CN116268357B - 一种高盐稀态酱油酿造过程监控方法 - Google Patents
一种高盐稀态酱油酿造过程监控方法 Download PDFInfo
- Publication number
- CN116268357B CN116268357B CN202310197948.XA CN202310197948A CN116268357B CN 116268357 B CN116268357 B CN 116268357B CN 202310197948 A CN202310197948 A CN 202310197948A CN 116268357 B CN116268357 B CN 116268357B
- Authority
- CN
- China
- Prior art keywords
- brewing
- physical
- brewing process
- salt
- soy sauce
- 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.)
- Active
Links
- 238000013124 brewing process Methods 0.000 title claims abstract description 32
- 235000013555 soy sauce Nutrition 0.000 title claims abstract description 22
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000000126 substance Substances 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000001502 supplementing effect Effects 0.000 claims abstract description 3
- 238000000855 fermentation Methods 0.000 claims description 25
- 230000004151 fermentation Effects 0.000 claims description 25
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 18
- 230000001419 dependent effect Effects 0.000 claims description 12
- 239000002253 acid Substances 0.000 claims description 11
- 229910052757 nitrogen Inorganic materials 0.000 claims description 9
- 150000003839 salts Chemical class 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 150000001413 amino acids Chemical class 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 235000010469 Glycine max Nutrition 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 244000068988 Glycine max Species 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000228212 Aspergillus Species 0.000 description 1
- 235000013409 condiments Nutrition 0.000 description 1
- 150000002148 esters Chemical class 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 125000002485 formyl group Chemical class [H]C(*)=O 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000010563 solid-state fermentation Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23L—FOODS, FOODSTUFFS, OR NON-ALCOHOLIC BEVERAGES, NOT COVERED BY SUBCLASSES A21D OR A23B-A23J; THEIR PREPARATION OR TREATMENT, e.g. COOKING, MODIFICATION OF NUTRITIVE QUALITIES, PHYSICAL TREATMENT; PRESERVATION OF FOODS OR FOODSTUFFS, IN GENERAL
- A23L27/00—Spices; Flavouring agents or condiments; Artificial sweetening agents; Table salts; Dietetic salt substitutes; Preparation or treatment thereof
- A23L27/50—Soya sauce
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Nutrition Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Polymers & Plastics (AREA)
- Soy Sauces And Products Related Thereto (AREA)
Abstract
本发明提出了一种高盐稀态酱油酿造过程监控方法，包括以下步骤：用方差分析的方法分析不同影响因素对高盐稀态酱油酿造过程主要理化指标的影响程度；根据影响显著的因素，将数据分类汇总酿造过程改理化指标的变化情况，制作酿造过程折线图并标注出概率为95％的指标范围，此折线范围则为高盐稀态酿造酱油理化指标差异不显著范围，下简称为理化指标模型；后续在此法下监控酿造过程的过程中，通过将每次监控数据补入理化指标模型，可持续对理化指标模型进行优化，不断提升模型准确性。本发明提出的针对高盐稀态酿造酱油理化指标监控方式的误报率更低且灵敏度更高。
Description
技术领域
本发明涉及生产过程监控领域，尤其涉及一种高盐稀态酱油酿造过程监控方法。
背景技术
酱油产业是我国调味品行业的第一大产业。发酵酱油工艺主要分为2种：一是传统的低盐固态发酵，二是高盐稀态发酵。高盐稀态发酵酱油传承了我国传统发酵工艺，是以大豆或脱脂大豆、小麦或小麦粉为原料，经蒸煮、曲霉菌制曲后与盐水混合成稀醛，再经发酵制成的酱油。一般发酵期在3～6个月，具有产品品质高、香气成分多、营养物质丰富、酯香突出、口感更鲜美等优点。
不同厂家对酱油酿造过程中的生产周期、投料时间、发酵温度、生产设备等各种因素不同都会对酿造过程中理化指标变化规律造成影响，形成波动，针对理化指标的波动目前行业中企业通常会通过扩宽理化指标标准范围进行应对，此方式虽然降低了误报异常的频率，但也同时造成了对不同条件下的高盐稀态酱油酿造过程进行监控未必可以及时发现酿造异常的情况。
发明内容
基于此，针对目前高盐稀态酱油酿造过程理化指标波动较大，造成监控标准设置较困难，标准设置较窄时容易出现误报，标准设置较宽时酿造过程出现异常未必能及时发现。针对这种情况，本发明提出一种针对高盐稀态酿造酱油所适用的误报率更低且灵敏度更高的理化指标监控方式。
为实现上述目的，本发明提供如下技术方案：一种高盐稀态酱油酿造过程监控方法，包括以下步骤：
S1：用方差分析的方法分析不同影响因素对高盐稀态酱油酿造过程主要理化指标的影响程度；
S2：根据影响显著的因素，将数据分类汇总酿造过程改理化指标的变化情况，制作酿造过程折线图并标注出概率为95％的指标范围，此折线范围则为高盐稀态酿造酱油理化指标差异不显著范围，以下简称为理化指标模型；
S3：后续在此法下监控酿造的过程中，通过将每次监控数据补入理化指标模型，可持续对理化指标模型进行优化，不断提升模型准确性。
具体的，对高盐稀态酱油酿造过程的主要理化指标数据进行收集，按投料月份分类，收集近三年的理化指标数据，根据发酵周期，酿造每15天设置一个取样点，直至酿造结束。
具体的，使用IBM SPSS Statistics分别对主要理化指标进行方差分析，分析不同投料月份、不同平均发酵温度、不同发酵罐等因素对理化指标的影响。
具体的，通过方差分析数据对比各因素的显著性，找到最显著的影响因素，随后根据最显著的影响因素对总酸数据进行分类制作酿造曲线模型，后续监控数据过程持续补充入数据并更新模型。
综上所述，本发明主要具有以下有益效果：
针对高盐稀态酱油酿造过程理化指标波动较大，造成监控标准设置较困难，标准设置较窄时容易出现误报，标准设置较宽时酿造过程出现异常未必能及时发现，本发明提出的针对高盐稀态酿造酱油理化指标监控方式的误报率更低且灵敏度更高。
附图说明
图1为本发明中因变量为总酸时各月份变化规律的对比图；
图2为本发明中因变量为总酸时各月份95％置信区间；
图3为本发明中因变量为氨基酸态氮时各月份变化规律的对比图；
图4为本发明中因变量为盐分时时各月份95％置信区间；
图5为本发明中因变量为盐分时各月份变化规律的对比图；
图6为本发明中因变量为盐分时各月份95％置信区间。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
下面根据本发明的整体结构，对其实施例进行说明。
具体分析和建立过程如下：
(1)理化指标的取样：对高盐稀态酱油酿造过程的11个主要理化指标数据进行收集，按投料月份分类，收集近三年的理化指标数据，根据发酵周期，酿造每15天设置一个取样点，直至酿造结束。
(2)理化指标差异分析：使用IBM SPSS Statistics分别对主要理化指标进行方差分析，分析不同投料月份、不同平均发酵温度、不同发酵罐等因素对理化指标的影响,下列选其中三个因素(总酸、氨基酸态氮、盐分)作例子。
因变量为总酸时：由显著性一列可知罐位置、酿造天数与投料时间对酿造过程总酸影响极显著。
主体间效应检验
由于发酵天数为自变量，除去发酵天数以后投料时间为最显著的影响因素，因此根据投料时间对总酸数据进行分类制作酿造曲线模型(各点省略95％置信区间)。
因变量为氨基酸态氮时，由显著性一列可知罐位置、酿造天数与投料时间对酿造过程氨基酸态氮影响。
由于发酵天数为自变量，除去发酵天数以后投料时间为最显著的影响因素，因此根据投料时间对氨基酸态氮数据进行分类制作酿造曲线模型(各点省略95％置信区间)。
因变量是盐分时：
主体间效应检验
由显著性一列可知罐位置、酿造天数与投料时间对酿造过程盐分影响极显著。由于发酵天数为自变量，除去发酵天数以后投料时间为最显著的影响因素，因此根据投料时间对盐分数据进行分类制作酿造曲线模型。
尽管已经示出和描述了本发明的实施例，但本具体实施例仅仅是对本发明的解释，其并不是对发明的限制，描述的具体特征、结构、材料或者特点可以在任何一个或多个实施例或示例中以合适的方式结合，本领域技术人员在阅读完本说明书后可在不脱离本发明的原理和宗旨的情况下，可以根据需要对实施例做出没有创造性贡献的修改、替换和变型等，但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (1)
1.一种高盐稀态酱油酿造过程监控方法，包括，其特征在于，包括以下步骤：
S1：用方差分析的方法分析不同影响因素对高盐稀态酱油酿造过程主要理化指标的影响程度；
S2：根据影响显著的因素，将数据分类汇总酿造过程改理化指标的变化情况，制作酿造过程折线图并标注出概率为95％的指标范围，此折线范围则为高盐稀态酿造酱油理化指标差异不显著范围，以下简称为理化指标模型；
S3：后续在此法下监控酿造的过程中，通过将每次监控数据补入理化指标模型，持续对理化指标模型进行优化更新模型，不断提升模型准确性；
具体分析和建立过程如下：
(1)理化指标的取样：对高盐稀态酱油酿造过程的11个主要理化指标数据进行收集，按投料月份分类，收集近三年的理化指标数据，根据发酵周期，酿造每15天设置一个取样点，直至酿造结束；
(2)理化指标差异分析：使用IBM SPSS Statistics分别对主要理化指标进行方差分析，分析不同投料月份、不同平均发酵温度、不同发酵罐等因素对理化指标的影响，下列选其总酸、氨基酸态氮、盐分三个因素进行分析；
因变量为总酸时：由显著性一列可知罐位置、酿造天数与投料时间对酿造过程总酸影响极显著；
由于发酵天数为自变量，除去发酵天数以后投料时间为最显著的影响因素，根据投料时间对总酸数据进行分类制作酿造曲线模型；
或者因变量为氨基酸态氮时，由显著性一列可知罐位置、酿造天数与投料时间对酿造过程氨基酸态氮影响；
由于发酵天数为自变量，除去发酵天数以后投料时间为最显著的影响因素，根据投料时间对氨基酸态氮数据进行分类制作酿造曲线模型；
或者因变量是盐分时，由显著性一列可知罐位置、酿造天数与投料时间对酿造过程盐分影响极显著；
由于发酵天数为自变量，除去发酵天数以后投料时间为最显著的影响因素，根据投料时间对盐分数据进行分类制作酿造曲线模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310197948.XA CN116268357B (zh) | 2023-03-03 | 2023-03-03 | 一种高盐稀态酱油酿造过程监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310197948.XA CN116268357B (zh) | 2023-03-03 | 2023-03-03 | 一种高盐稀态酱油酿造过程监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116268357A CN116268357A (zh) | 2023-06-23 |
| CN116268357B true CN116268357B (zh) | 2024-06-11 |
Family
ID=86814430
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310197948.XA Active CN116268357B (zh) | 2023-03-03 | 2023-03-03 | 一种高盐稀态酱油酿造过程监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116268357B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101964021A (zh) * | 2010-09-29 | 2011-02-02 | 东北大学 | 基于递归核主元分析的青霉素发酵过程故障监测方法 |
| CN103853152A (zh) * | 2014-03-21 | 2014-06-11 | 北京工业大学 | 一种基于ar-pca的间歇过程故障监测方法 |
| CN105652845A (zh) * | 2016-03-26 | 2016-06-08 | 北京工业大学 | 一种基于即时学习局部模型的发酵过程故障监测方法 |
| CN107238638A (zh) * | 2017-06-28 | 2017-10-10 | 四川理工学院 | 基于大曲各成分理化指标与产酒量和酒质联系的测定方法 |
| CN108037081A (zh) * | 2017-10-20 | 2018-05-15 | 中国农业大学 | 一种酿酒葡萄成熟度监测方法和系统 |
| CN111459117A (zh) * | 2020-04-28 | 2020-07-28 | 四川合江县永兴诚酿造有限责任公司 | 酱油古法酿造全流程监控系统 |
| CN113201429A (zh) * | 2021-04-16 | 2021-08-03 | 走岂生物科技(广州)有限公司 | 一种酿造控制方法及酿造装置 |
| CN113916283A (zh) * | 2021-09-08 | 2022-01-11 | 四川轻化工大学 | 一种白酒酿造过程信息化在线监测系统及方法 |
-
2023
- 2023-03-03 CN CN202310197948.XA patent/CN116268357B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101964021A (zh) * | 2010-09-29 | 2011-02-02 | 东北大学 | 基于递归核主元分析的青霉素发酵过程故障监测方法 |
| CN103853152A (zh) * | 2014-03-21 | 2014-06-11 | 北京工业大学 | 一种基于ar-pca的间歇过程故障监测方法 |
| CN105652845A (zh) * | 2016-03-26 | 2016-06-08 | 北京工业大学 | 一种基于即时学习局部模型的发酵过程故障监测方法 |
| CN107238638A (zh) * | 2017-06-28 | 2017-10-10 | 四川理工学院 | 基于大曲各成分理化指标与产酒量和酒质联系的测定方法 |
| CN108037081A (zh) * | 2017-10-20 | 2018-05-15 | 中国农业大学 | 一种酿酒葡萄成熟度监测方法和系统 |
| CN111459117A (zh) * | 2020-04-28 | 2020-07-28 | 四川合江县永兴诚酿造有限责任公司 | 酱油古法酿造全流程监控系统 |
| CN113201429A (zh) * | 2021-04-16 | 2021-08-03 | 走岂生物科技(广州)有限公司 | 一种酿造控制方法及酿造装置 |
| CN113916283A (zh) * | 2021-09-08 | 2022-01-11 | 四川轻化工大学 | 一种白酒酿造过程信息化在线监测系统及方法 |
Non-Patent Citations (4)
| Title |
|---|
| SWK系列酿造制品生产过程自动监控系统在酱油生产中应用;张风庆;唐瑞国;张佩剑;;中国调味品(第10期);27-28 * |
| 基于偏最小二乘法建立白酒酒醅近红外分析模型;李良;董孝元;吴昊;张超;周玉;陈茂彬;方尚玲;谢逾群;景艳艳;张玉;;酿酒(第03期);64-67 * |
| 基于数学定量分析的酱油酿造核心参数控制优化;张方娟;张俊芳;张艺飞;;中国调味品(第07期);123-125 * |
| 矩阵分析法在酱油酿造过程参数监测中的应用;杨德山;;中国调味品(07);127-130 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116268357A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cevallos-Cevallos et al. | Metabolomic analysis in food science: a review | |
| CN109298088B (zh) | 一种牛肉产地的标志物筛选方法及其应用 | |
| Wu et al. | Monitoring of fermentation process parameters of Chinese rice wine using attenuated total reflectance mid-infrared spectroscopy | |
| CN103424520B (zh) | 一种红茶发酵适度的判定方法 | |
| CN102539375A (zh) | 基于近红外光谱秸秆固态发酵过程参数软测量方法及装置 | |
| Vandendriessche et al. | High-throughput NMR based metabolic profiling of Braeburn apple in relation to internal browning | |
| CN103616383B (zh) | 食品批量发酵过程中菌群结构稳定性的定量检测方法 | |
| CN116268357B (zh) | 一种高盐稀态酱油酿造过程监控方法 | |
| Gabriel et al. | Multivariate analysis of the spectroscopic profile of the sugar fraction of apple pomace | |
| Hu et al. | Proton nuclear magnetic resonance-spectroscopic discrimination of wines reflects genetic homology of several different grape (V. vinifera L.) cultivars | |
| CN111024802B (zh) | 基于铅Pb稳定同位素的刺参产地溯源模型构建及鉴别方法 | |
| Gomis et al. | Application of HPLC to characterization and control of individual acids in apple extracts and ciders | |
| Yan et al. | 1H NMR‐based metabolomics approach for understanding the fermentation behaviour of Bacillus licheniformis | |
| Hanifah et al. | Unique metabolite profiles of Indonesian cocoa beans from different origins and their correlation with temperature | |
| CN109521066B (zh) | 一种黄酒电化学指纹图谱的构建方法和应用 | |
| CN111795943A (zh) | 基于近红外光谱技术无损检测茶叶中外源掺杂蔗糖的方法 | |
| Wu et al. | Discrimination of Chinese rice wines of different geographical origins by UV–vis spectroscopy and chemometrics | |
| CN113627709A (zh) | 一种基于红外光谱检测的斑斓品质评价系统及方法 | |
| Wu et al. | Use of attenuated total reflectance mid‐infrared spectroscopy for rapid prediction of amino acids in Chinese rice wine | |
| CN115219468A (zh) | 一种梨膏浓缩终点的判定方法 | |
| CN107941997A (zh) | 一种外引烤烟品种种植区域遴选和验证的方法 | |
| CN113029975A (zh) | 一种鉴别冻害茶叶品质的方法 | |
| Zhu et al. | Physicochemical data mining of Msalais, a traditional local wine in Southern Xinjiang of China | |
| CN114113350A (zh) | 一种老香黄年份的判别方法 | |
| CN113720790B (zh) | 一种判别高温大曲类别的方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240416 Address after: 528400 No.1, Chubang Road, Zhongshan Torch Development Zone, Zhongshan City, Guangdong Province Applicant after: GUANGDONG MEIWEIXIAN FLAVORING & FOOD Co.,Ltd. Country or region after: China Address before: 510000 No. 483, Wushan Road, Wushan street, Tianhe District, Guangzhou, Guangdong Applicant before: SOUTH CHINA AGRICULTURAL University Country or region before: China Applicant before: GUANGDONG MEIWEIXIAN FLAVORING & FOOD Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant |