精品咖啡生豆水活度长期观察研究(三）
作者：笔记咖啡
发布时间：
浏览次数： 740
精品咖啡生豆水活度长期观察研究(三）
分析
记录每款咖啡发货前样品（PSS）的杯测结果和水活度数据；当这款咖啡到货时(an arrival coffee/ARR)同样做杯测和水活度检测,并记录结果和PSS之间的差异。(例如PSS-2,这表明到货咖啡品质低于发货前样品2分）。类似地,当我们在仓库中抽查杯测时,我们同样记录该咖啡与其ARR分数的差异。
我们使用发货前样品（PSS）数据作为原始数据。例如,高水活度Aw值的PSS样品用H标记。即使水活度Aw值下降,这个H在以后的所有采样测试中都保持不变。采用这种方法的原因是,我们的主要兴趣在于观察PSS水活度是否能够预测咖啡到货时的质量状况,以及之后咖啡在储存期间的质量变化。
回归分析
鉴于水活度理论和精品咖啡的一些背景,我们能够建立一个简单回归分析模型。
查看大量数据的一种方法是创建直方图。上图将近2。2万个生豆测量值分成组,在上图中水活度0.05 Aw的生豆为一组,然后研究每组观察到的概率频率变化。这可以让我们同时对整个数据集有一个大致的了解。
我们在此基础上增加了一些基本的统计数据,以帮助加深我们的理解。
变量/ Variable 水活度数值。
最小值和最大值/The minimum and maximum最低和最高的观测值（0.188AW ,0.761AW)。
算术平均值 /Mean 样品水活度值相加,然后除以样品个数（0.554AW）。
中位数/Median将一组数据按大小顺序排列,处在最中间位置的一个数值是这组数据的中位数(0.556AW)。
Mode数组中出现次数最多的值(0.558AW) 。
标准偏差/StdDev -量度数据分布的分散程度的标准,用以衡量数据值偏离算术平均值的程度(0.057AW)。
经验法则表明,当一组数据对称分布时(标准正态分布）,在均值加减1个标准差的范围内大约有68%的数据,95%在2个标准差范围内,99。7%在3个标准差范围内。这让我一眼就明白,在这个数据组中,水活度高于0.668(比平均值高出两个标准差)或更高的咖啡是非常少见的。
标准正态分布,分布概率最常用的是95%的分布区间
精品咖啡生豆水活度在0-1Aw范围内分布较为正常。微生物的增殖直到水活度0.600 Aw才开始,这几乎比我们观察到的生豆样品水活度均值(我们对总体平均值估计0.554)高出一个标准差(0.057)。考虑到样品水活度总体平均值的正态分布(下图中正态概率密度曲线与我们估计的总体水活度平均值分布相重合),我们知道随着水活度在接近第二个标准差0.668时,可以观察到的概率会显著下降。
含水量和水活度
含水量:系统中水分总量。
水活度:水在一个系统中的能量状态。
含有一定水分的生豆可以有一系列的水活度。具有一定水活度的咖啡豆可以有一定的水分含量。咖啡豆中水分含量通常用重量百分比来表示。生豆的水活度或水分的能量状态,可以因许多变量(如温度和化学成分)而变化。也就是说,在给定的产品中,水分含量和水活度之间的关系通常是相当规律的。含水量和水活度之间的关系和特定的产品（例如咖啡生豆）相关,并遵循该产品的水分吸附等温线。
水活度稳定性图/水分吸附等温线
葡萄干麦片（ Raisin bran cereal ）通常被用作解释水活度的例子。这是因为两种物质成分的性质截然不同(湿漉漉麦片+坚硬的葡萄干/二者之间由于水活度不同,水分会从一种物质迁移到另一个物质)。在葡萄干麦片的例子中,（在储存过程中）我们需要维持一个特定的水分水平和水活度值,这个特定水分活度可以影响变葡萄干麦片的局部水分水平（水活度范围需要低于大多数微生物繁殖的阈值）。
如果我们将两种不同水活度的咖啡生豆混合在一起,水分会从一种生豆迁移到另一种,直到二者水活度达到平衡。然而,在大多数实际情况下,很难想象我们可以在咖啡中看到类似葡萄干和麦片之间产生的剧烈水分迁移的现象。
水活度平衡是通过水分的迁移来实现的。当低水活度Aw咖啡生豆吸收水分时,它的水活度会增加。随着高水活度Aw咖啡生豆释放水分,其水活度会下降。注意,水活度Aw不是由样品的总水量决定的,而是由束缚最不紧密的一部分水（自由水）决定的。在给定的产品中可以“绑定”的水分（结合水）是有限的。
从下图中可以看出,精品咖啡的水活度Aw与含水率/量之间的关系并不是绝对线性相关。在20,993个样品中,水活度与含水量呈相关性的占88。4%。决定系数R2为0.781,这表明78%的水活度的变化可以用含水量的变化来预测。即：水分含量既不是水活度的完美预测指标,也不是对预测水活度变化一点作用都没有。
含水率水活度相关性线性回归分析/ confidence interval 置信水平95%
回头看看水活度稳定性图/水分吸附等温线。
食品中水分含量（M）与水分活度之间的关系曲线称为该食品的水分吸附等温线（MSI）。不同食品吸附等温线曲线形状不同,食品成分不同,会影响水分含量和水分活度之间的关系 。
注意,水分含量没有在Y轴上,你可以在上面的回归分析图中看到等温线的水分含量近似值,特别是在水活度0.650以上,含水率曲线凹形变得明显。（即：当水活度在0.650Aw以上时,生豆的含水率远远高于12%,事实上更有可能接近14%,由此证明本文开篇的观点'行业现在的生豆水活度标准0.700Aw有其科学性但不完整'）
我们经常谈论咖啡生豆之间的区别有多大,我们会用华丽的辞藻来形容咖啡风味,但咖啡就是咖啡,就水活度而言,我们可以把所有咖啡或者至少是精品咖啡视为同类的物质/产品,它们有相对集中的测量参数范围,这对我们如何从物理上研究咖啡有一定的作用。
分析
记录每款咖啡发货前样品（PSS）的杯测结果和水活度数据；当这款咖啡到货时(an arrival coffee/ARR)同样做杯测和水活度检测,并记录结果和PSS之间的差异。(例如PSS-2,这表明到货咖啡品质低于发货前样品2分）。类似地,当我们在仓库中抽查杯测时,我们同样记录该咖啡与其ARR分数的差异。
我们使用发货前样品（PSS）数据作为原始数据。例如,高水活度Aw值的PSS样品用H标记。即使水活度Aw值下降,这个H在以后的所有采样测试中都保持不变。采用这种方法的原因是,我们的主要兴趣在于观察PSS水活度是否能够预测咖啡到货时的质量状况,以及之后咖啡在储存期间的质量变化。
回归分析
鉴于水活度理论和精品咖啡的一些背景,我们能够建立一个简单回归分析模型。
查看大量数据的一种方法是创建直方图。上图将近2。2万个生豆测量值分成组,在上图中水活度0.05 Aw的生豆为一组,然后研究每组观察到的概率频率变化。这可以让我们同时对整个数据集有一个大致的了解。
我们在此基础上增加了一些基本的统计数据,以帮助加深我们的理解。
变量/ Variable 水活度数值。
最小值和最大值/The minimum and maximum最低和最高的观测值（0.188AW ,0.761AW)。
算术平均值 /Mean 样品水活度值相加,然后除以样品个数（0.554AW）。
中位数/Median将一组数据按大小顺序排列,处在最中间位置的一个数值是这组数据的中位数(0.556AW)。
Mode数组中出现次数最多的值(0.558AW) 。
标准偏差/StdDev -量度数据分布的分散程度的标准,用以衡量数据值偏离算术平均值的程度(0.057AW)。
经验法则表明,当一组数据对称分布时(标准正态分布）,在均值加减1个标准差的范围内大约有68%的数据,95%在2个标准差范围内,99。7%在3个标准差范围内。这让我一眼就明白,在这个数据组中,水活度高于0.668(比平均值高出两个标准差)或更高的咖啡是非常少见的。
标准正态分布,分布概率最常用的是95%的分布区间
精品咖啡生豆水活度在0-1Aw范围内分布较为正常。微生物的增殖直到水活度0.600 Aw才开始,这几乎比我们观察到的生豆样品水活度均值(我们对总体平均值估计0.554)高出一个标准差(0.057)。考虑到样品水活度总体平均值的正态分布(下图中正态概率密度曲线与我们估计的总体水活度平均值分布相重合),我们知道随着水活度在接近第二个标准差0.668时,可以观察到的概率会显著下降。
含水量和水活度
含水量:系统中水分总量。
水活度:水在一个系统中的能量状态。
含有一定水分的生豆可以有一系列的水活度。具有一定水活度的咖啡豆可以有一定的水分含量。咖啡豆中水分含量通常用重量百分比来表示。生豆的水活度或水分的能量状态,可以因许多变量(如温度和化学成分)而变化。也就是说,在给定的产品中,水分含量和水活度之间的关系通常是相当规律的。含水量和水活度之间的关系和特定的产品（例如咖啡生豆）相关,并遵循该产品的水分吸附等温线。
水活度稳定性图/水分吸附等温线
葡萄干麦片（ Raisin bran cereal ）通常被用作解释水活度的例子。这是因为两种物质成分的性质截然不同(湿漉漉麦片+坚硬的葡萄干/二者之间由于水活度不同,水分会从一种物质迁移到另一个物质)。在葡萄干麦片的例子中,（在储存过程中）我们需要维持一个特定的水分水平和水活度值,这个特定水分活度可以影响变葡萄干麦片的局部水分水平（水活度范围需要低于大多数微生物繁殖的阈值）。
如果我们将两种不同水活度的咖啡生豆混合在一起,水分会从一种生豆迁移到另一种,直到二者水活度达到平衡。然而,在大多数实际情况下,很难想象我们可以在咖啡中看到类似葡萄干和麦片之间产生的剧烈水分迁移的现象。
水活度平衡是通过水分的迁移来实现的。当低水活度Aw咖啡生豆吸收水分时,它的水活度会增加。随着高水活度Aw咖啡生豆释放水分,其水活度会下降。注意,水活度Aw不是由样品的总水量决定的,而是由束缚最不紧密的一部分水（自由水）决定的。在给定的产品中可以“绑定”的水分（结合水）是有限的。
从下图中可以看出,精品咖啡的水活度Aw与含水率/量之间的关系并不是绝对线性相关。在20,993个样品中,水活度与含水量呈相关性的占88。4%。决定系数R2为0.781,这表明78%的水活度的变化可以用含水量的变化来预测。即：水分含量既不是水活度的完美预测指标,也不是对预测水活度变化一点作用都没有。
含水率水活度相关性线性回归分析/ confidence interval 置信水平95%
回头看看水活度稳定性图/水分吸附等温线。
食品中水分含量（M）与水分活度之间的关系曲线称为该食品的水分吸附等温线（MSI）。不同食品吸附等温线曲线形状不同,食品成分不同,会影响水分含量和水分活度之间的关系 。
注意,水分含量没有在Y轴上,你可以在上面的回归分析图中看到等温线的水分含量近似值,特别是在水活度0.650以上,含水率曲线凹形变得明显。（即：当水活度在0.650Aw以上时,生豆的含水率远远高于12%,事实上更有可能接近14%,由此证明本文开篇的观点'行业现在的生豆水活度标准0.700Aw有其科学性但不完整'）
我们经常谈论咖啡生豆之间的区别有多大,我们会用华丽的辞藻来形容咖啡风味,但咖啡就是咖啡,就水活度而言,我们可以把所有咖啡或者至少是精品咖啡视为同类的物质/产品,它们有相对集中的测量参数范围,这对我们如何从物理上研究咖啡有一定的作用。
分享到：
