基于主成分分析法的小米食用品質評價模型的建立

張 敏，劉 輝

（東北農業大學食品學院，哈爾濱 150030）

小米是一種營養豐富的谷物，每100 g小米中蛋白質含量9.7 g，脂肪含量1.7 g，碳水化合物含量76.1 g，一般糧食中不含有的胡蘿卜素，小米每100 g含量達0.12 mg，維生素B1的含量位居所有糧食之首；還含有少量硒素礦物質又稱無機鹽，在人體內含量很少，約占人體重量的4%左右，因此具有很高的營養價值。但國內關于谷子品質方面的研究較少，主要集中在谷子的蛋白質質量分析及不同生態因子對蛋白質等營養因素的影響方面[1-2]。一般來講，對小米食用品質的評價主要采用感官評價法來進行，但由于感官評價法受到評價員的主觀、環境等因素的影響，其客觀性會受到一定程度的限制。因此，建立一種客觀的評價小米食用品質的方法極為重要。這對谷子品種的科學選育以及小米產品的加工應用具有重要的現實意義。

主成分分析法是將原來指標重新組成一組新的互相無關的幾個綜合指標來代替原來指標的一種統計方法，通過空間的坐標旋轉，得到的主成分是原始變量的線性組合，能夠最大程度地反映原變量所包含的信息，使原來的多維問題大大簡化[3-4]。目前，此種方法已經廣泛應用在很多領域，如在醫學中，依據主要因子的綜合評分確定受試樣品的功效特性大小，成為一種量化評價功能學特性的新方法；在食品加工中，用綜合評分分析豆腐乳的感官和理化品質，獲得豆腐乳的品質優劣程度；用主成分分析法確定出七種高香型烏龍茶香氣特征較優的為肉桂香茶、玉蘭香茶等[5-12]。借鑒這些研究，本文利用主成分分析法來建立小米食用品質評價模型，通過對小米各營養成分指標和物理指標進行客觀的統計分析，獲得量化的不同品種小米的食用品質綜合指標，這對豐富和完善小米食用品質的評價體系具有重要意義。

1 材料與方法

1.1 試驗材料

試驗所用的27種不同小米品種均由黑龍江省農業科學院提供，具體品種和產地見表1。

表1 試驗所用小米品種和產地Table 1 Varieties and producing area of millet used in the experiment

1.2 試驗方法

1.2.1 物理品質的測定

千粒重的測定：取十次稱重法測定百粒重的平均值；粒徑分布的測定：取十次游標卡尺測量值的平均值；色差的測定：使用上海精密科學儀器有限公司生產的測色色差計，選用L*-a*-b*色彩空間，每個樣品測10次，求其平均值；籽粒硬度的測定：使用杭州托普儀器有限公司生產的GWJ-1谷物硬度計，以20次測定的平均結果為小米籽粒的硬度；吸水性和水溶性的測定：采用AACC方法[13]，吸水性指數和水溶性指數按下面公式計算：

其中，X1為吸水指數（WAI）；X2為水溶性指數（WSI）；m1為沉淀重量（g）；m2為上清液干重（g）；M 為樣品干重（g）。

1.2.2 營養品質的測定

水分含量的測定：采用烘箱干燥法測定[14]；蛋白質含量的測定：采用凱氏微量法測定[15]；粗脂肪含量的測定：采用索氏抽提法測定；灰分含量的測定：采用AACC推薦方法[16]；粗纖維含量的測定：采用AACC推薦方法[17]；碳水化合物含量：采用差減法，即碳水化合物=100-（水分+蛋白質+脂肪+灰分）；直鏈淀粉含量的測定：按照GB/T 15683-1995《稻米直鏈淀粉含量的測定》[18]進行測定；淀粉含量的測定：采用蒽酮比色法；

黏滯特性分析：使用澳大利亞Newport Scientific儀器公司生產的RVA儀快速測定淀粉黏滯特性，并用TCW（Thermal cycle for windows）配套軟件分析。測定按AACC（美國谷物化學協會）操作規程61-02 1995《快速黏度分析儀測定大米的糊化特性》要求，即含水量為14.0%，3.00 g，蒸餾水25.00 mL。測定過程中，產生峰值黏度、糊化溫度、熱漿黏度、最終黏度、衰減值、回生值等六個特征指標。

1.2.3 小米食用品質評價模型的建立

由27個不同小米品種測定的營養品質、物理品質的指標構成主成分分析的相關矩陣，根據主成分分析后確定的不同主分量的線性組合與貢獻率之積的和來排序不同的樣本,進行綜合品質評價。用SPSS軟件進行主成分分析計算，具體步驟為：

①主成分變量的構建

將 n 個樣本的 p 個變量（X1，X2，…，Xp）通過變換轉換成 k（k＜p）個綜合變量變量（F1，…，Fk），即原變量的線性組合，綜合變量F1，F2，…，Fk分別稱作原變量的第1、第2、…、第k個主成分：

②各樣本的量化值以不同特征值的方差貢獻率βi（i=1，2，…，k）為加權系數，利用綜合評價函數（品質評價模型）：F=β1F1+β2F2+…+βkFk，計算各樣本得分，進行排序評價各品種小米的食用品質優劣。

1.2.4 小米食味值的測定

參考GB/T 15628-1995《稻米蒸煮試驗品質評定方法》[18]。按米飯的色、香、味、外觀形狀、適口性及滋味進行評價。

1.2.5 數據處理

數據的處理方法采用SPSS Family 15.0軟件，運用軟件中的Data Reduction模塊。

2 結果與分析

2.1 主成分分析結果

以27個小米樣品的24個指標構成27×24的矩陣進行主成分分析，按照剔除最小特征值的主成分中對應的最大特征向量變量的原則，一次剔除一個變量，共剔除了8個變量，最后獲得16個變量進行主成分分析，其中水分、蛋白質、灰分、水溶性指數、直鏈淀粉、支鏈淀粉、直/支、峰值黏度、熱漿黏度、最終黏度、衰減值、回生值、糊化溫度、脂肪、淀粉含量、碳水化合物等指標分別用X1、X2、 X3、X4、X5、 X6、 X7、X8、 X9、 X10、 X11、X12、X13、X14、X15、X16來表示通過計算獲得相關矩陣特征值如表2所示。

按照累計貢獻率大于85%的原則，由表2可見，前7個主成分所構成的信息量占總信息量的87.893%，基本保留了原變量的信息。進一步計算獲得七個主分量的特征向量如表3所示。

表2 相關矩陣特征值Table 2 Eigenvalues of correlation matrix

第一主分量：

單獨說明整個原始數據標準變異的23.873%。

第二主分量：

單獨說明整個原始數據標準變異的16.999%。

第三主分量：

單獨說明整個原始數據標準變異的14.843%。

第四主分量：

單獨說明整個原始數據標準變異的10.585%。

第五主分量：

單獨說明整個原始數據標準變異的8.544%。

第六主分量：

單獨說明整個原始數據標準變異的6.771%。

第七主分量：

單獨說明整個原始數據標準變異的6.279%。

綜合評價函數：

表3 特征向量Table 3 Character vector

2.2 不同品種小米質量評價結果

由上面主成分分析獲得的綜合評價函數作為小米的質量評價模型，計算27個品種小米的評價得分，如表4所示。由表4可知，河北省的冀谷19的打分最高，其次是山東的濟谷13和遼寧省的朝谷12，得分較低的為黑龍江省的龍谷25和吉林省的公谷68，它們主要來源于東北三省地區。由于小米的品質不僅受品種及主要成分含量等內部因素的影響，還會受到栽培地的氣候及降雨量等自然條件的限制，從而導致小米的產量和質量存在較大差異。

表4 不同小米質量模型的評價Table 4 Quality model evaluation of millet

2.3 小米質量評價模型的檢驗

表5為傳統的感官評價法獲得的27種小米的食味值。對比表4和表5可見，本文所建立的評價模型與感官評價法具有很好的一致性。除了樣品：甘肅省隴谷10、黑龍江省龍谷32、陜西省延谷12、吉林省延谷12排序結果略有差異外，其余均一致。

由于小米的質量還會受到播種地區的氣候、溫度、水分濕度以及施肥量等因素的制約，因此這個小米品種的品質排序只代表試驗所獲樣本的排序。若要模型具有一定的普適性，還需要進一步補充試驗樣品，來擴大模型的適用性。

表5 不同品種小米質量感官評價Table 5 Sensory evaluation of the quality of different varieties of millet

3 討論與結論

應用主成分分析法建立了小米食用品質評價模型。利用本模型，使用兩種評價方法對27種小米品種的食用品質進行評價發現，除隴谷10、龍谷32、延谷12、公矮2這四個品種上的排序有差別外，其他的品種上的排序結果都是一致。因此這種評價結果與傳統的感官評價結果對比，兩種方法具有較好的一致性。一般情況下，食味值的評價都是由有經驗的評價員或經過訓練的專業人員來完成，本研究建立的評價模型只需要測定出小米的16個主要成分指標，即可進行評價。因此在小米品質評價中具有更廣的應用性和客觀性。

根據本研究建立的基于主成分分析法的小米食用品質評價模型，獲得河北省的冀谷19、山東省的濟谷13和遼寧省的朝谷12等品種的小米食用品質較好，得分較低的為黑龍江省的龍谷25和吉林省的公谷68。這些來源于不同主產區的小米品種，其品質不僅受到小米的品種、主要成分含量等內部因素決定，還會受到產地的自然條件、栽培條件等因素影響，導致小米的產量和質量存在較大差異。在本次調查中，小米食味品質最好的地區為山西、山東、河北，其次是遼寧和內蒙古，較差地區為甘肅、陜西和黑龍江。小米的食味值南北差異為隨緯度增加，食味值反而減小，尤其在北緯45°以上地區，小米食味值較差。對不同品種的小米營養成分的變化表明，這27份小米的水分、脂肪、蛋白質、灰分、纖維、碳水化合物的平均含量分別為10.27%、3.09%、11.87%、3.43%、0.83%、71.33%。從這6個主要的營養指標看來，碳水化合物含量最高，其次為蛋白質含量，它們是影響小米加工品質的主要物質基礎。從變異系數看，脂肪和纖維的變異系數較大，雖然脂肪和纖維素含量不到5%，但對小米的加工品質起著決定性的作用。

在小米食用品質評價中，利用主成分分析法，將復雜的信息簡單化，通過建立相關的評價模型，獲得量化的評價指標，開辟了一種客觀評價小米食用品質的新方法。感官評價的小米食味值具有一定的主觀性，主成分分析模型的建立及方法的使用可以為今后的小米食用品質的評價提供更準確、更客觀的方法，對今后的谷子育種工作也有積極的現實意義。

另外，小米的食用品質還會受到播種地區的氣候、溫度、水分濕度以及施肥量等因素的制約，這有待于進一步的研究。

[1]張喜文,宋殿珍,劉源湘.氮肥和氮磷肥配合對谷子籽粒營養品質和食味品質的影響[J].土壤通報,1994,23(3):122-123.

[2]Nishizawa N.Proso millet protein elevates Phsma level of high density-lioproteina new food function of proso millet[J].Brom edical and Envinonm ental Sciences,1996(9):209-212.

[3]姬春煦，張駿.基于主成分分析的股票指數預測研究[J].計算機工程與科學，2006,28（8）：122-124.

[4]方晨,楊葉,伍書劍.主成分分析和取類分析在軟件重構中的應用[J].計算機軟件與計算方法,2009,30(2):366-367.

[5]戴素賢,謝赤軍，陳棟等.七種高香型烏龍茶香氣成分的主成分分析[J].華南農業大學學報,1999,20(1):113-11.

[6]楊堅,童華榮,賈利蓉.豆腐乳感官和理化品質的主成分分析[J].農業工程學報,2002,18(2):131-135.

[7]姚治軍,劉寶勤,高迎春.基于區域發展目標的水資源承載能力研究[J].水科學進展,2005(1):109-113.

[8]鮑艷,胡振琪,柏玉,等.主成分聚類分析在上地利用生態安全評價中的應用[J].農業工程學報，2006,22(8):87-90.

[9]吳亞非,李科.基于SPSS的主成分分析法在評價體系中 [J].當代經濟，2009,2(1)：166-176.

[10]曾潔,孫俊良,李光磊,等.基于主成分分析和Q型聚類分析的玉米品種特性研究[J].沈陽農業大學學報,2009,40(1):53-57.

[11]吳景社，康紹忠.基于主成分分析和模糊聚類方法的全國節水灌溉分區研究[J].農業工程學報,2004,20(4):64-68.

[12]林松毅,劉靜波,葉海青.主成分分析方法在保健食品功能學評價中的應用研究[J].食品科學,2007,28(9):546-548.

[13]美國谷物化學師協會標準[S].AACC Method 24-05 Absorption and Soluble in Water Methods.

[14]美國谷物化學師協會標準[S].AACC Method 08-02 Ash-Basic Methods.

[15]美國谷物化學師協會標準[S].AACC method 46-11A Crudeproteinic Methods.

[16]美國谷物化學師協會標準[S].AACC Method 44-15A Moisture-Air-Oven Methods.

[17]美國谷物化學師協會標準[S].AACC Method 32-10 Crude Fiber in Flours,Feeds,and Feedstuffs.

[18]中華人民共和國國家標準[S].GB/T 15628-1995稻米蒸煮試驗品質評定.