CN104914223A - 一种花生酱用花生的品质测定方法及其评价方法 - Google Patents

Abstract

本发明涉及一种花生酱用花生的品质测定方法和评价方法，该方法包括以下步骤：测定待测花生的百仁重、粗脂肪含量、粗蛋白含量、油酸/亚油酸比值(O/L)和总维生素E含量；将上述各测定值代入下式，即得花生酱用花生的品质综合值Y综合：Y综合＝1.371001-0.00941×百仁重+0.00852×粗蛋白含量-0.01506×粗脂肪含量+0.03546×总维生素E含量+0.04408×O/L。利用此种品质测定方法和评价方法可以预测某一花生品种是否适宜加工成花生酱，以克服现有花生酱加工业采用混杂品种生产花生酱所造成的资源浪费和经济损失。

Description

一种花生酱用花生的品质测定方法及其评价方法

技术领域

本发明涉及花生品质评价方法，特别涉及一种花生酱用花生的品质测定方法及其评价方法。

背景技术

我国花生品种众多，且富含脂肪、蛋白质和维生素等营养成分，其中蛋白质含量为12.48-36.82％，脂肪含量为32.2％-60.2％，且脂肪中含有丰富的不饱和脂肪酸，含量可达80％，素有“长生果”、“植物肉”等诸多美称。

花生酱富含植物蛋白、维生素(烟酸、维生素E等)和矿物质等，营养丰富、风味独特，是很好的佐餐和调味品。近几年我国花生酱的消费量有逐渐增加的趋势，受到广大消费者一致的认可。目前，花生酱的加工工艺已达成熟，其品质尤其是贮藏稳定性品质人们也一直在研究。

然而，不同品种花生品质差异显著，因此深入研究不同花生品种品质特性，筛选出具有优质花生酱的花生品种是花生产业的一个重要发展方向。花生酱作为未来发展的趋势之一蕴藏着巨大的潜力和商机，但是在花生原料对花生酱品质的影响、适宜加工花生酱用花生品种品质研究方面尚未见报道。

发明内容

本发明的目的是提供一种花生酱用花生的品质测定方法及其评价方法，利用此种品质测定方法和评价方法可以预测某一花生品种是否适宜加工成花生酱，以克服现有花生酱加工业采用混杂品种生产花生酱所造成的资源浪费和经济损失。

为达到上述目的，具体采用如下的技术方案：

一种花生酱用花生的品质测定方法，包括如下步骤：

测定待测花生的百仁重、粗脂肪含量、粗蛋白含量、油酸/亚油酸比值(O/L)和总维生素E含量；其中粗脂肪含量、粗蛋白含量和总维生素E含量分别为粗脂肪、粗蛋白和总维生素E占待测花生的质量百分含量；

将上述各测定值代入下式，即得花生酱用花生的品质综合值Y综合：

Y综合＝1.371001-0.00941×百仁重+0.00852×粗蛋白含量-0.01506×粗脂肪含量+0.03546×总维生素E含量+0.04408×O/L。

本发明所述的百仁重为大小相同的一百粒花生的克数。

本发明还进一步提供了一种花生酱用花生的品质评价方法，根据上述方法得到的Y综合，按照下述1)～3)的标准对待测花生进行分类：

1)若该花生的Y综合≥0.90，则待测花生适宜花生酱加工；

2)若该花生的Y综合为0.90～-0.38，则待测花生基本适宜花生酱加工；

3)若该花生的Y综合≤-0.38，则待测花生不适宜花生酱加工。

本发明提供的一种花生酱用花生品质测定方法及其评价方法，其优点在于：

(1)发明通过一种花生酱用花生品质测定方法及其评价方法，可监控和预测花生酱加工的适宜性及品质质量，分析方法简单，标准化程度高，通过模型验证证实其客观、准确地反映了花生品种是否适宜加工花生酱，在生产实践中简便易行。

(2)运用花生的理化指标进行评价，避免了因感官评价中的个体差异及嗜好等人为因素造成的偏差，更能客观地反映产品的品质，为花生酱加工适宜性的评价提供理论依据和技术支撑。

(3)采用该模型为预测花生酱加工品质的关键指标及适宜加工花生酱用花生专用品种的筛选奠定基础，也可避免企业在生产花生酱时盲目选择花生品种，同时为育种研究者提供理论依据及参考。

附图说明

图1为原始值与计算值的拟合图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到；实验方法如无特殊说明，均为常规方法。

下述实施例每步骤的数据处理都是采用t检验方法，p≤0.05认为结果显著差异，整个数据处理是采用SPSS 18.0和SAS 9.1软件。

实施例1

一种花生酱用花生的品质测定方法，经过如下步骤：

(1)采用常规方法测定花生样品的百仁重、粗蛋白含量、粗脂肪含量、O/L值和总-VE含量，如表A所示。

表A待测花生品种的品质分析

(2)将上述步骤(1)的五个指标的化学值(此处的化学值指的是各个品种的平均值，即表A中的数据)代入已建模型公式(1)中，得到花生酱品质Y综合值如表B所示，例如对于桂花17，分别将百仁重(69.7)、粗蛋白含量(19.19)、粗脂肪含量(57.47)、O/L值(1.08)和总-VE含量(13.53)，代入公式(1)中。

公式(1)如下：Y综合＝1.371001-0.00941×百仁重+0.00852×粗蛋白含量-0.01506×粗脂肪含量+0.03546×总维生素E含量+0.04408×O/L。

表B待测品种花生酱品质Y综合值

(3)采用上述步骤(2)的花生酱Y综合值，与适宜性评价标准比对，最终得品种桂花26、桂花99的Y综合值≥0.90，符合适宜性评价标准中的适宜一项。

(4)根据上述步骤(3)的结果，确定最适宜加工花生酱的品种为桂花26。

本实施例通过测定广西花生品种桂花26的五个品质指标，计算得花生酱品质的Y综合值为0.931782；根据花生酱适宜性的评价模型及标准最终确定桂花26最适宜加工花生酱。

实施例2：一种适宜花生酱用花生品质评价模型的建立

1、花生品质的测定

取2013年收获的花生样品26个(符合花生群体的常态分布规律，如表1所示)；

表1 26个花生品种

测定各品种的感官品质、理化营养品质及加工品质指标共24个指标；对所选24个花生品种基本数据的变化范围、均值、标准差、变异系数进行分析，结果如表2所示；

表2 花生品种的品质特性

变异系数是衡量一组数据中变化程度的一个统计量，粗脂肪、粗蛋白质、灰分、红衣等四个指标的变异系数<10％(分别为7.76％、9.13％、8.96％、9.30％)，变异系数较小，说明它们的离散程度较小；其它指标的变异系数较大，这说明不同品种花生很多品质差异较大。

2、花生酱品质评价指标分析

2.1花生酱相关性分析

本文采用相关性分析、主成分分析与回归分析建立花生原料特性与花生酱品质间的相关关系，首先从26个品种中随机选取20个品种作为建立模型集，剩余6个品种作为验证模型集。

首先，将20个品种花生酱19个指标进行相关性分析，结果见表3，脂肪、总糖与硬度、粘度、过氧化值呈显著负相关，脂肪含量越高，其花生酱硬度和粘度越差，反之，总糖含量越高，其花生酱的粘度和硬度越好，可能是影响花生酱的重要指标。根据相关性分析可知，除水分、灰分，其余指标均有显著性差异，因此删除水分、灰分、总糖、亚油酸、硬度、H值，起到初步降维的作用，也说明了这些指标之间关系密切，一种指标可以制约或增加另一种指标的变化，相互制约，此消彼长。因此，根据相关性分析，选择对花生酱品质影响较大的指标进行主成分分析。

表3 20个品种花生酱相关性分析

注：**：表示极显著相关(P<0.01)；*：表示显著相关(P<0.05)

2.2花生酱主成分分析

花生酱品质指标中有的指标越大酱的品质越好，有的指标越小酱的品质越好；为了后续计算方便，将26个品种花生酱的所有评价指标都变为越大越好，然后将已处理的原始数据采用SPSS软件对20个品种花生酱的19个指标进行标准化处理，作为建立模型的数据。花生酱综合值利用主成分分析所得。

各主成分值的计算为：Yn＝am1×x1+am2×x2+……+ami×xi

其中，Yn——各个主成分的综合值；

ami——各指标在该主成分中的特征向量；

综合主成分值的计算：Y＝R1×Y1+R2×Y2+……+Rn×Yn

其中，Y——综合主成分值；

Rn——各主成分贡献率占所提取主成分总的贡献率的比例。

根据上述公式对20个品种花生酱的19个指标进行主成分分析，最终得主成分值如表4所示。

通过主成分分析发现，前6个主成分的累计贡献率为84.87％，根据主成分分析的累计贡献率在85％左右的基本原则，由原来的14个指标转化为6个新指标，起到了降维的作用。根据2.2中的主成分分析公式计算各个主成分与各个自变量之间的关系，其结果见表5。

表4 相关矩阵的特征值

表5 各个主成分得分

2.3有监督主成分回归分析建立模型

2.3.1原料特性与花生酱综合值的相关性分析

将20个品种的花生特性26指标(果形、百果重、粗脂肪、粗蛋白等)与花生酱综合值进行相关性分析(如表6所示)，可知粗脂肪、总糖、α-V_E等指标与花生酱综合值呈显著相关性，可能是影响花生酱品质的重要指标。

表6 花生品质与花生酱综合值间的相关性分析

注：**：表示极显著相关(P<0.01)；*：表示显著相关(P<0.05)

2.3.2主成分回归建立模型

采用主成分回归分析建立模型，从26个品种花生酱中随机选取20个品种花生酱进行模型建立，剩余6个作为验证模型。

(1)适宜加工花生酱的花生特性指标筛选

按照回归分析的思想，将花生特性单个指标与花生酱综合值进行回归系数显著性分析，发现10个指标在0.05水平上与花生酱综合值呈显著关系(表7)。

表7 花生特性与花生酱综合值回归显著性分析

注：**：表示极显著相关(P<0.01)；*：表示显著相关(P<0.05)

(2)花生品质间相关性分析

将筛选出来的10个花生特性指标进行相关性分析(表8)，对于在0.05水平上显著，相关系数大于0.05的指标，用其中一个指标表示另一个指标，故保留的指标为脂肪、蛋白、百仁重、O/L和总-V_E。

表8 花生特性间相关性分析

注：**：表示极显著相关(P<0.01)；*：表示显著相关(P<0.05)

(3)主成分分析

将筛选出来的5个指标进行主成分分析，降维(见表9)。

表9 相关矩阵的特征值

通过主成分分析发现，前4个主成分的累积贡献率维91.07％，远远大于85％(主成分分析的基本原则)，故前4个主成分可以表达原来主成分的信息，由原来的5个指标转化为4个，起到了降维的作用。根据2.2公式计算各个主成分与各个自变量之间的关系，其结果见表10。

表10 各个主成分得分

(4)回归方程的建立

根据回归分析发现上述4个主成分与花生酱综合值的回归系数在0.05水平上第一主成分与第二主成分具有显著性(表11)，因此，建立各个花生特性指标与花生酱综合值之间的关系，该模型的决定系数R＝0.818，进而建立各个指标与花生酱综合值的关系，结果见公式1：

表11 回归系数显著性

Y综合＝1.371001-0.00941×百仁重+0.00852×粗蛋白-0.01506×粗脂肪+0.03546×总VE+0.044080×O/L    (公式1)

2.3.3模型的验证

采用剩余6个品种进行模型验证，用其来验证所建模型的准确性及推广适用性。将6个花生品种的百仁重、粗脂肪、粗蛋白、总VE和O/L等5个指标代入公式，计算6个品种的花生酱综合值，并将模型计算结果与花生酱综合值进行回归分析，二者的相关系数R²＝0.7883(图1)。

2.4适宜加工花生酱用花生特性评价标准及适宜性分析

2.4.1花生酱分类标准划分

将建立模型和预测模型共26个品种的花生酱综合值进行聚类分析(分类数为3)，其中花生酱综合值的原始数据如下表12，由前面的分析结果可知，花生酱综合值越大越好，将26个花生品种划分为适宜、基本适宜和不适宜三类(表13)，作为适宜加工花生酱花生特性评价标准的依据。

表12花生酱综合值的原始数据

表13花生酱适宜性分析

2.4.2适宜加工花生酱花生特性评价指标权重的确定

适宜加工花生酱用花生品质评价模型中确定的5个品质进行相关性分析(表14)，各指标权重是各指标重要性的主要依据，因此采用相关系数进一步确定各个指标的权重，即将26个花生加工品质评价指标之间的相关系数和进行归一化处理，确定其权重。

表14相关系数计算权重

2.4.3适宜加工花生酱花生特性评价标准分析

(1)评价指标等级标准划分

将26个花生品种的5个特性分别进行K-means聚类分析，并将每个指标分为3类，即I级(适宜)、II级(基本适宜)、III级(不适宜)，并以2.4.2确定各个指标的权重作为其最高得分(表15)，即I级，其余依次类推，赋予各等级指标相应的分值。

表15各个指标各个等级适宜性

(2)各品种资源最终得分分类

以各性状指标得分之和作为各品种资源的最终得分，并将各个品种的最终得分分为3类，即I级(适宜)、II级(基本适宜)、III级(不适宜)(表16)。

表16各个品种赋值等级划分

将表16结果与表13的结果进行比较，二者匹配度：适宜为80％，基本适宜为88％，不适宜为66％，该评价结果较好，适合作为适宜加工花生酱用花生品质评价标准。

虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (2)

1.一种花生酱用花生的品质测定方法，其特征在于，包括如下步骤：

测定待测花生的百仁重、粗脂肪含量、粗蛋白含量、油酸/亚油酸比值和总维生素E含量；其中粗脂肪含量、粗蛋白含量和总维生素E含量分别为粗脂肪、粗蛋白和总维生素E占待测花生的质量百分含量；

将上述各测定值代入下式，即得花生酱用花生的品质综合值Y综合：

Y综合＝1.371001-0.00941×百仁重+0.00852×粗蛋白含量-0.01506×粗脂肪含量+0.03546×总维生素E含量+0.04408×O/L。

2.一种花生酱用花生的品质评价方法，其特征在于，根据权利要求1得到的Y综合，按照下述1)～3)的标准对待测花生进行分类：

1)若该花生的Y综合≥0.90，则待测花生适宜花生酱加工；

2)若该花生的Y综合为0.90～-0.38，则待测花生基本适宜花生酱加工；

3)若该花生的Y综合≤-0.38，则待测花生不适宜花生酱加工。