水稻是世界上最重要的糧食作物之一，隨著生活水平的提高，消費者對稻米品質(zhì)的關(guān)注日益凸顯。稻米品質(zhì)受到品種、產(chǎn)地環(huán)境、加工技術(shù)等多因素影響，外觀品質(zhì)是影響稻米在目標(biāo)市場銷售的關(guān)鍵因素。本文利用電子眼、電子舌、電子鼻對45個不同產(chǎn)地來源的稻米樣品進行外觀品質(zhì)、食味品質(zhì)分析。
材料
從市場購入45份不同品牌不同產(chǎn)地的稻米樣品，編號1-45，主要來自東北和長三角地區(qū)。人工感官評級將樣品進行分組以及賦予不同等級分數(shù)。
電子眼的形狀描述功能，能給出每組樣品中的每顆米粒大小等相關(guān)信息，結(jié)合GBT1354-2018中的碎米總量的定義，篩選出大于平均米粒大小的四分之三且面積大于1000像素的大米，統(tǒng)計其粒數(shù)，并計算在總米粒中的比例。堊白度（D）的計算參照GBT1354-2018中的公式進行，數(shù)值以百分數(shù)（%）計：
D=堊白粒率×堊白大小×100
45個稻米樣品的碎米度平均值為7.62%，堊白度的平均值為0.11%，變異系數(shù)為259.62%，表明不同樣品間的堊白度差異較大，其中8號樣品最高。樣品6，9，11，12的碎米度和堊白度均較小，且其評級為優(yōu)質(zhì)一級，表明外觀品質(zhì)優(yōu)良。
經(jīng)過篩選重要顏色頻譜進行PCA分析，樣品間的區(qū)分指數(shù)為98，說明45批大米在色澤上存在著一定的差異，電子眼能夠區(qū)分開不同的大米樣品。第一主成分軸（PC1）占67.261%，第二主成分軸（PC2）占24.5%。說明主要差異集中在橫軸上，即在橫軸上距離越遠，差異越大。樣品17，18在右下角，游離在其他樣品之外，說明與其他樣本在色澤上的差異較大。樣品3和樣品7分布在相近的區(qū)域，樣品2、8、13、15、36、37、40處在相近區(qū)域，其他剩余樣本集中在相近區(qū)域。主成分分析能顯示出45個樣本間所有的差異。（如圖1所示）
根據(jù)人工感官評級的結(jié)果，將所有樣品分成5組。01G對應(yīng)三級，02G對應(yīng)二級，03G對應(yīng)優(yōu)質(zhì)三級，04G對應(yīng)優(yōu)質(zhì)二級，05G對應(yīng)優(yōu)質(zhì)一級。將米粒破碎度及白堊度的數(shù)據(jù)引入數(shù)據(jù)庫中，新建關(guān)于色彩和形狀兩者相關(guān)的數(shù)據(jù)庫。并建立DFA聚類分析模型（如圖2所示）。可以看出，綜合了形狀和顏色之后，模型能區(qū)分出優(yōu)質(zhì)1級，優(yōu)質(zhì)2級。2級和3級大米也能區(qū)分開來，而優(yōu)質(zhì)3級大米中有的部分則與2級3級大米有部分交集。每個評級的樣品各選擇1個，投射進模型中，驗證模型的可靠性。分別選取來自5個不同等級的稻米樣品8、10、13、28，投射進模型中，可以看出模型的識別性良好，都投射到了對的分組。
如圖3所示為不同等級5組樣品的主成分分析圖，從圖中可以看出，第一主成分（PC1）與第二主成分（PC2）的貢獻率之和約為84%，此數(shù)值表明雖然在PCA上代表了樣品84%的信息，但是區(qū)分指數(shù)為-119，遠小于100，說明不同等級大米樣品之間有重疊，其中部分樣品具有相似的香氣特征，僅依靠主成分分析難以將不同等級的稻米樣品區(qū)分開。
將稻米樣品按不同級別進行分組，二級-8、三級-28、優(yōu)質(zhì)一級-4、優(yōu)質(zhì)二級-1、優(yōu)質(zhì)三級-13，運行DFA模型。不同級別的樣品可清晰地區(qū)分開來，將樣品19的一個平行樣用此模型進行識別，其被群組13-優(yōu)質(zhì)三級所識別（圖中黑色圓點），識別指數(shù)為100，后續(xù)可嘗試用于對新批次樣品進行品質(zhì)歸屬鑒別（如圖4所示）。
感官擬合模型PLS
PLS模型是一種偏最小二乘回歸分析模型，使用已知感官得分的參考樣品來設(shè)置標(biāo)準(zhǔn)曲線，并根據(jù)變量的不同權(quán)重，計算各變量的回歸系數(shù)，建立回歸方程，模型相關(guān)系數(shù)＞0.8為合格。常用來預(yù)測感官得分和評級。將大米品質(zhì)的不同級別分別對應(yīng)1-5分，并將對應(yīng)打分賦予各個樣品，而后建立PLS模型（如圖5所示）。由圖8得出，相關(guān)系數(shù)0.9013＞0.8，模型合格。將樣品19的一個平行樣在模型中投射，可得模型計算得分為3.05分，屬于優(yōu)質(zhì)三級大米，與人工評級相符，后續(xù)可嘗試用此模型對新批次樣品進行等級評價。
化合物定性
化合物的保留指數(shù)是指在某種固定相上使用正構(gòu)烷烴作為標(biāo)準(zhǔn)來衡量化合物在色譜柱上保留程度的量化值。同一種色譜柱的某一化合物的保留指數(shù)是恒定的。化合物的保留指數(shù)可經(jīng)由正構(gòu)烷烴的保留時間和化合物的保留時間計算而得到，利用兩根色譜柱不同的保留指數(shù)可達到在無標(biāo)準(zhǔn)物質(zhì)的情況下定性化合物的效果。用AroChembase數(shù)據(jù)庫對樣品中的揮發(fā)性化合物（差異色譜峰）進行定性，可能含有的化合物見表2所示。閾值的大小代表了物質(zhì)氣味的強弱，相同含量的兩種物質(zhì)，閾值越低則氣味越強。
每個稻米樣品6次平行，計算各等級樣品AHS（酸味）、PKS（通用）、CTS（咸味）、NMS（鮮味）等4個味覺傳感器得分的平均值，得到雷達圖（如圖6所示）。不同等級稻米樣品對應(yīng)4個傳感器的得分離散程度較大，表明4種傳感器可以較好的區(qū)分不同等級的稻米樣品。其中優(yōu)質(zhì)一級（分組4）AHS、PKS得分最高，NMS、CTS最小，三級（分組28）CTS得分最高。
PCA分析
傳感器的信號被整合到可以通過多維統(tǒng)計工具計算的數(shù)據(jù)矩陣中，選擇所有傳感器的信號生成基于主成分分析（PCA）的滋味分布圖（如圖7所示），它顯示了每個樣品的味道的接近程度。從圖中可以看出：第一主成分（PC1）與第二主成分（PC2）的貢獻率之和達到了89%，能很好地反映樣品的實際情況。樣品在電子舌主成分分析圖上的區(qū)分指數(shù)為-363，表明不同等級的樣品的滋味有一定重疊。
判別因子分析DFA模型
優(yōu)質(zhì)一二三級粳米對應(yīng)的品嘗評分值為90/80/70，單獨選擇優(yōu)質(zhì)一二三級樣品，并運行DFA模型。模型圖（如圖8所示）中有部分區(qū)域重疊，說明優(yōu)質(zhì)粳米間的滋味區(qū)分不明顯。其次是國標(biāo)中的品嘗評分值是結(jié)合了氣味/外觀結(jié)構(gòu)/適口性/滋味/冷飯質(zhì)地得到的綜合結(jié)果，數(shù)據(jù)的對應(yīng)上有所偏差。
圖8 45個稻米樣品的電子舌DFA模型 本研究中采集的稻米樣品雖然已經(jīng)過生產(chǎn)工序篩選，但東北地區(qū)和南方地區(qū)的樣品堊白度平均值差異顯著，東北地區(qū)0.02%，長三角地區(qū)0.18%。
基于電子眼的顏色和形狀分析功能，能結(jié)合人工評測的標(biāo)準(zhǔn)給出相似的碎米總量和白堊米含量。并基于Alphasoft中的統(tǒng)計學(xué)分析功能，對不同等級的樣本進行歸類質(zhì)控。
利用電子鼻對稻米樣品進行分析，能夠快速有效地將不同等級的樣品區(qū)分開來，利用Arochembase數(shù)據(jù)庫能夠?qū)悠返膿]發(fā)性差異氣味成分進行定性分析，可獲得揮發(fā)化合物的氣味描述以及閾值等信息。通過比對峰面積的差異 可得樣品間揮發(fā)性物質(zhì)含量的差異。建立的判別因子分析模型DFA和PLS感官擬合模型，大米樣品按等級區(qū)分開來，并且感官擬合相關(guān)系數(shù)良好，投射驗證結(jié)果表明模型可準(zhǔn)確判斷樣品的等級歸屬。
電子眼、電子鼻、電子舌的分析結(jié)果可以與人的感官評分結(jié)果進行擬合，從而實現(xiàn)未知樣品外觀表型數(shù)據(jù)及香味強度值、滋味值的預(yù)測，建立的聚類分析模型，可實現(xiàn)產(chǎn)地溯源及品種鑒定等聚類分析功能。通過同一樣品不同時期的數(shù)據(jù)采集，可以建立產(chǎn)品貨架期模型，實現(xiàn)對產(chǎn)品穩(wěn)定性的有效評價。
來源：感官科學(xué)與評定，轉(zhuǎn)載請注明來源。 參考文獻：宋宇迎,張美景,胡德榆,等.基于電子眼、電子舌、電子鼻的45個稻米樣品的品質(zhì)分析[J].黑龍江糧食,2024,(06):29-34.提醒：文章僅供參考，如有不當(dāng)，歡迎留言指正和交流。且讀者不應(yīng)該在缺乏具體的專業(yè)建議的情況下，擅自根據(jù)文章內(nèi)容采取行動，因此導(dǎo)致的損失，本運營方不負責(zé)。如文章涉及侵權(quán)或不愿我平臺發(fā)布，請聯(lián)系小編。
