近紅外方法預(yù)測(cè)饅頭品質(zhì)

郝學(xué)飛 蘇東民 余大杰 趙光華 胡京枝

(河南省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)質(zhì)量標(biāo)準(zhǔn)與檢測(cè)技術(shù)研究所1，鄭州 450002)

(河南工業(yè)大學(xué)糧油食品學(xué)院2，鄭州 450052)

饅頭是具有鮮明中國(guó)文化特色的傳統(tǒng)食品，是我國(guó)特別是北方最重要的主食食品［1］。饅頭評(píng)分是評(píng)價(jià)小麥最終用途非常重要的方法。小麥粉作為饅頭的主要原料，其穩(wěn)定性決定饅頭品質(zhì)的穩(wěn)定。生產(chǎn)品質(zhì)穩(wěn)定的饅頭粉，需要對(duì)糧倉(cāng)中原糧進(jìn)行配麥，利用各個(gè)粉路小麥粉進(jìn)行配粉，并通過(guò)小麥粉特性實(shí)驗(yàn)，甚至是饅頭評(píng)分實(shí)驗(yàn)來(lái)檢驗(yàn)最終小麥粉質(zhì)量。饅頭生產(chǎn)企業(yè)作為質(zhì)量控制也需要了解不同廠家、不同批次的小麥粉及工藝參數(shù)調(diào)整帶來(lái)的饅頭品質(zhì)變化，需要?jiǎng)討B(tài)的了解饅頭品質(zhì)情況。饅頭蒸制實(shí)驗(yàn)要經(jīng)過(guò)和面、醒發(fā)、成型、蒸制、評(píng)分等一系列過(guò)程，需要花費(fèi)較長(zhǎng)的時(shí)間?，F(xiàn)在小麥粉行業(yè)的品質(zhì)控制還處在比較落后的依靠最終結(jié)果質(zhì)量檢驗(yàn)的水平，滿足不了現(xiàn)代化制粉企業(yè)的質(zhì)量管理要求［2］。其主要原因是缺乏快速的檢測(cè)手段，對(duì)生產(chǎn)過(guò)程的關(guān)鍵點(diǎn)無(wú)法進(jìn)行量化和標(biāo)準(zhǔn)化，因而不能快速準(zhǔn)確進(jìn)行定性判斷和控制［2］。對(duì)小麥粉生產(chǎn)企業(yè)和饅頭生產(chǎn)企業(yè)，快速饅頭評(píng)分方法將極大提高食品工業(yè)生產(chǎn)力。

近紅外光譜分析技術(shù)(NIRS)能夠適應(yīng)這種需要快速品質(zhì)檢測(cè)的情況。NIRS作為近幾十年發(fā)展起來(lái)的分析技術(shù)，具有很多特點(diǎn)，如其操作簡(jiǎn)單、無(wú)損檢測(cè)、檢測(cè)速度快、零污染、多組分同時(shí)分析、能夠在線檢測(cè)等，并且能夠固體、液體、粉末等多種類型的樣品進(jìn)行分析。NIRS在食品、農(nóng)產(chǎn)品檢測(cè)方面得到了廣泛應(yīng)用［3－4］，并已逐漸得到了官方認(rèn)可［5］。因此本文嘗試?yán)媒t外方法預(yù)測(cè)饅頭的品質(zhì)評(píng)分參數(shù)以期找到快速評(píng)定最終產(chǎn)品評(píng)分的新方法。

1 材料與方法

1.1 樣品與主要儀器

搜集河南省不同地區(qū)不同品種的小麥樣品150個(gè)，從中篩選出31個(gè)品質(zhì)特性具有代表性的樣品;Infraxact Lab近紅外光譜分析儀:丹麥FOSS公司。

1.2 試驗(yàn)方法

1.2.1 小麥粉制備

制粉:按照NY/T 1094.1—2006方法制粉，小麥粉制備好后放置15 d，待品質(zhì)穩(wěn)定后進(jìn)行饅頭制作;粉質(zhì)儀參數(shù):按照“GB/T 14614—2006”進(jìn)行測(cè)定;濕面筋:按照“GB/T 5506.2—2008”進(jìn)行測(cè)定。

1.2.2 饅頭制作與評(píng)價(jià)

1.2.2.1 饅頭制作方法

稱取14%濕基的小麥粉200 g倒入已預(yù)熱(30℃)的和面缽中，用量筒量取粉質(zhì)儀吸水率77%的水，水溫調(diào)至30℃，稱取干酵母2 g加入量好的水中，用玻璃棒攪拌溶解完全后倒入和面缽中。開啟和面機(jī)和面，當(dāng)面團(tuán)活至最佳狀態(tài)時(shí)(面團(tuán)表面光滑、成膜性好)取出面團(tuán)，用壓片機(jī)在軋距10 mm下壓片2次后放入醒發(fā)盆中，置于溫度(38±1)℃、濕度80%～85%的醒發(fā)箱中醒發(fā)40 min。一次醒發(fā)后取出面團(tuán)用壓片機(jī)在軋距5.5 cm下不定向壓片18次。將面團(tuán)按重量平均分成2個(gè)，在案板上手工快速成型，塑形后饅頭坯高度應(yīng)為5 cm，將成型后的饅頭坯直接置于鋪有濕紗布的蒸籠上放到醒發(fā)箱中二次醒發(fā)15 min，之后置于沸水鍋中蒸制20 min，關(guān)火3 min后取出，蓋干紗布冷卻15 min后進(jìn)行感官評(píng)價(jià)。

1.2.2.2 饅頭品質(zhì)評(píng)價(jià)方法

感官評(píng)價(jià)性狀評(píng)分在10 min內(nèi)完成。本試驗(yàn)選取5名經(jīng)過(guò)培訓(xùn)的評(píng)價(jià)員集體評(píng)分，取平均值作為最終評(píng)價(jià)結(jié)果。本文所用評(píng)分標(biāo)準(zhǔn)是在GB/T 17320—1998附錄B“食品加工特性實(shí)驗(yàn)方法及品質(zhì)評(píng)價(jià)規(guī)則”中“饅頭制作與評(píng)價(jià)標(biāo)準(zhǔn)”的基礎(chǔ)上進(jìn)行了修改，具體評(píng)分標(biāo)準(zhǔn)見表1。

表1 饅頭評(píng)分標(biāo)準(zhǔn)

1.2.3 光譜收集

近紅外儀器室溫度控制在20～25℃［6］，樣品在儀器室放置1 d以平衡樣品溫度。分析樣品之前，要確保儀器已經(jīng)充分預(yù)熱，儀器預(yù)熱1 h后，要通過(guò)Check cell檢查和Performance Test來(lái)檢查儀器預(yù)熱狀態(tài)，兩項(xiàng)檢查都通過(guò)說(shuō)明儀器能夠正常工作。使用ISIscan軟件控制Infraxact Lab近紅外分析儀對(duì)樣品進(jìn)行掃描，掃描波長(zhǎng)范圍570～1 848 nm，數(shù)據(jù)采集頻率為每次掃描3 s，光譜數(shù)據(jù)間隔2 nm，使用大號(hào)樣品杯裝載樣品，每個(gè)樣品重復(fù)裝樣掃描兩次，掃描后數(shù)據(jù)自動(dòng)保存。

1.2.4 數(shù)據(jù)處理

將饅頭評(píng)分結(jié)果輸入到WinISIⅢ數(shù)據(jù)處理軟件中，進(jìn)行數(shù)據(jù)處理。由7種散射校正(Scatter)方法結(jié)合4種數(shù)學(xué)處理方法形成一系列光譜預(yù)處理組合，每一種預(yù)處理組合處理后的光譜數(shù)據(jù)使用改進(jìn)最小二乘法(modified PLS)進(jìn)行建模，得到一系列校正方程。使用交叉驗(yàn)證標(biāo)準(zhǔn)誤差(SECV)和交叉驗(yàn)證決定系數(shù)(1－VR)來(lái)對(duì)校正方程進(jìn)行選擇，對(duì)某一個(gè)參數(shù)的一系列校正模型來(lái)說(shuō)，SECV最低，1－VR最高的模型即為該參數(shù)的最佳模型。

2 結(jié)果與分析

2.1 小麥粉特性情況

在本研究中，小麥粉樣品的特性分布情況對(duì)近紅外預(yù)測(cè)模型的建立至關(guān)重要。如果小麥粉特性比較集中，會(huì)導(dǎo)致最終的饅頭評(píng)分結(jié)果比較集中，不利于近紅外定標(biāo)模型的建立。因此要求試驗(yàn)小麥粉樣品要有一定的廣泛性，既要收集穩(wěn)定時(shí)間在5～10 min之間比較適合制作饅頭樣品［7］，同時(shí)也要有高筋力、低筋力小麥樣品，同時(shí)還要考慮到吸水率、濕面筋含量、以及粉質(zhì)質(zhì)量指數(shù)都具有一定的差異性。小麥粉特性情況如表2。

表2 定標(biāo)集樣品小麥粉特性情況分析表

由表2、圖1可知，用于蒸制饅頭的小麥粉各項(xiàng)參數(shù)差異性比較大，其中吸水率最小值為55.6%，最大值為63.2%，基本涵蓋了國(guó)內(nèi)主要饅頭用小麥粉的吸水率情況;穩(wěn)定時(shí)間包括了從弱筋1.8 min到強(qiáng)筋15.4 min的小麥，變異系數(shù)達(dá)到48.85%;濕面筋含量范圍從低筋24.2%到高筋37.8%，說(shuō)明參試樣品的面筋含量和筋力強(qiáng)度具有較寬的范圍，基本涵蓋了國(guó)內(nèi)主要小麥粉品種的狀況。粉質(zhì)質(zhì)量指數(shù)與形成時(shí)間、穩(wěn)定時(shí)間成正相關(guān)，與弱化度成顯著負(fù)相關(guān)，可以綜合評(píng)價(jià)小麥流變學(xué)特性，判斷小麥粉筋力強(qiáng)弱［8］，其極差為106，變異系數(shù)為 28.31%，說(shuō)明所選樣品整體流變學(xué)特性范圍較寬。由圖1可以看出參試小麥粉的吸水率、穩(wěn)定時(shí)間、粉質(zhì)質(zhì)量指數(shù)和濕面筋參數(shù)從低到高平緩上升，從最低到最高范圍之間樣品都有分布，說(shuō)明搜集的樣品在各個(gè)參數(shù)上均有代表性，有利于后期試驗(yàn)的開展。

圖1 小麥粉的各種特性分布情況

2.2 饅頭評(píng)分結(jié)果

饅頭評(píng)分各參數(shù)統(tǒng)計(jì)結(jié)果見表3。

饅頭評(píng)分結(jié)果在本研究中作為近紅外分析的主變量，其各個(gè)參數(shù)需要有一定變化范圍。前期在樣品選擇上充分考慮了4種小麥粉特性參數(shù)的差異性，表3反映出饅頭品質(zhì)評(píng)分各項(xiàng)參數(shù)都有較大的分布范圍，其變異系數(shù)均在6.1%以上，其中色澤、表面結(jié)構(gòu)、內(nèi)部結(jié)構(gòu)、彈性、韌性、黏性、氣味變異系數(shù)達(dá)到10%以上，饅頭總評(píng)分極差達(dá)到31.34，充分說(shuō)明最終得到的饅頭樣品各個(gè)評(píng)價(jià)參數(shù)都有較大差異，進(jìn)一步說(shuō)明選取的小麥粉樣品小麥粉代表性較強(qiáng)，為下一步研究近紅外光譜和饅頭評(píng)分相關(guān)性工作打好了基礎(chǔ)。

2.3 建立定標(biāo)模型

本試驗(yàn)用小麥粉的全光譜數(shù)據(jù)建立定標(biāo)模型，并且樣品的2次重復(fù)掃描光譜全部參與建標(biāo)，近紅外定標(biāo)模型參數(shù)見表4，表中樣品數(shù)為參與定標(biāo)的光譜數(shù)。

表4 饅頭評(píng)分近紅外定標(biāo)模型統(tǒng)計(jì)表

表4中，高徑比和比容是實(shí)際測(cè)定值，未按饅頭評(píng)分表?yè)Q算成評(píng)分，以求定標(biāo)模型可以預(yù)測(cè)第一手的數(shù)據(jù)?？傇u(píng)分是所有評(píng)分的加和?？v觀表4，饅頭評(píng)分的近紅外光譜預(yù)測(cè)模型取得了較高的預(yù)測(cè)決定系數(shù)(r2)和較低的定標(biāo)標(biāo)準(zhǔn)誤差(SEC)。除了饅頭比容，其他參數(shù)的近紅外模型r2均大于0.729;色澤、外觀性狀、內(nèi)部結(jié)構(gòu)、彈性、人性、黏性、氣味、總評(píng)分r2均在0.8以上，其中彈性、韌性、氣味、總評(píng)分r2分別為 0.936、0.903、0.933、0.894，以上饅頭評(píng)分參數(shù)分別與常規(guī)測(cè)試達(dá)到顯著相關(guān)水平。定標(biāo)模型的SEC能夠反映模型對(duì)定標(biāo)集樣品的預(yù)測(cè)能力，可以看到除了總評(píng)分，其他饅頭評(píng)分參數(shù)的SEC均小于0.60，其中高徑比、比容 SEC 均小于0.074，說(shuō)明近紅外模型具有較好的預(yù)測(cè)能力。

交叉驗(yàn)證相關(guān)系數(shù)(1－VR)可以反映定標(biāo)模型的預(yù)測(cè)相關(guān)系數(shù)，交叉驗(yàn)證標(biāo)準(zhǔn)誤差(SECV)可以大致評(píng)估定標(biāo)模型的預(yù)測(cè)準(zhǔn)確度。本研究中使用1－VR和SECV對(duì)模型預(yù)測(cè)效果進(jìn)行評(píng)價(jià)。從表4中可以得出，近紅外模型的1－VR均略小于r2，說(shuō)明所建模型不存在過(guò)擬合現(xiàn)象［9］。除了比容和外觀性狀，近紅外模型的1－VR均大于0.70，其中彈性、韌性、黏性、氣味、總評(píng)分分別 1 －VR 達(dá)到 0.894、0.893、0.816、0.888、0.840。除了總評(píng)分所有模型的 SECV均小于0.75;總評(píng)分SECV為2.51，相對(duì)于其較大的測(cè)定平均值(75.16)該值也較低。比容、外觀性狀的1－VR 較低，分別為 0.401、0.595，但同時(shí)其 SECV也較低分別為0.022、0.243，可以適用于較低水平的預(yù)測(cè)。以上數(shù)據(jù)表明所建模型具有較高的預(yù)測(cè)能力和預(yù)測(cè)精度。

3 討論

目前國(guó)外有學(xué)者利用近紅外技術(shù)預(yù)測(cè)食品最終品質(zhì)。Rubenthaler等［10］利用近紅外光譜對(duì)面包特性進(jìn)行了研究，指出近紅外反射光譜和面包體積的線性相關(guān)系數(shù)為0.896(校準(zhǔn)系數(shù))，標(biāo)準(zhǔn)估計(jì)誤差(SEC)為48 cm3。Mutlu 等［11］利用近紅外反射光譜結(jié)合人工神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)面包體積、面包重量，預(yù)測(cè)決定系數(shù)分別為0.687、0.714，預(yù)測(cè)標(biāo)準(zhǔn)誤差分別為 0.978、1.002。Jirsa 等［12］在利用近紅外光譜分析制粉和烘烤參數(shù)也指出NIRS可以預(yù)測(cè)面團(tuán)的變形能量、發(fā)酵體積和面包體積等特性，至少作為篩選功能上可以使用。面包和饅頭同屬于小麥粉發(fā)酵食品，在某種意義上具有相同點(diǎn)，本研究所建饅頭評(píng)分近紅外模型的r2在0.60～0.93之間，類比國(guó)外學(xué)者利用近紅外對(duì)面包特性的研究，本研究所建模型預(yù)測(cè)參數(shù)更多，預(yù)測(cè)能力更好。國(guó)外的相關(guān)報(bào)道說(shuō)明利用近紅外技術(shù)對(duì)食品最終品質(zhì)的預(yù)測(cè)研究是食品品質(zhì)快速測(cè)定研究的一個(gè)方向，目前國(guó)內(nèi)外尚未見使用近紅外光譜技術(shù)研究饅頭品質(zhì)的相關(guān)報(bào)道。饅頭是我國(guó)的主要主食食品，本研究首次研究了利用近紅外光譜預(yù)測(cè)饅頭品質(zhì)的可行性，具有一定的創(chuàng)新性和指導(dǎo)意義。

4 結(jié)論

本研究探討了利用小麥粉近紅外光譜預(yù)測(cè)高徑比、比容、色澤、外觀性狀、表面結(jié)構(gòu)、內(nèi)部結(jié)構(gòu)、彈性、韌性、黏性、氣味、總評(píng)分11項(xiàng)饅頭評(píng)分的可行性。建立的近紅外光譜最終模型取得了較高的定標(biāo)決定系數(shù)，除了比容其他參數(shù)的r2在0.73～0.94之間;所建模型 SEC較低，在0.020～2.06之間;模型的1－VR略小于r2，各參數(shù)SECV值較小，表明所建模型具有較高的預(yù)測(cè)能力和預(yù)測(cè)精度。研究結(jié)果表明利用近紅外方法預(yù)測(cè)饅頭品質(zhì)參數(shù)具有可行性。

［1］蘇東民.堅(jiān)持民族文化傳統(tǒng)依靠自主科技創(chuàng)新推進(jìn)饅頭生產(chǎn)經(jīng)營(yíng)產(chǎn)業(yè)化［J］.河南工業(yè)大學(xué)學(xué)報(bào)，2007，2(2):11－18

［2］蔣衍恩.面粉企業(yè)的質(zhì)量管理和過(guò)程控制［J］.糧食加工，2010，35(6):16 －19

［3］孫通，徐惠榮，應(yīng)義斌.近紅外光譜分析技術(shù)在農(nóng)產(chǎn)品、食品品質(zhì)在線無(wú)損檢測(cè)中的應(yīng)用研究進(jìn)展［J］.光譜學(xué)與光譜分析，2009，29(1):122 －126

［4］張勇，叢茜，謝云飛，等.Nirs分析技術(shù)在農(nóng)業(yè)中的應(yīng)用進(jìn)展［J］.農(nóng)業(yè)工程學(xué)報(bào)，2007，23(10):285－290

［5］李桂峰.近紅外光譜技術(shù)及其在農(nóng)業(yè)和食品檢測(cè)中的應(yīng)用［J］.農(nóng)業(yè)與技術(shù)近紅外光譜技術(shù)及其在農(nóng)業(yè)和食品檢測(cè)中的應(yīng)用，2007，27(5):91 －93

［6］嚴(yán)衍祿，趙龍蓮，李軍會(huì).現(xiàn)代近紅外光譜分析的信息處理技術(shù)［J］.光譜學(xué)與光譜分析，2000(6):777－780

［7］王學(xué)東，沈炯，李慶龍.小麥粉品質(zhì)與饅頭品質(zhì)的相關(guān)性研究［J］.糧食與飼料工業(yè)，2007(3):10－12

［8］姜薇莉，孫輝，凌家煜.粉質(zhì)質(zhì)量指數(shù)(fqn)對(duì)于評(píng)價(jià)小麥粉品質(zhì)的實(shí)用價(jià)值研究［J］.中國(guó)糧油學(xué)報(bào)，2004，19(2):42－48

［9］陸婉珍.現(xiàn)代近紅外光譜分析技術(shù)［M］.北京:中國(guó)石化出版社，2007:1－90

［10］Rubenthaler G L，Pomeranz Y.Near－ infrared reflectancespectra of gard red winter wheats varying widely in protein contend and breadmaking potential［J］.Cereal chemistry，1987，64(6):407 －411

［11］Mutlu A C，Boyaci I H，Genis H E，et al.Prediction of wheat quality parameters using near－infrared spectroscopy and artificial neural networks［J］.European food research and technology，2011，233(2):267 －274

［12］Jirsa O，Hruskova M，Svec I.Near－ infrared prediction of milling and baking parameters of wheat varieties［J］.Journal of food engineering，2008，87(1):21 －25.