米饭食味综合评价方法研究

张玉荣，王学锋，周显青，邓 锋

（河南工业大学 粮油食品学院，河南 郑州 450052）

0 前言

大米是我国重要口粮之一，全国有60%以上的人口以米饭为主食.随着生活水平的提高，人们对大米的食用品质要求也越来越高[1]，国家标准中米饭食味品质评价指标主要包括气味、外观结构、适口性、滋味和冷饭质地等，这些评价指标主要是以感官评价为主，因此存在着主观性强、操作繁琐、耗时长等缺点[2].主成分方法是将多维数据进行降维处理，用少数主成分得分来描述整个样本空间的方法[3].如张玉荣等[4]通过对大米的理化特性、蒸煮特性和质构特性等16 项指标进行主成分分析后，建立了粳稻和籼稻的食味品质预测评价模型.王莉等[5]运用主成分分析法建立了餐厨垃圾产生量的主成分回归模型，从而将影响餐厨垃圾产生量的多个因素简化成两个综合的因素.薛成伟等[6]利用主成分分析的方法研究农民收入的问题，结果表明该方法是有效和可行的.白沙沙等[7]利用主成分分析建立苹果综合评价模型，筛选出了老笃、克鲁斯、黄魁等优选品种.作者拟采用主成分回归方法，建立预测米饭外观和适口性总评分的评价模型，结合滋味、气味的感官评价来探讨客观（指标评价）与主观（感官评价）结合评价来综合评价米饭食味的可行性，为简化米饭食味评价程序提供依据.

1 材料和方法

1.1 材料

采集黑龙江（8 个）、河南（6 个）、河北（6 个）、江苏（6 个）、福建（8 个）、广东（6 个）、江西（6 个）、湖北（6 个）等8 个稻谷产区的稻谷样品50 个，其中25 个用来验证.用砻谷机去壳得到糙米，将糙米在碾米机上制备成GB 1354—2009 中规定的标准三等精度大米，置于2 ℃冰柜中保存.

1.2 仪器与设备

JYC-19BE2 型电磁炉：山东九阳小家电有限公司；JWXL 型物性测试仪：北京东孚久恒仪器技术有限公司；BS2010S 型电子天平：江苏常熟长青仪器仪表厂；SMY-2000ST 型色差计：北京盛名扬科技开发有限责任公司.

1.3 方法

1.3.1 米饭制备

参照GB/T 15682—2008 中小量样来制备米饭.

1.3.2 米饭质构测定

参照文献[8]的方法.

1.3.3 米饭粒延伸率测定

从所测样品中，随机选取煮熟前完整无损的大米50 粒，置于扫描仪上，粒与粒之间分开而不接触，以自制黑色纸板做为背景获取像素为300 dpi的RGB 图像[9].运行matlab7.10.0，在Command Window 面板中输入自编程序，得出米粒的长度和宽度值，计算出50 粒米粒的长度及宽度的平均值.按照同样的方法得到煮熟后大米米粒长度和宽度值，则米粒长度延伸率=（煮熟后长度-煮熟前长度）/煮熟前长度；米粒宽度延伸率=（煮熟后宽度-煮熟前宽度）/煮熟前宽度.

1.3.4 米饭色泽测定

采用SMY-2000 色差计测定米饭的颜色及色泽.用CIE-L*、a*、b* 色空间方法表示，其中L* 值描述亮度（色泽）的变化，0 代表黑色，100 代表白色；a*值描述从红色～绿色的变化，正数代表红色，负数代表绿色；b* 值代表黄色～蓝色的变化，正数代表黄色，负数代表蓝色[9].

测试方法：开机预热5～10 min，测试前用黑板调0，白板调白，校准仪器，然后取煮熟焖制后的米饭8.00 g 放入样品池内，填实、压紧，接着将样品池置于保护盒套里，放到传感器下面测定，记录L*值、a* 值和b* 值，每个样品重复测定5 次，去掉最大值和最小值，取平均值作为最后结果.

1.3.5 米饭感官评价

按照GB/T 15682—2008 稻谷、大米蒸煮食用品质感官评价方法中的评价方法一（综合评分法）对米饭样品进行感官评价，记录各感官指标及综合评分分值.

1.3.6 数据处理

应用Microsoft Office Excel 2003 对数据进行描述分析，得出最大值、最小值、平均值、标准差和变异系数；利用SPSS11.5 软件对所得主成分进行逐步回归分析建立米饭食味综合评分的预测模型[10].

1.3.7 米饭食味综合评价模型的建立

利用主成分分析根据实际需要，按照设定的累计贡献率的临界值，选取少数几个综合指标实现对米饭的综合评价[11].

通过测定米饭的外观和质构指标进行主成分回归分析.其具体操作步骤[12]如下：

（1）将n 个样本的p 个变量，通过变换将原变量Xi转换成主成分，主成分是原变量的线性组合，即将X1，X2，X3，…，Xp-1，Xp综合成k（k＜p）个变量（F1，…，Fk），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，表示为：

（2）按照指定累计方差贡献率选取主成分个数，以主成分因子为变量、标准化后的米饭食味感官评价分值（适口性总分与外观总分之和）为因变量，采用逐步剔除法建立回归预测模型，并对模型进行验证.

2 结果与分析

2.1 米饭质构特性分析（表1）

表1 米饭质构测试结果（n=25）

由表1 可知，黏着性的变异系数最大，为28.26%，其次为硬度、胶着性、咀嚼度和弹性，其变异系数分别为14.62%、14.00%、12.57%和11.53%，黏聚性和恢复性的变异系数最小，其值分别为7.56%和8.72%，说明供试品种间各质构指标均有较大的差异，且黏着性的品种间差异最大.

2.2 米饭外观分析（表2）

表2 米饭外观测定结果（n=25）

由表2 可知：米饭外观各指标中L* 值的变异系数绝对值最小，为7.75%，小于10%，说明品种间亮度的差异最小；变异系数绝对值较大的是饭粒长度延伸率和宽度延伸率，分别为10.71%和11.13%，介于10%～20%之间；变异系数绝对值最大的指标是a* 值和b* 值，分别为-51.28%和25.24%，均大于20%，说明在供试品种间米饭各外观指标均有较大的差异，但在a* 值和b* 值上的品种间差异最大.

2.3 米饭感官评价

米饭感官评价结果见表3，由表3 可知，米饭样品各感官指标评分值变异系数均较大，其中变异系数最小的和最大的分别是弹性和颜色，分别为22.64%和34.11%，说明米饭样品的感官评价弹性差异最小，颜色好坏差异最大.

2.4 主成分分析

主成分分析是利用数学方法将多个指标转化为几个简单的综合指标对样品进行分析的方法.前提是各指标间存在着信息的重叠，即具有显著的相关关系.为了看出各指标间的相关关系，令X1为长度延伸率（%）、X2为宽度延伸率（%）；X3为L*值、X4为a* 值、X5为b* 值；X6为硬度、X7为弹性（mm）、X8为黏聚性（mm）、X9为黏着性、X10为胶着性、X11为咀嚼度、X12为恢复性；X13为外观感官评价总分和适口性感官评价总分之和.相关分析（X13不参与相关分析）结果见表4.

表3 米饭感官评价结果（n=25）

由表4 可知，米饭粒长度延伸率和宽度延伸率和L* 值以及米饭的弹性、硬度、胶着性、恢复性等指标分别达到了极显著的相关水平，剩余的其他各指标之间也存在着显著的相关性，由此可见，这些变量存在着信息上的重叠.

表4 米饭特性指标的相关系数

各测定指标由于具有不同的量纲，在数量级上也有较大差异，在应用主成分分析时，会产生新的问题.因此，为了消除由此可能带来的不合理影响，在进行主成分分析之前需要先对数据做标准化处理，其公式[12]如下：

一般依据主成分的方差贡献率的大小来选择主成分个数.例如当第1 主成分的方差贡献率大于80%时，则只采用第1 主成分来进行综合评价即可；而当第1 主成分的方差贡献率小于80%时，则需要按照贡献率的大小，依次将前几个主成分进行线性加权综合，使得方差贡献率的总和超过80%[13-14].

2.5 米饭食味综合评价（表6、表7）

由表6、表7 可知，前6 个主成分所构成的信息量占总信息量的85.3%，几乎反映了大部分信息，因此，选取6 个主成分进一步分析，得到由特征向量所表达的各主成分线性方程：

由表6、表7 可知，第1 主成分方差贡献率最大，方差解释率最高，为23.7%，通过线性方程Y1*得出特征向量绝对值最大的是弹性X7*，其次是米饭硬度X6*、黏聚性X8*和恢复性X12*，其值分别为0.413 4、-0.406 6、0.405 5 和0.394 5，因此，可把第1 主成分定义为质构指标.

表5 米饭特性指标的标准化处理结果

表6 主成分分析得到的特征向量

表7 各主成分的特征值、贡献率与累计贡献率

第2 主成分方差贡献率为21.5%，通过线性方程Y2*得出特征向量绝对值最大的是米饭粒长度延伸率X1，其次是米饭粒宽度延伸率X2和L*值X3，分别为：-0.533 4、-0.431 4、和0.404 4，因此，把第2 主成分定义为大米膨胀指标.

第3 主成分方差贡献率为15.7%，通过线性方程Y3*得出的特征向量绝对值最大的是米饭咀嚼度X11，其次是b* 值X5和胶着性X10，分别为：0.458 3、-0.452 5 和0.395 9，因此，把第3 主成分定义为质构和颜色的综合指标.

第4 主成分方差贡献率为11.2%，通过线性方程Y4*得出的特征向量绝对值最大的是黏着性X9，其次是b*值X8和咀嚼度X4，分别为：0.554 1、-0.357 4、-0.312 5 和0.297 5，因此，把第4 主成分定义为质构和颜色的综合指标.

第5 主成分方差贡献率为6.8%，通过线性方程Y5*得出特征向量绝对值最大的是米饭L*值X3，其次是米饭b*值X5和米饭恢复性X12，分别为：0.527 3、0.349 3 和0.318 7，因此，把第5 主成分定义为颜色指标.

第6 主成分方差贡献率为6.3%，通过线性方程Y6*得出特征向量绝对值最大的是米饭硬度X6，其次是米饭b*值X5和米饭弹性X7，分别为：-0.536 4、-0.529 1 和-0.414 8，因此，把第6 主成分定义为颜色和质构综合指标.

2.6 主成分回归方程的建立

前6 个主成分包含了12 个原变量85.3%的信息，所以可以用前6 个主成分来代替原有的12 个变量进行主成分回归分析.由主成分回归得到的标准化回归方程为Z*（Z*表示感官评价外观和适口性总分和的标准化变量）如下：

回归方程的决定系数R 和调整决定系数R2分别为0.817 和0.769，表明本方程具有较高的拟合度，自变量能够解释因变量的大多数信息；回归方程方差分析如表8 所示，由表8 可知，F 检验统计量的概率sig.=0.000（sig.＜0.05），说明自变量和因变量之间存在显著的线性关系，可用线性模型来表示.回归方程的系数检验列于表9，由表9 可知，回归系数显著性检验中T 检验统计量的概率p＜0.05，说明因子1、因子2、因子3、因子4 和因子5中的每个自变量和因变量都有显著的线性关系.

表8 回归方程的方差分析

表9 回归系数的显著性检验

2.7 米饭食味预测模型的建立

为了得到用标准化自变量表示的回归方程，将前述方程（1）、（2）、（3）、（4）、（5）、（6）带入方程（7），得到：

主成分回归模型（8）表明，各自变量对米饭食味综合评分值影响的大小顺序依次为：a*值＞b*值＞L*值＞硬度＞黏聚性＞黏着性＞长度延伸率＞胶着性＞咀嚼性＞恢复性＞宽度延伸率＞弹性.说明色泽指标对米饭食味外观和适口性评分之和影响最大.

同时，根据公式（2）用原始变量替代标准化值，带入方程（8）中可得到由原始变量表示的一般的主成分回归方程:

2.8 米饭食味预测模型的验证

利用主成分回归方法所建方程对米饭食味总分的预测值（总分预测值=主成分回归对外观与适口性评分和的预测值+滋味感官评价实际值+味道感官评价实际值）与感官评价总分实际评价值的散点图输出结果见图3.

图3 米饭食味总分预测值与实际值的关系

由图3 可知，采用主成分回归法得到的米饭食味总分预测值与实际值的R2为0.937.由此说明，结合滋味和气味的感官评价，可较准确地预测米饭食味总分.采用前者方法建立的预测模型具有更强的拟合能力，这是因为采用主成分回归方法消除了指标间共线性，使预测方程更有效.

3 结论

通过对米饭食味品质评价各指标进行主成分分析可得：感观评价中外观和质构指标间存在着显著或极显著相关性，前6 个主成分所构成的信息量占总信息量的85.3%，以前6 个主成分为自变量，外观和适口性评分之和为因变量建立主成分回归方程：Z=40.244 3-0.275 2X1-0.087 2X2-0.009 5X3-0.992 4X4-1.001 1X5-0.002 2X6+8.122 3X7+7.308 4X8-120.106 4X9+0.001 3X10+0.007 3X11+42.998 4X12，该方程的米饭食味总分预测值与实际值的R2为0.937，拟合度较高.说明利用主成分回归分析并结合感官评价对米饭食味总分进行评价，其预测方法是有效和可行的.

［1］周显青.稻谷加工工艺与设备［M］.北京:中国轻工业出版社，2011:1-7.

［2］周显青，王学锋，张玉荣，等.米饭食味品质评价技术进展［J］.粮油食品科技，2013（1）:56-61.

［3］周显青，暴占彪，崔丽静，等.霉变玉米电子鼻识别及其传感器阵列优化［J］.河南工业大学学报：自然科学版，2011（4）:16-20.

［4］张玉荣，张秀华，周显青，等.主成分分析法综合评价大米的食昧品质［J］.河南工业大学学报：自然科学版，2008，29（5）:1-9.

［5］王莉，刘应宗.基于主成分分析的餐厨垃圾产生量预测的实证研究［J］.西安电子科技大学学报：社会科学版，2008，18（6）:23-27.

［6］薛成伟.基于主成分分析的农民收入预测［J］.现代经济信息，2011，23:426.

［7］白沙沙，毕金峰，王沛，等.基于主成分分析的苹果品质综合评价研究［J］.食品科技，2012（1）:54-57.

［8］任洪玲.大米原产地品质分析与鉴别［D］.郑州:河南工业大学，2012.

［9］周显青，张玉荣，李亚军.植物乳酸菌发酵对米粉蒸煮和质构特性的影响［J］.河南工业大学学报：自然科学版，2011（2）:15-18.

［10］Lamberts L，De Bie E，Vandeputte G E，et al.Effect of milling on color and nutritional properties of rice［J］.Food Chemistry，2007，100（4）:1496-1503.

［11］王钦德，杨坚.食品实验设计与统计分析［M］.北京:中国农业大学出版社，2009:385-417.

［12］唐启义，冯明光.实用统计分析及其DPS 数据处理系统［M］.北京:科学出版社，2002：253-259.

［13］高惠璇.应用多元统计分析［M］.北京:北京大学出版社，2005:272-273.

［14］冯利华.环境质量的主成分分析［J］.数学实践与认识，2003，33（8）:32-35.