بررسی آماری و مدل‌سازی کیفیت و ویژگی‌های حسی نان بدون گلوتن به‌عنوان تابعی از مقادیر آرد کینوا، ذرت و گزانتان

نشریه پژوهشهای علوم و صنایع غذایی ایران

مقاله 2، دوره 14، شماره 3 - شماره پیاپی 51، مرداد و شهریور 1397، صفحه 65-73   

نوع مقاله: مقاله پژوهشی لاتین

شناسه دیجیتال (DOI): 10.22067/ifstrj.v14i3.64863

نویسندگان

سیمین قاسمی زاده¹؛ بهزاد ناصحی^{* 2}؛ محمد نوشاد¹

¹گروه علوم و مهندسی صنایع غذایی، دانشکده علوم دامی و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران.

²گروه مهندسی و فناوری کشاورزی، دانشگاه پیام نور، ایران.

چکیده

در این پژوهش اثر افزودن آرد کامل کینوا، ذرت و صمغ زانتان به فرمولاسیون نان بدون گلوتن بر ویژگی‌های حسی و کیفی موردبررسی قرار گرفت. نتایج این پژوهش نشان داد که افزودن آرد کینوا و ذرت باعث افزایش معنی‌دار شاخص L* و کاهش شاخص a* پوسته و مغز نان شد. همچنین افزایش درصد آرد ذرت باعث کاهش شاخص FD_L* در نمونه‌ها شد که این امر نشان‌دهنده کاهش ظاهر ناهمگن سطح نان است. یافته‌ها نشان داد با افزایش درصد کینوا، میزان انرژی و همبستگی کاهش یافته و همگنی و انتروپی و تباین افزایش می‌یابد. افزایش میزان تباین و همگنی نشان‌دهنده بافت نرم‌تر محصول بوده، از سوی دیگرکاهش انرژی، همبستگی نیز سبب افزایش نرمی در بافت می‌شود. به‌نظر می‌رسد استفاده از آرد کامل کینوا به‌دلیل وجود سبوس و ایجاد شبکه، سبب نرم‌­تر شدن نان نسبت به نمونه‌ شاهد و درنتیجه سبب افزایش تباین، همگنی و آنتروپی و کاهش انرژی و همبستگی نان‌های تولیدی گردید. نتایج داده‌های حسی نشان می‌دهد که امتیاز پذیرش کلی تمامی تیمارهای حاوی آرد کینوا نسبت به تیمار نمونه کنترل بیشتر بود که نشان‌دهنده بالا بودن مقبولیت نمونه‌های موردآزمایش در بین مصرف‌کنندگان و ارزیاب‌ها بود. نتایج آنالیز همبستگی به‌خوبی نشان داد شاخص‏‌های بینایی، همبستگی بالایی (05/0>p) با ویژگی‏‌های حسی نان بدون گلوتن داشتند که بیان‌کننده توانایی تکنیک‌‏های پردازش تصویر در پیش‌بینی پذیرش مصرف‌کننده بود. مقادیر بالای ضریب همبستگی (994/0) و کمMSE  (0015/0) گویای کارایی بالای سیستم استنتاج تطبیقی فازی-عصبی (ANFIS) در پیش‌بینی میزان پذیرش کلی نان‌های بدون گلوتن می‌باشد که می‌تواند به‌عنوان یک ابزار دقیق برای طراحی و توسعه محصولات جدید در صنعت مواد غذایی استفاده شود.

کلیدواژه‌ها

پردازش تصویر؛ ارزیابی حسی؛ نان بدون گلوتن؛ سیستم استنتاج تطبیقی فازی-عصبی (ANFIS)

مراجع

Al-Mahasneh, M., Aljarrah, M., Rababah, T., Alu’datt, M., 2016. Application of Hybrid Neural Fuzzy System (ANFIS) in Food Processing and Technology. Food Engineering Reviews 8, 351-366.

Alencar, N.M.M., Steel, C.J., Alvim, I.D., de Morais, E.C., Bolini, H.M.A., 2015. Addition of quinoa and amaranth flour in gluten-free breads: Temporal profile and instrumental analysis. LWT-Food Science and Technology 62, 1011-1018.

Alvarez-Jubete, L., Holse, M., Hansen, A., Arendt, E., Gallagher, E., 2009. Impact of Baking on Vitamin E Content of Pseudocereals Amaranth, Quinoa, and Buckwheat. Cereal chemistry 86, 511.

Elgeti, D., Nordlohne, S.D., Föste, M., Besl, M., Linden, M.H., Heinz, V., Jekle, M., Becker, T., 2014. Volume and texture improvement of gluten-free bread using quinoa white flour. Journal of Cereal Science 59, 41-47.

Föste, M., Nordlohne, S.D., Elgeti, D., Linden, M.H., Heinz, V., Jekle, M., Becker, T., 2014. Impact of quinoa bran on gluten-free dough and bread characteristics. European Food Research and Technology 239, 767-775.

Jackman, P., Sun, D.-W., 2013. Recent advances in image processing using image texture features for food quality assessment. Trends in Food Science & Technology 29, 35-43.

Karimi, M., Fathi, M., Sheykholeslam, Z., Sahraiyan, B., Naghipoor, F., 2012. Effect of different processing parameters on quality factors and image texture features of bread. J Bioproces Biotech 2, 2-7.

Katina, K., Heiniö, R.-L., Autio, K., Poutanen, K., 2006. Optimization of sourdough process for improved sensory profile and texture of wheat bread. LWT-Food Science and Technology 39, 1189-1202.

Lazaridou, A., Duta, D., Papageorgiou, M., Belc, N., Biliaderis, C., 2007. Effects of hydrocolloids on dough rheology and bread quality parameters in gluten-free formulations. Journal of Food Engineering 79, 1033-1047.

Matuda, T.G., Chevallier, S., de Alcântara Pessôa Filho, P., LeBail, A., Tadini, C.C., 2008. Impact of guar and xanthan gums on proofing and calorimetric parameters of frozen bread dough. Journal of Cereal Science 48, 741-746.

Mogol, B.A., Gökmen, V., 2014. Computer vision‐based analysis of foods: A non‐destructive colour measurement tool to monitor quality and safety. Journal of the Science of Food and Agriculture 94, 1259-1263.

Mohebbi, M., Mehraban, M., Noshad, M., Adaptive Neuro Fuzzy Modeling of Moisture and Oil Content of Fried Mushroom.

Naji-Tabasi, S., Mohebbi, M., 2015. Evaluation of cress seed gum and xanthan gum effect on macrostructure properties of gluten-free bread by image processing. Journal of Food Measurement and Characterization 9, 110-119.

Noshad, M., Mohebbi, M., Ansarifar, E., 2015. Quantification of enzymatic browning kinetics of quince preserved by edible coating using the fractal texture Fourier image. Journal of Food Measurement and Characterization 9, 375-381.

Soukoulis, C., Lyroni, E., Tzia, C., 2010. Sensory profiling and hedonic judgement of probiotic ice cream as a function of hydrocolloids, yogurt and milk fat content. LWT-Food Science and Technology 43, 1351-1358.

Stikic, R., Glamoclija, D., Demin, M., Vucelic-Radovic, B., Jovanovic, Z., Milojkovic-Opsenica, D., Jacobsen, S.-E., Milovanovic, M., 2012. Agronomical and nutritional evaluation of quinoa seeds (Chenopodium quinoa Willd.) as an ingredient in bread formulations. Journal of Cereal Science 55, 132-138.

Świeca, M., Sęczyk, Ł., Gawlik-Dziki, U., Dziki, D., 2014. Bread enriched with quinoa leaves–The influence of protein–phenolics interactions on the nutritional and antioxidant quality. Food chemistry 162, 54-62.

Yazar, G., Duvarci, O., Tavman, S., Kokini, J.L., 2017. Non-linear rheological behavior of gluten-free flour doughs and correlations of LAOS parameters with gluten-free bread properties. Journal of Cereal Science 74, 28-36.