CN109711705A - 一种发酵乳生产过程中色泽感官质量控制的模型建立方法 - Google Patents
一种发酵乳生产过程中色泽感官质量控制的模型建立方法 Download PDFInfo
- Publication number
- CN109711705A CN109711705A CN201811571301.4A CN201811571301A CN109711705A CN 109711705 A CN109711705 A CN 109711705A CN 201811571301 A CN201811571301 A CN 201811571301A CN 109711705 A CN109711705 A CN 109711705A
- Authority
- CN
- China
- Prior art keywords
- value
- acidified milk
- color
- aesthetic quality
- milk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000855 fermentation Methods 0.000 title claims abstract description 36
- 230000004151 fermentation Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 35
- 235000013336 milk Nutrition 0.000 title claims abstract description 33
- 239000008267 milk Substances 0.000 title claims abstract description 33
- 210000004080 milk Anatomy 0.000 title claims abstract description 33
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 31
- 238000003908 quality control method Methods 0.000 title claims abstract description 14
- 235000020167 acidified milk Nutrition 0.000 claims abstract description 85
- 238000012360 testing method Methods 0.000 claims abstract description 25
- 235000013305 food Nutrition 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims description 49
- 230000001276 controlling effect Effects 0.000 claims description 44
- 230000001953 sensory effect Effects 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 19
- 241000114727 Acetes chinensis Species 0.000 claims description 10
- 244000174681 Michelia champaca Species 0.000 claims description 8
- 239000006071 cream Substances 0.000 claims description 8
- 239000000047 product Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000011265 semifinished product Substances 0.000 claims description 5
- 235000013618 yogurt Nutrition 0.000 claims description 5
- 239000004615 ingredient Substances 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 2
- 235000020185 raw untreated milk Nutrition 0.000 claims description 2
- 235000015141 kefir Nutrition 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010219 correlation analysis Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 abstract 1
- 210000000697 sensory organ Anatomy 0.000 description 18
- 230000002146 bilateral effect Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 6
- 230000004069 differentiation Effects 0.000 description 4
- VQLYBLABXAHUDN-UHFFFAOYSA-N bis(4-fluorophenyl)-methyl-(1,2,4-triazol-1-ylmethyl)silane;methyl n-(1h-benzimidazol-2-yl)carbamate Chemical compound C1=CC=C2NC(NC(=O)OC)=NC2=C1.C=1C=C(F)C=CC=1[Si](C=1C=CC(F)=CC=1)(C)CN1C=NC=N1 VQLYBLABXAHUDN-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 235000021001 fermented dairy product Nutrition 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002906 microbiologic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Abstract
本发明包含一种发酵乳色泽感官质量控制的模型建立方法,属于食品领域。其特征在于,根据CIELAB色度空间原理,采用色差仪技术,以发酵乳生产过程中六个关键节点的合格品和不合格品作为研究载体,设计并建立发酵乳的色泽感官质量控制模型。将合格样品和不合格样品发酵乳的色差仪检测数据和人工感官评价的结果进行相关性分析,选择了L值和b值作为样本集;利用休哈特控制图中的Xbar‑S chart均值‑标准差控制图原理确定了具体的建模参数,标定出了对应的最优产品区域、合格品区域和不合格品区域。通过模型验证,该控制图模型对发酵乳生产过程中六个关键节点产品色泽感官质量的判断准确率为97.5%~100%。
Description
技术领域
本发明涉及一种建立发酵乳生产过程中色泽感官质量控制模型的方法,属于发酵乳色泽感官质量控制领域。
背景技术
随着发酵乳市场的扩大,人们对发酵乳的要求越来越高,因而提升发酵乳品质已成为食品生产者所关注的重点问题。发酵乳的品质主要包括卫生与安全性、营养价值和感官性状,其中发酵乳色泽感官质量给消费者视觉上留下的第一印象,在一定程度影响着消费者的食欲以及对产品等级的初步划分。
检测食品感官品质并控制其质量达到相应标准是食品工业在生产过程中非常重要的一个环节。另外,从产品品质要求来说,根据发酵乳的国家标准《GB 19302-2010发酵乳》,发酵乳应在感官指标、理化指标和微生物指标三方面达到一定的要求,方便通过特定的检测方法进行测定。GB 19302中规定发酵乳的色泽应均匀一致,呈乳白色或微黄色;风味发酵乳应具有与添加成分相符的色泽。发酵乳色泽的评价主要通过目视法与色差仪分析。
目前,发酵乳色泽感官质量控制主要依赖于人工感官评价,即目视法。通常由感官评定人员运用感官分析法对样品的色泽进行评价,是一种对发酵乳色泽质量的客观情况进行主观判断的分析方法。目视法的判断范围有限,对微小色差变化无法识别,并且眼睛受到主观与外界多种因素的影响、易出现疲劳等原因,使其不能满足食品质量客观、精确的要求。国家颁布了《GB/T 29605-2013感官分析食品感官质量控制导则》指导食品企业进行产品的感官质量控制,然而由于导则中色泽感官质量控制针对所有食品,只能提出宽泛的总体要求,色泽感官评价方法及体系主观性强、重现性差的局限性依然存在,企业应用的现状及前景不容乐观。
为了解决上述问题,人们一直在寻求用物理化学方法来代替传统的感官分析方法,并且已经取得了一定的进展。其中,指纹图谱分析技术正是近十年来针对于复杂介质和含协同作用的样品而发展起来的新技术。指纹图谱技术可以应用多种光学检测仪器对样品的色泽进行分析,分析的结果应用化学计量学、统计学、应用数学等计算方法,建立样品的色泽指纹谱库。该方法可以稳定、真实、全面地反映分析对象个性和特征,具有专属性、可量化性、稳定性、重现性等特征,色泽特征也可以作为鉴别发酵乳制品优劣的依据。
然而,目前基于指纹图谱分析技术的色泽感官质量控制主要限于实验室的探索应用研究阶段,在实际生产领域的应用并不普及,相关完善、系统的研究报道还较少,仪器检测指标和感官质量变化之间的关系尚不明确,因此基于指纹谱库建立发酵乳色泽感官质量评价的指标没有确定到可以操作的程度,导致在实际生产中没有合适的标准可以参照执行。
发明内容
本发明的目的是:建立发酵乳生产过程中的色泽感官质量控制模型,并对模型准确度进行验证,为发酵乳生产过程中的色泽感官质量控制提供参考方法。
为了达到上述目的,本发明的技术方案是提供了一种发酵乳生产过程中色泽感官质量控制的模型建立方法,其特征在于,包括以下步骤:
步骤1、确定发酵乳生产过程中的感官质量控制关键节点;
步骤2、采集不同感官质量控制关键节点的发酵乳样品,发酵乳样品包括合格样品和不合格样品;
步骤3、确定对发酵乳色泽感官特性进行描述的感官评价因子,由感官评价员以市售发酵乳作为标准,对步骤2采集到的各感官质量控制关键节点的合格样品和不合格样品的感官评价因子打分,获得人工感官评价结果;
步骤4、获取步骤2采集到的不同感官质量控制关键节点的发酵乳样品的色差数据L、a、b,其中L代表明暗,a值代表红绿,b值代表黄蓝,以CIELAB色度空间描述发酵乳样品色差;
步骤5、确定关键建模参数,关键建模参数包括L、a、b中的控制指标:中心CL值、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值;
步骤6、建立模型,包括以下步骤:
步骤601、计算步骤4得到的色差数据L、a、b和步骤3得到的人工感官评价结果之间的pearson相关性系数,筛选出对色泽感官质量相关性较强的检测指标作为n个控制指标,n个控制指标中的第i个控制指标定义为xi;
步骤602、根据步骤601得到的控制指标,利用休哈特控制图中的Xbar-Schart均值-标准差控制图原理,计算不同关键节点的控制指标的中心CL值、控制上限值UCL、最优上限值UCL、控制下限值LCL以及最优下限值LCL,计算公式为:
步骤603、以各控制指标的中心CL值、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值标定出不同感官质量控制关键节点各控制指标的合格区域、最优区域和不合格区域,建立发酵乳的色泽感官质量控制模型;
步骤7、模型的验证
使用步骤4中的方法对发酵乳生产过程中的合格样品和不合格样品进行色差检测,并将步骤6中确定的控制指标数据代入步骤6建立的模型中,进行模型的验证分析。
优选地,步骤1中,感官质量控制关键节点包括原料乳、配料乳、巴氏杀菌后的半成品液态乳、发酵后的半成品发酵乳、翻缸后的半成品发酵乳和出厂前的入库成品发酵乳。
优选地,步骤2中,参考GB 19302-2010《食品安全国家标准发酵乳》中对酸奶感官特性的描述来确定所述感官评价因子。
本发明提供的是一种发酵乳生产过程中色泽感官质量控制的模型设计方法,该方法是发明人基于指纹图谱技术的应用,结合休哈特控制图中的Xbar-S chart均值-标准差控制图方法用于发酵乳生产过程中色泽感官质量控制模型的构建过程。以发酵乳生产过程中6个关键节点的合格样品和不合格样品的色差仪检测结果作为研究对象,将建模过程中控制指标、中心CL值、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值作为关键建模参数,建立了发酵乳生产过程中色泽感官质量控制模型。相比传统的人工感官评价方法,该模型大大提高了感官质量评价的效率,具有即时、快速反应的特点,同时具有较高的可靠性,解决了人工感官评价主观性强、重现性差、量化困难等缺点。实现了发酵乳感官质量评价的客观化、系统化,为乳品企业在产品品质控制方法方面提供了参考方法。
附图说明
图1(a)至图1(c)为实施例1发酵乳不同关键节点色泽数据柱形图;
图2(a)至图2(l)为实施例1发酵乳不同关键节点色泽感官质量控制图;
图3(a)至图3(c)为实施例2发酵乳不同关键节点色泽数据柱形图;
图4(a)至图4(l)为实施例2发酵乳不同关键节点色泽感官质量控制图;
图5(a)至图5(c)为实施例3发酵乳不同关键节点色泽数据柱形图;
图6(a)至图6(l)实施例3发酵乳不同关键节点色泽感官质量控制图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
实施例1:
(1)不同关键节点发酵乳样品的采集:
从上海一家乳品厂收集了发酵乳生产过程中六个关键节点的发酵乳样品,分多个不同批次,其中每个关键节点的发酵乳样品包括20个合格样品和20个不合格样品。
(2)发酵乳人工感官评价:
参考GB 19302-2010《食品安全国家标准发酵乳》中对酸奶感官特性的描述,并结合相关参考文献,确定2个感官评价因子对发酵乳色泽感官特性进行描述,具体的的评价指标以及特性描述如表1所示。
表1发酵乳色泽感官评价指标
选取10名感官灵敏的感官评价员,对他们进行培训并明确评价指标。用感官品评杯将七个不同发酵阶段的合格样品和不合格样品各取30mL给每位感官评价员,让其对发酵乳的色泽指标在1-9范围内打分,以市售发酵乳作为标准,设置为7分,感官评价结果如表2所示。
表2实施例1发酵乳不同关键节点色泽感官评价结果
(3)发酵乳的色差数据采集:
称取10g样品于一次性培养皿中,保证样品表面均匀,铺平待测。利用色差仪,分别获得不同关键节点合格发酵乳样品和不合格发酵乳样品的色差数据L,a,b值,其中L值代表明暗,a值代表红绿,b值代表黄蓝,以CIELAB色度空间描述样品色差,色差仪检测结果如图1(a)至图1(c)所示。
(4)计算色差仪数据L值、a值、b值和人工感官评价结果之间的pearson相关性系数,结果如表3所示。从表中可以看出,明度L值和感官明度差异、整体接受性呈显著正相关(P<0.01),黄蓝b值和感官明度差异、整体接受性呈显著正相关(P<0.05),而红绿a值和感官明度差异、整体接受性均无显著相关性。因此,色差检测数据L值和b值对发酵乳色泽感官属性影响较大,可以用L值和b值的数据作为控制指标。
表3实施例1色差检测指标和感官评价指标相关性分析
明度差异 | 整体接受性 | |
L值 | 0.822<sup>**</sup> | 0.768<sup>**</sup> |
a值 | 0.407 | 0.386 |
b值 | 0.682<sup>*</sup> | 0.683<sup>*</sup> |
注:*.在0.05水平(双侧)上显著相关;
**.在0.01水平(双侧)上显著相关。
(5)利用休哈特控制图中的Xbar-S chart均值-标准差控制图原理,计算不同关键节点的L值、b值的中心CL值、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值,计算公式如下:
计算结果如表4所示。
表4实施例1发酵乳不同关键节点色泽控制指标的建模参数
(6)以各控制指标的中心值CL、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值标定出不同关键节点各控制指标的最优区域、合格区域和不合格区域,建立发酵乳的色泽感官质量控制模型,结果如图2(a)至图2(l)所示。
(7)使用(3)中的方法对发酵乳生产过程中六个关键节点的20个合格样品和20个不合格样品进行色差检测,并将控制指标L值、b值数据代入本发明建立的模型中,进行模型的验证分析,结果如表5所示。根据表中结果可以看出,本发明所建立的模型可以准确的将发酵乳生产过程中六个关键节点的合格样品和不合格样品区分开,发酵阶段的判别准确度达到了97.5%,其余五个关键节点的判别准确度均达到了100%。
表5实施例1模型验证结果
实施例2:
(1)不同关键节点发酵乳样品的采集:
从上海一家乳品厂收集了发酵乳生产过程中六个关键节点的发酵乳样品,分多个不同批次,其中每个关键节点的发酵乳样品包括30个合格样品和30个不合格样品。
(2)发酵乳人工感官评价:
参考GB 19302-2010《食品安全国家标准发酵乳》中对酸奶感官特性的描述,并结合相关参考文献,确定2个感官评价因子对发酵乳色泽感官特性进行描述,具体的的评价指标以及特性描述如表1所示。
选取10名感官灵敏的感官评价员,对他们进行培训并明确评价指标。用感官品评杯将七个不同发酵阶段的合格样品和不合格样品各取30mL给每位感官评价员,让其对发酵乳的色泽指标在1-9范围内打分,以市售发酵乳作为标准,设置为7分,感官评价结果如表6所示。
表6实施例2发酵乳不同关键节点色泽感官评价结果
(3)发酵乳的色差数据采集:
称取10g样品于一次性培养皿中,保证样品表面均匀,铺平待测。利用色差仪,分别获得不同关键节点合格发酵乳样品和不合格发酵乳样品的色差数据L,a,b值,其中L值代表明暗,a值代表红绿,b值代表黄蓝,以CIELAB色度空间描述样品色差,色差仪检测结果如图3(a)至图3(c)所示。
(4)计算色差仪数据L值、a值、b值和人工感官评价结果之间的pearson相关性系数,结果如表7所示。从表中可以看出,明度L值和感官明度差异、整体接受性呈显著正相关(P<0.01),黄蓝b值和感官明度差异、整体接受性呈显著正相关(P<0.05),而红绿a值和感官明度差异、整体接受性均无显著相关性。因此,色差检测数据L值和b值对发酵乳色泽感官属性影响较大,可以用L值和b值的数据作为控制指标。
表7实施例2色差检测指标和感官评价指标相关性分析
明度差异 | 整体接受性 | |
L值 | 0.802<sup>**</sup> | 0.745<sup>**</sup> |
a值 | 0.412 | 0.377 |
b值 | 0.679<sup>*</sup> | 0.688<sup>*</sup> |
注:*.在0.05水平(双侧)上显著相关;
**.在0.01水平(双侧)上显著相关。
(5)利用休哈特控制图中的Xbar-S chart均值-标准差控制图原理,计算不同关键节点的L值、b值的中心CL值、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值,计算公式如下:
计算结果如表8所示。
表8实施例2发酵乳不同关键节点色泽控制指标的建模参数
(6)以各控制指标的中心值CL、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值标定出不同关键节点各控制指标的最优区域、合格区域和不合格区域,建立发酵乳的色泽感官质量控制模型,结果如图4(a)至图4(l)所示。
(7)使用(3)中的方法对发酵乳生产过程中六个关键节点的30个合格样品和30个不合格样品进行色差检测,并将控制指标L值、b值数据代入本发明建立的模型中,进行模型的验证分析,结果如表9所示。根据表中结果可以看出,本发明所建立的模型可以准确的将发酵乳生产过程中六个关键节点的合格样品和不合格样品区分开,六个关键节点的判别准确度均达到了100%。
表9实施例2模型验证结果
实施例3:
(1)不同关键节点发酵乳样品的采集:
从上海一家乳品厂收集了发酵乳生产过程中六个关键节点的发酵乳样品,分多个不同批次,其中每个关键节点的发酵乳样品包括40个合格样品和40个不合格样品。
(2)发酵乳人工感官评价:
参考GB 19302-2010《食品安全国家标准发酵乳》中对酸奶感官特性的描述,并结合相关参考文献,确定2个感官评价因子对发酵乳色泽感官特性进行描述,具体的的评价指标以及特性描述如表1所示。
选取10名感官灵敏的感官评价员,对他们进行培训并明确评价指标。用感官品评杯将七个不同发酵阶段的合格样品和不合格样品各取30mL给每位感官评价员,让其对发酵乳的色泽指标在1-9范围内打分,以市售发酵乳作为标准,设置为7分,感官评价结果如表10所示。
表10实施例3发酵乳不同关键节点色泽感官评价结果
(3)发酵乳的色差数据采集:
称取10g样品于一次性培养皿中,保证样品表面均匀,铺平待测。利用色差仪,分别获得不同关键节点合格发酵乳样品和不合格发酵乳样品的色差数据L,a,b值,其中L值代表明暗,a值代表红绿,b值代表黄蓝,以CIELAB色度空间描述样品色差,色差仪检测结果如图5(a)至图5(c)所示。
(4)计算色差仪数据L值、a值、b值和人工感官评价结果之间的pearson相关性系数,结果如表11所示。从表中可以看出,明度L值和感官明度差异、整体接受性呈显著正相关(P<0.01),黄蓝b值和感官明度差异、整体接受性呈显著正相关(P<0.05),而红绿a值和感官明度差异、整体接受性均无显著相关性。因此,色差检测数据L值和b值对发酵乳色泽感官属性影响较大,可以用L值和b值的数据作为控制指标。
表11实施例3色差检测指标和感官评价指标相关性分析
明度差异 | 整体接受性 | |
L值 | 0.842<sup>**</sup> | 0.735<sup>**</sup> |
a值 | 0.395 | 0.364 |
b值 | 0.684<sup>*</sup> | 0.681<sup>*</sup> |
注:*.在0.05水平(双侧)上显著相关;
**.在0.01水平(双侧)上显著相关。
(5)利用休哈特控制图中的Xbar-S chart均值-标准差控制图原理,计算不同关键节点的L值、b值的中心CL值、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值,计算公式如下:
计算结果如表12所示。
表12实施例3发酵乳不同关键节点色泽控制指标的建模参数
(6)以各控制指标的中心值CL、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值标定出不同关键节点各控制指标的最优区域、合格区域和不合格区域,建立发酵乳的色泽感官质量控制模型,结果如图6(a)至图6(l)所示。
(7)使用(3)中的方法对发酵乳生产过程中六个关键节点的40个合格样品和40个不合格样品进行色差检测,并将控制指标L值、b值数据代入本发明建立的模型中,进行模型的验证分析,结果如表13所示。根据表中结果可以看出,本发明所建立的模型可以准确的将发酵乳生产过程中六个关键节点的合格样品和不合格样品区分开,六个关键节点的判别准确度均达到了100%。
表13实施例3模型验证结果
Claims (3)
1.一种发酵乳生产过程中色泽感官质量控制的模型建立方法,其特征在于,包括以下步骤:
步骤1、确定发酵乳生产过程中的感官质量控制关键节点;
步骤2、采集不同感官质量控制关键节点的发酵乳样品,发酵乳样品包括合格样品和不合格样品;
步骤3、确定对发酵乳色泽感官特性进行描述的感官评价因子,由感官评价员以市售发酵乳作为标准,对步骤2采集到的各感官质量控制关键节点的合格样品和不合格样品的感官评价因子打分,获得人工感官评价结果;
步骤4、获取步骤2采集到的不同感官质量控制关键节点的发酵乳样品的色差数据L、a、b,其中L代表明暗,a值代表红绿,b值代表黄蓝,以CIELAB色度空间描述发酵乳样品色差;
步骤5、确定关键建模参数,关键建模参数包括L、a、b中的控制指标:中心CL值、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值;
步骤6、建立模型,包括以下步骤:
步骤601、计算步骤4得到的色差数据L、a、b和步骤3得到的人工感官评价结果之间的pearson相关性系数,筛选出对色泽感官质量相关性较强的检测指标作为n个控制指标,n个控制指标中的第i个控制指标定义为xi;
步骤602、根据步骤601得到的控制指标,利用休哈特控制图中的Xbar-Schart均值-标准差控制图原理,计算不同关键节点的控制指标的中心CL值、控制上限值UCL、最优上限值UCL、控制下限值LCL以及最优下限值LCL,计算公式为:
步骤603、以各控制指标的中心CL值、控制上限UCL值、最优上限UCL值、控制下限LCL值以及最优下限UCL值标定出不同感官质量控制关键节点各控制指标的合格区域、最优区域和不合格区域,建立发酵乳的色泽感官质量控制模型;
步骤7、模型的验证
使用步骤4中的方法对发酵乳生产过程中的合格样品和不合格样品进行色差检测,并将步骤6中确定的控制指标数据代入步骤6建立的模型中,进行模型的验证分析。
2.如权利要求1所述的一种发酵乳生产过程中色泽感官质量控制的模型建立方法,其特征在于,步骤1中,感官质量控制关键节点包括原料乳、配料乳、巴氏杀菌后的半成品液态乳、发酵后的半成品发酵乳、翻缸后的半成品发酵乳和出厂前的入库成品发酵乳。
3.如权利要求1所述的一种发酵乳生产过程中色泽感官质量控制的模型建立方法,其特征在于,步骤2中,参考GB 19302-2010《食品安全国家标准发酵乳》中对酸奶感官特性的描述来确定所述感官评价因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811571301.4A CN109711705A (zh) | 2018-12-21 | 2018-12-21 | 一种发酵乳生产过程中色泽感官质量控制的模型建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811571301.4A CN109711705A (zh) | 2018-12-21 | 2018-12-21 | 一种发酵乳生产过程中色泽感官质量控制的模型建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109711705A true CN109711705A (zh) | 2019-05-03 |
Family
ID=66257140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811571301.4A Pending CN109711705A (zh) | 2018-12-21 | 2018-12-21 | 一种发酵乳生产过程中色泽感官质量控制的模型建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711705A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070077A (zh) * | 2020-11-16 | 2020-12-11 | 北京健康有益科技有限公司 | 一种基于深度学习的食物识别方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799329A (zh) * | 2010-03-04 | 2010-08-11 | 江西中医学院 | 一种检测中药饮片外观色泽的方法 |
CN101950393A (zh) * | 2010-09-30 | 2011-01-19 | 北京师范大学 | 一种城市生态系统现状评价指数 |
CN105279332A (zh) * | 2015-10-23 | 2016-01-27 | 天津大学 | 近地面风场不同空间点全时间尺度空间相关性分析方法 |
CN106259928A (zh) * | 2016-08-23 | 2017-01-04 | 辽宁辉山生物科技研究有限公司 | 一种褐色常温酸奶及制作方法 |
CN108124415A (zh) * | 2017-12-11 | 2018-06-05 | 新希望双喜乳业(苏州)有限公司 | 一种袋装风味发酵乳 |
-
2018
- 2018-12-21 CN CN201811571301.4A patent/CN109711705A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799329A (zh) * | 2010-03-04 | 2010-08-11 | 江西中医学院 | 一种检测中药饮片外观色泽的方法 |
CN101950393A (zh) * | 2010-09-30 | 2011-01-19 | 北京师范大学 | 一种城市生态系统现状评价指数 |
CN105279332A (zh) * | 2015-10-23 | 2016-01-27 | 天津大学 | 近地面风场不同空间点全时间尺度空间相关性分析方法 |
CN106259928A (zh) * | 2016-08-23 | 2017-01-04 | 辽宁辉山生物科技研究有限公司 | 一种褐色常温酸奶及制作方法 |
CN108124415A (zh) * | 2017-12-11 | 2018-06-05 | 新希望双喜乳业(苏州)有限公司 | 一种袋装风味发酵乳 |
Non-Patent Citations (3)
Title |
---|
刘倩,等: "控制图在乳品企业质量控制中的应用", 《食品安全质量检测学报》 * |
周兴鑫,等: "发酵乳的感官质量控制体系研究进展", 《中国乳品工业》 * |
申永波: "发酵乳味觉特征调控技术研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070077A (zh) * | 2020-11-16 | 2020-12-11 | 北京健康有益科技有限公司 | 一种基于深度学习的食物识别方法和装置 |
CN112070077B (zh) * | 2020-11-16 | 2021-02-26 | 北京健康有益科技有限公司 | 一种基于深度学习的食物识别方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102539326B (zh) | 茶叶汤色品质的量化评价方法 | |
CN108037256B (zh) | 稻米食味品质的快速测定方法 | |
CN106248746B (zh) | 一种基于介电频谱技术的牛乳蛋白质含量快速检测方法 | |
CN105136736B (zh) | 在线近红外样本量确定方法 | |
CN105843870B (zh) | 重复性和再现性的分析方法及其应用 | |
CN111721715A (zh) | 一种基于色度值结合熵权法的烟丝掺配均匀度测定方法 | |
CN104865360A (zh) | 一种浓香型大曲质量评价方法及系统 | |
CN109540838A (zh) | 一种快速检测发酵乳中酸度的方法 | |
CN102876816A (zh) | 基于多传感器信息融合的发酵过程状态监测与控制方法 | |
CN104267164B (zh) | 一种简便快速测定黄酒酒精度的方法 | |
CN106770727B (zh) | 一种原浆啤酒风味品质的评价方法 | |
CN110632068A (zh) | 一种烟叶耐加工性的测量方法 | |
CN111784200A (zh) | 一种草莓种苗壮苗指数及其构建方法 | |
CN112067560A (zh) | 一种基于色度值结合熵权法的烟用料液稳定性测定方法 | |
CN109711705A (zh) | 一种发酵乳生产过程中色泽感官质量控制的模型建立方法 | |
CN105548038A (zh) | 葡萄酒颜色的测定方法 | |
CN108535250A (zh) | 基于Streif指数的‘富士’苹果成熟度无损检测方法 | |
CN112651173A (zh) | 一种基于跨域光谱信息的农产品品质无损检测方法及可泛化系统 | |
Zeng et al. | Evaluation and analysis model of wine quality based on mathematical model | |
CN107727711A (zh) | 一种啤酒酒体饱满性的评价方法 | |
CN106570680A (zh) | 用于评价浓香型原酒感官质量的方法 | |
CN105891130B (zh) | 一种校正不同光谱信息确定物质信息误差的方法 | |
KR20160013775A (ko) | 와인 맛의 정보 제공방법 | |
CN114118865A (zh) | 一种雪茄烟叶茄衣和茄芯的外观质量评价方法 | |
CN108363972A (zh) | 一种基于介电频谱技术的牛乳体细胞数快速检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |
|
RJ01 | Rejection of invention patent application after publication |