پیش‌بینی برخی خواص شیمیایی و فیزیکوشیمیایی نمونه‌های برنج سفید با استفاده از آنالیز طیف سنجی فروسرخ نزدیک (NIRS)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل

2 دانشیار، گروه مهندسی مکانیک بیوسیستم، دانشکده علوم کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.

3 استادیار، دانشکده فناوری کشاورزی و منابع طبیعی مغان، دانشگاه محقق اردبیلی، پارس‌آباد

4 استادیار، موسسه پژوهشی علوم و فناوری رنگ و پوشش، تهران

چکیده

خواص شیمیایی و فیزیکوشیمیایی از جمله عوامل بسیار مهم در تعیین ویژگی‌های پخت و فرآوری برنج محسوب می‌شوند. در این مطالعه، امکان پیش‌بینی میزان آمیلوز، درجه حرارت ژلاتینه شدن، حداقل چسبندگی و پس‌روی چسبندگی از 120 نمونه دانه‌های برنج با استفاده از طیف سنجی فروسرخ نزدیک (NIRS) در ناحیه 2500-800(nm) انجام گردید. مدل‌های کالیبراسیون توسط رگرسیون چند متغیره با حداقل مربعات جزئی (PLS) توسعه داده شد. پارامترهای فوق به ترتیب با پیش‌پردازش‌های SG+MSC، SG+D1، بدون پیش‌پردازش و بدون پیش‌پردازش با R2 کالیبراسیون؛ 97/0، 93/0، 97/0 و 94/0 و R2 اعتبار سنجی به ترتیب 95/0، 83/0، 90/0 و 86/0 به دست آمد. RMSECV برای پارامترهای فوق به ترتیب 27/0، 26/0، 92/4 و 95/3 به دست آمد. اعتبار هریک از مدل‌های کالیبراسیون به‌طور آماری ارزیابی شدند. بر اساس نتایج این تحقیق، استفاده از NIRS برای تخمین خواص شیمیایی و فیزیکوشیمیایی نمونه‌های دانه برنج مفید است و به‌کارگیری آن روشی سریع برای پیش‌بینی است.

چکیده تصویری

پیش‌بینی برخی خواص شیمیایی و فیزیکوشیمیایی نمونه‌های برنج سفید با استفاده از آنالیز طیف سنجی فروسرخ نزدیک (NIRS)

تازه های تحقیق

  • شاخص‌های کیفی توده برنج در خریدوفروش این محصول برای مصرف‌کننده مفید است.
  • آنالیز کیفی برنج در آزمایشگاه‌های صنایع غذایی پرهزینه و زمان‌بر هستند.
  • نتایج این تحقیق به توسعه روش‌های ماشینی برای تعیین کیفیت توده برنج به‌طور سریع و با هزینه کم‌کمک می‌کند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Prediction of some chemical and physicochemical properties of white rice grain samples using near-infrared spectroscopy(NIRS) analysis

نویسندگان [English]

  • Nasrollah Fazeli Burestan 1
  • AmirHossein Afkari Sayyah 2
  • Ebrahim Taghinezhad 3
  • Mehdi Safi 4
1 Ph.D. candidate, Department of Biosystems Engineering, Faculty of Agricultural Technology and Natural Resources, University of Mohaghegh Ardabili, Ardabil.
2 Associate Professor, Department of Biosystems Engineering, Faculty of Agricultural Technology and Natural Resources, University of Mohaghegh Ardabili,
3 Assistant Professor, Faculty of Agricultural Technology and Natural Resources Moghan, University of Mohaghegh Ardabili, Parsabad.
4 Assistant Professor, Research Institute of Color Science and Technology, Tehran
چکیده [English]

Chemical and physicochemical properties are very important factors in determining the characteristics of rice cooking and processing. According to this study, it was possible to predict the of amylose content, gelatinization temperature, minimum and setback viscosity from 120 samples of rice grains, carried out using near-infrared spectroscopy (NIRS) in the electromagnetic region of 800-2500 nm. Calibration models were developed by partial least squares regression (PLS). The above parameters with SG + MSC, SG + D1, none pre-processing and none pre-processing preprocessing, was obtained with calibration R2; 0.97, 0.95, 0.97 & 0.94 and validation R2; 0.95, 0.83, 0.90 & 0.86, respectively. The RMSECV for these parameters was 0.27, 0.26, 4.92 & 3.95, respectively. The validity of each calibration models was statistically evaluated. Based on the results of this research, Using NIRS is useful for estimating chemical and physicochemical properties of rice grain samples and is a quick method for its quality prediction.

کلیدواژه‌ها [English]

  • Amylose content
  • Minimum viscosity
  • rice
  • Spectrometry (NIR)
[1] Vithu, P., Tech, M., & Moses, J. (2016). Machine vision system for food grain qualhty evalution: A review. Journal of Trends In Food Science & Technology., 56, 13-20.
[2] Ferreira, A., Oliveira, J., Pathania, S., & Almeida, A. (2017). Rice quality profiling to classify germplasm in breeding programs. Journal of Cereal Science., 76, 17-27.
[3] Hasjim, J., Li, E., & Dhital, S. (2013). Milling of rice grains: Effects of starch flour structures on gelatinization and pasting properties. Carbohydr. Polym., 92, 682-690.
[4] Collado, L., Mabesa, R., & Corke, H. (1999). Genetic variation in the physical properties of sweet potato starch. J.Agric.Food Chem., 47, 4195-4201.
[5] Bao, J., Wang, Y., & Shen, Y. (2007). Determination of apparent amylose content, pasting properties and gel texture of rice starch by near-infrared spectroscopy. Journal of the Science of Food and Agriculture., 87, 2040-2048.
[6] Guoquan, L., Huahong, H., & Dapeng, Z. (2006). Prediction of sweet potato starch physiochemical quality and pasting properties using near-infrared reflectance spectroscopy. Food Chem., 94, 632-639.
[7] Bao, J., Cai, Y., & Corke, H. (2001). Prediction of rice starch quality parameters by near-infrared reflectance spectroscopy. Journal of Food Science., 66, 936-939.
[8] Wu, J., & Shi, C. (2004). Prediction of grain weight, brown rice weight and amylose content in single rice grains using near infrared reflectance spectroscopy. Field Crop Res., 87,13-21.
[9] Shuso, K., Motoyasu, N., Kazuhiro, T., & Kazuhiko, I. (2003). Develoment of an automatic rice-quality inspection system. Cumputers and Electronics in Agriculture., 40, 115-126.
[10] Osborne, B. (2006). Application of near infrared spectroscopy in quality screening of early-generation material in cereal breeding programmes. Journal of Near Infrared Spectroscopy., 14, 93-101.
[11] Siriphollakul, P., Nakano, K., Kanlayanarat, S., Ohashi, S., Sakai, R., Rittiron, R., & Maniwara, P. (2017). Eating quality evaluation of KhaoDawk Mali 105 rice using near infrared spectroscopy. LWT - Food Science and Technology., 79, 70-77.
[12] Natsuga, M., & Kawamura, S. (2006). Visible and near-infrared reflectance spectroscopy for determining physicochemical properties of rice. Transactions of the ASABE., 49(4), 1069-1076.
[13] Chen, J., Miao, Y., Sato, S., & Zhang, H. (2008). Near infrared spectroscopy for determination of the protein composition of rice flour. Food Science Technology Research., 14(2), 132–138.
[14] Siriphollakul, P., Kanlayanarat, S., Rittiron, R., Wanitchang, J., Suwonsichon, T., Boonyaritthongchai, P., & Nakano, K. (2015). Pasting properties by near-infrared reflectance analysis of whole grain paddy rice samples. Journal of Innovative Optical Health Science., 8(6), 1-8.
[15] Rash, J., & Meullent, J.-F. (2010). Apparent Amylose Content Prediction using Near Infrared Spectroscopy of Individual and Bulk Rice Kernels. Rice Quality and Processing., 591, 312-321.
[16] Arora, V., Henderson, S., & Burkhardt, T. (1973). Rice drying cracking versus thermal and mechanical properties. Transactions of the ASAE., 16(2), 320-327.
[17] Juliano, B. (1971). A simplified assay for milled rice amylose. Cereal Science Today, 16: 334–360.
[18] Little, R., Hilder, G., & Dawson, E. 1958. Differential effect of dilute alkali on 25 varieties of milled white rice. Cereal Chem., 35, 111-126.
[19] Kesarwani, A., Chiang, P., & Chen, S. (2016). Rapid Visco Analyzer Measurements of japonica Rice Cultivars to Study Interrelationship between Pasting Properties and Farming System. International Journal of Agronomy., 3595326, 1-6.
[20] Savitzky, A., & Golay, M. (1964). Smoothing and differentiation of data by simplifed least squares procedures. Anal. Chem., 36, 1627-1638.
[21] Hassan, H., Fan, M., Zhang, T., & Yang, K. (2013). Prediction of Total Phenolics and Flavonoids Contents in Chinese Wild Rice (Zizanialatifolia) Using FT-NIR Spectroscopy. American Journal of Food Technology., 10(3), 109-117.
[22] Cagampang, G. (1973). A gel consistency test for eating quality of rice. Journal Sci. Food and Agric., 24(12),1589-94.
[23] Mestres, C., Ribeyre, F., Pons, B., Fallet, V., & Matencio, F. (2011). Sensory texture of cooked rice is rather linked to chemical than to physical characteristics of raw grain. Journal of Cereal Science, 53: 81-89.
[24] Tester, R. F., & Morrison, W. R. (1990). Swelling and gelatinization of cereal starches II. Waxy rice starches. Cereal Chem., 67, 558-563.
[25] Allahgholipour, M., Ali, A., Alinia, F., Nagamine, T., & Kojima, Y. (2006). Relationship between rice grain amylose and pasting properties for breeding better quality rice varieties. Plant Breed., 125, 357-362.
 [26] Asante, M., Offei, S., Gracen, V., Adu-Dapaah, H., Danquah, E., Bryant, R., & et al. (2013). Starch physicochemical properties of rice accessions and their association with molecular markers. Starch Starke., 65, 1022-1028.
[27] Huang, H., Yu, H., Xu, H., & Ying, Y. (2008). Near infrared spectroscopy for on/in-line monitoring of quality in foods and beverages: a review. J. Food Eng., 87, 303-313.
[28] Osborne, B., Kays, S., Barton, F., Cozzolino, D., Giangiacomo, R., & Cattaneo, T. (2006). Applications to foodstuffs. In Y. Ozaki, W.F. McClure, A.A. Christy (Eds.) Nearinfrared Spectroscopy in ood Science and Technology, Hoboken:. Wiley-Interscience, PP 279-340.
[29] Cen, H., & He, Y. (2007). Theory and application of near infrared reflectance spectroscopy in determination of food quality. Trends in Food Science & Technology., 18(2), 72-83.
[30] Osborne, B., Fearn, T., & Hindle, P. (1993). Practical NIR Spectroscopy with applications in Food and Beverage Analysis. Harlow: Longman Scientific & Technical.
[31] Fearn, T. (2002). Assessing calibrations: SEP, RPD, RER and R2. NIR News., 13, 12-14.
[32] Nicolai, B., Beullens, K., Bobelyn, E., Peirs, A., Saeys, W., Theron, K., Lammertyn, J. (2007). Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review. Postharvest Biology and Technology., 46, 99-118.