《食品工业科技》客座主编专栏：华中农业大学王鲁峰教授等|基于多元统计的米饭品质评价研究

目的：明确影响米饭品质的关键性理化指标，探索感官评价和理化试验之间的关系，建立一种简单易行的大米食用品质评价方法。方法：以三种代表性大米为原料，在三种蒸煮工艺下得到9组米饭，通过聚类与相关性分析，筛选出影响米饭食用品质的关键指标，再经主成分分析，得到综合得分公式。结果：影响米饭食用品质的指标为：水分、脂肪、硬度、粘着性、弹性、回复性，综合得分公式为：Z=0.42×水分+0.0532×脂肪−0.0597×硬度−0.447×粘着性+0.266×弹性+0.114×回复性。验证实验显示康弘1号的最佳蒸煮方法为IH常压蒸煮，稻花香、吉林小町米最佳蒸煮方法为直热式常压蒸煮。结论：各样品的主成分综合得分排名与感官评分排名基本一致，有较高匹配度，能够较好地预测米饭的食用品质。

图片来源于图司机

华中农业大学食品科学技术学院的吴艺婕、王鲁峰*等为了梳理感官评价和理化指标的关系，筛选关键性理化指标，建立简单易行的大米食用品质评价方法，以市面上的3种代表性大米为原料，分别采用3种不同的烹饪方法蒸煮得到9组米饭样品，利用多元统计分析研究米饭理化指标和感官指标之间的关系，筛选出能客观评价米饭食用品质的关键指标，再使用主成分分析初步建立米饭的品质评价方程。本研究对米饭品质评价体系的发展完善有积极作用，能较好地预测米饭的食用品质。

1 米饭食用品质评价关键指标的确定

聚类分析（cluster analysis，CA）是一种根据研究对象或指标的诸多特性，将其分为相对同质的群组的统计分析技术。由于计算机相关技术的快速发展以及人们在大数据时代对数据分析需求的不断增长，聚类分析广泛也开始应用在食品领域，比如焦扬等、韩斯等分别将聚类分析运用在蓝莓和李品种分类上。本研究将对评价米饭食用品质的16项指标进行聚类分析，观察各项指标的相似程度并予以分类，减小后续分析的复杂程度。分析结果如图1所示。

图1中纵坐标代表16项米饭食用品质的评价指标，横坐标代表各项指标间的距离。距离值越小，表示各项指标越接近，指标之间的相似程度越大。为了使同类指标之间有良好的可代替性，因此在距离较小处进行聚类，在距离为5时进行聚类分析。其中弹性、回复性、脂肪、总淀粉、粘着性、米汤固形物、膨胀率7项指标各为一类。而可溶性糖、直链淀粉、米汤pH、碘蓝值可归为一类；硬度、蛋白质可归为一类；水分、吸水率、粘聚性可归为一类。上述结论与部分文献报道具有相似的结论，周显青等研究表明碘蓝值与大米直链淀粉含量有关，直链淀粉含量越大，碘蓝值越高。夏凡等研究发现由于粳米直链淀粉含量高，其米汤pH高于直链淀粉含量较低的籼米，而直链淀粉含量最低的糯米米汤pH也是最低的。Chemists等和Elaine等研究发现大米中蛋白质含量越高，米饭硬度越大，这是因为大米中的蛋白质对大米淀粉的糊化和膨胀过程起着抑制作用，使大米糊化度降低，口感变硬。米饭水分含量越高，大米淀粉在蒸煮过程吸水越多，米饭水分含量与吸水率有明显相关。

2 米饭物性指标与感官评价的相关性分析

为了进一步研究米饭物性指标与感官品质评价间的相互关系，本研究将筛选得到10个基础物性指标与感官评价指标得分进行了相关性分析，结果如表2所示。

由表2可知：水分与饭粒完整性呈显著的负相关（P<0.05），米饭的水分含量越高，饭粒完整度越差。较高含量的水分会使饭粒内部淀粉过度吸水导致其空间结构被破坏，从而降低饭粒的完整度，因此可选用水分含量代替饭粒完整性；脂肪与气味呈显著的正相关（P<0.05），这是因为淀粉-脂复合物分解时，会产生部分脂肪酸和一些风味物质。脂肪含量越高，米饭气味越香，因此可选用脂肪代。

3 基于主成分分析的米饭品质评价体系的建立

主成分分析法（principal components analysis，PCA）可以对多个指标进行特征提取和降维，化繁为简。目前PCA已应用食品加工专用品种的筛选、食品质量评价等研究领域。本研究将对与感官评价得分高度相关的物性指标进行主成分分析，以特征值大于1为标准，选择前三个分量，其主成分特征值及累计贡献率见表3。为简化表达，令X₁为水分、X₂为脂肪、X₃为硬度、X₄为粘着性、X₅为弹性、X₆为回复性。X₁~X₆的特征向量见表4。由于米饭品质评价关键物性指标的量纲不同，在数量级上也有较大差异，因此为了消除由于量纲不同而产生的新问题和不合理影响，在进行主成分分析之前需要先对数据进行标准化处理，公式如下：

式中：X_i—标准化值；Xmin—指标数据中的最小值；Xmax—指标数据中的最大值。

在有关研究中，王学锋从外观、质构两个方面选取12项指标对米饭的食味评价进行研究，其囊括了米饭外观的相关指标，使得模型更能贴近感官评价的各个方面，能更好地预测米饭的综合食味。基于此，本研究进一步对指标进行了聚类分析。

由表3可知，第1主成分的贡献率为33.787%，第2主成分的方差贡献率为29.230%，第3主成分的贡献率为23.865%，三者累计方差贡献率为86.882%，累计方差贡献率超过80%，几乎包含了绝大部分信息，能反映米饭食用品质的整体信息。因此。选择前三个主成分进一步分析，得到由特征向量所表达的各主成分线性方程，关系式如下：

由表3可知，第一主成分方差贡献率最大，方差解释率最高，为33.787%，也就是说第一主成分能够单独说明整个原始数据标准变异的33.787%。通过线性方程Z1得出：特征向量绝对值最大的是水分X₁，其次是脂肪含量X2，其值分别为0.910和0.717，说明水分和脂肪对第一成分的影响较大，且这两个指标对第一成分的影响为正作用。因此，第一主成分对应的是感官评价中外观和气味的综合指标。

第二主成分方差贡献率为29.23%，能单独说明整个原始数据标准变异29.23%，方差解释率较高，通过线性方程Z2得出特征向量绝对值最大的是粘着性X4，其次是回复性X6和硬度X3，其值分别为：−0.772、0.768和0.625，说明对第二主成分影响较大的指标为粘着性、回复性和弹性。因此，第二主成分对应的是感官评价中米饭口感指标。

第三主成分方差贡献率为23.86%，能单独说明整个原始数据标准变异23.86%，通过线性方程Z3得出的特征向量绝对值最大的是弹性X5，其次是回复性X6，其值分别为0.973和−0.534，说明对第三主成分影响较大的指标为弹性和回复性。因此，第三主成分对应的是感官评价中米饭味道指标。

前3个主成分包含了6个原变量86.882%的信息，所以可以用前3个主成分来代替原有的6个变量进行主成分回归分析。以每个主成分所对应的特征值占所提取的主成分特征值之和的比例为权重，得到主成分综合得分公式Z，如下：

Z=0.33787Z₁+0.29230Z2+0.23865Z3=0.42X₁+0.0532X2−0.0597X3−0.447X4+0.266X5+0.114X6

回归方程方差分析如表5所示，由表5可知，F检验统计量的概率Sig.=0.001（Sig.<0.05），说明自变量和因变量之间存在显著的线性关系，可以用线性模型来表示。如表6所示，回归方程的相关系数R和决定系数R²分别为0.972和0.945，表明本方程具有较高的拟合度，自变量能够解释因变量的大多数信息。德宾-沃森统计量（DW值）为0.703，DW值恰好处在显著水平为0.01的值域中。

另外本研究通过对比各样品的感官评价得分、综合得分公式计算的主成分综合得分及排名，来验证基于主成分分析建立的米饭食用品质评价体系的可行性，结果如表7所示。结果显示，各样品的主成分综合得分排名与感官评分排名基本一致，基于主成分分析物性指标评价三种优质大米的米饭食用品质具有一定的可行性。康弘1号在IH常压蒸煮下的主成分排名和感官评价排名最高，稻花香、吉林小町米在直热式常压蒸煮下的主成分排名和感官评价排名较高。因此，康弘1号的最佳蒸煮方法为IH常压蒸煮，稻花香、吉林小町米最佳蒸煮方法为直热式常压蒸煮。结果也间接说明稻花香、小町米等东北粳米不适合压力蒸煮。

结论

群聊：食品工业科技作者群

温

馨

提

示

我刊正式组建微信作者群，为作者提供更多的学术与论文资讯，如需进群，请联系刘老师（微信：上方二维码,电话：87244117-8062）。

详细内容请点击文末“阅读原文”。

编辑：汤梦怡

主编：冯媛媛

版权声明

《食品工业科技》具有以上论文在全世界范围内的复制权、发行权、翻译权、汇编权、广播权、表演权、信息网络传播权、转许可权及以上权利的邻接权，且作者已授权期刊同论文著作权保护期。如需转载，可联系《食品工业科技》编辑部010-87244116，或直接在文末撰写转载来源。

    

食品工业科技官方网站：

http://www.spgykj.com

点亮“在看”，为《食品工业科技》助力