CN113609775A - 固态复合调味料鲜美度生津感感官评价分值的定量预报方法 - Google Patents

固态复合调味料鲜美度生津感感官评价分值的定量预报方法 Download PDF

Info

Publication number
CN113609775A
CN113609775A CN202110909058.8A CN202110909058A CN113609775A CN 113609775 A CN113609775 A CN 113609775A CN 202110909058 A CN202110909058 A CN 202110909058A CN 113609775 A CN113609775 A CN 113609775A
Authority
CN
China
Prior art keywords
solid compound
salivation
feeling
compound seasoning
sensory evaluation
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.)
Granted
Application number
CN202110909058.8A
Other languages
English (en)
Other versions
CN113609775B (zh
Inventor
张佳汇
王芳
李晓燕
刘太昂
王锡昌
葛小通
俞铮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Totole Food Co ltd
Original Assignee
Shanghai Totole Food Co ltd
Shanghai Ocean University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Totole Food Co ltd, Shanghai Ocean University filed Critical Shanghai Totole Food Co ltd
Priority to CN202110909058.8A priority Critical patent/CN113609775B/zh
Publication of CN113609775A publication Critical patent/CN113609775A/zh
Priority to JP2022112990A priority patent/JP7387826B2/ja
Priority to EP22186188.3A priority patent/EP4134963A1/en
Application granted granted Critical
Publication of CN113609775B publication Critical patent/CN113609775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Seasonings (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明提出一种固态复合调味料鲜美度生津感感官评价分值的定量预报方法，以多种固态复合调味料中7种成分IMP、GMP、Na+、Asp、Glu、Gly和Ala的含量作为自变量；人工对每种固态复合调味料进行鲜美度生津感打分，以及采用公式对7种自变量的含量进行综合处理；对综合处理后的数据以及生津感进行定量建模，生成固态复合调味料鲜美度生津感感官评价的定量预报模型；将待测固态复合调味料中7种自变量含量综合处理后，代入所述定量预报模型，得到待测固态复合调味料的鲜美度生津感感官评价分值。本发明的方法相比人工测评，预报出来的结果更客观、准确以及便捷。

Description

固态复合调味料鲜美度生津感感官评价分值的定量预报方法
技术领域
本发明涉及调味料感官评价技术领域，尤其涉及一种固态复合调味料鲜美度生津感感官评价分值的定量预报方法。
背景技术
固态复合调味料由两种以上的调味品复合而成，复合调味料的主要功能在于调味，赋予食品、菜肴特殊风味。近年来，中国调味品行业有了较大发展，人们对于调味品的要求也从单一需求逐渐转向多元化，固态复合调味料产品在市场上越来越受欢迎。但对于固态复合调味料的感官评价目前主要是通过品尝师品尝这些调味料，然后根据自己的感受、以往积累的经验给出感官评价的分数。这样给出的感官评价分数往往带有强烈的个人主观性，不同的品尝师品尝同样的固态复合调味料，给出的感官评价分数往往存在差异，有些还有着比较大的差异。如对于某种固态复合调味料的鲜美度生津感，有的品尝师给出的是1.5分，有的品尝师给出了3.0分。原因是多方面的，可能是不同品尝师的经验积累的时间不一样，有的品尝师有十多年的经验积累，有的品尝师只有三四年时间的积累。也可能是与品尝师的年龄、喜好、身体、精神状态有关，有些品尝师可能就是对生津感敏感，有些品尝师品尝的时候身体可能出现问题，其精神、味觉感觉都出现迟钝等现象。这些原因都导致对固态复合调味料的感官评价出现差异。但是由于复合调味料在人们日常生活中的应用越来越广泛，人们对于美味的要求也越来越高，对其感官评价的准确性要求也越来越高，如何找到更加客观的感官评价打分方法，逐步代替人工主观打分方法，成为本领域技术人员的当务之急。
发明内容
本发明的目的在于提出一种对复合调味料鲜美度生津感给出客观、准确分数的定量预报方法。
为达到上述目的，本发明提出一种固态复合调味料鲜美度生津感感官评价分值的定量预报方法，以多种固态复合调味料中7种成分IMP、GMP、Na+、Asp、Glu、Gly和Ala的含量作为自变量；人工对每种固态复合调味料进行生津感打分，以及采用公式对7种自变量的含量进行综合处理；对综合处理后的数据以及鲜美度生津感进行定量建模，生成固态复合调味料鲜美度生津感感官评价的定量预报模型；
将待测固态复合调味料中7种自变量含量综合处理后，代入所述定量预报模型，得到待测固态复合调味料的鲜美度生津感感官评价分值。
进一步的，所述综合处理包括利用如下转换方程对参数含量进行处理：
X1＝+0.260[IMP]+4.955E-2[GMP]+1.971E-2[Na]+0.271[Asp]-2.521E-3[Glu]+0.453[Gly]+1.169[Ala]-0.515；
X2＝+0.795[IMP]+0.340[GMP]+0.133[Na]-0.617[Asp]-4.217E-3[Glu]-0.765[Gly]+0.806[Ala]-1.488；
X3＝+2.354[IMP]+1.660[GMP]-0.103[Na]-0.340[Asp]+2.758E-3[Glu]-0.663[Gly]+0.686[Ala]-0.862；
X4＝-0.257[IMP]-1.850[GMP]-0.179[Na]-3.978E-2[Asp]+3.134E-3[Glu]-1.035[Gly]+0.665[Ala]+3.013；
X5＝+2.457[IMP]-2.734[GMP]+0.130[Na]+0.169[Asp]+2.082E-3[Glu]-0.106[Gly]+6.545E-2[Ala]-3.024；
X6＝+5.119[IMP]-5.251[GMP]-6.594E-2[Na]-5.659E-2[Asp]-9.137E-4[Glu]+0.132[Gly]-0.122[Ala]+1.209；
X7＝+0.917[IMP]+0.463[GMP]-2.781E-2[Na]+1.008[Asp]-3.006E-3[Glu]-0.719[Gly]-0.216[Ala]+0.754；
式中，X1、X2、X3、X4、X5、X6和X7分别代表每种固态复合调味料综合处理后的7个建模数据。
进一步的，建模前，所述固态复合调味料的数量大于等于70个，品尝师对每一种固态复合调味料均进行品尝以及鲜美度生津感打分。
进一步的，利用支持向量机回归算法对每种的固态复合调味料中，7种自变量综合处理后的数据以及鲜美度生津感进行定量建模。
进一步的，在所述支持向量机回归算法中，为了保证建模的准确性，选取径向基核函数，惩罚因子选取为13，不敏感函数选取为0.06。
与现有技术相比，本发明的优势之处在于：
1.本发明可以实现固态复合调味料鲜美度生津感感官评价分值的预报，为企业监控产品质量提供数据支撑。
2.在对新的固态复合调味料鲜美度生津感感官评价分值预报过程中，不再需要品尝师的参与，减少了品尝师的主观因素，预报出来的结果更客观、准确。
3.相比于人工评分，本发明整个评分过程减少了样品的浪费，提高企业经济效益。
4.通过本发明建模测出来的鲜美度生津感数值与实际值的结果几乎完全相同，准确度更高。
附图说明
图1为固态复合调味料生津感感官评价分值的支持向量机回归模型建模结果图。
图2为固态复合调味料生津感感官评价分值的支持向量机回归模型留一法交叉验证结果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案作进一步地说明。
本发明提出一种固态复合调味料鲜美度生津感感官评价分值的定量预报方法，具体方法如下：
步骤1：从市场中收集70种固态复合调味料，在实验室检测这70种固态复合调味料中的IMP、GMP、Na+、Asp、Glu、Gly和Ala含量，作为自变量。品尝师再对这70种固态复合调味料的鲜美度生津感进行人工打分，这样构建了7*70的数据矩阵。这个数据矩阵中，鲜美度生津感分值为因变量，7种成分含量的值为自变量。这样得到了基础数据。部分数据如表1所示：
表1.成分含量和鲜美度生津感示例数据
Figure BDA0003203024140000041
Figure BDA0003203024140000051
步骤2：对基础数据中的自变量进行综合处理，综合处理后的新变量包含所有的原始自变量。转换方程为：
X1＝+0.260[IMP]+4.955E-2[GMP]+1.971E-2[Na]+0.271[Asp]-2.521E-3[Glu]+0.453[Gly]+1.169[Ala]-0.515
X2＝+0.795[IMP]+0.340[GMP]+0.133[Na]-0.617[Asp]-4.217E-3[Glu]-0.765[Gly]+0.806[Ala]-1.488
X3＝+2.354[IMP]+1.660[GMP]-0.103[Na]-0.340[Asp]+2.758E-3[Glu]-0.663[Gly]+0.686[Ala]-0.862
X4＝-0.257[IMP]-1.850[GMP]-0.179[Na]-3.978E-2[Asp]+3.134E-3[Glu]-1.035[Gly]+0.665[Ala]+3.013
X5＝+2.457[IMP]-2.734[GMP]+0.130[Na]+0.169[Asp]+2.082E-3[Glu]-0.106[Gly]+6.545E-2[Ala]-3.024
X6＝+5.119[IMP]-5.251[GMP]-6.594E-2[Na]-5.659E-2[Asp]-9.137E-4[Glu]+0.132[Gly]-0.122[Ala]+1.209
X7＝+0.917[IMP]+0.463[GMP]-2.781E-2[Na]+1.008[Asp]-3.006E-3[Glu]-0.719[Gly]-0.216[Ala]+0.754
综合处理后的示例数据如表2所示。
表2.综合处理后示例数据
Figure BDA0003203024140000061
步骤3：利用支持向量机回归对综合处理后的数据进行定量建模，得到固态复合调味料鲜美度生津感感官评价分值的定量预报模型。
步骤4：新收集4种新固态复合调味料，在实验室检测其IMP、GMP、Na+、Asp、Glu、Gly和Ala含量，但品尝师不再进行人工品尝给出生津感分值，这样形成了独立测试集。收集新的示例数据如表3所示：
表3.独立测试集的新数据
Figure BDA0003203024140000062
Figure BDA0003203024140000071
步骤5：将收集到的新数据代入转换方程，得到综合映射处理后数据，转换后数据如表4所示。
表4：新数据综合处理后部分示例
X<sub>1</sub> X<sub>2</sub> X<sub>3</sub> X<sub>4</sub> X<sub>5</sub> X<sub>6</sub> X<sub>7</sub>
1.0837 1.0532 -1.2147 0.6144 -0.2118 0.2467 0.1258
-0.4864 0.7246 -0.5372 -0.7026 0.5274 -0.7870 -0.3617
-0.7389 -0.2215 3.6973 -0.0676 -0.1357 0.0560 0.2312
1.9510 -0.9925 -0.6365 -0.1138 0.5756 -0.4588 1.4037
步骤6：然后将综合处理后的数据直接代入固态复合调味料鲜美度生津感感官评价分值的定量预报模型，预报得到独立测试集的固态复合调味料生津感感官评价分值。
独立测试集的固态复合调味料鲜美度生津感感官评价分值的支持向量机回归模型独立测试结果，其结果如表5所示。
表5预测结果
样本序号 鲜美度生津感分值
1 3.0373
2 2.8018
3 2.4994
4 2.7460
对于70个数据，固态复合调味料鲜美度生津感感官评价分值的支持向量机回归模型建模结果如图1所示。
由图1可以看出：生津感实际值与计算值的相关系数为0.91，数值很高，模型的准确率比较高，建立的模型可信度高。
对于70个数据，固态复合调味料鲜美度生津感感官评价分值的支持向量机回归模型留一法交叉验证结果如图2所示。
由图2可以看出：模型的预报值与实测值的相关系数为0.80，说明建立的支持向量机回归模型内部交叉验证结果的准确率比较高，进一步说明建立的模型比较可信。
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。

Claims (5)

1.固态复合调味料鲜美度生津感感官评价分值的定量预报方法，其特征在于，以多种固态复合调味料中7种成分IMP、GMP、Na+、Asp、Glu、Gly和Ala的含量作为自变量；人工对每种固态复合调味料进行鲜美度生津感打分，以及采用公式对7种自变量的含量进行综合处理；对综合处理后的数据以及生津感进行定量建模，生成固态复合调味料鲜美度生津感感官评价的定量预报模型；
将待测固态复合调味料中7种自变量含量综合处理后，代入所述定量预报模型，得到待测固态复合调味料的鲜美度生津感感官评价分值。
2.根据权利要求1所述的固态复合调味料鲜美度生津感感官评价分值的定量预报方法，其特征在于，所述综合处理包括利用如下转换方程对参数含量进行处理：
X1＝+0.260[IMP]+4.955E-2[GMP]+1.971E-2[Na]+0.271[Asp]-2.521E-3[Glu]+0.453[Gly]+1.169[Ala]-0.515；
X2＝+0.795[IMP]+0.340[GMP]+0.133[Na]-0.617[Asp]-4.217E-3[Glu]-0.765[Gly]+0.806[Ala]-1.488；
X3＝+2.354[IMP]+1.660[GMP]-0.103[Na]-0.340[Asp]+2.758E-3[Glu]-0.663[Gly]+0.686[Ala]-0.862；
X4＝-0.257[IMP]-1.850[GMP]-0.179[Na]-3.978E-2[Asp]+3.134E-3[Glu]-1.035[Gly]+0.665[Ala]+3.013；
X5＝+2.457[IMP]-2.734[GMP]+0.130[Na]+0.169[Asp]+2.082E-3[Glu]-0.106[Gly]+6.545E-2[Ala]-3.024；
X6＝+5.119[IMP]-5.251[GMP]-6.594E-2[Na]-5.659E-2[Asp]-9.137E-4[Glu]+0.132[Gly]-0.122[Ala]+1.209；
X7＝+0.917[IMP]+0.463[GMP]-2.781E-2[Na]+1.008[Asp]-3.006E-3[Glu]-0.719[Gly]-0.216[Ala]+0.754；
式中，X1、X2、X3、X4、X5、X6和X7分别代表每种固态复合调味料综合处理后的7个建模数据。
3.根据权利要求1所述的固态复合调味料鲜美度生津感感官评价分值的定量预报方法，其特征在于，建模前，所述固态复合调味料的数量大于等于70个，品尝师对每一种固态复合调味料均进行品尝以及鲜美度生津感打分。
4.根据权利要求1所述的固态复合调味料鲜美度生津感感官评价分值的定量预报方法，其特征在于，利用支持向量机回归算法对每种的固态复合调味料中，7种自变量综合处理后的数据以及鲜美度生津感进行定量建模。
5.根据权利要求4所述的固态复合调味料鲜美度生津感感官评价分值的定量预报方法，其特征在于，在所述支持向量机回归算法中，选取径向基核函数，惩罚因子选取为13，不敏感函数选取为0.06。
CN202110909058.8A 2021-08-09 2021-08-09 固态复合调味料鲜美度生津感感官评价分值的定量预报方法 Active CN113609775B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110909058.8A CN113609775B (zh) 2021-08-09 2021-08-09 固态复合调味料鲜美度生津感感官评价分值的定量预报方法
JP2022112990A JP7387826B2 (ja) 2021-08-09 2022-07-14 固体状複合調味料の旨さ・唾液誘出効果に関する官能評価スコアの定量的予測方法
EP22186188.3A EP4134963A1 (en) 2021-08-09 2022-07-21 Quantitative prediction method for sensory evaluation score of delicious degree and liquid generating sense of solid-state compound seasoning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110909058.8A CN113609775B (zh) 2021-08-09 2021-08-09 固态复合调味料鲜美度生津感感官评价分值的定量预报方法

Publications (2)

Publication Number Publication Date
CN113609775A true CN113609775A (zh) 2021-11-05
CN113609775B CN113609775B (zh) 2024-04-23

Family

ID=78307687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110909058.8A Active CN113609775B (zh) 2021-08-09 2021-08-09 固态复合调味料鲜美度生津感感官评价分值的定量预报方法

Country Status (3)

Country Link
EP (1) EP4134963A1 (zh)
JP (1) JP7387826B2 (zh)
CN (1) CN113609775B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4134963A1 (en) * 2021-08-09 2023-02-15 Shanghai Totole Food Ltd. Quantitative prediction method for sensory evaluation score of delicious degree and liquid generating sense of solid-state compound seasoning

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222164A (zh) * 2011-05-30 2011-10-19 中国标准化研究院 一种食品感官质量评价方法及***
KR20120042489A (ko) * 2010-10-25 2012-05-03 이화여자대학교 산학협력단 식품의 주요 관능적 특성 평가를 위한 표준척도 및 이를 이용한 관능적 특성 평가방법
CN103472197A (zh) * 2013-09-10 2013-12-25 江苏大学 一种食品智能化仿生评价中的跨感知信息交互感应融合方法
CN105717227A (zh) * 2016-02-02 2016-06-29 天津科技大学 一种浓缩苹果汁风味品质判别方法及其应用
CN105974058A (zh) * 2016-05-01 2016-09-28 上海大学 基于电子鼻-人工神经网络的快速检测烟叶中钾含量的方法
CN107121327A (zh) * 2017-06-09 2017-09-01 云南中烟工业有限责任公司 一种电子烟甜度评价方法
CN107392399A (zh) * 2017-08-30 2017-11-24 桂林电子科技大学 一种基于改进遗传算法的svm卷烟感官质量预测方法
CN108536914A (zh) * 2018-03-12 2018-09-14 上海太太乐食品有限公司 固态复合调味料中鲜美度量化模型和构建方法及其应用
CN109991368A (zh) * 2019-03-20 2019-07-09 华南理工大学 基于电子舌的酱油滋味评价方法、装置、介质和计算设备
CN111323543A (zh) * 2020-03-19 2020-06-23 上海太太乐食品有限公司 固态复合调味料中鲜美度五维度感官评价标尺的建立方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010108542A1 (en) 2009-03-25 2010-09-30 Nestec S.A. A natural taste enhancing savoury base and a process for its preparation
JP2013007732A (ja) 2011-05-26 2013-01-10 Osaka Univ チーズの品質予測方法
JP5757854B2 (ja) 2011-12-16 2015-08-05 長谷川香料株式会社 風味改良剤の評価方法
JP2017026558A (ja) 2015-07-28 2017-02-02 不二製油株式会社 カカオマスの品質予測方法
KR102017169B1 (ko) * 2017-08-18 2019-09-03 충북대학교 산학협력단 육류의 신맛을 예측 또는 측정하는 방법
CN113609775B (zh) * 2021-08-09 2024-04-23 上海太太乐食品有限公司 固态复合调味料鲜美度生津感感官评价分值的定量预报方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120042489A (ko) * 2010-10-25 2012-05-03 이화여자대학교 산학협력단 식품의 주요 관능적 특성 평가를 위한 표준척도 및 이를 이용한 관능적 특성 평가방법
CN102222164A (zh) * 2011-05-30 2011-10-19 中国标准化研究院 一种食品感官质量评价方法及***
CN103472197A (zh) * 2013-09-10 2013-12-25 江苏大学 一种食品智能化仿生评价中的跨感知信息交互感应融合方法
CN105717227A (zh) * 2016-02-02 2016-06-29 天津科技大学 一种浓缩苹果汁风味品质判别方法及其应用
CN105974058A (zh) * 2016-05-01 2016-09-28 上海大学 基于电子鼻-人工神经网络的快速检测烟叶中钾含量的方法
CN107121327A (zh) * 2017-06-09 2017-09-01 云南中烟工业有限责任公司 一种电子烟甜度评价方法
CN107392399A (zh) * 2017-08-30 2017-11-24 桂林电子科技大学 一种基于改进遗传算法的svm卷烟感官质量预测方法
CN108536914A (zh) * 2018-03-12 2018-09-14 上海太太乐食品有限公司 固态复合调味料中鲜美度量化模型和构建方法及其应用
CN109991368A (zh) * 2019-03-20 2019-07-09 华南理工大学 基于电子舌的酱油滋味评价方法、装置、介质和计算设备
CN111323543A (zh) * 2020-03-19 2020-06-23 上海太太乐食品有限公司 固态复合调味料中鲜美度五维度感官评价标尺的建立方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
朱玫;熊宁;刘欢;吴量;孟欢;刘利;吴莉莉;: "籼稻的食味品质和综合品质评价模型的建立", 食品科学, no. 21, pages 97 - 103 *
白兴梁;张亚飞;胡鹏;: "图像分析技术预测吐司面包质构及感官评价模型的建立", 粮食与饲料工业, no. 12, 15 December 2014 (2014-12-15), pages 33 - 36 *
郭峰;: "基于回归模型的复合调味料组分比例规律研究", 中国调味品, no. 05, 10 May 2020 (2020-05-10), pages 150 - 154 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4134963A1 (en) * 2021-08-09 2023-02-15 Shanghai Totole Food Ltd. Quantitative prediction method for sensory evaluation score of delicious degree and liquid generating sense of solid-state compound seasoning

Also Published As

Publication number Publication date
CN113609775B (zh) 2024-04-23
JP2023024940A (ja) 2023-02-21
EP4134963A1 (en) 2023-02-15
JP7387826B2 (ja) 2023-11-28

Similar Documents

Publication Publication Date Title
Cowart Relationships between taste and smell across the adult life span a
Charles et al. Understanding flavour perception of espresso coffee by the combination of a dynamic sensory method and in-vivo nosespace analysis
Qiu et al. Application of sensory evaluation, HS‐SPME GC‐MS, E‐Nose, and E‐Tongue for quality detection in citrus fruits
Pickering et al. Perception of mouthfeel sensations elicited by red wine are associated with sensitivity to 6‐n‐propylthiouracil
Barcenas et al. Development of a preliminary sensory lexicon and standard references of ewes milk cheeses aided by multivariate statistical procedures
Lerma-García et al. Use of electronic nose to determine defect percentage in oils. Comparison with sensory panel results
Lawless et al. Time-intensity methods
CN113609775A (zh) 固态复合调味料鲜美度生津感感官评价分值的定量预报方法
CN109991368B (zh) 基于电子舌的酱油滋味评价方法、装置、介质和计算设备
CN107741439A (zh) 一种啤酒酒体圆润性的评价方法
Yeretzian et al. Coffee volatile and aroma compounds–from the green bean to the cup
CN110308101A (zh) 一种片烟水提物吸光度值检测及判断醇化质量的方法
Zhang et al. Evaluation of the pungency intensity and time‐related aspects of Chinese Zanthoxylum bungeanum based on human sensation
JP6846947B2 (ja) 香料化合物のレトロネーザルアロマにおける貢献度の評価方法
Gillette et al. A new method for sensory evaluation of red pepper heat
Gąsior et al. Sense of smell and volatile aroma compounds and their role in the evaluation of the quality of products of animal origin–a review
Angerosa et al. Sensory quality: Methodologies and applications
West et al. Whole grain macaroni: Flavour interactions with sodium-reduced cheese sauce
Chapman-Novakofski et al. Alterations in taste thresholds in men with chronic obstructive pulmonary disease
CN109781870B (zh) 一种鉴别烤烟香型的方法
Wu et al. A novel quantified palatability evaluation method (saliva evaluation combined with electronic tongue evaluation) for Traditional Chinese Medicine oral formulations based on oral stimulation
CN113138257B (zh) 一种花生籽仁烘烤食味品质的测定及其评价方法
CN107389598B (zh) 一种鉴定槐花品质的近红外光谱分析方法
Ueda et al. Characterization of palatability and ease of deglutition of the five basic tastes by partial least squares regression analysis using myoelectric potential parameters of the submental muscle
Noble et al. Sensory methods of flavour analysis

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: 20220720

Address after: Jiading District Caoan Road 201812 Shanghai City No. 13 bridge Nanxing Hua Road No. 969

Applicant after: SHANGHAI TOTOLE FOOD Co.,Ltd.

Address before: Jiading District Caoan Road 201812 Shanghai City No. 13 bridge Nanxing Hua Road No. 969

Applicant before: SHANGHAI TOTOLE FOOD Co.,Ltd.

Applicant before: SHANGHAI OCEAN University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant