东莞理工学院化学工程与能源技术学院，食品营养健康工程与智能化加工研究中心的刘宇佳、朱 杰*、张书艳、李 琳*通过采集9 种原料香肠的质构参数与颜色信息，基于感官评定结果，结合相关性和主成分分析（PCA）建立SOM网络模型，将十维特征值映射到二维平面，对香肠产品的喜好度进行预测，建立一种准确高效的食品喜好度预测方法，为食品新产品研发与市场开发提供数据参考。
1、9 种香肠感官评定各指标评分与总分的相关性分析结果
在5 项感官指标中，色泽评分与感官评定总分的线性相关性最低（R2＝0.186 1），其次是风味评分（R2＝0.589 2）。所测样品中鱼肉肠肉质白皙细腻，鸡肉肠经过烘烤后颜色略黄，猪肉肠因其含有较多的血红蛋白和大量的Fe2＋，经烘制后进一步被氧化，从而具有较深的红褐色与特殊的香味，导致3 种不同肉类香肠产品在色泽与风味上产生较大差异。
质构参数、颜色信息与感官评分总分的线性关系均不明显，尤其是质构参数与总分决定系数（R2）均小于0.1，表明通过线性回归方程无法直观体现质构和颜色指标与感官评定的内在关系，因此需要采取更为有效的数据预处理方法。
2、PCA结果
第1主成分与第2主成分贡献率分别为54.42%与44.26%，总和达到98.68%，说明2 个主成分可以有效表达原始数据的特征。感官评分、质构参数与颜色信息的分布呈现区域化，感官评分主要分布在X轴上方，其中口感与总分最接近，表明二者的相关性最强，这与线性回归方程相关性结果一致。质构参数主要分布在X轴附近，并且更趋近于直径为1的圆形边缘，说明质构参数对于目标整体特征具有较大的贡献率。
3、SOM模型的建立与结果预测
通过计算真实集与预测集的RMSE，研究建立的模型是否有效逼近真实样品所蕴含的规律，具有很强的逼近能力与良好的泛化能力。将感官评定总分的分级值与模型预测值进行比较，可以发现所有样品均获得准确预测，都分布在各分级值附近，并且各样品间具有明显间隔，鉴别准确率为100%，说明所建立的模型具有良好的鉴别能力，能够对香肠产品的喜好度进行有效的准确预测。所有香肠样品实际值与预测值的均方差可以观察每个样品的预测值与实际值的误差。最后计算得到预测集RMSE为0.118 4，表明模型已有效逼近样本的内在规律，具有良好的泛化能力。
结 论
通过采集99 个香肠制品的质构参数与颜色信息，结合相关性和PCA建立SOM模型，对香肠产品的喜好度进行预测。结果表明，线性回归方程无法完整体现各仪器参数与感官评定总分的相关性，进一步结合PCA分析，探讨了感官评定指标、质构参数与颜色信息的关联性，消除冗余性数据，并建立竞争层为6、输出层为36的SOM模型。通过对香肠样本特征值的提取与分类预测，模型预测准确率为100%，鉴别结果准确，此时预测集RMSE为0.118 4，模型具有良好的泛化能力。基于SOM模型可对香肠产品喜好度进行有效预测，为新型食品的研发及其市场喜好预期提供科学依据。
