基于PCA-Entropy TOPSIS的甘薯品种块根质构品质评价

奥鹏网院作业

基于PCA-Entropy TOPSIS的甘薯品种块根质构品质评价
李玲，徐舒，曹如霞，陈玲玲，崔鹏，吕尊富，陆国权

（浙江农林大学农业与食品科学学院/浙江省农产品品质改良重点实验室，杭州 311300）

摘要：【目的】质构品质是甘薯块根品质评价的重要指标，直接影响其鲜食和产后加工。质构品质评价是甘薯综合利用过程和品质育种的重要环节。完善甘薯块根质构品质评价体系，为其利用和育种提供参考。【方法】应用物性分析仪质地多面分析法对45个甘薯品种块根的硬度、黏附性、内聚性、弹性、胶黏性和咀嚼性进行测定，分析各质构参数间的相关性，采用主成分分析确定各个参数权重，并结合TOPSIS法对45个甘薯品种块根的质构品质进行综合评价。【结果】45个甘薯品种的质构参数均有一定差异，咀嚼性和黏附性变异系数较大，分别为35.23%和49.15%。咀嚼性变化范围为60.30—284.66 N，平均为149.29 N，浙薯13的咀嚼性最大，为284.66 N，166-7和龙薯14的咀嚼性较小，分别为60.30和77.28 N；黏附性变化范围为-10.4—-0.80 J，平均为-4.71 J，龙薯31的黏附性最大，为-1.34 J，冀紫薯2号和普薯32的黏附性较小，分别为-9.34和-10.40 J。内聚性和弹性的变异系数较小，分别为14.27%和15.75%。内聚性变化范围为0.15—0.28，平均为0.21，商薯19的内聚性最大，为0.28，红皮白心的内聚性最小，为0.15；弹性变化范围为5.01—8.93 mm，平均为6.59 mm，西农431的弹性最大，为8.93 mm，166-7的弹性最小，为5.01 mm。胶黏性变异系数为23.84%，变化范围为11.97—32.78 N，平均为22.20 N，普薯32的胶黏性最大，为32.78 N，166-7的胶黏性最小，为11.97 N；硬度变异系数为19.47%，变化范围为59.79—143.41 N，平均为105 N，绵粉1号、商徐紫1号和苏薯29的块根硬度大于140.00 N，166-7的块根硬度最小，为59.79 N。相关性分析表明，块根硬度与胶黏性、咀嚼性均呈极显著正相关，胶黏性与咀嚼性呈极显著正相关，内聚性与弹性、胶黏性、咀嚼性均呈极显著正相关，弹性与胶黏性、咀嚼性均呈极显著正相关。6个质构参数经主成分分析，被提取的3个主成分累计方差贡献率达94.674%，硬度、黏附性、内聚性、弹性、胶黏性和咀嚼性的权重分别为0.121、0.161、0.102、0.232、0.162和0.223。【结论】明确了淀粉型甘薯质构品质优良的品种为龙薯31、商薯19和冀薯982；鲜食型甘薯质构品质优良的品种为苏薯16、紫罗兰和徐薯32。

关键词：甘薯；质构多面分析；相关性；主成分分析-熵值法；TOPSIS法

0 引言
【研究意义】甘薯（Ipomoea batatas(L.) Lam）是继小麦、水稻、玉米、马铃薯、大麦和木薯之后世界排名第七的粮食作物[1]，具有产量高、稳产性好、耐瘠薄等优点，可在多种生态环境下种植，种植地遍布世界100多个国家，年总产量约1亿吨[2]。与大多数块根、块茎作物相比，甘薯具有丰富的营养价值、特殊的风味和质构特性，是胡萝卜素、维生素、膳食纤维、淀粉等的极好来源[3-4]。随着中国薯类主粮化战略的实施，作为鲜食和休闲食品加工的甘薯比例将不断提高[5]。甘薯加工特性和品质的影响因素众多，质构品质作为品质评价的重要指标，直接影响甘薯块根鲜食和产后加工适应性[6-7]。质构品质是一个复杂的性状，由硬度、咀嚼性、黏附性、弹性等多种参数表示[7]，甘薯质构品质评价需采用多指标综合评价的方法。【前人研究进展】多指标综合评价的方法很多，国内外学者对此进行了大量研究，例如层次分析法（the analytic hierarchy process，AHP）、模糊综合评价法（fuzzy comprehensive evaluation，FCH）、主成分分析法（principal component analysis，PCA）等数理统计方法[8-11]。最近，逼近理想解排序法（technique for order preference by similarity to ideal solution，TOPSIS）广泛应用于有限方案多目标决策和多指标综合评价等方面，降低了分析过程中多指标对评价的干扰，提高了评价的科学性与准确性，其特点是专家确定指标权重，把每一个指标都量化为可比较的规范化标准，且对每一指标都找出其理想解和负理想解，能详细地比较各指标间的差异，使品种的综合性状这一模糊指标量化为该品种对理想解的相对接近度，为育种者提供量化标准，从而全面地反映品种的优劣[12]。徐小万等[13]应用TOPSIS法对不同辣椒品种耐高温多湿性进行了评价，表明评价结果与田间实际结果基本一致，该方法操作简单，便于实际应用。ZHOU等[14]应用TOPSIS法对原始牡丹皮品质构建了评价模型，表明模型评价与客观评价的品质结果一致，该法可靠、稳定。【本研究切入点】目前，TOPSIS法在甘薯品质评价方面的应用仍鲜见报道，且该方法中的主观赋权法易受个人偏好影响，主观随意性较大。【拟解决的关键问题】本研究选取中国45个重要的甘薯品种，应用质地多面分析（texture profile analysis，TPA）法测定其质构参数（硬度、黏附性、内聚性、弹性、胶黏性和咀嚼性），分析各质构参数之间的相关性，采用TOPSIS法结合主成分分析确定熵值法（PCA-Entropy），对45个甘薯品种的质构品质进行综合评价，旨在为甘薯质构品质评价提供客观、科学的技术，进一步完善甘薯质构品质评价体系，为选育优质的甘薯品种及综合利用提供依据。

1 材料与方法
1.1 试验材料
试验材料为从全国各地引种的45个甘薯品种（电子附表1），各品种均于2018年5月在浙江省杭州市临安区板桥生产基地进行统一种植，同年10月收获。选择无病虫害、大小一致、形状相似的薯块，经清洗后进行质构参数测定。

1.2 试验方法
采用物性分析仪（美国FTC公司型号为TMS-PRO）参考Alessandrini等[15]方法在甘薯块根上进行TPA测试。在整薯中部切取1 cm厚的圆片，采用物性分析仪P/5圆柱形探头（直径5 mm）在圆片的赤道部位进行TPA试验，由质构特征曲线得到薯块硬度、黏附性、内聚性、弹性、胶黏性和咀嚼性等参数。

硬度是第一次挤压循环的最大力量峰值，表示薯块越过生物屈服点后，外界继续施加一定程度的压力，薯块所受力大小，反映了薯块对变形抵抗的性质。

黏附性是第一次挤压的负峰面积，是探头脱离薯块表面所做的功。

内聚性是指甘薯块根在破裂之前可以变形的水平，是内部凝聚强度的量度，反映了块根内部结合力的大小和保持完整性的能力。

弹性是指甘薯块根在第一次挤压结束后，第二次挤压开始前样品恢复的高度。

胶黏性是指甘薯块根被吞咽前破碎它所需要的力。

咀嚼性反映了薯块对咀嚼的持续抵抗性，是硬度、弹性和内聚性三者的乘积，综合反映了其对咀嚼的持续抵抗性。

测试参数为测试前速度30 mm·min-1，测试速度60 mm·min-1，测试后速度90 mm·min-1，压缩比50%，2次停顿时间为5 s，触发力0.2 N。每个薯块测定一次，每个品种重复测定15次。

1.3 TOPSIS的计算方法
参考LIANG等[16]方法进行计算分析，设有m个品种n个指标建立矩阵A，将A无量纲化处理，成为可相互比较的规范化矩阵Z。

A=width=62.3,height=44.15 （1）

Zij=width=269.45,height=61.95 （2）

①和②均为中间型指标（i=1,2,…,m；j=1,2,…,n）。

建立加权的规范化决策矩阵R：

Rij=WjZij （3）

式中，Wj是第j个指标的权重（i=1,2,…,m；j= 1,2,…,n）。

权重的确定：根据各指标在各个主成分的载荷向量、特征值，算出各指标在线性组合中的系数Fj，利用Fj计算出各指标在综合得分模型中的系数Pj，利用Pj求出各指标的权重：

Fj=width=76.3,height=17.15 （4）

width=72.55,height=38.5（j=1,2,…,n） （5）
式中，Vj为选出主成份的方差贡献率。

Wj=width=46.8,height=19.45（j=1,2,…,n） （6）

计算理想解Xi+和负理想解Xi-：理想解是一个虚拟的最佳对象，其每个指标值都是所有评价品种中该指标的最好值；而负理想解与之相反。

Xi+ =（X1+，X2+，… … Xn+），其中Xi+ = max（Rij）（7）

Xi- =（X1-，X2-，… … Xn-），其中Xi- = min（Rij）（8）

采用欧几里德范数作为距离的测定，得到各品种与理想解、负理想解的距离：

width=96.75,height=23.25 （9）
width=95.35,height=23.1 （10）

计算各品种与理想解的相对接近度Ci，将其作为该品种的综合评分，并按综合评分对各品种进行排序。

width=73.8,height=15.4，Ci∈[0，1]（i=1,2,…,m） （11）
1.4 数据处理
试验数据以平均值±标准差表示，平均值为每个品种15次重复数据的平均值。采用IBM.SPSS Statistics 19.0对质构参数进行相关性分析和主成分分析。

2 结果
2.1 不同甘薯品种TPA测试质构参数及其相关性
由表1可知，甘薯块根硬度范围为59.79—143.41 N，平均为105.00 N，变异系数为19.47%，其中，块根硬度大于140.00 N的品种有绵粉1号、商徐紫1号和苏薯29，分别为143.41、140.14和142.25 N；166-7、红香蕉、宁薯10号和豫薯10号的块根硬度小于80.00 N，分别为59.79、78.72、71.35和77.86 N。

甘薯块根的黏附性为-10.4—-0.80 J，平均为-4.71 J，变异系数为49.15%，黏附性大于-2.00 J的品种有4个，分别为龙薯31（-1.34 J）、商薯8号（-1.46 J）、湘薯98（-1.27 J）和浙薯13（-0.80 J）；黏附性小于-9.00 J的品种有冀紫薯2号（-9.34 J）和普薯32（-10.40 J）。

甘薯块根内聚性为0.15—0.28，平均为0.21，变异系数为14.27%，其中，商薯19的内聚性最大，为0.28，红皮白心的内聚性最小，为0.15。

甘薯块根弹性为5.01—8.93 mm，平均为6.59 mm，变异系数为15.75%，块根弹性大于8 mm的品种有6个，分别为南薯007（8.78 mm）、商薯8号（8.81 mm）、西农431（8.93 mm）、湘薯98（8.92 mm）、浙薯13（8.89 mm）和浙紫薯1号（8.52 mm）；166-7的块根弹性最小，为5.01 mm。

甘薯块根胶黏性为11.97—32.78 N，平均为22.20 N，变异系数为23.84%，其中，胶黏性超过30 N的品种有普薯32、秦紫2号、浙薯13和浙紫薯1号，分别为32.78、30.33、32.03和30.63 N；胶黏性小于15 N的品种有3个，分别为166-7（11.97 N）、红皮白心（14.26 N）和龙薯14（14.16 N）。

甘薯块根咀嚼性为60.30—284.66 N，平均为149.29 N，变异系数为35.23%，咀嚼性大于250.00 N的品种有4个，分别为商薯8号（255.61 N）、湘薯98（261.86 N）、浙薯13（284.66 N）和浙紫薯1号（260.41 N）；咀嚼性小于100.00 N的有166-7（60.30 N）、红皮白心（91.76 N）、龙薯14（77.28 N）、龙薯515（96.68 N）和宁薯10号（85.61 N）。

Pearson相关系数分析表明，甘薯块根硬度与胶黏性、咀嚼性均呈极显著正相关，胶黏性与咀嚼性呈极显著的正相关，内聚性与弹性、胶黏性、咀嚼性均呈极显著正相关，弹性与胶黏性、咀嚼性均呈极显著的正相关（表2）。

2.2 TOPSIS分析
2.2.1 主成分分析确定各参数权重 由表3可知，将45个甘薯品种的6个质构参数转化为6个主成分，根据各主成分的特征值和方差贡献率进行主成分提取，前3个主成分的累积方差贡献率达94.674%，能代表所有参数的绝大部分信息。第一主成分的特征值为3.378，方差贡献率为56.303%；第二主成分的特征值为1.246，方差贡献率为20.766%；第三主成分的特征值为1.056，方差贡献率为17.605%。

载荷值的大小反映各参数在主成分中的重要程度。第一主成分中，咀嚼性、胶黏性和弹性的载荷值分别为0.991、0.942和0.789，作为第一主成分的代表参数；第二主成分中，硬度、黏附性、弹性对第二主成分的贡献较大，其载荷值分别为0.432、0.832和0.086；第三主成分中，黏附性、内聚性、弹性的载荷值分别为0.494、0.326和0.490（表4）。

综合分析3个主成分中6个参数的载荷值，硬度、黏附性、内聚性、弹性、胶黏性、咀嚼性的权重分别是0.121、0.161、0.102、0.232、0.162和0.223（表4）。

2.2.2 建立加权的规范化决策矩阵R、计算相对接近度Ci值 由表5和表6可知，决策矩阵R中各品种的理想解Xi+为0.1188、0.1560、0.0923、0.2288、0.1590和0.2167；负理想解Xi-均为0。

表1 不同甘薯品种块根TPA试验质构参数

Table 1 Textural parameters of different sweetpotato cultivars in TPA test


表2 不同甘薯品种块根TPA质构参数相关性

Table 2 Correlation among textural parameters of the TPA test on different sweetpotato cultivars


*表示P＜0.05显著水平，**表示P＜0.01极显著水平*and**indicate significant linear correlation of 0.05 and 0.01 levels, respectively

表3 主成分的特征值、方差贡献率和累计方差贡献率

Table 3 Eigenvalue, variance contribution rate and cumulative variance contribution rate of principal components


表4 质构参数的载荷向量及权重

Table 4 Eigenvectors and evaluate weight of textural parameters in sweetpotato


表5 淀粉型甘薯TOPSIS决策矩阵R和分析结果

Table 5 The decision-making matrix R and analysis results of TOPSIS


表6 鲜食型甘薯TOPSIS决策矩阵R和分析结果

Table 6 The decision-making matrix R and analysis results of TOPSIS


淀粉型甘薯的质构品质前3位为龙薯31、商薯19和冀薯982（表5）；鲜食型甘薯的质构品质前3位为苏16、紫罗兰和徐32（表6）。

3 讨论
TPA测试通常被称为“双咬测试”，是通过模拟人的牙齿咀嚼运动，对样品进行2次压缩，利用电脑输出的测试曲线判断样品质构状况和组织结构，能够全面反映样品硬度、黏附性、咀嚼性等质构特性[17-18]。本研究采用TPA法测定不同甘薯品种块根质构品质，发现不同甘薯品种质构参数差别较大，其中黏附性和咀嚼性的变异系数较大，品种间差异较大；内聚性和弹性的变异系数较小，品种间差异较小。陈丽[19]对19个鲜薯品种进行TPA试验，结果表明，弹性和内聚性的变异系数较小，咀嚼性的变异系数最大。刘丙花等[8]对22个蓝莓品种进行TPA测试，发现黏附性、咀嚼性的变异系数大，弹性和内聚性的变异系数小，与本研究结果一致。

研究表明，质构参数之间具有较高的相关性[20-21]。本研究中，甘薯块根咀嚼性与硬度、弹性、内聚性、胶黏性均呈极显著正相关，胶黏性与硬度、弹性呈极显著正相关，内聚性与弹性呈极显著正相关，黏附性与其他质构参数无明显相关性。杨玲等[22]研究发现‘华红’苹果果肉内聚性与弹性呈极显著正相关，不同苹果品种果实黏附性与其他质构参数呈不显著相关，与本研究结果一致。陈丽[19]研究发现薯块咀嚼性与硬度、弹性、内聚性均呈极显著正相关，咀嚼性和内聚性与营养指标之间存在较好的相关性。刘莉等[23]研究发现甜瓜果实咀嚼性与硬度、内聚性均呈显著正相关；在感官上，人牙齿所感觉出来的甜瓜果肉致密度和嚼劲越大，牙齿需要咀嚼果肉成吞咽状态的能量越大，口感也越好。以上表明咀嚼性、黏附性、硬度和胶黏性与薯块的适口感和加工适应性关系极为密切。

主成分分析是最优选的简化多变量技术，将多个指标简化为少量综合指标的一种统计分析方法，用少数变量尽可能多地解释原来变量的信息，保证原信息损失小且变量数目尽可能少[24-25]。本研究将质构数据标准化后，应用主成分分析法计算其综合得分模型，应用权重公式计算出各参数的权重，提高了评价指标权重分配的科学性和客观性。本研究应用主成分分析确定权重结合TOPSIS对45个甘薯品种的质构品质进行了综合评价，质构品质优良的淀粉型甘薯品种为龙薯31、商薯19和冀薯982；质构品质优良的鲜食型甘薯品种为苏薯16、紫罗兰和徐薯32。

研究表明，甘薯块根质构品质与淀粉含量、口感及感官特性密切相关。Nakamura等[26-27]通过研究甘薯块根质构品质与淀粉含量的关系，结果表明，甘薯块根质构品质与淀粉含量显著相关。Ando等[28]研究发现甘薯的淀粉含量与质构评价结果具有极显著的相关性。Yoon等[29]研究表明甘薯块根质构品质与淀粉含量显著相关且质构参数可预测甘薯品种特性。Truong等[30]通过研究甘薯质构品质与感官评价的关系，结果表明，质构参数与口感和感官特性显著相关，质构参数可以很好地预测甘薯品种的适口性。生产试验表明，龙薯31、商薯19、冀薯982鲜薯产量高，薯干产量和淀粉产量显著高于对照品种徐薯22，是较好的淀粉加工型品种[31-33]。苏薯16、徐薯32、紫罗兰商品性、适口性好，粗纤维少，且紫罗兰食用品质优于国内其他紫薯品种，是优质鲜食型品种[34-36]。本研究评价结果与甘薯生产表现情况较为一致，具有一定的参考意义，该评价方法可作为甘薯质构品质体系构建的重要手段。

4 结论
甘薯的质构品质存在品种间差异。质构品质优良的淀粉型甘薯品种为龙薯31、商薯19和冀薯982；质构品质优良的鲜食型甘薯品种为苏薯16、紫罗兰和徐薯32。

References

[1] Laryea D, Koomson D, Oduro I, Carey E. Evaluation of 10 genotypes of sweetpotato for fries. Food Science & Nutrition, 2019, 7(2): 589-598.

[2] 吴银亮, 王红霞, 杨俊, 范维娟, 杨楠, 殷旻昊, 张鹏.甘薯储藏根形成及其调控机制研究进展. 植物生理学报, 2017, 53(5): 749-757.

Wu Y L, Wang H X, Yang J, Fan W J, Yang N, Yin W H, Zhang P. Advances in storage root development and regulation in sweetpotato [Ipomoea batatas (L.) Lam.]. Plant Physiology Journal, 2017, 53(5): 749-757.(in Chinese)

[3] Flis B, Tatarowska B, Milczarek D, Plich J. Effect of location on starch content and tuber texture characteristics in potato breeding lines and cultivars. Acta Agriculturae Scandinavica, Section B-Soil & Plant Science, 2017, 67(5): 453-461.

[4] Sato A, Truong V D, Johanningsmeier S D, Reynolds R, Pecota K V, Yencho G C. Chemical constituents of sweetpotato genotypes in relation to textural characteristics of processed french fries. Food Chemistry, 2018, 83(1): 60-73.

[5] 潘超, 陈春晓, 叶夏芳, 吴鑫, 陈丽, 陆国权. 甘薯块根质构特性的检测方法优化. 保鲜与加工, 2018, 18(2): 94-99.

Pan C, Chen C X, Ye X F, Wu X, Chen L, Lu G Q. Optimization of detection method of the texture properties of sweetpotato root tuber. Storage and Process, 2018, 18(2): 94-99. (in Chinese)

[6] Szczesniak A. Texture is a sensory property. Food Quality & Preference, 2002, 13(4): 215-225.

[7] Taniwaki M, Kohyama K. Mechanical and acoustic evaluation of potato chip crispness using a versatile texture analyzer. Journal of Food Engineering, 2012, 112(4): 268-273.

[8] 刘丙花, 王开芳, 王小芳, 梁静, 白瑞亮, 谢小锋, 孙蕾. 基于主成分分析的蓝莓果实质地品质评价. 核农学报, 2019, 33(5): 93-101.

Liu B H, Wang K F, Wang X F, Liang J, Bai R L, Xie X F, Sun L. Evaluation of fruit texture quality of blueberry based on principal component analysis. Journal of Nuclear Agricultural Sciences, 2019, 33(5): 93-101. (in Chinese)

[9] Samuel O W, Asogbon G M, Sangaiah A K, Peng F, Guanglin L. An integrated decision support system based on ANN and fuzzy AHP for heart failure risk prediction. Expert Systems with Applications, 2017, 68(2017): 163-172.

[10] 骆汝九, 胡治球, 宋雯, 徐辰武. 多性状综合评定的秩和差测验方法. 中国农业科学, 2010, 43(10): 2008-2015.

Luo R J, Hu Z Q, Song W, Xu C W. A rank-sum-difference testing method for multi-trait comprehensive ranking. Scientia Agricultura Sinica, 2010, 43(10): 2008-2015. (in Chinese)

[11] Sousa C C, Damasceno-Silva K J, Bastos E A, Rocha M M. Selection of cowpea progenies with enhanced drought-tolerance traits using principal component analysis. Genetics and Molecular Research, 2015, 14(4): 1598-1605.

[12] 骆汝九, 胡治球, 宋雯, 徐辰武. 多性状综合评定的秩和测验方法及其应用. 中国农业科学, 2009, 42(8): 2686-2694.

Luo R J, Hu Z Q, Song W, Xu C W. A rank-sum testing method for multi-trait comprehensive ranking and its application. Scientia Agricultura Sinica, 2009, 42(8): 2686-2694. (in Chinese)

[13] 徐小万, 雷建军, 李颖, 罗少波, 王恒明, 徐晓美, 李涛. 现蕾期辣椒耐高温多湿性CA-TOPSIS综合评定. 热带作物学报, 2013, 34(9): 1747-1751.

Xu X W, Lei J J, Li Y, Luo S B, Wang H M, Xu X M, Li T. Comprehensive evaluation for high temperature and humidity resistance in pepper（Capsicum annuum L.）budding. Chinese Journal of Tropical Crops, 2013, 34(9): 1747-1751. (in Chinese)

[14] Zhou S, Liu B, Meng J. Quality evaluation of raw moutan cortex using the AHP and gray correlation-TOPSIS method. Pharmacognosy Magazine, 2017, 13(51): 528-533.

[15] Alessandrini L, Balestra F, Romani S, Rocculi P, Rosa M D. Physicochemical and sensory properties of fresh potato-based pasta (gnocchi). Journal of Food Science, 2010, 75(9): 542-547.

[16] LIANG X D, LIU C m, LI Z. Measurement of scenic spots sustainable capacity based on PCA-entropy TOPSIS: A case study from 30 provinces, China. International Journal of Environmental Research and Public Health, 2017, 15(1): 10-29.

[17] Singh V, Guizani N, Al-Alawi A, Claereboudtb M, Rahmana M S. Instrumental texture profile analysis (TPA) of date fruits as a function of its physico-chemical properties. Industrial Crops and Products, 2013, 50(10): 866-873.

[18] Lanza B, Amoruso F. Measurement of kinaesthetic properties of in-brine table olives by microstructure of fracture surface, sensory evaluation, and texture profile analysis (TPA). Journal of the science of food and agriculture, 2018, 98(11): 4142-4150.

[19] 陈丽. 甘薯块根质构特性的评价研究[D]. 杭州: 浙江农林大学, 2013.

Chen L. Evaluation of the texture characteristics of sweetpotato roots[D]. Hangzhou: Zhejiang Agriculture and Forestry University, 2013. (in Chinese)

[20] Bianchi T, Guerrero L, Gratacós-Cubarsí M, Claret A, Argyris J, Garcia-Mas L, Hortós M. Textural properties of different melon (Cucumis melo L.) fruit types: sensory and physical-chemical evaluation. Scientia Horticulturae, 2016, 201(30): 46-56.

[21] Li C Y, Luo J W, MacLean D. A novel instrument to delineate varietal and harvest effects on blue berry fruit texture during storage. Journal of the Science of Food and Agriculture, 2011, 91(9): 1653-1658.

[22] 杨玲, 肖龙, 王强, 张彩霞, 丛佩华, 田义. 质地多面分析(TPA)法测定苹果果肉质地特性. 果树学报, 2014, 31(5): 977-985.

Yang L, Xiao L, Wang Q, Zhang C X, Cong P H, Tian Y. Study on texture properties of apple flesh by using texture profile analysis. Journal of Fruit Science, 2014, 31(5): 977-985. (in Chinese)

[23] 刘莉, 高星, 华德平, 刘翔, 李志文, 张平, 李三培, 张少慧. 不同的质构检测方法对甜瓜果肉质构的评价. 天津大学学报(自然科学与工程技术版), 2016, 49(8): 875-881.

Liu L, Gao X, Hua D P, Liu X, Li Z W, Zhang P, Li S P, Zhang S H. Evaluation of texture of melon pulp by different texture detection methods. Journal of Tianjin University(Natural Science and Engineering Technology Edition), 2016, 49(8): 875-881. (in Chinese)

[24] 公丽艳, 孟宪军, 刘乃侨, 毕金峰. 基于主成分与聚类分析的苹果加工品质评价. 农业工程学报, 2014, 30(13): 276-285.

Gong L Y, Meng X J, Liu N Q, Bi J F. Evaluation of apple quality based on principal component and hierarchical cluster analysis. Transactions of theChinese Society of Agricultural Engineering, 2014, 30(13): 276-285. (in Chinese)

[25] Goyeneche R, Roura S, Di Scala K. Principal component and hierarchical cluster analysis to select hurdle technologies for minimal processed radishes. LWT - Food Science and Technology, 2014, 57(2): 522-529.

[26] Nakamura Y, Kuranouchi T, Akiko O T, Ishida N, Koda I, Iwasawa N, Matsuda T, Kumagai T. Cell structure, water status and starch properties in tuberous root tissue in relation to the texture of steamed sweetpotato (Ipomoea batatas (L.) Lam). Japanese Journal of Crop Science, 2010, 79(3): 284-295.

[27] Nakamura Y, Akiko O T, Kuranouchi T, Katayama K. Disintegration of steamed root tissues of sweetpotato and its relation to texture and the contents of starch, calcium and pectic substances. Nippon Shokuhin Kagaku Kogaku Kaishi, 2015, 62(12): 555-562.

[28] Ando T, Yasuda M, Hisaka H. Effect of storage period on free sugar and starch contents of six sweetpotato varieties with different taste on baking, and quantification of sweetness and texture. Horticultural Research, 2018, 17(4): 449-457.

[29] Yoon H, No J, Kim W, Shin M. Textural character of sweetpotato root of Korean cultivars in relation to chemical constituents and their properties. Food science and biotechnology, 2018, 27(6): 1627-1637.

[30] Truong V D, Hamann D D, Walter W M. Relationship between instrumental and sensory parameters of cooked sweetpotato texture. Journal of Texture Studies, 1997, 28(2): 163-185.

[31] 林子龙, 郭其茂, 陈根辉, 黄艳霞, 杨立明. 高产优质兼用型甘薯新品种龙薯31号的选育[J]. 福建农业学报, 2018, 172(3): 34-39.

Lin Z L, Guo Q M, Chen G H, Huang Y X, Yang L M. Breeding a new sweetpotato variety, Longshu 31. Fujian Journal of Agricultural Sciences, 2018, 172(3): 34-39. (in Chinese)

[32] 唐忠厚, 魏猛, 陈晓光, 史新敏, 张爱君, 李洪民, 丁艳锋. 不同肉色甘薯块根主要营养品质特征与综合评价. 中国农业科学, 2014, 47(9): 1705-1714.

Tang Z H, Wei M, Chen X G, Shi X M, Zhang A J, Li H M, Ding Y F. Characters and comprehensive evaluation of nutrient quality of sweetpotato storage root with different flesh colors. Scientia Agricultura Sinica, 2014, 47(9): 1705-1714. (in Chinese)

[33] 鞠栋. 薯渣复配粉营养与功能特性分析及馒头加工工艺研究[D]. 北京: 中国农业科学院, 2017.

Ju D. Study on the nutritional and functional properties of potato/ sweetpotato residue compound flour and steamed bread processing technology thereof[D]. Beijing: Chinese Academy of Agricultural Sciences, 2017. (in Chinese)

[34] 谢一芝, 郭小丁, 贾赵东, 马佩勇, 边小峰. 食用甘薯新品种苏薯16号的选育及栽培技术. 江苏农业科学, 2012, 40(7): 104-105.

Xie Y Z, Guo X D, Jia Z D, Ma P Y, Bian X F. Breeding and cultivation techniques of edible sweetpotato variety Sushu 16. Jiangsu Journal of Agricultural Sciences, 2012, 40(7): 104-105. (in Chinese)

[35] 尹艳, 梁艳梅, 林善梦, 罗小梅, 宋冠华, 段纯. 热浸提“紫罗兰”紫薯花青素的工艺条件优化研究. 北方园艺, 2015(18): 136-139.

Yin Y, Liang Y M, Lin S M, Luo X M, Song G H, Duan C. Optimization of hot extraction conditions of anthocyanins from ‘Violet’ purple sweetpotato. Northern gardening, 2015(18): 136-139. (in Chinese)

[36] 唐忠厚, 张爱君, 陈晓光, 魏猛, 靳容, 李洪民. 优质鲜食型甘薯新品种‘徐薯32’的选育及特性分析. 植物科学学报, 2016, 34(5): 781-789.

Tang Z H, Zhang A J, Chen X G, Wei M, Jin R, Li H M. Breeding and appraisal of new sweetpotato cultivar ‘Xushu 32’with high quality. Plant Science Journal, 2016, 34(5): 781-789. (in Chinese)

Evaluation of Texture Quality of Sweetpotato storage roots Based on PCA-Entropy TOPSIS
LI Ling, XU Shu, CAO RuXia, CHEN LingLing, CUI Peng, Lü ZunFu, LU GuoQuan

(College of Agriculture and Food Science, Zhejiang A&F University/The Key Laboratory for Quality Improvement of Agricultural Products of Zhejiang Province, Hangzhou 311300)

Abstract: 【Objective】Texture quality are important indicators for the evaluation of sweetpotato root quality, which directly affects its fresh food and post-harvest processing. Texture quality evaluation is not only an important procedure of sweetpotato variety breeding and comprehensive utilization, but also to provide an important reference for sweetpotato breeding and its utilization.【Method】Texture qualities (hardness、adhesiveness, cohesiveness, springiness, gumminess, and chewiness) of 45 sweetpotato varieties were analyzed with texture profile analysis method by using texture analyzer, and the correlation among the texture parameters was analyzed. The weight index of each parameter was determined by principal component analysis, and the texture quality of 45 sweetpotato tubers was evaluated by TOPSIS.【Result】The results showed that textural parameters of 45 sweetpotato varieties were different from each other. The variation coefficient of chewiness and adhesiveness were 35.23% and 49.15%, respectively. Chewiness ranged from 60.30 to 284.66 N, with an average values of 149.29 N. Zheshu 13 has the maximum value of 284.66 N, while 166-7 and Longshu 14 have the minimum values of 60.30 N, 77.28 N, respectively. Adhesiveness ranged from -10.40 to -0.80 J, with an average value of -4.71 J. Longshu 31 has maximum value of -1.34 J, while Jizishu 2 and Pushu 32 have minimum values of -9.34 J, -10.40 J, respectively. The variation coefficient of cohesiveness and springiness were 14.27% and 15.75%, respectively. Cohesiveness ranged from 0.15 to 0.28, with an average value of 0.21. Shangshu 19 has maximum value of 0.28, while Hongpibaixin has minimum value of 0.15. Springiness ranged from 5.01 to 8.93 mm, with an average value of 6.59 mm. Xinong 431 has the maximum value of 8.93 mm, while 166-7 has the minimum value of 5.01 mm. The variation coefficient of hardness and gumminess were 19.47% and 23.84%, respectively. Gumminess ranged from 11.97 to 32.78 N, with an average value of 22.20 N. Pushu 32 has maximum value of 32.78 N, while 166-7 has minimum value of 11.97 N. Hardness ranged from 59.79 to 143.41 N, with an average value of 105 N. The value of Mianfen 1, Shangxuzi 1 and Sushu29 was more than 140.00 N, and 166-7 has minimum value of 59.79 N. Correlation analysis showed that hardness was significantly positively correlated with gumminess and chewiness. Gumminess had significant positively correlation with chewiness. Cohesiveness was significantly positively correlated with springiness, gumminess, and chewiness. Springiness had significant positive correlation with gumminess and chewiness. Six texture parameters were analyzed by principal component analysis method. The cumulative variance contribution rate of the three principal components was 94.674%. The weight index of hardness, adhesiveness, cohesion, elasticity, adhesiveness and mastication were 0.121, 0.161, 0.102, 0.232, 0.162 and 0.223, respectively.【Conclusion】According to the comprehensive evaluation, starch-type sweetpotato varieties with better texture quality were Longshu 31, Shangshu 19 and Qishu 982. Fresh-type sweetpotato varieties with better texture quality were Sushu 16, Ziluolan and Xushu32.

Key words: sweetpotato; texture profile analysis; correlation; PCA-Entropy; TOPSIS