黄花(菜)(Hemerocalis citrina Baroni)是一种多年生百合类宿根草本植物，原产于东亚地区，是从热带到原生高纬度地区广泛栽培的多年生单子叶植物，被当今社会称为蔬菜中的四大珍品之一，其根、叶、花早在几千年前就被用作传统的食物和药物。黄花含有碳水化合物、氨基酸、维生素、膳食纤维和钙、锌、镁、锰、铁等微量元素，且不含秋水碱、乳酸和维生素A这为黄花下游功能性成分提取提供了有利的保障。

目前市面上鲜见以黄花菜为辅料酿造的啤酒，本文以感官评分和乙醇体积分数为考察指标，采用单因素试验和响应面法优化黄花啤酒的酿造工艺，以期为黄花啤酒酿造工艺提供技术支持和理论指导。

材料与方法

01材料与试剂

干黄花:山西省大同市云州区万亩黄花种植基地;S-23弗曼迪斯拉格干酵母(纯度99%):弗曼迪斯酵母有限公司;萨兹香型酒花:美国Cascade公司;颗粒啤酒苦花:威海德科生物科技有限公司;大麦芽:上海子本实业有限公司;清爽型啤酒:市售。

02感官评价

邀请10男10女共20位具有食品专业背景的人员，客观地评价黄花啤酒的特性，并对其色泽、口感、泡沫形态和气味4个方面进行感官评分，评分标准见表2。

03黄花啤酒味觉成分分析

采用电子舌对成品黄花啤酒和当地酿造的市售啤酒的酸味、苦味、涩味、鲜味和咸味5个味觉指标进行测定和比较分析。

结果与分析

01黄花啤酒酿造工艺响应面试验结果与方差分析

响应面试验组合与结果见表3。基于响应面软件进行多元回归拟合，获得黄花啤酒感官评分(Y)对自变量A(黄花添加量)、B(酒花添加量)和C(发酵温度)的二次多项式回归方程:Y=-98.417 5+1.432 5A+976.25B+19.977 5C+11.562 5AB-0.243 75AC+5.937 5BC-0.255 62A2-2576.562 5B2-1.305 63C2。

以黄花啤酒感官评分为响应值，用响应面软件对模型进行显著性和方差分析，结果见表4。由表4可知，该回归模型极显著(P<0.01)，说明试验模型有统计学意义;模型中变量A、B、C、AB、AC、A2、B2和C2对黄花啤酒感官评分影响极显著，BC对黄花啤酒感官评分影响显著，说明试验因素与响应值不是简单的线性关系，交互项和二次项对响应值有很大的影响;失拟项P值为0.165 1>0.05，不显著，说明二次回归模型与实际试验能充分拟合，模型的残差可能来源于试验过程的随机误差。模型的校正决定系数R2Ag-0.9912，说明该试验中有99.12%的变异分布在方程的因子中，模型的决定系数R2为0.996 1，表明该模型能解释99.61%的响应值变化。说明黄花啤酒感官评分的实测值与预测值之间具有较好的拟合度，试验误差较小。噪音信号比为44.632(>4)，说明本模型能真实地反映试验结果;试验的精确度为0.48%，说明试验的精确度和重复性较高、且可信度较高。所选取的3个因素对黄花啤酒感官评分的影响先后顺序为B(酒花添加量)>C(发酵温度)>A(黄花添加量)。

各因素交互作用对黄花啤酒感官评分的响应面和等高线见图4~图6。响应面图弧度变化越陡峭，等高线越密集且呈椭圆形或马鞍形时，表明两因素之间交互作用越显著。由图4~图6可知，酒花添加量和黄花添加量、黄花添加量和发酵温度响应面的曲面倾斜度大，坡度陡，且等高线呈椭圆形，密集，说明其交互作用对感官评分的影响极显著;酒花添加量和发酵温度响应面的曲面倾斜度较大，坡度较陡，且等高线呈椭圆形，较密集，说明其影响显著，这与模型回归中的方差分析结果一致。

02黄花啤酒味觉成分分析

黄花啤酒味觉强度指标雷达图见图7。由图7可知，电子舌的5个基本传感器对黄花啤酒的滋味均能做出不同程度的响应。与市售啤酒进行比对，黄花啤酒酸味、苦味、涩味、鲜味的响应值较强，咸味的响应值较弱，说明黄花啤酒整体偏鲜、偏苦。

结论

在黄花啤酒发酵酿造过程中，试验所选的3个因素对黄花啤酒感官评分影响均为极显著，通过响应面试验优化得到黄花啤酒的最佳酿造工艺参数:以山西大同大学生物工程试验中心的除杂除盐水为参考体积，黄花添加量8 g/L，酒花添加量0.40 g/L，发酵温度8℃。在此优化条件下、黄花啤酒感官评分为83.0、且相对标准偏差较小(0.54%)。黄花啤酒的理化指标和微生物指标均符合国家标准。本研究将为山西大同黄花产业的精深加工及下游产业发展提供依据，为蔬菜啤酒的开发提供参考。