基于差别度的电子舌对花椒麻味物质的定量预测

王素霞1,2，赵 镭2,*，史波林2，支瑞聪2，汪厚银2，周先礼1,*

（1.西南交通大学生命科学与工程学院，四川 成都 610031；2.中国标准化研究院食品与农业标准化研究所，北京 100191）

摘 要：以建立一套快速批量的电子感官麻度评价方法为目的。以干花椒麻味提取液为研究对象，基于感官评价对照差别检验的方法和原理，对未知样品与参比样采取对比平行测定，以欧氏距离作为参比与样品间电子舌区分的差别度，探索建立花椒麻味物质含量电子舌预测模型。结果表明：差别度能很好地反应麻味物质不同质量浓度之间的差异，该差异可用线性数学模型表示。采用该模型对样品的预测值与实际值之间的相对标准偏差小于20%，满足感官评价对风味属性量化评价的要求。本研究实现了对花椒麻味物质定量预测的突破，同时也对利用电子感官进行半定量和定量测定研究提供了方法借鉴。

关键词：电子舌；花椒；麻味；定量；差别度；欧氏距离

Quantitative Prediction of Pungency in Zanthoxylum bungeanum Using Electronic Tongue Based on Differential Degree

WANG Su-xia1,2, ZHAO Lei2,*, SHI Bo-lin2, ZHI Rui-cong2, WANG Hou-yin2, ZHOU Xian-li1,*

(1. College of Life Science and Engineering, Southwest Jiaotong University, Chengdu 610031, China;

2. Institute of Foods and Agriculture Standardization, China National Institute of Standardization, Beijing 100191, China)

Abstract: The present work was undertaken to establish a rapid method for evaluating pungency in Zanthoxylum bungeanum using electronic sensors. The pungent substances extracted from the dried fruit pericarp of Zanthoxylum bungeanum were tested using an electronic tongue. Based on sensory difference tests, a predictive model for pungent substances in the dried fruit pericarp of Zanthoxylum bungeanum was proposed using Euclidean distance as the differential degree through comparative and parallel analysis of unknown and reference samples. Results showed that the differential degree could well respond to serial concentrations in samples, and the concentration difference could be represented by a linear mathematical model. The prediction of unknown samples using this model showed that the relative standard deviation between the predicted and actual values was less than 20%, which meets the requirements for quantitative evaluation of taste attributes. This study is a breakthrough in predicting pungent concentration, and also has laid a solid foundation for quantitative prediction of pungent intensity by providing a method for semi-quantitative and quantitative detection.

Key words: electronic tongue; Zanthoxylum bungeanum Maxim.; pungency; quantitation; differential degree; Euclidean distance

中图分类号：TS207.7 文献标志码：A 文章编号：1002-6630（2014）18-0084-05

doi:10.7506/spkx1002-6630-201418016

花椒（Zanthoxylum bungeanum Maxim.）属于中国传统“八大调味品”之一，辛麻味是其主要的风味特性和品质评价指标。目前，国内外尚未建立有关花椒麻味评价的标准化方法，这严重制约着花椒质量控制和加工工艺的改良。现今，花椒的麻味评价除通过测定麻味物质含量来间接评价麻味强度之外，主要是利用感官评价方法。基于麻味物质的含量多少影响麻味强度大小的理论，不少学者利用光谱或色谱手段，测定花椒中麻味物质的含量，从而间接评价麻味的强度。但不难发现，在推广应用层面，此方法还存在很多不足之处，主要表现在：1）其忽略了不同麻味物质因麻味分子构造或构型的差异导致麻味强度存在较大差别的事实；2）对照品的选择随机性大，没有一定的标准和依据；3）忽略花椒中其他化学成分对麻味强度的影响，麻味强度是花椒样品的整体特性，花椒中其他成分，如挥发油、脂类等成分的存在，会对麻味的强度产生相生或相克作用。在味觉检验的过程中，重点并不在于精确检测各组分的含量，而是要把涉及到成分相互作用的内在信息翻译成诸如味觉强度和质量之类的概念[1]。感官评价法是以人为仪器，利用人的感觉去评价产品的特点，最能体现人的感受对花椒的质量要求，敏锐、简单、便捷。但因评价人员的身体状况、感情倾向、利益冲突等原因，感官评价结果的客观性和一致性较差。加之，花椒麻味感官评价过程中，因麻味感觉在舌头存留时间较长，易使评价员产生疲劳，从而减缓了评价效率并影响评价的准确度。在智能化设备迅猛发展的时代，能否利用模拟天然味觉的电子舌达到花椒麻味强度评价的目的。

电子舌开发与应用的终极目的是使感官评价工作科学化、客观化和量化。其除了能快速分辨酸、甜、苦、咸和鲜5种存在于液体中的主要味道以外，在产品在线监测[2]、新鲜度评价和保质期检测[3]、食品鉴别与区分[4]、质量控制[5]及定量分析过程[6]中已得到广泛应用，这源于其无可比拟的优势：1）简便、快捷、无损，电子舌不需要对样品进行任何处理，就能达到无损快速的目的；2）客观、准确、重复性好，规避了人的感觉器官存在疲劳和主观倾向性行为的缺陷。

对于特定品种的花椒样品，其麻味强度由花椒麻味提取物质量浓度决定，即麻味强度的测定可间接转化为提取物质量浓度的测定。如果电子舌能够预测花椒麻味提取物的质量浓度，便可以此来指导花椒麻味强度的测定，这便涉及到电子舌在定量分析中的应用。定量分析涵盖2 个层次，一是绝对测量，二是相对测量。现有电子舌的量化研究，基本是利用偏最小二乘法、人工神经网络、软独立簇类模式分类等模式识别算法进行样品特征参数，诸如酸度、pH值、化学成分含量及感官评分等的绝对预测[7]。此法能够达到很高的预测精度，但是需要的训练样本量比较大，给取样带来了不便。此外，张素平等[8]研究表明，智舌传感器阵列在长期的检测过程中存在系统漂移，也就是说长期监测过程中绝对测量值会发生变化，这会影响模型在长期预测过程中的精度。但其研究又表明，这种漂移为线性漂移，具有方向性。若是这样的话，采用金标来计算样品间的相对空间距离就可以解决这个问题，这便涉及到定量分析中的相对测量。在相对测量方面，Holmin等[9]提出用方差距离来表征样品间相对差别，但一直没有被推广和应用。张爱霞等[10]在此基础上，提出了差别度的概念，并将其定义为：在几何空间上，对两个样品差别程度大小的度量，并利用欧式距离（Euclidean distance，DE）和方差距离表征样品间的差异程度，发现距离与样品质量浓度呈现正相关，说明电子舌能够很好地应用于样品的相对空间距离测定。

本研究基于差别度理论，以DE作为参比与样品间电子舌区分的差别度，以探索建立花椒麻味物质含量电子舌预测模型为目的。

1 材料与方法

1.1 材料与试剂

花椒（精选韩城大红袍）果皮样品由北京羽利兴商贸有限公司提供，将样品抽真空后于冰箱（4 ℃）中保存备用。

体积分数95%酒精（食品级） 江苏吴江永祥酒精制造有限公司。

1.2 仪器与设备

本研究采用的智能型电子舌（简称智舌）是由浙江工商大学研制开发，属于一种伏安型电子舌，由传感器阵列、多频脉冲扫描仪和电脑3部分组成（图1）。采用标准的三电极系统，工作电极由Pt、Au、Pd、Wu、Ti、Ag 6 种不同的裸金属构成，辅助电极为铂柱电极，参比电极为Ag/AgCl电极，外盐桥为饱和氯化钾溶液。采用的激发信号是以常规大幅脉冲激发信号为基元模式，脉冲幅度从1 V开始，每次变化－0.2 V，直至－0.8 V，每个脉冲具有1、10 Hz和100 Hz 3 个不同频率段。传感器不仅反映物质在不同电势下的电化学特征，还呈现出物质在不同频率段的响应特征[11]。

图 1 基于MLAPS的电子舌结构示意图

Fig.1 Schemtics of the electronic tongue based on MLAPS

1.3 方法

1.3.1 样品制备

将干花椒果皮去梗除杂以后，精确称取20 g于250 mL圆底烧瓶中，加入100 mL食用酒精，超声浸提30 min，过滤得到花椒提取液并将其作为母液，避光冷藏保存，母液质量浓度200 mg/mL。溶液配制均采用电阻率大于18 MΩ•cm的超纯水，其质量浓度通过母液质量浓度的稀释倍数计算。系列梯度样品的质量浓度设置是通过感官评价得到的，首先利用三点选配法得到人能够识别的麻味的最低质量浓度1 mg/mL，逐渐增大麻味提取液的质量浓度，利用三点选配法得到与1 mg/mL样品能够完全区分的花椒麻味提取液的质量浓度。依次与前一个质量浓度点对比，得到涵盖微弱、中等、高3 个麻味强度区段的8 个系列梯度，8 个质量浓度系列如表1所示。在将母液稀释为不同梯度的溶液时，随之带入酒精的含量存在差异，故分别设置如下所示的异溶剂体系和同溶剂体系。表1中异溶剂体系中酒精含量列，代表将母液稀释本身所带有酒精的含量；而表1中同溶剂体系中酒精含量列，是在稀释本身带有酒精的基础上再加入了一定量的酒精，使各个样品中酒精含量都相同，以忽略酒精差异对各个样品差异性的影响。表2为验证实验溶液系列，配制过程与表1中配制过程类似。

表 1 差别度研究溶液系列

Table 1 Serial dilution concentrations for differential degrees

注：—.不含有待稀释溶液。

表 2 验证实验溶液系列

Table 2 Serial dilution concentrations for validation

1.3.2 电子舌测定

在测量样品之前，都要将6 种金属传感器组成的传感器阵列置于1.0 mg/mL的花椒麻味提取物中，以3 个频率大幅脉冲作为激发扫描信号进行预扫描，并进行标准化处理，使响应信号趋于稳定，然后依次置于盛有约15 mL待测液的25 mL烧杯中进行检测，检测时间180 s，每次测量前后，对传感器都要进行电化学清洗，清洗时间90 s，提取响应电流信号的物理化学特征值，利用电子舌自带的数据处理软件对数据进行采集、分析和模式识别[12]。

1.3.3 数据处理方法

根据传感器采集的原始数据，采用主成分分析（principal component analysis，PCA）对不同质量浓度的花椒麻味提取液进行定性分析，其分析结果由判别指数（discrimination index，DI）进行衡量。DI值的计算情况一般有2种：

各个区域都己经明确区分开，则按公式（1）计算。

（1）

式中：Si是指单个样品的区域面积；S总则表示的是所有区域的总体面积。DI值越大表示区分的效果越理想，2 种样品之间的距离越远。

只要有重叠部分存在，则按公式（2）计算。

（2）

因此，DI为正数，且越接近100%则表示区分效果越理想。而在一般情况下，认为DI大于80%即为区分效果非常理想。DI为负数时，表示有些样品没有被完全区分开，存在重叠现象。

DE将多次重复测试点以概率加权后的“中心”作为该样品的代表点[13]，从而计算代表点之间的距离。如：一个样品的4 个重复测试点的坐标值（x1，y1）、（x2，y2）、（x3，y3）、（x4，y4），代表点O（x，y）=（（x1＋x2＋x3＋x4）/4，（y1＋y2＋y3＋y4）/4）。
则代表点R（xR，yR）与i（xi，yi）间的距离为：。

2 结果与分析

2.1 电子舌对不同质量浓度花椒提取液的定性区分

电子舌能够应用于花椒麻味质量浓度预测的前提，必须是其能够对不同质量浓度的花椒麻味物质进行有效区分。为此，按照表1中样品RT～T7的质量浓度配制系列花椒麻味样品。分别用6 个工作电极和3 个频率段进行检测，对检测数据进行PCA。在铂电极10 Hz，金电极1 Hz和钛电极10 Hz频率段下，DI为98.3%，区分效果最好。主成分1和主成分2的PCA得分图，如图2所示。图中每个四边形代表这种样品的整体特性，相互连接的4 个记号点分别代表此样品的4 个重复样品，主成分1和主成分2均保留了原始数据99.7%的信息量，说明主成分1、2能够很好的代表整体特性。同一物质不同质量浓度的主成分得分值能够很好的落在各自的质量浓度区域范围内而互不干扰。说明多频脉冲伏安法电子舌对花椒提取液质量浓度系列具有很好的区分效果，为电子舌定性定量系统地建立提供了可能。

图 2 同溶剂体系PCA区分图

Fig.2 PCA score plot for serial concentrations in the same solvent

2.2 电子舌对不同质量浓度花椒提取液的定量测定

2.2.1 测定中的溶剂因素影响考察

本研究中花椒麻味物质的提取溶剂为酒精，而系列样品稀释溶剂为超纯水。在用超纯水稀释母液过程中，各个样品带入的酒精含量存在差异。本实验以探讨不同质量浓度的花椒麻味样品为目的，那么各个样品带入的酒精含量可能会对实验产生一定的干扰，因此，为了研究样品配制过程中统一溶剂的必要性，设置了异溶剂体系：忽略稀释过程中不同质量浓度样品所带入酒精的含量差异。

异溶剂体系检测样品溶液质量浓度参见表1，将电子舌检测数据进行PCA。从图3可以看出，随样品
Y0-RY-Y7质量浓度的增大，在PCA图中呈现从左到右的变化趋势。为了判断这种变化趋势是否单纯由花椒麻味质量浓度差异所引起，为此，对比空白RY（不含花椒麻味物质）其他8 个质量浓度点，发现空白RY是融合在样品Y2和Y3系列梯度中间，参考RY与Y3的配制过程发现，RY与Y3的酒精体积分数2.0%，说明酒精含量对不同麻味质量浓度溶液电子舌响应有很大的影响。本实验是以探讨花椒麻味质量浓度的规律性为研究目的，为了尽可能排除溶剂干扰，实验过程中均采用同溶剂体系进行质量浓度预测研究。

图 3 异溶剂体系PCA区分图

Fig.3 PCA score plot for serial concentrations in different solvents

2.2.2 不同质量浓度样品的电子舌区分差别度表示与模型建立

图 4 系列溶液PCA图

Fig.4 PCA score plot for serial solutions

选定同溶剂体系为实验对象，在信号处理过程中，去除空白对照RT的信号，得到PCA图如图4所示。主成分1与主成分2均能对其他样品进行很好地区分，其DI为93.3%。更为重要的是，8 个质量浓度点在PCA图中的相对位置呈现一定的规律，即随花椒麻味质量浓度增大，主成分得分图上对应位置沿主成分1的逆方向呈线性的变化趋势。这种变化趋势的存在，为样品间差异的量化表征提供了思路。

对两个特定样品而言，PCA图上样品间的距离越近说明其品质特性越近，即距离可以量化样品间的品质差异。那对于系列梯度样品而言，要通过距离表征系列样品间的变化规律，需要选择一个类似标尺中零刻度点的样品，为此引入感官特性中的参比样。系列梯度中的样品T0是人工感官能够明显辨别出麻味的最低质量浓度，将其作为本研究定量分析中的参比样。系列花椒麻味质量浓度在PCA图上的对应位置呈线性的变化趋势，差异化表征之后样品差异是否存在类似的变化规律。为此本实验引入DE为量化差异的表征手段。分别将各个系列样品与参比样采取对比平行测定，以此计算样品与参比样之间的DE值，即分别得到T1～T7与T0间7 个DE值。而通过各个系列样配制质量浓度可容易得到其与参比样间的质量浓度差。分别以质量浓度差为横坐标，以对应DE值为纵坐标，建立质量浓度差和DE值的相关性曲线。由样品检测结果，结合回归分析和数据拟合，得到最佳拟合方式为线性拟合，其方程式y=3.154×10－6x，判别系数R2为0.993 5，如图5所示。结果说明，以差别度为量化差异表征方式，不仅在量化花椒麻味样品的电子舌检测差异方面具有一定的优势，而且其量化结果与样品间质量浓度差存在很好的线性相关性。该相关性曲线的获得，为未知麻味质量浓度样品的预测提供了可能。

图 5 花椒提取液规律性曲线

Fig.5 Linear relationship for extracts of Zanthoxylum bungeanum

2.3 基于差别度的花椒麻味物质含量电子舌预测模型验证

按照表2配制YT1-YT4和参比样T0，并分别与参比样T0同时进行检测，根据检测数据可计算各个样品与参比样之间的DE值。根据2.2节得到的相关性曲线，一个DE值对应一个质量浓度差，由此得到各个样品与参比样之间的质量浓度差，从而得到未知样品的质量浓度，将此值定义为预测值。为了验证预测的可重复性，各个样品从配制、检测到计算均连续重复3 次，即每个样品得到3 个预测值。而将样品的配制质量浓度定义为真实值。预测效果的好坏，一般通过计算真实值和预测值间的相对标准偏差来判定。在感官评价中，预测结果的要求是相对标准偏差不大于20%，对电子舌而言，只要其预测效果优于此值，可认为电子舌代替人体感官评价在花椒麻味浓度预测方面具有一定的优势。对实验数据的分析发现，所得真实值和预测值的相对标准偏差均小于20%，而且样品YT2和YT3样品的3 次重复预测值小于10%，如表3所示。

表 3 验证结果

Table 3 Result of validation

在此基础上，本研究试图将预测数据形象化，遂以真实值为横坐标，每个样品的3 次预测值为纵坐标，得到一系列散点，并利用y=x对这些散点进行拟合时，R2越接近1，说明预测效果越好。本研究表明，利用曲线y=x对预测值和真实值进行拟合时，其判别系数R2=0.964 6，如图6所示。除YT4的预测结果偏差较大外，其他样品的预测值与真实值都比较接近，说明利用真实值和预测值对y=x的拟合效果来判断预测结果的方法具有可行性，相比于相对标准偏差表示法，此法更加直观明了。

图 6 验证曲线

Fig.6 Comparison curve showing the good agreement between predicted and actual values

3 结论与讨论

本研究将感官评价中相对测量的概念引入到电子舌定量分析和花椒麻味物质质量浓度的预测之中，结果表明：PCA DI为93.3%，可判定电子舌能够对不同质量浓度花椒提取液进行定性区分。PCA图上的对应位置随质量浓度呈现线性的变化趋势，为基于差别度的量化差异表征提供依据。在以DE为差别度表征手段的基础上得出差别度与质量浓度差存在良好的线性关系。采用该模型对样品的预测值与样品真实值间的相对标准偏差小于20%，满足感官评价对风味属性量化评价的要求。本研究实现了对花椒麻味物质定量预测的突破，为后期利用电子舌代替人工感官进行花椒麻味强度评价提供理论支撑。更为重要的是拓宽了电子舌在定量分析中的应用范围。

本研究只是针对于花椒麻味物质的质量浓度预测，而要将其应用于麻味感觉强度的预测中，还有以下待突破之处。模型优化：花椒麻味主要由酰胺类物质呈现，能否通过呈麻味的单体化合物建立麻味强度预测模型，这样能更加真实的反映麻味品质。相关性分析：传感器响应信号强度与人麻味感觉强度之间的相关性研究。影响因素与控制：样品制备过程中除花椒酰胺之外的水溶性和醇溶性成分对规律性可能会受到影响，如何去除和控制干扰因素来建立麻味强度的预测模型。本课题组正在进行相关的研究工作，以期对花椒麻味评价的应用有进一步的推进。

参考文献：

[1] Toko K. Retracted: electronic tongue[J]. Biosensors and Bioelectronics, 1998, 13(6): 701-709.

[2] RUDNITSKAYA A, SCHMIDTKE L M, DELGADILLO I, et al. Study of the influence of micro-oxygenation and oak chip maceration on wine composition using an electronic tongue and chemical analysis[J]. Analytica Chimica Acta, 2009, 642(1): 235-245

[3] DIAS L A, PERES A M, VELOSO A C A, et al. An electronic tongue taste evaluation: identification of goat milk adulteration with bovine milk[J]. Sensors and Actuators B: Chemical, 2009, 136(1): 209-217.

[4] DIAS L A, PERES A M, VILAS-BOAS M, et al. An electronic tongue for honey classification[J]. Microchimica Acta, 2008, 163(1/2): 97-102.

[5] CHEN Q, ZHAO J, VITTAYAPADUNG S. Identification of the green tea grade level using electronic tongue and pattern recognition[J]. Food Research International, 2008, 41(5): 500-504.

[6] CODINACHS M I L, KLOOCK J P, SCHÖNING M J, et al. Electronic integrated multisensor tongue applied to grape juice and wine analysis[J]. Analyst, 2008, 133(10): 1440-1448.

[7] ESCUDER-GILABERT L, PERIS M. Review: highlights in recent applications of electronic tongues in food analysis[J]. Analytica Chimica Acta, 2010, 665(1): 15-25.

[8] 张素平. 智舌传感器阵列漂移现象及校正技术研究[D]. 杭州: 浙江工商大学, 2009.

[9] HOLMIN S, SPÅNGEUS P, KRANTZ-RÜLCKER C, et al. Compression of electronic tongue data based on voltammetry-a comparative study[J]. Sensors and Actuators B: Chemical, 2001, 76(1): 455-464.

[10] 张爱霞. 基于差别度检验的电子舌应用方法学研究[D]. 杭州: 浙江工商大学, 2012.

[11] TIAN S Y, DENG S P, CHEN Z X. Multifrequency large amplitude pulse voltammetry: a novel electrochemical method for electronic tongue[J]. Sensors and Actuators B: Chemical, 2007, 123(2): 1049-1056.

[12] 谈国凤, 田师一, 沈宗根, 等. 电子舌检测奶粉中抗生素残留[J]. 农业工程学报, 2011, 27(4): 361-365.

[13] 宋运红, 李振祥, 孙连辉, 等. 马氏距离与欧氏距离方法在地球化学异常处理中的对比[J]. 吉林地质, 2008, 27(4): 117-121.