可见光 -近红外光谱预测粳稻食味的适应性研究

孟庆虹李霞辉三上隆司河野元信卢淑雯程爱华姚鑫淼关海涛

(农业部谷物及制品质量监督检验测试中心1,哈尔滨 150086)

(黑龙江省农业科学院食品加工研究所2,哈尔滨 150086)

(株式会社 SATAKE3,日本广岛 739-8602)

可见光 -近红外光谱预测粳稻食味的适应性研究

孟庆虹1,2李霞辉1三上隆司3河野元信3卢淑雯2程爱华1姚鑫淼2关海涛1

(农业部谷物及制品质量监督检验测试中心1,哈尔滨 150086)

(黑龙江省农业科学院食品加工研究所2,哈尔滨 150086)

(株式会社 SATAKE3,日本广岛 739-8602)

利用黑龙江省、吉林省、辽宁省和江苏省的 88份常规粳稻品种,建立了适合中国粳稻食味评价的可见光 -近红外光谱预测模型。感官食味试验采用小样品感官试验综合评分法,其相关性分析和逐步回归结果表明,感官综合评分与气味、色泽、外观完整性、味道、口感均呈极显著正相关。通过粳稻感官食味评分值与可见光 -近红外光谱值的回归分析,得到 7个自变量(4个波长的吸光度、碎米率、裂纹米率和香气系数)的预测回归方程,其相关系数 R均达到 0.699～0.799的极显著相关,经验证该预测回归方程能够较好的预测粳稻的米饭食味品质。

粳稻 米饭 感官试验 可见光 -近红外光谱

由于近红外光谱分析技术具有快速、经济、无污染和多组分同时测定的特点,自20世纪90年代初国内外已将该技术广泛应用于稻米化学成分的快速分析——能够准确测定糙米(精米)籽粒 (米粉)的水分和蛋白质等的含量[1-3],并实现单籽粒糙米预测蛋白质含量和表观直链淀粉含量[4-5]。近红外光谱分析技术将发展成为一种常规标准分析方法。

稻米食味品质是指米饭的色、香、味和在咀嚼过程中的口感,如黏弹性、硬度、黏度等。目前,对食味的评价仍以传统的感官试验方法为主。其他方法,无论是以水分含量、表观直链淀粉含量、蛋白质含量、脂肪酸值等理化指标为基础建立的近红外光谱数学模型,还是以感官试验结果为基础建立的可见光 -近红外(V IS/N IR)光谱数学模型,都必须采用化学计量方法,在光谱数据和化学值 (或感官评分)之间建立校正模型,并评价模型的可靠性。

日本佐竹公司首先试验用可见光 -近红外光谱测定米饭 (米粒)食味的技术[6],并研究开发了这项技术的专用设备,被广泛应用于水稻育种材料筛选、商品稻米的分级和配制米的质量控制。

已有文献报道了可见光 -近红外光谱法测定中国籼稻食味的研究结果[7-8]。本研究探讨了用中国粳稻品种为试验材料,建立以米饭感官试验结果为基础的可见光 -近红外光谱法预测粳稻食味的校正模型,并验证该校正模型预测粳稻食味品质具有普遍适应性,期望为中国粳稻提供一种更好的食味评价方法。

1 材料和方法

1.1 材料与仪器

1.1.1 粳稻样品来源

征集 2007年收获的黑龙江省、吉林省、辽宁省和江苏省常规粳稻品种 88个作为建立可见光 -近红外光谱预测模型的试验样品。

以入选“第三届全国粳稻大会——全国优质食味大米评选”的 18个参评水稻样品作为感官食味评价方法比较研究的试验样品。

1.1.2 仪器

FC-2K实验砻谷机:日本大竹公司;VP-32实验碾米机:日本山本公司;RGQ I20A颗粒判定仪、STA1A米饭食味计:日本佐竹公司。

1.2 方法

1.2.1 小样品感官食味评价方法

1.2.1.1 原理

参考 GB/T 15682-2008《稻谷、大米蒸煮食用品质感官评价方法》[9]。

1.2.1.2 评价人员组成和筛选

评价人员 10人,由本实验室人员按年龄 (25～65岁)、性别等均衡考虑,并进行反复培训和筛选。

1.2.1.3 米饭制备方法

每次评价样品数量为包括基准米在内共 4份样品。每个试样按参评人员每人一份准备,在每个蒸饭器皿中称取试样 10.0 g。将称重后的试样倒入沥水筛,在水中顺时针搅动淘洗 10次,逆时针搅动淘洗10次,换水重复3次。再用200 mL蒸馏水淋洗一次,沥尽余水,放回蒸饭器皿中。试样与水的质量比一般为 1∶1.35,根据样品米含水量按粳米标准含水量(15%)适当调整加水量。试样按比例加水称重后,浸泡 30 min。然后在电饭煲内加入适量水 (约1 000 mL左右),加热至沸腾后,用定性滤纸盖好蒸饭器皿,放入直热式电饭锅 (3 L,500 W)的蒸屉上,盖上锅盖继续加热并开始计时,蒸煮 40 min,焖10 min。

1.2.1.4 试食份数和试食时间

将蒸煮制成米饭的器皿直接放入塑料盘上,每人一盘,每盘 4份试样,趁热品尝。试食时间安排在饭后 2 h进行。

1.2.1.5 填写试食评分记录(评分体系二)

以基准米作对照,根据相对于基准米对照每份米饭食味的好坏程度,按“最好”、“较好”、“稍好”、“最差”、“较差”、“稍差”、“与标准相同”的 7个等级进行评分,评分基准为 ±3,填写评分记录。

1.2.1.6 试食结果处理

选择 10个评价员,作隔天重复试验,每个样品得到 20人次的感官试验数据。将各试食人员对每个试样的气味、色泽和光泽、饭粒完整性、味道、口感和综合评分输入 Excel表中,计算平均值和标准误差σ。若评价人员的单项评分与平均值相差 2σ以上时,剔除此值,再计算平均值。米饭感官试验以综合评分的百分值表示,换算公式:

试样感官试验综合评分 (百分值)=综合评分(相对基准米的 7等级评分值)×10+基准米的综合评分(百分值)。

1.2.2 可见光 -近红外光谱分析

1.2.2.1 原理

在反射光波长 540 nm和 970 nm,透射光波长540 nm和 640 nm处,测定米饭的反射光量和透射光量。采集米饭样品可见光 -近红外光谱,利用感官食味值与可见光 -近红外光谱测定值的相关性,用MLR方法得到最佳数学模型,将感官试验结果数值化,客观评定稻米的食味等级。本试验使用日本佐竹公司生产的 STA1A米饭食味计。

1.2.2.2 测定程序

将 30.0 g大米放入专用容器中淘洗,浸泡30 min,然后将容器放入电饭煲蒸煮 30 min,焖10 min,搅拌米饭,再将容器放入冷却器中冷却20 min,在室温下放置 60 min。将 8.0 g米饭装入专用金属杯内,压成饭饼,用黑白板校正食味计,将饭饼插入食味计测定。仪器自动显示米饭样品的气味、色泽、完整性、味道、口感的评分值和综合评分值。

1.2.3 碎米率及裂纹米率测定

1.2.3.1 原理

通过配置在正面、反面、侧面的 CCD彩色光传感器将每粒米从三个方向获取两种图像 (反射光图像与透视光图像),得到碎米率、裂纹米率的平均值及标准偏差。测定结果及彩色图像将显示在本体的液晶屏上,并通过USB将测定结果、测定图像及单粒详细数据进行外部输出[10-11]。本试验使用日本佐竹公司生产的RGQ I20A颗粒判定仪。

1.2.3.2 测定程序

将测定样品放入颗粒判定仪内,按精米测定键开始测定。分析结果用大分类、中分类或小分类三种画面表示,得到约 1000粒精米的碎米率、裂纹米率的分析结果。碎米率、裂纹米率用百分率表示。

1.3 统计分析

用Microsoft Excel 2003对数据进行统计分析。

2 结果与分析

2.1 米饭感官食味评价方法的一致性比较

食味感官试验依据 GB/T15682-2008《稻谷、大米蒸煮食用品质感官评价方法》的 4样品试验法,分别比较了其中大样品制备和小样品制备方法以及加权评分值(评分体系一)和综合评分值(评分体系二)的一致性。大样品感官试验品评人员聘由国内稻米品评专家组成,基准米采用秋田小町(感官评分为 75分)。小样品感官试验由农业部谷物及制品质量监督检验测试中心(哈尔滨)专业品评人员组成,基准米采用空育 131(感官评分为 75分)。

表 1为三种不同感官食味评价方法的试验结果,将感官食味评价方法及水稻样品作为因素,进行无重复双因素方差分析,分析结果见表 2。在表 2的方差分析中,“行”对应的是水稻样品,其 F值为9.66,大于在 0.05显著性水平的 1.93,说明不同的水稻样品在感官评价上有明显差别。“列”对应的是评价方法,其 F值为 3.09,小于在 0.05显著性水平的 3.28,说明不同的评价方法在感官评价上没有显著差别,三种感官试验方法评价结果比较一致,其中小样品感官试验(包括评分体系一及评分体系二)样品用量少,可操作性更简便一些。

表1 不同感官食味评价方法的试验结果

表 2 不同感官食味评价方法的无重复双因素方差分析表

对三种感官食味评价方法的试验数据进行统计分析,结果见表 3,其中小样品感官试验中加权值评分法(评分体系一)和综合评分法(评分体系二)所得试验结果的平均值更接近,综合评分法极差较大,18个样品的食味的区分度较好。综合以上分析,确定采用小样品感官试验的综合评分法(评分体系二)作为可见光 -近红外光谱预测方程的感官食味评价方法。

表3 不同感官食味评价方法的比较

2.2 感官食味评价项目的相关性

2.2.1 相关性分析

按照 GB/T 15682-2008《稻谷、大米蒸煮食用品质感官评价方法》中的小样品实验法,对 88份粳稻样品进行了感官食味试验,对气味、色泽、外观完整性、味道、口感和综合评分等 6个评价点进行了相关性分析,结果见表 4。

表 4 88份样品食味品质评价项目间的相关系数

由表 4看出,88份粳稻样品的米饭感官试验食味综合评分与气味、色泽、外观完整性、味道、口感 5个评价项目均呈极显著正相关。

2.2.2 逐步回归分析

以 88份粳稻样品的感官试验综合评分为因变量(Y),以气味、色泽、外观完整性、味道、口感为自变量(X1、X2、X3、X4、X5)进行逐步回归分析,逐步回归结果见表5。

表 5 88份样品食味品质评价项目间的相关系数

结果表明,色泽、外观完整性、味道和口感对感官试验的综合评分贡献较大,其中口感对感官试验的综合评分贡献最大,回归系数为 0.651,t值 9.754大于 t0.01/2(6,88-6)=2.639,P为 0;气味对感官试验的综合评分贡献相对较小。

回归分析得到的方程为:

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

回归方程的预测值与感官评价综合评分的相关系数 R为 0.979,标准误差为 0.138,F值 320.44大于 F0.01(6-1,88-6)=3.255,说明此方程的相关关系及回归效果非常显著。因此,气味、色泽、外观完整性、味道、口感均能够很好反映粳稻的食味品质,与相关性分析的结论一致。因此,以上 6个评价项目能够很好的评价中国粳稻的食味品质,可见用感官试验的综合评分值,即可很好区别食味的差异。

2.3 可见光 -近红外光谱对中国粳稻的适应性

2.3.1 预测回归方程

为建立粳稻米饭可见光 -近红外光谱值和感官评价值间的相关数学模型,探讨米饭食味计的适用性,进行了米饭食味计预测值与感官试验评价值的相关性研究。利用有效的米饭感官评价数据 88个,将感官评价各项目的评分值从小到大排序,按照隔二取一随机取样,其中 59个数据作为定标集,剩余的 29个数据作检验集,并采集米饭的可见光 -近红外光谱数据,分别建立多元回归方程。为获得最佳预测效果,分别制作了 4个自变量 (4个波长的吸光度)和 7个自变量(4个波长的吸光度、碎米率、裂纹米率和香气系数)的两组预测回归方程,并进行比较,从中选取最佳预测回归方程。

2.3.1.1 4个自变量的预测回归方程

以 4个波长的吸光度为自变量,感官食味评价点(气味、色泽、外观完整性、味道、口感、综合评分)为因变量进行多元回归,得出 4个自变量的预测回归方程,表 6列出了回归系数 F,复相关系数 R和回归方程标准误差 SEC。

表6 食味品质评价各项目与 4个自变量的回归方程

气味、色泽、外观完整性、味道、口感和综合评分预测回归方程的复相关系数 R分别为:0.398、0.644、0.430、0.577、0.665、0.676。色泽、味道、口感和综合评价的相关性较高,均大于 R0.01,达到极显著相关水平;外观完整性大于 R0.05,达到显著相关水平;而气味的相关性较低,表明仅通过光学方法很难得到最佳预测模型。

2.3.1.2 7个自变量的预测回归方程

以 4个波长的吸光度、碎米率、裂纹米率和香气系数为自变量,感官食味评价点 (气味、色泽、外观完整性、味道、口感、综合评分)为因变量进行多元回归,得出7个自变量的预测回归方程。表7列出了回归系数 F,复相关系数 R,和回归方程标准误差 SEC。

表7 食味品质评价各项目与 7个自变量的回归方程

气味、色泽、外观完整性、味道、口感和综合评分预测回归方程的复相关系数 R分别为:0.745、0.699、0.738、0.735、0.788、0.799,表明感官食味评价点(气味、色泽、外观完整性、味道、口感、综合评分)与 7个自变量的预测回归方程均达到极显著相关水平。

2.3.1.3 两组预测回归方程的比较

由表 6和表 7可以看出,7个自变量 (4个波长的吸光度、碎米率、裂纹米率和香气系数)的预测回归方程与 4个自变量(4个波长的吸光度)的预测回归方程相比,感官食味评价点的相关系数 R均有很大的提高,并降低了标准误差 SEC,尤其是气味和外观完整性的相关系数均提高了 0.3以上,这主要是由于自变量引入了碎米率、裂纹米率和香气系数,使得气味和外观完整性的相关性大大提高,解决了光谱仪器的固有缺陷。综合评分的相关系数提高了0.123,说明 7个自变量(4个波长的吸光度、碎米率、裂纹米率和香气系数)的预测回归方程在粳稻的食味品质评价上获得了更好的预测效果。

2.3.2 食味预测回归方程的验证与评价

为检验预测回归方程的普遍适用性,采用检验集 29个样品的感官试验和可见光 -近红外光谱数据对预测回归方程进行验证,求出 6个食味评价点分析值和回归方程预测值的相关系数R、预测标准误差(SEP)、Bias值(分析值与回归方程预测值之差的平均值)、感官评价值与预测值一次回归线的斜率(Skew),其结果如表 8所示。

表8 食味品质评价各项目回归方程的验证

由表 8可以看出,气味、色泽、外观完整性、味道、口感和综合评价验证回归方程式的相关系数 R分别为:0.669、0.644、0.750、0.653、0.781、0.795。其中外观完整性、口感和综合评分的相关系数达到了 0.75以上,预测标准误差 (SEP)与 Bias值相对较小,说明该食味预测回归方程能很好预测中国粳稻的米饭食味品质。

图 1为 29个粳稻样品的综合评分与综合评分预测值的相关关系图,从图 1可直观的看出,二者的相关性较好,预测回归方程对于粳稻具有普遍适用性。

图 1 综合评分与综合评分预测值的相关关系图

3 结论

3.1 大样品感官试验加权值评分法、小样品感官试验的加权值评分法 (评分体系一)和综合评分法(评分体系二),3种感官食味评价方法评价的结果较一致,其中小样品感官试验综合评分法样品用量少,样品的区分度好,可操作性简便。

3.2 88份粳稻样品食味品质评价项目的相关性分析表明,米饭感官综合评分与气味、色泽、外观完整性、味道、口感均呈极显著正相关。逐步回归分析得到的食味预测值与感官评价综合评分的相关系数 R为0.979,说明气味、色泽、外观完整性、味道、口感能够很好的评价粳稻的食味品质,与相关性分析的结论相符。

3.3 本试验中 7个自变量(4个波长的吸光度、碎米率、裂纹米率和香气系数)与 4个自变量(4个波长的吸光度)的预测回归方程相比,6个感官食味评价点的相关系数 R有明显提高,均达到 0.699～0.799水平的极显著相关,克服了光谱设备的局限性,因此 7个自变量的预测回归方程在粳稻的食味品质评价上具有更好的预测效果。

3.4 对预测回归方程的验证结果表明,29个感官食味评价点的分析值和回归方程预测值的相关系数较高,预测回归方程能可以很好预测中国粳稻的米饭食味品质,对于粳稻具有普遍适用性。

[1]舒晓庆,吴殿星,夏英武,等.稻米表观直链淀粉含量近红外光谱测定技术校正设置的优化 [J].浙江大学学报, 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]谢新华,肖昕,李晓方,等.单粒糙米蛋白质含量的近红外分析数学模型[J].农业机械学报,2006,37(8):120-122

[5]肖昕,谢新华,毛兴学,等.单粒活体稻谷种子直链淀粉含量的近红外光谱分析 [J].中国水稻科学,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]吕庆云,三上隆司,河野元信,等.适合中国南方产籼米米饭食味评价方法的研究 [J].中国粮油学报,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、大米蒸煮食用品质感官评价方法[S]

[10]李霞辉,张瑞英,孟庆虹,等.粳稻品种食味品质评价方法的研究进展[J].北方水稻,2007,5:5-9

[11]李霞辉,王乐凯,潘国君,等.粳稻品种图鉴 [M].北京:中国轻工业出版社,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 文献标识码:A 文章编号:1003-0174(2010)05-0090-06

国家科技支撑计划(2007BAD65B03)

2009-04-15

孟庆虹,女,1980年出生,硕士,助理研究员,谷物品质研究

李霞辉,女,1941年出生,研究员,谷物品质研究