本文關(guān)鍵詞：基于近紅外光譜技術(shù)快速檢測稻米營養(yǎng)品質(zhì)和加工精度的研究

  更多相關(guān)文章： 稻米 近紅外光譜技術(shù) 營養(yǎng)品質(zhì) 加工精度 模型 預測

【摘要】：稻米的主要營養(yǎng)成分大多分布在米糠層,會隨著加工而被碾除,使營養(yǎng)成分不能被充分利用;現(xiàn)階段,人們開始關(guān)注全谷物的營養(yǎng)價值,因此研究加工精度對稻米品質(zhì)特性的影響具有現(xiàn)實意義,但研究所使用的方法比較耗時、耗力、污染環(huán)境。近紅外光譜技術(shù)是一種快速、簡捷、方便、無破壞、無污染的檢測技術(shù),本文采用近紅外光譜技術(shù)研究不同加工精度稻米的品質(zhì)特性及加工精度,建立稻米的營養(yǎng)品質(zhì)及加工精度的預測模型,結(jié)果表明:1.選取黃花粘、湘晚13、金優(yōu)207、早秈四個品種稻米,實驗室模擬不同加工精度得到60個稻米樣品,研究碾磨度對營養(yǎng)及感官品質(zhì)的影響,分析粗脂肪、粗蛋白、灰分、植酸及色度與碾磨度(DOM)的相關(guān)性,結(jié)果表明稻米的碾磨時間與碾磨度呈線性相關(guān),且品種間變化趨勢存在顯著差異(p0.05)。隨著稻米碾磨度的提高,與營養(yǎng)相關(guān)的蛋白質(zhì)、脂肪、灰分、植酸等化學成分含量降低,而影響感官品質(zhì)的亮度值逐漸升高;DOM與植酸、粗蛋白、灰分、粗脂肪、黃藍色調(diào)b*之間存在極顯著的負相關(guān)性,與稻米亮度L之間存在極顯著的正相關(guān),與碾磨度DOM的相關(guān)性順序為植酸(PA)色度b*灰分粗脂肪亮度L*粗蛋白色度a*。2.選取20個稻谷品種,進行篩選、礱谷,碾米得實驗室條件下的154個不同加工精度稻米,并收集湖南大型米業(yè)加工廠中試條件下19個不同加工精度稻米樣品,共計173個不同加工精度稻米樣品。應(yīng)用FOSS公司XDS型近紅外儀和perten公司DA7200型近紅外儀,分別對173個稻米樣品進行顆粒樣品及米粉樣品的掃描,建立各營養(yǎng)指標的預測模型,對粗脂肪、灰分及植酸三個指標同時進行了絕干基礎(chǔ)與風干基礎(chǔ)數(shù)據(jù)建模并比較模型的優(yōu)劣。結(jié)果顯示,XDS近紅外儀器建立的模型優(yōu)于DA7200型儀器建立的模型,但都可以用于實際應(yīng)用。XDS型近紅外儀器所建模型,米粉模型優(yōu)于顆粒模型,且米粉模型中風干基礎(chǔ)與絕干基礎(chǔ)指標模型參數(shù)沒有顯著性差異,稻米顆粒干物質(zhì)基礎(chǔ)模型較優(yōu)于風干基礎(chǔ)模型,各指標的建標模型的相關(guān)系數(shù)RSQcal(除了DOM的RSQcal為0.924)均0.96。DA7200型近紅外儀器所建模型,米粉與顆粒模型的結(jié)果相當。3.為了實現(xiàn)在線監(jiān)測,本試驗應(yīng)用DA7200近紅外儀器建立對稻米加工精度的預測模型,通過閾值法定量預測加工精度時,應(yīng)用粗脂肪與植酸含量預測加工精度的準確性最高,均為84.21%,灰分預測加工精度的準確性為73.68%,色度(L*,a*及b*)預測加工精度的準確性分別為78.95%,68.42%及78.95%,DOM預測加工精度的準確率為78.95%。通過PLS-DA法預測加工精度時準確率達89.47%,高于閾值法的預測結(jié)果。綜上所述,通過近紅外光譜技術(shù)可以快速、簡捷、無損害的預測不同加工精度稻米的品質(zhì)特性;通過PLS-DA法可以實現(xiàn)在線監(jiān)測大米的加工精度,該法簡單易操作,同時避免了人工方法導致的一些誤差,這為稻米的加工提供了更全面的理論性依據(jù)。
【關(guān)鍵詞】：稻米 近紅外光譜技術(shù) 營養(yǎng)品質(zhì) 加工精度 模型 預測
【學位授予單位】：甘肅農(nóng)業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TS210;O657.33
【目錄】：

• 摘要3-5
• Summary5-7
• 縮略表7-11
• 第一章 文獻綜述11-19
• 1 國內(nèi)外稻米生產(chǎn)及消費11
• 2 稻米結(jié)構(gòu)及加工工藝11-13
• 2.1 稻谷結(jié)構(gòu)11-12
• 2.2 稻米的加工工藝12-13
• 3 大米加工等級的判斷13
• 4 加工精度等級與大米品質(zhì)的關(guān)系13-15
• 5 近紅外光譜技術(shù)15-19
• 5.1 近紅外光譜（NIR）技術(shù)的發(fā)展史15-16
• 5.2 近紅外技術(shù)在稻米中的研究現(xiàn)狀16-19
• 第二章 本研究的立體依據(jù)、研究內(nèi)容和技術(shù)路線19-21
• 1 立題依據(jù)19
• 2 研究內(nèi)容19-20
• 3 技術(shù)路線20-21
• 第三章 試驗研究21-99
• 試驗一 稻米加工精度與品質(zhì)特性的相關(guān)性研究21-31
• 1 材料和方法21-22
• 1.1 樣品采集與處理21
• 1.2 實驗儀器21-22
• 1.3 實驗方法22
• 1.4 數(shù)據(jù)處理22
• 2 結(jié)果與分析22-30
• 2.1 糙米的物理性質(zhì)22-23
• 2.2 碾磨時間與加工精度的關(guān)系23-25
• 2.3 加工精度對植酸含量的影響25-26
• 2.4 加工精度對粗蛋白質(zhì)含量的影響26
• 2.5 加工精度對粗脂肪含量的影響26-27
• 2.6 加工精度對粗灰分含量的影響27-28
• 2.7 加工精度對色度的影響28-29
• 2.8 加工精度與各指標的相關(guān)性分析29-30
• 3 小結(jié)30-31
• 試驗二 FOSS近紅外儀建立稻米營養(yǎng)品質(zhì)的模型研究31-68
• 1 材料與方法31-33
• 1.1 樣品采集與處理31
• 1.2 實驗儀器31
• 1.3 測定方法31
• 1.4 近紅外掃描31-32
• 1.5 模型的建立32
• 1.6 近紅外光譜定標模型的驗證32
• 1.7 數(shù)據(jù)處理32-33
• 2 結(jié)果與分析33-67
• 2.1 建模樣品的化學分析結(jié)果33
• 2.2 樣品原始光譜圖33-34
• 2.3 稻米樣品植酸定量模型的建立34-35
• 2.4 稻米樣品植酸模型的優(yōu)化分析35-41
• 2.5 稻米樣品灰分模型的參數(shù)優(yōu)化41-45
• 2.6 稻米樣品粗脂肪定量模型的參數(shù)優(yōu)化45-50
• 2.7 不同加工精度稻米色度的定量模型優(yōu)化分析50-56
• 2.8 不同加工精度稻米水分的定量模型優(yōu)化56-58
• 2.9 不同加工精度稻米碾磨度DOM的定量模型優(yōu)化58-61
• 2.10 模型的外部驗證61-67
• 3 小結(jié)67-68
• 試驗三 perten近紅外儀器的定量模型的研究68-89
• 1 材料與方法68-69
• 1.1 樣品采集與處理68
• 1.2 近紅外掃描68
• 1.3 模型的建立68-69
• 1.4 近紅外光譜定標模型的驗證69
• 2 結(jié)果與分析69-88
• 2.1 樣品原始光譜圖69-70
• 2.2 不同加工精度稻米顆粒及米粉樣品植酸定標模型70-72
• 2.3 不同加工精度稻米米粉及顆粒樣品灰分定標模型72-74
• 2.4 不同加工精度稻米米粉與顆粒樣品粗脂肪定標模型74-76
• 2.5 不同加工精度稻米米粉與顆粒樣品水分定標模型76-77
• 2.6 不同加工精度稻米米粉與顆粒樣品色度（L*、a*、b*值）定標模型77-80
• 2.7 不同加工精度稻米米粉與顆粒樣品碾磨度DOM定標模型80-82
• 2.8 米粉及顆粒模型的最佳模型參數(shù)82-83
• 2.9 最優(yōu)模型的外部驗證結(jié)果83-88
• 3 小結(jié)88-89
• 實驗四 近紅外光譜技術(shù)對稻米加工精度的定性研究89-99
• 1 材料與方法89-90
• 1.1 樣品采集與處理89
• 1.2 光譜采集89
• 1.3 閾值分析法89-90
• 1.4 偏最小二乘判別分析（PLS-DA）法90
• 2 結(jié)果與分析90-98
• 2.1 各營養(yǎng)品質(zhì)指標與加工精度的關(guān)系90-91
• 2.2 加工精度的定量預測91-95
• 2.3 PLS-DA法預測加工精度95-98
• 3 小結(jié)98-99
• 第四章 全文總結(jié)99-101
• 1 總體結(jié)論99
• 2 論文創(chuàng)新點99-100
• 3 存在的問題100-101
• 致謝101-102
• 參考文獻102-108
• 附表108-181
• 作者簡介181-182
• 導師簡介182-183

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張美;楊登想;張叢蘭;楊芳;;不同品種大米營養(yǎng)成分測定及主成分分析[J];食品科技;2014年08期

2 周子立;馮雷;;光譜技術(shù)結(jié)合數(shù)據(jù)處理技術(shù)測定大米中淀粉和蛋白含量[J];軟件工程師;2014年07期

3 唐果;田曠達;李祖紅;鄭波;閔順耕;;近紅外光譜結(jié)合PLS-DA劃分煙葉等級[J];煙草科技;2013年04期

4 張?zhí)m;黃忠;黃文琦;蔣瑞芳;龍智翔;;稻米加工過程營養(yǎng)成分流失研究[J];安徽農(nóng)業(yè)科學;2012年34期

5 李富華;郭曉暉;夏春燕;陳龍;令博;明建;;全谷物酚類化合物抗氧化活性研究進展[J];食品科學;2012年13期

6 周會會;朱科學;彭偉;周惠明;;小麥中植物化學素的研究進展[J];糧食與食品工業(yè);2012年01期

7 呂慧;張正竹;王勝鵬;戚麗;林茂先;;基于近紅外光譜技術(shù)的大米品質(zhì)分析與種類鑒別[J];食品工業(yè)科技;2012年03期

8 賈衛(wèi)昌;;谷物加工過程對營養(yǎng)素的影響[J];糧食與食品工業(yè);2011年04期

9 姚惠源;;糧食加工科學與技術(shù)發(fā)展研究(摘錄)[J];糧食與飼料工業(yè);2011年05期

10 劉化;王輝;;稻谷的生產(chǎn)和加工技術(shù)[J];糧食與飼料工業(yè);2011年05期

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 張斌;稻米氨基酸含量的近紅外定標模型的創(chuàng)建及應(yīng)用[D];浙江大學;2010年

2 王傳梁;基于近紅外漫反射光譜分析技術(shù)的大米加工精度檢測方法的研究[D];南京農(nóng)業(yè)大學;2007年

，

本文編號：614146