秈稻的食味品質和綜合品質評價模型的建立

朱 玫，熊 寧，劉 歡，吳 量，孟 歡，劉 利，吳莉莉

（1.湖北省糧油食品質量監測站，湖北 武漢 430061；2.中國科學院武漢物理與數學研究所，湖北 武漢 430071；3.河南工業大學糧油食品學院，河南 鄭州 450001）

秈稻的食味品質和綜合品質評價模型的建立

朱 玫1，熊 寧1，劉 歡2，吳 量2，孟 歡3，劉 利1，吳莉莉1

（1.湖北省糧油食品質量監測站，湖北 武漢 430061；2.中國科學院武漢物理與數學研究所，湖北 武漢 430071；3.河南工業大學糧油食品學院，河南 鄭州 450001）

對750 份秈稻樣品的外觀、加工、理化、蒸煮和食味品質進行了測試，并對各項數據進行了相關性分析，利用多元線性回歸的方法建立了對食味計評分進行修正的米飯食味評價模型Y=-0.187 60X1-1.322 7X2+0.122 52X3+ 7.545 8 X4-0.001 558 4X5+81.585（式中：Y為感官評分；X1為直鏈淀粉含量；X2為蛋白質含量；X3為食味計評分；X4為回生值；X5為黏度平均值）。綜合考慮食味品質、加工品質和外觀品質，利用主成分分析法建立了米飯用秈稻的綜合指數模型Y=0.167 21X1+0.027 819X2+0.073 22X3-0.006 76X4-20.271 4（式中：Y為綜合指數；X1為出糙率；X2為整精米率；X3為感官評分；X4為堊白度），并用層次分析粗粒化綜合評價模型對該綜合指數模型進行了驗證。通過這兩個模型可以更科學、合理地評價米飯用秈稻的食味品質和綜合品質。

米飯用秈稻；食味評價模型；綜合指數模型

稻谷是世界上最主要的糧食作物，其總產量占世界谷物產量的1/3左右。我國是世界上最大的稻谷生產國，從2011年開始，稻谷的年產量連續4 年站穩在2億 t以上，占世界稻谷總產量的27.5%，居世界第一位。2014年，我國生產大米1.304億 t，呈逐年遞增的趨勢[1]。現階段，我國稻谷的生產和消費不單滿足于解決溫飽問題，而且對稻谷的品質有了更高的要求，因此建立科學客觀的綜合評價稻谷品質的方法顯得尤為重要。由于我國稻谷品種很多，而且稻谷種植地的土壤、水質和氣候都會影響稻谷的品質，所以稻谷品質的評價較為復雜。稻谷的品質包括加工品質、外觀品質和食味品質等[2-4]，現在大部分研究都是將這幾種品質分別進行評價，沒有可以綜合評價這幾種品質的方法。其中，食味品質的評價[5-7]最為困難。傳統的感官評價方法對品嘗人員有很高的要求，有較強的主觀性；現在最常用的儀器評價方法就是利用米飯食味計進行評價，米飯食味計是通過建立近紅外光譜與待測參數間的分析模型得到米飯硬度、黏度等參數，無法真正反映米飯內在的物理性狀（彈性、黏性），所以存在一定的局限性。

本實驗以我國兩個秈稻主產省（湖北省、江西省）的秈稻為研究對象，對這些稻谷的外觀品質、加工品質、理化品質、食味品質進行檢測，組織專業品嘗人員對米飯的食味品質打分，再通過分析感官評分與食味計評分的關系，建立了對食味計評分進行修正的米飯食味評分模型。同時，根據調研報告，大米加工廠和方便米飯生產企業一般選取原料時主要考慮的指標為出糙率、整精米率、堊白度和感官評分，這綜合考慮了加工品質、外觀品質、食味品質3 個方面的因素。因此，選取出糙率、整精米率、堊白度和感官評分這4 個指標進行建模，構建米飯用秈稻的綜合指數，用于綜合評價稻谷的品質，從而可以知道某地區、某品種對應的平均綜合指數，對企業的收儲和加工具有指導意義。

1 材料與方法

1.1 材料與試劑

64 份2014年湖北省早秈稻樣品、545 份2014年湖北省中晚秈稻樣品、85 份2014年江西省早秈稻樣品、56 份2014年江西省中晚秈稻樣品，共390 個品種。

1.2 儀器與設備

THU35C型礱谷機、TMO5C型碾米機、米飯食味計、硬度儀 佐竹機械（蘇州）有限公司；TMO5C型碾米機、3100型錘式實驗粉碎機、RVATecMaster快速黏度分析儀 瑞典Perten公司；AL204型電子精密天平 梅特勒-托利多儀器（上海）有限公司；AC120型電熱恒溫鼓風干燥箱 法國Froilabo公司；TU-1800SPC型紫外-可見分光光度計北京普析通用儀器有限責任公司；E-816型粗脂肪測定儀、凱K-360型氏定氮儀 瑞士Büchi有限公司。

1.3 方法

1.3.1 米飯食味計評分、硬度的測定[7]

參照張欣等[7]的方法進行測定，先稱取精米30 g，淘米30 s，加入質量為精米1.33倍的蒸餾水，浸泡30 min，蒸煮米飯，米飯冷卻90 min，稱取8 g米飯制成米餅，最后放入食味計和硬度儀中進行測定食味計評分和硬度。

1.3.2 指標測定

出糙率的測定參照文獻[8]、整精米率的測定參照文獻[9]、水分含量的測定參照文獻[10]、RVA糊化特性的測定參照文獻[11]、直鏈淀粉含量的測定參照文獻[12]、碘藍值的測定參照文獻[13]、米湯固形物含量的測定參照文獻[14]、蛋白質含量的測定參照文獻[15]、大米膠稠度的測定參照文獻[16]、大米堊白粒率、堊白度以及長寬比的測定參照文獻[17]、米飯的感官評分參照文獻[18]、米飯感官評價人員的篩選參照文獻[19]。

1.4 數據統計與分析

米飯的感官評分是以5～10 名優選評價員的綜合評分計平均值，其余指標都平行測定兩次取算術平均值，所得數據采用Excel軟件建立數據庫，用SPSS 19.0統計軟件對數據進行主成分分析。

2 結果與分析

2.1 建立米飯食味評分模型

2.1.1 篩選米飯感官評分的敏感指標

表1 米飯感官評分與米飯用秈稻指標的相關性Table 1 Correlations between sensory evaluation score and other indexes of indica rice

將270 份湖北省中晚秈稻和30 份湖北省早秈稻的感官評分與各項指標做相關性分析，結果見表1。與秈稻的感官評分相關的敏感指標按照相關性大小依次為：直鏈淀粉含量、食味計評分、黏度、回生值、衰減值、蛋白質含量、最終黏度、硬度、平衡度、最低黏度（選擇相關系數大于0.5的指標）。由于同一儀器測定的指標有內在相關性，所以在黏度、硬度、平衡度3 個指標中只取相關性最高的黏度作為感官評分的敏感指標，在回生值、衰減值、最終黏度、最低黏度中只取相關性最高的回生值作為感官評分的敏感指標。最終選定直鏈淀粉含量（X1）、蛋白質含量（X2）、食味計評分（X3）、黏度（X4）和回生值（X5）為秈稻感官評分（Y）的敏感指標。

2.1.2 多元線性回歸[20-21]

由于感官評分的敏感指標中包括食味計評分，所以釆用SPSS軟件建立感官評分的多元線性方程就可以對食味計評分進行修正。為了消除各指標量綱不同的影響，對感官評分及其敏感指標進行標準化處理。將處理后的數據進行主成分分析，分析結果見表2，第1、2兩個主成分的方差貢獻率分別為73.6%、16.3%，所以這兩個主成分的累計貢獻率達到89.9%，因此剔除第3、4、5主成分，相應的因子載荷矩陣如表3所示。因此，可得：

式中：Z表示主成分；ZX表示X標準化后的變量。

表2 主成分方差分析Table 2 Variance analysis of principal components

表3 主成分矩陣Table 3 Matrix of principal components

以這兩個主成分為自變量，以標準化的感官評分為因變量，進行線性回歸，結果見表4。由表4可得，ZY=-0.430Z1-0.210Z2+0.033，將該方程去標準化得到多元線性回歸模型，也就是秈稻的米飯食味評分模型：Y = -0.187 60X1-1.322 7X2+0.122 52X3+ 7.545 8X4-0.001 558 4X5+81.585。式中：X1為直鏈淀粉含量；X2為蛋白質含量；X3為食味計評分；X4為黏度；X5為回生值。

表4 線性回歸系數Table 4 Linear regression coefficients

2.1.3 模型的驗證

用275 份湖北省中晚秈稻、34 份湖北省早秈稻、85 份江西省早秈稻、56 份江西中晚秈稻數據對秈稻的米飯食味評分模型進行驗證，驗證結果見表5。驗證樣品總數為450 份，其中相對誤差不超過10%的樣品數為364 份，占樣品總數的80.9%；相對誤差不超過15%的樣品數為425 份，占樣品總數的94.4%。由此可知，該模型的預測值與實際值的差別不大。對實際值和預測值做相關性分析，結果顯示它們呈極顯著正相關，相關系數為0.644。這說明此模型可以很好地預測秈稻的食味品質。

表5 秈稻米飯食味評分模型驗證結果Table 5 Results of verification of the evaluation model for eating quality

續表5

續表5

續表5

續表5

2.2 構建米飯用稻谷的綜合指數模型

2.2.1 主成分分析

根據調研報告，大米加工廠和方便米飯生產企業一般以出糙率、整精米率、堊白度和感官評分為考核指標來選購原料。因此，綜合考慮加工品質、外觀品質、食味品質3 個方面，選取出糙率（X1）、整精米率（X2）、堊白度（X3）和感官評分（X4）這4 個指標進行建模，構建米飯用秈稻的綜合指數（Y）。利用270 份湖北省中晚秈稻和30 份湖北省早秈稻的數據，用SPSS軟件先將各指標標準化，然后進行主成分分析，結果見表6。主成分1、2、3的方差貢獻率分別為34.8%、30.1%、20.2%，所以這3 個主成分的累計貢獻率達到85.1%，因此剔除第4主成分，相應的因子載荷矩陣如表7所示。因此，可得：

式中：Z表示主成分；ZX表示X標準化后的變量。

表6 主成分方差分析Table 6 Variance analysis of principal components

用主成分分別乘以它們的貢獻率，得到Y =0.347 57Z1+ 0.300 66Z2+0.202 30Z3。最后，將各變量去標準化，得到米飯用秈稻的綜合指數模型：Y =0.167 21X1+0.027 819X2+ 0.073 22X3－0.006 76X4－20.271 4。式中：X1為出糙率；X2為整精米率；X3為感官評分；X4為堊白度。

表7 主成分矩陣Table 7 Matrix of principal components

2.2.2 模型的驗證

用275 份湖北省中晚秈稻、34 份湖北早秈稻、85 份江西早秈稻、56 份江西中晚稻數據代入米飯用秈稻的綜合指數式（2），得到各樣品對應的綜合指數，再將綜合指數和各個參數進行相關性分析，經驗證綜合指數與出糙率（0.635**）、整精米率（0.610**）、感官評分（0.731**）都呈顯著正相關，與堊白度（-0.256**）呈顯著負相關，這與實際情況相符。這說明這個綜合指數模型是合理的。

2.2.3 模型的合理性探討

用層次分析法建立稻谷粗粒化綜合評價模型，檢驗層次分析模型與主成分模型的一致性有助于檢驗模型的有效性，如果兩個模型結果一致，說明兩個模型都是可靠的，因為兩個模型一起犯錯誤的概率很小。也可用粗粒化的方式對主成分模型的合理性進行驗證。

2.2.3.1 建模指標

綜合考慮加工品質、外觀品質、食味品質3 個方面，選取出糙率、整精米率、堊白度和感官評分這4 個指標進行建模。

2.2.3.2 粗粒化指標等級劃分模型

為了合理的評價模型，統一量綱，減少隨機誤差，根據270 組湖北省中晚秈稻和30 組湖北省早秈稻數據，利用分位點，聚類方法分別將秈稻建模使用的4 個指標，劃分成5 個等級，并分別打分10、8、6、4、2，等級劃分基于本次數據得出，見表8。

表8 秈稻4 個指標等級劃分Table 8 Hierarchies of four indexes of indica rice

2.2.3.3 基于粗粒化分數的層次分析綜合評價模型

由已知各個指標的粗粒化打分，稻谷樣品的評分需要結合這些指標分數計算，在各個指標沒有相關性的情況下，綜合評價模型通常利用加權和進行，綜合評分值為：

式中：Xi為對應指標的粗粒化分數；w1+w2+w3+ w4=1，需要確定權重wi，（若百分制，需乘以10）。

根據專業理論知識，指標重要性食味品質排第1，加工品質排第2，外觀排第3，建模指標中，感官評分屬于內在品質，出糙率、整精米率屬于加工特性，堊白度屬于外觀品質。

根據這一重要性排序，利用層次分析法打分矩陣得到權重wi，得出Z = 0.185 86X1+0.116 73X2+0.641 28X3+ 0.056 11X4。式中：X1為出糙率；X2為整精米率；X3為感官評分；X4為堊白度。

2.2.3.4 與主成分評分模型的一致性檢驗

檢驗兩個模型的結果是否一致，需要檢驗兩個模型的結果是否具有相關性，排除量綱及結果分布的影響，考慮利用Spearman秩相關性檢驗（即兩個模型結果排序的相關性），檢驗基于270 組湖北省中晚秈稻和30 組湖北省早秈稻數據。結果顯示這兩個模型的結果的相關系數為0.836 1，顯著性P值為1.04×10-79，這說明結果呈極顯著正相關，是一致的。

2.2.3.5 主成分評分模型的合理性檢驗

層次分析模型的權重反映了各個指標的重要程度，其建模的評分能夠真實反應稻谷的米飯品質。主成分評分模型的系數權重值主要反映相應主成分的變化強度，其評價分數不能直接地反映出真實的米飯品質，需要檢驗其合理性。與層次分析模型結果一致性，能夠一定程度反映出其合理性。檢驗其合理性，可以從各個指標的粗粒化等級出發，再將計算的主成分評分值粗粒化為5 份等級，如果樣本的每個指標的等級都高的，主成分模型評分等級就應該高。

根據270 組湖北省中晚秈稻和30 組湖北省早秈稻數據，利用主成分指數計算式2得到指數5 個等級的劃分，見表9。

表9 主成分評分等級劃分Table 9 Hierarchies of principal component model

然后利用湖北省剩下的秈稻數據及江西省秈稻數據檢驗Y，判斷是否所有指標都高的，主成分評分都高。利用湖北省剩下的309 組秈稻數據和江西省141 組秈稻數據檢驗Y，結果見表10。

表10 Y合理性檢驗Table 10 Rationality test of Y

從粗粒化分數模型的比較，可以看出所有指標都高的，主成分評分等級也高；對于主成分模型，所有指標打分均大于8的樣本，其主成分模型評分Y的等級打分也都大于8，甚至更高。同樣的對于所有指標打分均大于6的樣本以及對于所有指標打分均大于4的樣本均如此。各項統計量的值也符合該情況。該檢驗方式拋開了模型權重，能夠檢驗模型的合理性。主成分評價模型符合常理判斷，認為該評分模型合理。

3 結 論

建立了對食味計評分進行修正的秈稻谷飯食味評價模型Y=-0.187 60X1-1.322 7X2+0.122 52X3+ 7.545 8 X4-0.001 558 4X5+81.585（式中：X1為直鏈淀粉含量；X2為蛋白質含量；X3為食味計評分；X4為回生值；X5為黏度平均值）。以往的研究通常是建立食味評分與各理化指標的方程[21-23]，很少有人將食味計評分作為方程中自變量的一項進行建模。運用此模型，既可以修正食味計得到的食味評分，又可避免人員品嘗評分的主觀性誤差。

構建了包含加工、外觀和口感3方面品質的米飯用秈稻的綜合指數模型為Y=0.167 21X1+0.027 819X2+ 0.073 22X3-0.006 76X4-20.271 4（式中：X1為出糙率；X2為整精米率；X3為感官評分；X4為堊白度）。并用層次分析法建立的粗粒型綜合評價模型進行了合理性和一致性驗證。大部分研究將加工品質、外觀品質和食味品質作為單項進行評價[24-26]，目前將這3 個品質建立綜合評價模型鮮見報道。此模型的建立是從企業選購稻谷原料考慮的品質出發，立足于指導企業分類收儲和加工。這個模型得到的綜合指數，將作為商品稻谷數據庫的一項，供用戶查詢，湖北省和江西省各地域和品種的平均綜合指數可顯示該地域的秈稻的綜合品質，以指導企業選購原料，這項工作已由課題組其他成員完成。

[1] 鄭紅明. 2015年中國稻谷(大米)產業報告[N]. 糧油市場報, 2015-10-17(T17).

[2] 李乃祥, 丁得亮. 現代農業技術概論[M]. 天津: 南開大學出版社, 2005: 30-32.

[3] 姚人勇, 沈玥, 劉英, 等. 稻米的品質評價及展望[J]. 糧食與飼料工業, 2009(1): 4-5; 7. DOI:10.3969/j.issn.1003-6202.2009.01.002.

[4] 謝健, 鄧霄, 楊喜華. 中國大米加工和消費對稻谷品質的要求[C]//第一屆中國糧油標準質量年會暨中國糧油學會糧油質檢研究分會第一次代表大會. 北京: 中國標準出版社,2009: 412-422.

[5] 丁得亮, 張欣, 張艷. 市場粳米食味品質及外觀品質性狀間的相關關系[J]. 安徽農業科學, 2010, 38(9): 4454-4456. DOI:10.3969/j.issn. 0517-6611.2010.09.013.

[6] 李俊輝, 朱智偉, 謝黎虹. 我國稻谷食味品質的研究現狀與發展趨勢[J]. 中國稻谷, 2008(2): 8-12.

[7] 張欣, 施利利, 丁得亮, 等. 米飯理化指標與食味品質的相關性研究[J].中國農學通報, 2010, 26(12): 45-47.

[8] 國家糧食局. 糧油檢驗 稻谷出糙率檢驗: GB/T 5495—2008[S]. 北京: 中國標準出版社, 2008.

[9] 國家糧食局. 稻谷整精米率檢驗法: GB/T 21719—2008[S]. 北京: 中國標準出版社, 2008.

[10] 國家糧食局. 糧食、油料檢驗水分測定法: GB/T 5497—1985[S]. 北京: 中國標準出版社, 1985.

[11] 國家糧食局. 大米及米粉糊化特性特性測定 快速黏度儀法: GB/T 24852—2010[S]. 北京: 中國標準出版社, 2010.

[12] 國家糧食局. 大米 直鏈淀粉含量的測定: GB/T 15683—2008[S]. 北京: 中國標準出版社, 2008.

[13] 劉銘三. 谷物及油料品質分析法[M]. 北京: 中國農業出版社, 1987: 42-47.

[14] 阮少蘭, 毛廣卿. 大米蒸煮品質的研究[J]. 糧食與飼料工業, 2004(10): 25-26.

[15] 衛生部. 食品安全國家標準 食品中蛋白質的測定: GB 5009.5—2010[S]. 北京: 中國標準出版社, 2010.

[16] 國家糧食局. 糧油檢驗 大米膠稠度的測定: GB/T 22294—2008[S].北京: 中國標準出版社, 2008.

[17] 國家糧食儲備局, 農業部. 優質稻谷: GB/T 17891—1999[S]. 北京:中國標準出版社, 1999.

[18] 國家糧食局. 糧油檢驗 稻谷、大米蒸煮食用品質感官評價方法: GB/T 15682—2008[S]. 北京: 中國標準出版社, 2008.

[19] 國家質量監督檢驗檢疫總局. 感官分析 選拔、培訓和管理評價員一般導則 第1部分: 優選評價員: GB/T 16291.1—2012[S]. 北京: 中國標準出版社, 2012.

[20] 郭呈全, 陳希鎮. 主成分回歸的SPSS實現[J]. 統計與決策, 2011(5): 157-159.

[21] 周曉晴, 付桂明, 劉成梅, 等. 大米食味品質預測評價模型的建立及應用[J]. 食品工業科技, 2013, 34(2): 94-96.

[22] 張呈良, 程建軍, 解思雨, 等. 黑龍江省粳米食用品質評價模型的建立[J]. 中國糧油學報, 2015, 30(8): 1-6. DOI:10.3969/ j.issn.1003-0174.2015.08.001.

[23] 張玉榮, 王學鋒, 周顯青, 等. 米飯食味綜合評價方法研究[J]. 河南工業大學學報(自然科學版), 2014, 1(1): 20-25.

[24] 賴穗春, 河野元信, 王志東, 等. 米飯食味計評價華南秈稻食味品質[J]. 中國水稻科學, 2011, 25(4): 435-438. DOI:10.3969/ j.issn.1001-7216.2011.04.014.

[25] NARPINDER S, LOVEDEEP K, NAVDEEP S S, et al. Physicochemical, cooking and textural properties of milled rice from different Indian rice cultivars[J]. Food Chemistry, 2005, 89(2): 253-259. DOI:10.1016/j.foodchem.2004.02.032.

[26] LAMBERTS L, BIE E D, VANDEPUTTE G E, et al. Effect of milling on colour and nutritional properties of rice[J]. Food Chemistry, 2007, 100(4): 1496-1503. DOI:10.1016/j.foodchem.2005.11.042.

Establishment of Models to Evaluate the Eating Quality and Comprehensive Quality of Indica Rice

ZHU Mei1, XIONG Ning1, LIU Huan2, WU Liang2, MENG Huan3, LIU Li1, WU Lili1
(1. Hubei Grain Oil and Food Quality Inspection & Test Station, Wuhan 430061, China; 2. Wuhan Institute of Physics and Mathematics, Chinese Academy of Sciences, Wuhan 430071, China; 3. School of Food Science and Technology, Henan University of Technology, Zhengzhou 450001, China)

The appearance, processing, physicochemical, cooking, and eating qualities of 750 samples of indica rice were determined and correlated with each other. In addition, a palatability evaluation model (Y=-0.187 60X1- 1.322 7X2+ 0.122 52X3+ 7.545 8X4- 0.001 558 4X5+ 81.585 (Y is sensory score; X1is amylose content; X2is protein content; X3is score for rice taste meter; X4is setback; X5is rice viscosity average)) was established by a multiple linear regression method using a modified sensory evaluation model with a Satake taste analyzer. Taking into consideration edibleeating, processing and appearance qualities, a comprehensive evaluation model for cooked indica rice (Y=0.167 21X1+ 0.027 819X2+ 0.073 22X3- 0.006 76X4-20.271 4 (Y is comprehensive index; X1is brown rice rate; X2is head rice rate; X3is sensory score; X4is chalkiness degree)) was constructed by principal component analysis, and verified by fuzzy analytic hierarchy model. More importantly, the developed models are useful for evaluating the sensory and comprehensive quality of cooked indica rice more scientifically and reasonably.

cooked indica rice; palatability evaluation model; comprehensive evaluation model

10.7506/spkx1002-6630-201621017

TS210.2

A

1002-6630（2016）21-0097-07

朱玫, 熊寧, 劉歡, 等. 秈稻的食味品質和綜合品質評價模型的建立[J]. 食品科學, 2016, 37(21): 97-103. DOI:10.7506/ spkx1002-6630-201621017. http://www.spkx.net.cn

ZHU Mei, XIONG Ning, LIU Huan, et al. Establishment of models to evaluate the eating quality and comprehensive quality of indica rice[J]. Food Science, 2016, 37(21): 97-103. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-201621017. http://www.spkx.net.cn

2015-11-15

糧食公益性行業科研專項（201313006-2）

朱玫（1988—），女，助理工程師，碩士，研究方向為糧油檢測。E-mail：zhumeimay@126.com