Моделирование хлебопекарных показателей зерна мягкой яровой пшеницы Текст научной статьи по специальности «Сельское хозяйство, лесное хозяйство, рыбное хозяйство»

УДК 633.1:633.31/37:631.421 Л.В. Плеханова, Л.Н. Шевцова

МОДЕЛИРОВАНИЕ ХЛЕБОПЕКАРНЫХ ПОКАЗАТЕЛЕЙ ЗЕРНА МЯГКОЙ ЯРОВОЙ ПШЕНИЦЫ

L.V. Plekhanova, L.N. Shevtsova MODELING OF BAKING INDICATORS OF GRAIN OF SOFT SPRING WHEAT

Плеханова Л.В. - канд. с.-х. наук, вед. науч. сотр. отдела оценки селекционного материала Красноярского НИИ сельского хозяйства -обособленного подразделения ФИЦ КНЦ СО РАН,

г. Красноярск. E-mail: [email protected] Шевцова Л.Н. - канд. с.-х. наук, доц. каф. информационных технологий и математического обеспечения информационных систем Красноярского государственного аграрного университета, г. Красноярск. E-mail: [email protected]

В сложных климатических условиях Красноярского края одним из важнейших факторов в решении проблемы выращивания сильных и ценных зерновых и зернобобовых культур является создание сортов с высоким количеством и качеством белково-протеиназного комплекса. 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 ограничиваться только такими анализами, которые не требуют затрат большого количества времени, труда и зерна. Технологическая оценка сортов и сортообраз-цов зерновых в Красноярском научно-исследовательском институте сельского хозяйства проводилась в соответствии с национальными стандартами Российской Федерации и методами ИСО. Исследования технологических качеств зерна с использованием современных существующих методик обусловили поиск новых методов, позволяющих делать предварительный прогноз получения высококачественного зерна пшеницы. 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

Plekhanova L.V. - Cand. Agr. Sci., Leading Staff Scientist, Department of Assessment of Selection Material, Krasnoyarsk Research and Development Institute of Agriculture, Separate Division of FRC KRC, SB RAS, Krasnoyarsk. E-mail: [email protected]

Shevtsova L.N. - Cand. Agr. Sci., Assoc. Prof., Chair of Information Technologies and Information Systems Software, Krasnoyarsk State Agrarian University, Krasnoyarsk. E-mail:

[email protected]

применения хлебопекарной выпечки. В статье предложен математический метод, позволяющий оценить хлебопекарные свойства зерна без применения хлебопекарной выпечки. Обобщённый показатель хлебопекарной оценки представляется в виде свёртки частных показателей содержания белка, силы муки, времени до начала разжижения, валориметри-ческой оценки, стекловидности, выхода муки. Введение эконометрических формул позволяет рассчитывать показатели качества зерна с целью более объективной оценки перспективности селекционного материала, а также прогнозировать получение высококачественного зерна зерновых и зернобобовых культур.

Ключевые слова: яровая пшеница, хлебопекарные свойства, технологические качества зерна, моделирование признаков, регрессионная модель.

Due to adverse climatic conditions of Krasnoyarsk Region one of the greatest factors for solving the problem of intense and valuable grain and grain legume crops growing is the development of protein-based complex varieties with high quantity and protein and proteinous quality in complex. The study of technological properties of grain and grain legume crops in selection has its features and is limited due to the impossibility of selection at early stages. To evaluate a large number of selecting

material it's essential to be limited to such tests not requiring spending much time, labor and grain. Technological evaluation and varieties of grain in the Krasnoyarsk Research and Development Institute of Agriculture was conducted in the accordance with the national standards of the Russian Federation and ISO methods The studies of technological properties of grain, using modern available techniques have led to the search for new methods to make preliminary forecast of high quality wheat production. For the most complete expression of the ability of the flour from this grain to give bread of this or that quality it is very important to have the model allowing estimating baking properties of grain without using baking pastries. In the study mathematical method allowing estimating baking properties of grain without using baking pastries is offered. Generalized indicator of baking assessment is presented in the form of convolution of partial indicators of protein content, the hardness of flour, the time of fluidifying, valorimetrical evaluation, grain hardness and flour yield. The introduction of econometric formulas allows to calculate the indicators of grain quality for the purpose of more objective assessment of prospects of selecting material and also to predict high quality grain production, grain and receiving leguminous crops.

Keywords: spring wheat, baking properties, technological qualities of grain, modeling of features, regression model.

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 белково-протеиназного 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 (х?, %); сила муки (хг, е.а.); время до начала разжижения теста (хз, мин); разжижение теста (х4, е.ф.); валориметрическая оценка (х5, %); объём хлеба (хе, см3); стекловидность зерна X, %); выход муки (хе, %). При отборе факторов учитывались следующие рекомендации [1]:

а) подбираются факторы исходя из сущности проблемы;

Корреляционная матрица,

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 Х5 и хз, наблюдается также высокая отрицательная корреляция между факторами Х5 и Х4.

Таблица 1

»строенная для факторов xi,..., хв.

xi x2 x3 x4 x5 x6 x7 x8

xi 1

x2 0,195971 1

x3 0,045243 0,411734 1

x4 0,122188 -0,1357 -0,52979 1

x5 -0,00267 0,355507 0,950808 -0,71928 1

x6 0,106257 0,230916 0,364945 -0,58779 0,475407 1

x7 0,291193 0,004453 -0,30301 0,301776 -0,37036 -0,24524 1

x8 -0,06055 -0,1419 -0,04434 -0,1803 0,044059 0,207059 -0,1359 1

Обобщённый показатель хлебопекарной оценки (У, балл) представляется в виде свёртки частных показателей содержания белка (х?, %); силы муки (хг, е.а.); времени до начала разжижения теста (хз, мин); разжижения теста (х4, е.ф.); валориметрической оценки (х5, %); объёма хлеба (хе, см3); стекловидности зерна (х7, %); выхода муки (хе, %)

У = ах + агхг + азхз + а4х4 + аьхь + аехе + + агх7 + авхв,

где ак ,к = 1, 2, ..., 8 - весовые коэффициенты частных показателей.

Используя статистический пакет йа1аП1 [5], найдены весовые коэффициенты - как коэффи-

циенты линейной регрессии

ai=0,0246; а2= 0,0004; аз=-0,02263; О4=0,0030; а5=0,0078; а=0,0014; ат=0,0070; as=0,0248.

С учётом этих значений формула расчета обобщённого показателя примет вид

Y = 0,0246xi + 0,0004x2 - 0,02263хз + 0,0030x4+ + 0,0078x5 + 0,0014x6 + 0,0070x7 + 0,0248x8.

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

Таблица 2

Показатели технологических качеств зерна мягкой яровой пшеницы КСИ

№ п/п X1 X2 xз X4 X5 X6 X7 X8 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

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

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

Название образцов

Тулунская 12 К 44-1 КС 16-64 КС 1529 КС 1649 Минуса К-54-1 Кантегирская 89 Р6-2 КС 1629 КС 1607 К 93-2 КС 93-3 К-92-2 К-65-2 Омская 33 КС 1703 КС 1706 КС 1719 КС 1117 КС 1717

13,1000 13,8200 14,9700 14,4600 14,8700 13,7100 17,4100 14,7900 13,7300 13,3600 13,1800 13,8900 14,3900 15,1700 14,9100 14,0300 14,5200 15,3500 15,7200 14,6200 14,8500

*2

336,0000 212,0000 435,0000 546,0000 509,0000 454,0000 663,0000 773,0000 354,0000 615,0000 473,0000 330,0000 476,0000 383,0000 289,0000 310,0000 376,0000 482,0000 267,0000 253,0000 255,0000

*3

7,5000

5,0000

6,6000

5,0000

5,0000

5,3000

8,5000

5,3000

6,0000

6,2000

6,5000

5,2000

4,5000

5,0000

6,3000

3,5000

5,0000

6,5000

4,7000

5,3000

8,5000

Х4

25,0000 60,0000 80,0000 90,0000 70,0000 60,0000 40,0000 60,0000 50,0000 50,0000 70,0000 60,0000 60,0000 30,0000 80,0000 75,0000 70,0000 60,0000 60,0000 80,0000 60,0000

*5

72,0000 61,0000 64,0000 58,0000 59,0000 60,0000 75,0000 61,0000 69,0000 65,0000 65,0000 61,0000 58,0000 65,0000 63,0000 52,0000 59,0000 66,0000 58,0000 59,0000 72,0000

*6

930,0000 750,0000 940,0000 770,0000 850,0000 740,0000 1140,0000 990,0000 700,0000 930,0000 850,0000 850,0000 770,0000 960,0000 700,0000 720,0000 850,0000 850,0000 880,0000 830,0000 860,0000

*7 60,0000 45,0000 47,0000 54,0000 56,0000 47,0000 53,0000 60,0000 45,0000 44,0000 44,0000 49,0000 47,0000 46,0000 51,0000 58,0000 52,0000 61,0000 67,0000 62,0000 59,0000

66,8000 67,6000 67,0000 66,3000 65,5000 70,3000 67,0000 66,3000 73,2000 70,3000 71,1000 68,3000 71,9000 68,1000 68,2000 70,8000 65,9000 66,8000 67,0000 68,8000 68,9000

Y( по Y{ уравнению)

4,27465 3,99055 4,41448 4,26526 4,31450 4,13592 4,80354 4,63968 4,12012 4,42204 4,32076 4,21957 4,24856 4,34676 4,07646 4,17753 4,23461 4,36790 4,36490 4,32390 4,31108

4,30 4,10 4,80 4,40 4,60 4,30 5,00 4,60 3,90 4,70 4,40 4,20 4,30 4,60 4,10 4,10 4,20 4,40 4,40 4,30 4,50

Сопоставление показателей технологических качеств зерна мягкой яровой пшеницы

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.

Литература

1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. - М.: ЮНИТИ, 1998. - 1022 с.

2. Городов А.А., Городова Л.В., Плеханова Л.В. Моделирование показателей качества зерна пшеницы с помощью систем эконо-метрических уравнений // Вестник КрасГАУ. - 2014. - № 5.

3. Методические рекомендации по оценке качества зерна. - М.: Тип. ВАСХНИЛ, 1977. -171 с.

4. 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.

5. Формирование качества зерна мягкой яровой пшеницы в условиях Красноярского края / Л.В. Плеханова, А.И. Хохлова, В.В. Матюшев [и др.]; Краснояр. гос. аграр. ун-т. - Красноярск, 2011. - 139 с.

Literatura

1. Ajvazjan S.A., Mhitarjan V.S. Prikladnaja statistika i osnovy jekonometriki. - M.: JuNITI, 1998. - 1022 s.

2. GorodovA.A., Gorodova L.V., Plehanova L.V. Modelirovanie pokazatelej kachestva zerna pshenicy s pomoshh'ju sistem jekonometrich-eskih uravnenij // Vestnik KrasGAU. - 2014. -№ 5.

3. Metodicheskie rekomendacii po ocenke kachestva zerna. - M.: Tip. VASHNIL, 1977. -171 s.

4. Plehanova L.V. Vlijanie agrojekologicheskih faktorov i genotipa sorta na formirovanie kachestva zerna mjagkoj jarovoj pshenicy v lesostepi Prienisejskoj Sibiri: dis. ... kand. s.-h. nauk. - Krasnojarsk, 2009. -140 s.

5. Formirovanie kachestva zerna mjagkoj jarovoj pshenicy v uslovijah Krasnojarskogo kraja / L.V. Plehanova, A.I. Hohlova, V.V. Matjushev [i dr.]; Krasnojar. gos. agrar. un-t. - Krasnojarsk, 2011. - 139 s.