孟慶虹李霞輝三上隆司河野元信盧淑雯程愛華姚鑫淼關(guān)海濤

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

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

(株式會(huì)社 SATAKE3,日本廣島 739-8602)

可見光 -近紅外光譜預(yù)測(cè)粳稻食味的適應(yīng)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(guān)海濤1

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

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

(株式會(huì)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(píng)價(jià)的可見光 -近紅外光譜預(yù)測(cè)模型。感官食味試驗(yàn)采用小樣品感官試驗(yàn)綜合評(píng)分法,其相關(guān)性分析和逐步回歸結(jié)果表明,感官綜合評(píng)分與氣味、色澤、外觀完整性、味道、口感均呈極顯著正相關(guān)。通過粳稻感官食味評(píng)分值與可見光 -近紅外光譜值的回歸分析,得到 7個(gè)自變量(4個(gè)波長的吸光度、碎米率、裂紋米率和香氣系數(shù))的預(yù)測(cè)回歸方程,其相關(guān)系數(shù) R均達(dá)到 0.699～0.799的極顯著相關(guān),經(jīng)驗(yàn)證該預(yù)測(cè)回歸方程能夠較好的預(yù)測(cè)粳稻的米飯食味品質(zhì)。

粳稻 米飯 感官試驗(yàn) 可見光 -近紅外光譜

由于近紅外光譜分析技術(shù)具有快速、經(jīng)濟(jì)、無污染和多組分同時(shí)測(cè)定的特點(diǎn),自20世紀(jì)90年代初國內(nèi)外已將該技術(shù)廣泛應(yīng)用于稻米化學(xué)成分的快速分析——能夠準(zhǔn)確測(cè)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(shí)現(xiàn)單籽粒糙米預(yù)測(cè)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(shù)將發(fā)展成為一種常規(guī)標(biāo)準(zhǔn)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(duì)食味的評(píng)價(jià)仍以傳統(tǒng)的感官試驗(yàn)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(biāo)為基礎(chǔ)建立的近紅外光譜數(shù)學(xué)模型,還是以感官試驗(yàn)結(jié)果為基礎(chǔ)建立的可見光 -近紅外(V IS/N IR)光譜數(shù)學(xué)模型,都必須采用化學(xué)計(jì)量方法,在光譜數(shù)據(jù)和化學(xué)值 (或感官評(píng)分)之間建立校正模型,并評(píng)價(jià)模型的可靠性。

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

已有文獻(xiàn)報(bào)道了可見光 -近紅外光譜法測(cè)定中國秈稻食味的研究結(jié)果[7-8]。本研究探討了用中國粳稻品種為試驗(yàn)材料,建立以米飯感官試驗(yàn)結(jié)果為基礎(chǔ)的可見光 -近紅外光譜法預(yù)測(cè)粳稻食味的校正模型,并驗(yàn)證該校正模型預(yù)測(cè)粳稻食味品質(zhì)具有普遍適應(yīng)性,期望為中國粳稻提供一種更好的食味評(píng)價(jià)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(gè)作為建立可見光 -近紅外光譜預(yù)測(cè)模型的試驗(yàn)樣品。

以入選“第三屆全國粳稻大會(huì)——全國優(yōu)質(zhì)食味大米評(píng)選”的 18個(gè)參評(píng)水稻樣品作為感官食味評(píng)價(jià)方法比較研究的試驗(yàn)樣品。

1.1.2 儀器

FC-2K實(shí)驗(yàn)礱谷機(jī):日本大竹公司;VP-32實(shí)驗(yàn)?zāi)朊讬C(jī):日本山本公司;RGQ I20A顆粒判定儀、STA1A米飯食味計(jì):日本佐竹公司。

1.2 方法

1.2.1 小樣品感官食味評(píng)價(jià)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(píng)價(jià)方法》[9]。

1.2.1.2 評(píng)價(jià)人員組成和篩選

評(píng)價(jià)人員 10人,由本實(shí)驗(yàn)室人員按年齡 (25～65歲)、性別等均衡考慮,并進(jìn)行反復(fù)培訓(xùn)和篩選。

1.2.1.3 米飯制備方法

每次評(píng)價(jià)樣品數(shù)量為包括基準(zhǔn)米在內(nèi)共 4份樣品。每個(gè)試樣按參評(píng)人員每人一份準(zhǔn)備,在每個(gè)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(shí)針攪動(dòng)淘洗 10次,逆時(shí)針攪動(dòng)淘洗10次,換水重復(fù)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(biāo)準(zhǔn)含水量(15%)適當(dāng)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(jì)時(shí),蒸煮 40 min,燜10 min。

1.2.1.4 試食份數(shù)和試食時(shí)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(shí)間安排在飯后 2 h進(jìn)行。

1.2.1.5 填寫試食評(píng)分記錄(評(píng)分體系二)

以基準(zhǔn)米作對(duì)照,根據(jù)相對(duì)于基準(zhǔn)米對(duì)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(biāo)準(zhǔn)相同”的 7個(gè)等級(jí)進(jìn)行評(píng)分,評(píng)分基準(zhǔn)為 ±3,填寫評(píng)分記錄。

1.2.1.6 試食結(jié)果處理

選擇 10個(gè)評(píng)價(jià)員,作隔天重復(fù)試驗(yàn),每個(gè)樣品得到 20人次的感官試驗(yàn)數(shù)據(jù)。將各試食人員對(duì)每個(gè)試樣的氣味、色澤和光澤、飯粒完整性、味道、口感和綜合評(píng)分輸入 Excel表中,計(jì)算平均值和標(biāo)準(zhǔn)誤差σ。若評(píng)價(jià)人員的單項(xiàng)評(píng)分與平均值相差 2σ以上時(shí),剔除此值,再計(jì)算平均值。米飯感官試驗(yàn)以綜合評(píng)分的百分值表示,換算公式:

試樣感官試驗(yàn)綜合評(píng)分 (百分值)=綜合評(píng)分(相對(duì)基準(zhǔn)米的 7等級(jí)評(píng)分值)×10+基準(zhǔn)米的綜合評(píng)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(cè)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(cè)定值的相關(guān)性,用MLR方法得到最佳數(shù)學(xué)模型,將感官試驗(yàn)結(jié)果數(shù)值化,客觀評(píng)定稻米的食味等級(jí)。本試驗(yàn)使用日本佐竹公司生產(chǎn)的 STA1A米飯食味計(jì)。

1.2.2.2 測(cè)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(jì),將飯餅插入食味計(jì)測(cè)定。儀器自動(dòng)顯示米飯樣品的氣味、色澤、完整性、味道、口感的評(píng)分值和綜合評(píng)分值。

1.2.3 碎米率及裂紋米率測(cè)定

1.2.3.1 原理

通過配置在正面、反面、側(cè)面的 CCD彩色光傳感器將每粒米從三個(gè)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(biāo)準(zhǔn)偏差。測(cè)定結(jié)果及彩色圖像將顯示在本體的液晶屏上,并通過USB將測(cè)定結(jié)果、測(cè)定圖像及單粒詳細(xì)數(shù)據(jù)進(jìn)行外部輸出[10-11]。本試驗(yàn)使用日本佐竹公司生產(chǎn)的RGQ I20A顆粒判定儀。

1.2.3.2 測(cè)定程序

將測(cè)定樣品放入顆粒判定儀內(nèi),按精米測(cè)定鍵開始測(cè)定。分析結(jié)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(jié)果。碎米率、裂紋米率用百分率表示。

1.3 統(tǒng)計(jì)分析

用Microsoft Excel 2003對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。

2 結(jié)果與分析

2.1 米飯感官食味評(píng)價(jià)方法的一致性比較

食味感官試驗(yàn)依據(jù) GB/T15682-2008《稻谷、大米蒸煮食用品質(zhì)感官評(píng)價(jià)方法》的 4樣品試驗(yàn)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(quán)評(píng)分值(評(píng)分體系一)和綜合評(píng)分值(評(píng)分體系二)的一致性。大樣品感官試驗(yàn)品評(píng)人員聘由國內(nèi)稻米品評(píng)專家組成,基準(zhǔn)米采用秋田小町(感官評(píng)分為 75分)。小樣品感官試驗(yàn)由農(nóng)業(yè)部谷物及制品質(zhì)量監(jiān)督檢驗(yàn)測(cè)試中心(哈爾濱)專業(yè)品評(píng)人員組成,基準(zhǔn)米采用空育 131(感官評(píng)分為 75分)。

表 1為三種不同感官食味評(píng)價(jià)方法的試驗(yàn)結(jié)果,將感官食味評(píng)價(jià)方法及水稻樣品作為因素,進(jìn)行無重復(fù)雙因素方差分析,分析結(jié)果見表 2。在表 2的方差分析中,“行”對(duì)應(yīng)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(píng)價(jià)上有明顯差別?！傲小睂?duì)應(yīng)的是評(píng)價(jià)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(píng)價(jià)方法在感官評(píng)價(jià)上沒有顯著差別,三種感官試驗(yàn)方法評(píng)價(jià)結(jié)果比較一致,其中小樣品感官試驗(yàn)(包括評(píng)分體系一及評(píng)分體系二)樣品用量少,可操作性更簡(jiǎn)便一些。

表1 不同感官食味評(píng)價(jià)方法的試驗(yàn)結(jié)果

表 2 不同感官食味評(píng)價(jià)方法的無重復(fù)雙因素方差分析表

對(duì)三種感官食味評(píng)價(jià)方法的試驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,結(jié)果見表 3,其中小樣品感官試驗(yàn)中加權(quán)值評(píng)分法(評(píng)分體系一)和綜合評(píng)分法(評(píng)分體系二)所得試驗(yàn)結(jié)果的平均值更接近,綜合評(píng)分法極差較大,18個(gè)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(yàn)的綜合評(píng)分法(評(píng)分體系二)作為可見光 -近紅外光譜預(yù)測(cè)方程的感官食味評(píng)價(jià)方法。

表3 不同感官食味評(píng)價(jià)方法的比較

2.2 感官食味評(píng)價(jià)項(xiàng)目的相關(guān)性

2.2.1 相關(guān)性分析

按照 GB/T 15682-2008《稻谷、大米蒸煮食用品質(zhì)感官評(píng)價(jià)方法》中的小樣品實(shí)驗(yàn)法,對(duì) 88份粳稻樣品進(jìn)行了感官食味試驗(yàn),對(duì)氣味、色澤、外觀完整性、味道、口感和綜合評(píng)分等 6個(gè)評(píng)價(jià)點(diǎn)進(jìn)行了相關(guān)性分析,結(jié)果見表 4。

表 4 88份樣品食味品質(zhì)評(píng)價(jià)項(xiàng)目間的相關(guān)系數(shù)

由表 4看出,88份粳稻樣品的米飯感官試驗(yàn)食味綜合評(píng)分與氣味、色澤、外觀完整性、味道、口感 5個(gè)評(píng)價(jià)項(xiàng)目均呈極顯著正相關(guān)。

2.2.2 逐步回歸分析

以 88份粳稻樣品的感官試驗(yàn)綜合評(píng)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(jìn)行逐步回歸分析,逐步回歸結(jié)果見表5。

表 5 88份樣品食味品質(zhì)評(píng)價(jià)項(xiàng)目間的相關(guān)系數(shù)

結(jié)果表明,色澤、外觀完整性、味道和口感對(duì)感官試驗(yàn)的綜合評(píng)分貢獻(xiàn)較大,其中口感對(duì)感官試驗(yàn)的綜合評(píng)分貢獻(xiàn)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(duì)感官試驗(yàn)的綜合評(píng)分貢獻(xiàn)相對(duì)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(yù)測(cè)值與感官評(píng)價(jià)綜合評(píng)分的相關(guān)系數(shù) R為 0.979,標(biāo)準(zhǔn)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(guān)關(guān)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(guān)性分析的結(jié)論一致。因此,以上 6個(gè)評(píng)價(jià)項(xiàng)目能夠很好的評(píng)價(jià)中國粳稻的食味品質(zhì),可見用感官試驗(yàn)的綜合評(píng)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(duì)中國粳稻的適應(yīng)性

2.3.1 預(yù)測(cè)回歸方程

為建立粳稻米飯可見光 -近紅外光譜值和感官評(píng)價(jià)值間的相關(guān)數(shù)學(xué)模型,探討米飯食味計(jì)的適用性,進(jìn)行了米飯食味計(jì)預(yù)測(cè)值與感官試驗(yàn)評(píng)價(jià)值的相關(guān)性研究。利用有效的米飯感官評(píng)價(jià)數(shù)據(jù) 88個(gè),將感官評(píng)價(jià)各項(xiàng)目的評(píng)分值從小到大排序,按照隔二取一隨機(jī)取樣,其中 59個(gè)數(shù)據(jù)作為定標(biāo)集,剩余的 29個(gè)數(shù)據(jù)作檢驗(yàn)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(yù)測(cè)效果,分別制作了 4個(gè)自變量 (4個(gè)波長的吸光度)和 7個(gè)自變量(4個(gè)波長的吸光度、碎米率、裂紋米率和香氣系數(shù))的兩組預(yù)測(cè)回歸方程,并進(jìn)行比較,從中選取最佳預(yù)測(cè)回歸方程。

2.3.1.1 4個(gè)自變量的預(yù)測(cè)回歸方程

以 4個(gè)波長的吸光度為自變量,感官食味評(píng)價(jià)點(diǎn)(氣味、色澤、外觀完整性、味道、口感、綜合評(píng)分)為因變量進(jìn)行多元回歸,得出 4個(gè)自變量的預(yù)測(cè)回歸方程,表 6列出了回歸系數(shù) F,復(fù)相關(guān)系數(shù) R和回歸方程標(biāo)準(zhǔn)誤差 SEC。

表6 食味品質(zhì)評(píng)價(jià)各項(xiàng)目與 4個(gè)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(píng)分預(yù)測(cè)回歸方程的復(fù)相關(guān)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(píng)價(jià)的相關(guān)性較高,均大于 R0.01,達(dá)到極顯著相關(guān)水平;外觀完整性大于 R0.05,達(dá)到顯著相關(guān)水平;而氣味的相關(guān)性較低,表明僅通過光學(xué)方法很難得到最佳預(yù)測(cè)模型。

2.3.1.2 7個(gè)自變量的預(yù)測(cè)回歸方程

以 4個(gè)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(píng)價(jià)點(diǎn) (氣味、色澤、外觀完整性、味道、口感、綜合評(píng)分)為因變量進(jìn)行多元回歸,得出7個(gè)自變量的預(yù)測(cè)回歸方程。表7列出了回歸系數(shù) F,復(fù)相關(guān)系數(shù) R,和回歸方程標(biāo)準(zhǔn)誤差 SEC。

表7 食味品質(zhì)評(píng)價(jià)各項(xiàng)目與 7個(gè)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(píng)分預(yù)測(cè)回歸方程的復(fù)相關(guān)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(píng)價(jià)點(diǎn)(氣味、色澤、外觀完整性、味道、口感、綜合評(píng)分)與 7個(gè)自變量的預(yù)測(cè)回歸方程均達(dá)到極顯著相關(guān)水平。

2.3.1.3 兩組預(yù)測(cè)回歸方程的比較

由表 6和表 7可以看出,7個(gè)自變量 (4個(gè)波長的吸光度、碎米率、裂紋米率和香氣系數(shù))的預(yù)測(cè)回歸方程與 4個(gè)自變量(4個(gè)波長的吸光度)的預(yù)測(cè)回歸方程相比,感官食味評(píng)價(jià)點(diǎn)的相關(guān)系數(shù) R均有很大的提高,并降低了標(biāo)準(zhǔn)誤差 SEC,尤其是氣味和外觀完整性的相關(guān)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(guān)性大大提高,解決了光譜儀器的固有缺陷。綜合評(píng)分的相關(guān)系數(shù)提高了0.123,說明 7個(gè)自變量(4個(gè)波長的吸光度、碎米率、裂紋米率和香氣系數(shù))的預(yù)測(cè)回歸方程在粳稻的食味品質(zhì)評(píng)價(jià)上獲得了更好的預(yù)測(cè)效果。

2.3.2 食味預(yù)測(cè)回歸方程的驗(yàn)證與評(píng)價(jià)

為檢驗(yàn)預(yù)測(cè)回歸方程的普遍適用性,采用檢驗(yàn)集 29個(gè)樣品的感官試驗(yàn)和可見光 -近紅外光譜數(shù)據(jù)對(duì)預(yù)測(cè)回歸方程進(jìn)行驗(yàn)證,求出 6個(gè)食味評(píng)價(jià)點(diǎn)分析值和回歸方程預(yù)測(cè)值的相關(guān)系數(shù)R、預(yù)測(cè)標(biāo)準(zhǔn)誤差(SEP)、Bias值(分析值與回歸方程預(yù)測(cè)值之差的平均值)、感官評(píng)價(jià)值與預(yù)測(cè)值一次回歸線的斜率(Skew),其結(jié)果如表 8所示。

表8 食味品質(zhì)評(píng)價(jià)各項(xiàng)目回歸方程的驗(yàn)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(píng)價(jià)驗(yàn)證回歸方程式的相關(guān)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(píng)分的相關(guān)系數(shù)達(dá)到了 0.75以上,預(yù)測(cè)標(biāo)準(zhǔn)誤差 (SEP)與 Bias值相對(duì)較小,說明該食味預(yù)測(cè)回歸方程能很好預(yù)測(cè)中國粳稻的米飯食味品質(zhì)。

圖 1為 29個(gè)粳稻樣品的綜合評(píng)分與綜合評(píng)分預(yù)測(cè)值的相關(guān)關(guān)系圖,從圖 1可直觀的看出,二者的相關(guān)性較好,預(yù)測(cè)回歸方程對(duì)于粳稻具有普遍適用性。

圖 1 綜合評(píng)分與綜合評(píng)分預(yù)測(cè)值的相關(guān)關(guān)系圖

3 結(jié)論

3.1 大樣品感官試驗(yàn)加權(quán)值評(píng)分法、小樣品感官試驗(yàn)的加權(quán)值評(píng)分法 (評(píng)分體系一)和綜合評(píng)分法(評(píng)分體系二),3種感官食味評(píng)價(jià)方法評(píng)價(jià)的結(jié)果較一致,其中小樣品感官試驗(yàn)綜合評(píng)分法樣品用量少,樣品的區(qū)分度好,可操作性簡(jiǎn)便。

3.2 88份粳稻樣品食味品質(zhì)評(píng)價(jià)項(xiàng)目的相關(guān)性分析表明,米飯感官綜合評(píng)分與氣味、色澤、外觀完整性、味道、口感均呈極顯著正相關(guān)。逐步回歸分析得到的食味預(yù)測(cè)值與感官評(píng)價(jià)綜合評(píng)分的相關(guān)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(píng)價(jià)粳稻的食味品質(zhì),與相關(guān)性分析的結(jié)論相符。

3.3 本試驗(yàn)中 7個(gè)自變量(4個(gè)波長的吸光度、碎米率、裂紋米率和香氣系數(shù))與 4個(gè)自變量(4個(gè)波長的吸光度)的預(yù)測(cè)回歸方程相比,6個(gè)感官食味評(píng)價(jià)點(diǎn)的相關(guān)系數(shù) R有明顯提高,均達(dá)到 0.699～0.799水平的極顯著相關(guān),克服了光譜設(shè)備的局限性,因此 7個(gè)自變量的預(yù)測(cè)回歸方程在粳稻的食味品質(zhì)評(píng)價(jià)上具有更好的預(yù)測(cè)效果。

3.4 對(duì)預(yù)測(cè)回歸方程的驗(yàn)證結(jié)果表明,29個(gè)感官食味評(píng)價(jià)點(diǎn)的分析值和回歸方程預(yù)測(cè)值的相關(guān)系數(shù)較高,預(yù)測(cè)回歸方程能可以很好預(yù)測(cè)中國粳稻的米飯食味品質(zhì),對(duì)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(cè)定技術(shù)校正設(shè)置的優(yōu)化 [J].浙江大學(xué)學(xué)報(bào), 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(xué)模型[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2006,37(8):120-122

[5]肖昕,謝新華,毛興學(xué),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(xué),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(píng)價(jià)方法的研究 [J].中國糧油學(xué)報(bào),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(píng)價(jià)方法[S]

[10]李霞輝,張瑞英,孟慶虹,等.粳稻品種食味品質(zhì)評(píng)價(jià)方法的研究進(jìn)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(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1003-0174(2010)05-0090-06

國家科技支撐計(jì)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