基于速冻青稞鱼面加工的青稞品种适宜性评价体系构建

丁 捷，赵雪梅，刘春燕，唐婷婷，张雨薇，肖 猛，秦 文

(1.四川旅游学院，四川成都 610100；2.四川农业大学食品学院，四川雅安 625000;3.沈阳农业大学食品学院，辽宁沈阳 110866)

产自高海拔地区的青稞是一种富含β-葡聚糖、蛋白质、纤维素的优质杂粮，随着人们自身健康理念的转变，青稞的保健药用价值受到市场的广泛关注和认同。针对中国国内消费者调查发现，青稞深加工产品如果拥有新颖、富有创意且适宜大众喜好的产品风味和口感，能够快速激发消费者购买欲望[1]。速冻青稞鱼面在此大背景下应运而生，该产品是通过单螺旋挤压技术以青稞粉、淡水鱼糜、麦芯粉等为原料制作而成的一种方便食品，与传统鱼面相比，具有制作工序简便、营养全面的优点[2]。现阶段对于速冻青稞鱼面的研究已经完成了配方及改良剂的研发及优化[3-4]，后续又针对鱼面的关键工艺，通过响应面试验完成了工艺参数的优化[5-6]；针对速冻青稞鱼面原料适应性的研究，已经确定了最适宜鱼面加工的淡水鱼品种以及9个核心品质指标的最佳取值范围[7]。

青稞的品质直接影响成品鱼面的感官特性、色泽特性及蒸煮特性。目前，国内外就原料品质对其制品品质影响的研究较多[8-10]，青稞深加工产品的原料筛选及品种加工适宜性分析尚未见相关报道。本试验以10个青稞品种为研究对象，测定青稞的品质指标及其速冻青稞鱼面的品质指标，通过主成分分析和聚类分析筛选影响鱼面品质的青稞品质指标，以筛选出的青稞指标为X变量，速冻青稞鱼面品质指标为Y变量，利用偏最小二乘法(PLSR)建立模型，并对模型进行评价验证，以确定影响速冻青稞鱼面的青稞品质指标以及最佳取值范围，为加工速冻青稞鱼面专用青稞品种的筛选提供参考依据，为青稞育种及深加工生产提供新的思路。

1 材料与方法

1.1 试验材料

面条专用粉：潍坊风筝面粉有限责任公司；谷朊粉：封丘县华丰粉业有限公司；复合磷酸盐：柘城县耕道贸易有限公司；CMC(羧甲基纤维素钠)：柘城县耕道贸易有限公司。选用来自川西产区的10个青稞品种(表1)，于2016年在甘孜州农科所八美农场试验田种植。

β-葡聚糖试剂盒：爱尔兰Megazyme公司。

表1 试验所用青稞品种Table 1 Hulless barley varieties used in this experiment

1.2 方 法

1.2.1 青稞粉的制备

成熟期收获青稞种子，去外表皮，除杂，挑选饱满、大小均匀的青稞籽粒，用IFSJ-I型锤片式粮食试验粉碎机粉碎，过60目筛即得青稞粉。

1.2.2 速冻青稞鱼面的制备[3-6]

配方：以180 g混粉(青稞粉∶面条专用粉=1∶9)为基准，鱼糜25%(其中，漂洗鱼肉的盐水浓度为0.09%，鱼肉与水的比例为1∶1.5，均质5.1 s)，谷朊粉9%，纯净水15.5%，食盐1.25%，食用碱0.10%，复合磷酸盐0.25%，CMC 0.20%。将食盐、食用碱、复合磷酸盐、CMC与纯净水混匀，在95 ℃HHS-8s电子恒温不锈钢水浴锅加热溶解，获得复合改良剂溶液。将青稞混粉、谷朊粉混和在XHF-D高速分散器10 000 r·min-1匀浆30 s后，将鱼糜和复合改良剂溶液一起加入HR2356飞利浦自动面条机中。采用孔径为1 mm的模具，和面12 min后静置25 min，单螺旋挤压制得生面条。将生面条经沸水(100 ℃)糊化30 s，冷水(10～12 ℃)冷却2 min后沥干，称重分袋，用SF-400型手压封口机包装，-32 ℃速冻冷藏，即得成品。

1.3 测定指标与方法

1.3.1 青稞理化指标的测定

(1)水分含量的测定：按照GB 5009.3-2016直接干燥法。

(2)β-葡聚糖含量的测定：参考林伟静等[11]方法，采用酶法测定。

(3)直链淀粉含量的测定：按照GB/T 15683-2008分光光度计法测定

(4)总淀粉含量的测定：按照GB 5009.9-2016酸水解法测定。

(5)蛋白质含量的测定：按照GB 5009.5-2016分光光度法测定。

(6)灰分含量的测定：按照GB 5009.4-2016灼烧称重法测定。

(7)脂肪含量的测定：按照GB 5009.6-2016索氏抽提法测定。

(8)pH值的测定：按照GB 5009.237-2016电位法测定。

(9)冻融性和糊透明度的测定：参考丁 捷等[12]方法。

(10)色差的测定：将青稞粉用保鲜膜包好，压实，抹平，保证测定表面无气泡，用DC-P3新型全自动测色差计进行测定，制品保持在10 ℃左右，保证L、a、b表色系统能全面客观地反映制品的色泽和色差[13]。

1.3.2 速冻青稞鱼面质构特性的测定

参考王灵昭等[14]方法，测定鱼面的硬度、弹性、胶黏性、咀嚼性，3次重复。

1.3.3 速冻青稞鱼面感官评价

参考赵雪梅等[15]速冻青稞鱼面感官评价体系，对评价指标进行新的权重分配，对鱼面进行感官评价，相加计算出鱼面感官总分。具体见表2。

表2 速冻面条感官评价标准Table 2 Standard of the quick-frozen noodle sensory evaluation

1.3.4 品质综合评分

速冻青稞鱼面的品质指标包括质构特性指标(硬度、弹性、胶黏性、咀嚼性)、蒸煮特性(吸水率、损失率)和感官综合评分，参照赵雪梅等[15]的方法对其进行品质综合评分。

1.4 偏最小二乘回归模型的构建

偏最小二乘回归法(PLSR：partial least squares regression)主要研究多因变量对多自变量的回归建模，能较好地解决各变量内部高度线性相关等问题，是集主成分分析、典型相关分析和多元线性回归分析等方法优点于一体的分析方法，能有效避免数据非正态分布、因子结构不确定性和模型不能识别等潜在问题[16]。本课题选择10个品种的青稞，其青稞品质指标和相应的速冻青稞鱼面的品质指标均测量3次，共30个样品，从30个样品中抽出20个样品作为建模集，将剩余的10个样品作为检验集。以主成分分析和灰色关联度分析筛选出的青稞理化指标为X变量，鱼面的品质综合评分为Y变量，进行偏最小二乘回归分析(PLS)。

1.5 数据分析

数据采用Excel统计整理，用SPSS 24.0进行方差分析，用Duncan多重比较进行差异显著性分析、相关性分析和主成分分析，用DPS进行灰色关联度分析，PLS分析采用Unscrambler 10.4。

2 结果与分析

2.1 不同品种青稞全粉的理化特性

由表3可知，康青7号(1号)的直链淀粉、总淀粉、蛋白质含量均最大，显著高于其他品种(P<0.05)，其灰分含量也最高。康青9号(2号)的冻融性和a值最大，分别为12.71、6.25，显著高于其他青稞品种。编号4(昆仑15号)透明度高达44.30，水分含量高达12.04%，显著高于其他品种(编号1的水分含量除外)。编号5(观21米大麦)的b值为18.09，较编号6(Xin20米大麦)增幅达到87.85%。冻融性的变异系数最高，为58.83%，pH值的变异系数最低。

2.2不同品种青稞全粉对速冻青稞鱼面食用品质的影响

由表4可知，感官总分以编号1(康青7号)最高(78.97)，与其他品种间差异显著，较编号2(康青9号)的增幅达到8.81%。编号10(六棱直穗米大麦2号)的弹性和硬度均最大，较其他品种青稞差异显著(编号9的咀嚼性除外)。综合评分以编号10(六棱直穗米大麦2号)最高，其次是编号5(观21米大麦)和编号1(康青7号)。咀嚼性的变异系数高达55.46%。说明青稞品种对速冻青稞鱼面的食用品质有显著影响。

表3 川西藏区青稞品种籽粒理化特性Table 3 Physical and chemical properties of the hulless barley varieties in the Tibetan areas of western Sichuan

同列数据后不同字母表示品种间差异在0.05水平显著。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 相关性分析

由表5可知，不同品种的青稞品质指标与速冻青稞鱼面品质指标之间存在不同程度的相关性。鱼面的弹性与青稞的直链淀粉含量、总淀粉含量、蛋白质、灰分、L值和b值呈极显著正相关(P<0.01)，与β-葡聚糖含量呈显著正相关(P<0.05)。鱼面的硬度与青稞的直链淀粉含量、总淀粉含量、蛋白质、灰分、L值、a值和b值呈极显著正相关，与β-葡聚糖含量呈显著正相关。鱼面的咀嚼性与青稞的总淀粉含量呈显著正相关，与脂肪含量呈极显著正相关。鱼面的感官总分与青稞的直链淀粉含量、水分含量呈极显著正相关，与总淀粉含量、蛋白质和L值呈显著正相关。鱼面的品质综合评分与青稞的直链淀粉含量、总淀粉含量、蛋白质、灰分、L值和b值呈极显著正相关，与β-葡聚糖含量、a值呈显著正相关。综上所述，青稞的直链淀粉含量、总淀粉含量、蛋白质含量、灰分、β-葡聚糖含量、L值、a值和b值与速冻青稞鱼面的品质存在较好的相关性。

2.4 主成分分析

由表6可知，前4个主成分对变量解释累计方差贡献率达到89.961%(>85%)，可以代表原始数据的大部分信息。在这4个主成分中，第1主成分包含原来信息量的47.514%，第1主成分与青稞的直链淀粉含量、总淀粉含量、蛋白质、灰分、β-葡聚糖含量、L值和b值有很大的正相关值(相关值>0.5)；第2主成分包含原来信息量的18.695%，第2主成分与冻融性、透明度、a值呈现很大的正相关值；第3主成分包含原来信息量的14.843%，与青稞脂肪含量、透明度和水分含量存在很大的相关值；第4主成分包含原来信息量的8.910%，决定第4主成分主要是青稞的pH值(表7)。

表4 不同青稞品种对速冻青稞鱼面品质的影响Table 4 Effect of different hulless barley varieties on the quality of quick-frozen hulless barley fish noodles

表5 相关性分析Table 5 Correlation analysis

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

表6 总方差解释Table 6 Explanation of total variance

表7 旋转后的成分矩阵Table 7 Rotated component matrix

以各主成分的贡献率作为权重，构建品质综合评价得分函数：F(综合得分)=0.475F1+0.187F2+0.148F3+0.089F4，计算不同品种青稞品质的主成分综合得分值，得分越高，青稞的综合品质越好。结果(表8)显示，编号1(康青7号)得分最高，其次为编号5(NB41)和编号4(昆仑15号)。将各主成分得分(F1～F4)与综合得分(F)进行相关性分析，结果(表9)表明，综合得分与第1主成分呈极显著正相关(P<0.01)，相关系数为0.881，第1主成分包括青稞的直链淀粉含量、总淀粉含量、蛋白质含量、灰分含量、水分含量、β-葡聚糖含量、L值、a值和b值等9个品质指标。而4个主成分得分之间相关性均为0，说明4个主成分代表的青稞品质信息不重叠，符合主成分分析的要求。

表8 主成分得分与综合得分Table 8 Principal component score and the composite score

表9 相关性分析Table 9 Correlation analysis

2.5 灰色关联度分析

2.5.1 对原始数据进行无量纲化处理

由主成分分析筛选出的青稞品质指标与速冻青稞鱼面的品质综合评分进行无量纲化处理，先分别求出各个原始序列的平均值，再用均值除以对应序列中的数据，便可得到新的数据列，见表10，即均值化序列。

2.5.2 灰色关联度分析

用DPS软件对无量纲化处理数据进行灰色关联度分析，分辨系数取值区间为(0,1)，具体分辨系数取值为0.1，青稞主要品质指标与鱼面品质综合评分的灰色关联度及排序见表11。由表11可知，速冻青稞鱼面品质综合评分与青稞各品质指标的关联度大小顺序为：蛋白质含量>灰分>总淀粉含量>直链淀粉含量>β-葡聚糖含量>b值>水分含量>a值>L值。说明蛋白质含量对速冻青稞鱼面品质综合评分的影响最大，其次为青稞灰分，L值则最小。综上所述，可用青稞的蛋白质含量、灰分含量、总淀粉含量、直链淀粉含量、β-葡聚糖含量、b值、水分含量7个指标建立PLS模型。

表10 无量纲化处理Table 10 Non-dimensional treatment

表11 青稞品质指标与鱼面品质综合评分的灰色关联度Table 11 Grey relational degree of the comprehensive score of the hulless barley quality index and the fish surface quality

图1 PLS模型预测值与实测值相关性Fig.1 Correlation between the predicted values of PLS models and actual values

2.6 品种适宜性评价模型的建立与检验

用筛选出的7个青稞品质指标与速冻青稞鱼面品质综合评分进行PLS模型的建立，所建模型的精度达到R2=0.931，回归模型RMSE(均方根)值为0.045，说明PLS模型在本试验中具有较好的提取信息能力，所建立的模型比较稳定，预测精度较高，可靠性较强。用10个样品检验该模型的可靠性，由图1可知，PLS模型所建预测模型所得预测值与鱼面品质综合评分实测值相关系数(R2)达到0.957。说明该PLS模型预测效果较佳，可用于预测速冻青稞鱼面的品质。

2.7 青稞品质指标最佳取值范围

用选取的7个青稞的核心品质指标进行聚类分析获得各品质指标取值范围(表12)，就其最佳取值范围进行归纳总结(表13)，可知适宜鱼面加工的青稞籽粒理化指标最佳取值范围为：直链淀粉含量26.02%～28.97%，总淀粉含量60.56%～63.17%，蛋白质含量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 青稞品质指标取值范围Table 12 Range of the hulless barley quality index

表13 青稞品质指标最佳取值范围Table 13 Optimal value range of hulless barley quality index

3 讨 论

近年来，运用统计方法对食品原料及成品品质进行综合评价、分级、质量评估等方法的研究增多，为食品及原料分级和评价标准体系的建立提供了较感官评价更为科学客观的指导依据。然而研究不同品种、来源的原料对成品品质影响的评价指标往往较多。由于指标间存在一定的相关性和独立性，单一指标或代表性不全面的指标并不能准确判断原料是否适宜对应产品的加工。主成分分析法可使每个成分成为一个独立的体系，各主成分之间没有相关关系，且具有至关的数据，容易分析[17-18]，潘治利等[19]利用主成分分析提出利用5个因子筛选小麦粉的不同品质特性的性状，这些性状在小麦粉的评价方面具有重要的作用。灰色关联度分析可分析系统中母因素与子因素的关系密切程度，进而可以判断出引起该系统发展的主要因素和次要因素[20]。有学者研究了丹参品质与气候因子的关系，利用灰色关联度分析得出了影响丹参酮的3个主导因子与影响丹酚酸的2个主导因子[21]。偏最小二乘回归法是集主成分分析、典型相关分析和多元线性回归分析等方法优点于一体的分析方法，可利用该方法进行产品品质或某组分含量预测，所建模型较准确可靠，预测效果良好[22-23]。聚类分析是将样本划分为不同类群进行相似性评价，王 莉等[24]通过因子分析、聚类分析对方便米饭的原料适应性进行研究,得到适宜加工成方便米饭的稻米原料的12个品质指标最佳取值范围，对方便米饭工业化生产提供了客观依据。目前，将主成分分析、聚类分析、灰色关联分析及偏最小二乘回归分析综合运用到深加工产品原料适宜性评价方面的报道较少。

本研究采用主成分分析缩减变量，初步筛选获得9个青稞品质指标后，利用灰色关联度分析最大程度减少由于信息不对称带来的损失，进一步筛选出与成品品质关联数大的7个指标，最终建立可预测速冻青稞鱼面品质的PLS模型，筛选适宜该产品加工的品种。该评价体系的建立，有效避免了主成分和灰色关联在分析过程中主观性过强、要求对各项指标的最优值进行现行确定、且部分指标最优值难以确定的缺点，为其他深加工产品的适宜青稞品种选育探索了一条新途径。

4 结 论

4.1 青稞粉的不同理化指标与速冻青稞鱼面的不同品质指标之间存在不同程度的相关性；青稞的直链淀粉含量、总淀粉含量、蛋白质含量、灰分、β-葡聚糖含量、L值、a值和b值与速冻青稞鱼面的品质存在较好的相关性。

4.2 通过主成分分析和灰色关联度分析筛选出与成品鱼面品质综合评分关联度较大的7个青稞理化指标，即蛋白质含量、灰分含量、总淀粉含量、直链淀粉含量、β-葡聚糖含量、b值、水分含量，其中青稞蛋白质含量关联度最大，关联数达到0.703。

4.3 利用上述7个核心青稞籽粒理化指标，建立基于速冻青稞鱼面的青稞品种适宜性PLS模型。该模型模型的精度达到R2=0.931，回归模型RMSE(均方根)值为0.045，且预测值和实测值的相关系数为0.957，预测效果良好。

4.4 适宜于速冻青稞鱼面加工的青稞品质指标最佳取值范围：直链淀粉含量26.02%～28.97%，总淀粉含量60.56%～63.17%，蛋白质含量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。