在食品的各种质地特性中,脆性是评价食品品质最为常见的指标之一。对于干脆性食品,其脆度直接反映了其品质优劣的程度。目前对于食品脆性的感官评价方法主观性强;力学测定方法设备昂贵;声学测定方法多从空气传导声音信息方面进行,特征信息不全面。因此,本文同时采集受试者咀嚼干脆性食品时的声音信号和骨振动信号,对两方面信号进行分析研究,提取信号时域、频域特征值,并综合声音信号和骨振动信号特征值构建干脆性食品脆度识别与预测模型,为研究干脆性食品脆度提供新方法。本文的主要研究内容及结论如下:1.振动信号的采集与样品脆度的感官评价选择具有代表性的三种干脆性食品(旺旺仙贝、乐吧焙烤薯片、徐福记岩板烧小丸煎饼)进行吸湿处理,按照吸湿处理时间的不同,三种样品分别获得8、8、6个脆度梯度样品。从20位候选人中筛选出口腔环境良好、骨振动信号效果理想、具有合格感官脆度评价能力的八位候选人(男女比例1:1)作为受试者。设置振动信号采集中合适的采样频率、声音采样分辨率、骨振动信号采集时间、骨振动信号采集模式及骨振动信号采集位置等采样条件。受试者对三种干脆性食品的各脆度梯度样品进行感官脆度评价、臼齿咀嚼测试、门牙咬测试和骨传导耳机测试,有效地采集受试者咀嚼样品时产生的声音信号和骨振动信号。2.声音信号、骨振动信号特征值的提取与筛选对骨振动信号进行零线调整、消除趋势项后,以coif5小波基、三层分解数对声音信号进行小波默认阈值消噪,以db2小波基、三层分解数对骨振动信号进行小波默认阈值消噪。然后对经过预处理的振动信号进行特征值提取,从声音信号中提取出了13个时域特征值、4个功率谱特征值和43个三分之一倍频程有效值;从骨振动信号中提取出了11个时域特征值、4个功率谱特征值和31个三分之一倍频程有效值。利用方差分析方法分析样品的脆度评价结果可知,在吸湿过程中,三种样品的感官脆度值有显著性的变化(P<0.05)。对从振动信号中提取出来的时域、功率谱特征值分别与相应样品感官脆度值进行皮尔逊相关性分析。分析表明,在各相同测试条件下,筛选出的三种样品都共有的与感官脆度值有显著相关关系的特征参数共有15个,其中骨振动信号特征参数多于声音信号特征参数(12>3),说明骨振动信号比声音信号提供了更多与干脆性食品感官脆度有关的特征信息。3.声音信号、骨振动信号的分析研究对声音信号与骨振动信号之间,三个骨振动信号采集位置点的骨振动信号之间做了互相关分析。分析表明,各振动信号波形间有一定相似性,但相似程度低(0<大部分Rxy<0.50),说明臼齿咀嚼、门牙咬干脆性食品过程中产生的声音信号和骨振动信号包含了不同的与干脆性食品质构相关的特征信息。通过多因素多因变量方差分析,分析样品种类、吸湿处理时间对筛选出的15个特征参数(X1、X2、X3…X15)的影响。结果表明,在0.05显著水平下,除了X3特征参数,样品种类对其他特征参数影响显著(P<0.05);除了X2、X3、X5、X9、X14特征参数,吸湿处理时间对其他特征参数影响显著(P<0.05);除了X1、X2、X3、X9、X14特征参数,样品种类×吸湿处理时间对其他特征参数影响显著(P<0.05)。对三种样品筛选出的15个特征参数进行了主成分分析,提取出的两个主成分PC1、PC2的贡献率分别为72.49%和22.39%,累积贡献率达到94.88%,有效地达到了使特征参数数据降维的目的。对骨传导耳机测试中骨振动信号采集位置、脆度梯度、样品种类的辨别率分析可知,通过骨传导耳机听骨振动信号转成的音频,受试者对前额、颧弓位置的区别效果不理想,但对乳突位置可以做出有效辨别;对样品不同脆度梯度区别性差;对三种不同样品可以做出有效辨别;三种样品臼齿咀嚼方面的辨别率普遍高于门牙咬方面的辨别率。4.干脆性食品脆度模型的建立选择线性核函数,以通过折线图效果筛选出的三分之一倍频程有效值为输入,样品脆度品质(脆度品质良好和脆度品质降低)为输出,分别构建各样品支持向量机定性识别模型。模型测试结果表明,各模型对相应样品脆度品质识别率大部分≥90%,识别效果比较理想,说明支持向量机模型在干脆性食品脆度品质判别中具有良好的应用性能。分别以筛选出的15个特征参数主成分分析得出的主成分、15个特征参数中的声音信号特征值为自变量,以样品的感官脆度值为因变量,建立样品综合多元线性回归模型和各样品单独多元线性回归模型。综合模型回归的拟合度不高(R2<0.6),三种样品脆度预测平均相对误差都大于7%;各样品单独模型回归的拟合度普遍较高(R2>0.9),脆度预测平均相对误差比综合模型有所减小,在5%左右。对于同种样品,无论是样品综合模型还是各样品单独模型,综合了声音信号和骨振动信号特征信息的模型比只利用声音信号特征信息的模型的预测效果好(预测平均相对误差减小1%左右)。本研究最后得到了可用于对三种干脆性食品进行脆度品质判别的支持向量机识别模型和感官脆度值预测的多元线性回归模型。