可見光 -近紅外光譜預測粳稻食味的適應性研究

孟慶虹李霞輝三上隆司河野元信盧淑雯程愛華姚鑫淼關海濤

(農(nóng)業(yè)部谷物及制品質(zhì)量監(jiān)督檢驗測試中心1,哈爾濱 150086)

(黑龍江省農(nóng)業(yè)科學院食品加工研究所2,哈爾濱 150086)

(株式會社 SATAKE3,日本廣島 739-8602)

可見光 -近紅外光譜預測粳稻食味的適應性研究

孟慶虹1,2李霞輝1三上隆司3河野元信3盧淑雯2程愛華1姚鑫淼2關海濤1

(農(nóng)業(yè)部谷物及制品質(zhì)量監(jiān)督檢驗測試中心1,哈爾濱 150086)

(黑龍江省農(nóng)業(yè)科學院食品加工研究所2,哈爾濱 150086)

(株式會社 SATAKE3,日本廣島 739-8602)

利用黑龍江省、吉林省、遼寧省和江蘇省的 88份常規(guī)粳稻品種,建立了適合中國粳稻食味評價的可見光 -近紅外光譜預測模型。感官食味試驗采用小樣品感官試驗綜合評分法,其相關性分析和逐步回歸結果表明,感官綜合評分與氣味、色澤、外觀完整性、味道、口感均呈極顯著正相關。通過粳稻感官食味評分值與可見光 -近紅外光譜值的回歸分析,得到 7個自變量(4個波長的吸光度、碎米率、裂紋米率和香氣系數(shù))的預測回歸方程,其相關系數(shù) R均達到 0.699～0.799的極顯著相關,經(jīng)驗證該預測回歸方程能夠較好的預測粳稻的米飯食味品質(zhì)。

粳稻 米飯 感官試驗 可見光 -近紅外光譜

由于近紅外光譜分析技術具有快速、經(jīng)濟、無污染和多組分同時測定的特點,自20世紀90年代初國內(nèi)外已將該技術廣泛應用于稻米化學成分的快速分析——能夠準確測定糙米(精米)籽粒 (米粉)的水分和蛋白質(zhì)等的含量[1-3],并實現(xiàn)單籽粒糙米預測蛋白質(zhì)含量和表觀直鏈淀粉含量[4-5]。近紅外光譜分析技術將發(fā)展成為一種常規(guī)標準分析方法。

稻米食味品質(zhì)是指米飯的色、香、味和在咀嚼過程中的口感,如黏彈性、硬度、黏度等。目前,對食味的評價仍以傳統(tǒng)的感官試驗方法為主。其他方法,無論是以水分含量、表觀直鏈淀粉含量、蛋白質(zhì)含量、脂肪酸值等理化指標為基礎建立的近紅外光譜數(shù)學模型,還是以感官試驗結果為基礎建立的可見光 -近紅外(V IS/N IR)光譜數(shù)學模型,都必須采用化學計量方法,在光譜數(shù)據(jù)和化學值 (或感官評分)之間建立校正模型,并評價模型的可靠性。

日本佐竹公司首先試驗用可見光 -近紅外光譜測定米飯 (米粒)食味的技術[6],并研究開發(fā)了這項技術的專用設備,被廣泛應用于水稻育種材料篩選、商品稻米的分級和配制米的質(zhì)量控制。

已有文獻報道了可見光 -近紅外光譜法測定中國秈稻食味的研究結果[7-8]。本研究探討了用中國粳稻品種為試驗材料,建立以米飯感官試驗結果為基礎的可見光 -近紅外光譜法預測粳稻食味的校正模型,并驗證該校正模型預測粳稻食味品質(zhì)具有普遍適應性,期望為中國粳稻提供一種更好的食味評價方法。

1 材料和方法

1.1 材料與儀器

1.1.1 粳稻樣品來源

征集 2007年收獲的黑龍江省、吉林省、遼寧省和江蘇省常規(guī)粳稻品種 88個作為建立可見光 -近紅外光譜預測模型的試驗樣品。

以入選“第三屆全國粳稻大會——全國優(yōu)質(zhì)食味大米評選”的 18個參評水稻樣品作為感官食味評價方法比較研究的試驗樣品。

1.1.2 儀器

FC-2K實驗礱谷機:日本大竹公司;VP-32實驗碾米機:日本山本公司;RGQ I20A顆粒判定儀、STA1A米飯食味計:日本佐竹公司。

1.2 方法

1.2.1 小樣品感官食味評價方法

1.2.1.1 原理

參考 GB/T 15682-2008《稻谷、大米蒸煮食用品質(zhì)感官評價方法》[9]。

1.2.1.2 評價人員組成和篩選

評價人員 10人,由本實驗室人員按年齡 (25～65歲)、性別等均衡考慮,并進行反復培訓和篩選。

1.2.1.3 米飯制備方法

每次評價樣品數(shù)量為包括基準米在內(nèi)共 4份樣品。每個試樣按參評人員每人一份準備,在每個蒸飯器皿中稱取試樣 10.0 g。將稱重后的試樣倒入瀝水篩,在水中順時針攪動淘洗 10次,逆時針攪動淘洗10次,換水重復3次。再用200 mL蒸餾水淋洗一次,瀝盡余水,放回蒸飯器皿中。試樣與水的質(zhì)量比一般為 1∶1.35,根據(jù)樣品米含水量按粳米標準含水量(15%)適當調(diào)整加水量。試樣按比例加水稱重后,浸泡 30 min。然后在電飯煲內(nèi)加入適量水 (約1 000 mL左右),加熱至沸騰后,用定性濾紙蓋好蒸飯器皿,放入直熱式電飯鍋 (3 L,500 W)的蒸屜上,蓋上鍋蓋繼續(xù)加熱并開始計時,蒸煮 40 min,燜10 min。

1.2.1.4 試食份數(shù)和試食時間

將蒸煮制成米飯的器皿直接放入塑料盤上,每人一盤,每盤 4份試樣,趁熱品嘗。試食時間安排在飯后 2 h進行。

1.2.1.5 填寫試食評分記錄(評分體系二)

以基準米作對照,根據(jù)相對于基準米對照每份米飯食味的好壞程度,按“最好”、“較好”、“稍好”、“最差”、“較差”、“稍差”、“與標準相同”的 7個等級進行評分,評分基準為 ±3,填寫評分記錄。

1.2.1.6 試食結果處理

選擇 10個評價員,作隔天重復試驗,每個樣品得到 20人次的感官試驗數(shù)據(jù)。將各試食人員對每個試樣的氣味、色澤和光澤、飯粒完整性、味道、口感和綜合評分輸入 Excel表中,計算平均值和標準誤差σ。若評價人員的單項評分與平均值相差 2σ以上時,剔除此值,再計算平均值。米飯感官試驗以綜合評分的百分值表示,換算公式:

試樣感官試驗綜合評分 (百分值)=綜合評分(相對基準米的 7等級評分值)×10+基準米的綜合評分(百分值)。

1.2.2 可見光 -近紅外光譜分析

1.2.2.1 原理

在反射光波長 540 nm和 970 nm,透射光波長540 nm和 640 nm處,測定米飯的反射光量和透射光量。采集米飯樣品可見光 -近紅外光譜,利用感官食味值與可見光 -近紅外光譜測定值的相關性,用MLR方法得到最佳數(shù)學模型,將感官試驗結果數(shù)值化,客觀評定稻米的食味等級。本試驗使用日本佐竹公司生產(chǎn)的 STA1A米飯食味計。

1.2.2.2 測定程序

將 30.0 g大米放入專用容器中淘洗,浸泡30 min,然后將容器放入電飯煲蒸煮 30 min,燜10 min,攪拌米飯,再將容器放入冷卻器中冷卻20 min,在室溫下放置 60 min。將 8.0 g米飯裝入專用金屬杯內(nèi),壓成飯餅,用黑白板校正食味計,將飯餅插入食味計測定。儀器自動顯示米飯樣品的氣味、色澤、完整性、味道、口感的評分值和綜合評分值。

1.2.3 碎米率及裂紋米率測定

1.2.3.1 原理

通過配置在正面、反面、側面的 CCD彩色光傳感器將每粒米從三個方向獲取兩種圖像 (反射光圖像與透視光圖像),得到碎米率、裂紋米率的平均值及標準偏差。測定結果及彩色圖像將顯示在本體的液晶屏上,并通過USB將測定結果、測定圖像及單粒詳細數(shù)據(jù)進行外部輸出[10-11]。本試驗使用日本佐竹公司生產(chǎn)的RGQ I20A顆粒判定儀。

1.2.3.2 測定程序

將測定樣品放入顆粒判定儀內(nèi),按精米測定鍵開始測定。分析結果用大分類、中分類或小分類三種畫面表示,得到約 1000粒精米的碎米率、裂紋米率的分析結果。碎米率、裂紋米率用百分率表示。

1.3 統(tǒng)計分析

用Microsoft Excel 2003對數(shù)據(jù)進行統(tǒng)計分析。

2 結果與分析

2.1 米飯感官食味評價方法的一致性比較

食味感官試驗依據(jù) GB/T15682-2008《稻谷、大米蒸煮食用品質(zhì)感官評價方法》的 4樣品試驗法,分別比較了其中大樣品制備和小樣品制備方法以及加權評分值(評分體系一)和綜合評分值(評分體系二)的一致性。大樣品感官試驗品評人員聘由國內(nèi)稻米品評專家組成,基準米采用秋田小町(感官評分為 75分)。小樣品感官試驗由農(nóng)業(yè)部谷物及制品質(zhì)量監(jiān)督檢驗測試中心(哈爾濱)專業(yè)品評人員組成,基準米采用空育 131(感官評分為 75分)。

表 1為三種不同感官食味評價方法的試驗結果,將感官食味評價方法及水稻樣品作為因素,進行無重復雙因素方差分析,分析結果見表 2。在表 2的方差分析中,“行”對應的是水稻樣品,其 F值為9.66,大于在 0.05顯著性水平的 1.93,說明不同的水稻樣品在感官評價上有明顯差別?！傲小睂氖窃u價方法,其 F值為 3.09,小于在 0.05顯著性水平的 3.28,說明不同的評價方法在感官評價上沒有顯著差別,三種感官試驗方法評價結果比較一致,其中小樣品感官試驗(包括評分體系一及評分體系二)樣品用量少,可操作性更簡便一些。

表1 不同感官食味評價方法的試驗結果

表 2 不同感官食味評價方法的無重復雙因素方差分析表

對三種感官食味評價方法的試驗數(shù)據(jù)進行統(tǒng)計分析,結果見表 3,其中小樣品感官試驗中加權值評分法(評分體系一)和綜合評分法(評分體系二)所得試驗結果的平均值更接近,綜合評分法極差較大,18個樣品的食味的區(qū)分度較好。綜合以上分析,確定采用小樣品感官試驗的綜合評分法(評分體系二)作為可見光 -近紅外光譜預測方程的感官食味評價方法。

表3 不同感官食味評價方法的比較

2.2 感官食味評價項目的相關性

2.2.1 相關性分析

按照 GB/T 15682-2008《稻谷、大米蒸煮食用品質(zhì)感官評價方法》中的小樣品實驗法,對 88份粳稻樣品進行了感官食味試驗,對氣味、色澤、外觀完整性、味道、口感和綜合評分等 6個評價點進行了相關性分析,結果見表 4。

表 4 88份樣品食味品質(zhì)評價項目間的相關系數(shù)

由表 4看出,88份粳稻樣品的米飯感官試驗食味綜合評分與氣味、色澤、外觀完整性、味道、口感 5個評價項目均呈極顯著正相關。

2.2.2 逐步回歸分析

以 88份粳稻樣品的感官試驗綜合評分為因變量(Y),以氣味、色澤、外觀完整性、味道、口感為自變量(X1、X2、X3、X4、X5)進行逐步回歸分析,逐步回歸結果見表5。

表 5 88份樣品食味品質(zhì)評價項目間的相關系數(shù)

結果表明,色澤、外觀完整性、味道和口感對感官試驗的綜合評分貢獻較大,其中口感對感官試驗的綜合評分貢獻最大,回歸系數(shù)為 0.651,t值 9.754大于 t0.01/2(6,88-6)=2.639,P為 0;氣味對感官試驗的綜合評分貢獻相對較小。

回歸分析得到的方程為:

Y=0.002 4+0.109 1X1+0.193 7X2+0.153 6X3+ 0.243 8X4+0.650 8X5

回歸方程的預測值與感官評價綜合評分的相關系數(shù) R為 0.979,標準誤差為 0.138,F值 320.44大于 F0.01(6-1,88-6)=3.255,說明此方程的相關關系及回歸效果非常顯著。因此,氣味、色澤、外觀完整性、味道、口感均能夠很好反映粳稻的食味品質(zhì),與相關性分析的結論一致。因此,以上 6個評價項目能夠很好的評價中國粳稻的食味品質(zhì),可見用感官試驗的綜合評分值,即可很好區(qū)別食味的差異。

2.3 可見光 -近紅外光譜對中國粳稻的適應性

2.3.1 預測回歸方程

為建立粳稻米飯可見光 -近紅外光譜值和感官評價值間的相關數(shù)學模型,探討米飯食味計的適用性,進行了米飯食味計預測值與感官試驗評價值的相關性研究。利用有效的米飯感官評價數(shù)據(jù) 88個,將感官評價各項目的評分值從小到大排序,按照隔二取一隨機取樣,其中 59個數(shù)據(jù)作為定標集,剩余的 29個數(shù)據(jù)作檢驗集,并采集米飯的可見光 -近紅外光譜數(shù)據(jù),分別建立多元回歸方程。為獲得最佳預測效果,分別制作了 4個自變量 (4個波長的吸光度)和 7個自變量(4個波長的吸光度、碎米率、裂紋米率和香氣系數(shù))的兩組預測回歸方程,并進行比較,從中選取最佳預測回歸方程。

2.3.1.1 4個自變量的預測回歸方程

以 4個波長的吸光度為自變量,感官食味評價點(氣味、色澤、外觀完整性、味道、口感、綜合評分)為因變量進行多元回歸,得出 4個自變量的預測回歸方程,表 6列出了回歸系數(shù) F,復相關系數(shù) R和回歸方程標準誤差 SEC。

表6 食味品質(zhì)評價各項目與 4個自變量的回歸方程

氣味、色澤、外觀完整性、味道、口感和綜合評分預測回歸方程的復相關系數(shù) R分別為:0.398、0.644、0.430、0.577、0.665、0.676。色澤、味道、口感和綜合評價的相關性較高,均大于 R0.01,達到極顯著相關水平;外觀完整性大于 R0.05,達到顯著相關水平;而氣味的相關性較低,表明僅通過光學方法很難得到最佳預測模型。

2.3.1.2 7個自變量的預測回歸方程

以 4個波長的吸光度、碎米率、裂紋米率和香氣系數(shù)為自變量,感官食味評價點 (氣味、色澤、外觀完整性、味道、口感、綜合評分)為因變量進行多元回歸,得出7個自變量的預測回歸方程。表7列出了回歸系數(shù) F,復相關系數(shù) R,和回歸方程標準誤差 SEC。

表7 食味品質(zhì)評價各項目與 7個自變量的回歸方程

氣味、色澤、外觀完整性、味道、口感和綜合評分預測回歸方程的復相關系數(shù) R分別為:0.745、0.699、0.738、0.735、0.788、0.799,表明感官食味評價點(氣味、色澤、外觀完整性、味道、口感、綜合評分)與 7個自變量的預測回歸方程均達到極顯著相關水平。

2.3.1.3 兩組預測回歸方程的比較

由表 6和表 7可以看出,7個自變量 (4個波長的吸光度、碎米率、裂紋米率和香氣系數(shù))的預測回歸方程與 4個自變量(4個波長的吸光度)的預測回歸方程相比,感官食味評價點的相關系數(shù) R均有很大的提高,并降低了標準誤差 SEC,尤其是氣味和外觀完整性的相關系數(shù)均提高了 0.3以上,這主要是由于自變量引入了碎米率、裂紋米率和香氣系數(shù),使得氣味和外觀完整性的相關性大大提高,解決了光譜儀器的固有缺陷。綜合評分的相關系數(shù)提高了0.123,說明 7個自變量(4個波長的吸光度、碎米率、裂紋米率和香氣系數(shù))的預測回歸方程在粳稻的食味品質(zhì)評價上獲得了更好的預測效果。

2.3.2 食味預測回歸方程的驗證與評價

為檢驗預測回歸方程的普遍適用性,采用檢驗集 29個樣品的感官試驗和可見光 -近紅外光譜數(shù)據(jù)對預測回歸方程進行驗證,求出 6個食味評價點分析值和回歸方程預測值的相關系數(shù)R、預測標準誤差(SEP)、Bias值(分析值與回歸方程預測值之差的平均值)、感官評價值與預測值一次回歸線的斜率(Skew),其結果如表 8所示。

表8 食味品質(zhì)評價各項目回歸方程的驗證

由表 8可以看出,氣味、色澤、外觀完整性、味道、口感和綜合評價驗證回歸方程式的相關系數(shù) R分別為:0.669、0.644、0.750、0.653、0.781、0.795。其中外觀完整性、口感和綜合評分的相關系數(shù)達到了 0.75以上,預測標準誤差 (SEP)與 Bias值相對較小,說明該食味預測回歸方程能很好預測中國粳稻的米飯食味品質(zhì)。

圖 1為 29個粳稻樣品的綜合評分與綜合評分預測值的相關關系圖,從圖 1可直觀的看出,二者的相關性較好,預測回歸方程對于粳稻具有普遍適用性。

圖 1 綜合評分與綜合評分預測值的相關關系圖

3 結論

3.1 大樣品感官試驗加權值評分法、小樣品感官試驗的加權值評分法 (評分體系一)和綜合評分法(評分體系二),3種感官食味評價方法評價的結果較一致,其中小樣品感官試驗綜合評分法樣品用量少,樣品的區(qū)分度好,可操作性簡便。

3.2 88份粳稻樣品食味品質(zhì)評價項目的相關性分析表明,米飯感官綜合評分與氣味、色澤、外觀完整性、味道、口感均呈極顯著正相關。逐步回歸分析得到的食味預測值與感官評價綜合評分的相關系數(shù) R為0.979,說明氣味、色澤、外觀完整性、味道、口感能夠很好的評價粳稻的食味品質(zhì),與相關性分析的結論相符。

3.3 本試驗中 7個自變量(4個波長的吸光度、碎米率、裂紋米率和香氣系數(shù))與 4個自變量(4個波長的吸光度)的預測回歸方程相比,6個感官食味評價點的相關系數(shù) R有明顯提高,均達到 0.699～0.799水平的極顯著相關,克服了光譜設備的局限性,因此 7個自變量的預測回歸方程在粳稻的食味品質(zhì)評價上具有更好的預測效果。

3.4 對預測回歸方程的驗證結果表明,29個感官食味評價點的分析值和回歸方程預測值的相關系數(shù)較高,預測回歸方程能可以很好預測中國粳稻的米飯食味品質(zhì),對于粳稻具有普遍適用性。

[1]舒曉慶,吳殿星,夏英武,等.稻米表觀直鏈淀粉含量近紅外光譜測定技術校正設置的優(yōu)化 [J].浙江大學學報, 1999,25(4):343-346

[2]Miryeong S,Franklin E B II,AnnaM M,et al.Near-infrared spectroscopy for deter mination of protein amylose in rice flour through use of derivatives[J].Cereal chemistry,2004,81 (3):341-344

[3]Wu J G,SH I C H.Calibration model opti mization for rice cooking characteristics by nerinfrared reflectance spectroscopy (N I R)[J].Food Chemistry,2007,103(3):1054-1061

[4]謝新華,肖昕,李曉方,等.單粒糙米蛋白質(zhì)含量的近紅外分析數(shù)學模型[J].農(nóng)業(yè)機械學報,2006,37(8):120-122

[5]肖昕,謝新華,毛興學,等.單?；铙w稻谷種子直鏈淀粉含量的近紅外光譜分析 [J].中國水稻科學,2003,17(3): 287-290

[6]Mikami T,Kashiwamura T,Tsuchiya Y,et al.Palatability e2 valuation for cooked rice by visible and near infrared spec2 troscopy[J].Journal of the Japanese society for food science and technology,2000,10:787-792.

[7]呂慶云,三上隆司,河野元信,等.適合中國南方產(chǎn)秈米米飯食味評價方法的研究 [J].中國糧油學報,2006,5: 13～16

[8]Lu Qingyun,Chen Yeming,TakashiMikami.Adaptability of four-samples sensory tests and prediction of visual and near-infrared reflectance spectroscopy for Chinese indica rice[J].Food Engineering,2007,79(4):1445-1451

[9]GB/T 15682-2008,稻谷、大米蒸煮食用品質(zhì)感官評價方法[S]

[10]李霞輝,張瑞英,孟慶虹,等.粳稻品種食味品質(zhì)評價方法的研究進展[J].北方水稻,2007,5:5-9

[11]李霞輝,王樂凱,潘國君,等.粳稻品種圖鑒 [M].北京:中國輕工業(yè)出版社,2009.

Predicting EatingQuality of Short Grain Rice by UsingVisible and Near Infrared Spectroscopy

Meng Qinghong1,2Li Xiahui1TakashiMikami3Motonobu Kawano3Lu shuwen2Cheng Aihua1Yao Xinmiao2Guan Haitao1
(Inspection and Testing Center ForQuality of Cereals and Their Products,Ministry ofAgriculture1,Harbin 150086)
(Food Processing Institute,HeilongjiangAcademy ofAgricultural Sciences2,Harbin 150086)
(SATAKE Corporation3,Hirosh ima Japan 739-8602)

Using samples of 88 short grain rice varieties from Heilongjiang,Jilin,Liaoning,and Jiangsu prov2 inces,a visible and near infrared spectroscopy prediction model for short grain rice taste evaluation was built up.The s mall sample sensory integrated scoring method was used in taste experiment,and correlation analysis and stepwise regression were carried out.Results show the sensory taste score is highly positively correlated with smell,luster, grain suit,taste,and texture.Through the regression analysisof short grain rice taste evaluation value and visible and near infrared spectroscopy value,a predicting regression equation based on 7 independent variables(absorbance of four differentwavelengths,broken rice rate,crackle rice rate,and aroma coefficient)wasobtained.Results show the correlation coefficients(R)reach 0.699～0.799,indicating highly significant correlation.It is confir med that the prediction equation can predict the eating quality of short grain rice quite well.

short grain rice,cooked rice,sensory test,visible and near infrared spectroscopy

TS212.2 文獻標識碼:A 文章編號:1003-0174(2010)05-0090-06

國家科技支撐計劃(2007BAD65B03)

2009-04-15

孟慶虹,女,1980年出生,碩士,助理研究員,谷物品質(zhì)研究

李霞輝,女,1941年出生,研究員,谷物品質(zhì)研究