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

نوع مقاله : مقاله پژوهشی لاتین

نویسندگان

• سیمین قاسمی زاده ¹
• بهزاد ناصحی ²
• محمد نوشاد ³

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

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

³ گروه علوم و مهندسی صنایع غذایی، دانشکده علوم دامی و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران

https://doi.org/10.22067/ifstrj.v14i3.64863

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)

عنوان مقاله [English]

Quality and sensory profiling of gluten free bread as a function of quinoa, corn and xanthan content: Statistical analysis and modeling study

نویسندگان [English]

• Simin Ghasemizadeh ¹
• Behzad Nasehi ²
• Mohammad Noshad ³

¹ Department of Food Science & Technology, Faculty of Animal Science and Food Technology, Khuzestan Agricultural Sciences and Natural Resources University, Mollasani, Iran.

² Department of Agricultural Engineering and Technology, Payame Noor University (PNU), Iran.

³ Department of Food Science and Technology, Faculty of Animal Science and Food Technology, Agricultural Sciences and Natural Resources University of Khuzestan, Mollasani, Iran.

چکیده [English]

In the study, the effect of compositional parameters (Xanthan, Corn flour and quinoa flour content) on sensory characteristics and image features of gluten free bread were evaluated. Results showed, addition of quinoa and corn flour significantly decreased L* value and increased a* value of crust and crumb of gluten free bread. Also, increased percentage of corn flour has led to decreased amount of FDL* that indicates the area appears less nonhomogeneous on surface of gluten- free bread. The results also showed that using complete flour of quinoa causes softness in bread due to the presence of bran and networking, therefore, resulting in increased contrast, homogeneity and entropy, and decreased energy and correlation of produced breads. The results of sensory analysis showed that all samples containing quinoa flour have higher overall acceptance score than that of the control treatment. Correlation analysis showed a good linear relationship between image features and overall acceptance of gluten- free bread. Results showed that the optimized Adaptive Neuro-Fuzzy Inference System (ANFIS model) provide best accurate prediction method for overall acceptance of gluten-free bread (R2= 0.994 and MSE= 0.0015) and it could be a useful tool in the food industry to design and develop novel products.

کلیدواژه‌ها [English]

• Image processing
• Sensory analyzer
• Gluten free bread
• ANFIS model

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.