基于T21峰值時間預測粳稻米質構變化

宋 偉 李冬珅 喬 琳 蘇安祥 胡婉君

（南京財經大學食品科學與工程學院；江蘇省現(xiàn)代糧食流通與安全協(xié)同創(chuàng)新中心；江蘇高校糧油質量安全控制及深加工重點實驗室，南京 210023）

基于T21峰值時間預測粳稻米質構變化

宋 偉 李冬珅 喬 琳 蘇安祥 胡婉君

（南京財經大學食品科學與工程學院；江蘇省現(xiàn)代糧食流通與安全協(xié)同創(chuàng)新中心；江蘇高校糧油質量安全控制及深加工重點實驗室，南京 210023）

研究含水量14.5%的粳稻谷在30℃的儲藏條件下硬度、黏著性、低場核磁特征數(shù)據(jù)的變化規(guī)律，采取逐步回歸分析方法篩選低場核磁特征數(shù)據(jù)，旨在得到通過低場核磁特征數(shù)據(jù)預測粳稻米硬度、黏著性的線性回歸方程。研究結果表明，儲藏期間粳稻米硬度由初始的1 887.61 g上升到4 195.48 g，黏著性隨著儲藏時間的延長而逐漸降低，從-15.77 g·s下降至-200.20 g·s，T21峰面積隨時間增加不斷減小，從19 181.34減小到15 360.95。T21峰值時間的減少表明隨著儲藏時間延長水分散失，水分子受到的束縛力不斷增大。儲藏過程中粳稻米的硬度和黏著性均與T21峰值時間具有極顯著的線性關系，基于T21峰值時間的硬度預測模型為：y＝-6 758.1x+8 622.3（r2＝1.00）；黏著性預測模型為：y＝546.65x-559.91（r2＝1.00）。

粳稻米 T21峰值時間 質構

稻谷作為我國的主要儲備糧種，儲備量大，但由于其受外界環(huán)境影響較大，容易發(fā)生品質變化［1］，影響稻米食用品質。質構是衡量精米食用品質的重要指標，其中食品的硬度受到含水量、蛋白質含量、鹽含量、淀粉含量和膠類物質種類及添加量等的影響［2］，黏著性則是黏附力和內聚力綜合作用的結果［3］。質構作為評價食品食用指標，已廣泛應用于精米食用品質評價［4～6］。曹崇江等［7］研究發(fā)現(xiàn)抗菌包裝袋儲藏的稻米硬度和黏著性相對優(yōu)于普通包裝儲藏的稻米；王萍等［8］研究表明紅棗中的水分、還原糖對于紅棗的質構特性影響較大。

低場核磁作為一種新興的檢測手段，目前廣泛應用于食品領域［9-11］。低場核磁具有無損、快速、樣品需要量少等特點，可以極大提高工作效率。低場核磁的基本原理［12］是激發(fā)態(tài)的進動核釋放能量返回到熱平衡態(tài)，或者進動核之間相互影響失去它們相位一致性的過程，此過程稱為弛豫過程，將描述弛豫過程的時間常數(shù)稱為弛豫時間。弛豫過程有2種形式：橫向弛豫（又稱為自旋-自旋弛豫）和縱向弛豫（又稱為自旋-晶格弛豫）。縱向弛豫時間用T1表示，橫向弛豫時間用T2表示。由于不同結合程度的氫質子所處的物理化學環(huán)境以及自身狀態(tài)不同而具有不同的T1和T2，從而可以獲得樣品的內部信息，研究樣品的品質變化。

本試驗主要研究通過篩選粳稻米低場核磁數(shù)據(jù)建立與硬度、黏著性的線性回歸模型，為快速無損檢測稻米食用品質提供參考。

1 材料與方法

1.1 材料與設備

2013年產淮稻5號粳稻谷，含水量14.5%；NMI-20 Analyst型核磁共振分析儀：上海紐邁電子科技有限公司；RDN型分段可編程人工氣候箱：寧波東南儀器有限公司；食品物性測定儀：Stable Micro Systems（英國）公司。

1.2 試驗方法

1.2.1 模擬儲藏方法

預處理樣品初始含水量為20.73%，通過自然干燥將水分調節(jié)為14.5%，置于溫度為30℃的人工氣候箱進行模擬儲藏。儲藏時間為180 d，測定周期為30 d。

1.2.2 質構測試

將粳稻谷制成精米進行蒸煮，蒸煮條件為精米量為10 g，米水比例為1∶1.2，蒸煮時間為30 min，保溫10 min。質構測試條件為采用P／36R的探頭檢測，校正高度設定為20 mm，校正速度為15 mm／s，75%的壓縮比例，觸發(fā)力10 g，測前速度：1.0 mm／s，測試速度：0.5 mm／s，測后速度：0.5 mm／s。

1.2.3 核磁數(shù)據(jù)采集

采用SF1（主頻）＝19 MHz，O1（偏頻）＝915 052.2 Hz，SF1+O1為中心頻率，每次檢測前均需校正中心頻率；P1（90°硬脈沖脈寬）＝12 μs，P2（180°硬脈沖脈寬）＝25 μs；TD（采樣點數(shù)）＝

135 006；SW（采樣頻率）＝200 kHz；TW（采樣等待時間）＝1 500 ms；RFD（開始采樣時間）＝0.06 ms；DL1

（90°與180°脈沖間隔時間）＝0.1 ms；NECH（回波個數(shù)）＝3 000；NS（重復采樣次數(shù)）＝16的CPMG序列檢測參數(shù)對1.50 g稻谷樣品進行采樣檢測，檢測結束后利用儀器自帶軟件的CONTIN算法進行反演。

2 結果與分析

2.1 粳稻米的不同儲藏時間質構與低場核磁特征數(shù)據(jù)變化

由表1可以看出隨儲藏時間的延長粳稻米的硬度值不斷增加，初始值為1 887.61 g，經過6個月儲藏硬度值上升到4 195.48 g，而黏著性隨儲藏時間不斷降低，含水量14.5%、溫度30℃條件下黏著性從-15.77 g·s下降至-200.20 g·s，這與曹崇江等［13］的研究相一致。T21峰代表粳稻谷吸附水，由于粳稻谷含水量較低，自由水的束縛力較低，先行散失，所以T22峰在較低含水量的粳稻谷中是不出現(xiàn)的，T23峰代表粳稻谷中脂肪的氫質子的密度。由T21的峰面積變化可以發(fā)現(xiàn)，粳稻谷在儲藏過程中水分是逐漸散失的，T21峰值時間不斷減小說明隨著時間的延長，粳稻谷的水中氫質子所受束縛力越來越大。由于脂肪的氧化和水解成游離脂肪酸，游離脂肪酸的氫質子的束縛力相對脂肪而言較低，使得部分束縛力較大的氫質子得到釋放，T23峰面積呈逐漸增加趨勢。

表1 不同儲藏時間粳稻米質構與低場核磁特征數(shù)據(jù)變化

2.2 建立不同儲藏時間粳稻米硬度與T21峰值時間的數(shù)學模型

利用SPSS軟件粳稻米質構值與低場核磁數(shù)據(jù)采取逐步回歸分析方法進行線性建模，尋求數(shù)學分析模型雛形。從表2可以看出，通過向前逐步的模式對低場核磁特征數(shù)據(jù)進行篩選，得到了與硬度值具有較好線性關系的T21峰值時間。由此可以得出，影響粳稻米硬度值主要是水中氫質子的密度與強度。當粳稻米水分子受到的束縛力越大，其硬度值越高。利用逐步回歸分析方法得到基于T21峰值時間的粳稻米硬度值，由圖1可以看出硬度的真實值與預測值具有極顯著的相關關系（P＜0.01）。將得到的預測值與T21峰值時間進行線性擬合得到擬合方程：y＝-6 758.1x+8 622.3（r2＝1.00），如圖2。

表2 硬度與T21峰值時間模型建立摘要

圖1 硬度真實值與預測值之間的關系

圖2 硬度值與T21峰值時間的關系

2.3 建立不同儲藏時間粳稻米黏著性與T21峰值時間的數(shù)學模型

通過SPSS軟件粳稻米黏著性與低場核磁數(shù)據(jù)采取逐步回歸分析方法進行線性建模，尋求數(shù)學分析模型雛形。從表3可以看出，T21峰值時間與黏著性具有較好線性關系（預測器的重要性＝1）。利用逐步回歸分析方法得到粳稻米黏著性的預測值，由圖3可以看出黏著性的真實值與預測值具有極顯著的相關關系（P＜0.01），進一步說明通過低場核磁可以預測粳稻米的黏著性。粳稻米黏著性與其T21峰值時間有顯著相關關系，T21峰值時間越低黏著性越低，說明水分的束縛力是影響粳稻米黏著性的主要因素。將得到的預測值與T21峰值時間進行線性擬合得到擬合方程：y＝546.65x-559.91（r2＝1.00），如圖4。

表3 硬度與T21峰值時間模型建立摘要

圖3 黏著性真實值與預測值之間的關系

圖4 黏著性與T21峰值時間的關系

2.4 基于T21峰值時間數(shù)學模型預測質構數(shù)據(jù)變化的驗證

將初始含水量為14.5%溫度為30℃條件下粳稻米的硬度、黏度實測值與預測值進行比較，結果見表4。

硬度與黏著性的模型預測值與實測值的相對誤差除了1個異常值15.93%之外，其余均在0.4%～5.0%之間，說明這些模型可以較好地對儲藏過程中粳稻米的硬度、黏著性變化進行預測（r2＝1.00）。

表4 粳稻米儲藏時間的硬度、黏度實測值與預測值的比較

利用預測模型對溫度30℃不同儲藏條件下粳稻米硬度、黏度值進行擬合，結果見表5。

表5 粳稻米不同儲藏條件硬度、黏度實測值與預測值的比較

由表5可以看出，不同儲藏條件下的實測數(shù)據(jù)和預測數(shù)據(jù)數(shù)值之間均具有顯著的相關性（P＜0.01）。

3 結論

3.1 儲藏期間粳稻米硬度隨著儲藏時間的延長而逐漸升高，由初始的1 887.61 g上升到4 195.48 g。黏著性隨著儲藏時間的延長而逐漸降低，從-15.77 g·s下降至-200.20 g·s。T21峰面積隨時間增加不斷減小，從19 181.34減小到15 360.95。T21峰值時間則緩慢減少，表明隨著儲藏時間延長水分散失，水分子受到的束縛力不斷增大。

3.2 儲藏過程中粳稻米的硬度和黏著性均與T21峰值時間具有極顯著的線性關系，基于T21峰值時間的硬度預測模型為：y＝-6 758.1x+8 622.3（r2＝1.00）；黏著性預測模型為：y＝546.65x-559.91（r2＝1.00），這些模型可以較好地對儲藏過程中粳稻米的硬度、黏著性變化進行預測（r2＝1.00）。

［1］宋偉，謝同平，張美玲，等.應用電子鼻判別不同儲藏條件下粳稻谷品質的研究［J］.中國糧油學報，2012，27（5）：92-96 Song Wei，Xie Tongping，Zhang Meiling，et al.Distinguishing the quality of japonica rice stored at different storage conditions by using electronic nose［J］.Journal of the Chinese Cereals and Oils Association，2012，27（5）：92-96

［2］郝紅濤，趙改名，柳艷霞，等.肉類制品的質構特性及其研究進展［J］.食品與機械，2009（3）：125-128 Hao Hongtao，Zhao Gaiming，Liu Yanxia，et al.The texture characteristics and advances of meat products［J］.Food& Machinery，2009（3）：125-128

［3］郭世良，趙改名，王玉芬，等.離子強度和pH值對肌原纖維蛋白熱誘導凝膠特性的影響［J］.食品科技，2008，33（1）：84-87 Guo Shiliang，Zhao Gaiming，Wang Yufen，et al.Effects of ionic strength and pH values on the characteristics of heatinduced gelation of myofibrillar proteins［J］.Food Science and Technology，2008，33（1）：84-87

［4］胡麗菊，孟憲軍，孫希云，等.不同預處理方式對凍藏草莓品質的影響［J］.食品科學，2014，35（22）：293-296 Hu Liju，Meng Xianjun，Sun Xiyun，et al.Effect of different pretreatments on the quality of frozen strawberries［J］.Food Science，2014，35（22）：293-296

［5］謝新華，李曉方，肖昕，等.稻米淀粉黏滯性和質構性研究［J］.中國糧油學報，2007，22（3）：9-11 Xie Xinhua，Li Xiaofang，Xiao Xin，et al.Quality evaluation of steamed bread by traditional fermentation［J］.Journal of the Chinese Cereals and Oils Association，2007，22（3）：9-11

［6］王充，張國權，羅勤貴，等.淀粉凝膠儲藏過程中消化和質構特性的變化［J］.中國糧油學報，2012，27（4）：32-37 Wang Chong，Zhang Guoquan，Luo Qingui，et al.Study on digestibility and texture properties changes of starch gels during storage［J］.Journal of the Chinese Cereals and Oils Association，2012，27（4）：32-37

［7］曹崇江，馬海煒，劉兵，等.納米包裝材料對稻谷儲藏品質的影響［J］.糧食儲藏，2014，43（6）：34-36 Cao Chongjiang，Ma Haiwei，Liu Bing，et al.Determination of the content of organic phosphorus pesticide in the grain by gas chromatography［J］.Grain Storage，2014，43（6）：34-36

［8］王萍，弋曉康，陸建康，等.基于熱風干燥條件下新疆紅棗的質構特性［J］.食品工業(yè)科技，2014，35（11）：123-126 Wang Ping，Yi Xiaokang，Lu Jiankang，et al.Textural properties of red dates from Xinjiang based on hot air drying conditions［J］.Science and Technology of Food Industry，2014，35（11）：123-126

［9］姜潮，韓劍眾，范佳利，等.低場核磁共振結合主成分分析法快速檢測摻假牛乳［J］.農業(yè)工程學報，2010，26（9）：340-344 Jiang Chao，Han Jianzhong，F(xiàn)an Jiali，et al.Rapid detection of adulterated milk by low field-nuclear magnetic resonance coupled with PCA method［J］.Transactions of the Chinese Society of Agricultural Engineering，2010，26（9）：340-344

［10］Micklander E，Thybo A K，van den Berg F.Changes occurring in potatoes during cooking and reheating as affected by salting and cool or frozen storage-a LF-NMR study［J］. LWT-Food Science and Technology，2008，41（9）：1710-1719

［11］Ribeiro O O R，Mársico E T，Carneiro C S，et al.Detection of honey adulteration of high fructose corn syrup by low field nuclear magnetic resonance（LF1H NMR）［J］.Journal of Food Engineering，2014，135：39-43

［12］阮榕生.核磁共振技術在食品和生物體系中的應用［M］.北京：中國輕工業(yè)出版社，2009 Ruan Rongsheng.Application of nuclear magnetic resonance technology in food and biological systems［M］.Beijing：China Light Industry Press，2009

［13］曹崇江，楊文建，宋偉，等.含納米Ag-TiO2的聚乙烯包裝材料對大米儲藏品質的影響［J］.食品科學，2014，35（24）：327-330 Cao Chongjiang，Yang Wenjian，Song Wei，et al.Effect of Ag-TiO2Nano-plyethylene packaging material on quality of stored Rice［J］.Food Science，2014，35（24）：327-330.

Abstract Monitor the changes of hardness，adhesiveness，characteristic data of low field NMR during japonica storage under the temperature of 30℃ and the water content of 14.5%，binding stepwise regression analysis method to screen the characteristic data of low field NMR and establish the linear regression equation to predict the hardness and adhesiveness of japonica.The results showed that hardness was from 1 887.61 g to 4 195.48 g，adhesiveness was gradually decreased with storage time，adhesiveness was from-15.77 g·s to-200.20 g·s，peak area of T21decreased along with the increase of time，from 19 181.34 turn to 15 360.95.The decrease of peak time of T21showed that water desorption with time extension，and the bound water molecules were increasing.During the storage of Japonica Rice hardness and adhesiveness had extremely significant linear relationship with the peak time of T21，The peak time of T21hardness prediction model：y＝-6 758.1x+8 622.3（r2＝1.00）；adhesiveness prediction model：y＝546.65x-559.91（r2＝1.00）.

The Prediction Texture Changes of Japonica Rice Based on the Peak Time of T21

Song Wei Li Dongshen Qiao Lin Su Anxiang Hu Wanjun

（College of Food Science and Engineering；Collaborative Innovation Center for Modern Grain Circulation and Safety；Key Laboratory of Grains and Oils Quality Control and Processing，Nanjing University of Finance and Economics，Nanjing 210023）

japonica，peak time of T21，texture

TS207.3

A

1003-0174（2017）01-0104-05

糧食公益性行業(yè)科研專項（201313002）

2015-06-12

宋偉，男，1957年出生，教授，糧油儲藏技術與儲藏物害蟲防治