Application and Research Status of Flash Profile in Food Research and Development
-
摘要: 自选特性排序剖面法（Flash Profile，FP）是一种能够应用于食品工业的快速感官描述性分析方法。该方法是指通过描述一组产品的感官属性，并根据这些属性的强弱程度进行排序，从而获得产品间的相对差异。本文主要介绍了自选特性排序剖面法的发展脉络、实验流程、数据处理及数据分析等，结合该方法在食品工业中的应用，分析该方法适用的产品类型以及与其他方法相比较的优缺点，并对该方法的发展前景做出展望，以期为食品加工企业和相关领域的研究人员提供借鉴。Abstract: Flash Profile is a rapid descriptive approach that can be used for food sensory evaluation. This method refers to the relative differences among products by describing the sensory attributes of a group of products and ranking them according to the strength of these attributes. The development context, operation steps, data processing process and data analysis of Flash Profile are introduced in this article. Combined with its application in food industry, the applicable product types of this method and its advantages and disadvantages compared with other methods are also presented. And the development trend of Flash Profile is also included. The aim of these works is to provide reference for food processing enterprises and researchers in further research.
-
Keywords:
- flash profile /
- rapid sensory analysis methods /
- applications /
- food /
- advantages
-
描述性分析，是感官科学中十分有效的分析工具[1]，在描述各类食品感官特征中得到了广泛地应用[2]。经典的定量描述性分析方法（Quantitative Descriptive Analysis, QDA）通常需要招募并组建一个稳定的感官品评小组，并在开展正式评价前进行大量的人员培训，成本高，耗时长。近年来，感官分析领域的科学家们陆续开发了一系列新型描述型感官评价方法，如自选特性排序剖面法（Flash Profile, FP）、适合项勾选法（Check-All-That-Apply, CATA）、投影地图法（Projective Mapping, PM）、桌布法（Napping）和归类法（Sorting）等，这些方法在时间和成本方面有很大的优势[3]。其中，自选特性排序剖面法[4]（Flash Profile, FP）是快速获得产品感官特点的一种有效方法[5]。该方法是指评价人员先根据一组产品的特征，描述其感官属性，并按照强弱程度对这一组产品根据这些属性逐一进行排序，从而获得产品间的相对差异。
自选特性排序剖面法作为一种快速感官分析方法，具有快速高效的优势，可以大大减少培训评价人员的时间，且实验过程所需时间较短，节约了大量人力物力，在一定程度上可以代替传统的定量描述性分析方法。本文主要对自选特性排序剖面这一方法进行概述，从实验设计、数据处理、具体应用以及该方法的优缺点等方面进行综述，最后对该方法的发展前景提出展望，以期为食品加工企业及相关领域研究和研发人员提供借鉴。
1. 自选特性排序剖面法的提出和发展
自选特性排序剖面法（Flash Profile，FP）是由自由选择剖面法和直接排序法相结合而来的方法[6]，由Sieffermann教授在2000年发明[7-8]。Flash Profile法是将所有产品同时呈现给评价人员，要求每个参与感官评价的人员选择并使用自己的感受到的属性对整个产品集进行比较评价[6]，每一个评价人员都有自己的感官属性列表和强度判断标尺[3]。近年，该方法不断拓展（如图1）。Lorho等[9]提出了个人词汇剖面法（Individual Vocabulary Profiling，IVP），Richter等[10]提出排序描述性分析法（Ranking Descriptive Analysis，RDA）。目前，自选特性排序剖面法及其衍生方法已广泛应用于酒类、乳制品、肉制品等各类食品中，其快速展现出极大的优势[11]。
2. 自选特性排序剖面法的实施
自选特性排序剖面法的实施主要分为前期准备、实验过程和数据处理等三个步骤。
2.1 前期准备
前期准备主要包括实验方案的制定、样品种类和数量的确定、样品盛装容器的确定、评价人员人数和类型的选择、评价人员招募以及实验时间和地点的确定等方面。
2.1.1 对样品的要求
使用该方法时，样品个数一般建议不宜超过10~12个[12]。如果样品数量过多，容易使评价人员产生疲劳，会影响评价人员判断[1]。但也有少量研究在具有较多数量的样品时使用了自选特性排序剖面法。例如，Tarea等[13]在研究水果泥的实验中，采用自选特性排序剖面法对49种水果泥进行感官评价，由于他们选用了具有感官评价经验的专家小组进行实验，所以在大量样品的情况下，实验结果也较为良好。然而，就整体而言，样品数量过多会使评价人员感到疲惫[14]。且所有样品需要同时呈递[15]，过多样品会不利于实验的进行。因此，若样品自身感官属性较为复杂，应尽量避免使用太多样品，以免影响实验效果。如表1列举了已有研究中的样品种类及数量，大部分研究中都选用不超过12个样品数量。
表 1 自选特性排序剖面法应用于食品感官风味研究中的案例Table 1. Cases of Flash Profile application on food sensory research样品类别 样品种类 样品数量 参考文献 酒类 白葡萄酒 9 Liu等 （2016）[16] 葡萄酒 9 Liu 等（2018）[17] 饮料类 水果泥 49 Tarea等（2007）[13] 热饮 8 Moussaoui et al（2010）[18] 柠檬冰茶 8 Veinand等（2011）[19] 乳制品 混合水果酸奶 6 Delarue等（2004）[20] 杏仁鲜奶酪 5 Delarue等（2004）[20] 蓝奶酪 10 Gkatzionis等（2013）[12] 奶酪 3 Galli等（2019）[21] 肉制品 干香肠 12 Rason等（2006）[22] 鳕鱼 9 Albert等 （2011）[23] 肝酱 9 Dehlholm等（2012）[24] 火鸡肉 5 Ramírez-Rivera等（2012）[25] 鱼糜圈 7 Tárrega等（2017）[26] 干腌腰肉 4 Lorido等（2018）[27] 糖果制品 口香糖 6 Delarue等（2004）[28] 果冻 18 Blancher等（2007）[29] 巧克力 11 Delarue（2015）[7] 水果制品 果酱 14 Dairou等（2002）[30] 调味品 番茄酱 18 Bendini等（2017）[31] 豆制品 红腐乳 12 He等（2019）[32] 蜂产品 蜂蜜 6 Price等（2019）[33] 蔬菜干制品 干胡萝卜片零食 4 Dueik等（2013）[34] 糕点 面包 15 Lassoued等（2008）[35] 注：分类参考《食品生产许可分类目录》（国家市场监督管理总局公告2020年第8号）。 自选特性排序剖面法适用范围十分广泛，但对产品保质期和温度有一定的要求[15]。在实验过程中，样品必须进行编码。通常在感官评价实验中使用的是三位数字随机编码，但自选特性排序剖面法实验中不适宜用三位数字编码，一般使用更加简单的方式编码。例如，使用大写英文字母进行编码，使其更加直观，避免评价人员在排序以及数据分析人员在数据汇总和统计分析时产生错误[15]。
2.1.2 对评价人员的要求
开展自选特性排序剖面法实验时，可以选用具有感官评价经验的专家小组，评价小组成员最低限为4~5人[15]，建议10~12人的小组为宜[36-37]；也可以由未经过特定训练的消费者完成，建议选用40~50位评价人员进行实验[15]。Park等[38]在自选特性排序剖面法实验中发现消费者对样品的熟悉度能影响实验效果；Kim等[39]在茶叶的感官评价研究中也有着同样的发现，选用不同文化背景的评价小组实验效果存在差异，但使用对样品较为熟悉的感官评价小组可以得到更好的效果。因此，选用熟悉目标产品的评价人员进行自选特性排序剖面法实验，有助于高效完成实验，获得更准确的结果。
2.2 实验过程
开展自选特性排序剖面法实验，具有两个要点：生成统一的描述词和按照描述词对样品进行排序。
首先向评价人员介绍方法，并将所有样品同时呈现给评价人员，进行第一轮评价。在品评样品时，可要求评价人员按照一定的顺序进行评价，如按照对样品的外观、香气、口感依次评价样品；在评价过程中要求评价人员列出所感知到的描述词，第一轮评价结束后汇总所有评价人员的描述词，通过集体讨论的形式，合并释义相同的描述词，删除喜好词语，整理为一个完整的描述词列表。短暂休息后，进行第二轮评价，评价人员参考描述词列表，通过删减或补充进一步完善自己的列表；同时，针对列表中的每一个描述词，依据标尺（如图2a）对所有样品由弱到强（或由强到弱）进行排序，其中，可以在同一强度位置上摆放多个样品（如图2b）。此实验可以进行完整的三次重复，也可以只重复第二轮评价的排序环节[22]。期间，建议评价人员在每两个不同的描述词评价之间进行短暂休息，有助于防止感官疲劳[15]，从而保障结果的准确性。同时，品评不同样品间可以选择漱口或者食用一些苏打饼干，以缓解感官疲劳。如果评价阶段持续时间过长，应选择隔天再进行评价。
![]()
图 2 自选特性排序剖面法实验过程示意图注：修改自Varela等[15]。Figure 2. Schematic diagram of Flash Profile experimental process上述实验操作步骤主要针对有一定感官评价经验的评价人员。如果评价人员是无感官评价经验的消费者，可以提供一份描述词示例表，如表2所示。表中列举了样品可能会被感知到的描述词及常见的描述词，并对其赋予明晰的释义。消费者可按照描述词示例表品评样品，列举出感知到的产品特性，并进行排序。其中，描述词的释义可以参考相关研究的文献进行整理。如， Braghieri等[40]研究了干香肠相关的感官属性列表；Wang等[41]在对腊肉进行感官评价实验时形成了烟熏风味的描述词汇列表[42-43]；Ferreira等[44]则建立了蜂蜜的感官描述相关的描述词表；Tournier等[45]列出了一份乳制品感官评价的描述词清单。描述词也可以先由具有感官评价经验的专家进行产品评价并形成产品感官属性释义列表后，再将这份描述词列表用于消费者的感官评价实验中；这一描述词示例表用于代替评价人员讨论总结后互相补充描述词的过程，能更好地辅助评价人员完成自选特性排序剖面法实验。
表 2 感官描述词示例（以蜂蜜为例）Table 2. Lists of sensory descriptors for honey属性 描述词 解释 外观 粘度 样品在流经壁时的阻力 稀释 在流经瓶壁时出现非常稀释的溶液 黄色 黄色强度 焦糖色 焦糖 透明度 光穿过的样子 口感 甜味 甜味强度 酸味 酸味强度 酒精味 联想葡萄酒、酒类产品 残留味 回味，吞下样品后味道持久 收敛 引起口部皱褶 椰子 椰子味特征 葡萄 葡萄味特征 霉味 潮湿的木头的特征 腐臭味 联想油脂酸败的气味 香气 甜味 甜蜜的香气 酸味 酸的气味 木头味 木头的特征气味 橙花香 橙花的特征气味 花香 花的香气 蜂蜜 蜂蜜的香气 葡萄 葡萄汁的香气 糖果 硬糖的香气 注：修改自Ferreira等[44]。 2.3 数据处理
实验结束后，收集评价人员的排序结果，将数据电子化，进行统计分析。统计描述词的频次，即统计所有出现的描述词及次数。然后将实验量表中样品的排名位置转换为分数，如图3所示。第一个描述词的样品顺序中，AEC位于同一位置，它们三个样品的分数则为（1+2+3）/3，即2分，样品D位于第四个位置，则为4分，样品B和F共在同一位置，则为（5+6）/2，即5.5分，同理，最后的样品G则为7分。所有样品的分数加起来的总和应满足p（p+1）/2（p为样品数），如图4中所示的每一列总和为7（7+1）/2，即为28。按此换算方式将所有描述词的排序结果进行转换于表格中（如图4）。
![]()
图 3 自选特性排序剖面法描述词的数据收集示例图注：修改自Hort等[5]。Figure 3. Schematic diagram of collected data for each attribute in Flash Profile method![]()
图 4 计算的数据矩阵的结构示例图注：修改自Varela等[15]。Figure 4. A structural schematic diagram of the calculated data matrix自选特性排序剖面法实验数据可进行多元统计分析，例如：方差分析（Analysis of Variance，ANOVA）、相关性分析、多重因子分析（Multiple Factor Analysis，MFA）、广义普氏分析（Generalized Procrustes Analysis，GPA）和层次聚类分析（Hierarchical Cluster Analysis，HCA）等[5,15]。多重因子分析（MFA）可用于分析样品间的分布情况和评价人员选用的描述词分布，还可以用于感官属性结果与仪器分析结果相关联，探究感官特性与样品的理化属性的关系[46]。广义普氏分析（GPA）可筛选差异较大的评价员，利于分析评价人员的一致性。层次聚类分析（HCA）可用于识别相关的属性进行聚类[47]。
3. 自选特性排序剖面法在食品工业中的应用
3.1 自选特性排序剖面法的适用场景
自选特性排序剖面法可应用于食品感官评价的多种场景[7]，主要包括：a.企业需要快速分析测评新产品和几种竞品的差异及特点，但尚无该品类受过训练的评价小组，且在项目完成后不需要再保留该小组；b.在某个项目的第一阶段需要运用快速感官品评方法的情况；c.待测产品保质期很短时；d.需要对特定产品类别的目标消费者进行快速感官分析时；e.在感官消费者研究中，为了解消费者感知的多样性[5]。
3.2 自选特性排序剖面法的应用案例
目前，自选特性排序剖面法应用的产品类型主要包括酒类[16-17]、饮料类[13,18-19,48]、乳制品[7,12,20-21]、肉制品[22-27]、糖果制品[5,7,28-29,31,39]、水果制品[30]、调味品[31]、豆制品[32]、蜂产品[33]、蔬菜干制品[34]、糕点[35]等（表1）。
3.2.1 水果制品
Dairou等[30]将自选特性排序剖面法首次应用于红色果酱的研究，对14种果酱的感官轮廓进行了剖析，发现自选特性排序剖面法的一大优势是速度快，便于操作，与传统方法相比，更加节省时间，不需要评价人员对样品进行熟悉的过程。
3.2.2 乳制品
Julien等[20]采用该方法对水果酸奶和杏仁鲜奶酪进行了研究，发现自选特性排序剖面法的效果比常规剖面法更好，且指出自选特性排序剖面是一种为满足工业需要而设计的快速感官分析技术。自选特性排序剖面法在乳制品的研究中有所应用，例如，Gkatzionis等[12]用自选特性排序剖面法对蓝奶酪的香气进行了感官评价实验，研究发现蓝奶酪气味的形成与不同菌种密切相关，并说明了自选特性排序剖面法不需要培训评价人员，这一优势与该方法的快速性相结合，使其成为工业上使用的理想方法。Galli等[21]在对奶酪的研究中也使用了这一方法，证明了该方法能够良好地区分不同菌种发酵的奶酪样品；姚月华等[49]在对市售酸奶和巴氏杀菌酸奶的感官评价中也运用了该方法，均证明了自选特性排序剖面法在区分和评估产品方面有良好的作用。
3.2.3 肉制品
Rason等[22]使用自选特性排序剖面法对干香肠的感官多样性进行评估和研究，并通过广义普氏分析发现不同加工技术制作的香肠样品可以被区分开，这一快速感官评价方法能够良好地区分不同香肠的风味差异；Dehlholm等[24]对9款商业肝酱进行了研究，比较了不同的快速感官分析方法的应用，并发现未经训练的评价人员和有经验的评价人员均能通过快速感官分析方法将样品区分开，且感官分布十分相似，但若选用未经训练的评价人员，可以适当增加评价人员的数量，保证样品被有效区分开；Albert等[23]对经过热加工后的鳕鱼进行了研究，并发现未经培训的评价人员产生的描述词更加多样，灵活性更强；Emmanuel等[25]将该法用于火鸡肉的研究之中，并且表明在没有训练有素的评价小组和适合的感官评价室时，自选特性排序剖面是很好的替代方法，可以替代传统的感官评价实验；Tarrega等[26]还将其此方法用于鱼糜圈的感官评价，并与仪器分析进行了结合，结果表明，通过自选特性排序剖面法可以确定油炸或烘烤的商业鱼糜圈的感官分布。
3.2.4 豆制品及调味品
同样，在对豆制品的研究中也应用类似的方法，He等[32]在研究红腐乳的感官特性时运用到了该方法，通过多因素方差分析（MFA）将感官评价的结果与仪器分析的结果结合关联起来，研究表明定量描述性分析法和自选特性排序剖面法均可以有效地关联感官数据和仪器分析数据，探究了12款不同腐乳样品的香气，风味，质地等感官差异，并有效地区分了这些样品。此外，发现相比于传统的定量描述性分析法，自选特性排序剖面法能够节省时间且降低成本。Bendini等[31]在对番茄酱的研究中利用自选特性排序剖面法联合SPME-GC-MS分析，将仪器分析数据与评价员的感官评价结果相对比，更好地分析出产品的感官特性，从而明确不同产品间的差异以及改进方向。
3.2.5 葡萄酒
同时，Liu等[16-17]分别对白葡萄酒和红葡萄酒的研究中比较了自选特性排序剖面法与其他快速感官方法使用结果的异同。在对红葡萄酒的研究中，通过比较了自由选择剖面法（Free-Choice Profiling，FCP）和自选特性排序剖面法以及改良的自选特性排序剖面法（Modified Flash Profile），对9款红葡萄酒进行了感官评价，发现不同采收时期的葡萄对酒有一定影响。改良后的自选特性排序剖面法主要改良的点在于加入一个Napping实验，以及实验中出现的感官属性作为后续排序的属性，这一改良后的方法比普通的自选特性排序剖面法更能良好地区分开不同采收时期的样品，且改良后的方法使用的感官属性比传统的自选特性排序剖面法更少，评价人员也能够更专注于样品的主要特性，避免了评价小组间的讨论环节对评价人员自身感受的干扰。在对白葡萄酒的研究中，主要使用了Napping和自选特性排序剖面的方法对9款不同的白葡萄酒进行感官评价，发现Napping这一方法主要关注样品整体的感官差异，而自选特性排序剖面主要关注样品在某一属性间的差异。并且，两种方法结合使用具有更显著的结果。
3.2.6 其他食品
Delarue等[28]将自选特性排序剖面法运用至口香糖研究中，测试了不同咀嚼时间对感官评价结果的影响，建议评价人员在第1、第15和第30 min时使用该方法进行实验，从而更好地分析喜好分数的变化，发现自选特性排序剖面法依赖于评价人员的个人经验，因为它是基于信任评价人员认知这一基础上的。另外，Lassoued等[35]在对15种面包质地的研究中，使用了自选特性排序剖面法，并探究仪器和感官表征之间的相关性，将质构仪所测的结果与评价人员对面包质地的评价结果结合分析，发现面包的气泡大小和分布是否均匀对评价人员的感官影响较为明显。选特性排序剖面法还能够用于跨文化研究。例如，Blancher等[29]在对果冻的感官评价中对法国和越南两个国家的品评小组进行了研究，发现基于不同文化的小组利用该方法所得的产品感官分布图上是相似的；Price等[33]在对蜂蜜的感官评价当中对希腊和中国两个拥有不同文化背景的评价小组进行研究，证明自选特性排序剖面这一方法由不同文化的评价员实施也能获得一致的结果。
自选特性排序剖面这一方法还适用于保质期较短的食品[15]，因为不论是实验设计还是实验操作过程，均十分快速，能够在短时间内完成产品的感官评价。更重要的，它还具有操作流程简单、实验过程耗时较短的优势。另外，在数据处理方面，自选特性排序剖面法得出的结果还可以与仪器分析的数据相结合，进行关联分析，能够使得实验结果更加完善，提升研究的可信度。
3.3 自选特性排序剖面法与其它方法的联合应用
在产品开发的早期阶段，可以把自选特性排序剖面法作为传统的描述性分析方法的一种替代方法[11]，也可将自选特性排序剖面法与Napping等快速感官评价方法相结合，先通过Napping法对样品按照感官特性进行分类，后对其特性进行强度评价排序，从而获得更好的实验效果。例如，Liu等[16]在自选特性排序剖面法实验之前先进行Napping实验，并将获得的描述词用于后续的自选特性排序剖面法实验中，结果发现两种方法联用能更清晰地观察到不同模拟葡萄酒样品间的微小差异。Mayhew等[50]将Napping与超自选特性排序剖面法（Ultra Flash Profile，UFP，是一种自选特性排序剖面法的延伸方法）相结合，对爆米花进行感官评价实验，该方法为某些食品体系的建立提供了一种新的、简便的策略。González-Mohíno等[51]也将Napping与UFP相结合，对不同烹饪方式的猪肉和鳕鱼产品进行了研究，研究表明在不同烹调方法和烹调条件下，利用UFP和QDA对猪腰肉和鳕鱼进行鉴别是可行的，且Napping和UFP不需要经过训练的评价人员小组，与传统描述性分析相比，更加快速高效。Santos等[52]将超自选特性排序剖面法和投影地图法相结合，对添加了乳酸菌的肉制品进行了研究，发现6种不同肉制品的感官特征及差异，并且发现UFP法能更好地描述产品的属性。田欣等[53]也运用了Napping法与UFP法相结合分析葡萄酒的香气，研究结果表明两种方法结合能够快速且准确地将不同产区的葡萄酒样品区分。Jaros等[54]将其与偏好测试相结合，对浑浊苹果汁进行研究，能够更好地区分不同产品，以及其产品的喜好度与产品感官特征的关系，发现口感较酸的产品更受消费者喜爱。
4. 自选特性排序剖面法的优缺点
与传统描述性感官分析方法相比，自选特性排序剖面法具有速度快、耗时短、步骤简单、不需要培训、节约成本等优点，在一定程度上可以视为是传统感官评价方法的良好替代方法[3,30]。Julien等[20]在对水果酸奶和杏仁鲜奶酪的研究中提到，自选特性排序剖面法是一种专为满足工业需要而设计的快速感官分析技术，具有灵活性，将感知产品特性、描述词生成和排序阶段整合到一起，从而大大节约了时间。还有研究发现，自选特性排序剖面法只需要较少的时间就能够让评价人员对描述词达成共识[5]。Alber等[23]对定量描述性分析法和自选特性排序剖面法等进行了比较实验，发现自选特性排序剖面法和投影地图法（Projective Mapping，PM）可以成为特定应用中定量描述性分析法的良好替代方法，且自选特性排序剖面法显示了更具分析性的优势，呈现了更多的描述用语，更全面地描述样品。同时，在一些需要描述复杂质地、热加工熟食等产品的详细信息时，推荐使用自选特性排序剖面法这一方法，因为它具有快速便捷的优势。
与其它快速感官评价方法相比，自选特性排序剖面法是一种基于比较的评估程序，能更直观地比较出不同产品间的差异，在辨别能力方面具有一定的优势[11]。例如， Veinand等[19]通过比较自选特性排序剖面法、投影地图法和汇编栅格法（Reperory Grid，RG）三种方法，以深入了解法国消费者对一系列柠檬冰茶口味的感知，发现自选特性排序剖面实验中的排序步骤可能对评价员评估细微差异有一定帮助；与其他两种方法相比，自选特性排序剖面法的辨别能力最高。Dehlholm等[24]将自选特性排序剖面法与Napping、归类法（Sorting）等方法进行比较，对9种类型的商业肝酱进行感官评价，发现自选特性排序剖面法在描述词的选择和使用方面表现更有优势。自选特性排序剖面法还可以在某些程度上替代定量描述性分析方法，具有作为开发食品感官描述词工具的潜力。Moussaoui等[18]比较了归类法、投影地图法、自选特性排序剖面法和汇编栅格法（Repertory Grid Method，RGM）法等四种描述方法来描述热饮，发现自选特性排序剖面法和汇编栅格法更加精确。
自选特性排序剖面法也存在一定的局限性，正如表3所示。该方法能评估的样品数量较为有限[52]，且不适于对温度要求比较高的产品研究[7]，因为当需要同时呈现全部的样品，如果样品是需要保持低温或高温的，例如冰淇淋或热汤等，则在评价人员品评样品的过程中，这些样品的形态、香气和口感等均会受到影响，因此不能够对这类产品进行自选特性排序剖面法的感官评价。此外，虽然该方法不限制评价人员对产品进行描述词评价的数量，但也因为描述词数量众多，在解释含义方面较为复杂和困难，从而会引起歧义。比如，Albert等[23]对熟食的感官评价研究中发现因为描述词数量较多，故需要对其进行定义；建议在对样品描述词排序之前，增加评价人员共同讨论的过程，避免评价人员对样品有着同样的感知，却使用不同的词汇。Dairou等[30]在对14种果酱的感官特征研究时发现，自选特性排序剖面法每次实验中产生的描述词具有一定的专一性，只适合于这一评价小组及这一种产品，并不适用于其他评价小组的使用，继续分析同类产品时只能做为参考，自选特性排序剖面法对描述词的分析需要大量的主观决策[55]。
表 3 自选特性排序剖面法的优势与局限性对比Table 3. Comparison of Flash Profile advantages and limitations优势 局限性 1.可应用于各类产品，应用范围较广 1.可评估的样品数量较为有限 2.速度快，节省时间 2.不适于对温度要求比较高的产品 3.可以使用消费者进行实验 3.描述词数量众多，在解释含义方面较为复杂 4.适合于保质期较短的产品 4.描述词不适合不同的小组重复使用 5.操作简单，不需要培训 6.易理解方法，实验表格十分直观 7.节约成本 5. 结论与展望
自选特性排序剖面法通过生成产品属性，并按照属性的强度排序的方式，对不同产品的感官差异进行区分，从而使得更好地挖掘产品的感官特征。并且可以使用未经训练的评价人员进行实验，与传统的定量描述性分析法相比，大大减少了前期的训练时间，实验过程操作简单，不需要额外培训，节约人力物力，更加快捷、方便。自选特性排序剖面法这一快速感官评价方法可以运用于多种类型的食品的感官评价，具有一定的普适性。同时，该方法可应用于新开发的食品的感官评价，挖掘产品的感官属性特点，有助于产品的改进和提升。自选特性排序剖面法在以下方面具有良好的应用前景：a.在产品开发的早期阶段，可以作为传统的描述性分析方法的一种替代方法或是有力的补充，既可以用于感官测试，也可以用于跨文化研究；b.在产品开发的评测环节中，自选特性排序剖面法可以作为一种快速且有效地描述产品间主要感官差异的评价方法，非常适用于竞品比较；c.自选特性排序剖面法可与其他快速感官描述性方法进行联合使用，有效结合快速感官评价的优势，规避不同方法间的劣势，可为产品开发时寻找便捷有效的方法提供一定参考。
自选特性排序剖面法能够比较同类产品感官属性的相对强度，获得产品的轮廓特点，分析出有效的改进方向，在食品工业中的应用会逐步增加，可以为食品科研工作者和产品开发人员提供重要指导。
-
![]()
图 2 自选特性排序剖面法实验过程示意图
注：修改自Varela等[15]。
Figure 2. Schematic diagram of Flash Profile experimental process
![]()
图 3 自选特性排序剖面法描述词的数据收集示例图
注：修改自Hort等[5]。
Figure 3. Schematic diagram of collected data for each attribute in Flash Profile method
![]()
图 4 计算的数据矩阵的结构示例图
注：修改自Varela等[15]。
Figure 4. A structural schematic diagram of the calculated data matrix
表 1 自选特性排序剖面法应用于食品感官风味研究中的案例
Table 1 Cases of Flash Profile application on food sensory research
样品类别 样品种类 样品数量 参考文献 酒类 白葡萄酒 9 Liu等 （2016）[16] 葡萄酒 9 Liu 等（2018）[17] 饮料类 水果泥 49 Tarea等（2007）[13] 热饮 8 Moussaoui et al（2010）[18] 柠檬冰茶 8 Veinand等（2011）[19] 乳制品 混合水果酸奶 6 Delarue等（2004）[20] 杏仁鲜奶酪 5 Delarue等（2004）[20] 蓝奶酪 10 Gkatzionis等（2013）[12] 奶酪 3 Galli等（2019）[21] 肉制品 干香肠 12 Rason等（2006）[22] 鳕鱼 9 Albert等 （2011）[23] 肝酱 9 Dehlholm等（2012）[24] 火鸡肉 5 Ramírez-Rivera等（2012）[25] 鱼糜圈 7 Tárrega等（2017）[26] 干腌腰肉 4 Lorido等（2018）[27] 糖果制品 口香糖 6 Delarue等（2004）[28] 果冻 18 Blancher等（2007）[29] 巧克力 11 Delarue（2015）[7] 水果制品 果酱 14 Dairou等（2002）[30] 调味品 番茄酱 18 Bendini等（2017）[31] 豆制品 红腐乳 12 He等（2019）[32] 蜂产品 蜂蜜 6 Price等（2019）[33] 蔬菜干制品 干胡萝卜片零食 4 Dueik等（2013）[34] 糕点 面包 15 Lassoued等（2008）[35] 注：分类参考《食品生产许可分类目录》（国家市场监督管理总局公告2020年第8号）。 
下载: 导出CSV
表 2 感官描述词示例（以蜂蜜为例）
Table 2 Lists of sensory descriptors for honey
属性 描述词 解释 外观 粘度 样品在流经壁时的阻力 稀释 在流经瓶壁时出现非常稀释的溶液 黄色 黄色强度 焦糖色 焦糖 透明度 光穿过的样子 口感 甜味 甜味强度 酸味 酸味强度 酒精味 联想葡萄酒、酒类产品 残留味 回味，吞下样品后味道持久 收敛 引起口部皱褶 椰子 椰子味特征 葡萄 葡萄味特征 霉味 潮湿的木头的特征 腐臭味 联想油脂酸败的气味 香气 甜味 甜蜜的香气 酸味 酸的气味 木头味 木头的特征气味 橙花香 橙花的特征气味 花香 花的香气 蜂蜜 蜂蜜的香气 葡萄 葡萄汁的香气 糖果 硬糖的香气 注：修改自Ferreira等[44]。
下载: 导出CSV
表 3 自选特性排序剖面法的优势与局限性对比
Table 3 Comparison of Flash Profile advantages and limitations
优势 局限性 1.可应用于各类产品，应用范围较广 1.可评估的样品数量较为有限 2.速度快，节省时间 2.不适于对温度要求比较高的产品 3.可以使用消费者进行实验 3.描述词数量众多，在解释含义方面较为复杂 4.适合于保质期较短的产品 4.描述词不适合不同的小组重复使用 5.操作简单，不需要培训 6.易理解方法，实验表格十分直观 7.节约成本
下载: 导出CSV
-
[1] LAWLESS H, HEYMANN H. Sensory evaluation of food: Principles and practice[M]. Springer Science & Business Media, 2010: 252−253.
[2] LESTRINGANT P, DELARUE J, HEYMANN H. 2010-2015: How have conventional descriptive analysis methods really been used? A systematic review of publications[J]. Food Quality and Preference,2018,71:1−7.
[3] 苏晓霞, 黄序, 黄一珍, 等. 快速描述性分析方法在食品感官评定中应用进展[J]. 食品科学与技术,2013,38(7):298−303. [SU Xiaoxia, HUANG Xu, HUANG Yizhen, et al. Advance in the application of rapid descriptive sensory methods[J]. Food Science and Technology,2013,38(7):298−303. SU Xiaoxia, HUANG Xu, HUANG Yizhen, et al. Advance in the application of rapid descriptive sensory methods[J]. Food Science and Technology, 2013, 38(7): 298-303.
[4] 感官分析方法学建立感官剖面的导则. GB/T 39625-2020[S]. 2020: 2−2. Guidelines for sensory analysis methodology to establish sensory profiles. GB/T 39625-2020[S]. 2020: 2−2.
[5] HORT J, KEMP S E, HOLLOWOOD T J H Z B I M-S. Descriptive analysis in sensory evaluation[M]. 2011: 513−533.
[6] CADENA R, VIDAL L, ARES G, et al. Dynamic sensory descriptive methodologies: Time-intensity and temporal dominance of sensations[M]. 2014: 333−364.
[7] DELARUE J. Flash Profile, its evolution and uses in sensory and consumer science[M]. 2015: 121−151.
[8] VALENTIN D, CHOLLET S, LELIEVRE-DESMAS M, et al. Quick and dirty but still pretty good: A review of new descriptive methods in food science[J]. International Journal of Food Science & Technology,2012,47:1563−1578.
[9] LORHO G. Perceived quality evaluation: An application to sound reproduction over headphones[J]. 2010, 39: 1−37.
[10] RICHTER V, ALMEIDA T, PRUDENCIO S, et al. Proposing a ranking descriptive sensory method[J]. Food Quality and Preference,2010,21:611−620. doi: 10.1016/j.foodqual.2010.03.011
[11] PETIT C, VANZEVEREN E. Adoption and use of Flash Profiling in daily new product development: A testimonial[M]. 2015: 335−344.
[12] GKATZIONIS K, HEWSON L, HOLLOWOOD T, et al. Effect of Yarrowia lipolytica on blue cheese odour development: Flash Profile sensory evaluation of microbiological models and cheeses[J]. International Dairy Journal,2013,30:8−13. doi: 10.1016/j.idairyj.2012.11.010
[13] TAREA S, CUVELIER G, SIEFFERMANN J-M. Sensory evaluation of the texture of 49 commercial apple and pear purees[J]. Journal of Food Quality,2007,30:1121−1131. doi: 10.1111/j.1745-4557.2007.00174.x
[14] PECORE S, KAMERUD J, HOLSCHUH N. Ranked-Scaling: A new descriptive panel approach for rating small differences when using anchored intensity scales[J]. Food Quality and Preference,2015,40:376−380. doi: 10.1016/j.foodqual.2014.02.002
[15] VARELA P, ARES G J L O S. Novel techniques in sensory characterization and consumer profiling[J]. 2014: 179−202.
[16] LIU J, GRØNBECK M, DI MONACO R, et al. Performance of Flash Profile and Napping with and without training for describing small sensory differences in a model wine[J]. Food Quality and Preference,2016,48:41−49. doi: 10.1016/j.foodqual.2015.08.008
[17] LIU J, BREDIE W, SHERMAN E, et al. Comparison of rapid descriptive sensory methodologies: Free-Choice Profiling, Flash Profile and modified Flash Profile[J]. Food Research International,2018,106:892−900. doi: 10.1016/j.foodres.2018.01.062
[18] MOUSSAOUI K, VARELA P. Exploring consumer product profiling techniques and their linkage to a quantitative descriptive analysis[J]. Food Quality and Preference,2010,21:1088−1099. doi: 10.1016/j.foodqual.2010.09.005
[19] VEINAND B, GODEFROY C, ADAM C, et al. Highlight of important product characteristics for consumers. Comparison of three sensory descriptive methods performed by consumers[J]. Food Quality and Preference,2011,22:474−485. doi: 10.1016/j.foodqual.2011.02.011
[20] DELARUE J, SIEFFERMANN J M. Sensory mapping using Flash Profile. Comparison with a conventional descriptive method for the evaluation of the flavour of fruit dairy products[J]. Food Quality and Preference,2004,15:383−392. doi: 10.1016/S0950-3293(03)00085-5
[21] GALLI B, BAPTISTA D, CAVALHEIRO F, et al. Lactobacillus rhamnosus GG improves the sensorial profile of Camembert-type cheese: An approach through flash-profile and CATA[J]. LWT-Food Science and Technology,2019,107:72−78. doi: 10.1016/j.lwt.2019.02.077
[22] RASON J, LÉGER L, DUFOUR É, et al. Relations between the know-how of small-scale facilities and the sensory diversity of traditional dry sausages from the Massif Central in France[J]. European Food Research and Technology,2006,222:580−589. doi: 10.1007/s00217-005-0146-3
[23] ALBERT A, VARELA P, SALVADOR A, et al. Overcoming the issues in the sensory description of hot served food with a complex texture. Application of QDA®, Flash Profiling and Projective Mapping using panels with different degrees of training[J]. Food Quality and Preference,2011,22(5):463−473. doi: 10.1016/j.foodqual.2011.02.010
[24] DEHLHOLM C, BROCKHOFF P, MEINERT L, et al. Rapid descriptive sensory methods-Comparison of Free Multiple Sorting, Partial Napping, Napping, Flash Profiling and Conventional Profiling[J]. Food Quality and Preference,2012,26:267−277. doi: 10.1016/j.foodqual.2012.02.012
[25] RAMÍREZ-RIVERA E D J, RAMÍREZ-RIVERA J, CAMACHO-ESCOBAR M, et al. Sensory analysis of Creole turkey meat with Flash Profile method[J]. Open Journal of Animal Sciences,2012,2(1):1−10. doi: 10.4236/ojas.2012.21001
[26] TÁRREGA A, RIZO PÁRRAGA A, FISZMAN S. Sensory space of battered surimi rings: Key features determined by Flash Profiling[J]. Journal of Sensory Studies,2017,32:1−9.
[27] LORIDO L, ESTÉVEZ M, VENTANAS S. Fast and dynamic descriptive techniques (Flash Profile, Time-intensity and Temporal Dominance of Sensations) for sensory characterization of dry-cured loins[J]. Meat Science,2018,145:154−162. doi: 10.1016/j.meatsci.2018.06.028
[28] DELARUE J, LOESCHER E. Dynamics of food preferences: A case study with chewing gums[J]. Food Quality and Preference,2004,15:771−779. doi: 10.1016/j.foodqual.2003.11.005
[29] BLANCHER G, CHOLLET S, KESTELOOT R, et al. French and Vietnamese: How do they describe texture characteristics of the same food? A case study with jellies[J]. Food Quality and Preference,2007,18:560−575. doi: 10.1016/j.foodqual.2006.07.006
[30] DAIROU V, SIEFFERMANN J M. A comparison of 14 jams characterized by Conventional Profile and a quick original method, the Flash Profile[J]. Journal of Food Science,2002,67:826−834. doi: 10.1111/j.1365-2621.2002.tb10685.x
[31] BENDINI A, VALLVERDÚ-QUERALT A, VALLI E, et al. Italian and Spanish commercial tomato sauces for pasta dressing: Study of sensory and head-space profiles by Flash Profiling and SPME-GC-MS[J]. Journal of the Science of Food and Agriculture,2016,97(10):3261−3267.
[32] HE W, CHUNG H Y. Multivariate relationships among sensory, physicochemical parameters, and targeted volatile compounds in commercial red sufus (Chinese fermented soybean curd): Comparison of QDA® and Flash Profile methods[J]. Food Research International,2019,125:108548. doi: 10.1016/j.foodres.2019.108548
[33] PRICE E J, TANG R, KADRI H E, et al. Sensory analysis of honey using Flash Profile: A cross-cultural comparison of Greek and Chinese panels[J]. 2019, 34(3): e12494
[34] DUEIK V, MARZULLO C, BOUCHON P. Effect of vacuum inclusion on the quality and the sensory attributes of carrot snacks[J]. LWT-Food Science and Technology,2013,50:361−365. doi: 10.1016/j.lwt.2012.05.011
[35] LASSOUED N, DELARUE J, LAUNAY B, et al. Baked product texture: Correlations between instrumental and sensory characterization using Flash Profile[J]. Journal of Cereal Science-J CEREAL SCI,2008,48:133−143. doi: 10.1016/j.jcs.2007.08.014
[36] KING B, ARENTS P, MOREAU N. Cost/efficiency evaluation of descriptive analysis panels-I. Panel size[J]. Food Quality and Preference,1995,6:245−261. doi: 10.1016/0950-3293(95)00024-0
[37] JR M, RUTENBECK S. Sample size in consumer test and descriptive analysis[J]. Journal of Sensory Studies,2006,21:129−145. doi: 10.1111/j.1745-459X.2006.00055.x
[38] PARK H-J, KO J-M, JANG S-H, et al. Comparison of consumer perception and liking of bulgogi marinade sauces between Korea and Japan using Flash Profiling[J]. Food Science and Biotechnology,2017,26:427−434. doi: 10.1007/s10068-017-0058-6
[39] KIM Y K, VALENTIN D, KIM K O. Familiarity and liking playing a role on the perception of trained panelists: A cross-cultural study on teas[J]. Food Research International,2015,71(5):155−164.
[40] BRAGHIERI A, PIAZZOLLA N, GALGANO F, et al. Effect of preservative addition on sensory and dynamic profile of Lucanian dry-sausages as assessed by Quantitative Descriptive Analysis and temporal dominance of sensations[J]. Meat Science,2016,122:68−75.
[41] WANG H, ZHANG X, SUO H, et al. Aroma and flavor characteristics of commercial Chinese traditional bacon from different geographical regions[J]. Journal of Sensory Studies,2018,34:1−6.
[42] WANG H, CHAMBERS E, KAN J. Sensory characteristics of combinations of phenolic compounds potentially associated with smoked aroma in foods[J]. Molecules,2018,23:1867−1878. doi: 10.3390/molecules23081867
[43] JAFFE T, WANG H, CHAMBERS E. Determination of a lexicon for the sensory flavor attributes of smoked food products[J]. Journal of Sensory Studies,2017,32(3):262−271.
[44] FERREIRA E, LENCIONI C, BENASSI M, et al. Descriptive sensory analysis and acceptance of stingless bee honey[J]. Food Science and Technology International,2009,15:251−258.
[45] TOURNIER C, MARTIN C, GUICHARD E, et al. Contribution to the understanding of consumers' creaminess concept: A sensory and a verbal approach[J]. International Dairy Journal,2007,17:555−564. doi: 10.1016/j.idairyj.2006.07.003
[46] 许晓青, 苏庆宇, 王冬, 等. 多重因子分析技术在食品饮料行业感官分析中的应用[J]. 食品工业科技,2021,42(13):427−434. [XU Xiaoqing, SU Qingyu, WANG Dong, et al. Application of multiple factor analysis in sensory studies of food and beverage industry[J]. Science and Technology of Food Industry,2021,42(13):427−434. XU Xiaoqing, SU Qingyu, WANG Dong, et al. Application of multiple factor analysis in sensory studies of food and beverage industry[J]. Science and Technology of Food Industry, 2021, 42(13): 427-434.
[47] VARELA P, ARES G. Sensory profiling, the blurred line between sensory and consumer science: A review of novel methods for product characterization[J]. Food Research International,2012,48:893−908. doi: 10.1016/j.foodres.2012.06.037
[48] LESTRINGANT P, DELARUE J, HEYMANN H. Effects of adding extra samples to a product set when using descriptive analysis[J]. Food Quality and Preference,2018,66:127−140. doi: 10.1016/j.foodqual.2018.01.017
[49] 姚月华, 索化夷, 赵欣, 等. Flash Profile法和定量描述分析法对市售酸奶和巴氏杀菌酸奶感官性质的分析[J]. 食品与发酵工业,2018,44(12):237−244. [YAO Yuehua, SUO Huayi, ZHAO Xin, et al. Analysis of sensory properties of commercially available yogurt and pasteurized yogurt by Flash Profile and Quantitative Descriptive Analysis[J]. Food and Fermentation Industries,2018,44(12):237−244. YAO Yuehua, SUO Huayi, ZHAO Xin, et al. Analysis of sensory properties of commercially available yogurt and pasteurized yogurt by Flash Profile and Quantitative Descriptive Analysis[J]. Food and Fermentation Industries , 2018, 044(12): 237-244.
[50] MAYHEW E, SCHMIDT S, LEE S-Y. Napping-Ultra Flash Profile as a tool for category identification and subsequent model system formulation of caramel corn products[J]. Journal of Food Science,2016,81(7):S1782−1790. doi: 10.1111/1750-3841.13338
[51] GONZÁLEZ-MOHINO A, ANTEQUERA T, PÉREZ-PALACIOS T, et al. Napping combined with Ultra-Flash Profile (UFP) methodology for sensory assessment of cod and pork subjected to different cooking methods and conditions[J]. European Food Research and Technology,2019,245(10):2221−2231. doi: 10.1007/s00217-019-03309-w
[52] DOS SANTOS B, POLLONIO M, MESSIAS V, et al. Ultra-Flash Profile and Projective Mapping for describing sensory attributes of prebiotic mortadellas[J]. Food Research International,2013,54(2):1705−1711. doi: 10.1016/j.foodres.2013.09.022
[53] 田欣, 张会宁, 祁新春, 等. 快速感官分析技术在葡萄酒香气感官分析中的应用[J]. 食品与发酵工业,2019,45(21):215−220. [TIAN Xin, ZHANG Huining, QI Xinchun, et al. Application of rapid sensory analysis techniques in wine aroma sensory analysis[J]. Food and Fermentation Industries,2019,45(21):215−220. TIAN Xin, ZHANG Huining, QI Xinchun, et al. Application of rapid sensory analysis techniques in wine aroma sensory analysis[J]. Food and Fermentation Industries, 2019, 045(21): 215-220.
[54] JAROS D, THAMKE I, RADDATZ H, et al. Single-cultivar cloudy juice made from table apples: An attempt to identify the driving force for sensory preference[J]. European Food Research and Technology,2009,229:51−61. doi: 10.1007/s00217-009-1025-0
[55] 朱雨萱, 问亚琴, 许晓青, 等. 感官词典建立方法及食品中应用研究进展[J]. 食品工业科技, 2021: 1−16 [2021-07-15]. https://doi.org/10.13386/j.issn1002-0306.2021020138. ZHU Y X, WEN Y Q, XU X Q, et al. Research progress of sensory lexicon building method and applications in food[J]. Science and Technology of Food Industry: 1−16 [2021-07-15]. https://doi.org/10.13386/j.issn1002-0306.2021020138.
-
期刊类型引用(5)
1. 王海东，张涵，周泓妍，史佳琳，石雨欣，衣春光，张红印，严铭铭. 响应面法优化五味子蛋白肽的制备工艺及其体外抗氧化活性. 食品工业科技. 2024(19): 166-176 . 
本站查看
2. 周雅情，王莹，王昱沣. 牛排菇多肽的酶解工艺优化. 食品研究与开发. 2023(14): 169-174 . 百度学术
3. 廖慧琦，曹少谦，杨华，戚向阳. 鲐鱼免疫活性肽的酶解工艺优化. 食品工业科技. 2022(14): 163-170 . 本站查看
4. 赵嘉妮，陈宏，翁凌，刘光明，林家仕，曹敏杰. 食源性DPP-IV抑制肽降血糖作用机制研究进展. 食品工业科技. 2021(23): 447-454 . 本站查看
5. 石月，王金厢，李学鹏，励建荣，李婷婷，郭晓华，黄建联，丁浩宸. 鱼骨泥酶解工艺优化及酶解液呈味特性研究. 食品工业科技. 2021(23): 218-227 . 本站查看
其他类型引用(4)
下载:
计量
- 文章访问数: 370
- HTML全文浏览量: 156
- PDF下载量: 37
- 被引次数: 9
