一种筛选适合酿酒制曲小麦的方法与流程

1.本发明涉及一种筛选适合酿酒制曲小麦的方法，属于酿酒技术领域。


背景技术：

2.小麦籽粒硬度的高低反映了小麦胚乳的质地，即蛋白质与淀粉结合的紧密程度，决定了制粉的能量消耗以及淀粉颗粒的大小和破碎率。根据籽粒硬度的高低，可把小麦划分为硬麦、混合麦和软麦。小麦籽粒硬度是评价小麦质量的重要指标。例如，gb 1351-2008把籽粒硬度作为评价小麦质量的主要指标，以硬度指数取代角质率、粉质率作为小麦软、硬的表征指标，软质麦的硬度指数不高于45，硬质麦的硬度指数不低于60，介于45-60的为混合麦。籽粒硬度是决定小麦加工品质和最终用途的最佳评价指标。小麦除用于加工面粉作为食用外，软质小麦还是用于酿酒工业的优质制曲原料。
3.随着酱香型白酒消费量的不断增加，酿酒制曲的小麦需求量逐年上升。适宜酿酒制曲的软质小麦，其籽粒硬度较低，易吸湿，能够碾压成“烂心不烂皮”的梅花辦，有利于微生物生长。由于制曲需要人工踩曲，要求籽粒间硬度差异小，特别不能混杂硬质籽粒。近些年，小麦生产的规模化和标准化水平不断提高，但小麦产品的质量差异仍然较大。尽管许多大型酒企建立了自己的酿酒小麦生产基地，以保证产品的质量，但是，由于品种的混杂、生产条件的差异等，会导致产品质量的差异，特别是籽粒硬度差异过大。酿酒制曲小麦不仅要求平均籽粒硬度符合软质小麦，还得要求籽粒硬度一致性要好，否则会影响制曲质量。
4.测定小麦籽粒硬度的方法主要包括研磨体积法、研磨时间法(gt)、颗粒指数法 (psi)、角质率法、近红外光谱法(nir)、单籽粒谷物特性测定仪法(skcs)、电子显微镜直接观测法(sem)等。其中，较为常用的是psi、nir和skcs等3种方法。中国企业在小麦收购过程中普遍采用颗粒指数法(psi)测定籽粒的平均硬度，并研发了相应的 jydb 100型小麦硬度仪，但不能检测单粒籽粒硬度和评价籽粒硬度的一致性。因此，在酿酒制曲小麦的收购过程中，还只能用平均籽粒硬度来判断是否符合要求。


技术实现要素：

5.[技术问题]
[0006]
本发明要解决的技术问题是，酱香型白酒的酿酒制曲过程进行人工踩曲，这要求用于制曲的小麦籽粒间硬度差异小和籽粒硬度一致性好，而在现有的酿酒制曲小麦收购过程中，技术人员只能获知平均籽粒硬度，无法筛选出籽粒硬度一致性好的小麦。
[0007]
[技术方案]
[0008]
本发明提供了一种筛选适合酿酒制曲小麦的方法，包括以下步骤：
[0009]
(1)检测小麦样品的籽粒硬度
[0010]
利用单粒谷物硬度仪测定小麦样品的硬度，计算得到小麦样品籽粒硬度的平均数和标准差；
[0011]
(2)计算平均标准差(s)
[0012]
如果小麦籽粒硬度的平均数小于23，则将平均数(x)代入回归方程s＝-0.0166x+13.2737，计算得到s；如果小麦籽粒硬度的平均数大于或等于23，则将平均数代入回归方程s＝3.7575e
‑ꢀ
05x
3-6.7350e-03x2+0.3424x+8.1184，计算得到s；
[0013]
(3)选出用于酿酒制曲的小麦
[0014]
将步骤(1)得到的标准差与步骤(2)得到的s进行比较，筛选出标准差≤s+2.2的小麦样品，用于酿酒制曲。
[0015]
在本发明的一种实施方式中，步骤(1)中小麦样品需去除杂质和破碎粒，含水量应在11
‑ꢀ
13％范围内。水分含量超过15％对于低硬度软质小麦的筛选结果影响较大。
[0016]
在本发明的一种实施方式中，步骤(1)中，每个样品重复检测2次，每次检测300粒，以2次的平均数作为样品的平均籽粒硬度和标准差，两次的平均籽粒硬度差异不超过2，且标准差不超过0.5，否则重新测定。
[0017]
在本发明的一种实施方式中，步骤(1)小麦样品的平均籽粒硬度在-7.20-80.23范围内。
[0018]
在本发明的一种实施方式中，步骤(3)选择籽粒硬度的平均数≤45，且标准差≤s+2.2的小麦样品，用于酿酒制曲。
[0019]
[有益效果]
[0020]
本发明利用单粒谷物硬度仪(perten skcs4100)检测得到小麦单粒的籽粒硬度，然后利用单粒籽粒硬度的平均数和标准差建立了用于表征小麦籽粒硬度一致性的模型。测定待测样品的籽粒硬度，求出平均值，代入模型，即可从待测样品中筛选得到适合用于酿酒制曲的小麦。
[0021]
利用perten skcs4100检测一个样品只需要几分钟，而且重复性好，能够快速准确鉴定小麦籽粒硬度及其一致性。
附图说明
[0022]
图1 818份小麦样品单粒籽粒硬度的标准差与平均数的散点图。
[0023]
图2 793份高纯度小麦品种样品单粒籽粒硬度的标准差与平均数的关系。
[0024]
图3 3种不同混合比例样品硬度标准差增加值(y)与原样品和异样品硬度差值(x)间的关系。
具体实施方式
[0025]
下述实施例使用的单粒谷物硬度仪(perten skcs4100)是能够检测单粒籽粒硬度的仪器，一次可以对300粒籽粒分别进行检测，能够确定样品属于“软质(soft)”、“混合质(mixted)”和“硬质(hard)”，得到平均的籽粒硬度和标准差，数据直接通过电脑显示，重复性好，可检测的硬度值范围大。该仪器是通过真空分离盘将每粒样品自动分开，落入称重斗称重后，样品从斗中落入绝缘弯月型压碎装置，籽粒在进入弯月形间隙被压碎压平的过程中，压碎力与时间的对应关系及压碎转轮和弯月形装置之间的电导率被记录下来。微处理器将每粒籽粒的一系列数据传输到主控计算机，包括样品重量、称重器稳定性、压碎力峰值、平均电导率、压碎面积和压碎长度等。计算机计算单粒籽粒硬度指数、粒重、粒径和籽粒水分等，并计算出相应指标的平均数和标准差。主控计算机会根据一定标准检查每粒样品
的系列数据，并拒绝有问题的数据，即无效数据。
[0026]
实施例1利用793份高纯度小麦品种样品建立用于筛选适合酿酒制曲的小麦的模型
[0027]
通过本实施例搞清未混杂的纯系小麦品种样品中利用perten skcs4100检测的单粒籽粒硬度的标准差与平均数的关系，寻找利用标准差评价小麦籽粒硬度一致性的方法。
[0028]
具体过程如下：
[0029]
1.小麦样品的准备
[0030]
小麦品种样品共818份，主要来自小麦审定品种和稳定的高代品系，经田间小区种植鉴定，没有杂株或有少量杂株并于开花前除杂，人工收获并脱粒，杜绝收获或脱粒混杂，统一晒干(水分范围达到11-13％)，去除杂质和破碎粒，每份样品随机抽取约100 克样品，保存备用。
[0031]
2.小麦籽粒硬度的检测
[0032]
小麦经过后熟期后(收获40天以后)，开始进行籽粒硬度检测。
[0033]
检测时，先把单粒谷物硬度仪(perten skcs4100)和配套计算机的开关打开，点击计算机桌面的测试程序，预热30分钟，设定检测样本数为300粒。将待测定的样品充分混匀，随机取300粒以上籽粒一次性放入样品斗，关闭样品斗门，样品自动进入谷物料斗中。在测试界面里输入样品编号，点击“run sample”和“continue”按钮，开始测定，计算机显示到300粒(设定粒数)，检测完毕。全部样品测定结束后，清理样品斗中剩余籽粒及样品残渣，退出程序，关闭仪器和计算机。
[0034]
记录籽粒硬度指数的平均值和标准差、样品的硬度类型(soft/mixted/hard)以及水分的平均值。每个样品检测2次，2次的平均籽粒硬度差异不超过2，且标准差不超过0.5，否则重新测定。计算2次平均籽粒硬度和标准差，保存到excel文件中。
[0035]
3.数据的审核与剔除
[0036]
以样品单粒籽粒硬度的平均数为横坐标轴，以标准差为纵坐标轴，利用excel作散点图 (图1)，图中出现一些游离于集中分布区域之外的点，这些点多是标准差较大，主要是由于品种不纯或者混杂造成的，把这些点对应的样品去掉。共检测样品818份，剔除25份(图中空心圆点)，保留793份用于后续数据分析。793份较高纯度品种样品中，籽粒硬度≤45的软质小麦样品有502份(酿酒制曲小麦属于软质小麦)。
[0037]
793份高纯度品种样品的平均数变化范围为-7.02-80.23，标准差变化范围为10.24-15.67，均呈连续性分布。793份高纯度品种样品基本没有异品种的混杂，而且同一样品生产条件相似，单粒籽粒硬度的差异主要是品种特性决定的，与品种本身籽粒差异如大小、形状、饱满度等有关，因此属于籽粒硬度一致的样品。
[0038]
4.不同硬度高纯度样品的平均标准差(s)确定
[0039]
单粒籽粒硬度值的差异能够反映出小麦样品籽粒硬度一致性的好坏，统计学中表示变异的数值主要有标准差和变异系数。perten skcs4100检测结果发现，样品籽粒硬度的平均数与变异系数不成正比例关系，因此不能利用变异系数对样品硬度一致性进行评价，只能利用标准差。通过散点图发现，样品单粒籽粒硬度的标准差与单粒籽粒硬度的平均数不独立，二者存在着一定关系，说明样品的标准差随籽粒硬度的平均数不同而异。
[0040]
为了避免样品数量较多影响二者间的关系分析，将793份品种样品按籽粒硬度的
平均数大小进行数据分组，共分17组，组距为5，计算出每组样品的平均籽粒硬度和平均标准差(表 2)。依据aacc55-31方法，检测的样品主要包含了所有8类中的7类，但很硬类型(硬度为80-90)只有1个样品，缺少的是极硬类型(硬度大于90)，从分组结果看样品的硬度主要集中在25-70之间，软质(25-34)、中软(35-44)、中硬(45-64)和硬质(65-80)等4种类型较多。从表1中可以发现，籽粒硬度的标准差随平均数的增加呈缓慢减少到缓慢增加再大幅度减少的变化趋势，利用excel软件没有拟合到适合标准差与平均数的曲线回归方程。
[0041]
表1小麦样品籽粒硬度的分组结果
[0042][0043][0044]
进一步分区间分析，发现籽粒硬度小于23和大于23呈不同的回归关系。当籽粒硬度小于23，标准差随籽粒硬度的增加呈直线减少的变化趋势，其回归方程为s＝-0.0166x +13.2737，达到极显著水平(p＝4.01e-03)，决定系数r2＝0.90，拟合程度较高。当籽粒硬度大于23，标准差随籽粒硬度的增加呈先增加再减少的变化趋势，符合3次多项式曲线，其回归方程为s＝3.7575e-05x
3-6.7350e-03x2+0.3424x+8.1184，达到极显著水平 (p＝3.18e-07)，决定系数r2＝0.98，拟合程度极高。两个回归方程中，x为品种样品的平均籽粒硬度，s为某一x值的预测标准差，即为不同硬度高纯度样品的平均标准差。当籽粒硬度为23时，利用两个方程计算的s基本相等，均为12.9，因此以23作为界限，也是最接近表2中第6组平均数23.47的整数。图2展示了回归分析的主要结果。
[0045]
若单粒籽粒硬度的平均数小于23，以其作为x，代入直线回归方程s＝-0.0166x+ 13.2737，计算s。若平均数大于或等于23，则以其作为x，代入3次多项式回归方程s ＝3.7575e-05x
3-6.7350e-03x2+0.3424x+8.1184，计算s。
[0046]
5.小麦籽粒硬度一致性的判定
[0047]
将793份样品单粒籽粒硬度的平均数作为x，代入相应的回归方程，计算s，并计算每份样品籽粒硬度标准差与相应s的差值，以这些差值的分布情况来确定籽粒硬度一致与否的界限。通过这些差值的描述统计，其平均数为0.006，标准差为0.939，峰度为
‑ꢀ
0302，偏度为0.118，符合正态分布，接近标准化正态分布。95％和99％是农业科学研究中常用的2个
置信概率，考虑到农业生产条件的不确定因素较多，因此按照置信概率99％进行划界判定，右尾1％的临界值为2.2，≤2.2为正态分布的接受区域，》2.2为否定区域。因此，把s+2.2作为利用标准差评价籽粒硬度一致性与否的界限。如果样品籽粒硬度的标准差≤s+2.2，籽粒硬度一致性判定为“一致”，否则为“不一致”。
[0048]
此外，因为酿酒制曲小麦属于软质小麦，按照gb1351-2008和aacc 55-31方法，软质小麦的平均籽粒硬度≤45。利用perten skcs4100检测的硬度类型为软质(soft)样品的平均籽粒硬度均不高于45，但也存在平均籽粒硬度≤45且硬度类型为混合质(mixted)的样品，主要是混杂了一些硬质(hard)的样品。但是，不能把测定为混合质的样品认为籽粒间硬度“不一致”，因为有些平均硬度在45左右的混合质样品的标准差也是比较低的。
[0049]
最终选择籽粒硬度的平均数≤45，且标准差≤s+2.2的小麦样品，用于酿酒制曲。
[0050]
结论
[0051]
实施例1详细介绍了利用793份高纯度小麦品种样品建立用于筛选适合酿酒制曲小麦的模型的过程。利用793份高纯度的小麦品种样品通过excel软件分析出单粒籽粒硬度的标准差与平均数的关系，获得了2个拟合度高的回归方程，从而确定了不同硬度高纯度样品的平均标准差(s)。这些样品籽粒硬度的标准差与相应s的差值分布不仅符合正态分布，还接近标准化正态分布，说明了s计算的科学性。以正态分布右尾1％概率区间的临界值作为硬度一致性评价的界限，确保这793份小麦品种样品中有99％左右的被评价为硬度“一致”。
[0052]
根据本发明方法对所有818份样品进行硬度一致性评价，有787份样品硬度评价为“一致”，占96.2％，31份为“不一致”(表3)，占3.8％，这些样品的硬度标准差较高，最低为 14.57，最高为20.37，均高于相应的s+2.2。793份高纯度样品中，有785份样品硬度评价为“一致”，占99.0％，8份为“不一致”(表3中序号24-31)，占1.0％，最低为14.57，最高为 15.67，均高于相应的s+2.2。818份小麦样品中有502份的平均籽粒硬度≤45且硬度评价为“一致”，适宜用于酿酒制曲。
[0053]
表2判定籽粒硬度“不一致”样品的硬度结果
[0054]
[0055][0056]
实施例2利用实施例1建立的模型(筛选条件)评价混杂小麦样品的硬度一致性
[0057]
1.样品的混样与籽粒硬度检测
[0058]
从实施例1中选取9种不同籽粒硬度平均数和标准差的高纯度小麦品种样品，样品按籽粒硬度的平均数从低到高取代号a、b、c、d、e、f、g、h和k，籽粒硬度一致性均为“一致”，其检测的籽粒硬度平均数和标准差以及对应标准样品的平均标准差列于表 3。9个样品按异样品籽粒数占总数300粒5％、15％和25％的比例进行相互两两混样(所得混合样品中占比≥25％的样品是原样品，占比≤25％的样品是异样品)，得到216个混样组合。除要求混样300粒外，样品的准备和硬度检测同实施例1。
[0059]
表3混样选取样品籽粒硬度的平均数和标准差以及对应标准样品的平均标准差
[0060][0061]
2.混杂样品的籽粒硬度一致性评价
[0062]
依据混杂样品的籽粒硬度平均数大小，分别代入回归方程s＝-0.0166x+13.2737(平均数小于23)和s＝3.7575e-05x
3-6.7350e-03x2+0.3424x+8.1184(平均数大于或等于23) 计算s。然后，根据每个混杂样品标准差确定其籽粒硬度一致与否，同时与原样品进行比较，分析平均籽粒硬度和标准差的变化。其籽粒硬度检测与一致性评价结果列于表4。
[0063]
表4混杂样品籽粒硬度的检测与一致性评价结果
[0064]
[0065]
[0066]
[0067]
[0068][0069]
注：混样组合285a+15b代表原样品a 285粒与异样品b15粒混合，其他类同；一致性的1和2分别代表“一致”和“不一致”。
[0070]
通过对3种不同混杂比例的籽粒硬度检测结果进行分析发现，5％、15％和25％的混杂样品标准差的平均数分别比原样品增加2.5、5.6和7.6，说明随着混杂比例的增加，标准差呈明显增加趋势，但增加幅度不断减少。3种混杂比例的样品标准差变化范围分别为0.0-10.6、0.1
‑ꢀ
20.6和0.2-25.9，其较大的变化区间还与原样品与异样品的籽粒硬度差异大小有关。从3种不同混合比例的样品的籽粒硬度标准差增加值与原样品和异样品硬度差值间的关系(图3)看，混杂比例越大，标准差增加值越大，标准差增加值与硬度差值呈极显著的二次多项式关系，随着硬度差值的增加，标准差增加值呈上升趋势，且上升幅度不断加大。
[0071]
通过分析不同混杂比例的样品籽粒硬度一致性和两混合样品硬度差值变化(表5)发现， 3种混杂比例均有籽粒硬度“一致”和“不一致”样品，随着混杂比例的增加，“一致”样品的数量和混合样品硬度的最大差值减少，两种类型的混合样品硬度差值界限越明显，25％混杂的混杂样品硬度差值是以21.2为界限。
[0072]
表5不同混杂比例的样品籽粒硬度一致性和两混合样品硬度差值变化
[0073]
[0074][0075]
结论
[0076]
实施例2是利用实施例建立的方法对混杂样品的硬度一致性进行表征，从而验证了实施例1构建的筛选方法的应用效果。选取了9种不同籽粒硬度平均数和标准差的高纯度小麦品种样品，按5％、15％和25％的混合比例构建了216个混杂样品，对其籽粒硬度的一致性进行了表征。与原样品相比，混杂样品籽粒硬度标准差的增加和一致性的变化主要与混杂比例和混合2样品的硬度差值有关，混杂比例越大和混合样品间的硬度差值越大，标准差的增加值越大，硬度一致性差，说明本发明能够对混杂样品的硬度一致性进行较好的评价。
[0077]
虽然本发明已以较佳实施例公开如上，但其并非用以限定本发明，任何熟悉此技术的人，在不脱离本发明的精神和范围内，都可做各种的改动与修饰，因此本发明的保护范围应该以权利要求书所界定的为准。