一种鸡肉品质感官评价模型的构建方法及应用

1.本发明涉及肉类品质评价领域，更具体地，涉及一种鸡肉品质感官评价模型的构建方法及应用。


背景技术：

2.食用鸡的鸡肉品质受多种条件影响，包括日龄、饲养模式、性别等，基于不同培养条件获得的鸡肉，其品质也表现为较为显著的不同。以清远鸡为例，不同生长阶段即不同日龄下，清远鸡在风味感官以及质地等方面均表现有较明显的差异，如稚鸡肉嫩、老鸡口感醇厚等。在此基础上，获取鸡肉的品质对鸡肉市场的发展显得至关重要，从养殖侧考虑，养殖户在能获得鸡肉品质的基础上，其能进一步对各种条件进行改进，从而培养获得符合现代人群实际品质需求的鸡肉；从消费侧和监管侧考虑，获取鸡肉品质有助于及时对市售的鸡肉做出评价，以便筛选符合需求品质的鸡肉、完善鸡肉的质量管理、品质评价体系。所以，提供一种能获取鸡肉品质的方法对引导消费、促进鸡肉市场发展、促进鸡肉品质提高等都具有重要意义。
3.目前，常见的获取鸡肉品质的方法包括理化特性检测，理化特性检测是通过检测鸡肉的多项理化特性指标而鉴定鸡肉品质，虽然该方法能够通过量化各物质实现鸡肉的检测，但该类方法过于机械，实际上缺乏在鸡肉的面向对象上的考虑。基于现有技术对鸡肉品质的理化评价过程，容易导致养殖者盲目的改变养殖条件，而未从消费侧以及其感官角度考虑，影响养殖过程中对食用者需求品质的提高。
4.虽然，现有技术中也存在应用于肉类中的感官评价，但其存在较大缺陷，如：用与鸡肉具有显著不同的红肉评价方法进行鸡肉感官评价，忽略了种类不同而带来的区别，准确性难以保障。且包括上述方式的现有评价方式还存在其他缺陷，如：评价指标中，不同指标间存在单一重复，无法独立反映鸡肉品质不同角度的信息；无明确的数字权重，往往无法系统地对最终鸡肉品质做出定性判断，导致鸡肉品质评价结果参差不齐等等。
5.因此，现有技术中亟需一种能准确或反映鸡肉品质的鸡肉品质感官评价模型，从感官层次评价以便于获取符合感官需求的高品质鸡肉，且方便与其他维度配合形成更为综合的评价方式，利于构建完善的鸡肉质量评价、品质评价体系。


技术实现要素：

6.本发明旨在克服上述现有技术的至少一种不足，提供一种鸡肉感官评价模型的构建方法及应用，通过所述鸡肉感官评价模型的构建方法能构建从感官层面获取鸡肉食用品质的评价模型，通过模型能较为准确的获得鸡肉的食用品质，解决现有技术中鸡肉品质评价结果参差不齐的问题，有助于养殖过程中针对性培养以获得带来好的食用体验的鸡肉，使无论是养殖者还是消费者都能得到其所需食用品质的鸡，提供鸡肉食用维度的考虑，从而使最终鸡肉评价结果也符合实际食用者感官需求；其应用于鸡肉品质评价中，有助于基于该评价模型构建完善的鸡肉质量评价体系，对消费市场做出科学指引，使鸡肉的供应过
程产业化以及产业化的扩大。
7.本发明采取的技术方案是，一种鸡肉品质感官评价模型的构建方法，包括以下步骤：s1、建立多项反映鸡肉感官属性的鸡肉感官指标及感官指标评分体系；s2、对条件不同的多个组别鸡进行感官指标的评分，并筛选随条件变化而差异显著的感官指标作为主要感官指标；s3、基于步骤s2中的评分对主要感官指标进行主成分分析，确认主成分并筛选主成分下基本反映对应主成分整体所代表感官属性的指标作为感官核心因子指标，将感官核心因子指标用于建立感官评价模型；s4、利用层次分析法进行感官核心因子指标的权重分配，并获得用于反映鸡肉食用品质的感官评价模型，且感官评价模型为：鸡肉感官综合评价分值＝各项感官核心因子指标分值加权之和。在本发明的一个实施例中，条件变化为日龄变化，基于不同日龄食用鸡的鸡肉构建感官评价模型，有助于养殖过程中控制鸡的出栏时间以获得带来好的食用品质的鸡肉。
8.通过标准方法筛选专业感官人员，通过专业感官人员结合标准方法建立新的反映鸡肉感官属性的描述语，和/或采用现有技术已有的描述语，并给予描述语明确定义、强度参比，从而以描述语作为相应的鸡肉感官指标，建立有感官指标评分体系。在建立鸡肉感官指标及感官指标评分体系后，利用专业感官人员进行不同条件下各项鸡肉感官指标的评分，并筛选其中随条件变化而差异显著的感官指标作为主要感官指标，因为该类感官指标在不同条件下的变化，综合形成了对应的在不同条件下表现的最终感官评价分值。然而，当主要感官指标过多时显然会使得分析过程及最后建立的模型更加繁琐，也不利于应用在鸡肉品质评价中，因此，进一步通过主成分分析和因子载荷分析筛选出感官核心因子指标，该类感官核心因子指标能涵盖所有主要感官指标的绝大部分信息，通过感官核心因子指标能简化分析，增加结果精度。在获得感官核心因子指标后，依据感官核心因子对感官方面评价指标的影响程度而分配权重，进而获得最终的鸡肉品质感官评价模型。进一步地，因感官评价模型面向对象为人，所以本申请中综合感官评价人员评判的各项感官核心因子指标在反应鸡肉感官属性的重要程度，进行比较、构建判断矩阵并计算获得各项感官核心因子指标的权重。
9.进一步地，步骤s3中基于步骤s2中的评分对主要感官指标进行pca聚类，基于已有评分和pca聚类预测数据以分析不同日龄下的不同主成分累计方差贡献率、累计预测方差贡献率，综合累计方差贡献率、累计预测方差贡献率确认主成分。因为累计方差贡献率能反映该成分所能代表的信息，而累积预测方差贡献率则能反映其预测程度的高低，因此，通过该方式并遵循设定的阈值以确认主成分数量以及主成分。
10.进一步地，确认主成分后通过因子荷载分析和变异系数筛选获得作为主成分下主因子的指标，并将该指标作为感官核心因子指标。因子载荷大小反映了其在主成分中的重要程度，因此，需依据因子荷载分析结果进行筛选。且变异系数则能反映感官核心因子指标随影响因素变化是否在指标之间具有明显差异。结合上述筛选过程，则能获得主成分下代表因子。
11.进一步地，步骤s4中对筛选的感官核心因子指标基于一致矩阵法构建层次分析判断矩阵并计算获得各项感官核心因子指标权重，各项感官核心因子指标分值加权之和即为反映鸡肉食用品质的鸡肉感官综合评价分值。即以感官核心因子作为感官评价的下层元素，通过层次分析法、建立判断矩阵则能获取其影响感官评价结果的程度，即分配相应的权
重。
12.进一步地，基于各项感官核心因子指标反映鸡肉感官属性的重要程度利用一致矩阵法、1～9比例标度法构建层次分析判断矩阵，并经方根法、归一化处理获得各项感官核心因子指标权重。
13.进一步地，在步骤s4进行权重分配后还进行一致性检验，所述一致性检验通过一致性指标ci、随机一致性指标ri以及一致性比例cr实现；一致性指标其中，n为判断矩阵的阶数，λ
max
为判断矩阵最大特征值；为了度量不同阶数判断矩阵是否具有满意的一致性，还需要引入判断矩阵的随机一致性指标ri值，对于5～15阶判断矩阵，其ri值如下表所示：一致性比例cr＝ci/ri，当cr＜0.1时，即认为矩阵具有满意的一致性，否则需要对判断矩阵进行调整，并使之具有满意的一致性。
14.进一步地，步骤s4获得感官模型后进行模型验证：对不同条件鸡肉样品进行实际品质评分，同时使用感官评价模型对与实际品质评分同样的样本计算获得模型评分结果，将模型评分结果与实际使用品质评分进行线性拟合，通过判断拟合优度以验证模型的准确性。
15.进一步地，步骤s2中通过对不同日龄组别之间鸡肉感官指标评分进行方差分析以确定随日龄变化而评分发生显著差异的感官指标。
16.进一步地，步骤s1或s2中对感官指标进行皮尔逊相关性验证，配合筛选随日龄变化而差异显著的感官指标过程以确认主要感官指标。
17.进一步地，通过有监督分类模型opls
‑
da判别分析对经皮尔逊相关性验证具有显著相关性感官指标进行判别分析，配合筛选随日龄变化而差异显著的感官指标过程以确认主要感官指标。进一步地，通过对不同条件鸡肉感官数据进行两两对比，生成s
‑
plot图、vip图，筛选vip>1、p(corr)>0.5的指标。
18.进一步地，还通过绘制感官指标雷达图验证主要感官指标的筛选，有助于直观展示各指标之间的差别。
19.本发明的另一目的在于提供一种鸡肉品质感官评价模型，由上述一种鸡肉品质感官评价模型的构建方法所构建。通过上述构建方法获得的鸡肉品质感官评价模型能够从感官维度进行鸡肉品质评价，能在鸡肉实际面向对象的角度上进行考虑，以便获取符合现代人群实际需求的鸡肉品质，也便于作为更多层次维度评价模型的下层结构，促进综合评价模型的形成。
20.本发明的再一目的在于提供上述一种鸡肉品质感官评价模型在鸡肉食用品质评价体系中的应用，以便完善鸡肉质量管理、鸡肉品质评价体系。
21.与现有技术相比，本发明的有益效果为：从感官层面考虑而建立鸡肉品质评价模型，更能获取符合实际需求的鸡肉品质，实用性更高。且通过包括主成分分析、因子荷载分析等系统的数据处理过程进行分析，能够在保证准确性的同时简化分析过程，也尽量减少
了主观因素的影响，使获取的结果客观化。基于该数据处理过程，还能使得模型中的各项指标均能独立的反映鸡肉品质不同角度的信息，使感官评价结果更加全面。更通过赋予各项指标权重，实现鸡肉品质的定性判断，使得评价具有可重复性，相对于现有技术提高了评价的准确度与系统性。且当本申请鸡肉品质综合评价模型应用于鸡肉质量管理、品质评价体系中时，有助于获得有上好口感的优质鸡肉，使养殖侧基于优秀鸡肉品质对应的条件实现针对性养殖，从而促进市场鸡肉品质的发展优化。
附图说明
22.图1为实施例不同日龄感官分析轮廓雷达图。
23.图2为实施例不同日龄清远鸡感官属性pca图。
24.图3为实施例不同日龄清远鸡品质感官剖面评价模型验证。
具体实施方式
实施例
25.一、试验动物准备
26.以温氏食品集团股份有限公司统一标准养殖的清远母鸡为试验动物，试验周期360天。各组试验鸡均按温氏集团股份有限公司编制的《肉鸡饲养管理手册》统一饲养管理，试验过程中肉鸡自由采食、自由饮水，白天采用自然光照，晚上19:00至凌晨7:00采用led灯光照且光照强度为10lx。开放式鸡舍养殖，除小鸡阶段采用红外灯保温外，中、大鸡阶段无相应的温度控制措施。清远鸡梯度养殖至规定的日临界点，进行屠宰净膛。日龄依次为80日龄、100日龄、120日龄、140日龄、160日龄、200日龄，每日龄组各12只，体重为1.5
‑
2.0kg。新鲜屠宰鸡运至实验室立刻进行处理和感官评价过程。
27.二、感官鸡肉样本准备
28.样本分为鸡肉、鸡汤两部分，以用于进行质地、风味、滋味的感官评定；其中，关于鸡肉部分，参考db46/t202
‑
2011琼菜白切文昌鸡、ny/t330
‑
1997肉用仔鸡加工技术规程中鸡肉的加工方法以及广东省经典白切鸡烹饪方法制成白切鸡，并使用小号手柄手术刀沿龙骨脊和胸骨至肩带肌部位完整剔下两块鸡大胸肉，后用于肉质感官分析；关于鸡汤部分，将样本去头去爪并斩断为3.5*6.5*2.5cm左右的块状，然后以水：肉质量比为1:1.5的比例加入烹具中，沸水后电磁炉1200w加热15min制成鸡汤，后用于感官滋味风味特性分析评价。然后，每组评价样品按照相同的大小和量，包括汤与肉装进标有随机编码三位数的白色容器中，容器按随机顺序摆放，依次呈送给经下述过程筛选的感官评价人员，进行感官检验。
29.三、感官评价人员筛选
30.通过基本信息问卷调查筛选出涵盖不同年龄阶段以及性别的50名以上储备人员，基本信息包括清远鸡食用经验、食用频率、对清远鸡的了解程度，然后按照国标gb/t16291.1
‑
2012《感官分析选拔、培训与管理评价员一般导则》对储备人员进行基本感官能力考核筛选，考核方法参照国标gb/t 12311
‑
2012《感官分析方法三点检验》以及gb/t 12315
‑
2008《感官分析方法学排序法》进行。对二次筛选所得人员提供真实鸡肉样品进行属性描述，检验评价人员针对鸡肉样本是否能够进行较为专业细致描述。综合以上三次考核结果，筛选获得多名感官评价人员，形成感官评价小组。
31.四、感官描述词库建立
32.参照现有研究对筛选出的感官评价人员使用真实的清远鸡样本进行反复培训(>150h)，使其熟悉样本属性。根据gb/t 10221
‑
2012《感官分析术语》筛选准则，以现有技术对禽类的感官描述分析实验内容为基础，结合评价员自身的感受从而生成新的描述词汇用以全面地描述清远鸡的外观、香气、风味、质地等感官属性。并对描述词汇进行统计和计算分析，以初步确定用于描述的术语，统计和计算分析过程参见gb/t 16861
‑
1997《感官分析通用多元分析方法鉴定和选择用于建立感官剖面的描述词》进行，包括使用公式进行计算，其中f：描述词实际被述及的次数占该描述词所有可能被述及总次数的百分；i：评价小组实际给出的一个描述词的强度和占该描述词最大可能所得强度的百分率；m值通常反映感官评价剖面描述词出现频率和感受强度，其值越大，对感官品质的贡献越大。
33.应用于本实施例中，通过包括6名男性以及4名女性的、年龄在18
‑
50之间的10名感官评价人员进行150h的圆桌讨论与培训，初步确定了19个描述词用以描述鸡肉不同方面的感官特性，并进行上述描述词的m值计算，结果如下表1所示。
34.表1感官描述词m值表1感官描述词m值
35.由表1可得，鸡味、嚼劲、汤色澄清度、汤香度、肉汁感、油色、油层厚度、清甜值、鸡腥味、异味值10个指标m值大于50％，现有研究表明m值是反映感官评价剖面描述词出现频
率和感受强度的关键数据，其值越大对产品感官品质的贡献越大，当m值大于50％的词汇可作为关键感官分析术语。因此，鸡味、嚼劲、汤色澄清度、汤香度、肉汁感、油色、油层厚度、清甜值、鸡腥味、异味值10个指标从感官评价人员使用频率以及感受强度上均优于其他的描述词，可作为清远鸡感官分析的分析术语。
36.为保证所有描述指标可独立的反映清远鸡某一感官属性，避免指标之间存在共线性的问题，进一步对10术语进行皮尔逊相关分析考量各指标间互作关系。相关性分析结果如表2所示，显示55个相关系数中α＝0.05水平上只有1个相关性，其余指标之间均无显著相关性，表明感官评价小组生成的10个评价术语之间不存在冗余重复现象，10个术语代表清远鸡不同方面的感官性状，保证了感官分析的整体性和全面性，可以用作不同日龄清远鸡感官分析，确定为最终感官描述术语。术语分别从肉质、滋味、以及风味三个方面反映了清远鸡主要的感官属性，其中，鸡味、嚼劲、汤香度、肉汁感、清甜值5个指标被评价人员认定为正向指标，油色、油层厚度、汤澄清度3个为中性指标，鸡腥味、异味值为负向指标。
37.表2词汇相关性分析表2词汇相关性分析
38.为使评价小组利用清远鸡专有描述词汇对属性强度做出客观准确量化，将最终确定的术语作全体评价员一致性讨论，分别给予每个描述词明确的定义以便执行重复操作，同时针对不同属性的描述词给予强度参比，参比主要采取鸡肉实物形式或选取质地相近的其他物品模拟进行替代，或者以更加直观的方式表现，如不同颜色的参比样可以运用比色卡或实物照片的形式，不同厚度的参比样可以采取数字进行度量。应用于本实施例中，评价小组通过圆桌讨论以及实际样品强度感受为10个感官术语分别赋予了明确的定义与评分参比，参比等级分为高、中、低、无四个等级，并使用9点标尺进行量化，如表3所示。
39.表3感官词汇属性说明
40.五、不同日龄清远鸡感官剖面分析
41.1、白切鸡感官剖面评价
42.为了探究清远鸡多个感官属性受日龄影响而产生的变化，以便于在感官食用品质层面对日龄不同的清远鸡品质做出判断，进行感官剖面分析。首先，基于上述建立的描述词及评分标准，使专业评价小组对80、100、120、140、160、200日龄清远鸡同时进行感官评分和方差分析，6个日龄下评价小组评分结果显示相同日龄下10感官人员对于每项感官指标的评价结果基本一致，无显著性差异，表明了感官数据的稳定性，对应的感官属性作为该日龄下清远鸡的一致感官属性而存在。6个日龄组间油色、油层厚度、汤色澄清度、汤香度、清甜值、嚼劲、鸡味、肉汁感8个属性随日龄变化差异显著，鸡腥味、异味值随日龄变化无显著性变化(p<0.05)，因此推测日龄对清远鸡油色、油层厚度、汤色澄清度、汤香度、清甜值、嚼劲、鸡味、肉汁感强度影响明显，鸡腥味、异味值不受日龄变化影响。
43.表4感官指标描述方差分析(n＝10)
44.为进一步直观对比日龄变化下清远鸡整体感官属性变化趋势，根据10个评价人员均值评分结果绘制清远鸡感官属性轮廓雷达图(如图1所示；其中，*表示检验水平p＝0.05，**表示检验水平p＝0.01)。据图1分析，80、100、120、140、160、200，6个不同日龄清远鸡感官轮廓总体相似，鸡腥味，异味值感官得分较其他指标均较低，总体在0
‑
2分之间变化；鸡味、咀嚼性、汤色澄清度、汤香度、肉汁感、油层厚度、清甜值感官得分较高总体在3
‑
7分之间随日龄变化，且随日龄增长各项得分逐渐增大。其中鸡味、咀嚼性、油层厚度、汤香度在p＝0.01检验水平时增加显著，肉汁感在p＝0.05水平增加显著，而鸡腥味、异味值随日龄增加无显著性变化，因而考虑将鸡味、咀嚼性、油层厚度、汤香度作为反映清远鸡日龄的主要感官属性特征。
45.2、建立基于白切鸡感官评价的品质评价模型
46.(1)感官核心因子指标筛选
47.感官剖面的特征是评价不同日龄清远鸡食用品质的重要指标，可以直接反映清远鸡食用特性，为使基于不同日龄清远鸡的品质感官评价模型更加准确地反映日龄清远鸡品质之间的差异，需基于上述不同日龄感官剖面分析结果对所得感官属性进行筛选。本实施例拟对上述所得不同日龄清远鸡感官剖面分析结果进行pca聚类分析以及因子荷载分析，筛选出随日龄变化主要贡献主成分及其特征感官因子。且筛选过程中利用有下述矩阵变换处理以获得特征感官因子，p
t
(a
t
a)p＝p
‑1(a
t
a)p＝λ；其中，a为样本矩阵，
a矩阵中行向量代表样本，列向量代表特征，所以其矩阵含义为m个具有n个特征的样本值。上述矩阵变换处理过程代表：a矩阵经过线性变化得到a的特征向量矩阵λ；λ为a的特征值组成的对角阵，p为相应的的特征向量组，特征值对应的特征向量就是理想中想取得正确的坐标轴，而特征值就等于数据在旋转之后的坐标上对应维度上的方差。用特征值来描述对应特征向量方向上包含的信息量，而某一特征值除以所有特征值的和的值就为：该特征向量的方差贡献率(方差贡献率代表了该维度下蕴含的信息量的比例)。
48.具体的，应用于本实施例中，先基于上述不同日龄感官剖面分析结果，采用simca 14.0对6个日龄下有显著性变化的8个主要感官指标进行主成分及pca聚类分析(聚类结果如图2所示)。据图2可知，6个不同日龄的清远鸡通过感官分析可以被明显区分，且不同主要感官指标代表了日龄变化间的差异。
49.针对图2pca聚类结果分析不同主成分贡献率(结果如表5所示)，结果显示所示随着主成分的增加，pca模型对6个不同日龄所有感官数据累计解释贡献率增加，模型数据累计预测贡献率先增后减。且当主成分为3时感官数据累计解释贡献率为91.4％，累计预测贡献最大为71.0％。结合现有研究表明的：当特征贡献大于70％时该模型下的主成分已能够较全面的反映出原有评价指标的绝大部分信息，模型预测程度高；因此，初步选用前3个主成分下的特征感官属性以用于后续感官评价模型建立。其中第一主成分代表了8个感官变量总方差的76.6％，是起决定作用的主成分；第二主成分方差贡献率为8.9％，解释了全部感官特性的8.9％的数据信息，第三主成分方差贡献率为6％，代表了全部感官特性6％的信息。
50.表5主成分贡献率
51.将所提取的主成分用于simica 14.0中pca模型中通过上述提及的矩阵变换处理提取特征因子，目的在于使得一个变量在较少的几个因子上有较高的载荷，因为载荷值的大小反映了各变量在主成分中的重要程度，通过该处理过程有助于获取主成分下代表相应主成分的代表因子；处理结果如表6所示。现有研究表明荷载系数p(corr)越大，代表指标与日龄之间的偏相关程度越高，越能代表该主成分下的主要贡献因子，因而选择p(corr)越靠近1的因子作为该主成分下的代表因子。因此，经过筛选，第一主成分主要代表因子有：油层厚度、汤色澄清度、汤香度、清甜值、鸡味。第二主成分代表因子为肉汁感；第三主成分代表因子为嚼劲。同时，遵循用较少的品质指标来代表全部指标的绝大部分信息、不同影响因素下的同一指标间要具有一定的变异系数两个原则进行进一步的筛选。三个主成分下代表因子油层厚度、汤色澄清、汤香度、清甜值、鸡味、肉汁感、嚼劲的变异系数依次为0.370720、0.320102、0.269414、0.169815、0.300013、0.260633、0.334308，因此，依据上述筛选原则，
最终选择油层厚度、汤色澄清度、汤香度、鸡味以及嚼劲作为反映日龄差异下的特征感官指标，即感官核心因子指标，用于建立感官评价模型。
52.表6主成分因子贡献表
53.(2)指标权重分配
54.对感官核心因子指标运用层次分析分别计算各自权重；具体过程包括：将筛选出的核心指标两两进行比较，运用1
‑
9标度的方法(筛选标准如表7所示)建立判断矩阵a。
55.表7判断矩阵筛选标准
56.其中，判断矩阵a(正交矩阵)中a
ij
表示第i个因素相对于第j个因素的比较结果；根据判断矩阵将其各行向量进行几何平均(方根法)，然后进行归一化，即得到各感官核心因子指标权重w
i
和特征向量w，且和特征向量w，且同时，为保证判断思维的逻辑一致性，还需对判断矩阵进行一致性检验。且一致性检验通过计算判断矩阵最大特征值λ
max
、一致性指标ci(consistency index)、随机一致性指标ri(random index)和一致性比例cr(consistency ratio)实现，具体的，
cr＝ci/ri，其中cr可根据表8随机一致性ri进行查询。一般情况下，当cr＜0.1时，即认为矩阵具有满意的一致性，否则需要对判断矩阵进行调整。具体的，本实施例中利用dsp数据处理系统进行层次分析计算。
57.表8随机一致性ri表格
58.从评价小组评判的感官核心因子指标影响感官品质的重要程度角度出发，利用1
‑
9比例标度法建立5个感官核心因子指标的层次分析判断矩阵(如表9所示)，从而获取感官核心因子指标权重。
59.表9感官核心因子判断矩阵
60.对表9判断矩阵进行计算，所得5个核心感官指标的判断矩阵计算结果权重如表10所示。
61.表10感官核心因子ahp判断矩阵计算结果
62.为了检验判别矩阵得到的各核心评价指标权重的合理性，将所得结果进行一致性检验，当n＝5时，ri＝1.12，判断矩阵λ
max
＝5.139，最终cr＝0.035<0.1，表明判断矩阵具有较好的满意一致性，因此可将权重分配用于不同日龄清远鸡品质感官评价模型中，所得评分模型为：y＝0.27954*嚼劲+0.27954*鸡味+0.11834*汤色澄清度+0.08591*油层厚度+0.23668*汤香度。
63.依据所得感官评分模型可将不同日龄下感官核心指标剖面分析结果带入模型进行计算并对品质排名(如表11所示)，由表11可知排名与日龄长短成正相关，日龄越长由感官剖面评价模型计算分值越高，其中200日龄清远鸡计算得分最高品质最好，80日龄清远鸡计算得分最低，品质最差。
64.表11日龄感官剖面分析结果及模型计算品质排名1日龄感官剖面分析结果及模型计算品质排名
65.(3)验证基于白切鸡感官评价的品质模型
66.在获得模型后，还需验证模型的准确性和实用性，本申请拟参照常玉梅(2013)对于消费者接受度检验标尺研究的方法，采用15分制对日龄清远鸡整体品质可接受度进行实际感官评分，评分标准见表12。然后将模型计算所得品质评价结果与实际整体评价结果进行线性拟合(采用origin 9.1pro进行线性拟合分析)，通过拟合优度(r2)的高低判断模型的预期值和现实所得的实际值的差距，从而说明模型的合理性与有效性；r2最大值为1，r2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，r2的值越小，说明回归直线对观测值的拟合程度越差。
67.表12清远鸡整体
‑
可接受度评价标准注：x为整体接受评分
68.应用于本实施例中，为了验证模型的准确性和实用性，清远鸡专业感官评价员对6个日龄清远鸡进行“合理—满意度”综合评价打分得到每个日龄清远鸡整体实际品质评分(结果如表13所示)。
69.表13不同日龄清远鸡“合理—满意度”品质评分
70.然后，以感官评价模型计算得分为横坐标，合理
‑
满意程度评价得分为纵坐标，利用线性回归分析方法对不同日龄清远鸡品质感官剖面评价模型进行验证。图3为模型验证曲线，通过拟合得到公式y＝3.016*x
‑
8.922(r2＝0.907)，其拟合系数大于0.8，说明两者之间拟合程度高，且所有评价得分点均落在在95％的置信区间内，证明此评价模型与实际品质结果一致，说明此感官评价模型较为准确的反映不同日龄下清远真实品质高低，通过评价，两者结果均显示200日龄清远鸡品质在6个日龄中最佳，80日龄清远鸡品质在6个日龄中最差。
71.显然，本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例，而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。