性成分进行特征筛选，最终得到与生产方式和发酵方式贡献度较大的成分，再通过神经网络的分离器进行建模。

1.2.4 神经网络对酱油发酵方式分类的建模

1.2.4.1 数据的预处理

通过GC-MS对酱油中的挥发性成分进行处理，将数据压缩在-1～1之间，获得输出数据，并对数据进行处理。将数据编码成二进制的字符串，可将二进制编码作为输出数据进行训练。

1.2.4.2 酱油的分类模型

酱油中的挥发性成分对发酵方式和产地分类有两种：一种是降维前的25种挥发性成分作为输入数据，发酵方式中低盐固态和高盐稀态，产地东部、北部和南部作为输出数据。另一种是降维后的20种挥发性成分作为输入数据，以20组的正确率为验证网络性能的标准。

2 结果与讨论

2.1 基于灵敏度分析的特征物质筛选

在酱油生产过程中，对鉴定酱油生产场地和发酵方式有较大贡献的挥发性成分见表1。

在高盐稀态和低盐固态酱油的发酵过程中，呋喃类化合物具有较高的贡献度，而生产区域上贡献度最高的分别是酮类化合物和醇类化合物。发酵方式鉴别过程中，灵敏度的分析保留了25种挥发性成分中的10种，分别是乙醇-3-甲基丁醛、2-甲基丁醛、3-甲基-1-丁醛、乙酸、丁二醇、糠醇、2-甲基辛烷苯酚、2-乙基-1，3-己醇、2-乙酰呋喃和苯乙醛。在生产区域的鉴定上，灵敏度分析一共保留了15种挥发性成分，分别是3-甲基丁醛、2-甲基丁醛、3-甲基-1-丁醛、乙酸、丁二醇、糠醇、2-甲基辛烷、苯甲醛、2-甲基三硫、辛烯三醇、3-甲硫基丙醇、2-戊基呋喃、3-戊基-呋喃酮、2-（1-甲基丁基）苯酚和柏木脑，可以看出发酵方式和产地中贡献分值相对较高的主要是酮类和醇类化合物。

采用顶空固相萃取法对20种代表不同区域和不同生产方式的酱油样品中的挥发性成分进行测定，测定结束后，在20种样品中找到所有样品共有的挥发性成分，一共25种，包括醇类、酚类、酮类、酯类和一些杂环类物质。之后利用灵敏度对25种挥发性成分进行降维处理，采用降维的方式主要是为了提高这些挥发性成分与分类效果之间的相关性。

2.2 降维前对酱油的发酵方式分类模型的性能评估

对50组训练数据进行学习，通过采用遗传算法的方式，对神经网络中的参数进行优化，结果见表3。根据降维前的25种挥发性成分，对不同的发酵方式进行分类。通过20组数据的正确率可以识别模型效果，见表4。

由表4可知，在20组的测试数据中，测试的数据正确识别率为80%，所以，采用降维前的发酵方式进行分类基本能够满足试验需求。

2.3 降维后对酱油发酵方式分类模型的性能评估

对50组数据进行模拟学习，采用遗传算法对神经网络中的参数进行优化，通过降维后的20种挥发性成分对酱油发酵方式进行分类。由表5可知被优化的网络模型。由表6可知数据正确识别率为100%，所以降维后的发酵方式识别率为100%。

2.4 降维前对酱油生产地区分类模型的性能评估

对50组数据进行模拟学习，再由遗传算法将神经网络中的结构参数进行优化，结果见表7。根据降维前的25种挥发性成分，对酱油的产地进行分类。最后根据20组数据识别的正确率来验证模型效果，见表8。

通过遗传算法的神经网络参数，从被优化的结构模型中获得表8。在表8的20组测试数据中，测试的数据正确识别率为80%，所以降维前对酱油产地分类的方式符合试验要求。

2.5 降维后对酱油生产地区分类模型的性能评估

对50组训练数据总结学习，通过遗传算法的方式对神经网络结构中的参数进行优化，由降维后的20种成分对酱油产地分类。降维后被优化过的网络模型见表9。

由表10可知，降维后的酱油产地分类识别率为100%。

3 小结