近紅外方法預測饅頭品質

郝學飛 蘇東民 余大杰 趙光華 胡京枝

(河南省農業科學院農業質量標準與檢測技術研究所1，鄭州 450002)

(河南工業大學糧油食品學院2，鄭州 450052)

饅頭是具有鮮明中國文化特色的傳統食品，是我國特別是北方最重要的主食食品［1］。饅頭評分是評價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，其穩定性決定饅頭品質的穩定。生產品質穩定的饅頭粉，需要對糧倉中原糧進行配麥，利用各個粉路小麥粉進行配粉，并通過小麥粉特性實驗，甚至是饅頭評分實驗來檢驗最終小麥粉質量。饅頭生產企業作為質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調整帶來的饅頭品質變化，需要動態的了解饅頭品質情況。饅頭蒸制實驗要經過和面、醒發、成型、蒸制、評分等一系列過程，需要花費較長的時間。現在小麥粉行業的品質控制還處在比較落后的依靠最終結果質量檢驗的水平，滿足不了現代化制粉企業的質量管理要求［2］。其主要原因是缺乏快速的檢測手段，對生產過程的關鍵點無法進行量化和標準化，因而不能快速準確進行定性判斷和控制［2］。對小麥粉生產企業和饅頭生產企業，快速饅頭評分方法將極大提高食品工業生產力。

近紅外光譜分析技術(NIRS)能夠適應這種需要快速品質檢測的情況。NIRS作為近幾十年發展起來的分析技術，具有很多特點，如其操作簡單、無損檢測、檢測速度快、零污染、多組分同時分析、能夠在線檢測等，并且能夠固體、液體、粉末等多種類型的樣品進行分析。NIRS在食品、農產品檢測方面得到了廣泛應用［3－4］，并已逐漸得到了官方認可［5］。因此本文嘗試利用近紅外方法預測饅頭的品質評分參數以期找到快速評定最終產品評分的新方法。

1 材料與方法

1.1 樣品與主要儀器

搜集河南省不同地區不同品種的小麥樣品150個，從中篩選出31個品質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，待品質穩定后進行饅頭制作;粉質儀參數:按照“GB/T 14614—2006”進行測定;濕面筋:按照“GB/T 5506.2—2008”進行測定。

1.2.2 饅頭制作與評價

1.2.2.1 饅頭制作方法

稱取14%濕基的小麥粉200 g倒入已預熱(30℃)的和面缽中，用量筒量取粉質儀吸水率77%的水，水溫調至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。開啟和面機和面，當面團活至最佳狀態時(面團表面光滑、成膜性好)取出面團，用壓片機在軋距10 mm下壓片2次后放入醒發盆中，置于溫度(38±1)℃、濕度80%～85%的醒發箱中醒發40 min。一次醒發后取出面團用壓片機在軋距5.5 cm下不定向壓片18次。將面團按重量平均分成2個，在案板上手工快速成型，塑形后饅頭坯高度應為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箱中二次醒發15 min，之后置于沸水鍋中蒸制20 min，關火3 min后取出，蓋干紗布冷卻15 min后進行感官評價。

1.2.2.2 饅頭品質評價方法

感官評價性狀評分在10 min內完成。本試驗選取5名經過培訓的評價員集體評分，取平均值作為最終評價結果。本文所用評分標準是在GB/T 17320—1998附錄B“食品加工特性實驗方法及品質評價規則”中“饅頭制作與評價標準”的基礎上進行了修改，具體評分標準見表1。

表1 饅頭評分標準

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，要確保儀器已經充分預熱，儀器預熱1 h后，要通過Check cell檢查和Performance Test來檢查儀器預熱狀態，兩項檢查都通過說明儀器能夠正常工作。使用ISIscan軟件控制Infraxact Lab近紅外分析儀對樣品進行掃描，掃描波長范圍570～1 848 nm，數據采集頻率為每次掃描3 s，光譜數據間隔2 nm，使用大號樣品杯裝載樣品，每個樣品重復裝樣掃描兩次，掃描后數據自動保存。

1.2.4 數據處理

將饅頭評分結果輸入到WinISIⅢ數據處理軟件中，進行數據處理。由7種散射校正(Scatter)方法結合4種數學處理方法形成一系列光譜預處理組合，每一種預處理組合處理后的光譜數據使用改進最小二乘法(modified PLS)進行建模，得到一系列校正方程。使用交叉驗證標準誤差(SECV)和交叉驗證決定系數(1－VR)來對校正方程進行選擇，對某一個參數的一系列校正模型來說，SECV最低，1－VR最高的模型即為該參數的最佳模型。

2 結果與分析

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近紅外預測模型的建立至關重要。如果小麥粉特性比較集中，會導致最終的饅頭評分結果比較集中，不利于近紅外定標模型的建立。因此要求試驗小麥粉樣品要有一定的廣泛性，既要收集穩定時間在5～10 min之間比較適合制作饅頭樣品［7］，同時也要有高筋力、低筋力小麥樣品，同時還要考慮到吸水率、濕面筋含量、以及粉質質量指數都具有一定的差異性。小麥粉特性情況如表2。

表2 定標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參數差異性比較大，其中吸水率最小值為55.6%，最大值為63.2%，基本涵蓋了國內主要饅頭用小麥粉的吸水率情況;穩定時間包括了從弱筋1.8 min到強筋15.4 min的小麥，變異系數達到48.85%;濕面筋含量范圍從低筋24.2%到高筋37.8%，說明參試樣品的面筋含量和筋力強度具有較寬的范圍，基本涵蓋了國內主要小麥粉品種的狀況。粉質質量指數與形成時間、穩定時間成正相關，與弱化度成顯著負相關，可以綜合評價小麥流變學特性，判斷小麥粉筋力強弱［8］，其極差為106，變異系數為 28.31%，說明所選樣品整體流變學特性范圍較寬。由圖1可以看出參試小麥粉的吸水率、穩定時間、粉質質量指數和濕面筋參數從低到高平緩上升，從最低到最高范圍之間樣品都有分布，說明搜集的樣品在各個參數上均有代表性，有利于后期試驗的開展。

圖1 小麥粉的各種特性分布情況

2.2 饅頭評分結果

饅頭評分各參數統計結果見表3。

饅頭評分結果在本研究中作為近紅外分析的主變量，其各個參數需要有一定變化范圍。前期在樣品選擇上充分考慮了4種小麥粉特性參數的差異性，表3反映出饅頭品質評分各項參數都有較大的分布范圍，其變異系數均在6.1%以上，其中色澤、表面結構、內部結構、彈性、韌性、黏性、氣味變異系數達到10%以上，饅頭總評分極差達到31.34，充分說明最終得到的饅頭樣品各個評價參數都有較大差異，進一步說明選取的小麥粉樣品小麥粉代表性較強，為下一步研究近紅外光譜和饅頭評分相關性工作打好了基礎。

2.3 建立定標模型

本試驗用小麥粉的全光譜數據建立定標模型，并且樣品的2次重復掃描光譜全部參與建標，近紅外定標模型參數見表4，表中樣品數為參與定標的光譜數。

表4 饅頭評分近紅外定標模型統計表

表4中，高徑比和比容是實際測定值，未按饅頭評分表換算成評分，以求定標模型可以預測第一手的數據。總評分是所有評分的加和。縱觀表4，饅頭評分的近紅外光譜預測模型取得了較高的預測決定系數(r2)和較低的定標標準誤差(SEC)。除了饅頭比容，其他參數的近紅外模型r2均大于0.729;色澤、外觀性狀、內部結構、彈性、人性、黏性、氣味、總評分r2均在0.8以上，其中彈性、韌性、氣味、總評分r2分別為 0.936、0.903、0.933、0.894，以上饅頭評分參數分別與常規測試達到顯著相關水平。定標模型的SEC能夠反映模型對定標集樣品的預測能力，可以看到除了總評分，其他饅頭評分參數的SEC均小于0.60，其中高徑比、比容 SEC 均小于0.074，說明近紅外模型具有較好的預測能力。

交叉驗證相關系數(1－VR)可以反映定標模型的預測相關系數，交叉驗證標準誤差(SECV)可以大致評估定標模型的預測準確度。本研究中使用1－VR和SECV對模型預測效果進行評價。從表4中可以得出，近紅外模型的1－VR均略小于r2，說明所建模型不存在過擬合現象［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、總評分分別 1 －VR 達到 0.894、0.893、0.816、0.888、0.840。除了總評分所有模型的 SECV均小于0.75;總評分SECV為2.51，相對于其較大的測定平均值(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，但同時其 SECV也較低分別為0.022、0.243，可以適用于較低水平的預測。以上數據表明所建模型具有較高的預測能力和預測精度。

3 討論

目前國外有學者利用近紅外技術預測食品最終品質。Rubenthaler等［10］利用近紅外光譜對面包特性進行了研究，指出近紅外反射光譜和面包體積的線性相關系數為0.896(校準系數)，標準估計誤差(SEC)為48 cm3。Mutlu 等［11］利用近紅外反射光譜結合人工神經網絡用于預測面包體積、面包重量，預測決定系數分別為0.687、0.714，預測標準誤差分別為 0.978、1.002。Jirsa 等［12］在利用近紅外光譜分析制粉和烘烤參數也指出NIRS可以預測面團的變形能量、發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酵食品，在某種意義上具有相同點，本研究所建饅頭評分近紅外模型的r2在0.60～0.93之間，類比國外學者利用近紅外對面包特性的研究，本研究所建模型預測參數更多，預測能力更好。國外的相關報道說明利用近紅外技術對食品最終品質的預測研究是食品品質快速測定研究的一個方向，目前國內外尚未見使用近紅外光譜技術研究饅頭品質的相關報道。饅頭是我國的主要主食食品，本研究首次研究了利用近紅外光譜預測饅頭品質的可行性，具有一定的創新性和指導意義。

4 結論

本研究探討了利用小麥粉近紅外光譜預測高徑比、比容、色澤、外觀性狀、表面結構、內部結構、彈性、韌性、黏性、氣味、總評分11項饅頭評分的可行性。建立的近紅外光譜最終模型取得了較高的定標決定系數，除了比容其他參數的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SECV值較小，表明所建模型具有較高的預測能力和預測精度。研究結果表明利用近紅外方法預測饅頭品質參數具有可行性。

［1］蘇東民.堅持民族文化傳統依靠自主科技創新推進饅頭生產經營產業化［J］.河南工業大學學報，2007，2(2):11－18

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

［3］孫通，徐惠榮，應義斌.近紅外光譜分析技術在農產品、食品品質在線無損檢測中的應用研究進展［J］.光譜學與光譜分析，2009，29(1):122 －126

［4］張勇，叢茜，謝云飛，等.Nirs分析技術在農業中的應用進展［J］.農業工程學報，2007，23(10):285－290

［5］李桂峰.近紅外光譜技術及其在農業和食品檢測中的應用［J］.農業與技術近紅外光譜技術及其在農業和食品檢測中的應用，2007，27(5):91 －93

［6］嚴衍祿，趙龍蓮，李軍會.現代近紅外光譜分析的信息處理技術［J］.光譜學與光譜分析，2000(6):777－780

［7］王學東，沈炯，李慶龍.小麥粉品質與饅頭品質的相關性研究［J］.糧食與飼料工業，2007(3):10－12

［8］姜薇莉，孫輝，凌家煜.粉質質量指數(fqn)對于評價小麥粉品質的實用價值研究［J］.中國糧油學報，2004，19(2):42－48

［9］陸婉珍.現代近紅外光譜分析技術［M］.北京:中國石化出版社，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.