RVA糊化曲线在膨化米饼原料大米筛选中的应用

史梦娜

上海潮旺科技有限公司 （上海201103）

我国是稻谷生产和消费的大国，稻谷除了作为主要粮食作物外，还可加工成其他米制品作为休闲零食。仙贝、雪饼等膨化米饼就是其中的一种，在中国及海外华人市场深受消费者喜爱。旺旺集团生产的膨化米饼不添加膨松剂，它是以大米为主要原料，将大米制成饼胚，利用高温焙烤的方式使饼胚中的水分在高温条件下急剧汽化从而引起体积膨胀[1]，达到口感松脆、米香四溢的特点。研究发现大米的膨化度在品种间差异明显[2]，因此选择合适的大米对米饼的品质有着关键性的影响。

业内多采用蒸煮品评的方式进行原料大米的初筛，但该方法依赖于品评人员的经验，主观性较强，难以推广。有学者采用直链淀粉含量、蛋白质含量、胶稠度等指标[2-3]分析大米的品质，由于涉及的指标较多，多数需要专门的昂贵仪器设备，较为麻烦。因此希望能有一种简便、快捷、客观的方式进行大米的初筛。

大米糊化特性是反映大米淀粉品质的一个重要指标，它受基因型、环境及其互作的影响[4]，其特征值与直、支链淀粉含量及比例、支链淀粉结构、脂肪、蛋白质等存在相关性[5]。检测所需要的样品量少，检测速度快，还具有较好的重复性[6]，适宜作为大米初筛的指标。

已报道研究中，多元回归、线性回归、相关性分析等传统统计学方法被普遍应用于分析大米食味品质与理化特性的关系[7-8]。然而这些方法在应用时常需要满足一定假设前提，如数据是独立、正态分布和方差齐性等[9]，对原始数据有一定要求。而决策树算法无需考虑变量间的共线性问题，可用树形图的形式直观展现因变量与自变量间的关系[10]，易于理解和使用。决策树是通过对已知数据进行分析分类，得到可对未知数据进行判断预测的演算方法，应用广泛，可用于降水预报[11]、能耗预测[12]等方面。

鉴于大米糊化特性和决策树算法的优点，试验用来研究大米糊化特性对米饼膨化效果的影响，以期建立预测大米膨化效果的决策树模型，为米饼生产中原料大米的快速筛选提供理论参考。

1 材料与方法

1.1 材料

试验大米的品种与来源见表1。

表1 试验大米的品种与来源

1.2 仪器与设备

由杭州旺旺食品有限公司提供中试场所及米果生产成套设备；DHG-9140A电热鼓风干燥箱（上海一恒科学仪器有限公司）；FOSS CT 193 CyclotecTM旋风磨[福斯华（北京）科贸有限公司]；RVA-TecMaster快速黏度仪[波通瑞华科学仪器（北京）有限公司]。

1.3 大米糊化曲线的测定

依据GB/T 24852—2010《大米及米粉糊化特性测定快速黏度仪法》的方法测定大米样品的糊化特性。

1.4 米饼的制作

1.4.1 工艺流程

洗米→浸米→磨粉→蒸煮→揉练→成型→干燥→焙烤

1.4.2 操作要点

原料处理：将大米洗净后，浸泡5～9 h，将水分沥干，并研磨成米粉。

高温蒸煮：将米粉投入蒸练机中，加入一定量的水并通入蒸汽蒸煮。

饼胚制作：蒸练完成后，过冷却水，并通过揉练机揉练均匀，而后通过成型机压至成特定形状的薄片。

饼胚干燥：在60～90 ℃条件下将饼胚干燥成型。焙烤：采用150～300 ℃的隧道式烧上炉将饼胚焙烤成米饼。

1.4.3 米饼膨化度的测定

取5 L量筒，将油菜籽全部倒入量筒，轻轻敲打量筒壁使其表面平整，记录此时油菜籽的体积V1。倒出油菜籽，放入10枚饼胚或米饼后，将油菜籽倒入量筒中，完全覆盖饼胚或米饼样品表面并轻敲量筒壁使其填满缝隙及表面平整，记录此时的体积V2。饼胚或米饼体积按式（1）计算，膨化度按式（2）计算。

1.5 数据处理

采用IBM SPSS Statistics 23.0数据分析软件进行显著性分析。使用IBM SPSS Modeler 18.0软件进行决策树模型创建。

2 结果与分析

2.1 大米RVA糊化曲线的分析

采用RVA快速黏度仪可以获得大米糊化特性曲线，它反映在程序设定的加热-保温-冷却的条件下，大米淀粉黏度随时间的变化情况。从图1可以看出，不同品种的大米其黏度随时间、温度变化的趋势基本一致。在测试开始阶段，随着试样温度的升高，淀粉颗粒逐渐吸水膨胀，此时黏度基本不变。当到达某一温度时，淀粉颗粒开始溶胀，黏度突然升高，此时的温度为糊化温度。随着温度的继续升高，黏度逐渐升高到最大达峰值黏度。在保温期间，淀粉颗粒吸水溶胀后逐渐变软，在高温和机械剪切力的作用下破碎，导致黏度逐渐降低。而后随着温度继续下降，淀粉分子之间发生重排，黏度逐渐升高，到达试验停止时所达到的黏度为最终黏度。峰值黏度和最低黏度的差值称为衰减值，反映热糊的稳定性。最终黏度和最低黏度的差值为回生值，反映淀粉的冷糊稳定性和老化趋势[5,13]。为更好地进行糊化特性分析，选取8个关键点，即糊化温度（试样加热后黏度开始增大时的温度）、峰值黏度（在规定条件下加热使试样开始糊化至冷却前达到的最大黏度值）、达峰值黏度时间（在规定条件下试样开始加热至达到峰值黏度的时间）、最低黏度（在规定条件下试样达到峰值黏度后，在冷却期间的最小黏度值）、最低黏度时间（在规定条件下试样冷却至最低黏度时的时间）、最终黏度（在规定条件下测试结束时的试样黏度值）、衰减值（峰值黏度与最低黏度的差值）、回生值（最终黏度和最低黏度的差值）。

图1 不同品种大米糊化特性曲线

从表2可知，试验所用的18种大米的糊化温度在68.72～85.95 ℃，跨度较大。东北粳米糊化温度（68.72～71.47 ℃）极显著低于籼米的糊化温度（73.15～85.95 ℃），南方粳米的糊化温度（69.95～ 77.52 ℃）介于二者之间。这同程科等[5]、阮少兰等[14]的研究结果一致，通常认为是由于籼米直链淀粉含量高、结晶度高、支链淀粉支链较长，形成结构较紧密的双螺旋结构，导致晶体熔解所需热量大。虽然峰值黏度没有表现出显著的南北方米、粳籼米差异，但籼米要较粳米更早到达峰值黏度。籼米也较粳米更早到达最低黏度，其最低黏度略高于粳米。籼米的最终黏度和回生值也要高于东北粳米，这可能也与籼米直链淀粉含量高、支链淀粉外链长有关，使其在冷却过程中直链淀粉之间容易发生重排，凝胶强度大，使得最终黏度和回生值大[4-5]。

表2 不同品种大米糊化特征值及其制作的米饼膨化度

2.2 米饼膨化度测定结果

将不同品种的大米，采用相同的配方、设备和制程参数分别制作成米饼，并测定其膨化度。从表2可知，不同品种大米膨化度间存在显著差异。东北粳米的膨化度普遍优于南方粳米及籼米，这同武洋等[2]的研究结果一致。另外，虽然业界普通认同东北粳米的膨化度优于南方粳米，但测试中也注意到，南方粳米“武运粳30”的膨化度表现并不输于东北粳米，说明南方粳米中同样存在适合制作优质膨化米饼的大米。但乔治等[15]研究发现，即使相同的大米品种，在不同的地域种植，其理化特性间还是会存在极显著差异，因此不能简单以品种判断大米的膨化度。

2.3 决策树模型建立

决策树算法的基本原理是通过对输入的数据集进行分析，设定分类规则，将数据集往下细分，形成一个自顶向下的二叉树形式的结构[16]。依据决策树模型需要，笔者对膨化度进行二分类处理，设立膨化级别，依据显著性分析结果，将表2中膨化度高的设定为“优”，反之为“差”。将表2中编号2～17的样品数据作为训练集用以建立决策树模型。以训练集的糊化特征值作为输入变量，以膨化级别作为输出变量，得出如图2的决策树模型。

图2 判断大米膨化度的决策树模型

所创建的决策树共4层、8个叶节点，树形结构的第1层按照糊化温度变量来拆分节点，参考赋值情况来看，糊化温度＞72.275 ℃，则该大米膨化效果较差。在第2层叶节点中以最低黏度进行拆分，即糊化温度≤72.275 ℃，而最低黏度≤1 954.500 RVU，则该大米膨化效果较好。在第3层叶节点中以最终黏度拆分，当糊化温度≤72.275 ℃，最低黏度＞1 954.500 RVU的情况下，最终黏度≤3 091.500 RVU，则该大米膨化效果较差。在第4层叶节点中以峰值黏度拆分，若糊化温度≤72.275 ℃，最低黏度＞1 954.500 RVU，最终黏度＞3 091.500 RVU，而峰值黏度＞2 834.000 RVU，则该大米膨化效果较好，反之膨化效果较差。该决策树模型筛选出4个对米饼膨化有重要意义的变量，依据重要性排序规则，依次为糊化温度、最低黏度、最终黏度、峰值黏度。

为验证决策树模型的准确性，将表2中1号和18号样品数据作为验证数据，采用图2的决策树模型预测其膨化级别。从表3可以看出，1号样品预测的膨化级别为优，18号样品预测膨化较差，同试验结果一致。

表3 决策树模型验证

3 结论

不同品种的大米制作的米饼膨化度间存在显著差异，通常被认为同直链淀粉的含量有关[2]。然而米饼的生产经历高温蒸煮（糊化）、水冷（老化）、高温膨化的过程，影响大米淀粉糊化、老化等的因素都有可能影响米饼的膨化度。有研究发现直支链淀粉的比例、可溶性糖类、脂类、蛋白质等因素都会对大米淀粉的糊化、老化产生影响[5,17-18]，因此猜测也会影响米饼的膨化度。凌彬等[19]研究也证实了这个猜测，而这些因素的影响可在大米RVA糊化特性曲线上呈现出来。试验利用大米糊化特征值建立的预测大米膨化度的决策树模型，可以取代同时需要测定直链淀粉含量、蛋白质含量、脂肪含量等多个理化指标的评价方法进行原料大米的初筛，更高效便捷，并且客观。

米饼的制作除了主要原料大米外，辅料的使用、生产设备、制程参数均对其膨化效果产生影响。李庆龙等[20]借用辅料的使用及工艺的调整，制作出优良的籼米米饼。因此无需精确的预估大米的膨化度，只需采用试验建立的决策树模型对大米进行膨化好、差的快速初筛，后续在此基础上从配方、工艺上进行微调，可提高原料筛选效率。

统计预测存在一定误差，不可能百分百准确。由于试验只采用18个品种的大米作为分析，分析上存在一定误差。后期将不断增加米种数据，以完善决策树模型，以期建立最佳的预测大米膨化度的模型。

另外，试验只考虑大米的膨化度，但并不是膨化度越好，口感和风味等感官评分越高。因此若用于实际生产，还需考量成品的口感、风味。后续在筛选出膨化度好的大米后，可进一步将口感、风味纳入评价指标，或将膨化度、口感、风味的综合评分作为输出变量建立模型。