CN108037256B - 稻米食味品质的快速测定方法 - Google Patents
稻米食味品质的快速测定方法 Download PDFInfo
- Publication number
- CN108037256B CN108037256B CN201711271547.5A CN201711271547A CN108037256B CN 108037256 B CN108037256 B CN 108037256B CN 201711271547 A CN201711271547 A CN 201711271547A CN 108037256 B CN108037256 B CN 108037256B
- Authority
- CN
- China
- Prior art keywords
- rice
- food flavor
- data group
- input data
- samples
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/10—Starch-containing substances, e.g. dough
Landscapes
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明提出一种稻米食味品质的快速测定方法,包括以下内容:标准稻米样品预处理后采用稻米食味专用传感器进行电化学测量,从而获取该标准稻米样品的输入数据组;利用所有标准稻米样品对应的输入数据组训练获得串联评价模型。预处理待检测稻米并获取其对应的输入数据组,将该输入数据组输入串联评价模型,从而得到该待检测稻米的食味快估值。本发明利用稻米食味专用传感器并通过电化学检测进行测量,从而避免人为品尝由主观偏差、生理疲劳等原因导致食味评分值不准确,提高了稻米食味评分值的准确性;本发明无需将待检测稻米制备米饭后进行评分,从而大幅缩短检测的时间,提高了工作效率。
Description
技术领域
本发明涉及食品分析领域,具体涉及一种稻米食味品质的快速测定方法。
背景技术
近年来,随着社会对快速、智能检测技术的需求,快速检测技术、智能检测技术的研究逐渐成为众多科学工作者追逐的热点课题。
在我国,稻米食味常用的评价方法是感官评价。稻米食味的感官评价是通过视觉、嗅觉和味觉而感知到米饭特征或性质的一种人工评价方法。感官评价法的具体步骤如下:称取一定量的稻米到饭盒,加入一定比例的纯净水,按特定方法蒸煮成米饭。品尝人员在规定时间打开饭盒盖,先通过闻鉴定米饭的气味,接着观察米粒的色泽、光泽,再通过咀嚼品尝米饭的柔软性、黏散性等滋味,最后对比参照米样对米饭作出评分。就品尝鉴定而言,品尝人员会因为主观喜好的不同,评判标准则难以统一,更不用说品尝人员的个体差异,尤其当大批量样品需要品尝时,主观审视的疲累大大影响到结果的准确度,由此可见感官品尝评定的不足。
日本洞察先机,致力于大米食味计的研究也有相当长的时间。无论在市场上还是科研上,日本食味计都有一定的知名度。食味计的原理在于近红外技术,对稻米进行特征性扫描,从而与硬度、气味、口味等方面建立关系。食味计的缺点在于以下两点:一是,近红外光谱与稻米的蛋白质、直链淀粉、脂肪等理化指标建立关系,而理化指标再与食味属性建立相关性,由于理化指标同食味并不存在简单的线性相关关系,加上分析过程的系统误差,其结果误差会偏大;二是,我国稻米的种类多、类型杂,且食味计并不与我国标准规定的感官品尝建立关系,故不适合我国稻米食味的测定与评价。
因此,需要开发适合我国的稻米食味品质的快速测定方法。
发明内容
本发明要解决的技术问题是提出一种能够避免人为品尝造成的误差,并且无需制备米饭,能够提高工作效率的稻米食味品质的快速测定方法。
为了解决上述技术问题,本发明提出一种稻米食味品质的快速测定方法,依次进行以下步骤:
S1、收集标准稻米样品及其食味评分值,并预处理每份标准稻米样品;
S2、将步骤S1中完成预处理的标准稻米样品通过稻米食味专用传感器进行电化学检测;
S3、记录步骤S2中电化学检测获得的数据,形成该标准稻米样品的输入数据组;
S4、通过每份标准稻米样品的食味评分值和输入数据组训练串联评价模型,建立串联评价模型;
S5、待检测稻米依次进行步骤S1至步骤S3后,获取该待检测稻米的输入数据组;将输入数据组代入步骤S4建立的串联评价模型获取对应的食味评分值(即,食味快估值)。
作为本发明稻米食味品质的快速测定方法的改进:
所述步骤S4中串联评价模型由定级模型和预测模型构成。
作为本发明稻米食味品质的快速测定方法的进一步改进:
所述建立定级模型的方法包括如下步骤:
1.1、将每份标准稻米样品根据食味评分值进行分类定级(65分以下为Ⅰ级,65分~74分为Ⅱ级,75分~84分为Ⅲ级,85~95分为Ⅳ级);
1.2、所述定级模型的输入变量为步骤S3获取的每份标准稻米样品的输入数据组,目标变量为步骤1.1中该标准稻米样品的分类定级。
作为本发明稻米食味品质的快速测定方法的进一步改进:
所述预测模型的输入变量为步骤S3获取的标准稻米样品的输入数据组和步骤1.2获取的该标准稻米样品的分类定级,目标变量为该标准稻米样品的食味评分值。
作为本发明稻米食味品质的快速测定方法的进一步改进:
所述稻米食味专用传感器的工作电极阵列为铂、金、钯和镍电极;
所述电化学检测的方法为方波脉冲伏安法。
作为本发明稻米食味品质的快速测定方法的进一步改进:
所述步骤S3中获取输入数据组的方法为:将稻米食味专用传感器的每个工作电极的方波脉冲伏安曲线上所有极值点(极大值点和极小值点)的电流(A)作为1个单元数据组;将获取的单元数据组依次按照铂、金、钯及镍电极顺序排列形成输入数据组。
1、本发明利用稻米食味专用传感器并通过电化学检测进行测量,从而避免人为品尝由主观偏差、生理疲劳等原因导致食味评分值不准确,提高了稻米食味评分值的准确性;
2、本发明大幅缩短检测的时间。一份标准稻米样品按照国家标准方法,前期制备米饭就需要1.5小时,而本发明从预处理到获得最终结果的时间在20分钟之内,提高了工作效率;
3、本发明先通过定级模型对待检测稻米的食味进行定级,然后再通过预测模型预测该待检测稻米的食味快估值,从而提高食味快估值的准确度。
具体实施方式
下面结合具体实施例对本发明进行进一步描述,但本发明的保护范围并不仅限于此。
实施例1、稻米食味品质的快速测定方法,包括以下内容:
标准稻米样品预处理后采用稻米食味专用传感器进行电化学测量,从而获取该标准稻米样品的输入数据组;利用所有标准稻米样品对应的输入数据组训练获得串联评价模型。预处理待检测稻米并获取其对应的输入数据组,将该输入数据组输入串联评价模型,从而得到该待检测稻米的食味快估值。上述标准稻米样品指依据国家标准GB/T15682-2008《粮油检验稻谷、稻米蒸煮食用品质感官评价方法》获取其对应食味评分值的稻米样品。
具体工作方式包括如下内容:
S1、标准稻米样品进行预处理。
本实施例中选取150份稻米作为标准稻米样品,其中籼米60份、粳米60份、以及糯米30份。每种类型稻米的食味评分值(依据国家标准GB/T15682-2008《粮油检验稻谷、稻米蒸煮食用品质感官评价方法》进行评分)均匀分布在60分到95分之间。
每份标准稻米样品通过以下步骤完成预处理:首先将标准稻米样品碾磨成米粉,之后称取1.00g米粉到100mL烧杯中,并加入50.0mL刚煮沸的超纯水,搅拌均匀使米粉充分浸泡于水中,放置15min后过滤,滤液收集待用。
S2、将步骤S1获得的滤液通过稻米食味专用传感器进行电化学检测。
利用稻米食味专用传感器对步骤S1获得的滤液进行测定,采用电化学测量的功能选择为方波脉冲伏安法,参数如下:电位范围为-1V到1V,振幅为0.025V,频率为10Hz。
稻米食味专用传感器是三电极体系,铂、金、钯和镍电极(Φ2mm)作为工作电极阵列,Ag/AgCl电极为参比电极,铂丝电极为辅助电极。稻米食味专用传感器的确定是根据工作电极对稻米风味物质响应的强弱度、稳定性以及电极的敏感度等方面挑选出最佳电极组成电极阵列。
S3、记录步骤S2中滤液通过电化学检测获得的数据,形成该标准稻米样品的输入数据组。
记录步骤S2中滤液通过电化学检测获取的数据,从而形成对应标准稻米样品的输入数据组,具体方法为:采用方波脉冲伏安法对滤液进行测定时,将稻米食味专用传感器的每个工作电极的方波脉冲伏安曲线上所有极值点(极大值点和极小值点)的电流(A)作为1个单元数据组,电极阵列就有4个单元数据组;将上述获取的4个单元数据组依次按照铂、金、钯和镍电极顺序排列形成输入数据组,即每份标准稻米样品都有一个输入数据组。
S4、建立串联评价模型:通过步骤S1至S3获取每份标准稻米样品的输入数据组,并通过所有输入数据组训练串联评价模型,具体方法如下:
将150份标准稻米样品分别通过步骤S1至步骤S3所得的输入数据组训练成串联评价模型,串联评价模型由定级模型和预测模型构成:
1)、定级模型的建立。每份标准稻米样品根据食味评分值进行分类定级:65分以下为Ⅰ级,65分~74分为Ⅱ级,75分~84分为Ⅲ级,85~95分为Ⅳ级。利用支持向量机进行定级模型的训练并保存,该定级模型输入变量为150份标准稻米样品的输入数据组,目标变量为150份标准稻米样品各自的分类定级。本实施例中定级模型(即支持向量机)以径向基核函数为核函数,核参数为8,正则化参数为0.03125。
2)、预测模型的建立。利用偏最小二乘回归法进行预测模型的训练并保存,该预测模型的输入变量为150份标准稻米样品的输入数据组及其分类定级,目标变量为150份标准稻米样品各自的食味评分值。
注:上述支持向量机和偏最小二乘回归法都是现有的成熟算法,故不再本说明书中详述利用支持向量机构建定级模型以及利用偏最小二乘回归法构建预测模型的步骤。
S5、判定食味快估值:
待检测稻米替换上述标准稻米样品,依次通过步骤S1至S3,获取该待检测稻米的输入数据;将待检测稻米的输入数据组代入步骤S4中所建立的串联评价模型,得到预测的食味评分值,即为该待检测稻米的食味快估值(单位:分)。串联评价模型根据输入数据组判定食味快估值的具体步骤为:
待检测稻米的输入数据组分别输入定级模型和预测模型;定级模型根据输入数据组输出该待检测稻米分类定级,并将该分类定级发送至预测模型。预测模型根据输入数据组以及定级模型发送的分类定级进行预测,输出该待检测稻米的食味快估值。
本实施例中采用定级模型的输出变量(即,分类定级)再加原始的输入数据组,共同作为预测模型的变量,先对稻米食味进行定级,然后再预测食味快估值,从而提高食味快估值的准确度。
实验1、食味评分值与食味快估值的比较:
本发明采用10不同的稻米样品作为待检测稻米,并分别通过本发明所提出稻米食味品质的快速测定方法以及品尝人员品尝评分两种方式分别判定待检测稻米的食味品质。
本实验采用10种不同的待检测稻米,编号依次为1到10,其中编号为1到4的待检测稻米为籼米、编号5到8待检测稻米为粳米、编号9和10待检测稻米为糯米。每种待检测稻米通过上述步骤S5进行判定,最终获得对应待检测稻米的食味快估值,并将该食味快估值保存在表1中。
品尝人员分别对10种稻米样品依据国家标准GB/T15682-2008《粮油检验稻谷、稻米蒸煮食用品质感官评价方法》进行评分,每种稻米样品的食味评分值保存在表1中,该食味品尝评分值为所有品尝人员对该稻米样品评分的平均值(该平均值保留到个位)。每种稻米样品的食味评分值与对应的食味快估值进行比较结果如表1所示。
表1 10种稻米的食味评分值与食味快估值的比较
对比例1、省略实施例1中步骤S5将待检测稻米通过定级模型进行分类定级的步骤,即,预测模型仅通过待检测稻米的输入数据组进行预测,其余等同于实施例1;
将实验1中10种不同的待检测稻米依次通过对比例1进行判定,最终获得对应待检测稻米的食味快估值Ⅰ,并将该食味快估值Ⅰ保存在表1中。
由表1可知,10种不同类型稻米的食味评分值与食味快估值的相对相差均小于5%,可认定本技术与国家标准感官评定方法所得的测定结果的基本相符。10种稻米的相对相差Ⅰ均大于其相对相差,即说明通过分类定级能够有效的提高食味快估值的准确性。因此,本技术的测定是准确、有效的。
最后,还需要注意的是,以上列举的仅是本发明的若干个具体实施例。显然,本发明不限于以上实施例,还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形,均应认为是本发明的保护范围。
Claims (3)
1.稻米食味品质的快速测定方法,其特征在于依次进行以下步骤:
S1、收集标准稻米样品及其食味评分值,并预处理每份标准稻米样品;
S2、将步骤S1中完成预处理的标准稻米样品通过稻米食味专用传感器进行电化学检测;
S3、记录步骤S2中电化学检测获得的数据,形成该标准稻米样品的输入数据组;
S4、通过每份标准稻米样品的食味评分值和输入数据组训练串联评价模型,建立串联评价模型;串联评价模型由定级模型和预测模型构成;
所述建立定级模型的方法包括如下步骤:
1.1、将每份标准稻米样品根据食味评分值进行分类定级;
1.2、所述定级模型的输入变量为步骤S3获取的每份标准稻米样品的输入数据组,目标变量为步骤1.1中该标准稻米样品的分类定级;
所述预测模型的输入变量为步骤S3获取的标准稻米样品的输入数据组和步骤1.2获取的该标准稻米样品的分类定级,目标变量为该标准稻米样品的食味评分值;
S5、待检测稻米依次进行步骤S1至步骤S3后,获取该待检测稻米的输入数据组;将输入数据组代入步骤S4建立的串联评价模型获取对应的食味评分值。
2.根据权利要求1所述的稻米食味品质的快速测定方法,其特征在于:
所述稻米食味专用传感器的工作电极阵列为铂、金、钯和镍电极;
所述电化学检测的方法为方波脉冲伏安法。
3.根据权利要求2所述的稻米食味品质的快速测定方法,其特征在于:
所述步骤S3中获取输入数据组的方法为:将稻米食味专用传感器的每个工作电极的方波脉冲伏安曲线上所有极值点的电流作为1个单元数据组;将获取的单元数据组依次按照铂、金、钯及镍电极顺序排列形成输入数据组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711271547.5A CN108037256B (zh) | 2017-12-05 | 2017-12-05 | 稻米食味品质的快速测定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711271547.5A CN108037256B (zh) | 2017-12-05 | 2017-12-05 | 稻米食味品质的快速测定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108037256A CN108037256A (zh) | 2018-05-15 |
CN108037256B true CN108037256B (zh) | 2019-11-19 |
Family
ID=62095777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711271547.5A Active CN108037256B (zh) | 2017-12-05 | 2017-12-05 | 稻米食味品质的快速测定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108037256B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109142656A (zh) * | 2018-08-22 | 2019-01-04 | 广州粮将电子商务有限公司 | 大米品质检测展示方法 |
CN110297035B (zh) * | 2019-07-08 | 2020-05-19 | 中国水稻研究所 | 利用逼近距离评估米饭适口性的方法 |
CN110297036B (zh) * | 2019-07-09 | 2020-06-16 | 中国水稻研究所 | 基于传感矩阵的籼稻米食味估算方法 |
CN111289706B (zh) * | 2019-08-13 | 2021-05-18 | 中国水稻研究所 | 一种适于制作米饭团的粳稻品种的理化筛选方法 |
CN111007040B (zh) * | 2019-12-27 | 2020-10-23 | 黑龙江八一农垦大学 | 大米食味品质近红外光谱快速评价方法 |
CN111308027B (zh) * | 2020-01-22 | 2021-03-16 | 中国农业大学 | 生食品质的确定方法、装置、系统和计算机可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118620A (zh) * | 2007-09-18 | 2008-02-06 | 吉林大学 | 基于神经网络的车辆换档品质评价方法 |
CN102565173A (zh) * | 2012-01-10 | 2012-07-11 | 湖南师范大学 | 一种双信号阳极溶出伏安法检测痕量三价砷的方法 |
CN104680175A (zh) * | 2015-02-08 | 2015-06-03 | 吉林大学 | 利用大米米汤电流特性的大米分类方法 |
CN105512789A (zh) * | 2015-05-11 | 2016-04-20 | 江苏省农业科学院 | 一种优良食味水稻食味品质的评价方法 |
CN105067784B (zh) * | 2015-07-22 | 2016-08-24 | 中国水稻研究所 | 利用稻米品质的理化性状指标来判定稻米食味品质的方法 |
CN105243599A (zh) * | 2015-10-13 | 2016-01-13 | 南京财经大学 | 一种大米储藏品质评价模型的构建方法 |
CN105738584A (zh) * | 2016-02-25 | 2016-07-06 | 浙江省农业科学院作物与核技术利用研究所 | 一种判别晚粳稻米优异食味品质的方法 |
-
2017
- 2017-12-05 CN CN201711271547.5A patent/CN108037256B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108037256A (zh) | 2018-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108037256B (zh) | 稻米食味品质的快速测定方法 | |
CN108663339B (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
CN108875913B (zh) | 一种基于卷积神经网络的松茸快速无损检测系统及方法 | |
CN101881726B (zh) | 植物幼苗综合性状活体无损检测方法 | |
CN105181912B (zh) | 一种大米储藏过程中的新鲜度检测方法 | |
CN105044021B (zh) | 一种中秋酥脆枣糖度无损检测方法 | |
CN107228924B (zh) | 一种适宜蛋白加工用花生原料品质测定及其评价方法 | |
CN108760655B (zh) | 一种苹果味觉图谱信息可视化方法 | |
Wei et al. | Evaluation of varieties of set yogurts and their physical properties using a voltammetric electronic tongue based on various potential waveforms | |
CN104977258B (zh) | 基于二维相关光谱的茶叶/化妆品等品质检测方法 | |
CN111044483A (zh) | 一种基于近红外光谱的奶油中色素测定方法、系统和介质 | |
CN104122308A (zh) | 基于电子舌检测的差别度计算方法及茶叶品质鉴别方法 | |
CN106092962A (zh) | 一种用近红外光谱法快速检测谷子粗蛋白含量的方法 | |
CN110082310A (zh) | 一种橡胶树叶片氮素含量的近红外波段高光谱诊断方法 | |
CN108444924A (zh) | 一种应用高光谱图像技术判别茶叶贮藏期的方法 | |
CN108535250A (zh) | 基于Streif指数的‘富士’苹果成熟度无损检测方法 | |
CN110231302A (zh) | 一种快速测定奇亚籽粗脂肪含量的方法 | |
Xiao et al. | Discrimination of Xihulongjing tea grade using an electronic tongue | |
Lu et al. | Determination of rice sensory quality with similarity analysis-artificial neural network method in electronic tongue system | |
CN102809635B (zh) | 一种适宜溶解型蛋白质加工的花生品质测定及其评价方法 | |
CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
CN110609011A (zh) | 单籽粒玉米种子淀粉含量近红外高光谱检测方法及系统 | |
CN108732128A (zh) | 一种检测花生仁食用感官品质的方法 | |
Kawano | Past, present and future near infrared spectroscopy applications for fruit and vegetables | |
CN112067577A (zh) | 基于支持向量机的奶油色素超标鉴别方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |