RVA糊化曲線在膨化米餅原料大米篩選中的應用

史夢娜

上海潮旺科技有限公司 （上海201103）

我國是稻谷生產和消費的大國，稻谷除了作為主要糧食作物外，還可加工成其他米制品作為休閑零食。仙貝、雪餅等膨化米餅就是其中的一種，在中國及海外華人市場深受消費者喜愛。旺旺集團生產的膨化米餅不添加膨松劑，它是以大米為主要原料，將大米制成餅胚，利用高溫焙烤的方式使餅胚中的水分在高溫條件下急劇汽化從而引起體積膨脹[1]，達到口感松脆、米香四溢的特點。研究發現大米的膨化度在品種間差異明顯[2]，因此選擇合適的大米對米餅的品質有著關鍵性的影響。

業內多采用蒸煮品評的方式進行原料大米的初篩，但該方法依賴于品評人員的經驗，主觀性較強，難以推廣。有學者采用直鏈淀粉含量、蛋白質含量、膠稠度等指標[2-3]分析大米的品質，由于涉及的指標較多，多數需要專門的昂貴儀器設備，較為麻煩。因此希望能有一種簡便、快捷、客觀的方式進行大米的初篩。

大米糊化特性是反映大米淀粉品質的一個重要指標，它受基因型、環境及其互作的影響[4]，其特征值與直、支鏈淀粉含量及比例、支鏈淀粉結構、脂肪、蛋白質等存在相關性[5]。檢測所需要的樣品量少，檢測速度快，還具有較好的重復性[6]，適宜作為大米初篩的指標。

已報道研究中，多元回歸、線性回歸、相關性分析等傳統統計學方法被普遍應用于分析大米食味品質與理化特性的關系[7-8]。然而這些方法在應用時常需要滿足一定假設前提，如數據是獨立、正態分布和方差齊性等[9]，對原始數據有一定要求。而決策樹算法無需考慮變量間的共線性問題，可用樹形圖的形式直觀展現因變量與自變量間的關系[10]，易于理解和使用。決策樹是通過對已知數據進行分析分類，得到可對未知數據進行判斷預測的演算方法，應用廣泛，可用于降水預報[11]、能耗預測[12]等方面。

鑒于大米糊化特性和決策樹算法的優點，試驗用來研究大米糊化特性對米餅膨化效果的影響，以期建立預測大米膨化效果的決策樹模型，為米餅生產中原料大米的快速篩選提供理論參考。

1 材料與方法

1.1 材料

試驗大米的品種與來源見表1。

表1 試驗大米的品種與來源

1.2 儀器與設備

由杭州旺旺食品有限公司提供中試場所及米果生產成套設備；DHG-9140A電熱鼓風干燥箱（上海一恒科學儀器有限公司）；FOSS CT 193 CyclotecTM旋風磨[福斯華（北京）科貿有限公司]；RVA-TecMaster快速黏度儀[波通瑞華科學儀器（北京）有限公司]。

1.3 大米糊化曲線的測定

依據GB/T 24852—2010《大米及米粉糊化特性測定快速黏度儀法》的方法測定大米樣品的糊化特性。

1.4 米餅的制作

1.4.1 工藝流程

洗米→浸米→磨粉→蒸煮→揉練→成型→干燥→焙烤

1.4.2 操作要點

原料處理：將大米洗凈后，浸泡5～9 h，將水分瀝干，并研磨成米粉。

高溫蒸煮：將米粉投入蒸練機中，加入一定量的水并通入蒸汽蒸煮。

餅胚制作：蒸練完成后，過冷卻水，并通過揉練機揉練均勻，而后通過成型機壓至成特定形狀的薄片。

餅胚干燥：在60～90 ℃條件下將餅胚干燥成型。焙烤：采用150～300 ℃的隧道式燒上爐將餅胚焙烤成米餅。

1.4.3 米餅膨化度的測定

取5 L量筒，將油菜籽全部倒入量筒，輕輕敲打量筒壁使其表面平整，記錄此時油菜籽的體積V1。倒出油菜籽，放入10枚餅胚或米餅后，將油菜籽倒入量筒中，完全覆蓋餅胚或米餅樣品表面并輕敲量筒壁使其填滿縫隙及表面平整，記錄此時的體積V2。餅胚或米餅體積按式（1）計算，膨化度按式（2）計算。

1.5 數據處理

采用IBM SPSS Statistics 23.0數據分析軟件進行顯著性分析。使用IBM SPSS Modeler 18.0軟件進行決策樹模型創建。

2 結果與分析

2.1 大米RVA糊化曲線的分析

采用RVA快速黏度儀可以獲得大米糊化特性曲線，它反映在程序設定的加熱-保溫-冷卻的條件下，大米淀粉黏度隨時間的變化情況。從圖1可以看出，不同品種的大米其黏度隨時間、溫度變化的趨勢基本一致。在測試開始階段，隨著試樣溫度的升高，淀粉顆粒逐漸吸水膨脹，此時黏度基本不變。當到達某一溫度時，淀粉顆粒開始溶脹，黏度突然升高，此時的溫度為糊化溫度。隨著溫度的繼續升高，黏度逐漸升高到最大達峰值黏度。在保溫期間，淀粉顆粒吸水溶脹后逐漸變軟，在高溫和機械剪切力的作用下破碎，導致黏度逐漸降低。而后隨著溫度繼續下降，淀粉分子之間發生重排，黏度逐漸升高，到達試驗停止時所達到的黏度為最終黏度。峰值黏度和最低黏度的差值稱為衰減值，反映熱糊的穩定性。最終黏度和最低黏度的差值為回生值，反映淀粉的冷糊穩定性和老化趨勢[5,13]。為更好地進行糊化特性分析，選取8個關鍵點，即糊化溫度（試樣加熱后黏度開始增大時的溫度）、峰值黏度（在規定條件下加熱使試樣開始糊化至冷卻前達到的最大黏度值）、達峰值黏度時間（在規定條件下試樣開始加熱至達到峰值黏度的時間）、最低黏度（在規定條件下試樣達到峰值黏度后，在冷卻期間的最小黏度值）、最低黏度時間（在規定條件下試樣冷卻至最低黏度時的時間）、最終黏度（在規定條件下測試結束時的試樣黏度值）、衰減值（峰值黏度與最低黏度的差值）、回生值（最終黏度和最低黏度的差值）。

圖1 不同品種大米糊化特性曲線

從表2可知，試驗所用的18種大米的糊化溫度在68.72～85.95 ℃，跨度較大。東北粳米糊化溫度（68.72～71.47 ℃）極顯著低于秈米的糊化溫度（73.15～85.95 ℃），南方粳米的糊化溫度（69.95～ 77.52 ℃）介于二者之間。這同程科等[5]、阮少蘭等[14]的研究結果一致，通常認為是由于秈米直鏈淀粉含量高、結晶度高、支鏈淀粉支鏈較長，形成結構較緊密的雙螺旋結構，導致晶體熔解所需熱量大。雖然峰值黏度沒有表現出顯著的南北方米、粳秈米差異，但秈米要較粳米更早到達峰值黏度。秈米也較粳米更早到達最低黏度，其最低黏度略高于粳米。秈米的最終黏度和回生值也要高于東北粳米，這可能也與秈米直鏈淀粉含量高、支鏈淀粉外鏈長有關，使其在冷卻過程中直鏈淀粉之間容易發生重排，凝膠強度大，使得最終黏度和回生值大[4-5]。

表2 不同品種大米糊化特征值及其制作的米餅膨化度

2.2 米餅膨化度測定結果

將不同品種的大米，采用相同的配方、設備和制程參數分別制作成米餅，并測定其膨化度。從表2可知，不同品種大米膨化度間存在顯著差異。東北粳米的膨化度普遍優于南方粳米及秈米，這同武洋等[2]的研究結果一致。另外，雖然業界普通認同東北粳米的膨化度優于南方粳米，但測試中也注意到，南方粳米“武運粳30”的膨化度表現并不輸于東北粳米，說明南方粳米中同樣存在適合制作優質膨化米餅的大米。但喬治等[15]研究發現，即使相同的大米品種，在不同的地域種植，其理化特性間還是會存在極顯著差異，因此不能簡單以品種判斷大米的膨化度。

2.3 決策樹模型建立

決策樹算法的基本原理是通過對輸入的數據集進行分析，設定分類規則，將數據集往下細分，形成一個自頂向下的二叉樹形式的結構[16]。依據決策樹模型需要，筆者對膨化度進行二分類處理，設立膨化級別，依據顯著性分析結果，將表2中膨化度高的設定為“優”，反之為“差”。將表2中編號2～17的樣品數據作為訓練集用以建立決策樹模型。以訓練集的糊化特征值作為輸入變量，以膨化級別作為輸出變量，得出如圖2的決策樹模型。

圖2 判斷大米膨化度的決策樹模型

所創建的決策樹共4層、8個葉節點，樹形結構的第1層按照糊化溫度變量來拆分節點，參考賦值情況來看，糊化溫度＞72.275 ℃，則該大米膨化效果較差。在第2層葉節點中以最低黏度進行拆分，即糊化溫度≤72.275 ℃，而最低黏度≤1 954.500 RVU，則該大米膨化效果較好。在第3層葉節點中以最終黏度拆分，當糊化溫度≤72.275 ℃，最低黏度＞1 954.500 RVU的情況下，最終黏度≤3 091.500 RVU，則該大米膨化效果較差。在第4層葉節點中以峰值黏度拆分，若糊化溫度≤72.275 ℃，最低黏度＞1 954.500 RVU，最終黏度＞3 091.500 RVU，而峰值黏度＞2 834.000 RVU，則該大米膨化效果較好，反之膨化效果較差。該決策樹模型篩選出4個對米餅膨化有重要意義的變量，依據重要性排序規則，依次為糊化溫度、最低黏度、最終黏度、峰值黏度。

為驗證決策樹模型的準確性，將表2中1號和18號樣品數據作為驗證數據，采用圖2的決策樹模型預測其膨化級別。從表3可以看出，1號樣品預測的膨化級別為優，18號樣品預測膨化較差，同試驗結果一致。

表3 決策樹模型驗證

3 結論

不同品種的大米制作的米餅膨化度間存在顯著差異，通常被認為同直鏈淀粉的含量有關[2]。然而米餅的生產經歷高溫蒸煮（糊化）、水冷（老化）、高溫膨化的過程，影響大米淀粉糊化、老化等的因素都有可能影響米餅的膨化度。有研究發現直支鏈淀粉的比例、可溶性糖類、脂類、蛋白質等因素都會對大米淀粉的糊化、老化產生影響[5,17-18]，因此猜測也會影響米餅的膨化度。凌彬等[19]研究也證實了這個猜測，而這些因素的影響可在大米RVA糊化特性曲線上呈現出來。試驗利用大米糊化特征值建立的預測大米膨化度的決策樹模型，可以取代同時需要測定直鏈淀粉含量、蛋白質含量、脂肪含量等多個理化指標的評價方法進行原料大米的初篩，更高效便捷，并且客觀。

米餅的制作除了主要原料大米外，輔料的使用、生產設備、制程參數均對其膨化效果產生影響。李慶龍等[20]借用輔料的使用及工藝的調整，制作出優良的秈米米餅。因此無需精確的預估大米的膨化度，只需采用試驗建立的決策樹模型對大米進行膨化好、差的快速初篩，后續在此基礎上從配方、工藝上進行微調，可提高原料篩選效率。

統計預測存在一定誤差，不可能百分百準確。由于試驗只采用18個品種的大米作為分析，分析上存在一定誤差。后期將不斷增加米種數據，以完善決策樹模型，以期建立最佳的預測大米膨化度的模型。

另外，試驗只考慮大米的膨化度，但并不是膨化度越好，口感和風味等感官評分越高。因此若用于實際生產，還需考量成品的口感、風味。后續在篩選出膨化度好的大米后，可進一步將口感、風味納入評價指標，或將膨化度、口感、風味的綜合評分作為輸出變量建立模型。