基于近红外光谱技术快速检测稻米营养品质和加工精度的研究

发布时间：2017-08-03 11:24

  本文关键词：基于近红外光谱技术快速检测稻米营养品质和加工精度的研究

  更多相关文章： 稻米 近红外光谱技术 营养品质 加工精度 模型 预测

【摘要】：稻米的主要营养成分大多分布在米糠层,会随着加工而被碾除,使营养成分不能被充分利用;现阶段,人们开始关注全谷物的营养价值,因此研究加工精度对稻米品质特性的影响具有现实意义,但研究所使用的方法比较耗时、耗力、污染环境。近红外光谱技术是一种快速、简捷、方便、无破坏、无污染的检测技术,本文采用近红外光谱技术研究不同加工精度稻米的品质特性及加工精度,建立稻米的营养品质及加工精度的预测模型,结果表明:1.选取黄花粘、湘晚13、金优207、早籼四个品种稻米,实验室模拟不同加工精度得到60个稻米样品,研究碾磨度对营养及感官品质的影响,分析粗脂肪、粗蛋白、灰分、植酸及色度与碾磨度(DOM)的相关性,结果表明稻米的碾磨时间与碾磨度呈线性相关,且品种间变化趋势存在显著差异(p0.05)。随着稻米碾磨度的提高,与营养相关的蛋白质、脂肪、灰分、植酸等化学成分含量降低,而影响感官品质的亮度值逐渐升高;DOM与植酸、粗蛋白、灰分、粗脂肪、黄蓝色调b*之间存在极显著的负相关性,与稻米亮度L之间存在极显著的正相关,与碾磨度DOM的相关性顺序为植酸(PA)色度b*灰分粗脂肪亮度L*粗蛋白色度a*。2.选取20个稻谷品种,进行筛选、砻谷,碾米得实验室条件下的154个不同加工精度稻米,并收集湖南大型米业加工厂中试条件下19个不同加工精度稻米样品,共计173个不同加工精度稻米样品。应用FOSS公司XDS型近红外仪和perten公司DA7200型近红外仪,分别对173个稻米样品进行颗粒样品及米粉样品的扫描,建立各营养指标的预测模型,对粗脂肪、灰分及植酸三个指标同时进行了绝干基础与风干基础数据建模并比较模型的优劣。结果显示,XDS近红外仪器建立的模型优于DA7200型仪器建立的模型,但都可以用于实际应用。XDS型近红外仪器所建模型,米粉模型优于颗粒模型,且米粉模型中风干基础与绝干基础指标模型参数没有显著性差异,稻米颗粒干物质基础模型较优于风干基础模型,各指标的建标模型的相关系数RSQcal(除了DOM的RSQcal为0.924)均0.96。DA7200型近红外仪器所建模型,米粉与颗粒模型的结果相当。3.为了实现在线监测,本试验应用DA7200近红外仪器建立对稻米加工精度的预测模型,通过阈值法定量预测加工精度时,应用粗脂肪与植酸含量预测加工精度的准确性最高,均为84.21%,灰分预测加工精度的准确性为73.68%,色度(L*,a*及b*)预测加工精度的准确性分别为78.95%,68.42%及78.95%,DOM预测加工精度的准确率为78.95%。通过PLS-DA法预测加工精度时准确率达89.47%,高于阈值法的预测结果。综上所述,通过近红外光谱技术可以快速、简捷、无损害的预测不同加工精度稻米的品质特性;通过PLS-DA法可以实现在线监测大米的加工精度,该法简单易操作,同时避免了人工方法导致的一些误差,这为稻米的加工提供了更全面的理论性依据。
【关键词】：稻米 近红外光谱技术 营养品质 加工精度 模型 预测
【学位授予单位】：甘肃农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TS210;O657.33
【目录】：

• 摘要3-5
• Summary5-7
• 缩略表7-11
• 第一章 文献综述11-19
• 1 国内外稻米生产及消费11
• 2 稻米结构及加工工艺11-13
• 2.1 稻谷结构11-12
• 2.2 稻米的加工工艺12-13
• 3 大米加工等级的判断13
• 4 加工精度等级与大米品质的关系13-15
• 5 近红外光谱技术15-19
• 5.1 近红外光谱（NIR）技术的发展史15-16
• 5.2 近红外技术在稻米中的研究现状16-19
• 第二章 本研究的立体依据、研究内容和技术路线19-21
• 1 立题依据19
• 2 研究内容19-20
• 3 技术路线20-21
• 第三章 试验研究21-99
• 试验一 稻米加工精度与品质特性的相关性研究21-31
• 1 材料和方法21-22
• 1.1 样品采集与处理21
• 1.2 实验仪器21-22
• 1.3 实验方法22
• 1.4 数据处理22
• 2 结果与分析22-30
• 2.1 糙米的物理性质22-23
• 2.2 碾磨时间与加工精度的关系23-25
• 2.3 加工精度对植酸含量的影响25-26
• 2.4 加工精度对粗蛋白质含量的影响26
• 2.5 加工精度对粗脂肪含量的影响26-27
• 2.6 加工精度对粗灰分含量的影响27-28
• 2.7 加工精度对色度的影响28-29
• 2.8 加工精度与各指标的相关性分析29-30
• 3 小结30-31
• 试验二 FOSS近红外仪建立稻米营养品质的模型研究31-68
• 1 材料与方法31-33
• 1.1 样品采集与处理31
• 1.2 实验仪器31
• 1.3 测定方法31
• 1.4 近红外扫描31-32
• 1.5 模型的建立32
• 1.6 近红外光谱定标模型的验证32
• 1.7 数据处理32-33
• 2 结果与分析33-67
• 2.1 建模样品的化学分析结果33
• 2.2 样品原始光谱图33-34
• 2.3 稻米样品植酸定量模型的建立34-35
• 2.4 稻米样品植酸模型的优化分析35-41
• 2.5 稻米样品灰分模型的参数优化41-45
• 2.6 稻米样品粗脂肪定量模型的参数优化45-50
• 2.7 不同加工精度稻米色度的定量模型优化分析50-56
• 2.8 不同加工精度稻米水分的定量模型优化56-58
• 2.9 不同加工精度稻米碾磨度DOM的定量模型优化58-61
• 2.10 模型的外部验证61-67
• 3 小结67-68
• 试验三 perten近红外仪器的定量模型的研究68-89
• 1 材料与方法68-69
• 1.1 样品采集与处理68
• 1.2 近红外扫描68
• 1.3 模型的建立68-69
• 1.4 近红外光谱定标模型的验证69
• 2 结果与分析69-88
• 2.1 样品原始光谱图69-70
• 2.2 不同加工精度稻米颗粒及米粉样品植酸定标模型70-72
• 2.3 不同加工精度稻米米粉及颗粒样品灰分定标模型72-74
• 2.4 不同加工精度稻米米粉与颗粒样品粗脂肪定标模型74-76
• 2.5 不同加工精度稻米米粉与颗粒样品水分定标模型76-77
• 2.6 不同加工精度稻米米粉与颗粒样品色度（L*、a*、b*值）定标模型77-80
• 2.7 不同加工精度稻米米粉与颗粒样品碾磨度DOM定标模型80-82
• 2.8 米粉及颗粒模型的最佳模型参数82-83
• 2.9 最优模型的外部验证结果83-88
• 3 小结88-89
• 实验四 近红外光谱技术对稻米加工精度的定性研究89-99
• 1 材料与方法89-90
• 1.1 样品采集与处理89
• 1.2 光谱采集89
• 1.3 阈值分析法89-90
• 1.4 偏最小二乘判别分析（PLS-DA）法90
• 2 结果与分析90-98
• 2.1 各营养品质指标与加工精度的关系90-91
• 2.2 加工精度的定量预测91-95
• 2.3 PLS-DA法预测加工精度95-98
• 3 小结98-99
• 第四章 全文总结99-101
• 1 总体结论99
• 2 论文创新点99-100
• 3 存在的问题100-101
• 致谢101-102
• 参考文献102-108
• 附表108-181
• 作者简介181-182
• 导师简介182-183

【参考文献】

中国期刊全文数据库 前10条

1 张美;杨登想;张丛兰;杨芳;;不同品种大米营养成分测定及主成分分析[J];食品科技;2014年08期

2 周子立;冯雷;;光谱技术结合数据处理技术测定大米中淀粉和蛋白含量[J];软件工程师;2014年07期

3 唐果;田旷达;李祖红;郑波;闵顺耕;;近红外光谱结合PLS-DA划分烟叶等级[J];烟草科技;2013年04期

4 张兰;黄忠;黄文琦;蒋瑞芳;龙智翔;;稻米加工过程营养成分流失研究[J];安徽农业科学;2012年34期

5 李富华;郭晓晖;夏春燕;陈龙;令博;明建;;全谷物酚类化合物抗氧化活性研究进展[J];食品科学;2012年13期

6 周会会;朱科学;彭伟;周惠明;;小麦中植物化学素的研究进展[J];粮食与食品工业;2012年01期

7 吕慧;张正竹;王胜鹏;戚丽;林茂先;;基于近红外光谱技术的大米品质分析与种类鉴别[J];食品工业科技;2012年03期

8 贾卫昌;;谷物加工过程对营养素的影响[J];粮食与食品工业;2011年04期

9 姚惠源;;粮食加工科学与技术发展研究(摘录)[J];粮食与饲料工业;2011年05期

10 刘化;王辉;;稻谷的生产和加工技术[J];粮食与饲料工业;2011年05期

中国硕士学位论文全文数据库 前2条

1 张斌;稻米氨基酸含量的近红外定标模型的创建及应用[D];浙江大学;2010年

2 王传梁;基于近红外漫反射光谱分析技术的大米加工精度检测方法的研究[D];南京农业大学;2007年

，

本文编号：614146