Đề tài Tìm hiểu về ứng dụng của PCA trong phân tích mô tả định lượng

Đồ thị minh họa mối quan hệ giữa vị trí sản phẩm và các sản phẩm đó Với đồ thị minh họa này, các sản phẩm tượng tự nhau sẽ được xếp gần nhau và các sản phẩm khác nhau sẽ đặt xa nhau (theo Cỗn 1982, Lawless và Heymann 1998, Schiffman và những người khác 1981). Hình 3 cho thấy vị trí của mỗi sản phẩm trong quá trình nấu (PC1), sấy (PC2) và trục độ ngot (PC3) Theo như mong đợi, hai sản phẩm sữa lactose giảm (mẫu 1NFQ100LR và 1LF70LR) và ngọt hơn c c loại sữa kh c nên được xếp gần nhau trên trục và được tách ra từ các loại sữa khác nhau. Các loại sữa có nồng độ chất béo giống nhau cũng được xếp gần nhau.Hình 4 cho thấy vị trí của mỗi sản phẩm trong quá trình nấu (PC1), sấy (PC2)và trụcđắng, cay (PC4).Mẫu 2RFHP được phân biệt với phần còn lại vì nó có đọ đắng cay cao hơn và c c loại sữa có nồng độ chất béo giống nhau được xếp gần nhau. Tất cả các sản phẩm trong phân xưởng 1 được nhóm lại với nhau và cũng tương tự các sản phẩm trong phân xưởng 2 cũng được nhóm lại với nhau điều đó cho thấy rằng các sản phẩm từ c c phân xưởng tương tự sẽ khá giống nhau so với các sản phẩm đến từ nhà mấy khac. Sữa giảm béo (mẫu 2RFHP) được đ nh gi có chất lượng thấp nhất, trong khi mẫu 2 FFP có sự đ nh gi chất lượng cao nhất nên được đưa vào cực ở trung tâm.

pdf22 trang | Chia sẻ: builinh123 | Ngày: 30/07/2018 | Lượt xem: 433 | Lượt tải: 0download
Bạn đang xem trước 20 trang tài liệu Đề tài Tìm hiểu về ứng dụng của PCA trong phân tích mô tả định lượng, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
GVHD: Lớp: SINH VIÊN THỰC HIỆN: TP HCM Th ng năm Ọ N N M M KHOA CÔNG NGH TH C PH M BỘ M N ÁN Á ẢM QUAN TH C PH M T I: TÌM HIỂU VỀ ỨNG DỤNG CỦA PCA TRONG PHÂN TÍCH MÔ TẢ ỊN LƢỢNG ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 2 DANH SÁCH NHÓM STT Ọ & ÊN MSSV PHÂN CÔNG ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 3 MỤ LỤ Chƣơng 1. iới thiệu phƣơng pháp Principle Component Analysis (PCA) .......... 4 1. Khái niệm ............................................................................................................. 4 2. ách tiến hành phƣơng pháp PCA .................................................................... 4 3. Ƣu điểm của A: ............................................................................................... 5 4. Mục đích chính .................................................................................................... 5 Chƣơng 2. Ứng dụng của A ................................................................................... 7 1. Quá trình lên men................................................................................................ 7 2. ánh giá cảm quan .............................................................................................. 8 3. PCA của thuộc tính cảm quan của sản phẩm lên men .................................... 8 4. Ứng dụng trong đánh giá cảm quan của sản phẩm sữa ................................ 10 4.1. Giới thiệu ..................................................................................................... 10 4.2. Phân tích mô tả định lƣợng ....................................................................... 12 4.3. ịnh nghĩa hƣơng vị cho sản phẩm sữa ................................................... 13 5. Sử dụng PCA trong chế biến nƣớc ép rau bằng cách lên men lactic ........... 14 5.1. Giới thiệu ..................................................................................................... 14 5.2. Nguyên liệu .................................................................................................. 15 5.3. Xácđịnh pH : ............................................................................................... 15 5.4. Xác định Acide: ........................................................................................... 15 5.5. ánh giá cảm quan của các loại nƣớc ép bắp cải, cà rốt ........................ 16 5.6. PHƢƠNG PHÁP THỐNG KÊ .................................................................. 16 5.7. KẾT QUẢ .................................................................................................... 16 6. Ứng dụng PCA trong sản phẩm sữa tiệt trùng ............................................... 17 6.1. Tóm tắt ......................................................................................................... 17 6.2. Giới thiệu ..................................................................................................... 17 6.3. PCA .............................................................................................................. 18 TÀI LI U THAM KHẢO ........................................................................................... 22 ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 4 hƣơng 1 iới thiệu phƣơng pháp rinciple Component Analysis (PCA) 1. Khái niệm  Phương ph p Principle Component Analysis (PCA) đây là một thành tựu của tóan học mà ngày nay được ứng dụng trong rất nhiều lĩnh vực: công nghệ thông tin sinh học tài chính và công nghệ thực phẩm  Với dữ liệu cần phân tích ban đầu phụ thuộc nhiều biến vấn đề là c c biến này thường có tương quan với nhau sẽ bất lợi cho việc p dụng c c biến này để xây dựng c c mô hình tính to n ví dụ: hồi quy và với số biến giải thích lớn chúng ta sẽ rất khó để có c i nhìn trực quan về dữ liệu 2. ách tiến hành phƣơng pháp A  hƣơng pháp A sẽ "chiếu" (biễu diễn) dữ liệu đa chiều lên một không gian có cơ sở trực giao tức nếu ta xem mỗi cơ sở trong không gian mới là một biến thì hình ảnh của dữ liệu gốc trong không gian mới này sẽ được biểu diễn thông qua c c biến độc lập (tuyến tính) Vấn đề là nếu chuyển dữ liệu ban đầu sang không gian mới thì những thông tin đ ng quan tâm của dữ liệu ban đầu liệu có bị mất? ể giải quyết vấn đề này phương ph p PCA sẽ tìm không gian mới với tiêu chí cố gắng phản nh được càng nhiều thông tin gốc càng tốt và thước đo cho kh i niệm "thông tin" ở đây là phương sai Một điểm hay nữa là c c biến trong không gian mới độc lâp nên ta có thể tính to n được tỷ lệ giải thích phương sai của từng biến mới đối với dữ liệu điều này cho phép ta cân nhắc việc chỉ dùng số ít c c biến để giải thích dữ liệu  Nói một c ch ngắn gọn mục tiêu của PCA là tìm một không gian mới (với số chiều nhỏ hơn không gian cũ) C c trục tọa độ trong không gian mới được xây dựng sao cho trên mỗi trục độ biến thiên của dữ liệu trên đó là lớn nhất có thể Tiếng Việt thì dài dòng nhưng tiếng Anh thì mục tiêu này gọi là maximize the variability Ba chữ này gói gọn ý tưởng chính của PCA. ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 5  Minh họa PCA: phép chiếu lên c c trục tọa độ kh c nhau có thể cho c ch nhìn rất kh c nhau về cùng một dữ liệu  Một ví dụ kinh điển là hình ảnh về con lạc đà Cùng là một con lạc đà nhưng nếu nhìn từ bên hông thì ta có được đầy đủ thông tin nhất trong khi nhìn từ phía trước thì thật khó để nói nó là lạc đà 3. Ƣu điểm của A:  Giúp giảm số chiều của dữ liệu  Thay vì giữ lại c c trục tọa độ của không gian cũ PCA xây dựng một không gian mới ít chiều hơn nhưng lại có khả năng biểu diễn dữ liệu tốt tương đương không gian cũ nghĩa là đảm bảo độ biến thiên (variability) của dữ liệu trên mỗi chiều mới  C c trục tọa độ trong không gian mới là tổ hợp tuyến tính của không gian cũ do đó về mặt ngữ nghĩa PCA xây dựng feature mới dựa trên c c feature đã quan s t được iểm hay là những feature này vẫn biểu diễn tốt dữ liệu ban đầu  Trong không gian mới c c liên kết tiềm ẩn của dữ liệu có thể được kh m ph mà nếu đặt trong không gian cũ thì khó ph t hiện hơn hoặc những liên kết như thế không thể hiện rõ 4. Mục đích chính Phân tích thành phần chính (PCA) được sử dụng cho hai mục tiêu:  Giảm số lượng các biến bao gồm một bộ dữ liệu trong khi giữ lại các biến đổi trong dữ liệu.  X c định các mô hình ẩn trong dữ liệu, và phân loại chúng theo nhiều cách thông tin lưu trữ trong các dữ liệu.  Khi khai thác một bộ dữ liệu bao gồm nhiều biến (sử dụng thay thế cho nhau với kích thước hạn sau đây) có khả năng là c c tập con của các biến liên quan chặt chẽ với nhau. Cho một tương quan cao giữa hai hay nhiều biến số có thể kết luận rằng các biến này là kh dư thừa do đó chia sẻ các nguyên tắc về việc x c định kết ể minh chứng cho lập luận này chúng ta hãy xem xét một ví dụ cơ bản. Giả sử chúng ta đã đo được 2 tham số (tức là tính đại diện bởi số lượng bằng số) của một hình phẳng đó là ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 6 chiều dài và chiều rộng của hình dạng mà x c định một kết quả nào đó quan tâm Từ việc kiểm tra quan sát của chúng tôi chúng tôi đã nhận thấy rằng hai thuộc tính này dường như có mối tương quan tích cực Do đó chúng ta có thể thay thế chúng bằng một biến mới nhất là khu vực của hình dạng, mà vẫn nắm bắt hầu hết các thông tin về hình dạng được cung cấp bởi chiều dài và chiều rộng của nó.  Trong bộ dữ liệu đa biến, giảm kích thước của PCA cho phép chúng ta phân tích dữ liệu của chúng tôi trong một không gian có thể nhìn thấy 2 chiều (2D) hoặc 3D, với chỉ một lỗ đơn thuần của thông tin.  C c iều kiện tiên quyết cơ bản - Sự tương quan Kể từ khi PCA là chủ yếu quan tâm đến việc x c định mối tương quan trong dữ liệu đầu tiên chúng ta hãy tập trung chú ý đến ý nghĩa của sự tương quan Sự tương quan đo lường đồng thời thay đổi trong các giá trị của hai hay nhiều biến. Có rất nhiều mô hình để mô tả hành vi bản chất của một sự thay đổi đồng thời trong các giá trị, chẳng hạn như tuyến tính, hàm số mũ định kỳ và nhiều hơn nữa. Các mối tương quan tuyến tính được sử dụng trong PCA.  Các cách tiếp cận trực quan để x c định mối tương quan Một khía cạnh hình ảnh của tương quan có thể thu được bằng c ch đại diện cho mỗi một trong một cặp của các biến như một trục trong một hệ tọa độ Descartes nơi các giá trị của các biến là điểm được vẽ trên mặt phẳng (hình 1) Tương quan trong quan điểm này, các biện ph p như thế nào mô hình chúng tôi tin rằng mô tả các xu hướng của c c điểm trong đồ thị, phù hợp với xu hướng thực sự trong đồ thị. Hình 1: đồ thị phân tán của các cặp biến. Nó là vô cùng quan trọng để hiểu những khía cạnh hình ảnh của mối tương quan để sử dụng đúng c ch nó Sự hiểu biết đó có thể cung cấp cái nhìn sâu sắc rất quan trọng về cơ cấu trong các dữ liệu được phân tích và ngăn chặn sai số tiềm tàng có thể xảy ra bằng cách trực tiếp giải thích kết quả thu được từ số chạy thủ tục tính toán. ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 7 hƣơng 2 Ứng dụng của A 1. Quá trình lên men  Ứng dụng phân tích thành phần chính (PCA) là một công cụ đ nh gi cảm quan cho các sản phẩm thực phẩm lên men  Phân tích thành phần chính (PCA) đã x c định s u thành phần chính quan trọng chiếm hơn 90% phương sai trong c c dữ liệu thuộc tính cảm quan Chất lượng sản phẩm tổng thể được mô hình hóa như là một chức năng của c c thành phần chủ yếu được sử dụng nhiều nhất là hình vuông hồi quy (R2=0 8) Kết quả từ PCA đã được phân tích thống kê bằng phân tích phương sai (ANOVA) Những ph t hiện này chứng minh tính hữu ích của phân tích mô tả định lượng để x c định và đo lường c c thuộc tính sản phẩm thực phẩm lên men rất quan trọng cho sự chấp nhận của người tiêu dùng.  Lên men là qu trình trao đổi chất qua đó chất hữu cơ bị biến đổi dưới t c dụng của c c men (enzyme) vi sinh vật C c vi sinh vật thường được sử dụng để lên men là vi khuẩn nấm men nấm mốc Thực phẩm lên men là những thực phẩm dưới t c dụng của c c vi sinh vật có lợi thủy phân c c polysaccharides protein và lipid tạo ra những sản phẩm với hương vị kết cấu vừa ý và hấp dẫn người tiêu dùng Trong số c c sản phẩm thực phẩm lên men thực phẩm lên men từ sữa được sử dụng rộng rãi như là thực phẩm lành mạnh và được coi như là một phần quan trọng trong chế độ ăn uống Sự kết hợp của vi khuẩn probiotic trong chế độ ăn uống đã được tăng lên trong c c sản phẩmlên men ở Châu Âu Hoa Kỳ và châu Á  Sử dụng một phương ph p thống kê đa biến tức là phân tích thành phần chính (PCA) cùng với phân tích mô tả định lượng (QDA) để phân tích c c biến thể của vật chất và tính chất cảm quan của thực phẩm lên men sau khi lên men Hoạt động PCA làm cho nó có thể phân biệt c c mẫu thực phẩm và cũng để x c định c c biến quan trọng nhất trong một ma trận dữ liệu đa biến  Phân tích thành phần chính (PCA) là một kỹ thuật thống kê phân tích đa biến được sử dụng rộng rãi có thể được p dụng cho dữ liệu QDA để giảm tập hợp c c biến phụ thuộc (ví dụ thuộc tính) đến một bộ nhỏ hơn của c c biến tiềm ẩn (được gọi là c c yếu tố) dựa trên mô hình của tương quan giữa c c biến ban đầu PCA của c c mẫu thực phẩm lên men được thực hiện theo phương ph p sau đây Dữ liệu được thu thập từ hội đồng thử sau khi ghi qua thang đ nh gi hưởng thụ C c dữ liệu thuộc tính kh c nhau đã nêu ở trên đã được sắp xếp tăng dần hoặc theo thứ tự giảm dần và đưa vào phần mềm SPSS 16 trong chế độ xem dữ liệu Sau đó dữ liệu đã được giảm bằng c ch phân tích dữ liệu và c c biến độc lập và phụ thuộc đã được lựa chọn một không gian hai chiều của c c mẫu phân tích đã thu được ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 8 2. ánh giá cảm quan Sự xếp hạng về cảm gi c của từng sản phẩm như hình dạng kết cấu sản phẩm hương vị cảm nhận về mùi độ chua và sự chấp nhận tổng thể được xem xét trong trường hợp này C c chỉ tiêu được mô tả bởi độ chua hương vị có liên quan với sự ph t triển của vi khuẩn kh c nhau cũng như bổ sung trong một số trường hợp Ví dụ sản phẩm thực phẩm lên men probiotic có tính axit hơn so với c c sản phẩm thực phẩm trước khi lên men ối với tất cả c c sản phẩm thực phẩm với ngoại lệ của c c mẫu thực phẩm kiểm so t chủ yếu trong sữa chua mà có một hệ gel yếu sau khi hình thành hầu hết c c người thử tuyên bố "thích rất nhiều”. Hội đồng thử ghi nhận sự kh c biệt đ ng kể ( p < 0 05) trong miệng cảm thấy trong những sản phẩm và những người kiểm so t được lựa chọn và kết luận rằng c c loại thực phẩm lên men được chế biến từ probiotic thì tốt hơn Trong thí nghiệm này QDA của sản phẩm sữa lên men được thực hiện bằng c ch ghi thông qua thang đ nh gi hưởng thụ và sữa chua đông thường có hương vị hơi chua bề mặt sản phẩm rất trơn tru mịn và có màu trắng có tính thống nhất tuyệt vời đã được coi là “rất rất thích” và đã được ghi là 9 tức là số điểm cao nhất trong c c mẫu sữa đem đi thử được thu thập bởi những người thử và bằng c ch này c c điểm dần dần được thực hiện 8 đến 1 theo c ch sau đây: bề mặt mịn hương vị vừa có tính axit tính nhất qu n tốt và sữa đông màu trắng được coi là “rất thích” và đã được ghi là 8; bề mặt hơi thô mẫu nhất qu n sữa đông được coi là “thích” và đã được ghi là 7; bề mặt thô có chứa có c c hạt vật chất thô có chua hơn màu sữa đông hơi vàng được coi là “hơi thích” và đã được ghi là 6; có tính chua hơn màu vàng hơn lỏng lẻo không nhất qu n được coi “không thích cũng không ghét” và đã được ghi là 5; có hương vị độ chua cao không được coi là “không thích lắm” và đã được ghi là 4; cấu trúc lỏng lẻo mùi không hấp dẫn màu vàng đậm được coi là “Không thích” và đã được ghi là 3; lớp dầu ở trên không thể chấp nhận trong hương vị được coi là “ghét” và đã được ghi là 2 và c c mẫu sữa đông với màu xanh thẩm có hương vị vô cùng kém được coi là “rất ghét” và đã được ghi là 1 tức là điểm thấp nhất được thu thập bởi hội đồng thử 3. A của thuộc tính cảm quan của sản phẩm lên men Một phần mềm SPSS phiên bản 16 0 đã được sử dụng để phân tích c c thuộc tính cảm quan của sản phẩm thực phẩm lên men bằng c ch sử dụng phân tích thành phần chính (PCA) và phương sai tối đa đã được tìm thấy để thu được 98% và số điểm của PCA này có thể kết luận rằng loại này c c sản phẩm thực phẩm lên men đều được chấp nhận tiêu thụ Một phân tích hai chiều của c c thành phần chính đã cố gắng sử dụng c c ma trận dữ liệu thành phần thể hiện trong Bảng: ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 9 Bảng 3 :Bảng ma trận thành phần của sữa bò lên men và sữa đậu nành lên men với sáu chỉ tiêu hình dạng, kết cấu, hương vị, cảm nhận về mùi hương, độ chua, sự chấp nhận chung. Hai thành phần chính là PC 1 và PC 2 được trích xuất chiếm 57 6% của phương sai và 11.6% phương sai tương ứng trong s u hệ thống biến trong trường hợp lên men sữa bò và 57 2% của phương sai và 12 5% phương sai tương ứng trong s u hệ thống biến trong trường hợp lên men sữa đậu nành Weightage tối đa đã được tìm thấy trong trường hợp của PC 1 trong cả hai trường hợp của sữa bò và sữa đậu nành lên men tức là 57 6% và 57 2% tương ứng của biến Một c ch kiểm tra ANOVA được thực hiện để x c định xem có sự kh c biệt đ ng kể xảy ra trong c c mẫu thực phẩm trong qu trình lên men và bảo quản hay không phải từ sự kh c biệt về gi trị trung bình xảy ra trong cùng một hàng. Bảng 2: Bảng xác định mô tả thuật ngữ, định nghĩa và nguyên vật liệu được sử dụng để phân tích mô tả định lượng của các sản phẩm thực phẩm lên men. ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 10 Sữa bò và sữa đậu nành được lên men bởi S.thermophilus 4. Ứng dụng trong đánh giá cảm quan của sản phẩm sữa Lưu ý: Nghiên cứu đ nh gi cảm quan của sản phẩm sữa được tiến hành trên toàn thế giới. Các kỹ thuật phân tích cảm gi c đã ph t triển thành công cụ mạnh mẽ để tìm hiểu sự xuất hiện hương vị và kết cấu các thuộc tính của các sản phẩm sữa lái xe sở thích của người tiêu dùng. Các kỹ thuật hiện đại, cảm giác có thể giúp xử lý sữa phát triển sản phẩm mới đang rất hấp dẫn cho người tiêu dùng. Họ cũng cho phép bộ vi xử lý để tối ưu hóa của một sản phẩm hương vị, kết cấu và màu sắc để thu hút mục tiêu cụ thể khán giả cũng như gi m s t chính x c chất lượng sản phẩm. 4.1. Giới thiệu  Các ngành công nghiệp sữa đã đi một chặng đường dài kể từ đầu những năm 1900, khi nó bắt đầu phát triển các kỹ thuật để đ nh gi c c sản phẩm sữa để kích thích ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 11 sự quan tâm và giáo dục trong khoa học sữa Trong c c phương ph p truyền thống mà nổi lên đ nh giá và phân loại các sản phẩm sữa thông thường liên quan đến một hoặc hai huấn luyện "chuyên gia" cho điểm chất lượng về sự xuất hiện hương vị và kết cấu của sản phẩm dựa trên sự có mặt hay vắng mặt của các khuyết tật được x c định trước. Những công cụ này có thể giúp x c định các biến thể trong c c phương ph p đ nh gi cảm quan sữa truyền thống có một số thuộc tính liên quan với các biến chế, thiếu sót về địa lý: họ không thể dự đo n được sự chấp nhận của người tiêu dùng; khu vực sản xuất, mùa sản xuất, vv và giúp đ nh gi chất lượng của họ chủ quan; giải quyết nhiều vấn đề quan trọng kh c cho điểm định lượng sữa là khó khăn; và họ không kết hợp bộ vi xử lý và tiếp thị. Báo cáo này nhấn mạnh tầm quan trọng của phân tích mô tả như là một công cụ cảm giác cho các sản phẩm sữa và trình bày một vài ví dụ về phân tích như thế nào cảm gi c đã được áp dụng thành công để giải quyết cụ thể thách thức trong ngành công nghiệp sữa Phân tích định hướng xếp hạng thuộc tính với điểm chất lượng theo định hướng tình cảm (Claassen và Lawless, 1992). Hình 1 cho thấy hồ sơ mô tả cảm giác của hai Cheddare  Pho m t đó đã nhận được cùng loại của phân loại truyền thống kỹ thuật. Với bảy trong số 11 thuộc tính hương vị đo như là kh c nhau đ ng kể giữa hai loại pho mát, nhận thức hương vị của hai mẫu thực sự là khá khác nhau. Sử dụng c c phương pháp truyền thống của c c đ nh gi tuy nhiên c c sản phẩm này với c c đặc tính cảm quan rất kh c nhau nhưng không có khiếm khuyết sẽ có được điểm chất lượng tương tự.  Một điểm chung cho tất cả c c phương ph p đ nh gi cảm quan là họ sử dụng con người như là dụng cụ đo Có rất nhiều loại kiểm tra cảm giác, sự khác biệt là kiểm ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 12 tra được sử dụng rộng rãi nhất, phân tích mô tả và kiểm tra chấp nhận của người tiêu dùng. Kiểm tra sự khác biệt bao gồm các bài kiểm tra tam gi c trong đó bảng điều khiển cố gắng để phát hiện được một trong ba mẫu khác với hai người kia, và thử nghiệm bộ đôi-ba trong đó c c bảng chọn mà một trong hai mẫu là khác nhau từ một tiêu chuẩn. Kiểm tra sự khác biệt ước lượng độ lớn của sự khác biệt giữa cảm giác mẫu nhưng có một sự thiếu hụt của các xét nghiệm này là bản chất của sự khác biệt là không x c định. Trong hầu hết c c trường hợp, một sự kết hợp của các bài kiểm tra sự khác biệt và phân tích cảm giác mô tả được sử dụng để giải quyết vấn đề.  Phân tích mô tả cảm gi c đề cập đến một tập hợp các kỹ thuật tìm kiếm để phân biệt giữa một loạt các sản phẩm dựa c c đặc trưng cảm gi c để x c định một mô tả định lượng về sự khác nhau cảm giác có thể được x c định, không chỉ c c phương ph p đ nh gi c c khuyết tật. Sự khác nhau về chất lượng giữa các sản phẩm mới và sản phẩm truyền thống, không có sự "tốt" hay "xấu" được thực hiện, bởi vì đây không phải là mục đích của việc đ nh gi C c bảng điều khiển hoạt động như một công cụ mạnh để x c định và định lượng c c đặc tính cảm quan.Phân tích cảm giác mô tả cung cấp thông tin hữu ích cho các nghiên cứu sữa, phát triển sản phẩm và tiếp thị.Một số đ nh gi mẫu cho một số thuộc tính cảm giác là một ví dụ đơn giản của cảm giác. Ví dụ, vị đắng có thể được đ nh gi trên thang điểm năm điểm, với tỉ lệ là một trong cho thấy không có sự cay đắng và đ nh gi một năm có nghĩa là rất cay đắng. Tiêu chuẩn bên ngoài (ví dụ như giải pháp của nồng độ khác nhau của quinine hoặc caffeine cho cay đắng). Có thể giúp x c định các thuộc tính và chuẩn hóa các quy mô cho mỗi giám định viên. Phát triển và hoàn thiện một vốn từ vựng, từ vựng hay cảm giác, là một phần thiết yếu của công việc hồ sơ của gi c quan và được thực hiện một cách khách quan dựa trên các thuộc tính quan trọng đối với người tiêu dùng và đặc tính sản phẩm làm thay đổi với mục đích gia tăng thị phần cho một tập hợp các sản phẩm. 4.2. Phân tích mô tả định lƣợng  Các xuất bản kỹ thuật cảm giác mô tả đầu tiên là hương vị hồ sơ ph p (FPM) phát triển vào năm 1950 bởi Arthur D. Little Inc. bộ lọc và các biến thể trong FPM xảy ra vào những năm 1970 với sự phát triển của Phân tích mô tả định lượng (QDA) và c c phương ph p Spectrum ™ của phân tích mô tả. Hôm nay, phân tích mô tả đã được chấp nhận rộng rãi như là một trong những công cụ quan trọng nhất để nghiên cứu các vấn đề liên quan đến hương vị, hình dáng và kết cấu cũng như là một c ch để hướng dẫn các nỗ lực phát triển sản phẩm. Ví dụ nó đã được sử dụng như là một kỹ thuật điều tra gi c quan để nghiên cứu sữa tiệt trùng thông thường (Phillips et al 1995,;. Quinones et al., 1998), kem (Ohmes et al, 1998;.. Roland et al, 1999) và pho mát (Ordonez et al., 1998).Với phân tích mô tả c c chuyên gia đã chọn làm việc với nhau để x c định sản phẩm thuộc tính quan trọng và cường độ phù hợp quy mô cụ thể cho các sản phẩm được nghiên cứu C c chuyên gia đã được sau đó được đào tạo bởi các nhà lãnh đạo , một cảm giác chuyên nghiệp hơn là một thành viên của hội đồng để xác định một cách tin cậy và điểm thuộc tính sản phẩm. Trong thời gian đào tạo, hội đồng ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 13 (thường từ t m đến 12 c nhân có đủ năng lực) tạo ra các ngôn ngữ (hoặc từ vựng) để mô tả sản phẩm. Kết quả phân tích mô tả là đối tượng để phân tích thống kê và sau đó được đại diện trong một hay nhiều định dạng đồ họa để giải thích.  Một kỹ thuật thống kê hữu ích là Principal Component Analysis (PCA), một phương ph p phân tích đa biến cho thấy nhóm hoặc cụm các loại mẫu tương tự dựa trên c c phép đo định lượng. Bằng cách áp dụng PCA để mô tả dữ liệu phân tích, tập hợp các biến phụ thuộc (ví dụ, thuộc tính) được giảm xuống một tập nhỏ các biến tiềm ẩn (được gọi là các yếu tố) dựa trên mô hình của sự tương quan giữa các biến ban đầu (Lawless và Heymann, 1998). Các yếu tố (còn gọi là thành phần chủ yếu) là sự kết hợp tuyến tính của các biến độc lập 4.3. ịnh nghĩa hƣơng vị cho sản phẩm sữa  M A Drake và G V Civile đã xem xét lại lịch sử từ vựng phương ph p và ứng dụng (2002). Một hương vị từ vựng là một tập hợp các mô tả hương vị của sản phẩm. Trong khi hội đồng đ nh gi tạo ra một danh sách riêng của mình để mô tả các sản phẩm được nghiên cứu, một từ vựng cung cấp một nguồn gốc của từ ngữ có thể với tài liệu tham khảo và c c định nghĩa để làm rõ. Theo Drake và Civille, phát triển của một hương vị từ vựng đại diện đòi hỏi nhiều bước trong đó sản phẩm phù hợp tham khảo bộ sưu tập, thế hệ ngôn ngữ và chỉ định c c định nghĩa và tài liệu tham khảo trước khi một danh sách mô tả cuối cùng có thể được x c định. Sau khi phát triển định nghĩa hương vị có thể được sử dụng để ghi lại và x c định vị của sản phẩm, so sánh sản phẩm và x c định sự ổn định lưu trữ cũng như để nghiên cứu mối tương quan của dữ liệu giác quan với ý thích của người tiêu dùng / chấp nhận và hương vị ịnh nghĩa hương vị tốt nên có cả phân biệt và mô tả. Các ngôn ngữ nên được phát triển từ một mẫu thiết lập đại diện rộng rãi rằng cuộc triển lãm tất cả các biến tiềm năng trong sản phẩm. Ví dụ, Drake et al. (2001) thu thập được 220 mẫu của pho mát Cheddar khác nhau về tuổi tác, xử lý nhiệt sữa và nguồn gốc địa lý để x c định một ngôn ngữ mô tả cho pho mát Cheddar (xem Bảng 1) Các mẫu thiết lập đã được công chiếu vào 70 pho m t trước khi thế hệ ngôn ngữ. Trong việc tạo ra một từ vựng, bảng điều khiển sẽ thường xuyên rà soát danh sách, sáp nhập như c c điều khoản, loại bỏ dư thừa và tổ chức c c danh s ch để các thuộc tính xuất hiện trong hầu hết các sản phẩm đang được thử nghiệm iều quan trọng là nhiều điều khoản không được sử dụng để mô tả c c hương vị như nhau; ngược lại nó cũng quan trọng là một thuật ngữ không đại diện hoặc chồng chéo với nhiều hương vị kh c Như một ví dụ về vấn đề này từ vựng, Drake et al. (2001) báo cáo rằng việc sử dụng thuật ngữ "tuổi" trong một hương vị pho mát Cheddar trong thực tế, một thuật ngữ meta đó bao gồm ba hương vị và một hương vị cơ bản. Một từ vựng được tối ưu hóa có thể liên quan của người tiêu dùng chấp nhận / từ chối và c c phép đo cụ hoặc vật lý. ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 14 5. Sử dụng PCA trong chế biến nƣớc ép rau bằng cách lên men lactic 5.1. Giới thiệu  Các loại nước ép bắp cải, cà rốt được tiêm Lactobacillus plantarum 92H ở nồng độ 8x106 CFU/ml, lên men ở nhiệt độ 24 0C trong 150 giờ. Trong quá trình lên men, các thông số như pH tổng lượng acid đường khử, acide L-ascorbic, lactic, acide acetic acid citric c c acide amine và cảm quan như hình dạng, màu sắc độ đục, hương vị đều được theo dõi. Áp dụng c c phương pháp thống kê đa biến để đ nh giá kết quả của các hóa chất và cảm quan (hương vị) trong phân tích các loại nước ép.PCA giảm 7 thành phần phân tích ban đầu còn 1 thành phần độc lập (yếu tố) chiếm 96,92% tổng phương sai giảm 8 hương vị hỗn hợp và mô tả hương vị cho 2 thành phần (yêu tố) chiếm 97,28% tổng phương sai  Các loại nước ép rau chế biến bằng cách lên men Lactic tạo ra sự thay đổi trong các loại đồ uống có giá trị dinh dương hàm lượng vitamin, khoáng chất cao ố với các loại nước ép rau chế biến bằng cachs lên men acide lactic acide lacic được xem là một chất quan trọng vì loại acide này có tác dụng khử trùng.  ối với những thành tựu của việc lên men các sản phẩm rau, các chủng vi khuẩn lactic thuần được nuôi cấy để sử dụng. Các chủng lactobacillus được nghiên cứa để cải thiện mùi vị của nước ép, giảm pH, có thể nitrate, nitrite, giảm các amine sinh hoc. Các nhà sản xuất mong muốn các going vi sinh vật có thể cải thiện được mùi và pH một cách nhanh chóng trong các loại nước ép trái cây. Các nhà nghiên cứu đã thử nghiệm 16 giống của các chi lactobacillus trong các mẫu bắp cải và cà rốt. Sau bảy ngày lên men ở 27 hoặc 30 0C tổng lượng acide hoặc pH và các yếu tố như đường khử, hoặc acide hữu cơ amoni nitrate nitrire được x c định. Dựa trên các kết quả đó đã lựa chọn được ba chủng.  Các nhà nghiên cứu KUCH ứng với thư (1994) đã lên men rau quả (bầu, bắp cải, cần tây) bằng cách sử dụng lần lượt lactobacillus plantarum, Lb pentosub và Lb brevis Tương ứng với thứ tự đó bầu lên men trong vòng 4 ngày, bắp cải trong vòng 7 ngày, cần tây trong vòng 9 ngày. Bắp cải muối được sản xuất theo cách này có một hương vị chua dễ chịu, kết cấu đàn hồi và màu sắc sang trong.  Phương ph p phân tích thành phần chính được áp dụng trong các ngành khoa học viễn tưởng đ nh giá trong phân tích thực phẩm PCA được sử dụng trong c c để làm giảm các thông số trên một số lượng lớn thành phần thành một lượng nhỏ hơn trong khi chỉ mất đi 1 lượng nhỏ thông tin các chức năng chính của phương ph p này là giảm số chiều trong một tập các biến bằng cách xây dựng một tổ hợp tuyến tính tương quan Việc kết hợp được tính toán bằng cách dựa trên sự khác biệt của các thành phần đầu tiên đó là trục chính của c c điểm không gian p chiều.  Các nhà nghiên cứu DESTEFANIS (2000) sử dụng phương ph p PCA cho việc nghiên cứu mối quan hệ giữa hóa học, vật lý và cảm quan (18 biến) đo trên c c mẫu cảm quan. Ba thành phần đầu tiên chiếm 63% của tổng phương sai (PC1 34% PC2 20,6%, PC3 38%). Các nhà nghiên cứu SORIA (1999) đã p dụng phương ph p ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 15 PCA cho việc đ nh gi độ sạch của táo bằng c c phương ph p kh c nhau C c nhà nghiên cứu cũng đ nh gi c c thuộc tính chất lượng của t o cũng như sản xuất ethylene. Các nhà nghiên cứu POKORNY (1995) dựa trên sự phụ thuộc vào thời gian để x c định nồng độ đắng, cay của rượu. Các kết quả trên được đ nh gi bẳng 3 phương ph p trung bình nhân hồi quy và PCA trong đó PCA được chứng minh là thích hợp nhất Phương ph p đầu tiên chiếm 85,4% tổng phương sai của dữ liệu, phương ph p thứ 2 chiếm 6 9% phương ph p thứ 3 chiếm 3,7%. 5.2. Nguyên liệu Chuẩn bị:  Rau quả tươi (bắp cải, cà rốt, cần tây, và củ cải đường) đã được mua trong một thị trường rau quả tại địa phương ở Slovakia.  ối với bắp cải dỡ bỏ lớp ngoài và cắt nhỏ thành những mảnh nhỏ.  Ép nghiền rau quả để thu được nước ép, các loại nước ép được lọc trộn theo tỉ lệ 2:1(2 phần của nước ép bắp cải 1 phần của nước ép cà rốt). Sau khi trộn thêm D- glucose 2% và muối 0 5% vào bình vô trùng 250ml đã được rót sẵn nước ép. Mỗi bình được tiêm lactobacillus plantarum 92H ở nồng độ 8x106 cfu/ml và được gắn vào phích cắm cao su vô trùng. Mỗi loại nước ép được lên men ở 240C trong 150 giờ. 5.3. Xácđịnh pH : Việc đo pH được tiến hành bang cách sử dụng bằng một dụng cụ đo lường pH CG-843SCHOTT ức. 5.4. Xác định Acide: Tổng nồng độ acide được xác định bằng phương ph p chuẩn độ trực tiếp với dd NaOH 0,1N, chất chỉ thị phenolphthalein, acide lactic. a. XÁC ĐỊNH ĐƯỜNG GIẢM THEO SCHOORL  Các Cu2+ được x c định sau khi hệ thống Cu2O. KI bị oxi hóa bởi CuSO4 và được x c định bằng chất chuẩn Na2SO4 x c định acide L-ascorbic:  L-ascorbic đã được x c định quang phổ với 2,6-diclorophenolindophenol. b. XÁC ĐỊNH ACIDE HỮU CƠ (acide lactic,acide citric,acide acetic) và các acide amin (histamine, cadaverine,potrescine) bởi isotachophorecide.  C c phép đo được thực hiện với máy phân tích quang phổ ZKI 01 Vill Labeco Spisska N. Ves. c. ACID HỮU CƠ  Nồng độ các chất điện giải của acid hữu cơ là 2mol/dm3, pH=4,25, methylhydroxythylcelulose 0,1%. Và cuối cùng là acid capronic 5x10-3 mol/dm3. Các mẫu trên được phân tích bằng một dòng điện 300 μA d. XÁC ĐỊNH ACIDE AMINE BẰNG PHƯƠNG PHÁP HPLC ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 16  Theo các nhà nghiên cứu GREIFet (1997,1999) các amin hữu cơ (histamine tyramine và pu-trescine) được x c định như c c dẫn xuất của danzy. 5.5. ánh giá cảm quan của các loại nƣớc ép bắp cải, cà rốt  Các mẫu sẽ đươc đ nh gi bởi 10-14 gi m định viên Trước khi phân tích cảm quan, các mẫu nước ép đông lạnh sẽ được rã đông và làm ấm đến nhiệt độ phòng và đ nh gi nhiệt độ của các mẫu là 15-180C.  C c gi m định viên tiến hành đ nh gi hình d ng màu sắc độ đục, kết tuae và hương vị của mẫu.  ộ đục và màu sắc được đ nh gi bằng 5 điểm cường độ ( điểm 1 là không đục điểm 5 rất đục) Hình d ng được đ nh gi bằng 5 điểm hưởng thụ ( điểm 1 là không phù hợp điểm 5 là rất tốt) ể đ nh gi hương vị, áp dụng phương ph p đồ họa, bằng phương ph p này ta sẽ biết rõ vị của các hỗn hợp như: ngọt, chua, sự hài hòa giữa các thành phần cũng được đ nh gi 5.6. ƢƠN Á ỐNG KÊ ể đ nh gi kết quả phân tích cảm quan, PCA áp dụng phương ph p thống kê đa biến, phân tích tương quan Dữ liệu sẽ được SGWIN (Statgraphic for windows) phân tích. 5.7. KẾT QUẢ Việc đ nh gi c c loại nước ép rau được lên men bằng acid lactic được tiêm Lactobacillus plantarum 92H ở nồng độ khác nhau. Dựa trên các kết quả của việc phân tích hóa học, phân tích cảm quan, và sử dụng phương ph p PCA có c c vấn đề cần giải quyết:  Mục đích của việc áp dụng c c phương ph p trên là để đ nh gi cảm quan và phân tích các loại nước ép rau khác nhau (bắp cải, cần tây, cà rốt, bắp cải và cà rốt..,) được xử lý bằng quá trình lên men acid lactic. Trong các sản phẩm trên nước ép cà rốt được khuyến cáo bởi hầu hết c c nhà đ nh gi với tỷ lệ 2:1.  ể đ nh gi kết quả phân tích của chất hóa học (pH, tổng lượng acid, các acid hữu cơ và acid amin) và cảm quan (vị giác) của các loại nước ép, áp dụng phương pháp PCA (ngoài ra có thể áp dụng phân tích mối tương quan FA CA)  ối với quá trình lên men của nước ép bắp cải cà rốt không tiệt trùng, chọn vi khuẩn acid lactic chủng Lactobacillus plantarum 92H. Trong quá trình lên men, các thông số phân tích sau đây được quan sát, theo dõi: pH, tổng lượng acid, axit L- ascorbic, acid lactic, acid acetic, và acid citric, và các acid amine (histamine, cadaverine, tyramine, putrescine). Những thay đổi của giá trị pH, tổng số acid, và các loại đường khử, L-ascorbic acid và các acid hữu cơ trong qu trình lên men được thể hiện trong Bảng 1. ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 17 6. Ứng dụng PCA trong sản phẩm sữa tiệt trùng 6.1. Tóm tắt  Phân tích mô tả định lượng được sử dụng để mô tả các thuộc tính quan trọng của chín sản phẩm (UP) sữa siêu tiệt trùng có nồng độ chất béo khác nhau, bao gồm cả hai sản phẩm giảm lactose, từ hai nhà máy sữa. Phân tích thành phần chính nhận biết bốn thành phần chính trọng yếu, chiếm 87,6% của phương sai trong c c dữ liệu thuộc tính cảm quan Căn cứ vào thành phần chính chỉ ra rằng sự x c định của sữa UP dựa theo bốn mức độ căn bản tương ứng với các thuộc tính nấu, sấy/kéo dài, ngọt và đắng. Chất lượng sản phẩm tổng thể được mô hình hóa như là một chức năng của phân tích thành phần chính dùng nhiều hồi quy bình phương nhỏ nhất (R2 = 0,810). Những chứng minh tìm thấy công dụng của phân tích mô tả định lượng để x c định và đo lường UP thuộc tính sản phẩm sữa thay đổi quan trọng đối với người tiêu dùng.  Tên viết tắt: OLS= bình phương nhỏ nhất, PC= thành phần chính, phân tích PCA= PC, hồi quy PCR= PC PLS= bình phương tối thiểu, QDA = phân tích mô tả định lượng UP= siêu thanh trùng 6.2. Giới thiệu  Mở rộng thời hạn sử dụng của sản phẩm sữa dạng lỏng sẽ đóng góp vào sự cạnh tranh của các ngành công nghiệp sữa ở các thị trường nước giải kh t Như một mối quan hệ nghịch đảo tồn tại giữa thời gian tồn trữ sản phẩm và khối lượng hàng tồn kho sản phẩm có thể được duy trì tại các trung tâm phân phối, sản phẩm với hạn sử dụng ngắn có chi phí phân phối và hàng tồn kho tương đối cao Hơn nữa, sản phẩm quá hạn sử dụng dẫn đến tổn thất tài chính cho các bộ xử lý sữa Do đó chiến lược xử lý mở rộng thời hạn sử dụng của sản phẩm sữa là các lợi ích kinh tế để xử lý sữa. Chế biến nhiệt độ siêu cao và siêu tiệt trùng (UP) đại diện cho hai phương ph p hiện đang áp dụng để mở rộng hạn sử dụng của sản phẩm sữa ngoài cách thanh trùng thông thường. Sữa tiệt trùng được xử lý ở nhiệt độ nhiệt giữa 135oC và 150oC trong 1-5s, sau đó sữa được đóng gói trong điều kiện vô trùng có thể bảo quản ở nhiệt độ phòng mà không cần bảo quản lạnh. Việc xử lý nhiệt của sữa UP là tương tự như của sữa UHT, với cách xử lý hoặc >138oC ít nhất 2s (FDA 1999) nhưng sữa không được vô trùng đóng gói So với hạn sử dụng đặc trưng của sữa dạng lỏng là từ 10-21 ngày được sản xuất trong điều kiện nhiệt độ cao trong thời gian ngắn thông thường (≥72oC trong ít nhất 15 giây- FDA,1999), các sản phẩm UP đã được mở rộng hạn sử dụng ít nhất 60 ngày trong điều kiện bảo quản lạnh (Boor và Nakimbugwe, 1998).  Khi chất lượng sản phẩm đ p ứng yêu cầu và sự chấp nhận của người tiêu dùng, khả năng đ nh gi thuộc tính đặc trưng về thị hiếu của sản phẩm chất lượng cao là cần thiết cho sự phát triển và sản xuất các sản phẩm đ p ứng sự mong đợi của người tiêu dùng Phương ph p khảo sát các sản phẩm sữa truyền thống để đ nh gi sữa dạng lỏng cho c c đặc tính cảm quan được dựa trên điểm số của sản phẩm theo một danh sách chuyên biệt về các khuyết điểm thường được tìm thấy trong sữa tiệt trùng thông ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 18 thường. Các nhà chuyên môn trong sản phẩm sữa truyền thống đã bị chỉ trích vì không dự đo n được sự chấp nhận của người tiêu dùng, thiếu khách quan trong việc đ nh gi chất lượng, gặp khăn khó trong x c định định lượng, và thiếu tiện ích cho việc kết hợp xếp hạng thuộc tính phân tích định hướng với điểm chất lượng về mặt tình cảm theo định hướng (Claassen và Lawless, 1992). Ngoài những hạn chế, việc áp dụng các chiến lược khảo sát truyền thống với các sản phẩm UP có thêm như là những thách thức phân tích thay đổi về đặc tính sản phẩm UP có thể tinh tế hơn và diễn ra trong một khoảng thời gian dài hơn so với những thay đổi thường gặp trong sữa tiệt trùng thông thường (Boorand Nakimbugwe,1998; Shipe, 1980). Vì vậy, như các ngành công nghiệp sữa đi theo hướng sản xuất các sản phẩm thời hạn sử dụng kéo dài, cần tiên phong để phát triển công nghệ thích hợp là cảm quan và đặc tính cho các sản phẩm này. Một chấp nhận phân tích mô tả định lượng (QDA) đã đạt được cách tiếp cận để đ nh gi cảm quan của thực phẩm và sản phẩm sữa khác nhau (Stone và Sidel, 1998), trong đó có sữa thanh trùng thông thường (Phillips). 6.3. PCA  Với dữ liệu mô tả cảm giác, nhiều biến phụ thuộc có thể liên quan với nhau. Sau ANOVA, một số mô tả cảm giác cá nhân có thể phân biệt giữa các mẫu nhưng nhiều mô tả có thể được điều khiển bởi c c nguyên nhân cơ bản giống nhau. PCA là một kỹ thuật phân tích đa biến mà cung cấp một phương ph p phân tích từ một cấu trúc đúng phương sai hoặc ma trận tương quan PCA nhận dạng hình dạng của mối tương quan giữa các biến phụ thuộc và thay thế một biến mới còn được gọi là một yếu tố, cho các nhóm thuộc tính ban đầu đã được tương quan C c phân tích sau đó x c định nhóm thứ hai và thứ ba của các thuộc tính và có nguồn gốc là một yếu tố cho mỗi nhóm dựa trên phương sai còn lại (mà trong đó phương sai còn lại chiếm bởi các yếu tố trước đó đã được gỡ bỏ). Các thuộc tính sẽ có một mối tương quan với kích thước mới được gọi là một yếu tố tải trọng, và các sản phẩm sẽ có giá trị vào c c kích thước mới, gọi là điểm số yếu tố. Các yếu tố tải trọng hữu ích trong việc giải thích các kích thước và điểm số yếu tố cho thấy các vị trí tương đối giữa các sản phẩm trong một bản đồ Do đó PCA biến đổi biến số phụ thuộc vào kích thước ban đầu không tương quan mới để đơn giản hóa các cấu trúc dữ liệu, loại bỏ mô tả dư thừa và chỉ ra nguyên nhân tiềm ẩn của biến tiềm năng  PCA đã được áp dụng cho các thuộc tính trung bình xếp hạng liệt kê trong Bảng 4 để đơn giản hóa việc giải thích dữ liệu từ 15 thuộc tính đo trên chín sản phẩm. ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 19 Bảng 4: Table 4. Mean panelists’1 ratings of ultrapasteurized milk at d 60  1 Plant 1 Plan 2 1NFQ100 LR 1LF70L R 1RFHP 1RFQ 1RFH G 2NF Q 2RFH P 2FFH G 2FFP Overall quality rating2 6.5b 6.9ab 7.6ab 7.4ab 6.9ab 6.6b 6.2b 7.3ab 7.7a Cooked aroma3 4.2ab 5.3ab 4.8ab 5.8a 6.0a 4.3 ab 3.5b 4.9b 4.2ab Caramelized aroma 2.0ab 2.0ab 2.2a 1.5ab 2.0ab 0.4 b 1.0ab 1.3ab 1.2ab Grainy/malty aroma 0.7a 1.0a 0.8a 0.9a 1.3a 0.6 a 0.2a 0.8a 0.3a Cooked flavor 4.7ab 4.7ab 5.2ab 6.3a 5.9ab 3.5 b 4.5ab 4.7ab 4.4ab Sweet flavor 4.4a 3.7a 1.3b 1.5b 1.1b 1.0 b 0.6b 1.0b 1.3b Caramelized flavor 1.4ab 1.7a 1.1ab 0.9ab 1.3ab 0.5 b 0.6ab 0.9ab 0.8ab Bitter flavor 0.4ab 0.4ab 0.2b 0.1b 0.8ab 1.0 ab 1.2a 0.4ab 0.1b Metallic flavor 0.9a 0.7a 0.3a 0.5a 0.5a 0.6 a 0.3a 0.3a 0.1a Viscosity 2.6b 3.1ab 3.8ab 3.5ab 4.5a 2.3 b 3.1ab 5.0a 4.3a Drying 2.6a 2.3a 2.9a 2.7a 2.5a 2.0 a 2.8a 2.1a 2.2a Chalky 0.4a 0.6a 0.9a 0.7a 0.3a 0.5 a 0.5a 0.5a 0.3a Drying aftertaste 3.0a 3.1a 3.5a 3.4a 3.6a 2.5 a 2.9a 3.0a 2.8a Metallic aftertaste 0.6a 0.4a 0.5a 0.6a 0.8a 0.3 a 0.3a 0.3a 0.3a Bitter aftertaste 0.2b 0.3ab 0.2b 0.1b 0.7ab 0.7 ab 1.8a 0.3ab 0.9ab Lingering aftertaste 2.7b 3.0b 3.3b 2.9b 3.4b 2.7 b 3.7a 3.0b 3.0b abMeans within the same row (attribute) with different superscripts differ (P  0.05).  Một khía cạnh quan trọng của PCA bao gồm việc x c định số lượng các thuộc tính cơ bản kh c nhau (PC) được trưng bày bởi các tập dữ liệu. Khi bốn m y tính đầu tiên được tạo ra từ phân tích này có giá trị riêng > 1 và chiếm 94,4% tổng phương sai trong tập dữ liệu, bốn máy tính vẫn được giữ lại. Bốn m y tính sau đó đã phải chịu Varimax luân chuyển để đưa chúng vào liên kết chặt chẽ hơn với các biến số ban đầu. Các Varimax xoay quanh các yếu tố trội trong đó đại diện cho mối tương quan giữa các máy tính và các phép đo thuộc tính ban đầu được thể hiện trong Bảng 6. Bảng 6: Varimax rotated principal component factor loadings for ultrapasteurized milk attributes.  Attributes PC1 PC2 PC3 PC4 Cooked aroma 0.9711 0.013 0.034 0.208 Caramel aroma 0.497 0.539 0.567 0.252 Grainy/malty aroma 0.964 0.021 0.231 0.032 Cooked flavor 0.702 0.547 0.091 0.350 Sweet flavor 0.038 0.082 0.969 0.146 Bitter flavor 0.186 0.003 0.191 0.946 Dry texture 0.004 0.942 0.101 0.092 Lingering aftertaste 0.003 0.758 0.389 0.413 Proportion of total variance 33.1% 25.7% 19.0% 16.6% ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 20  Tải trọng với một giá trị tuyệt đối lớn hơn 0 560 (in đậm) đại diện cho một ảnh hưởng mạnh mẽ PC1 là hoàn toàn liên quan đến sau khi xử lí các thuộc tính: hương thơm hương vị sau khi được xử lí. PC2 có yếu tố tải trọng lớn cho khô và kéo dài. PC3 phần lớn là yếu tố liên quan đến thuộc độ ngọt: caramel và độ ngọt. PC4 là gần như hoàn toàn bị ảnh hưởng bởi vị cay đắng. Hình 3  PCA cùng điểm giá trị yếu tố của sản phẩm (bảng 7) xác định rõ vị trí của sản phẩm với mỗi môt PC xoay Varimax.  ồ thị minh họa mối quan hệ giữa vị trí sản phẩm và các sản phẩm đó Với đồ thị minh họa này, các sản phẩm tượng tự nhau sẽ được xếp gần nhau và các sản phẩm khác nhau sẽ đặt xa nhau (theo Cỗn 1982, Lawless và Heymann 1998, Schiffman và những người khác 1981). Hình 3 cho thấy vị trí của mỗi sản phẩm trong quá trình nấu (PC1), sấy (PC2) và trục độ ngot (PC3) Theo như mong đợi, hai sản phẩm sữa lactose giảm (mẫu 1NFQ100LR và 1LF70LR) và ngọt hơn c c loại sữa kh c nên được xếp gần nhau trên trục và được tách ra từ các loại sữa khác nhau. Các loại sữa có nồng độ chất béo giống nhau cũng được xếp gần nhau.Hình 4 cho thấy vị trí của mỗi sản phẩm trong quá trình nấu (PC1), sấy (PC2)và trụcđắng, cay (PC4).Mẫu 2RFHP được phân biệt với phần còn lại vì nó có đọ đắng cay cao hơn và c c loại sữa có nồng độ chất béo giống nhau được xếp gần nhau. Tất cả các sản phẩm trong phân xưởng 1 được nhóm lại với nhau và cũng tương tự các sản phẩm trong phân xưởng 2 cũng được nhóm lại với nhau điều đó cho thấy rằng các sản phẩm từ c c phân xưởng tương tự sẽ khá giống nhau so với các sản phẩm đến từ nhà mấy khac. Sữa giảm béo (mẫu 2RFHP) được đ nh gi có chất lượng thấp nhất, trong khi mẫu 2 FFP có sự đ nh gi chất lượng cao nhất nên được đưa vào cực ở trung tâm. ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 21 Hình 4 ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng NHÓM 22 TÀI LI U THAM KHẢO 1. Kỹ thuật phân tích cảm quan thực phẩm – Hà Nguyên Tư 2. ánh giá cảm quan nguyên tắc và thực hành- Nguyễn Hoàng Dũng 3. Sarah E.Kemp, Tracey Hollowood,Joanne Hort, 2009, Sensory Evaluation Hanbook: A.practical Handbook, Wiley Blackwell,pp.196 4. 5.

Các file đính kèm theo tài liệu này:

  • pdftieu_luan_tim_hieu_ve_ung_dung_cua_pca_trong_phan_tich_mo_ta_dinh_luong_8814.pdf
Luận văn liên quan