CN116500215A - 一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法 - Google Patents
一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法 Download PDFInfo
- Publication number
- CN116500215A CN116500215A CN202310348300.8A CN202310348300A CN116500215A CN 116500215 A CN116500215 A CN 116500215A CN 202310348300 A CN202310348300 A CN 202310348300A CN 116500215 A CN116500215 A CN 116500215A
- Authority
- CN
- China
- Prior art keywords
- rice
- amylose content
- content
- water
- variety
- 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.)
- Pending
Links
- 241000209094 Oryza Species 0.000 title claims abstract description 149
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 149
- 235000009566 rice Nutrition 0.000 title claims abstract description 149
- 229920000856 Amylose Polymers 0.000 title claims abstract description 125
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000002360 preparation method Methods 0.000 title abstract description 8
- 238000010411 cooking Methods 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 230000001953 sensory effect Effects 0.000 claims abstract description 15
- 238000012417 linear regression Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 235000013339 cereals Nutrition 0.000 claims description 12
- 235000019750 Crude protein Nutrition 0.000 claims description 8
- 235000013312 flour Nutrition 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000007873 sieving Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 abstract description 3
- 239000013589 supplement Substances 0.000 abstract description 3
- 102000004169 proteins and genes Human genes 0.000 description 7
- 108090000623 proteins and genes Proteins 0.000 description 7
- 229920002472 Starch Polymers 0.000 description 5
- 235000019698 starch Nutrition 0.000 description 5
- 239000008107 starch Substances 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000002304 perfume Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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 Analysing Materials By Optical Means (AREA)
Abstract
一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法，属于稻米品质分析技术领域。本发明通过选取高、中、低不同直链淀粉含量的水稻品种，以0.05间隔设定不同的水米比；并测定各品种的蛋白质含量；通过多人人工品尝实验确定最佳水米比后，建立了最佳水米比与直链淀粉含量和蛋白质含量的多元线性回归方程，可将方程用于对未知样品制备米饭时最佳加水量的预测。本发明补充了目前仅以大米中直链淀粉含量决定其蒸煮加水量的不足，为米饭食味品质感官评价提供了参考和依据。
Description
技术领域
本发明属于稻米品质分析技术领域，具体为一种基于大米中直链淀粉含量和蛋白质含量预测其制备米饭时最佳加水量的方法。
背景技术
煮饭的过程实际是大米粒在水、热作用下糊化的过程，包括淀粉颗粒、蛋白体等与水结合相互作用的过程。但长期以来，由于检测技术等条件的限制，人们对煮饭过程中的加水量、水分变化以及作用机理等一直没有太多深入的研究。
对于米饭蒸煮时的加水量一般是根据经验，没有严格的限定，但加水量的多少却对米饭的外观及口感均影响巨大。国家标准GB/T 15682－2008)《粮油检验稻谷、大米蒸煮食用品质感官评价方法》中米饭蒸煮加水量规定比较模糊，标准中描述为可依据米饭软硬适当增减，缺乏可参考性；行业标准NY/593-2021《食用稻品种品质》中对蒸煮食用品质的感官评价部分列出了根据大米中直链淀粉含量调整米饭制备的加水量表，但却未将蛋白质含量纳入考量范围。蛋白质是大米中仅次于淀粉含量的第二大组成成分，含量范围一般在5～12％，以蛋白体的形式填塞在淀粉体间隙中，前人研究表明，蛋白质通过水合改变淀粉的吸水量从而影响米饭质地，高蛋白品种蒸煮过程中蛋白质变性束缚更多的水分且抑制淀粉粒吸水。因此，米饭蒸煮时加水量的研究，需要将蛋白质含量纳入考量范围。
发明内容
针对现有技术存在的问题，本发明的目的在于设计提供一种基于大米中直链淀粉含量和蛋白质含量预测其制备米饭时最佳加水量的方法的技术方案。
本发明具体采用以下技术方案实现：
本发明一方面提供了一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法，其包括以下步骤：
1)选取已知大致直链淀粉含量呈高、中、低分布的的不同水稻品种，其中高直链淀粉含量：AC＞25％，中等直链淀粉含量：13％＜AC≤25％，低直链淀粉含量：AC≤13％；
2)将上述收集到的水稻品种脱壳、碾精，制备成国家标准一等精度的大米，备用；
3)取步骤2)得到的大米磨粉，过100目筛备用；
4)测定步骤3)得到的各水稻品种米粉的直链淀粉含量X1和蛋白质含量X2；
5)依据步骤4)测得的直链淀粉含量，将步骤2)中得到的大米按照高直链淀粉含量AC＞25％品种、中高直链淀粉含量19％＜AC≤25％品种、中低直链淀粉含量13％＜AC≤19％品种和极低直链淀粉含量AC≤8％分别设定水米比；
6)将各水稻品种按照步骤5)中设定好的水米比，蒸煮后进行感官评价，分别从蒸煮后米粒的完整性、光泽、软硬度判定品种的最佳水米比；并从感官评价得到的最佳水米比值中，去掉最低值和最高值，取其余水米比的平均值，作为该品种最佳的水米比Y；
7)利用IBM SPSS Statistics 27数据分析软件，验证最佳水米比与品种直链淀粉含量X1和蛋白质含量X2的相关性，将最佳水米比Y作为因变量，直链淀粉含量X1和蛋白质含量X2作为自变量，采用步进法进行多元线性回归分析，建立多元线性回归方程Y＝a1X1+a2X2+C，其中：a1，直链淀粉含量的回归系数；a2，粗蛋白含量的回归系数；C，常数；
8)测定未知样品的直链淀粉含量X1’和蛋白质含量X2’；
9)将步骤8)所得直链淀粉含量X1’和蛋白质含量X2’分别对应步骤7)所得回归方程中的X1和X2，代入步骤7)所得回归方程Y＝a1X1+a2X2+C中，可得其米饭制备的最佳水米比，即最佳加水量。
进一步，所述步骤1)所述步骤1)选取样品数量不少于30个，其中，中高直链淀粉含量的水稻品种占1/7～1/6，中等直链淀粉含量的水稻品种占5/7～1/2，低直链淀粉含量的水稻品种占1/7～1/3。
进一步，所述步骤4)和步骤8)中按照行业标准NY/T 2639-2014测定水稻品种的直链淀粉含量，按照GB 5009.5-2016测定水稻品种的蛋白质含量。
进一步，所述步骤5)中按照高直链淀粉含量AC＞25％品种设定9种水米比，分别为1.30、1.35、1.40、1.45、1.50、1.55、1.60、1.65、1.70；中高直链淀粉含量19％＜AC≤25％品种设定9种水米比，分别为1.15、1.20、1.25、1.30、1.35、1.40、1.45、1.50、1.55；中低直链淀粉含量13％＜AC≤19％品种设定9种水米比，分别为0.95、1.0、1.05、1.10、1.15、1.20、1.25、1.30、1.35；低直链淀粉含量8％＜AC≤13％品种设定7种水米比，分别为0.95、1.0、1.05、1.10、1.15、1.20、1.25；极低直链淀粉含量AC≤8％设定7种米水比，分别为0.85、0.90、0.95、1.0、1.05、1.10、1.15。
进一步，所述步骤6)中参照GB/T 15682-2008粮油检验稻谷、大米蒸煮食用品质感官评价方法，分别从蒸煮后米粒的完整性、光泽、软硬度进行感官评价。
进一步，所述步骤2)、3)、4)、5)、8)中的水稻样品的水分含量为12±1％。
本发明另一方面提供了大米中直链淀粉含量和蛋白质含量共同预测制备米饭时最佳加水量的用途。
本发明通过选取高、中、低不同直链淀粉含量的水稻品种，以0.05间隔设定不同的水米比，高直链淀粉含量(AC＞25％)品种设定9种水米比为，分别为：1.30、1.35、1.40、1.45、1.50、1.55、1.60、1.65、1.70；中高直链淀粉含量(19％＜AC≤25％)品种设定9种水米比，分别为1.15、1.20、1.25、1.30、1.35、1.40、1.45、1.50、1.55；中低直链淀粉含量(13％＜AC≤19％)品种设定9种水米比，分别为：0.95、1.0、1.05、1.10、1.15、1.20、1.25、1.30、1.35；低直链淀粉含量(8％＜AC≤13％)品种设定7种水米比，分别为0.95、1.0、1.05、1.10、1.15、1.20、1.25；极低直链淀粉含量(AC≤8％)设定7种米水比，分别为0.85、0.90、0.95、1.0、1.05、1.10、1.15；并测定各品种的蛋白质含量；通过多人人工品尝实验确定最佳水米比后，建立了最佳水米比与直链淀粉含量和蛋白质含量的多元线性回归方程，可将方程用于对未知样品制备米饭时最佳加水量的预测。
本发明发明提供了一种基于大米中直链淀粉含量和蛋白质含量预测其制备米饭时最佳加水量的较为准确的方法。如按照行业标准NY/T 593-2021中，直链淀粉含量为15.0％的水稻品种，蒸煮加水量为米量的1.2倍，而根据本发明试验例中建立的最佳加水量与直链淀粉含量和粗蛋白含量的回归方程，Y＝0.024X1+0.037X2+0.574(X1，直链淀粉含量％，干基；X2，蛋白质含量％，干基)，直链淀粉含量为15.0％的水稻品种，若其中粗蛋白含量为6.0％时，蒸煮加水量为米量的1.15倍；若其中粗蛋白含量达到8.0％时，蒸煮加水量为米量的1.22倍，即蛋白质含量增加2个百分点，对应的最佳水米比增加了0.07，跨越了0.05的1个水量间隔。本发明将蛋白质含量耐入了蒸煮加水量的考虑范围，且相关性分析表明，蒸煮最佳加水量确实与蛋白质含量呈显著正相关，即最佳加水量随着蛋白质含量的升高而增加。本发明补充了仅以直链淀粉含量决定蒸煮加水量的不足，为稻米食味品质感官评价时米饭蒸煮加水量确定提供了依据和参考。
综上，本发明的有益效果如下：1)证实了最佳加水量与直链淀粉含量呈显著正相关；2)证实了最佳加水量与蛋白质含量呈显著正相关；3)建立了基于大米中直链淀粉含量和蛋白质含量预测其制备米饭时最佳加水量的线性回归方程；4)证实了除直链淀粉外，蛋白质含量也是影响加水量的重要因素，补充了目前仅以大米中直链淀粉含量决定其蒸煮加水量的不足，为米饭食味品质感官评价提供了参考和依据。
附图说明
图1蒸煮最佳水米比与大米中直链淀粉含量的相关性分析；
图2蒸煮最佳水米比与大米中蛋白质含量的相关性分析；
图3基于直链淀粉含量预测与基于直链淀粉含量+蛋白质含量预测与实际蒸煮最佳水米比的差值比较。
具体实施方式
以下结合实施例来进一步说明本发明。
试验例1
1)选取直链淀粉含量(AC)呈高中低分布(1.8％～29.2％)的水稻品种52个，其中高直链淀粉含量(AC＞25％)品种8个，中等直链淀粉含量(13％＜AC≤25％)品种30个，低直链淀粉含量(AC≤13％)品种14个。
2)将上述52个水稻品种脱壳、碾精，制备成国家标准GB1354-2009一等精度的大米约500g备用。
3)取步骤2)中所得大米约1g磨粉，过100目筛备用。
4)将步骤3)中所得米粉，按照行业标准NY/T 2639-2014测定各水稻品种的直链淀粉含量X1(％，干基)，按照GB 5009.5-2016测定各水稻品种的蛋白质含量X2(％，干基)，所得直链淀粉含量、粗蛋白含量见表1。
表1选用52个水稻品种的直链淀粉含量、粗蛋白含量及品尝最佳水米比数值表
5)依据步骤4)所测得直链淀粉含量X1，将步骤2)中所得大米，按照高直链淀粉含量(AC＞25％)品种设定9种水米比为，分别为：1.30、1.35、1.40、1.45、1.50、1.55、1.60、1.65、1.70；中高直链淀粉含量(19％＜AC≤25％)品种设定9种水米比，分别为1.15、1.20、1.25、1.30、1.35、1.40、1.45、1.50、1.55；中低直链淀粉含量(13％＜AC≤19％)品种设定9种水米比，分别为：0.95、1.0、1.05、1.10、1.15、1.20、1.25、1.30、1.35；低直链淀粉含量(8％＜AC≤13％)品种设定7种水米比，分别为0.95、1.0、1.05、1.10、1.15、1.20、1.25；极低直链淀粉含量(AC≤8％)设定7种米水比，分别为0.85、0.90、0.95、1.0、1.05、1.10、1.15。
6)将不同水稻品种按照步骤5)中设定好的水米比，9人参照GB/T15682-2008粮油检验稻谷、大米蒸煮食用品质感官评价方法，进行蒸煮品鉴，分别从蒸煮后米粒的完整性、光泽、软硬度等判定品种的最佳水米比。从不同品鉴人判定的最佳水米比值中，去掉最低值和最高值，取其余水米比的平均值，作为该品种最佳的水米比Y，最佳水米比值见表1。
7)利用IBM SPSS Statistics 27数据分析软件，验证最佳水米比与品种直链淀粉含量X1和粗蛋白含量X2的相关性，相关系数分别为r1＝0.9659(见图1)、r2＝0.8038(见图2)，即最佳水米比与大米中直链淀粉含量和蛋白质含量均呈显著正相关(P＜0.01)。将最佳水米比Y作为因变量，直链淀粉含量X1和蛋白质含量X2作为自变量，采用步进法进行多元线性回归分析，得到的线性回归方程有两种：一种是仅以直链含量X1为自变量的单因子回归方程Y＝0.030X1+0.748,一种是以直链淀粉含量X1和蛋白质含量X2为自变量的双因子回归方程Y＝0.024X1+0.037X2+0.574。
仅基于直链淀粉含量预测最佳水米比时，根据上述所得回归方程Y＝0.030X1+0.748,该52个品种的预测最佳水米比与实际最佳水比米差值在-0.12～0.11范围内，标准偏差为0.0551；而基于直链淀粉含量和蛋白质含量两个因素预测最佳水米比时，根据回归方程Y＝0.024X1+0.037X2+0.574，该52个品种的预测最佳水米比与实际最佳水比米差值在-0.08～0.09范围内，标准偏差为0.0393(见表2)。相对于仅基于直链淀粉含量预测来说，基于直链淀粉含量和蛋白质含量两个因素预测的最佳水米比与实际最佳水米比差值总体上较小(见图3)，即基于直链淀粉含量和蛋白质含量双因素的预测效果要优于仅基于直链淀粉含量单因素的预测效果。
本实施例中所述步骤2)、3)、4)、5)、8)中的水稻样品的水分含量为12±1％。
表2两种不同预测模式对52个品种预测的差值比较
| 预测模式 | 预测差值范围 | 预测差值的标准偏差 |
| 基于直链淀粉含量单因素预测 | -0.12～0.11 | 0.0551 |
| 基于直链淀粉含量和蛋白质含量双因素预测 | -0.08～0.09 | 0.0393 |
实施例2
1)4个待制备米饭样品中组4号、中香1号、秋田小町、宁粳8号，按照行业标准NY/T2639-2014测得这4个水稻样品的直链淀粉含量分别为24.8％、17.1％、15.6％、10.3％(干基)，按照国家标准GB 5009.5-2016测得这4个水稻样品的蛋白质含量分别为9.3％、6.5％、7.8％、7.4％(干基)。
2)将测得的中组4号、中香1号、秋田小町、宁粳8号的直链淀粉含量和蛋白质含量分别对应X1和X2，代入回归方程Y＝0.024X1+0.037X2+0.574中，可得中组4号、中香1号、秋田小町、宁粳8号4个水稻品种制备米饭的最佳水米比分别为1.51、1.23、1.24、1.10。
3)根据中组4号直链淀粉含量24.8％设定9种水米比，分别为1.15、1.20、1.25、1.30、1.35、1.40、1.45、1.50、1.55；根据中香1号、秋田小町的直链淀粉含量17.1％、15.6％设定9种水米比，分别为0.95、1.0、1.05、1.10、1.15、1.20、1.25、1.30、1.35；根据宁粳8号的直链淀粉含量10.3％设定7种水米比为0.95、1.0、1.05、1.10、1.15、1.20、1.25。
4)将4个水稻品种按照步骤3)中设定好的水米比，9人参照GB/T 15682-2008粮油检验稻谷、大米蒸煮食用品质感官评价方法，进行蒸煮米饭品鉴，分别从蒸煮后米粒的完整性、光泽、软硬度等判定品种的最佳水米比。从不同品鉴人判定的最佳水米比值中，去掉最低值和最高值，取其余水米比的平均值，作为该品种制备米饭品尝实际最佳水米比。中组4号、中香1号、秋田小町、宁粳8号这4个水稻品种制备米饭的实际品尝的最佳水米比分别为1.53、1.25、1.20、1.07(见表3)。
表3 4个水稻品种样品制备米饭水米比的预测值、实际品尝值和标准推荐值的比较
由本发明建立的二元回归方程预测最佳水米比值、实际米饭品尝最佳水米比值，以及NY/T 593-2021推荐的水米比值比较(表3)可知，三种方法的水米比值比较接近，相对于NY/T 593-2021标准的推荐值，本发明建立的二元回归方程Y＝0.024X1+0.037X2+0.574预测的水米比值总体上与实际品尝最佳水米比值更接近。
另据表4可知，行业标准NY/T 593-2021仅以直链淀粉含量为依据，且一定水米比值条件下对应的直链淀粉含量的范围比较宽泛，比如直链淀粉含量为13.1～17.0％的样品，水米比值均为1.2。而本发明中引入的蛋白质含量会对水米比有一定调节作用，如秋田小町直链淀粉含量15.6％，据表4可查，其制备米饭的水米比为1.2，而根据本发明中建立的回归方程，将其中蛋白质含量7.8％纳入影响加水量因素，且通过本发明中的实验已证实蛋白质含量与最佳水米比呈显著正相关，因此，其最终预测的最佳水米比1.24要略高于仅基于直链淀粉含量的推荐值1.2。再如中组4号样品中直链淀粉含量为24.8％，蛋白质含量为9.3％，据表4可查，其制备米饭的水米比为1.4，而根据本发明中建立的回归方程，该样品中具有较高的蛋白质含量，其最终预测的最佳水米比1.51要高于仅基于直链淀粉含量的推荐值1.4。总之，将蛋白质含量纳入影响加水量的因素，对制备米饭时的加水量起到了调节作用，对仅以直链淀粉含量决定加水量是一种修正和补充。
表4NY/T 593-2021标准中推荐的米饭制备加水量调节表
| 序号 | 直链淀粉(干基)，％ | 水米比值 |
| 1 | ≤13.0 | 1.1 |
| 2 | 13.1～17.0 | 1.2 |
| 3 | 17.1～21.0 | 1.3 |
| 4 | 21.1～25.0 | 1.4 |
| 5 | ＞25.0 | 1.5 |
Claims (7)
1.一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法，其特征在于包括以下步骤：
1)选取已知大致直链淀粉含量呈高、中、低分布的的不同水稻品种，其中高直链淀粉含量：AC＞25％，中等直链淀粉含量：13％＜AC≤25％，低直链淀粉含量：AC≤13％；
2)将上述收集到的水稻品种脱壳、碾精，制备成国家标准一等精度的大米，备用；
3)取步骤2)得到的大米磨粉，过100目筛备用；
4)测定步骤3)得到的各水稻品种米粉的直链淀粉含量X1和蛋白质含量X2；
5)依据步骤4)测得的直链淀粉含量，将步骤2)中得到的大米，按照高直链淀粉含量AC＞25％品种、中高直链淀粉含量19％＜AC≤25％品种、中低直链淀粉含量13％＜AC≤19％品种和极低直链淀粉含量AC≤8％分别设定水米比；
6)将各水稻品种按照步骤5)中设定好的水米比，蒸煮后进行感官评价，分别从蒸煮后米粒的完整性、光泽、软硬度判定品种的最佳水米比；并从感官评价得到的最佳水米比值中，去掉最低值和最高值，取其余水米比的平均值，作为该品种最佳的水米比Y；
7)利用IBM SPSS Statistics 27数据分析软件，验证最佳水米比与品种直链淀粉含量X1和蛋白质含量X2的相关性，将最佳水米比Y作为因变量，直链淀粉含量X1和蛋白质含量X2作为自变量，采用步进法进行多元线性回归分析，建立多元线性回归方程Y＝a1X1+a2X2+C，其中：a1，直链淀粉含量的回归系数；a2，粗蛋白含量的回归系数；C，常数；
8)测定未知样品的直链淀粉含量X1’和蛋白质含量X2’；
9)将步骤8)所得直链淀粉含量X1’和蛋白质含量X2’分别对应步骤7)所得回归方程中的X1和X2，代入步骤7)所得回归方程Y＝a1X1+a2X2+C中，可得其米饭制备的最佳水米比，即最佳加水量。
2.如权利要求1所述的一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法，其特征在于所述步骤1)选取样品数量不少于30个，其中，中高直链淀粉含量的水稻品种占1/7～1/6，中等直链淀粉含量的水稻品种占5/7～1/2，低直链淀粉含量的水稻品种占1/7～1/3。
3.如权利要求1所述的一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法，其特征在于所述步骤4)和步骤8)中按照行业标准NY/T 2639-2014测定水稻品种的直链淀粉含量，按照GB 5009.5-2016测定水稻品种的蛋白质含量。
4.如权利要求1所述的一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法，其特征在于所述步骤5)中按照高直链淀粉含量AC＞25％品种设定9种水米比，分别为1.30、1.35、1.40、1.45、1.50、1.55、1.60、1.65、1.70；中高直链淀粉含量19％＜AC≤25％品种设定9种水米比，分别为1.15、1.20、1.25、1.30、1.35、1.40、1.45、1.50、1.55；中低直链淀粉含量13％＜AC≤19％品种设定9种水米比，分别为0.95、1.0、1.05、1.10、1.15、1.20、1.25、1.30、1.35；低直链淀粉含量8％＜AC≤13％品种设定7种水米比，分别为0.95、1.0、1.05、1.10、1.15、1.20、1.25；极低直链淀粉含量AC≤8％设定7种米水比，分别为0.85、0.90、0.95、1.0、1.05、1.10、1.15。
5.如权利要求1所述的一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法，其特征在于所述步骤6)中参照GB/T 15682-2008粮油检验稻谷、大米蒸煮食用品质感官评价方法，分别从蒸煮后米粒的完整性、光泽、软硬度进行感官评价。
6.如权利要求1所述的一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法，其特征在于所述步骤2)、3)、4)、5)、8)中的水稻样品的水分含量为12±1％。
7.大米中直链淀粉含量和蛋白质含量共同预测制备米饭时最佳加水量的用途。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310348300.8A CN116500215A (zh) | 2023-03-29 | 2023-03-29 | 一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310348300.8A CN116500215A (zh) | 2023-03-29 | 2023-03-29 | 一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116500215A true CN116500215A (zh) | 2023-07-28 |
Family
ID=87329418
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310348300.8A Pending CN116500215A (zh) | 2023-03-29 | 2023-03-29 | 一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116500215A (zh) |
-
2023
- 2023-03-29 CN CN202310348300.8A patent/CN116500215A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Panozzo et al. | The rapid viscoanalyser as a method of testing for noodle quality in a wheat breeding programme | |
| Tao et al. | Investigating cooked rice textural properties by instrumental measurements | |
| Osborne et al. | Single‐kernel characterization principles and applications | |
| Marconi et al. | Spelt (Triticum spelta L.) pasta quality: Combined effect of flour properties and drying conditions | |
| Ashida et al. | Morphological, physical, and chemical properties of grain and flour from chalky rice mutants | |
| Guttieri et al. | Application of wheat meal solvent retention capacity tests within soft wheat breeding populations | |
| CN108680515B (zh) | 一种单粒水稻直链淀粉定量分析模型构建及其检测方法 | |
| Chen et al. | Effect of rice kernel thickness on degree of milling and associated optical measurements | |
| Fox et al. | Development of a single kernel NIR barley protein calibration and assessment of variation in protein on grain quality | |
| Cooper et al. | Correcting head rice yield for surface lipid content (degree of milling) variation | |
| Naes et al. | Splitting of calibration data by cluster analysis | |
| Hooda et al. | Nutritional evaluation of wheat–fenugreek blends for product making | |
| Zehr et al. | Comparison of wet-milling properties among maize inbred lines and their hybrids | |
| Chen et al. | Quantifying surface lipid content of milled rice via visible/near‐infrared spectroscopy | |
| Grigg et al. | Impacts of thickness grading on milling yields of long-grain rice | |
| OKADOME | Application of instrument-based multiple texture measurement of cooked milled-rice grains to rice quality evaluation | |
| CN116500215A (zh) | 一种基于大米中直链淀粉含量和蛋白质含量预测制备米饭时最佳加水量的方法 | |
| Sissons et al. | Protein and starch properties of some tetraploid wheats | |
| CN105092407A (zh) | 一种稻谷出糙率和整精米率连续测定方法 | |
| Kim et al. | Effects of quality characteristics on milled rice produced under different milling conditions | |
| Li et al. | Determining the Fat Acidity of Rough Rice by Near‐Infrared Reflectance Spectroscopy | |
| Prom‐U‐Thai et al. | Effect of grain morphology on degree of milling and iron loss in rice | |
| Crosbie et al. | Shortened temperature program for application with a Rapid Visco Analyser in prediction of noodle quality in wheat | |
| Chun et al. | Effects of various steeping periods on physical and sensory characteristics of Yukwa (Korean rice snack) | |
| Lee et al. | Measurement of cooked noodle stickiness using a modified instrumental method |
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 |