【感官优化】模糊数学感官评价结合响应面法优化野生蓝莓—蔓越莓复合果酒发酵工艺

感官

蓝莓富含多种化合物，如黄酮类、花青素类和酚酸类，钙、磷、钾等微量元素以及VE、VC等生物活性成分。可以延缓衰老、提高免疫力和预防癌症，因此蓝莓被誉为“浆果之王”。

蔓越莓（Vaccinium vitis Linn）又称北国红豆、牙格达，果实红亮喜人，含有丰富的维生素、酚酸、花青素及黄酮醇苷等。这些成分不仅具有提高人体免疫力、保护心血管、预防幽门螺旋菌、抗癌、保护口腔和牙齿等功效。因此，蔓越莓被誉为“健康营养素的宝库”，是一种天然的保健水果。

但是，野生蓝莓和蔓越莓果实本身甜度都较低，口感酸涩，难以直接食用，主要以果干、果酱、果汁饮料等初加工食品为主，产品的附加值相对较低。野生蓝莓—蔓越莓复合果酒，不仅提高了珍贵果品的利用度，还能够为振兴农业农村经济、满足消费者的多元化需求提供支持。本研究以野生蓝莓和蔓越莓为原料，模糊数学感官评价法与响应面法相结合对野生蓝莓-蔓越莓复合果酒的发酵条件参数进行优化。

快速阅读

1.材料与方法

• 原料与试剂：蓝莓、蔓越莓、白砂糖、果胶酶、果酒酵母及相关化学试剂。
• 酿造流程：历经分选、清洗、配比、破碎、发酵等多道工序制成成品。
• 试验设计：单因素试验确定各因素对果酒品质影响，响应面试验以初始糖度、发酵温度、发酵时间为自变量，感官评分为响应变量优化工艺。
• 评价与数据处理：专业人员感官评分，结合模糊感官评价体系，用 Origin 和 Design-Expert 软件处理数据。
  

2.结果与分析

• 关键参数确定：蓝莓与蔓越莓最佳质量比 3:2，最适初始糖度 24%，主发酵 11 天，发酵温度 26℃。
• 响应面分析：回归模型可靠，初始糖度对感官评分影响最大，主发酵时间与初始糖度交互作用显著。
• 最优工艺：软件预测最优参数，实际调整为初始糖度 23%，25℃下主发酵 11 天。
  

（下滑了解详细内容）

一、材料与方法

01

材料与试剂

蓝莓和蔓越莓；白砂糖（食品级）：市售；果胶酶（3万u/g）；果酒酵母；DPPH、铁氰化钾、三氯化铁：均为化学纯。

02

酿造工艺流程及要点

野生蓝莓、蔓越莓→→分选→→清洗→→原料配比→→破碎→→调整成分→→主发酵→→酒渣分离→→后发酵→→陈酿→→成品

03

单因素试验优化野生蓝莓—蔓越莓复合果酒发酵条件

通过单因素轮换法，分别分析蓝莓与蔓越莓的不同质量比（3:1、3:2、1:1、2:3、1:3）、不同的初始糖度（20%、22%、24%、26%、28%）、不同的主发酵温度（20℃、23℃、26℃、29℃、32℃）、不同的主发酵时间（7 d、9 d、11 d、13 d、15 d）对复合果酒品质的影响，以感官评分和酒精含量作为考核指标，得到各因素的最佳参数范围。

04

响应面试验优化发酵条件

在单因素试验的基础上，选择对果酒品质影响显著的初始糖度（A）、发酵温度（B）和发酵时间（C）作为自变量，以感官评分（Y）作为响应变量，采用响应面法进行系统的试验设计和分析，以优化发酵过程中的关键参数，建立回归模型，进而推导出最优的发酵工艺条件组合。

05

感官评价

按照我国GB/T 32783—2016《蓝莓酒》中规定的感官鉴定准则，并充分考虑野生蓝莓-蔓越莓复合果酒的独特属性，邀请5男5女共10名（年龄在22～40周岁）具备专业素养的感官评价员，对复合果酒的色泽、香气及口感进行评分。

06

模糊感官评价的建立

首先确立评价因素集、 评语集以及权重集：评价因素集U={U1，U2，U3，U4}，其中U1～U4依分别代表色泽（U1）、香气(U2)、口感 （U3）、酒体（U4）4个评价因素；评语集P={P1，P2，P3，P4}，其中P1～P4分别代表“好”、“较好”、 “一般”、“差”4个评价等级，且每个等级赋予相应的分值：90分（P1）、80分（P2）、70分（P3）、 60分（P4），即P={90,80,70,60}；权重集A={A1,A2,A3,A4}={0.15,0.3,0.35,0.2}，这里的权重反映了每个评价因素在整体评价中的重要程度，其中A1～A4分别对应于U1～U4的权重分配。

07

数据处理

采用Origin 2021软件进行研究数据分析与处理，每项试验均采用测定三次平行取其均值作为最终结果，以增强结果的可靠性。利用Design-Expert 8.0.6软件对获取的响应曲面试验数据进行深入解析 ，以探索各因子间的交互作用及优化条件。

二、结果与分析

01

蓝莓与蔓越莓最佳配比的确定

由图1可知，随着蔓越莓占比增加，果酒的总酸含量逐渐提高。在蓝莓和蔓越莓质量比为3:2时，酒体的酸甜度为最佳，酒体色泽呈现光亮的紫红色，经主发酵后的果酒酒精度和感官评分最高。

02

初始糖度的确定

由图2可以看出，初始糖度在20%～24%范围内随着初始糖度的增加，酵母菌能够有效地利用糖分进行代谢，酒精度也逐渐增加，果酒的酒体结构和复杂度增强，使果香与酒香达到平衡，果酒在口感上更为丰富和协调。因此，最适初始糖度为24%。

03

主发酵时间的确定

果酒的风味和品质与发酵时间的长短密切相关，发酵时间过短果酒风味成分积累不足、酒精度生成不充分，口味寡淡；随着发酵时间的延长，酒精含量上升，发酵过长，部分酵母衰亡，口感变差，回味略带酸涩，酒体变得不稳定。由图3可知，主发酵时间为11 d较为理想。

04

发酵温度的确定

酿酒酵母的代谢活动受温度的影响，进而影响风味物质的合成。从图4来看，综合考虑感官评分和酒精度，响应面试验选择26℃为最适发酵温度。

05

响应面结果与方差分析

对于17组试验样品经10名感官评价员进行评审打分，各因素感官评价的投票情况见表2。

将表2中的数据建立模糊评价矩阵，各因素的得票数除以参与评价总人数，即得到各模糊矩阵M1～M17,以1号试验产品为例，对色泽的评价中：选择“好”的有2人，选择“较好”的有3人，选择“一般”的有3人，选择“差”的有2人，则矩阵中第一行R色泽={0.2,0.3,0.3,0.2}，同理，R香气={0.4,0.1,0.3,0.2}，R口感={0.3,0.2，0.4,0.1}，R酒体={0.4,0.4,0.2,0}由此得到矩阵R1为：

根据单因素试验所得结果，初始糖度（A）、发酵时间（B）以及发酵温度（C）为自变量，感官得分（Y）为响应变量，响应面设计结果见表3，通过构建响应曲面模型确定果酒的最优酿造工艺参数。同时，为了验证模型的有效性与显著性，进行了方差分析（ANOVA），并将结果汇总于方差分析表4中。

该回归模型表现出极高的显著性（P<0.000 1），且失拟项未达到显著水平（P=0.281 1>0.05），说明所建模型具备较高的拟合度，具有统计意义，能较精确地预测实验结果。

模型R2=0.987 6，显示出其对结果变量的变化趋势具有极高的解释能力。R²adj与R²pred的接近（差值<0.2）进一步验证了模型的适用性。变异系数C.V.%低，表明实验精度高且具重复性良好。信噪比为21.934 7，远超标准值4，证明了该模型的准确性和可靠性，适用于精确评估野生蓝莓-蔓越莓复合果酒的品质，从而有效指导最佳工艺参数的确定。根据F值可以分析出，A因素对感官评分的影响最为显著，B次之，C相对影响最小。P值表明因素A、B、C及交互项AB、二次项A2、B2、C2均对感官评分影响极显著（P<0.01），而与A、B的交互作用则并不显著。

06

响应面交互作用分析

初始糖度（A）、发酵时间（B）、发酵温度（C）交互作用对果酒感官评分影响的响应面及等高线见图5。

如图5所示，主发酵时间与初始糖度间交互作用最为显著，次之为发酵温度与初始糖度的交互，而发酵温度与主发酵时间的交互作用最弱。利用Design Expert-13构建响应面模型，结果为：初始糖度设定为22.62%、温度控制在25.27℃条件下、发酵为期10.89 d。在此最优参数下，软件预测得到的果酒感官评分为85.33分。为便于实际操作，对工艺参数进行了适度调整，初始糖度为23%，25℃下主发酵11 d。

来源：感官科学与评定整理，转载请注明来源。封面图及文章配图来源：创客贴。

参考文献：赵春杰,任凤林,罗晓宇,等.模糊数学感官评价结合响应面法优化野生蓝莓—蔓越莓复合果酒发酵工艺[J/OL].内蒙古农业大学学报(自然科学版),1-11[2025-02-26].

提醒：文章仅供参考，如有不当，欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下，擅自根据文章内容采取行动，因此导致的损失，此公众号运营方不负责。如文章涉及侵权或不愿我平台发布，请联系小编。

mjc106

谢谢分享学习一下。

wangguocheng

路过学习一下，感恩分享