雷竞技电竞
服务号

【知识分享】感官评价中常用的实验设计方法

放大字体  缩小字体 发布日期:2024-07-31  来源:感官科学与评定
核心提示:感官评价是基于人的感觉测量,易产生误差。应强调科学的实验设计以最大限度地减小或控制误差,提高检验效率。感官评价中常用的实
感官评价是基于人的感觉测量,易产生误差。应强调科学的实验设计以最大限度地减小或控制误差,提高检验效率。感官评价中常用的实验设计方法有完全随机设计、随机完全区组设计、平衡不完全区组设计、裂区设计和拉丁方设计等。
 
01.完全随机设计
 
完全随机设计是只考虑单一因素对实验结果影响的实验设计方法。适用于实验中只有一种待测产品,或者评价员不能同时评价多种产品的情况,如评价某种样品会影响评价员对下一个产品的评价,或评价完所有样品需要耗费大量时间等。该设计中每个评价员只评价一种样品,未考虑评价员的差异对实验结果造成的影响,分析多种样品时需组织大量评价员。完全随机设计实验得到的数据形式一般如表2-1所示。
 
 
当研究因素的水平大于两种时,采用随机完全实验设计获得的标度值数据可采用方差分析方法进行分析。由于随机完全实验只考虑样品对实验结果的影响,因此采用单因素方差分析方法。
 
02.随机完全区组设计
 
随机完全区组设计是考虑评价员间差异和样品间差异这两个因素对实验结果影响的实验设计。此方法要求评价员评价所有样品,其提供给每位评价员的样品顺序是随机的,从而尽可能减小由于样品提供顺序而引入的误差。当评价样品数量较少,评价员即使评价完所有样品也不会引起感官疲劳,即可采用该法。
 
如果确定所有评价员在评价样品时表现非常稳定,但不同的评价员可能会使用标尺的不同部分进行打分时,随机完全区组设计是非常有效的。随机完全区组设计实验得到的数据形式一般如表2-2所示。
 
 
由于既考虑了样品对实验结果的影响,又考虑了评价员的影响,因此若使用标度法对样品进行评分,获得的数据应采用双因素方差分析。
 
03.平衡不完全区组设计
 
平衡不完全区组设计常用于样品数量太多容易引起感官疲劳的情况。设计中,每个评价员只评价部分样品,但要求实验完成后每一对样品出现的次数相同,以及每个样品被评价的次数也相同,从而使整个实验达到平衡。在平衡不完全区组设计实验中区组出现顺序是随机的,且组内提供样品的顺序也是随机的。平衡不完全区组设计中的一些参数如下:
 
t: 测试样品数;
 
K: 实验中每个评价员评价的样品数;
 
n: 评价员人数;
 
r: 每个样品被评价的次数;
 
λ: 每个样品对出现的次数;
 
p: 实验重复次数。
 
要使平衡不完全区组设计实验达到平衡,则参数需要满足下列条件:nk=tr,r(k-1)=λ(t-1),各参数必须是整数。例如,有6个样品,10个评价员,每个评价员只评价其中的3个样品,每个样品总共被评价5次,样品对出现次数为2。则该条件下平衡不完全区组设计的数据形式如表2-3所示。
 
 
一般来说,可将平衡不完全区组设计实验重复几次,以获得足够多的评价结果,从而提高实验精度。使用标度法的平衡不完全区组设计实验结果可采用方差分析来进行数据分析。
 
 
04.裂区设计
 
裂区设计用于分析多组不同的评价小组在评价相同样品集时的差异,也就是在分析样品间差异的同时也进行评价小组间差异分析。此设计要求每位评价员评价所有样品,得到的样品组顺序是随机的,且组内产品的提供顺序也随机。裂区设计实验的数据形式如表2-4所示,数据分析采用方差分析。
 
 
05.拉丁方设计
 
如果感官分析实验中除样品因素外,还有一种来源的误差会对实验结果产生影响,如评价员之间的差异,则可以使用随机完全区组设计和平衡不完全区组设计。如果还有其他两个已知的因素也会对感官实验结果产生影响,如一个实验需要分几个阶段来完成,评价员的评价结果会随实验阶段不同而不同,不同的评价顺序得到的结果也会不同,这种情况下就可以采用拉丁方设计。拉丁方设计可在控制其他已知因素对实验影响的情况下精确地判定出样品间的差异。
 
拉丁方设计表格要求在每行及每列中所有样品只出现一次,行和列分别代表除样品外在实验中需要控制的两个因素,因素的水平数应与样品数相等。拉丁方设计数据形式举例如表2-5所示。
 
 
在实验中可以把基本拉丁方设计重复多次,以收集较多实验结果,增加实验精度。采用拉丁方设计时,试验样品不能太多。拉丁方设计实验数据分析可采用有交互作用的双因素方差分析方法。 
编辑:songjiajie2010

 
分享:
关键词: 感官
[ 网刊订阅 ]  [ 检验技术搜索 ]  [ ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ] [ 返回顶部 ]
 

 
 
推荐图文
推荐检验技术
点击排行
检验技术
 
 
Processed in 0.094 second(s), 16 queries, Memory 0.9 M
Baidu
map