引言

随着生活水平提高和健康意识增强，人们对健康饮食的关注与需求渐长。为保持身材，人们从调节饮食入手，故而需开发一款既能满足食欲、有益瘦身又能提供人体必需营养的咖啡产品。奇亚籽可单独或与其他食物掺和食用，营养丰富，含大量膳食纤维，能提供能量，有控制血糖、促进排便、减肥等功效。奇亚籽咖啡奶风味独特、可辅助消化，能替代奶茶，适合减脂人群，可满足消费者需求，有研究价值。

在咖啡风味物质研究上，周斌等用气相色谱—质谱法分析不同产地咖啡豆，得出76种挥发性成分，发现各地咖啡风味物质有差异，但挥发性香气成分基本相似。咖啡香气和滋味由挥发性物质与滋味成分决定，挥发性物质含酚类、醛类等，羟基苯甲酸及其衍生物等对香气重要，滋味主要由咖啡因等决定。咖啡加工方法影响风味形成，曾凡逵指出咖啡风味与品种、产地等有关，不同加工方法影响挥发性物质和滋味成分。此外，奇亚籽营养丰富，含蛋白质、膳食纤维等，不饱和脂肪酸有益心血管健康，抗氧化物质可保护细胞，可作功能性食品，还为儿童产品酚类化合物研究提供新信息。近年来，奇亚籽开发受关注，研究人员开发出粉、油、饮料等产品，有降低血糖等保健功效，荣旭等发现其在营养保健品领域有潜在价值，李晓娇等指出可用于保健食品开发。蔡瑞玲确定了咖啡豆乳最佳配方和技术条件，马荣琨等研究出奇亚籽希腊式酸奶最佳配方和工艺，添加奇亚籽粉可提升口感和营养价值，制成的酸奶有抗氧化功能。林嘉慧等表明，咖啡提神，牛奶营养高，二者结合营养价值高。

综上所述，奇亚籽咖啡奶作为新兴健康饮品，结合奇亚籽与咖啡的营养和美味，市场前景广阔、发展潜力大。通过构建各产地咖啡电子感官指纹数据库，研究其风味特点，开展奇亚籽咖啡奶研发，结合人工感官评价与电子感官分析方法，探索最佳配方。

1 材料与方法

1.1 实验材料与仪器

1.1.1 实验材料

奇亚籽：涞水县金谷粮油食品有限公司。牛奶：北京三元食品股份有限公司。咖啡豆：3大产区5种不同产地咖啡豆（非洲：埃塞俄比亚、肯尼亚；亚洲：云南、印度尼西亚；美洲：哥斯达黎加）。

1.1.2 实验仪器

电子鼻Fox4000：Alpha M.O.S公司；电子舌TS-5000Z型；双层法压壶：MAVO公司；Heroz3手摇磨豆机：Hero公司；咖啡电子秤：Hero公司；咖啡杯测校正筛网：watchget公司；色差仪SE6000：Hunter Lab公司。

1.2 实验方法

1.2.1 咖啡样品制备

实验当天，用专用电子秤称取所需咖啡豆，用手工磨豆机研磨后过0.850mm咖啡杯测校正筛网。之后，再用专用电子秤称取所需咖啡粉加入法压壶，接着加入150mL 90℃纯净水，中心注水并顺时针画圆，先扩大再缩小。注水完成后，用搅拌棒顺时针搅拌10圈，盖好盖子计时150s。时间到后，按压法压壶滤网过滤咖啡粉，完成。

1.2.2 电子感官分析方法——电子舌

使用食品标准选传感器测试。设定测定与样品名称，进行最终核对和测试准备。取出待测样品，分装到5个样品杯中。在室温25℃下测定，测定方法为电极清洗、缓冲液清洗、稳定化测试样品、缓冲液清洗、回味测定。每个样品循环4次，选平行性好的3次数据用于后续分析。

1.2.3 电子感官分析方法——电子鼻

将5.0mL样液吸入15mL电子鼻专用顶空瓶，盖紧密封待检，每个待测样品制备4个平行样本。检测参数：以净化干燥空气为载气，孵化温度80℃，搅拌速度500r/min，采集时间120s，数据采集周期1.0s，数据采集延迟1080s，流量150mL/min，进样体积4000ul，注射速度2000ul/s。

1.2.4 色差测定

使用全自动色差仪对样品的L*（亮度或白度）、a*（红色或绿色）、b*（黄色或蓝色）值进行测定，每种样品开展三次平行实验。

1.2.5 人工感官品评

邀请10位咖啡饮用者对实验样品进行感官评分，评价前开展咖啡杯测培训。参考SCAA评价标准修改问卷设计。评价小组成员依据酸味、苦味、口感、香气和整体感受5个方面，用1-7分评定喜好程度，1表示非常讨厌，7表示非常喜欢，最终以平均分作为得分，主要分析饮用者整体喜好度。详细见表1。

	非常讨厌 1	讨厌 2	有点讨厌 3	能接受 4	有点喜欢 5	喜欢 6	非常喜欢 7
酸味
苦味
涩味
甜味
香气
整体喜好度

1.3 实验设计

1.3.1 感官指纹库建立

对1.1.1中提到的5种咖啡豆，用电子舌、电子鼻和色差仪检测。检测后，汇总电子舌数据制成柱状图，为后续实验选咖啡样品提供参考；电子鼻检测咖啡豆风味特征，经主成分和判别因子分析，找出差异大的咖啡豆并形成图表，供后续实验参考；色差仪显示样品颜色评价系数色调与饱和度。最后，选评分最高的咖啡豆用于后续实验。

1.3.2 奇亚籽、牛奶和咖啡的添加量单因素设计

（1）添加不同含量奇亚籽的实验设计

基于基础配方，设计5种水平的奇亚籽粉添加量为1g、2g、3g、4g、5g。分析完成后选择出最优的奇亚籽粉添加量范围，应用于响应面试验中。

（2）添加不同含量牛奶的实验设计

基于基础配方，设计5种水平的牛奶添加量为10mL、12mL、14mL、16mL和18mL。分析完成后选择出最优的牛奶添加量范围，应用于响应面试验中。

（3）咖啡液添加量的实验设计

基于基础配方，设计五种不同水平的咖啡液添加量，其与牛奶的比例分别为2:1、3:2、1:1、2:3和1:2。完成分析后，筛选出最优的咖啡液添加量范围，并将其应用于响应面试验中。

（4）奇亚籽粉添加量实验设计

用破壁机制作奇亚籽粉。确定牛奶的添加量为18mL，咖啡液添加量为27mL，分别加入0.5g、1g、1.5g、2g、2.5g奇亚籽粉。以人工喜好度评分为主，色差为辅。分析后确定奇亚籽粉添加量的最佳值。

（5）奇亚籽（粉）与奇亚籽（固体）感官对比实验结果与分析

确定牛奶的添加量为18mL，咖啡液添加量为27mL，进行奇亚籽（粉）与奇亚籽（固体）感官对比实验。以人工喜好度评分为主，制作工艺为辅。分析后确定奇亚籽是否磨成粉。

1.3.3 响应面试验设计

在单因素实验基础上，以奇亚籽、牛奶、咖啡为本实验的试验因素，分别记作A、B、C，进行三因素三水平响应面试验，因素水平见表2所示。

试验因素
水平	奇亚籽添加量/g	牛奶的添加量/mL	咖啡液的添加量/mL
-1	1	12	2：1
0	2	16	3：2
1	3	18	2：3

2 实验结果与分析

2.1 感官指纹库的建立

2.1.1 电子舌感官指纹库的建立

电子舌检测结果经主成分分析图（见图1）显示，第一和第二主成分贡献率之和达99.978％，超80％阈值，说明能代表样品大部分信息。图中测试样品区分指数达82，表明电子舌区分能力好，可有效区分5种咖啡样品。对全部样品进行判别因子分析，能减小组内距离、拉大组间距离，使样品分组更明确。图1结果显示，5组样品能很好区分，表明判别因子分析在样品分类中有效，进一步证明电子舌区分不同咖啡样品可靠、有效（表3）。

排名	酸味突出	甜味突出	香气突出	苦味突出
1	哥斯达黎加	云南	印度尼西亚	埃塞俄比亚
2	埃塞俄比亚	印度尼西亚	云南	哥斯达黎加
3	肯尼亚	哥斯达黎加	哥斯达黎加	肯尼亚
4	印度尼西亚	肯尼亚	肯尼亚	印度尼西亚
5	云南	埃塞俄比亚	埃塞俄比亚	云南

2.1.2 电子鼻感官指纹库的建立

对全部样品进行判别因子分析，可以减小组内距离，同时拉大组间距离，从而使得样品的分组更加明确。根据图2的结果，可以看到5组样品能够很好地区分开来，说明判别因子分析在样品的分类中起到了有效的作用。这证明了电子鼻在区分不同咖啡样品上的可靠性和有效性。

2.1.3 色差仪感官指纹库建立

产地	L	a	b	Chroma	Hue	标准差
云南	0.65	1.3	-0.12	1.31	354.77	0.2
埃塞俄比亚	0.66	1.29	-0.15	1.29	353.29
哥斯达黎加	1.56	1.53	0.66	1.68	22.17
肯尼亚	0.96	1.48	0.25	1.51	9.15
印度尼西亚	1.21	1.56	0.43	1.65	13.75

由表4可知，云南和埃塞俄比亚咖啡颜色相近且饱和度较高，颜色偏蓝色。哥斯达黎加、肯尼亚和印度尼西亚咖啡颜色相近且饱和度较低，颜色偏黄色。5种咖啡豆色素浓度差别小，红色突出，亮度差别小。

2.2 奇亚籽、牛奶和咖啡的添加单因素实验结果与分析

通过不同产地咖啡豆的感官指纹库的建立结合人工喜好度，最终确定的用于进行奇亚籽咖啡奶开发的为云南咖啡豆。

2.2.1 添加不同含量奇亚籽的单因素实验结果与分析

实验方案一到五的奇亚籽含量分别为1g、2g、3g、4g、5g。每组样品添加16g咖啡液（粉水比1：15）和16mL牛奶，通过问卷进行人工感官评价，结果如图3所示。由图3可知，奇亚籽添加量感官评分最高的是第三组，为7.3分，其次是第一组7.1分、第二组6.8分，第五组感官评分最低。综上，在确定奇亚籽添加量的单因素实验中，根据人工喜好度，确定奇亚籽最佳添加量范围为1-3g。

2.2.2 添加不同含量牛奶的单因素实验结果与分析

统计结果显示，图4的五个实验方案对应牛奶添加量分别为10mL、12mL、14mL、16mL和18mL，每组样品均添加3g奇亚籽和16mL咖啡液。从图中可知，牛奶添加量感官评分最高的是18mL，其次是16mL、12mL，最低的是10mL。综合分析并根据人工喜好度，在确定牛奶添加量的单因素实验中，确定添加牛奶含量为18mL。

2.2.3 添加不同含量咖啡液的单因素实验结果与分析

统计数据结果如图5所示，五个实验方案一到五从左到右分别对应咖啡液与奇亚籽和牛奶混合溶液添加量比例为2:1、3:2、1:1、2:3、1:2，每组样品奇亚籽添加量为2g。由图可知，比例为3:2时感官评分最高，其次是2:3、2:1，1:2的感官评分最低。综合分析，根据人工喜好度，在确定咖啡液添加量的单因素实验中，确定添加比例为3:2。

2.2.4 奇亚籽（粉）实验结果与分析

综上，确定牛奶的添加量为18mL，咖啡液添加量为27mL，用破壁机制作奇亚籽粉，进行奇亚籽粉添加量实验。

统计数据结果如图6所示，从左到右五个实验方案一到五分别对应奇亚籽粉添加量0.5g、1g、1.5g、2g、2.5g。由图可知，奇亚籽粉添加量为0.6时感官评分最高，其次是0.4、0.8，添加量为1时感官评分最低。综合分析，根据人工喜好度，在奇亚籽粉添加量单因素实验中，确定添加量为0.6g。

2.2.5 奇亚籽（粉）与奇亚籽（固体）感官对比实验结果与分析

同上，确定牛奶的添加量为18mL，咖啡液添加量为27mL，进行奇亚籽（粉）与奇亚籽（固体）感官对比实验。

统计数据结果如图7所示，奇亚籽（固体）感官评分6.2，奇亚籽（粉）感官评分5.8，由图可知奇亚籽（固体）感官评分最高。因人工喜好上，奇亚籽磨粉后会失去颗粒感且会沉淀，影响感官评分。综合分析，在添加奇亚籽和奇亚籽粉的实验中，确定添加奇亚籽（固体）。

2.3 响应面实验结果与分析

2.3.1 响应面设计结果及方差分析

试验号	A	B	C	人工感官得分	标准差
1	1	18	22	4.8	0.8
2	2	15	22	6.3
3	3	15	8	4.1
4	3	15	22	6.2
5	2	15	22	6.1
6	2	18	22	6.2
7	1	12	22	5.4
8	1	15	36	5.2
9	2	12	8	4.5
10	2	12	36	5.6
11	3	15	36	6.1
12	2	15	22	6.2
13	3	12	22	5.8
14	2	18	8	4.3
15	2	15	22	6.5
16	2	18	36	5.8
17	1	15	8	4.2

方差来源	平方和	自由度	均方差	F值	P值	显著性
模型	1.46	9.00	1.16	33.60	<0.0001	非常显著
A	0.85	1.00	0.85	24.44	0.0017	非常显著
B	5.000E-003	1.00	5.000E-003	0.14	0.7150
C	3.92	1.00	3.92	113.39	<0.0001
AB	0.25	1.00	0.25	7.23	0.0311
AC	0.25	1.00	0.25	7.23	0.0311
BC	0.040	1.00	0.040	1.16	0.3178
A2	0.78	1.00	0.78	22.52	0.0021
B2	0.33	1.00	0.33	9.55	0.0176
C2	3.64	1.00	3.64	105.34	<0.0001
残差	0.24	7.00	0.035
失拟项	0.15	3.00	0.050	2.17	0.2337	不显著
纯误差	0.092	4.00	0.023
总和	10.70	16.00
R2=0.9774 Radj=0.9483

根据单因素实验结果，选奇亚籽添加量（A）、牛奶添加量（B）、咖啡液添加量（C）为考察对象，以人工感官评分（Y）为响应值，用软件Design-Expert.V10.0.7进行实验设计与数据分析，以下是表格5的响应面试验设计及结果。对三因素进行回归拟合分析，得到二次多元回归方程，可预测三因素对人工感官评分的影响，方程为：Y=6.26+0.32A-0.025B+0.70C+0.25AB+0.25AC+0.10BC-0.43A²-0.28B²-0.93C²。表6显示，模型F值33.60，P值小于0.0001，差异显著，能反映三因素关系；失拟项F为2.17，差异不显著（P=0.2337>0.05）。奇亚籽添加量对感官评价影响显著（P=0.0017<0.05），说明模型与试验因素拟合好。决定系数R²为0.9774，越接近1，模型预测值与实际值相关性越高。本试验变异系数（C.V.）为3.39%，精密度=14.971>4，表明试验结果可靠。

2.3.2 响应面最优解分析

响应面图是基于一个多元二次回归模型生成的三维响应图。在其他试验因子保持不变的条件下，它用于研究交互项对响应变量数值的影响。响应面图的曲面陡峭程度可以反映所选因素对试验结果的影响大小，曲面越陡峭，影响越大；相反，曲面越平缓，影响越小。这种图形可以帮助找到实验中的最佳组合解。

根据图8显示的奇亚籽咖啡奶的3D曲面示意图和表3.9中方差分析的回归模型关系值显著性，研究建立的模型具有最优组合。根据模型拟合的结果，最优的配方组合是：奇亚籽的添加量为2.4g，牛奶的添加量为15.8mL，咖啡液的添加量为29.4mL。这个模型显示出很好的重复性，使用响应面法来优化奇亚籽咖啡奶的配方具有可靠性。

3 结论

通过本次实验研究，首先建立了电子感官指纹库，然后进行了人工感官品评。最终，将云南咖啡豆确定为奇亚籽咖啡奶开发中选用的咖啡豆，作为单因素实验和响应面试验的基础咖啡豆。

奇亚籽的吸水率随时间的延长而增大，奇亚籽的黏度值也是随时间的延长而增大，奇亚籽的膨胀力为41％。根据单因素实验得出了其最优化值。根据人工感官评分，最终得到奇亚籽、牛奶、咖啡的最佳比例为1：6：9。通过响应面试验得到了奇亚籽咖啡奶的最佳配方：奇亚籽的添加量为2.5g（固体），牛奶添加量为15.8mL、咖啡液添加量为29.4mL。

参考文献：

1. [1] 周斌.不同产地咖啡豆香气成分分析[J].食品研究与开发,2016,37(02):128-132.
2. [2] 曾凡逵.咖啡风味[J].科学世界,2015(09):88-91.
3. [3] 荣旭,陶宁萍,李玉琪,等.奇亚籽营养成分分析与评价[J].中国油脂,2015,40(09):89-93.
4. [4] 李晓娇,郜玉钢,张连学,等.奇亚籽化学成分､药理作用及产品开发的研究进展[J].粮食与油脂,2018,31(05):8-10.
5. [5] 蔡瑞玲.植物蛋白咖啡饮料的研制与风味特征分析[D].天津科技大学食品科学与工程学院,2004.
6. [6] 马荣琨,李望铭.奇亚籽希腊式酸奶的工艺优化研究[J].食品安全质量检测学报,2022,13(02):388-394.
7. [7] 林嘉慧,齐明.咖啡牛奶酒饮料的加工技术及其稳定性研究[C]//广东省食品学会.首届松山湖“食品与生命健康”高峰论坛暨2021年广东省食品学会年会论文集.佛山职业技术学院食品科学系;,2021.
8. [8] 翟晓娜,杨剀舟,柴智,等.电子鼻电子舌在咖啡风味研究中的应用[J].2016,37(05):365-370.
9. [9] 何余勤,胡荣锁,张海德,等.基于电子鼻技术检测不同焙烤程度咖啡的特征性香气[J].2015,31(18):247-255.
10. [10] 王凯丽,董文江,谷风林,等.基于电子舌和多元数据分析的咖啡焙炒度检测方法研究[J].2015,36(02):396-403.
11. [11] 王燕华,王晓婷,龚加顺,等.基于HS-GC-IMS对8种咖啡豆烘焙前后挥发性有机物成分分析[J].2021,42(23):124-130.
12. [12] 吴桂苹,胡荣锁,卢少芳,等.电子鼻在咖啡产品品质检测中的应用研究[J].2011(05):7-9.
13. [13] da Silva B P, Anunciação P C, da Silva Matyelka J C, et al. Chemical composition of Brazilian chia seeds grown in different places[J].Food chemistry,2017(221):1709-1716.
14. [14] Zhai H, Dong W, Tang Y, et al. Characterization of the volatile flavour compounds in Yunnan Arabica coffee prepared by different primary processing methods using HS-SPME/GC-MS and HS-GC-IMS[J].LWT-food science and technology,2024(192):1-13.
15. [15] Uman E, Colonna-Dashwood M, Colonna-Dashwood L, et al. The effect of bean origin and temperature on grinding roasted coffee[J].Scientific reports,2016,6(01):24483.
16. [16] 路绪强,袁明,何楠,等.利用色差仪快速检测西瓜番茄红素含量[J].2021,34(04):41-45.
17. [17] 胡双芳,卫亚西,邢精精,等.咖啡豆的化学组分差异与感官品质的相关性分析[J].2013,34(24):125-129.
18. [18] Prathyusha P, Kumari B A, Suneetha W J, et al. Chia seeds for nutritional security[J].Journal of pharmacognosy and phytochemistry,2019,8(03):2702-2707.
19. [19] 徐宁宁,吴田,黄青.奇亚籽活性成分、生理作用及其开发利用研究进展[J].食品工业科技,2023,44(07):448-454.