豆浆在凝固剂作用下的凝结特性

惠鹏飞， 王艳春， 夏 颖， 周喜权

(齐齐哈尔大学通信与电子工程学院，黑龙江齐齐哈尔161006)

0 引言

豆浆凝结是国际研究的热点课题，豆浆加入催化剂后在热力的作用下形成豆腐，豆浆的凝胶过程对豆腐的质量影响很大。分析豆浆凝结过程的方法有:超声波法、分形几何法、流变法、电子扫描法、光散射法等等［1-5］。但是，这些方法需要昂贵的设备和复杂的程序，且豆浆胶体具有破坏性又不能做到实时分析。为了不破坏豆浆凝结过程，本文采用表面纹理分析法。该方法是用摄像机一直拍摄豆浆凝结过程，将拍摄的视频直接送入电脑中，并每隔15 s对视频进行一次截图，用Matlab程序对图像做表面纹理分析。这种方法最大的好处就是可以实时分析豆浆的变化且不破坏豆浆成分，具有简便、价格低廉、快速等优点，可以在实际的生产生活中加以应用，得到优质的豆腐。

1 大豆蛋白的凝结机理

大豆蛋白中蛋白质分子包含了酸性和碱性两性基团，在不同的pH值条件下，蛋白质分子带有不同性质和不同电荷量的电荷。在豆浆溶液pH 4．5时，蛋白质分子所带总电荷为零，该值被称为大豆蛋白等电荷点［6］。在加入盐类催化剂(如二水硫酸钙)前，豆浆的pH值为7．1，远大于pH4．5，豆浆中的蛋白质电荷呈负电(即碱性)，蛋白质分子间的静电斥力占主导地位，因此相互难以靠近，不能结合在一起。加入盐类催化剂后，一方面豆浆中的pH降低;另一方面盐中的正离子(如:Ca+，Mg+)屏蔽了蛋白质的部分负电荷，从而使蛋白质间的静电斥力减弱，随着盐离子浓度的增加，豆浆的pH向大豆蛋白等电荷点方向降低，同时对蛋白分子的静电屏蔽作用增强，使得大豆分子间的斥力进一步降低，引力增加，结合速率加快。当分子间的斥力(静电作用)大于引力(疏水作用、氢键)时，蛋白质分子形成网络结构［7］。随着凝固物的进一步收缩，大量水被排出，结块出现。当凝胶介质的pH降低到大豆蛋白的等电荷点时，凝胶速率达到最大值;之后，盐类催化剂继续水解，使分子间重新产生静电斥力，于是豆浆凝结速率降低;之后溶液逐渐趋于稳定。

2 实验设计

2．1 实验材料与仪器

(1)材料。精选优质大豆，石膏(CaSO4·2H2O)，常温下的纯净水。

(2)仪器。恒温磁力搅拌器，超级恒温水浴，豆浆机，电磁炉，酸度计，pH试纸，天平，烧杯。

图2 加入石膏前后的豆浆图像

2．2 实验方法

(1)豆浆溶液制备。室温下，取300 g除杂后的精选大豆，水洗后在室温下浸泡6～8 h，经磨碎后得到浆渣混合物，称为豆糊。加入热水(95℃)并搅拌浸出蛋白质，过滤除渣，通过加入适量的水得到浓度为6%的生豆浆;生豆浆以0．38℃/s持续加热到95℃，恒温5 min后，再冷却至常温便可得到熟豆浆［8］。

(2)石膏溶液的制作。在60℃的恒温水中加入粉碎的石膏，搅拌至完全溶解，配置成浓度为0．5 g/ml的石膏溶液。

(3)蛋白质聚集体的制作。在100 mL熟豆浆中，加入0．5 g/mL石膏溶液5 g后，在恒温磁力搅拌器下搅拌5 min，然后放入95℃恒温水浴锅中加热30 min，此时凝结开始，可以进行下一步的观测实验。

2．3 蛋白质凝结过程的测定

实验装置如图1所示，将熟豆浆倒入95℃恒温水浴锅中加热，上方为CCD摄像头，两边为日光灯，摄像头拍摄的视频直接录入电脑中。

图1 实验原理图

2．4 实验结果

从加入催化剂后开始录制，录制30 min，15 s截取一幅图像，共120幅图像。从这120幅图像中分别挑出不同时间的具有代表性的图像，如图2所示。

2．5 实验结果分析

从图2可以看出，刚开始豆浆反应不剧烈，5 min时出现微小颗粒，10 min后出现明显沉淀，20 min出现较大颗粒，30 min后出现絮状物，即出现凝胶状态。

3 图像纹理分析

像素是一副图像的基本组成要素，有两种信息包含在每个像素点上:亮度和位置，这两种要素分别代表了图像的颜色和形状。但图像还包含有一种重要的信息:纹理，它们反映了物体表面颜色和灰度的某种变化。这些变化与物体本身的属性相关。纹理分析是指用图像像素亮度的变化来度量图像的粗糙、平滑、柔软和起伏等等［9］。纹理分析可分为:①统计纹理分析;②结构纹理分析;③基于模型的纹理分析;④基于转换的纹理分析［10］。

计算图像纹理特征的方法有很多种，本文选用改进后的Laws纹理能量测量法［11］，这种方法是基于转换的纹理分析技术，是一阶统计方法。所谓一阶统计方法是根据某个像素单元及其邻域的灰度分布或某种属性去做纹理测量。而对一对像素单元及其邻域的灰度组合分布作纹理测量的方法，常称为二阶统计分析方法，比如灰度共生矩阵［12］。显然一阶统计方法比二阶简单。因此一阶统计方法是人们研究的热点。Laws纹理测量的基本思想是设置2个窗口:1个是微窗口，可为3×3、5×5或7×7矩阵，常取3×3矩阵用来测量以像元为中心小区域的灰度的不规则性，以提取图像属性，称为微窗口滤波;另一个为宏窗口，为15×15或32×32矩阵，用来在更大的窗口上求属性的一阶统计量(均值和标准偏差)，又称之为能量变换。Laws研究了如何对每个像素做滤波的模板f(x，y)→微窗口滤波→F(x，y)→能量转换→E(x，y)→分量旋转→C(x，y)→分类→M(x，y)［13］，并研究了滤波模板的选定。首先定义了一维滤波模板，然后通过卷积形成系列一维滤波矩阵和二维滤波矩阵，用来检测和度量纹理的结构信息。他选定的三组一维滤波模板是:

0°、45°、90°和 135°这 4 个方向的卷积矩阵如图 3所示。本文选择0°和90°进行转换，即坐标轴的x轴和 y轴，0°和90°2 个矩阵又叫 Sobel算子［14］。

y方向的Sobel算子:

x方向的Sobel算子:

图3 灰度共生矩阵的参数矩阵

将原图像中的每个像素点和这2个矩阵进行卷积，卷积的结果就是该点在x、y方向上的梯度。通过得到该点的梯度值，利用Ti=mean(Gi)将每点的梯度相加取平均后得到该幅图像的梯度值Ti，每幅图像的梯度值就是我们要提取的这幅图像的纹理特征。该梯度值也就代表了凝结速率值［15］。

利用Matlab 2010作为图像数据分析工具，对实验过程的每幅图像进行计算分析。120幅图像输入到Matlab中得到120个值，其随时间在图中表示出后，可以得到豆浆在凝结过程中的一些基本信息，凝结豆浆图像纹理变化曲线如图4所示。

图4 凝结豆浆纹理变化曲线

从图4可以看出，刚开始梯度值是减小的，这是因为在高温下大量的脂肪球先流动到溶液表面，影响了观察。而表面下蛋白质开始逐渐凝结，随着蛋白质网络的形成，脂肪粒也逐渐被包含到网络中，豆浆凝结逐渐显现，梯度值开始增大。图中绿点(约2．5 min处)代表梯度最小值，可以认为从该点开始蛋白质分子开始凝聚，溶液pH逐渐降低;在红点处(约10 min处)凝结速率达到最大，在该点曲线的斜率也最大，此时蛋白凝结介质的pH降低到大豆蛋白的等电荷点，溶液呈中性。之后溶液逐渐呈正电性，分子间斥力加大，蛋白凝结速率降低，但蛋白质依然在凝结中，所以梯度值依然在上升。从图中可以看出，由灰度共生矩阵提取的梯度能近似地反映大豆蛋白的凝结过程。

4 结语

提出一种能够监测豆浆凝结特性的新方法，利用纹理分析法对豆浆凝结特性进行分析和计算，表面纹理分析是基于自由运动理论，类似于布朗运动，分子的运动是不受限制的。该方法避免了对豆浆胶体产生破坏，具有实时分析、简单快速、价格低廉等优点。

纹理分析法同样可用于其他有关蛋白质凝结的实验，如:血浆凝结实验、牛奶凝结实验等等，若对该方法做更深入的研究，则需要加入其他变量，如凝结过程中酶浓度的变化，凝结过程中脱水的多少等等。

［1］ Ching-Hua Ting，Feng-Jui Kuo．Use of ultrasound for characterising the gelation process in heat induced CaSO4·2H2O tofu curd［J］．Journal of Food Engineering，2009，9(3):101-107．

［2］ Woodcock Tony，Colette C Fagan，Colm P O’Donnell，et al．Application of near and mid-infrared spectroscopy to determine cheese quality and authenticity［J］．Food Bioprocess Technol，2008(1):117-129．

［3］ Cattaneo T C．Giardina N，Sinelli M Riva，et al．Application of FTNIR and FT-IR spectroscopy to study the shelf-life of crescenza cheese［J］．International Dairy Journal，2005，15(6):693-700．

［4］ Fagan CC．Everard CM，O’Donnell，GDowney，et al．Evaluating mid-infrared spectroscopy as a new technique for predicting sensory attributes of processed cheeses［J］．Dairy Sci，2007(1):122-132．

［5］ De Marchi，Fagan M C C，O’Donnell C P，et al．Prediction of coagulation properties，titratable acidity，and pH of bovine milk using mid-infrared spectroscopy［J］．Journal of Dairy Science，2009，21(9):423-32．

［6］ 崔亚丽．颗粒度对豆浆品质及蛋白质净化率的影响［D］．杨凌:西北农林科技大学，2012．

［7］ 刘志胜．豆腐凝胶的研究［D］．北京:中国农业大学，2000．

［8］ 张镇山，方继功，豆制食品生产工艺与设备［M］．北京:中国食品出版社，1988:78-83．

［9］ 徐建华．图像处理与分析［M］．北京:科学出版社，1992:5-22．

［10］ 孙慧贤，基于纹理分析的视觉检测方法与应用研究［D］．长沙:国防科技大学，2010．

［11］ 周亚军，王淑杰，苏 丹．含水果颗粒胶体溶液通电加热速度建模与工艺优化［J］．农业机械学报，2009，40(10):111-125．

［12］ 杨芳，潘思铁，张丛兰．豆腐凝胶形成过程中蛋白质变化研究［J］．食品科学，2009，30(19):120-124．

［13］ 周明全，耿国华，韦 娜．基于内容图像检索技术［M］．北京:清华大学出版社 ，2007:116-119．

［14］ Fagan Colette C，Manuel Castillo，Donal J O‘Callaghan，et al．Visible-near infrared spectroscopy sensor for predicting curd and whey composition during cheese processing［J］． Sensing and Instrumentation for Food Quality and Safety ，2009，32(6):62-69．

［15］ 熊秀芳，李星恕，郭康权．豆浆通电加热过程有限元解析与验证［J］．农业机械学报，2011，42(12):158-163．