本发明专利技术涉及菜籽粕经过微生物发酵后品质的模糊综合评价方法，其方法是：根据发酵菜籽粕品质的主要影响因素，在评价中引入了模糊评价理论，采用强制决定法确定指标权重，采用对评价等级赋值法并通过模糊综合评价得出发酵菜籽粕品质的综合得分，从而判断出菜籽粕的品质。此外，可将综合评分用于发酵方式及发酵条件的选择上，使结果评判更为简便、直观。本发明专利技术具有指标全面、评价准确、操作方便、主观影响小等显著特点，在菜籽粕品质评价方面具有广泛的应用前景。
【技术实现步骤摘要】
本专利技术属于生物
，数学评价体系，涉及菜籽柏经过微生物发酵后品质提 高及评价体系及方法建立，具体地说是一种用于客观定性定量、综合分析微生物发酵后菜 籽柏品质的模糊综合评价的方法。
技术介绍
油菜籽是我国第一大油料作物，每年经制油后产生的菜籽柏高达700万t。菜籽柏 富含蛋白质，是仅次于豆柏的植物蛋白源，并且，氨基酸含量丰富。其中，蛋氨酸、精氨酸、亮 氨酸和缬氨酸含量较高，赖氨酸量略低于豆柏，其他必需氨基酸能与豆柏相当，营养价值可 与联合国粮农组织（FRO)和世界卫生组织（WHO)推荐的模式蛋白质相媲美。由此可见，菜 籽柏开发利用前景广阔，但是，长期以来，由于菜籽柏中含有硫代葡萄糖甙（硫甙）及其降 解物、植酸、芥子碱、酚酸和单宁等大量抗营养因子的存在，严重阻碍此深度开发利用。由于 微生物发酵法脱除抗营养因子具有处理方便、成本低、可工厂化处理脱毒，并且去除抗营养 因子的同时增进营养，在菜籽柏脱毒应用中广受亲睐。因此，利用微生物发酵提高蛋白质及 对发酵后菜籽柏品质进行科学评价具有应用基础价值。
技术实现思路
本专利技术的目的是针对微生物发酵菜籽柏品质评价指标多样性体系：包括抗营养因 子脱除率、蛋白质含量、多肽含量、蛋白质体外消化率等，提供一种发酵菜籽柏品质主要影 响因子的模糊综合评价方法。 为了实现综合评价微生物发酵菜籽柏品质及筛选发酵条件的目的，本专利技术采用的 方法是：根据发酵菜籽柏品质的主要影响因素，在评价体系中引入模糊评价理论，即：结合 模糊数学思想对发酵菜籽柏品质的影响因素进行整理、综合，采用强制决定法，经综合计算 确定指标权重，并通过模糊综合评价得出菜籽柏发酵的最优发酵方式及其工艺。 本专利技术具有的优点： (1)该方法将多个质量系数合成为综合评价指标，具有更好的简便性和直观性； (2)提供一种综合性的评价指标来评判发酵菜籽柏的品质； (3)利用综合性评价指标可以用来筛选菌种、发酵方式及发酵条件。【具体实施方式】 下面结合实施例对本专利技术作进一步的详细描述。 本专利技术发酵菜籽柏品质影响的特点，将评价指标分为2个层次，共11个因子，整个 过程评价因子分为1个互不相交的子集U= {Ul，U2，…，uj，每个因素评语集V按照100 分值进行评定，第一层次的因子U1Q= 1，2,…，1)由第二层次中的m个因子决定，即U1 = Iuil，Ui2，…，UinJ， 评价指标的量化采用建立备择集，再进行隶属度计算的方法，通过强制决定法来 确定指标的权重，进而建立综合评价模型对发酵菜籽柏品质影响进行计算。其中3个二级 指标由12个一级指标计算得到，综合评价结果由3个二级指标计算得到， 所述的建立备择集为：根据发酵菜籽柏评价的一般方法，将发酵菜籽柏品质综合 评价分为优，良，差3个等级，分别以石，5,忑表示。建立备择集V= 石},为便 于评价对各评价因子分别赋值99、66、33,S卩V=i99,66,33}。对于一级指标的评价建立备择 集7={￥1，￥2，￥3，￥4}，分别赋值100、75、50、25，即7={100,75,50,25}， 所述的计算隶属度为：对于评价指标分值，可根据指数法计算出单因子评价结果， 再根据德尔菲法（Delphi法）确定。引入梯形分布方法建立评价指标隶属函数，根据发酵 菜籽柏品质评价标准共分为4个评价等级，确定隶属函数的表达式为： 其中：r(X)为隶属函数；X1表示第i个评价因子的实测值；s^i，Slj，\+1在一级指 标计算中分别表示各评价因子的第j_l，j，j+1级标准值，在二级指标计算中为评语集中对 应的赋值。 评价指标及各评价等级评定标准值如下表所示。 其中，I* :芥子酶活力单位（U)定义，即Ig发酵菜籽柏粉在40°C和pH7. 0条件下 反应lh，释放出Iumol葡萄糖为一个酶活力单位，已umol葡萄糖?g1 ?h1表示。 所述的强制确定法确定权重为：规定权重的计算公式如下： W1=C1ZS1 (4) 式中，W1-第i种评价因子的权重值W1-第i种评价因子的实测值；Si-第i种 评价因子标准值的算数平均值。 归一化运算公式如下： 其中（m= 1，2,…，i) ;(n= 1，2,…，i),得到一个IXi的模糊矩阵，即各评价 因子的权重分配矩阵A: A={aua2,a3,a4} 所述的建立综合评价模型为：由评价因子U= {Ul，U2，…，Ul}和备择集V= {Vl， V2，…，vj}组成关系矩阵P 再进行综合评价运算：B=A°P=Ib1,b2,b3,b4} 其中也=(V*(a;八*pi.)j= (I, 2, 3, 4),记为M(八 *,V 表示模糊 矩阵合成算子，即M(八*，V*)。 所述的二级指标分值计算为： Z=BVt=(b!,b2,b3,b4) ? (V1,v2,v3,v4)T 然后利用二级指标分值与上述隶属函数及权重确定方法得到权重向量和关系矩 阵 A：I,E3'} 所述的建立综合评价模型为：由评价因子Ui={uu，Ui2，…，UiJ和评备择集 V=|；Vi厂Wi. _VT组成关系矩阵 其中为评价因子Uini对评语集$的隶属度。 再进行综合评价运算：B=I°F= $.，L，B.} 其中Ai=(VCA=^ij)j= (1，2, 3)，记为M(八*，V 表示模糊矩阵 合成算子，即M(八*，V*)。 所述综合评分值计算为： 实施例一：单菌发酵菜籽柏品质的评价 分别用黑曲霉、啤酒酵母、枯草芽孢杆菌与保加利亚乳杆菌对普通菜籽柏进行发 酵，各单菌发酵柏评价指标实测值见下表： 对于黑曲霉发酵柏，一级评价权重指标如下：all = (0. 334, 0. 171, 0. 325, 0. 171)al2 = (0. 361,0. 455,0. 034,0.149) al3 = (0. 303, 0. 171, 0. 281, 0. 245) 一级评价矩阵如下： Bll = (0. 275, 0. 546, 0. 162, 0)B12 = (0, 0. 004, 0. 665, 0. 329)B13 = (0, 0. 303, 0. 367, 0. 331) 由上述数值结合备择集赋值可得出二级指标的得分，脱毒效果得分为B11Vt= (0.275,0.546,0. 162,0) ? (100,75,50,25)1= 76.55 同理，产酶含量得分为41. 755,蛋白质量得分为49. 35。 由三个二级指标确定评价权重如下：A= (0.457,0.249,0.294) 二级评价矩阵如下： 从而得出黑曲霉发酵菜籽柏综合评价得分为巨▽T= (0. 146, (). 522, 0. 332 ) * (99 , 66：,S3 )T -S9. 862 根据上述黑曲霉菜籽柏品质综合评价的算法可得出啤酒酵母发酵柏、枯草芽孢杆 菌发酵柏、保加利亚乳杆菌发酵柏的最后得分分别为72. 567, 69. 102和71. 28,比较综合得 分，可判定出哪种菌发酵菜籽柏得到的柏品质较优。 实施例二：混合比例对混菌发酵菜籽柏品质的影响 以黑曲霉与枯草芽孢杆菌菌液比为1:2, 1:1，2:1分别发酵普通菜籽柏，发酵完成 后得到各发酵柏评价指标实测值如下表所示： 按照实施例一的方法计算出黑曲霉与枯草芽孢杆菌不同本文档来自技高网...
【技术保护点】
一种菜籽粕经过微生物发酵后品质的模糊综合评价方法，其特征在于，包括以下内容：(1)评价体系的建立 建立模糊评价方法根据发酵菜籽粕品质影响的特点，将评价指标分为2个层次，共11个因子，整个过程评价因子分为l个互不相交的子集U＝{u1，u2，…，ul}，每个因素评语集V按照100分值进行评定，第一层次的因子ui(i＝1,2，…，l)由第二层次中的m个因子决定，即ui＝{ui1，ui2，…，uim}；评价指标的量化采用建立备择集，再进行隶属度计算的方法，通过强制决定法来确定指标的权重，进而建立综合评价模型对发酵菜籽粕品质影响进行计算，其中3个二级指标由12个一级指标计算得到，综合评价结果由3个二级指标计算得到，所述的建立备择集为：根据发酵菜籽粕评价的一般方法，将发酵菜籽粕品质综合评价分为优，良，差3个等级，分别以表示。建立备择集为便于评价对各评价因子分别赋值99、66、33，即对于一级指标的评价建立备择集V＝{v1，v2，v3，v4}，分别赋值100、75、50、25，即V＝{100,75,50,25}，所述的计算隶属度为：对于评价指标分值，可根据指数法计算出单因子评价结果，再根据德尔菲法(Delphi法)确定，引入梯形分布方法建立评价指标隶属函数，根据发酵菜籽粕品质评价标准共分为4个评价等级,确定隶属函数的表达式为：v1，隶属函数表达式为：r(x)=1(0≤xi≤sij)(sij+1-xi)/(sij+1-sij)(sij<xi<sij+1)0(xi≥sij+1)---(1)]]>v2,v3，隶属函数表达式为：V4，隶属函数表达式为：r(x)={1(xi≥sij)(xi-sij-1)/(sij-sij-1)(sij-1<xi<sij)0(xi≤sij-1)---(3)]]>其中：r(x)为隶属函数；xi表示第i个评价因子的实测值；sij‑1,sij,sij+1在一级指标计算中分别表示各评价因子的第j‑1,j,j+1级标准值，在二级指标计算中为评语集中对应的赋值，所述的强制确定法确定权重为：规定权重的计算公式如下:Wi＝Ci/Si (4)式中,Wi—第i种评价因子的权重值；Ci—第i种评价因子的实测值；Si—第i种评价因子标准值的算数平均值。归一化运算公式如下:ai=Ci/SiΣi=1mCi/Si=WiΣi=1mWi,Σi=1nai=1---(5)]]>其中(m＝1,2,…,i)；(n＝1,2,…,i),得到一个1×i的模糊矩阵,即各评价因子的权重分配矩阵A:A＝{a1,a2,a3，a4}所述的建立综合评价模型为：由评价因子U＝{u1，u2，…，ul}和备择集V＝{v1，v2，…，vj}组成关系矩阵P其中：pij为评价因子ui对评语集vj的隶属度。再进行综合评价运算：B＝A゜P＝{b1,b2,b3,b4}其中：bi＝(∨*(ai∧*pij)j＝(1,2,3,4),记为M(∧*,∨*)；“゜”表示模糊矩阵合成算子,即M(∧*,∨*)。所述的二级指标分值计算为：Z＝BVT＝(b1,b2,b3,b4)·(v1，v2，v3，v4)T然后利用二级指标分值与上述隶属函数及权重确定方法得到权重向量和关系矩阵A‾={a‾1,a‾2,a‾3}]]>所述的建立综合评价模型为：由评价因子Ui＝{ui1，ui2，…，uil}和评备择集V‾={v1‾,v2‾,...,vj‾}]]>组成关系矩阵P‾=v1‾v2‾...vj‾ui1p‾11p‾12...p‾1jui2p‾21p‾22...p‾2j...............uimp‾i1p‾i2...p‾ij]]>其中：为评价因子uim对评语集的隶属度，再进行综合评价运算：其中：j＝(1,2,3),记为M(∧*,∨*)；“゜”表示模糊矩阵合成算子,即M(∧*,∨*)。所述综合评分值计算为：Z‾=B‾V‾T=(b‾1,b‾2,b‾3)·(v1‾,v2‾,v3‾)]]>(2)发酵微生物及发酵品质指标设定1)发酵微生物黑曲霉、枯草芽孢杆...
【技术特征摘要】
【专利技术属性】
技术研发人员：丁之恩，方洁，徐浩，丁昱，程江华，周天驹，李菁楠，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。