期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
加工精度对海水稻米蒸煮特性及食用品质的影响
1
作者 张浩竞 徐振岗 +6 位作者 李泳娴 陈天鸽 贺天懿 许敏 庹晓军 刘磊 赵喜红 《食品工业科技》 CAS 北大核心 2024年第23期104-110,共7页
本研究旨在探究加工精度对海水稻米食用品质的影响,对不同加工精度的海水稻米蒸煮品质、感官品质和质构特性进行测定。通过控制碾磨时间制备不同加工精度的海水稻米(0%、7.20%、9.62%、10.85%和11.86%),采用快速粘度仪、质构仪、感官评... 本研究旨在探究加工精度对海水稻米食用品质的影响,对不同加工精度的海水稻米蒸煮品质、感官品质和质构特性进行测定。通过控制碾磨时间制备不同加工精度的海水稻米(0%、7.20%、9.62%、10.85%和11.86%),采用快速粘度仪、质构仪、感官评价等方法对海水稻米饭品质进行了综合分析。研究发现,当加工精度从0%增加到11.86%时,海水稻米中总膳食纤维含量减少了86.07%,蛋白质含量减少了31.84%,脂肪含量减少了77.18%,而淀粉含量提升了7.12%;海水稻米吸水性、膨胀率、碘蓝值和水溶性指数(65~85℃)显著了129.66%、178.45%、114.63%和46.79%~103.89%(P<0.05);峰值粘度、最低粘度和最终粘度分别提升35.22%、18.38%和8.07%,糊化温度下降为88.85℃,并且最适蒸煮时间减少了43.01%。同时,对海水稻米饭质构特性的分析显示,随着加工精度的提高,海水稻米饭的硬度、胶粘性和咀嚼性显著下降,粘附性显著提升(P<0.05),弹性则无显著变化(P>0.05),米饭感官评价得分提升19.30%。通过提高海水稻米的加工精度,可改善其蒸煮、糊化、质构及整体感官特性,从而提升其食用品质。本研究结果可为海水稻米的适度加工提供理论参考。 展开更多
关键词 海水稻米 加工精度 食用品质 质构特性
下载PDF
加工精度对米饭老化进程的影响 被引量:1
2
作者 夏文 付炜瑾 +5 位作者 钟业俊 刘成梅 徐兴凤 刘伟 左艳娜 艾亦旻 《食品与机械》 CSCD 北大核心 2014年第1期37-39,共3页
采用质构、RVA、X-衍射为检测手段,分析不同加工精度(0%,3%,6%,9%)的大米蒸煮后的老化进程。结果表明,不同加工精度的米饭在4℃贮藏过程中,硬度、糊化温度、回复值、结晶度均逐渐上升,黏度逐渐下降;糙米在9d内备指标持续变化,9~15d趋于... 采用质构、RVA、X-衍射为检测手段,分析不同加工精度(0%,3%,6%,9%)的大米蒸煮后的老化进程。结果表明,不同加工精度的米饭在4℃贮藏过程中,硬度、糊化温度、回复值、结晶度均逐渐上升,黏度逐渐下降;糙米在9d内备指标持续变化,9~15d趋于平缓;加工精度为3%和6%的米饭,在贮藏前7d备指标均变化较快,7~15d变化缓慢;加工精度为9%的米饭在5d内迅速老化,5~15d各指标几乎不变;表明加工精度越高的米饭、老化越快。 展开更多
关键词 加工精度 米饭 老化 RVA 质构 X衍射
下载PDF
基于灰度-梯度共生矩阵的大米加工精度的机器视觉检测方法 被引量:2
3
作者 万鹏 龙长江 《粮食储藏》 2010年第4期48-51,共4页
提出了基于灰度-梯度共生矩阵结合机器视觉技术检测大米加工精度的方法。使用实验碾米机制备不同加工精度的大米样品,设计大米加工精度机器视觉检测系统获取不同加工精度大米样品图像,再利用灰度-梯度共生矩阵提取大米图像的纹理特征,... 提出了基于灰度-梯度共生矩阵结合机器视觉技术检测大米加工精度的方法。使用实验碾米机制备不同加工精度的大米样品,设计大米加工精度机器视觉检测系统获取不同加工精度大米样品图像,再利用灰度-梯度共生矩阵提取大米图像的纹理特征,采用逐步判别分析法构建Fisher判别函数组对大米样品的加工精度进行检测。试验结果表明:该方法对4种不同加工精度大米样品检测的平均准确率达到94.00%。 展开更多
关键词 大米 加工精度 机器视觉 灰度-梯度共生矩阵 fisher判别
下载PDF
基于图像纹理分析的大米加工等级检测方法 被引量:4
4
作者 崔雯雯 孙永海 +4 位作者 王璐 黄碧竹 周丽聪 陈方媛 郭晓蕾 《中国粮油学报》 EI CAS CSCD 北大核心 2016年第6期146-149,共4页
利用不同加工等级大米表面纹理不同的特点,提出了基于纹理分析的大米加工等级检测方法。设计了大米的计算机视觉检测系统,获取4个不同加工等级大米标准样的图像,采用灰度梯度共生矩阵的纹理分析方法提取图像的纹理特征值,采用Fisher判... 利用不同加工等级大米表面纹理不同的特点,提出了基于纹理分析的大米加工等级检测方法。设计了大米的计算机视觉检测系统,获取4个不同加工等级大米标准样的图像,采用灰度梯度共生矩阵的纹理分析方法提取图像的纹理特征值,采用Fisher判别法和PNN神经网络对大米加工等级进行检测判定。试验结果表明:Fisher判别法和PNN神经网络对4种不同加工等级的大米样品检测判定的正确率分别是96.25%和90.00%。 展开更多
关键词 大米 加工品质 纹理 fisher判别
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部