【技术实现步骤摘要】
本专利技术涉及一种大米营养组分预测方法，具体涉及一种基于丝苗米留皮度的大米营养组分预测方法。
技术介绍
1、稻米是我国居民获取能量来源的主食之一，随着生活水平的改善以及保健观念的普及，消费者对稻米的营养成分愈加看重，这也引起了众学者的高度关注。大米中富含满足人体日常所需的营养物质，其中皮层和胚中的蛋白质、脂肪、维生素、矿物质和必需氨基酸含量约为60％～70％。
2、由于大米过度加工，导致营养流失、能耗高、风味较差等突出问题，因此研究留皮度对大米加工品质、食用品质、营养特性等的影响，揭示碾米工艺固有的规律，为大米适度加工提供理论基础，并为实际生产提供指导，具有非常重要的意义。大米中营养组分含量测定的常规方法为化学方法，但是繁琐费时。若能将加工精度与大米中营养组分含量之间的关系建立数学模型，在生产线就能判断由大米中组分决定的食用品质和营养特性，将科学全面反映大米留皮度，可以为碾米师提供简便、快捷的方法，不但能够实现碾米机的快速调节，减少不必要的浪费，也能较好的控制留皮度，实现精准控制，避免过度加工。
3、然而，目前还没有一个以组分判断大米留皮度的快速判定方法和模型，也还没有统一的标准。为实现稻米精准加工数字化发展的一个重要方面，迫切需要一个简便、快捷的判别方法，以实现全面、客观、定量、准确和快速的测定大米加工程度，以指导实际生产。
技术实现思路
1、针对现有技术的不足，本专利技术的目的是提供一种基于丝苗米留皮度的大米营养组分预测方法。
2、为了实现上
3、一种基于丝苗米留皮度的大米营养组分预测方法，包括以下步骤：
4、(1)结合丝苗米留皮度，构造加工因子变量fac＝(糙米，适碾米，精碾米)，其中，糙米为基准水平；
5、设y＝营养组分，为因变量，x＝(留皮度，fac)t，为自变量，其中，t表示向量的转置；
6、基于x给出y的预测值，训练y与x的有效模型：
7、f(y)＝βtg(x) (1)
8、其中，f(y)表示y的变换函数，g(x)表示x的变换函数；
9、(2)估算参数β的方法是，使有效模型(1)在最小二乘条件下预测的误差最小，即
10、
11、其中，yi代表第i次实验中某营养组分的观测值，xi代表留皮度值及丝苗米加工水平；i(*)为示性函数；
12、(3)对参数βt＝(β0,β1,β2,β3)估算的方法，是基于r软件中的lm()函数，给出参数βt＝(β0,β1,β2,β3)的估值。
13、所述示性函数i(*)，满足条件“*”时取值为1，否则为零。
14、所述营养组分包括蛋白质、脂肪、膳食纤维、钙、铁、铜、锌、vb1或vb2。
15、当预测的营养组分含量为脂肪时，y与x的有效模型为：
16、脂肪＝3.446-0.192×(留皮度)-1-1.761×i(适碾米)-2.135×i(精碾米)；
17、当预测的营养组分含量为膳食纤维时，y与x的有效模型为：
18、膳食纤维＝-135.64+0.014×(留皮度)2+138.012×i(适碾米)+137.469×i(精碾米)；
19、当预测的营养组分含量为蛋白质时，y与x的有效模型为：
20、蛋白质＝396.737-0.039×(留皮度)2-388.266×i(适碾米)-389.229×i(精碾米)，
21、其中，留皮度的单位为％，脂肪、膳食纤维、蛋白质含量以干基计，单位为％。
22、当预测的营养组分含量为钙时，y与x的有效模型为：
23、钙＝126.595+23.629×(留皮度)-1-54.271×i(适碾米)-81.055×i(精碾米)，
24、其中，留皮度的单位为％，钙含量的单位为mg/kg。
25、当预测的营养组分含量为铁时，y与x的有效模型为：
26、铁＝876.173-0.087×(留皮度)2-869.952×i(适碾米)-872.681×i(精碾米)，
27、其中，留皮度的单位为％，铁含量的单位为mg/kg。
28、当预测的营养组分含量为铜时，y与x的有效模型为：
29、铜＝-571.673+0.058×(留皮度)2+573.419×i(适碾米)+573.898×i(精碾米)，
30、其中，留皮度的单位为％，铜含量的单位为mg/kg。
31、当预测的营养组分含量为锌时，y与x的有效模型为：
32、锌＝(-0.160+0.002×(留皮度)+0.197×i(适碾米)+0.206×i(精碾米))-1，
33、其中，留皮度的单位为％，锌含量的单位为mg/kg。
34、当预测的营养组分含量为vb1时，y与x的有效模型为：
35、vb1＝0.509-0.003×留皮度-0.318×i(适碾米)-0.378×i(精碾米)；
36、当预测的营养组分含量为vb2时，y与x的有效模型为：
37、vb2＝0.017+0.002×(留皮度)-1-0.007×i(适碾米)-0.009×i(精碾米)，
38、其中，留皮度的单位为％，vb1、vb2含量的单位为mg/100g。
39、本专利技术有益效果：
40、本专利技术预测方法基于丝苗米留皮度对大米营养组分进行预测，在生产线就能判断由大米中组分决定的食用品质和营养特性，将科学全面反映大米留皮度，可以为碾米师提供简便、快捷的方法，不但能够实现碾米机的快速调节，减少不必要的浪费，也能较好的控制留皮度，实现精准控制，避免过度加工。
41、基于本专利技术模型拟合优度、预测值与真实值的残差和预测区间和置信区间的变异等情况，脂肪、膳食纤维、钙、铁、vb1、vb2等营养组分预测好，基于模型的拟合优度，铜、锌、蛋白质等3种营养组分模型预测稍差，其预测值和真实值仍然落在模型的置信区间和预测区间内，模型预测效果较好。
本文档来自技高网...【技术保护点】
1.一种基于丝苗米留皮度的大米营养组分预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的预测方法，其特征在于，所述示性函数I(*)，满足条件“*”时取值为1，否则为零。
3.如权利要求1或2所述的预测方法，其特征在于，所述营养组分包括蛋白质、脂肪、膳食纤维、钙、铁、铜、锌、VB1或VB2。
4.如权利要求3所述的预测方法，其特征在于，当预测的营养组分含量为脂肪时，y与x的有效模型为：脂肪＝3.446-0.192×(留皮度)-1-1.761×I(适碾米)-2.135×I(精碾米)；
5.如权利要求3所述的预测方法，其特征在于，当预测的营养组分含量为钙时，y与x的有效模型为：钙＝126.595+23.629×(留皮度)-1-54.271×I(适碾米)-81.055×I(精碾米)，其中，留皮度的单位为％，钙含量的单位为mg/kg。
6.如权利要求3所述的预测方法，其特征在于，当预测的营养组分含量为铁时，y与x的有效模型为：铁＝876.173-0.087×(留皮度)2-869.952×I(适碾米)-872.681×I(
7.如权利要求3所述的预测方法，其特征在于，当预测的营养组分含量为铜时，y与x的有效模型为：铜＝-571.673+0.058×(留皮度)2+573.419×I(适碾米)+573.898×I(精碾米)，其中，留皮度的单位为％，铜含量的单位为mg/kg。
8.如权利要求3所述的预测方法，其特征在于，当预测的营养组分含量为锌时，y与x的有效模型为：锌＝(-0.160+0.002×(留皮度)+0.197×I(适碾米)+0.206×I(精碾米))-1，其中，留皮度的单位为％，锌含量的单位为mg/kg。
9.如权利要求3所述的预测方法，其特征在于，当预测的营养组分含量为VB1时，y与x的有效模型为：VB1＝0.509-0.003×留皮度-0.318×I(适碾米)-0.378×I(精碾米)；
...【技术特征摘要】
1.一种基于丝苗米留皮度的大米营养组分预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的预测方法，其特征在于，所述示性函数i(*)，满足条件“*”时取值为1，否则为零。
3.如权利要求1或2所述的预测方法，其特征在于，所述营养组分包括蛋白质、脂肪、膳食纤维、钙、铁、铜、锌、vb1或vb2。
4.如权利要求3所述的预测方法，其特征在于，当预测的营养组分含量为脂肪时，y与x的有效模型为：脂肪＝3.446-0.192×(留皮度)-1-1.761×i(适碾米)-2.135×i(精碾米)；
5.如权利要求3所述的预测方法，其特征在于，当预测的营养组分含量为钙时，y与x的有效模型为：钙＝126.595+23.629×(留皮度)-1-54.271×i(适碾米)-81.055×i(精碾米)，其中，留皮度的单位为％，钙含量的单位为mg/kg。
6.如权利要求3所述的预测方法，其特征在于，当预测的营养组分含量为铁时，y与x的有效...
【专利技术属性】
技术研发人员：郭念国，刘洁，安红周，黄清，任传顺，薛义博，罗琼，费小吉，焦悦，吴亚妮，史莉君，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：
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。