基于响应面法-粒子群优化-人工神经网络混合方法的烤裂褶菌粉低脂清洁标签乳化香肠开发:配方优化、品质及抗氧化活性研究

《Food Chemistry: X》:A hybrid RSM-PSO-ANN approach for developing cleaner-label emulsified sausages with roasted Lyophyllum decastes mushroom powder: Optimization, quality, and antioxidant activity

【字体: 大 中 小 】 时间:2026年03月05日 来源:Food Chemistry: X 6.5

编辑推荐:

  本研究旨在开发一种具有降低脂肪含量和增强营养价值的清洁标签肉制品。研究人员采用响应面法-粒子群优化-人工神经网络(RSM-PSO-ANN)混合建模方法,优化了含有烤裂褶菌(Lyophyllum decastes)粉(rLMP)的乳化香肠配方。该模型有效捕捉了脂

  
本研究旨在开发一种具有降低脂肪含量和增强营养价值的清洁标签肉制品。研究人员采用响应面法-粒子群优化-人工神经网络(RSM-PSO-ANN)混合建模方法,优化了含有烤裂褶菌(Lyophyllum decastes)粉(rLMP)的乳化香肠配方。该模型有效捕捉了脂肪(15–35%)、rLMP(8–16%)和冰水(30–50%)含量对感官品质的非线性影响,其中PSO-ANN模型表现出优于RSM的预测能力(R2= 0.9921)。最佳配方(25%脂肪、12% rLMP、40%冰水)获得了最高的感官评分。优化后的香肠表现出改善的乳化稳定性(蒸煮损失降低42.4%)和增强的质构特性。此外,rLMP的加入显著提高了抗氧化活性(DPPH自由基清除率从37.1%增至77.2%;ABTS自由基清除率从21.0%增至40.6%)并降低了脂质氧化(TBARS值降低65.6%)。这些发现验证了rLMP作为多功能成分在开发更健康肉制品中的应用潜力,同时该集成建模策略为智能化食品配方设计提供了高效工具。
研究背景与意义
随着消费者对健康饮食关注度的提升,食品工业正面临开发具有简短成分表、无人工添加剂且富含营养价值的清洁标签肉制品的重大趋势。传统乳化香肠高度依赖磷酸盐、合成抗氧化剂和改性淀粉等添加剂来维持其特有的质地、色泽和货架期,这与当前的清洁标签理念背道而驰。因此,寻找天然、全食物来源的替代品成为当务之急。裂褶菌(Lyophyllum decastes)作为一种食药用真菌,富含鲜味物质、多糖和酚类化合物,经热处理后其抗氧化特性和风味增强特性尤为显著。将其作为全食品成分引入肉制品体系,不仅能提供持水性、风味物质和抗氧化活性,还能避免使用化学合成乳化剂或胶体,完美契合清洁标签的需求。然而,食用菌粉在高添加量下可能带来的色泽变暗、质地硬化或蘑菇风味掩盖肉香等问题,使得配方的精确优化成为该技术转化的关键瓶颈。此外,传统的实验设计方法如响应面法(RSM)在处理复杂的非线性食品体系时预测精度有限。鉴于此,研究人员开展了一项创新性研究,旨在通过先进的混合智能算法优化烤裂褶菌粉(rLMP)乳化香肠的配方,并系统评价其对产品品质和抗氧化性能的提升作用。该研究成功构建了高效的智能配方设计框架,为低脂、健康肉制品的开发提供了重要的理论依据和技术支撑,相关成果发表在国际期刊《Food Chemistry: X》上。
主要关键技术方法
研究人员首先通过单因素实验筛选出影响感官评分的关键变量及其适宜范围。随后,采用Box-Behnken实验设计(BBD)进行响应面法(RSM)分析,构建二次多项式回归模型以评估各因素间的交互作用。为克服传统多项式模型在复杂非线性系统中的预测误差,研究人员进一步构建了三层前馈人工神经网络(ANN),确立3-6-4-1的网络拓扑结构,并利用Z-score标准化方法处理输入与输出数据。为了规避梯度下降法易陷入局部最优的缺陷,研究引入粒子群优化(PSO)算法对神经网络的权重参数进行全局寻优。最终,研究人员对优化配方制备的香肠进行了系统的理化与功能特性验证,包括蒸煮损失与离心损失的测定、色差分析、质构剖面分析(TPA)以及DPPH和ABTS自由基清除能力与TBARS脂质氧化指标的测定。
研究结果
3.1. 单因素实验筛选关键工艺参数
研究人员考察了蘑菇烘焙温度、脂肪、rLMP及冰水含量对感官品质的影响。结果表明,180℃烘焙的蘑菇粉能提供最佳的焦香风味且无明显苦味;25%的脂肪含量能兼顾多汁性与清爽口感;12%的rLMP添加量能有效提升鲜味和烤香,过量则导致质地粗糙;40%的冰水含量最利于肌原纤维蛋白提取并形成稳定乳化体系。基于此,确定了后续优化的三个核心因素及范围。
3.2. 响应面法(RSM)模型开发与优化
利用Box-Behnken设计建立二次多项式模型,方差分析(ANOVA)显示该模型极显著(p < 0.0001),R2高达0.9874。研究发现脂肪含量对感官评分影响最大,其次是冰水含量和rLMP含量,且各因素间存在显著的交互作用,特别是蘑菇粉与冰水的交互作用最为明显。RSM预测的最佳配方为26%脂肪、11% rLMP和38%冰水,预测感官评分为38.29,验证实验值为37.93,偏差仅为0.94%。
3.3. 人工神经网络结合粒子群优化(PSO-ANN)高级建模
研究人员构建了PSO-ANN混合模型,其预测性能(R2= 0.9921, RMSE = 0.2076)显著优于传统RSM模型。PSO算法有效实现了权重的全局优化。该模型推荐的最佳配方为25%脂肪、12% rLMP和40%冰水,预测感官评分为38.13,实际验证值达到38.08,证明了其在复杂食品体系中卓越的预测精度和全局寻优能力。
3.4. 优化香肠的品质属性
以未添加rLMP的传统香肠为对照,优化配方香肠展现出显著的品质提升。蒸煮损失由12.73%大幅降至7.33%,离心损失由23.53%降至16.22%,这归因于rLMP中丰富的膳食纤维和多糖强化了凝胶网络,改善了持水性。色差分析显示rLMP赋予了产品更低的亮度(L)和更高的红度(a)、黄度(b*),形成了消费者偏好的自然棕褐色。质构剖面分析(TPA)表明,硬度和咀嚼性分别增加了26.00%和71.51%,凝聚性提升了10.62%,尽管弹性略有下降,但整体质地更加紧实饱满。
3.5. 功能特性:抗氧化能力与氧化稳定性
rLMP的加入显著增强了乳化香肠的功能特性。DPPH自由基清除率由37.09%飙升至77.17%,ABTS自由基清除率由20.99%翻倍至40.55%。更为重要的是,反映脂质氧化程度的TBARS值由0.90 mg MDA/kg显著降低至0.31 mg MDA/kg,降幅高达65.60%。这表明rLMP中的生物活性成分有效抑制了脂肪氧化,大幅提升了产品的氧化稳定性和潜在保质期。
讨论与结论
讨论
研究人员的讨论重点围绕rLMP的多功能机制展开。首先,rLMP中的多糖和膳食纤维通过与水和蛋白质形成氢键和离子相互作用,增强了凝胶网络的致密性,从而解释了持水性和质构的改善。其次,烘烤过程中产生的美拉德反应产物不仅贡献了独特的色泽和风味,还提供了额外的抗氧化屏障。与传统合成抗氧化剂相比,rLMP作为全食物成分更符合清洁标签的天然性要求。此外,研究强调了PSO-ANN混合模型在捕捉复杂非线性关系上的优势,其预测精度超越了传统的二阶多项式模型,为食品工业的智能化配方设计树立了新标杆。
结论
研究人员得出结论,通过集成实验设计与计算建模,成功优化了富含裂褶菌的乳化香肠制备工艺。确定了脂肪含量、烤裂褶菌粉(rLMP)水平和冰水含量为决定产品质量的关键因素。RSM模型有效描述了这些变量之间的交互作用(R2= 0.9874),而在此基础上构建的PSO-ANN混合模型展现了更优越的预测性能(R2= 0.9921),确定最佳配方为25%脂肪、12% rLMP和40%冰水。采用该优化配方生产的香肠获得了最高的感官评分,并表现出改善的技术和功能特性,包括更稳定的乳化结构、增强的质地、显著提高的抗氧化能力(更高的DPPH和ABTS自由基清除活性)以及降低的脂质氧化(低65.6%的TBARS值)。这些发现证明,烤裂褶菌粉可以作为一种多功能清洁标签成分,在有效改善乳化香肠乳化稳定性、质地和抗氧化活性的同时实现降低脂肪含量的目标。所建立的RSM-PSO-ANN集成框架为优化复杂肉制品配方提供了高效智能的工具。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号