Моделирование хлебопекарных показателей зерна мягкой яровой пшеницы

Бесплатный доступ

В сложных климатических условиях Красно-ярского края одним из важнейших факторов в решении проблемы выращивания сильных и ценных зерновых и зернобобовых культур яв-ляется создание сортов с высоким количе-ством и качеством белково-протеиназного комплекса. Изучение технологических свойств зерна зерновых и зернобобовых культур в се-лекции имеет свои особенности и ограничено из-за невозможности проводить отборы по этим показателям на ранних стадиях. Для оценки большого числа селекционного мате-риала необходимо ограничиваться только та-кими анализами, которые не требуют затрат большого количества времени, труда и зерна. Технологическая оценка сортов и сортообраз-цов зерновых в Красноярском научно-исследовательском институте сельского хо-зяйства проводилась в соответствии с наци-ональными стандартами Российской Федера-ции и методами ИСО. Исследования техноло-гических качеств зерна с использованием со-временных существующих методик обуслови-ли поиск новых методов, позволяющих делать предварительный прогноз получения высоко-качественного зерна пшеницы. Для наиболее полного выражения способности муки из дан-ного зерна давать хлеб того или иного каче-ства очень важно иметь модель, позволяющую оценить хлебопекарные свойства зерна без применения хлебопекарной выпечки. В статье предложен математический метод, позволя-ющий оценить хлебопекарные свойства зерна без применения хлебопекарной выпечки. Обобщѐнный показатель хлебопекарной оцен-ки представляется в виде свѐртки частных показателей содержания белка, силы муки, времени до начала разжижения, валориметри-ческой оценки, стекловидности, выхода муки. Введение эконометрических формул позволя-ет рассчитывать показатели качества зерна с целью более объективной оценки перспек-тивности селекционного материала, а также прогнозировать получение высококачествен-ного зерна зерновых и зернобобовых культур.

Еще

Яровая пшеница, хлебо-пекарные свойства, технологические каче-ства зерна, моделирование признаков, регрес-сионная модель

Короткий адрес: https://sciup.org/140224357

IDR: 140224357

Текст научной статьи Моделирование хлебопекарных показателей зерна мягкой яровой пшеницы

Введение. Одним из важнейших факторов в решении проблемы выращивания в Красноярском крае сильных и ценных зерновых и зернобобовых культур является создание сортов с высоким количеством и качеством белковопротеиназного комплекса и способных сохранять хорошие показатели качества даже при неблагоприятных условиях выращивания.

Успех селекционной работы во многом зависит от объективности оценки технологических качеств новых форм и сортов. Систематическая и поэтапная оценка качества селекционного материала селекционерами совместно с технологами Красноярского НИИ сельского хозяйства (НИИСХ) позволила за довольно короткий период времени создать в регионе генофонд, сочетающий полезные хозяйственно-биологические признаки и свойства с хорошим качеством зерна. В настоящее время все районированные сорта зерновых и зернобобовых культур являются наследственно сильными и ценными.

В работах [2, 4] установлено, что сложившееся направление селекции на качество ведёт к снижению зависимости от зоны возделывания показателей качества новых сортов, доля влияния фактора «годы» снижается и повышается доля влияния фактора «сорт», а также происходит снижение случайного фактора.

Изучение технологических свойств зерна зерновых и зернобобовых культур в селекции имеет свои особенности и ограничено из-за невозможности проводить отборы по этим показателям на ранних стадиях. Для оценки большого числа селекционного материала необходимо ограничиться только такими анализами, которые не требуют затрат большого количества времени, труда и зерна.

Цель исследований . Разработать модель экспертной оценки хлебопекарных качеств зерна мягкой яровой пшеницы для прогнозирования получения хлебопекарной продукции разного качества без процесса выпечки.

Материал и методы исследований . В качестве объекта изучения использовался селекционный материал мягкой яровой пшеницы Красноярского НИИ сельского хозяйства.

Технологическая оценка сортов проводилась в лаборатории технологической оценки зерна Красноярского НИИСХ в соответствии с национальными стандартами Российской Федерации и методами ИСО, методическими рекомендациями [3]. Определяли натуру зерна (ГОСТ 10841); мукомольные свойства – общий выход муки; содержание сырой клейковины в зерне (ГОСТ 13586.1-68); физические свойства клейковины на альвеографе «Шопена» (ГОСТ Р 51415, ИСО 5530-4-91) и фаринографе «Брабендера» (ГОСТ Р 51404, ИСО 5530-1-97); хлебопекарные свойства муки (по лабораторным выпечкам методом интенсивного замеса теста из муки 70% выхода).

Для математического моделирования использовались статистические пакеты «Пакет анализа» MS Excel, Snedecor, DataFit.

Результаты исследований и их обсуждение. Существующие методы определения хлебопекарных свойств муки являются субъективными. Общую хлебопекарную оценку устанавливают по лабораторной выпечке хлеба, осно- ванной на органолептических показателях, – это форма, цвет и поверхность корки, эластичность, пористость, цвет мякиша, вкус и аромат хлеба.

Для наиболее полного выражения способности муки из данного зерна давать хлеб того или иного качества очень важно иметь модель, позволяющую оценить хлебопекарные свойства зерна без применения хлебопекарной выпечки. В качестве модели нами рассматривается множественная регрессия. Для построения уравнения множественной регрессии были отобраны восемь (8) факторов: содержание белка ( x 1 , %); сила муки ( x 2 , e.a.); время до начала разжижения теста ( x 3 , мин); разжижение теста ( x 4 , е.ф.); валориметрическая оценка ( x 5 , %); объём хлеба ( x 6 , см 3 ); стекловидность зерна ( x 7 , %); выход муки ( x 8 , %). При отборе факторов учитывались следующие рекомендации [1]:

  • а)    подбираются факторы исходя из сущности проблемы;

  • б)    число включаемых факторов рекомендуется в шесть-семь раз меньше объема совокупности, по которой строится регрессия;

  • в)    предпочтение отдается факторам, которые при достаточно тесной связи с результатом имеют наименьшую тесноту связи с другими факторами.

Материалом для исследований были взяты 64 перспективных образца мягкой яровой пшеницы конкурсного сортоиспытания (КСИ) Красноярского НИИ сельского хозяйства.

Для проверки наличия коллинеарности или мультиколлинеарности факторов была построена корреляционная матрица с использованием MS Excel (Пакет анализа). Корреляционная матрица (табл.1) показала коллинеарность между факторами х 5 и х 3 , наблюдается также высокая отрицательная корреляция между факторами х 5 и х 4 .

Таблица 1 , х 8 .

Корреляционная матрица, построенная для факторов х 1 ,…

x 1

x 2

x 3

x 4

x 5

x 6

x 7

x 8

x 1

1

x 2

0,195971

1

x 3

0,045243

0,411734

1

x 4

0,122188

-0,1357

-0,52979

1

x 5

-0,00267

0,355507

0,950808

-0,71928

1

x 6

0,106257

0,230916

0,364945

-0,58779

0,475407

1

x 7

0,291193

0,004453

-0,30301

0,301776

-0,37036

-0,24524

1

x 8

-0,06055

-0,1419

-0,04434

-0,1803

0,044059

0,207059

-0,1359

1

Обобщённый показатель хлебопекарной оценки ( Y , балл) представляется в виде свёртки частных показателей содержания белка ( x 1 , %); силы муки ( x 2 , e.a.); времени до начала разжижения теста ( x 3 , мин); разжижения теста ( x 4 , е.ф.); валориметрической оценки ( x 5 , %); объёма хлеба ( x 6 , см 3 ); стекловидности зерна ( x 7 , %); выхода муки ( x 8 , %)

Y = α1x1 + α2x2 + α3x3 + α4x4 + α5x5 + α6x6 + + α7x7 + α8x8 , где αk ,k = 1, 2, …, 8 – весовые коэффициенты частных показателей.

Используя статистический пакет DataFit [5], найдены весовые коэффициенты – как коэффи- циенты линейной регрессии

α 1 =0,0246;    α 2 =   0,0004;    α 3 =-0,02263;

α 4 =0,0030; α 5 =0,0078; α 6 =0,0014; α 7 =0,0070; α 8 =0,0248.

С учётом этих значений формула расчета обобщённого показателя примет вид

Y = 0,0246x 1 + 0,0004x 2 - 0,02263x 3 + 0,0030x 4 +

  • + 0,0078x 5 + 0,0014x 6 + 0,0070x 7 + 0,0248x 8 .

По данному регрессионному уравнению в MS Excel выполнены вычисления показателей хле- бопекарной оценки (Y) для 64 образцов мягкой яровой пшеницы. Результаты вычислений приведены в таблице 2.

Таблица 2

№ п/п

x 1

x 2

x 3

x 4

x 5

x 6

x 7

x 8

Y (по уравнению)

1

2

3

4

5

6

7

8

9

10

1

13,1000

336,0000

7,5000

25,0000

72,0000

930,0000

60,0000

66,8000

4,27465

2

13,8200

212,0000

5,0000

60,0000

61,0000

750,0000

45,0000

67,6000

3,99055

3

14,9700

435,0000

6,6000

80,0000

64,0000

940,0000

47,0000

67,0000

4,41448

4

14,4600

546,0000

5,0000

90,0000

58,0000

770,0000

54,0000

66,3000

4,26526

5

14,8700

509,0000

5,0000

70,0000

59,0000

850,0000

56,0000

65,5000

4,31450

6

13,7100

454,0000

5,3000

60,0000

60,0000

740,0000

47,0000

70,3000

4,13592

7

17,4100

663,0000

8,5000

40,0000

75,0000

1140,0000

53,0000

67,0000

4,80354

8

14,7900

773,0000

5,3000

60,0000

61,0000

990,0000

60,0000

66,3000

4,63968

9

13,7300

354,0000

6,0000

50,0000

69,0000

700,0000

45,0000

73,2000

4,12012

10

13,3600

615,0000

6,2000

50,0000

65,0000

930,0000

44,0000

70,3000

4,42204

11

13,1800

473,0000

6,5000

70,0000

65,0000

850,0000

44,0000

71,1000

4,32076

12

13,8900

330,0000

5,2000

60,0000

61,0000

850,0000

49,0000

68,3000

4,21957

13

14,3900

476,0000

4,5000

60,0000

58,0000

770,0000

47,0000

71,9000

4,24856

14

15,1700

383,0000

5,0000

30,0000

65,0000

960,0000

46,0000

68,1000

4,34676

15

14,9100

289,0000

6,3000

80,0000

63,0000

700,0000

51,0000

68,2000

4,07646

16

14,0300

310,0000

3,5000

75,0000

52,0000

720,0000

58,0000

70,8000

4,17753

17

14,5200

376,0000

5,0000

70,0000

59,0000

850,0000

52,0000

65,9000

4,23461

18

15,3500

482,0000

6,5000

60,0000

66,0000

850,0000

61,0000

66,8000

4,36790

19

15,7200

267,0000

4,7000

60,0000

58,0000

880,0000

67,0000

67,0000

4,36490

20

14,6200

253,0000

5,3000

80,0000

59,0000

830,0000

62,0000

68,8000

4,32390

21

14,8500

255,0000

8,5000

60,0000

72,0000

860,0000

59,0000

68,9000

4,31108

22

14,7700

328,0000

5,8000

60,0000

59,0000

800,0000

62,0000

69,8000

4,26724

23

14,4000

365,0000

6,0000

110,0000

60,0000

630,0000

45,0000

62,0000

3,87504

24

14,4800

654,0000

8,6000

70,0000

72,0000

980,0000

50,0000

64,7000

4,48979

25

16,1800

519,0000

8,0000

70,0000

71,0000

860,0000

54,0000

63,3000

4,31087

26

15,1600

559,0000

7,5000

60,0000

69,0000

940,0000

50,0000

65,7000

4,41285

27

15,5000

553,0000

6,7000

70,0000

66,0000

750,0000

54,0000

59,8000

4,06213

28

14,6500

611,0000

8,0000

70,0000

70,0000

950,0000

62,0000

61,1000

4,42967

29

14,2400

578,0000

6,5000

30,0000

64,0000

830,0000

59,0000

59,9000

4,06027

30

14,3900

455,0000

6,0000

90,0000

61,0000

770,0000

67,0000

57,1000

4,08707

31

14,7000

522,0000

4,5000

80,0000

56,0000

650,0000

62,0000

62,9000

4,03279

32

13,4400

470,0000

5,0000

90,0000

57,0000

740,0000

53,0000

66,7000

4,16288

33

14,6500

392,0000

5,0000

80,0000

58,0000

700,0000

59,0000

61,1000

3,98637

34

14,6900

654,0000

8,8000

40,0000

76,0000

710,0000

73,0000

61,4000

4,13205

35

14,4300

382,0000

7,3000

50,0000

67,0000

620,0000

47,0000

59,8000

3,66843

36

15,1100

464,0000

5,6000

90,0000

59,0000

650,0000

53,0000

62,7000

3,97619

37

15,3700

392,0000

3,7000

120,0000

49,0000

620,0000

64,0000

62,4000

4,04331

38

15,4900

338,0000

4,0000

130,0000

49,0000

580,0000

58,0000

57,6000

3,82973

39

14,7200

389,0000

3,5000

135,0000

45,0000

600,0000

69,0000

63,2000

4,07202

40

13,6000

538,0000

4,0000

110,0000

51,0000

650,0000

47,0000

61,8000

3,94400

41

14,4600

593,0000

7,5000

85,0000

68,0000

810,0000

48,0000

65,9000

4,28539

42

13,0000

628,0000

3,7000

80,0000

51,0000

800,0000

51,0000

64,1000

4,17817

43

13,9300

399,0000

8,5000

30,0000

76,0000

890,0000

45,0000

64,0000

4,10973

44

13,8800

320,0000

5,0000

50,0000

61,0000

930,0000

62,0000

63,2000

4,26711

45

14,1100

430,0000

6,5000

60,0000

66,0000

980,0000

50,0000

62,8000

4,32240

46

13,4000

560,0000

9,8000

50,0000

76,0000

950,0000

42,0000

63,2000

4,23006

Окончание табл. 2

1

2

3

4

5

6

7

8

9

10

47

14,4500

310,0000

3,5000

90,0000

50,0000

940,0000

58,0000

63,6000

4,34670

48

13,4000

376,0000

6,6000

30,0000

70,0000

960,0000

33,0000

64,2000

4,10962

49

16,2100

482,0000

3,7000

50,0000

56,0000

950,0000

58,0000

67,0000

4,47866

50

13,6700

267,0000

3,5000

70,0000

54,0000

920,0000

53,0000

67,0000

4,30283

51

15,1900

253,0000

4,5000

70,0000

56,0000

900,0000

49,0000

66,2000

4,24808

52

13,4300

390,0000

8,5000

50,0000

76,0000

850,0000

37,0000

64,6000

4,05671

53

14,2700

600,0000

10,5000

40,0000

80,0000

950,0000

32,0000

64,8000

4,21993

54

13,8400

392,0000

7,2000

20,0000

72,0000

920,0000

31,0000

61,0000

3,94730

55

13,9600

654,0000

8,0000

50,0000

72,0000

850,0000

43,0000

64,8000

4,20426

56

13,7000

382,0000

6,0000

60,0000

64,0000

840,0000

40,0000

63,4000

4,03954

57

12,8500

464,0000

10,0000

40,0000

79,0000

850,0000

53,0000

67,4000

4,20743

58

15,3900

392,0000

6,0000

60,0000

64,0000

950,0000

45,0000

63,2000

4,26915

59

14,6400

532,0000

6,5000

10,0000

72,0000

860,0000

57,0000

62,5000

4,14659

60

13,9400

490,0000

5,8000

30,0000

64,0000

950,0000

62,0000

64,0000

4,32678

61

13,7100

410,0000

8,0000

40,0000

73,0000

870,0000

39,0000

64,6000

4,07335

62

13,7400

310,0000

5,0000

50,0000

60,0000

890,0000

29,0000

63,4000

3,96982

63

16,4600

610,0000

6,8000

90,0000

66,0000

920,0000

44,0000

67,2000

4,51744

64

17,1400

660,0000

10,5000

20,0000

80,0000

890,0000

47,0000

67,8000

4,34993

1

Название образцов

*1

*2

*3

*4

Х5

*6

*7

*8

У (по уравнению)

^фаю

2

Тулунская 12

13,1000

336,0000

7,5000

25,0000

72,0000

930,0000

60,0000

66,8000

4,27465

4,30

3

К 44-1

13,8200

212,0000

5,0000

60,0000

61,0000

750,0000

45,0000

67,6000

3,99055

4,10

4

КС 16-64

14,9700

435,0000

6,6000

80,0000

64,0000

940,0000

47,0000

67,0000

4,41448

4,80

5

КС 1529

14,4600

546,0000

5,0000

90,0000

58,0000

770,0000

54,0000

66,3000

4,26526

4,40

6

КС 1649

14,8700

509,0000

5,0000

70,0000

59,0000

850,0000

56,0000

65,5000

4,31450

4,60

7

Минуса

13,7100

454,0000

5,3000

60,0000

60,0000

740,0000

47,0000

70,3000

4,13592

4,30

8

К-54-1

17,4100

663,0000

8,5000

40,0000

75,0000

1140,0000

53,0000

67,0000

4,80354

5,00

9

Кантегирская 89

14,7900

773,0000

5,3000

60,0000

61,0000

990,0000

60,0000

66,3000

4,63968

4,60

10

Р6-2

13,7300

354,0000

6,0000

50,0000

69,0000

700,0000

45,0000

73,2000

4,12012

3,90

И

КС 1629

13,3600

615,0000

6,2000

50,0000

65,0000

930,0000

44,0000

70,3000

4,42204

4,70

12

КС 1607

13,1800

473,0000

6,5000

70,0000

65,0000

850,0000

44,0000

71,1000

4,32076

4,40

13

К 93-2

13,8900

330,0000

5,2000

60,0000

61,0000

850,0000

49,0000

68,3000

4,21957

4,20

14

КС 93-3

14,3900

476,0000

4,5000

60,0000

58,0000

770,0000

47,0000

71,9000

4,24856

4,30

15

К-92-2

15,1700

383,0000

5,0000

30,0000

65,0000

960,0000

46,0000

68,1000

4,34676

4,60

16

К-65-2

14,9100

289,0000

6,3000

80,0000

63,0000

700,0000

51,0000

68,2000

4,07646

4,10

17

Омская 33

14,0300

310,0000

3,5000

75,0000

52,0000

720,0000

58,0000

70,8000

4,17753

4,10

18

КС 1703

14,5200

376,0000

5,0000

70,0000

59,0000

850,0000

52,0000

65,9000

4,23461

4,20

19

КС 1706

15,3500

482,0000

6,5000

60,0000

66,0000

850,0000

61,0000

66,8000

4,36790

4,40

20

КС 1719

15,7200

267,0000

4,7000

60,0000

58,0000

880,0000

67,0000

67,0000

4,36490

4,40

21

КС 1117

14,6200

253,0000

5,3000

80,0000

59,0000

830,0000

62,0000

68,8000

4,32390

4,30

22

КС 1717

14,8500

255,0000

8,5000

60,0000

72,0000

860,0000

59,0000

68,9000

4,31108

4,50

Сопоставление показателей технологических качеств зерна мягкой яровой пшеницы

Показатели технологических качеств зерна мягкой яровой пшеницы КСИ

Проверка значимости уравнения регрессии проведена по F-критерию Фишера. Для определения критического значения (F крит. , вероятность = 0,05) использована функция MS Excel «FРАС-ПОБР». Расчетное значение F факт. > F крит. (13,1785>2,08), полученное регрессионное уравнение является адекватным.

Сопоставление показателей хлебопекарных свойств (Y), полученных по регрессионной модели с результатами пробной выпечки (Y факт ), показало их достаточно устойчивое совпадение по образцам – рисунок (приведен фрагмент таблицы).

Выводы . Приведенные нами данные показывают возможность применения регрессионных моделей для оценки хлебопекарных свойств пшеничной муки. А именно – упростить оценку хлебопекарных свойств возможно, заменив метод пробной выпечки, что особенно актуально на ранних стадиях селекции.

С помощью таких же расчётов можно математически просчитать показатели качества и по другим культурам с целью более объективной их оценки.

Таким образом, использование комплексных методов позволит более точно оценивать перспективный селекционный материал зерновых и зернобобовых культур, что, в свою очередь, позволит делать предварительный прогноз получения высококачественного зерна зерновых и зернобобовых культур.

Список литературы Моделирование хлебопекарных показателей зерна мягкой яровой пшеницы

  • Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. -М.: ЮНИТИ, 1998. -1022 с.
  • Городов А.А., Городова Л.В., Плеханова Л.В. Моделирование показателей качества зерна пшеницы с помощью систем эконометрических уравнений//Вестник КрасГАУ. -2014. -№ 5.
  • Методические рекомендации по оценке качества зерна. -М.: Тип. ВАСХНИЛ, 1977. -171 с.
  • Плеханова Л.В. Влияние агроэкологических факторов и генотипа сорта на формирование качества зерна мягкой яровой пшеницы в лесостепи Приенисейской Сибири: дис.. канд. с.-х. наук. -Красноярск, 2009. -140 с.
  • Формирование качества зерна мягкой яровой пшеницы в условиях Красноярского края/Л.В. Плеханова, А.И. Хохлова, В.В. Матюшев ; Краснояр. гос. аграр. ун-т. -Красноярск, 2011. -139 с.
Статья научная