丁 捷，趙雪梅，劉春燕，唐婷婷，張雨薇，肖 猛，秦 文

(1.四川旅游學院，四川成都 610100；2.四川農(nóng)業(yè)大學食品學院，四川雅安 625000;3.沈陽農(nóng)業(yè)大學食品學院，遼寧沈陽 110866)

產(chǎn)自高海拔地區(qū)的青稞是一種富含β-葡聚糖、蛋白質、纖維素的優(yōu)質雜糧，隨著人們自身健康理念的轉變，青稞的保健藥用價值受到市場的廣泛關注和認同。針對中國國內(nèi)消費者調查發(fā)現(xiàn)，青稞深加工產(chǎn)品如果擁有新穎、富有創(chuàng)意且適宜大眾喜好的產(chǎn)品風味和口感，能夠快速激發(fā)消費者購買欲望[1]。速凍青稞魚面在此大背景下應運而生，該產(chǎn)品是通過單螺旋擠壓技術以青稞粉、淡水魚糜、麥芯粉等為原料制作而成的一種方便食品，與傳統(tǒng)魚面相比，具有制作工序簡便、營養(yǎng)全面的優(yōu)點[2]?，F(xiàn)階段對于速凍青稞魚面的研究已經(jīng)完成了配方及改良劑的研發(fā)及優(yōu)化[3-4]，后續(xù)又針對魚面的關鍵工藝，通過響應面試驗完成了工藝參數(shù)的優(yōu)化[5-6]；針對速凍青稞魚面原料適應性的研究，已經(jīng)確定了最適宜魚面加工的淡水魚品種以及9個核心品質指標的最佳取值范圍[7]。

青稞的品質直接影響成品魚面的感官特性、色澤特性及蒸煮特性。目前，國內(nèi)外就原料品質對其制品品質影響的研究較多[8-10]，青稞深加工產(chǎn)品的原料篩選及品種加工適宜性分析尚未見相關報道。本試驗以10個青稞品種為研究對象，測定青稞的品質指標及其速凍青稞魚面的品質指標，通過主成分分析和聚類分析篩選影響魚面品質的青稞品質指標，以篩選出的青稞指標為X變量，速凍青稞魚面品質指標為Y變量，利用偏最小二乘法(PLSR)建立模型，并對模型進行評價驗證，以確定影響速凍青稞魚面的青稞品質指標以及最佳取值范圍，為加工速凍青稞魚面專用青稞品種的篩選提供參考依據(jù)，為青稞育種及深加工生產(chǎn)提供新的思路。

1 材料與方法

1.1 試驗材料

面條專用粉：濰坊風箏面粉有限責任公司；谷朊粉：封丘縣華豐粉業(yè)有限公司；復合磷酸鹽：柘城縣耕道貿(mào)易有限公司；CMC(羧甲基纖維素鈉)：柘城縣耕道貿(mào)易有限公司。選用來自川西產(chǎn)區(qū)的10個青稞品種(表1)，于2016年在甘孜州農(nóng)科所八美農(nóng)場試驗田種植。

β-葡聚糖試劑盒：愛爾蘭Megazyme公司。

表1 試驗所用青稞品種Table 1 Hulless barley varieties used in this experiment

1.2 方 法

1.2.1 青稞粉的制備

成熟期收獲青稞種子，去外表皮，除雜，挑選飽滿、大小均勻的青稞籽粒，用IFSJ-I型錘片式糧食試驗粉碎機粉碎，過60目篩即得青稞粉。

1.2.2 速凍青稞魚面的制備[3-6]

配方：以180 g混粉(青稞粉∶面條專用粉=1∶9)為基準，魚糜25%(其中，漂洗魚肉的鹽水濃度為0.09%，魚肉與水的比例為1∶1.5，均質5.1 s)，谷朊粉9%，純凈水15.5%，食鹽1.25%，食用堿0.10%，復合磷酸鹽0.25%，CMC 0.20%。將食鹽、食用堿、復合磷酸鹽、CMC與純凈水混勻，在95 ℃HHS-8s電子恒溫不銹鋼水浴鍋加熱溶解，獲得復合改良劑溶液。將青稞混粉、谷朊粉混和在XHF-D高速分散器10 000 r·min-1勻漿30 s后，將魚糜和復合改良劑溶液一起加入HR2356飛利浦自動面條機中。采用孔徑為1 mm的模具，和面12 min后靜置25 min，單螺旋擠壓制得生面條。將生面條經(jīng)沸水(100 ℃)糊化30 s，冷水(10～12 ℃)冷卻2 min后瀝干，稱重分袋，用SF-400型手壓封口機包裝，-32 ℃速凍冷藏，即得成品。

1.3 測定指標與方法

1.3.1 青稞理化指標的測定

(1)水分含量的測定：按照GB 5009.3-2016直接干燥法。

(2)β-葡聚糖含量的測定：參考林偉靜等[11]方法，采用酶法測定。

(3)直鏈淀粉含量的測定：按照GB/T 15683-2008分光光度計法測定

(4)總淀粉含量的測定：按照GB 5009.9-2016酸水解法測定。

(5)蛋白質含量的測定：按照GB 5009.5-2016分光光度法測定。

(6)灰分含量的測定：按照GB 5009.4-2016灼燒稱重法測定。

(7)脂肪含量的測定：按照GB 5009.6-2016索氏抽提法測定。

(8)pH值的測定：按照GB 5009.237-2016電位法測定。

(9)凍融性和糊透明度的測定：參考丁 捷等[12]方法。

(10)色差的測定：將青稞粉用保鮮膜包好，壓實，抹平，保證測定表面無氣泡，用DC-P3新型全自動測色差計進行測定，制品保持在10 ℃左右，保證L、a、b表色系統(tǒng)能全面客觀地反映制品的色澤和色差[13]。

1.3.2 速凍青稞魚面質構特性的測定

參考王靈昭等[14]方法，測定魚面的硬度、彈性、膠黏性、咀嚼性，3次重復。

1.3.3 速凍青稞魚面感官評價

參考趙雪梅等[15]速凍青稞魚面感官評價體系，對評價指標進行新的權重分配，對魚面進行感官評價，相加計算出魚面感官總分。具體見表2。

表2 速凍面條感官評價標準Table 2 Standard of the quick-frozen noodle sensory evaluation

1.3.4 品質綜合評分

速凍青稞魚面的品質指標包括質構特性指標(硬度、彈性、膠黏性、咀嚼性)、蒸煮特性(吸水率、損失率)和感官綜合評分，參照趙雪梅等[15]的方法對其進行品質綜合評分。

1.4 偏最小二乘回歸模型的構建

偏最小二乘回歸法(PLSR：partial least squares regression)主要研究多因變量對多自變量的回歸建模，能較好地解決各變量內(nèi)部高度線性相關等問題，是集主成分分析、典型相關分析和多元線性回歸分析等方法優(yōu)點于一體的分析方法，能有效避免數(shù)據(jù)非正態(tài)分布、因子結構不確定性和模型不能識別等潛在問題[16]。本課題選擇10個品種的青稞，其青稞品質指標和相應的速凍青稞魚面的品質指標均測量3次，共30個樣品，從30個樣品中抽出20個樣品作為建模集，將剩余的10個樣品作為檢驗集。以主成分分析和灰色關聯(lián)度分析篩選出的青稞理化指標為X變量，魚面的品質綜合評分為Y變量，進行偏最小二乘回歸分析(PLS)。

1.5 數(shù)據(jù)分析

數(shù)據(jù)采用Excel統(tǒng)計整理，用SPSS 24.0進行方差分析，用Duncan多重比較進行差異顯著性分析、相關性分析和主成分分析，用DPS進行灰色關聯(lián)度分析，PLS分析采用Unscrambler 10.4。

2 結果與分析

2.1 不同品種青稞全粉的理化特性

由表3可知，康青7號(1號)的直鏈淀粉、總淀粉、蛋白質含量均最大，顯著高于其他品種(P<0.05)，其灰分含量也最高。康青9號(2號)的凍融性和a值最大，分別為12.71、6.25，顯著高于其他青稞品種。編號4(昆侖15號)透明度高達44.30，水分含量高達12.04%，顯著高于其他品種(編號1的水分含量除外)。編號5(觀21米大麥)的b值為18.09，較編號6(Xin20米大麥)增幅達到87.85%。凍融性的變異系數(shù)最高，為58.83%，pH值的變異系數(shù)最低。

2.2不同品種青稞全粉對速凍青稞魚面食用品質的影響

由表4可知，感官總分以編號1(康青7號)最高(78.97)，與其他品種間差異顯著，較編號2(康青9號)的增幅達到8.81%。編號10(六棱直穗米大麥2號)的彈性和硬度均最大，較其他品種青稞差異顯著(編號9的咀嚼性除外)。綜合評分以編號10(六棱直穗米大麥2號)最高，其次是編號5(觀21米大麥)和編號1(康青7號)。咀嚼性的變異系數(shù)高達55.46%。說明青稞品種對速凍青稞魚面的食用品質有顯著影響。

表3 川西藏區(qū)青稞品種籽粒理化特性Table 3 Physical and chemical properties of the hulless barley varieties in the Tibetan areas of western Sichuan

同列數(shù)據(jù)后不同字母表示品種間差異在0.05水平顯著。下同。

Different letters following data in same column mean significant difference among varieties at 0.05 level.The same in table 4.

2.3 相關性分析

由表5可知，不同品種的青稞品質指標與速凍青稞魚面品質指標之間存在不同程度的相關性。魚面的彈性與青稞的直鏈淀粉含量、總淀粉含量、蛋白質、灰分、L值和b值呈極顯著正相關(P<0.01)，與β-葡聚糖含量呈顯著正相關(P<0.05)。魚面的硬度與青稞的直鏈淀粉含量、總淀粉含量、蛋白質、灰分、L值、a值和b值呈極顯著正相關，與β-葡聚糖含量呈顯著正相關。魚面的咀嚼性與青稞的總淀粉含量呈顯著正相關，與脂肪含量呈極顯著正相關。魚面的感官總分與青稞的直鏈淀粉含量、水分含量呈極顯著正相關，與總淀粉含量、蛋白質和L值呈顯著正相關。魚面的品質綜合評分與青稞的直鏈淀粉含量、總淀粉含量、蛋白質、灰分、L值和b值呈極顯著正相關，與β-葡聚糖含量、a值呈顯著正相關。綜上所述，青稞的直鏈淀粉含量、總淀粉含量、蛋白質含量、灰分、β-葡聚糖含量、L值、a值和b值與速凍青稞魚面的品質存在較好的相關性。

2.4 主成分分析

由表6可知，前4個主成分對變量解釋累計方差貢獻率達到89.961%(>85%)，可以代表原始數(shù)據(jù)的大部分信息。在這4個主成分中，第1主成分包含原來信息量的47.514%，第1主成分與青稞的直鏈淀粉含量、總淀粉含量、蛋白質、灰分、β-葡聚糖含量、L值和b值有很大的正相關值(相關值>0.5)；第2主成分包含原來信息量的18.695%，第2主成分與凍融性、透明度、a值呈現(xiàn)很大的正相關值；第3主成分包含原來信息量的14.843%，與青稞脂肪含量、透明度和水分含量存在很大的相關值；第4主成分包含原來信息量的8.910%，決定第4主成分主要是青稞的pH值(表7)。

表4 不同青稞品種對速凍青稞魚面品質的影響Table 4 Effect of different hulless barley varieties on the quality of quick-frozen hulless barley fish noodles

表5 相關性分析Table 5 Correlation analysis

*:P<0.05; **:P<0.01.

表6 總方差解釋Table 6 Explanation of total variance

表7 旋轉后的成分矩陣Table 7 Rotated component matrix

以各主成分的貢獻率作為權重，構建品質綜合評價得分函數(shù)：F(綜合得分)=0.475F1+0.187F2+0.148F3+0.089F4，計算不同品種青稞品質的主成分綜合得分值，得分越高，青稞的綜合品質越好。結果(表8)顯示，編號1(康青7號)得分最高，其次為編號5(NB41)和編號4(昆侖15號)。將各主成分得分(F1～F4)與綜合得分(F)進行相關性分析，結果(表9)表明，綜合得分與第1主成分呈極顯著正相關(P<0.01)，相關系數(shù)為0.881，第1主成分包括青稞的直鏈淀粉含量、總淀粉含量、蛋白質含量、灰分含量、水分含量、β-葡聚糖含量、L值、a值和b值等9個品質指標。而4個主成分得分之間相關性均為0，說明4個主成分代表的青稞品質信息不重疊，符合主成分分析的要求。

表8 主成分得分與綜合得分Table 8 Principal component score and the composite score

表9 相關性分析Table 9 Correlation analysis

2.5 灰色關聯(lián)度分析

2.5.1 對原始數(shù)據(jù)進行無量綱化處理

由主成分分析篩選出的青稞品質指標與速凍青稞魚面的品質綜合評分進行無量綱化處理，先分別求出各個原始序列的平均值，再用均值除以對應序列中的數(shù)據(jù)，便可得到新的數(shù)據(jù)列，見表10，即均值化序列。

2.5.2 灰色關聯(lián)度分析

用DPS軟件對無量綱化處理數(shù)據(jù)進行灰色關聯(lián)度分析，分辨系數(shù)取值區(qū)間為(0,1)，具體分辨系數(shù)取值為0.1，青稞主要品質指標與魚面品質綜合評分的灰色關聯(lián)度及排序見表11。由表11可知，速凍青稞魚面品質綜合評分與青稞各品質指標的關聯(lián)度大小順序為：蛋白質含量>灰分>總淀粉含量>直鏈淀粉含量>β-葡聚糖含量>b值>水分含量>a值>L值。說明蛋白質含量對速凍青稞魚面品質綜合評分的影響最大，其次為青稞灰分，L值則最小。綜上所述，可用青稞的蛋白質含量、灰分含量、總淀粉含量、直鏈淀粉含量、β-葡聚糖含量、b值、水分含量7個指標建立PLS模型。

表10 無量綱化處理Table 10 Non-dimensional treatment

表11 青稞品質指標與魚面品質綜合評分的灰色關聯(lián)度Table 11 Grey relational degree of the comprehensive score of the hulless barley quality index and the fish surface quality

圖1 PLS模型預測值與實測值相關性Fig.1 Correlation between the predicted values of PLS models and actual values

2.6 品種適宜性評價模型的建立與檢驗

用篩選出的7個青稞品質指標與速凍青稞魚面品質綜合評分進行PLS模型的建立，所建模型的精度達到R2=0.931，回歸模型RMSE(均方根)值為0.045，說明PLS模型在本試驗中具有較好的提取信息能力，所建立的模型比較穩(wěn)定，預測精度較高，可靠性較強。用10個樣品檢驗該模型的可靠性，由圖1可知，PLS模型所建預測模型所得預測值與魚面品質綜合評分實測值相關系數(shù)(R2)達到0.957。說明該PLS模型預測效果較佳，可用于預測速凍青稞魚面的品質。

2.7 青稞品質指標最佳取值范圍

用選取的7個青稞的核心品質指標進行聚類分析獲得各品質指標取值范圍(表12)，就其最佳取值范圍進行歸納總結(表13)，可知適宜魚面加工的青稞籽粒理化指標最佳取值范圍為：直鏈淀粉含量26.02%～28.97%，總淀粉含量60.56%～63.17%，蛋白質含量9.02%～10.61%，灰分含量1.13%～1.39%，水分含量9.83%～11.46%，β-葡聚糖含量6.00%～7.96%，b值12.27～18.15。

表12 青稞品質指標取值范圍Table 12 Range of the hulless barley quality index

表13 青稞品質指標最佳取值范圍Table 13 Optimal value range of hulless barley quality index

3 討 論

近年來，運用統(tǒng)計方法對食品原料及成品品質進行綜合評價、分級、質量評估等方法的研究增多，為食品及原料分級和評價標準體系的建立提供了較感官評價更為科學客觀的指導依據(jù)。然而研究不同品種、來源的原料對成品品質影響的評價指標往往較多。由于指標間存在一定的相關性和獨立性，單一指標或代表性不全面的指標并不能準確判斷原料是否適宜對應產(chǎn)品的加工。主成分分析法可使每個成分成為一個獨立的體系，各主成分之間沒有相關關系，且具有至關的數(shù)據(jù)，容易分析[17-18]，潘治利等[19]利用主成分分析提出利用5個因子篩選小麥粉的不同品質特性的性狀，這些性狀在小麥粉的評價方面具有重要的作用?；疑P聯(lián)度分析可分析系統(tǒng)中母因素與子因素的關系密切程度，進而可以判斷出引起該系統(tǒng)發(fā)展的主要因素和次要因素[20]。有學者研究了丹參品質與氣候因子的關系，利用灰色關聯(lián)度分析得出了影響丹參酮的3個主導因子與影響丹酚酸的2個主導因子[21]。偏最小二乘回歸法是集主成分分析、典型相關分析和多元線性回歸分析等方法優(yōu)點于一體的分析方法，可利用該方法進行產(chǎn)品品質或某組分含量預測，所建模型較準確可靠，預測效果良好[22-23]。聚類分析是將樣本劃分為不同類群進行相似性評價，王 莉等[24]通過因子分析、聚類分析對方便米飯的原料適應性進行研究,得到適宜加工成方便米飯的稻米原料的12個品質指標最佳取值范圍，對方便米飯工業(yè)化生產(chǎn)提供了客觀依據(jù)。目前，將主成分分析、聚類分析、灰色關聯(lián)分析及偏最小二乘回歸分析綜合運用到深加工產(chǎn)品原料適宜性評價方面的報道較少。

本研究采用主成分分析縮減變量，初步篩選獲得9個青稞品質指標后，利用灰色關聯(lián)度分析最大程度減少由于信息不對稱帶來的損失，進一步篩選出與成品品質關聯(lián)數(shù)大的7個指標，最終建立可預測速凍青稞魚面品質的PLS模型，篩選適宜該產(chǎn)品加工的品種。該評價體系的建立，有效避免了主成分和灰色關聯(lián)在分析過程中主觀性過強、要求對各項指標的最優(yōu)值進行現(xiàn)行確定、且部分指標最優(yōu)值難以確定的缺點，為其他深加工產(chǎn)品的適宜青稞品種選育探索了一條新途徑。

4 結 論

4.1 青稞粉的不同理化指標與速凍青稞魚面的不同品質指標之間存在不同程度的相關性；青稞的直鏈淀粉含量、總淀粉含量、蛋白質含量、灰分、β-葡聚糖含量、L值、a值和b值與速凍青稞魚面的品質存在較好的相關性。

4.2 通過主成分分析和灰色關聯(lián)度分析篩選出與成品魚面品質綜合評分關聯(lián)度較大的7個青稞理化指標，即蛋白質含量、灰分含量、總淀粉含量、直鏈淀粉含量、β-葡聚糖含量、b值、水分含量，其中青稞蛋白質含量關聯(lián)度最大，關聯(lián)數(shù)達到0.703。

4.3 利用上述7個核心青稞籽粒理化指標，建立基于速凍青稞魚面的青稞品種適宜性PLS模型。該模型模型的精度達到R2=0.931，回歸模型RMSE(均方根)值為0.045，且預測值和實測值的相關系數(shù)為0.957，預測效果良好。

4.4 適宜于速凍青稞魚面加工的青稞品質指標最佳取值范圍：直鏈淀粉含量26.02%～28.97%，總淀粉含量60.56%～63.17%，蛋白質含量9.02%～10.61%，灰分含量1.13%～1.39%，水分含量9.83%～11.46%，β-葡聚糖含量6.00%～7.96%，b值12.27～18.15。