基于主成分分析法的小米食用品质评价模型的建立

张 敏，刘 辉

（东北农业大学食品学院，哈尔滨 150030）

小米是一种营养丰富的谷物，每100 g小米中蛋白质含量9.7 g，脂肪含量1.7 g，碳水化合物含量76.1 g，一般粮食中不含有的胡萝卜素，小米每100 g含量达0.12 mg，维生素B1的含量位居所有粮食之首；还含有少量硒素矿物质又称无机盐，在人体内含量很少，约占人体重量的4%左右，因此具有很高的营养价值。但国内关于谷子品质方面的研究较少，主要集中在谷子的蛋白质质量分析及不同生态因子对蛋白质等营养因素的影响方面[1-2]。一般来讲，对小米食用品质的评价主要采用感官评价法来进行，但由于感官评价法受到评价员的主观、环境等因素的影响，其客观性会受到一定程度的限制。因此，建立一种客观的评价小米食用品质的方法极为重要。这对谷子品种的科学选育以及小米产品的加工应用具有重要的现实意义。

主成分分析法是将原来指标重新组成一组新的互相无关的几个综合指标来代替原来指标的一种统计方法，通过空间的坐标旋转，得到的主成分是原始变量的线性组合，能够最大程度地反映原变量所包含的信息，使原来的多维问题大大简化[3-4]。目前，此种方法已经广泛应用在很多领域，如在医学中，依据主要因子的综合评分确定受试样品的功效特性大小，成为一种量化评价功能学特性的新方法；在食品加工中，用综合评分分析豆腐乳的感官和理化品质，获得豆腐乳的品质优劣程度；用主成分分析法确定出七种高香型乌龙茶香气特征较优的为肉桂香茶、玉兰香茶等[5-12]。借鉴这些研究，本文利用主成分分析法来建立小米食用品质评价模型，通过对小米各营养成分指标和物理指标进行客观的统计分析，获得量化的不同品种小米的食用品质综合指标，这对丰富和完善小米食用品质的评价体系具有重要意义。

1 材料与方法

1.1 试验材料

试验所用的27种不同小米品种均由黑龙江省农业科学院提供，具体品种和产地见表1。

表1 试验所用小米品种和产地Table 1 Varieties and producing area of millet used in the experiment

1.2 试验方法

1.2.1 物理品质的测定

千粒重的测定：取十次称重法测定百粒重的平均值；粒径分布的测定：取十次游标卡尺测量值的平均值；色差的测定：使用上海精密科学仪器有限公司生产的测色色差计，选用L*-a*-b*色彩空间，每个样品测10次，求其平均值；籽粒硬度的测定：使用杭州托普仪器有限公司生产的GWJ-1谷物硬度计，以20次测定的平均结果为小米籽粒的硬度；吸水性和水溶性的测定：采用AACC方法[13]，吸水性指数和水溶性指数按下面公式计算：

其中，X1为吸水指数（WAI）；X2为水溶性指数（WSI）；m1为沉淀重量（g）；m2为上清液干重（g）；M 为样品干重（g）。

1.2.2 营养品质的测定

水分含量的测定：采用烘箱干燥法测定[14]；蛋白质含量的测定：采用凯氏微量法测定[15]；粗脂肪含量的测定：采用索氏抽提法测定；灰分含量的测定：采用AACC推荐方法[16]；粗纤维含量的测定：采用AACC推荐方法[17]；碳水化合物含量：采用差减法，即碳水化合物=100-（水分+蛋白质+脂肪+灰分）；直链淀粉含量的测定：按照GB/T 15683-1995《稻米直链淀粉含量的测定》[18]进行测定；淀粉含量的测定：采用蒽酮比色法；

黏滞特性分析：使用澳大利亚Newport Scientific仪器公司生产的RVA仪快速测定淀粉黏滞特性，并用TCW（Thermal cycle for windows）配套软件分析。测定按AACC（美国谷物化学协会）操作规程61-02 1995《快速黏度分析仪测定大米的糊化特性》要求，即含水量为14.0%，3.00 g，蒸馏水25.00 mL。测定过程中，产生峰值黏度、糊化温度、热浆黏度、最终黏度、衰减值、回生值等六个特征指标。

1.2.3 小米食用品质评价模型的建立

由27个不同小米品种测定的营养品质、物理品质的指标构成主成分分析的相关矩阵，根据主成分分析后确定的不同主分量的线性组合与贡献率之积的和来排序不同的样本,进行综合品质评价。用SPSS软件进行主成分分析计算，具体步骤为：

①主成分变量的构建

将 n 个样本的 p 个变量（X1，X2，…，Xp）通过变换转换成 k（k＜p）个综合变量变量（F1，…，Fk），即原变量的线性组合，综合变量F1，F2，…，Fk分别称作原变量的第1、第2、…、第k个主成分：

②各样本的量化值以不同特征值的方差贡献率βi（i=1，2，…，k）为加权系数，利用综合评价函数（品质评价模型）：F=β1F1+β2F2+…+βkFk，计算各样本得分，进行排序评价各品种小米的食用品质优劣。

1.2.4 小米食味值的测定

参考GB/T 15628-1995《稻米蒸煮试验品质评定方法》[18]。按米饭的色、香、味、外观形状、适口性及滋味进行评价。

1.2.5 数据处理

数据的处理方法采用SPSS Family 15.0软件，运用软件中的Data Reduction模块。

2 结果与分析

2.1 主成分分析结果

以27个小米样品的24个指标构成27×24的矩阵进行主成分分析，按照剔除最小特征值的主成分中对应的最大特征向量变量的原则，一次剔除一个变量，共剔除了8个变量，最后获得16个变量进行主成分分析，其中水分、蛋白质、灰分、水溶性指数、直链淀粉、支链淀粉、直/支、峰值黏度、热浆黏度、最终黏度、衰减值、回生值、糊化温度、脂肪、淀粉含量、碳水化合物等指标分别用X1、X2、 X3、X4、X5、 X6、 X7、X8、 X9、 X10、 X11、X12、X13、X14、X15、X16来表示通过计算获得相关矩阵特征值如表2所示。

按照累计贡献率大于85%的原则，由表2可见，前7个主成分所构成的信息量占总信息量的87.893%，基本保留了原变量的信息。进一步计算获得七个主分量的特征向量如表3所示。

表2 相关矩阵特征值Table 2 Eigenvalues of correlation matrix

第一主分量：

单独说明整个原始数据标准变异的23.873%。

第二主分量：

单独说明整个原始数据标准变异的16.999%。

第三主分量：

单独说明整个原始数据标准变异的14.843%。

第四主分量：

单独说明整个原始数据标准变异的10.585%。

第五主分量：

单独说明整个原始数据标准变异的8.544%。

第六主分量：

单独说明整个原始数据标准变异的6.771%。

第七主分量：

单独说明整个原始数据标准变异的6.279%。

综合评价函数：

表3 特征向量Table 3 Character vector

2.2 不同品种小米质量评价结果

由上面主成分分析获得的综合评价函数作为小米的质量评价模型，计算27个品种小米的评价得分，如表4所示。由表4可知，河北省的冀谷19的打分最高，其次是山东的济谷13和辽宁省的朝谷12，得分较低的为黑龙江省的龙谷25和吉林省的公谷68，它们主要来源于东北三省地区。由于小米的品质不仅受品种及主要成分含量等内部因素的影响，还会受到栽培地的气候及降雨量等自然条件的限制，从而导致小米的产量和质量存在较大差异。

表4 不同小米质量模型的评价Table 4 Quality model evaluation of millet

2.3 小米质量评价模型的检验

表5为传统的感官评价法获得的27种小米的食味值。对比表4和表5可见，本文所建立的评价模型与感官评价法具有很好的一致性。除了样品：甘肃省陇谷10、黑龙江省龙谷32、陕西省延谷12、吉林省延谷12排序结果略有差异外，其余均一致。

由于小米的质量还会受到播种地区的气候、温度、水分湿度以及施肥量等因素的制约，因此这个小米品种的品质排序只代表试验所获样本的排序。若要模型具有一定的普适性，还需要进一步补充试验样品，来扩大模型的适用性。

表5 不同品种小米质量感官评价Table 5 Sensory evaluation of the quality of different varieties of millet

3 讨论与结论

应用主成分分析法建立了小米食用品质评价模型。利用本模型，使用两种评价方法对27种小米品种的食用品质进行评价发现，除陇谷10、龙谷32、延谷12、公矮2这四个品种上的排序有差别外，其他的品种上的排序结果都是一致。因此这种评价结果与传统的感官评价结果对比，两种方法具有较好的一致性。一般情况下，食味值的评价都是由有经验的评价员或经过训练的专业人员来完成，本研究建立的评价模型只需要测定出小米的16个主要成分指标，即可进行评价。因此在小米品质评价中具有更广的应用性和客观性。

根据本研究建立的基于主成分分析法的小米食用品质评价模型，获得河北省的冀谷19、山东省的济谷13和辽宁省的朝谷12等品种的小米食用品质较好，得分较低的为黑龙江省的龙谷25和吉林省的公谷68。这些来源于不同主产区的小米品种，其品质不仅受到小米的品种、主要成分含量等内部因素决定，还会受到产地的自然条件、栽培条件等因素影响，导致小米的产量和质量存在较大差异。在本次调查中，小米食味品质最好的地区为山西、山东、河北，其次是辽宁和内蒙古，较差地区为甘肃、陕西和黑龙江。小米的食味值南北差异为随纬度增加，食味值反而减小，尤其在北纬45°以上地区，小米食味值较差。对不同品种的小米营养成分的变化表明，这27份小米的水分、脂肪、蛋白质、灰分、纤维、碳水化合物的平均含量分别为10.27%、3.09%、11.87%、3.43%、0.83%、71.33%。从这6个主要的营养指标看来，碳水化合物含量最高，其次为蛋白质含量，它们是影响小米加工品质的主要物质基础。从变异系数看，脂肪和纤维的变异系数较大，虽然脂肪和纤维素含量不到5%，但对小米的加工品质起着决定性的作用。

在小米食用品质评价中，利用主成分分析法，将复杂的信息简单化，通过建立相关的评价模型，获得量化的评价指标，开辟了一种客观评价小米食用品质的新方法。感官评价的小米食味值具有一定的主观性，主成分分析模型的建立及方法的使用可以为今后的小米食用品质的评价提供更准确、更客观的方法，对今后的谷子育种工作也有积极的现实意义。

另外，小米的食用品质还会受到播种地区的气候、温度、水分湿度以及施肥量等因素的制约，这有待于进一步的研究。

[1]张喜文,宋殿珍,刘源湘.氮肥和氮磷肥配合对谷子籽粒营养品质和食味品质的影响[J].土壤通报,1994,23(3):122-123.

[2]Nishizawa N.Proso millet protein elevates Phsma level of high density-lioproteina new food function of proso millet[J].Brom edical and Envinonm ental Sciences,1996(9):209-212.

[3]姬春煦，张骏.基于主成分分析的股票指数预测研究[J].计算机工程与科学，2006,28（8）：122-124.

[4]方晨,杨叶,伍书剑.主成分分析和取类分析在软件重构中的应用[J].计算机软件与计算方法,2009,30(2):366-367.

[5]戴素贤,谢赤军，陈栋等.七种高香型乌龙茶香气成分的主成分分析[J].华南农业大学学报,1999,20(1):113-11.

[6]杨坚,童华荣,贾利蓉.豆腐乳感官和理化品质的主成分分析[J].农业工程学报,2002,18(2):131-135.

[7]姚治军,刘宝勤,高迎春.基于区域发展目标的水资源承载能力研究[J].水科学进展,2005(1):109-113.

[8]鲍艳,胡振琪,柏玉,等.主成分聚类分析在上地利用生态安全评价中的应用[J].农业工程学报，2006,22(8):87-90.

[9]吴亚非,李科.基于SPSS的主成分分析法在评价体系中 [J].当代经济，2009,2(1)：166-176.

[10]曾洁,孙俊良,李光磊,等.基于主成分分析和Q型聚类分析的玉米品种特性研究[J].沈阳农业大学学报,2009,40(1):53-57.

[11]吴景社，康绍忠.基于主成分分析和模糊聚类方法的全国节水灌溉分区研究[J].农业工程学报,2004,20(4):64-68.

[12]林松毅,刘静波,叶海青.主成分分析方法在保健食品功能学评价中的应用研究[J].食品科学,2007,28(9):546-548.

[13]美国谷物化学师协会标准[S].AACC Method 24-05 Absorption and Soluble in Water Methods.

[14]美国谷物化学师协会标准[S].AACC Method 08-02 Ash-Basic Methods.

[15]美国谷物化学师协会标准[S].AACC method 46-11A Crudeproteinic Methods.

[16]美国谷物化学师协会标准[S].AACC Method 44-15A Moisture-Air-Oven Methods.

[17]美国谷物化学师协会标准[S].AACC Method 32-10 Crude Fiber in Flours,Feeds,and Feedstuffs.

[18]中华人民共和国国家标准[S].GB/T 15628-1995稻米蒸煮试验品质评定.