鄒小波　崔雪平　石吉勇　胡雪桃　徐藝偉　薛　瑾

(江蘇大學(xué)食品與生物工程學(xué)院， 鎮(zhèn)江 212013)

0　引言

淀粉回生是指淀粉糊在室溫或低溫下儲(chǔ)存一段時(shí)間后，分子狀態(tài)從無序到有序的過程[1]?；厣鷷?huì)改變淀粉的優(yōu)良特性，影響淀粉食品的外觀和口感，且對(duì)淀粉酶具有抗性，食用后易引發(fā)消化系統(tǒng)疾??；然而在某些食品加工過程中，又需要添加適當(dāng)?shù)幕厣矸?，以增?qiáng)食用口感和某些生理功能[2-3]。所以需清楚淀粉在加工儲(chǔ)存過程中回生度變化情況，為淀粉食品加工過程提供指導(dǎo)。

檢測(cè)淀粉回生度的方法有很多，比如淀粉酶法[4-5]、X-射線衍射法(XRD)[6]、脈沖核磁共振法(PNRM)[7]、光譜技術(shù)等。光譜技術(shù)能夠檢測(cè)待測(cè)物質(zhì)中基團(tuán)結(jié)構(gòu)的變化情況[8]，從而對(duì)食品成分或品質(zhì)進(jìn)行定量、定性分析[9-10]。中紅外光譜主要呈現(xiàn)基團(tuán)分子基頻的伸縮或彎曲振動(dòng)信息，近紅外光譜主要呈現(xiàn)分子基團(tuán)倍頻、合頻振動(dòng)信息，具有方便快捷、成本低、可在線檢測(cè)等優(yōu)勢(shì)[11]，在食品工業(yè)中應(yīng)用非常廣泛。一些研究者已經(jīng)將紅外光譜技術(shù)用于檢測(cè)淀粉特性，如拉曼光譜檢測(cè)淀粉中直鏈淀粉的含量[12]，中紅外光譜技術(shù)表征淀粉回生過程中淀粉結(jié)構(gòu)的變化情況[13]，還有運(yùn)用傅里葉紅外光譜中一些特征振動(dòng)峰的相對(duì)強(qiáng)度與差示掃描量熱法測(cè)定的回生焓值相關(guān)性來預(yù)測(cè)淀粉回生度[14]。

玉米淀粉在回生過程中分子內(nèi)氫鍵數(shù)量及分子結(jié)構(gòu)會(huì)發(fā)生改變，因此可利用近紅外和中紅外光譜技術(shù)檢測(cè)淀粉結(jié)構(gòu)變化情況，以分光光度法檢測(cè)的回生度為化學(xué)參考值，建立快速檢測(cè)淀粉回生度模型。本文分別運(yùn)用近紅外、中紅外以及兩者融合的光譜數(shù)據(jù)，結(jié)合偏最小二乘法(PLS、iPLS、siPLS和biPLS)建模，尋找最佳的檢測(cè)方法，以達(dá)到快速、無損檢測(cè)淀粉回生度的目的。

1　材料與方法

實(shí)驗(yàn)所用玉米淀粉購(gòu)自鎮(zhèn)江市潤(rùn)州淀粉公司。

1.1　回生淀粉的制備

取1 g玉米淀粉懸浮于19 mL水中，加熱至100℃，均勻攪拌1 h，使其完全糊化。淀粉糊在4℃下儲(chǔ)存不同時(shí)間(0、1、2、3、4、5、10、15、20 d)，對(duì)不同儲(chǔ)存時(shí)間的回生淀粉進(jìn)行冷凍干燥，粉碎，然后按照四分法原則，隨機(jī)抽取樣本，每個(gè)儲(chǔ)存時(shí)間取10個(gè)平行樣本，9個(gè)儲(chǔ)存時(shí)間共90個(gè)樣本，裝入自封袋，貼好標(biāo)簽，然后保存在干燥器中，備用。

1.2　淀粉回生度的測(cè)定

本研究采用α-淀粉酶法[4-5]測(cè)定淀粉的回生度，具體步驟為：準(zhǔn)確稱取25 mg的樣品，加入去離子水8 mL，并震蕩混勻，然后加入3.5 u/mL α-淀粉酶溶液2 mL和0.1 mol/L醋酸鹽緩沖溶液(pH值5.6)2 mL。于37℃條件下培養(yǎng)10 min后，加入4 mol/L NaOH溶液5 mL停止酶反應(yīng)，再用4 mol/L的HCl調(diào)整溶液pH值至中性，最后定容到100 mL。取出10 mL的水解液，加入0.2%I2-2%KI溶液5 mL，再次定容至100 mL，靜置20 min之后，用紫外可見分光光度計(jì)在625 nm處測(cè)定其吸光度?；厣鹊挠?jì)算公式為

(1)

式中D——淀粉回生度，%

a——總淀粉吸光度

b——實(shí)驗(yàn)用淀粉吸光度

c——完全糊化淀粉吸光度

1.3　紅外光譜的采集和預(yù)處理

(1)紅外光譜數(shù)據(jù)采集

通過近紅外光譜儀(美國(guó)賽默飛世爾公司)掃描回生淀粉，以儀器內(nèi)置背景為參比，積分球漫反射，掃描波數(shù)為4 000～10 000 cm-1，掃描次數(shù)為16次，分辨率為8 cm-1，波數(shù)間隔為3.853 6 cm-1，每條光譜包含有1 557個(gè)變量。通過中紅外光譜儀(美國(guó)熱電公司)掃描回生淀粉，采集區(qū)間650～4 000 cm-1，掃描次數(shù)為64次,分辨率為2 cm-1，每條光譜包含有6 550個(gè)變量。數(shù)據(jù)采集過程中，室內(nèi)濕度基本保持不變，溫度保持在23℃左右。采集光譜時(shí)，每個(gè)樣品采集3個(gè)點(diǎn)，并取平均值得到1條原始光譜。

(2)紅外光譜數(shù)據(jù)預(yù)處理

經(jīng)掃描獲得的NIR(近紅外)/MIR(中紅外)光譜數(shù)據(jù)需預(yù)處理，由檢測(cè)器檢測(cè)到的光譜信號(hào)不僅包含樣品待測(cè)成分信息，還有各種儀器雜噪聲(高頻隨機(jī)噪聲、基線漂移、樣品背景等)，這直接影響所建立模型的可靠性和穩(wěn)定性，因此處理數(shù)據(jù)前，首先需要針對(duì)特定的光譜測(cè)量和樣品體系，對(duì)測(cè)量的光譜數(shù)據(jù)進(jìn)行合理的處理，減弱甚至消除各種非目標(biāo)因素對(duì)光譜信息的影響[15]。常用的預(yù)處理有數(shù)據(jù)標(biāo)準(zhǔn)化處理、數(shù)據(jù)平滑、去噪處理等方法。

1.4　數(shù)據(jù)處理方法

對(duì)采集得到的90個(gè)樣品平均光譜數(shù)據(jù)應(yīng)用Matlab軟件進(jìn)行分析，為減少或消除非目標(biāo)因素對(duì)光譜數(shù)據(jù)的影響，常采用平滑和一階導(dǎo)數(shù)預(yù)處理方法，提高信噪比、分辨率和靈敏度。經(jīng)處理后的光譜圖如圖1所示，R表示反射率。然后把90個(gè)樣本劃分為校正集(63個(gè))和預(yù)測(cè)集(27個(gè))，并將光譜數(shù)據(jù)(近紅外、中紅外以及兩者融合技術(shù))與回生度化學(xué)值相關(guān)聯(lián)，運(yùn)用偏最小二乘法(PLS、iPLS、biPLS、siPLS)建立定量模型，然后根據(jù)交互驗(yàn)證均方根誤差以及相關(guān)系數(shù)來選擇最佳檢測(cè)模型，最后得到淀粉回生度的最佳檢測(cè)模型。

圖1　不同儲(chǔ)存時(shí)間的玉米回生淀粉中紅外和近紅外光譜圖Fig.1　Mid-infrared spectra and near infrared spectra of corn starch with different storage times

2　結(jié)果與分析

2.1　光譜分析

玉米淀粉回生的紅外光譜曲線如圖1所示，隨回生度的增加光譜曲線走向沒有很大差別，即光譜圖的變化趨勢(shì)基本相同，吸收峰的位置相同，但由于其基團(tuán)含量不同，吸收強(qiáng)度稍有不同。如圖1所示，650～1 300 cm-1波段是化合物的特征指紋區(qū)，當(dāng)分子結(jié)構(gòu)略有變化時(shí)即可在吸收峰上表現(xiàn)出細(xì)微差異，該區(qū)間含有淀粉基本結(jié)構(gòu)α-D-吡喃葡萄糖環(huán)和淀粉結(jié)構(gòu)(晶體區(qū)和無定形區(qū))特征振動(dòng)，1 047 cm-1處淀粉結(jié)晶區(qū)域的特征振動(dòng)，1 022 cm-1處非結(jié)晶區(qū)域淀粉的特征振動(dòng)[16]，920～960 cm-1區(qū)間內(nèi)α-1,4-糖苷鍵(C—O—C)的振動(dòng)， 764、860、1 094 cm-1附近的C—C鍵伸縮振動(dòng)、CH2鍵變形振動(dòng)、COH的彎曲振動(dòng)等[17]，該區(qū)域內(nèi)振動(dòng)信息復(fù)雜多樣；C—H鍵的彎曲振動(dòng)和伸縮振動(dòng)分別位于1 450 cm-1和3 000 cm-1附近，合頻和一次倍頻在4 347 cm-1和5 700 cm-1附近，O—H基團(tuán)的彎曲振動(dòng)和伸縮振動(dòng)位于1 350 cm-1附近和3 600 cm-1附近，其合頻位于5 000 cm-1附近。這些基團(tuán)的振動(dòng)信息可以與淀粉回生度相關(guān)聯(lián)來建立模型。

2.2　回生度分析

90個(gè)淀粉樣本的回生度統(tǒng)計(jì)結(jié)果如表1所示，隨著儲(chǔ)存時(shí)間的增加，淀粉的回生度逐步增長(zhǎng)，但增長(zhǎng)速率明顯下降。這是由于雖然直線型的直鏈淀粉和高度分支的支鏈淀粉都參與了淀粉的回生過程，然而，前者主要參與回生的最初階段，即由直鏈淀粉的膠凝有序和結(jié)晶所引起，此過程較為迅速，可以在糊化后較短的時(shí)間內(nèi)完成；而支鏈淀粉由于其分子結(jié)構(gòu)自身的剛性在回生過程中所需時(shí)間較長(zhǎng)，此為長(zhǎng)期回生，即是由支鏈淀粉外側(cè)短鏈的重結(jié)晶引起的，該過程是可逆的[18]。0～1 d及1～2 d的回生度增長(zhǎng)最快，均在20%以上，主要是淀粉的短期回生，其后增長(zhǎng)速率較慢，主要是淀粉的長(zhǎng)期回生。這與余世鋒等[19]所描述的玉米淀粉凝膠在4℃儲(chǔ)藏時(shí)7 d回生過程基本結(jié)束相符。每個(gè)儲(chǔ)存時(shí)間的樣品隨機(jī)選擇7個(gè)作為校正集，3個(gè)樣本作為預(yù)測(cè)集，校正集共63個(gè)樣本，預(yù)測(cè)集共27個(gè)樣本。

表1　不同儲(chǔ)存時(shí)間淀粉的回生度Tab.1　Retrogradation degree of starch at different storage times

2.3　近紅外和中紅外光譜模型

本研究分別采用近紅外和中紅外光譜數(shù)據(jù)與淀粉回生度化學(xué)值進(jìn)行 PLS、iPLS、biPLS、siPLS建模，以校正集的交互驗(yàn)證均方根誤差值為區(qū)間選擇依據(jù)，以實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)系數(shù)為模型選擇依據(jù)，對(duì)模型進(jìn)行優(yōu)選以獲得最佳模型。

如表2、3所示，就近紅外光譜建模而言，模型較佳的是全光譜PLS模型以及siPLS模型，其校正集相關(guān)系數(shù)和交互驗(yàn)證均方根誤差，以及預(yù)測(cè)集相關(guān)系數(shù)和預(yù)測(cè)均方根誤差分別是0.903 7和11.5%，0.862和13.2%，0.897 8和11.8%，0.858 8和16.2%。且模型的入選區(qū)間均包括第3區(qū)間，即4 804.12～5 201.39 cm-1波段，該區(qū)間含有O—H的合頻信息，與淀粉回生的特性相關(guān)。就最佳模型來說，綜合考慮選擇siPLS模型,就相關(guān)系數(shù)來說PLS的預(yù)測(cè)能力最好，但其含有1 557個(gè)變量，變動(dòng)性較大，而siPLS模型與PLS的相關(guān)系數(shù)僅相差0.003 2～0.005 9，但只包含415個(gè)變量，極大的提高了模型的魯棒性。

對(duì)于中紅外光譜來說，模型較佳的是biPLS和siPLS模型，其模型的校正集相關(guān)系數(shù)和交互驗(yàn)證均方根誤差，以及預(yù)測(cè)集相關(guān)系數(shù)和預(yù)測(cè)均方根誤差分別是0.932和9.65%，0.881和12.9%，0.930 4和9.96%，0.881 6和12.8%。且3種模型的入選區(qū)間均包含第4區(qū)間(1 322.7～1 770.29 cm-1)，該區(qū)間含有O—H的彎曲振動(dòng)信息，同樣與淀粉回生的特性相關(guān)。就最佳模型來說，綜合考慮選擇siPLS模型，較biPLS模型，siPLS使變量數(shù)從3 939降低至1 885，而相關(guān)系數(shù)僅降低0.001 6,極大地簡(jiǎn)化了模型，提高了穩(wěn)定性。

總體來說，較近紅外光譜來說，中紅外光譜所建立的模型更佳。原因是中紅外到近紅外，光譜的靈敏度及其信息量隨著倍頻的增加以數(shù)量級(jí)的速度衰減，到高級(jí)倍頻時(shí)丟失了大量有用信息[20]，中紅外可以呈現(xiàn)更多的信息。

表2　PLS、iPLS、biPLS、siPLS譜區(qū)模型篩選統(tǒng)計(jì)Tab.2　PLS, iPLS, biPLS and siPLS spectral model screening statistics

2.4　近紅外和中紅外融合光譜模型

近紅外和中紅外光譜技術(shù)均可較為快速、無損地預(yù)測(cè)淀粉回生度，但它們的預(yù)測(cè)機(jī)制不同，為獲取更好的預(yù)測(cè)模型，可將近紅外和中紅外光譜融合建模，即同時(shí)將特征分子基團(tuán)(羥基)的基頻以及倍頻、合頻振動(dòng)信息與回生度化學(xué)值相關(guān)聯(lián)，結(jié)合化學(xué)計(jì)量學(xué)方法建立模型。具體來說是選擇將近紅外光譜的優(yōu)選區(qū)間(1、3、12、15)以及中紅外的優(yōu)選區(qū)間(1、4、10、11)進(jìn)行融合，得到2 270個(gè)光譜變量，將融合后的光譜數(shù)據(jù)與淀粉的回生度進(jìn)行PLS、iPLS、biPLS、siPLS建模，其結(jié)果如表2所示，biPLS模型預(yù)測(cè)能力最好，其在選擇9個(gè)子區(qū)間(1、2、3、4、5、7、9、12、13)聯(lián)合時(shí)交互驗(yàn)證均方根誤差最小，為6.79%。此時(shí)校正集和預(yù)測(cè)集的相關(guān)系數(shù)r分別為0.965 5和0.931 3，如表3所示。最佳預(yù)測(cè)模型的玉米淀粉回生度預(yù)測(cè)值與實(shí)測(cè)值的散點(diǎn)圖如圖2所示。

表3　各個(gè)模型相關(guān)系數(shù)比較Tab.3　Comparison of correlation coefficient of each model

圖2　biPLS 最佳模型的樣本預(yù)測(cè)值與實(shí)測(cè)值關(guān)系Fig.2　Relationships between predicted and actual values from biPLS models

2.5　模型可靠性檢驗(yàn)

重新取該批次玉米淀粉樣本27份，來校驗(yàn)淀粉回生度預(yù)測(cè)模型的可靠性。同1.2節(jié)方法處理，每一個(gè)儲(chǔ)存時(shí)間有3個(gè)平行樣本。樣本經(jīng)近紅外、中紅外光譜儀掃描后用2.4節(jié)的模型進(jìn)行預(yù)測(cè)，樣本的預(yù)測(cè)結(jié)果見圖3。同時(shí)將樣品的回生度與預(yù)測(cè)值進(jìn)行配對(duì)t-檢驗(yàn)，在95%的置信區(qū)間內(nèi)，其雙側(cè)sig.值為0.627，即p>0.05，兩者差異不顯著。由此證明該模型可靠。

圖3　不同儲(chǔ)存時(shí)間淀粉回生度的預(yù)測(cè)結(jié)果Fig.3　Predictive result of retrogradation degree at different storage times

3　結(jié)束語

利用近紅外、中紅外以及兩者融合技術(shù)實(shí)現(xiàn)了淀粉中回生度的快速檢測(cè)。將儲(chǔ)存不同時(shí)間的回生淀粉樣品進(jìn)行近紅外和中紅外光譜掃描，分別將近紅外、中紅外以及兩者融合的光譜數(shù)據(jù)與化學(xué)值結(jié)合建立PLS模型。結(jié)果顯示，近紅外和中紅外融合光譜技術(shù)biPLS預(yù)測(cè)模型效果最佳，對(duì)應(yīng)的交互驗(yàn)證均方根誤差和預(yù)測(cè)均方根誤差分別為6.79%和9.52%，校正集和預(yù)測(cè)集相關(guān)系數(shù)分別為0.965 5和0.931 3，且測(cè)試集t-檢驗(yàn)顯示預(yù)測(cè)結(jié)果與實(shí)際值差異不顯著。研究結(jié)果表明，近紅外和中紅外融合光譜技術(shù)優(yōu)于近紅外和中紅外單一的光譜技術(shù)，能更準(zhǔn)確地預(yù)測(cè)淀粉回生度信息，因此，近紅外和中紅外光譜法可快速、高效、無損檢測(cè)玉米淀粉的回生度。

1田耀旗. 淀粉回生及其控制研究[D]. 無錫: 江南大學(xué), 2011.

TIAN Yaoqi. Research and inhibitory techniques of starch retrogradation[D]. Wuxi: Jiangnan University, 2011.(in Chinese)

2安紅周, 呂建華, 趙琳. 淀粉回生研究進(jìn)展——水分子再分布對(duì)淀粉回生的影響[J]. 食品科技, 2006(10):38-42.

AN Hongzhou, Lü Jianhua, ZHAO Lin. New research progress on starch retrogradation—water redistribution on starch recrystallization[J]. Food Science and Technology, 2006(10):38-42.(in Chinese)

3朱平, 孔祥禮, 包勁松. 抗性淀粉在食品中的應(yīng)用及功效研究進(jìn)展[J]. 核農(nóng)學(xué)報(bào), 2015,29(2):327-336.

ZHU Ping, KONG Xiangli, BAO Jinsong. Advances in the application and efficacy of resistant starch in food[J]. Journal of Nuclear Agricultural Sciences, 2015,29(2):327-336. (in Chinese)

4HARUHITO T P D, HISHIDA M, IWASAKI H，et al. Enzymatic evaluation for the degree of starch retrogradation in foods and foodstuffs[J]. Starch-Starke, 1990,42(6):213-216.

5KIM J O, KIM W S, SHIN M S. A comparative study on retrogradation of rice starch gels by DSC, X-Ray and α-amylase methods[J]. Starch-Starke, 1997,49(2):71-75.

6王良東, 顧正彪. DSC、EM、NMR及X-射線衍射在淀粉研究中的應(yīng)用[J]. 西部糧油科技, 2003,28(4):39-44.

WANG Liangdong, GU Zhengbiao. Application of DSC, EM, NMR and X-ray diffraction in starch research[J]. China Western Cereals & Oils Technology, 2003,28(4):39-44.(in Chinese)

7丁文平, 王月慧, 夏文水. 脈沖核磁共振和DSC測(cè)定淀粉回生的比較研究[J]. 糧食與飼料工業(yè), 2006(1):43-44.

DING Wenping, WANG Yuehui, XIA Wenshui. A comparative study on starch nuclear magnetic resonance and DSC determination of starch regeneration[J]. Cereal & Feed Industry, 2006(1):43-44.(in Chinese)

8謝芳. 淺談中紅外光譜和近紅外光譜在油品分析中的技術(shù)比較[J]. 化工管理, 2014(6):67-68.

XIE Fang. A Study on the comparison of mid-infrared spectroscopy and near infrared spectroscopy in oil analysis[J]. Chemical Management, 2014(6):67-68.(in Chinese)

9韓東海, 常冬, 宋曙輝，等. 小型西瓜品質(zhì)近紅外無損檢測(cè)的光譜信息采集[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2013,44(7):174-178.http:∥www.jcsam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20130730&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2013.07.030.

HAN Donghai, CHANG Dong, SONG Shuhui, et al. Information collection of mini watermelon quality usingnear-infrared non-destructive detection[J/OL]. Transactions of the Chinese Society for Agricultural Machinery，2013，44(7):174-178.(in Chinese)

10陳華舟, 陳福, 石凱，等. 基于隨機(jī)森林的魚粉蛋白近紅外定量分析[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2015,46(5):233-238. http:∥www.jcsam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20150533&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2015.05.033.

CHEN Huazhou, CHEN Fu, SHI Kai, et al. Near-infrared analysis of fishmeal protein based on random forest[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2015,46(5):233-238.(in Chinese)

11趙杰文, 孫永梅. 現(xiàn)代食品檢測(cè)技術(shù)[M].北京: 中國(guó)輕工業(yè)出版社,2008.

12ALMEIDA M R, ALVES R S, NASCIMBEM L B，et al. Determination of amylose content in starch using Raman spectroscopy and multivariate calibration analysis[J]. Analytical and Bioanalytical Chemistry, 2010,397(7):2693-2701.

13BAO J, SHEN Y, JIN L. Determination of thermal and retrogradation properties of rice starch using near-infrared spectroscopy[J]. Journal of Cereal Science, 2007,46(1):75-81.

14吳躍, 陳正行, 林親錄，等. FT-IR光譜法測(cè)定秈米淀粉回生[J]. 江蘇大學(xué)學(xué)報(bào):自然科學(xué)版, 2011,32(5):545-551.

WU Yue, CHEN Zhengxing, LIN Qinlu, et al. Retrogradation of long-shaped rice starch by FT-IR spectra[J].Journal of Jiangsu University :Natural Science Edition, 2011,32(5):545-551.(in Chinese)

15胡雪桃, 朱瑤迪, 鄒小波，等. 近紅外光譜技術(shù)快速預(yù)測(cè)鎮(zhèn)江香醋乙醇脫氫酶活性的研究[J]. 中國(guó)調(diào)味品, 2016(2):20-25.

HU Xuetao, ZHU Yaodi, ZOU Xiaobo, et al. Research on alcohol dehydrogenase activity of seed vinegar culture during solid-state fermentation of Zhenjiang aromatic vinegar[J].China Condiment, 2016(2):20-25.(in Chinese)

16KARIM A A, NORZIAH M H, SEOW C C. Methods for the study of starch retrogradation[J]. Food Chemistry, 2000,71(1):9-36.

17KIZIL R, IRUDAYARAJ J, SEETHARAMAN K. Characterization of irradiated starches by using FT-Raman and FTIR spectroscopy[J]. Journal of Agricultural & Food Chemistry, 2002,50(14):3912-3918.

18何璐, 楊英, 林親錄. 大米淀粉回生機(jī)理、檢測(cè)及控制方法的研究現(xiàn)狀[J]. 食品工業(yè)科技, 2015(8):365-369.

HE Lu, YANG Ying, LIN Qinlu. Research status on the mechanism，detection and control methods of rice starch retrogradation[J]. Science and Technology of Food Industry, 2015(8):365-369.(in Chinese)

19余世鋒, 張永春, 林佳楠，等. 玉米淀粉、綠豆淀粉和皺皮豌豆淀粉熱特性及回生性質(zhì)的比較[J]. 食品科技, 2013(9):136-140.

YU Shifeng, ZHANG Yongchun, LIN Jia’nan, et al.Comparing the thermal and retrogradation properties of corn starch and mung bean starch and wrinkled pea starch[J]. Food Science and Technology， 2013(9):136-140.(in Chinese)

20劉多強(qiáng), 關(guān)紹春, 孫建章，等. 中紅外光譜和近紅外光譜在油品分析中的技術(shù)比較[J]. 石油化工應(yīng)用, 2010,29(6):1-3.

LIU Duoqiang, GUAN Shaochun, SUN Jianzhang, et al. The technology compare between mid-infrared and near-infrared spectroscopy in oil analysis[J]. Petrochemical Industry Application, 2010,29(6):1-3.(in Chinese)