淘洗工艺对大米中主要矿物元素及污染物含量的影响研究

来源 :西南大学 | 被引量 : 0次 | 上传用户:yan3134
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
大米是世界重要的主粮之一,也是我国居民膳食营养的基础。我国是生产和消费大米的大国,稻谷产量大约为2.1亿吨(2019年),约占全国粮食总量的40%,约占世界稻谷总产量的30%。随着社会的发展,人们不仅对大米的外观和口感有了更高的要求,也更加关注大米的安全问题。大米中的污染物,主要包含重金属和真菌毒素两个方面:重金属污染主要来源于工业化以及人类的生产和生活活动造成的农田环境恶化,而稻谷对于重金属具有一定的富集能力;真菌毒素污染主要来源于稻米在贮藏过程中对于环境控制的不力,导致微生物繁殖而产生真菌毒素。蒸煮大米前进行浸泡和淘洗,是我国居民烹饪米饭时的必要步骤。烹饪杂粮饭、八宝粥等杂粮食品时,浸泡时间可达12 h;在制作米粉等大米加工食品时,根据原料性状的不同也需要4-12 h甚至更长时间浸泡,以满足加工工艺要求。本论文旨在通过优化烹饪习惯,在最大程度降低有害物的前提下减少营养物质损失。本论文选取市售大米为研究对象,在25℃恒温条件下通过测定不同超声波洗涤次数和不同浸泡时间大米的矿物质元素及污染物含量研究淘洗及浸泡工艺对大米营养成分及污染物的影响,研究结果如下:(1)将浸泡、超声波洗涤好的大米样品水分烘干,经高速粉碎机粉碎均匀,摇匀利用微波消解法对样品进行前处理。处理好的样品进入ICP-MS仪器进行检测。大米经一系列前处理后,镁、钾、钙、锰、铁、铜、锌七种元素回收率在88.7%~101.3%,Mg、K、Ca在0~20 mg/L,Mn、Fe、Cu、Zn在0~500μg/L的浓度范围内线性系数均大于0.995,线性关系良好;7种目标物检出限范围内平均回收率在84.6%~96.1%之间;重复性相对标准偏差在8.0%以内。镁、钾、钙、锰、铁的损失率在浸泡1h和超声波洗涤1次时,均大于30.00%,而铜、锌两种元素在相同条件下损失率均小于10.00%。以超声波洗涤三次、浸泡8h为终点,则镁、钾、钙、锰、铁、铜、锌的损失率分别是85.61%、90.65%、58.84%、66.58%、53.21%、42.25%和49.23%。(2)将处理好的大米样品进入ICP-MS仪器进行检测。铬、砷、镉三种重金属元素回收率在89.6%~96.7%,Cr、As、Cd在0~50μg/L的浓度范围内线性系数均大于0.9900,线性关系良好;3种目标物检出限范围内平均回收率在88.7%~96.0%之间;重复性相对标准偏差在8.0%以内。铬、砷、镉的迁移速率在浸泡1 h和超声波洗涤1次时,均大于25.00%,以超声波洗涤三次、浸泡8 h为终点,则铬、砷、镉的迁移量分别是62.16%、61.23%和52.16%。经试验确定,结合矿物元素和重金属元素的特性及迁移率,普通样品浸泡1 h超声波洗涤一次为矿物质保留和重金属迁出的推荐条件,若样品中重金属含量较高则可酌情延长浸泡时长。(3)将浸泡的大米样品水分烘干,粉碎后用黄曲霉毒素固相净化柱净化并进行衍生化前处理。处理好的样品进入HPLC—荧光检测器进行检测。AFT B1在0.1~40 ng/m L的浓度范围内线性系数为0.9999,线性关系良好;该目标物检出限范围内的回收率为93.7%;重复性相对标准偏差为5.50%,该方法可满足测定大米中AFT B1的检测需求。将140批次大米处理后进入HPLC—荧光检测分析,140批次样品中,有79批次未检出AFT B1,其余61批次检测出AFT B1,检出率为43.57%。其中140批次中最高AFT B1含量为5.38±0.19μg/kg,最低含量为0.109±0.002μg/kg。将p H 7.0浸泡1 h作为对照组,做配对t检验发现p H为8.0和9.0时该两组与对照组之间差异不明显,而p H为10.0时其差异显著(P<0.05),说明p H为10时,对AFT B1残留有很好的清除作用。经试验确定,p H 10.0浸泡1 h可使AFT B1残留量大大降低,所以确定该条件为清除AFT B1残留的最佳条件。大米的超声波洗涤次数和浸泡时间与矿物质元素和污染物含量均成一定规律性变化。在25℃水温时,大部分的矿物质元素在超声波洗涤1~3次,浸泡时间0~8 h内,差异性显著(P<0.05),其中七种矿物质元素(镁、钾、钙、锰、铁、铜、锌)在浸泡8 h,超声波洗涤三次后分别只有初始值的14.39%、9.35%、41.16%、33.42%、46.79%、57.75%、50.77%。大米样品中AFT B1含量在p H10.0溶液中浸泡1h后呈显著下降趋势,经配对t检验得出t绝对值=3.572大于t0.05,9=2.262,P<0.05。重金属污染物含量,随着超声波洗涤次数增加和浸泡时间的延长而明显下降(P<0.05),其中铬、砷、镉三种重金属元素在浸泡8 h,超声波洗涤三次后分别只有初始值的37.84%、38.77%、47.84%。大米淘洗过程中干物质损失主要是淀粉。通过开展大米淘洗工艺优化研究,对居民膳食及米制品加工业均有积极借鉴意义。
其他文献
蓝印花布的制作是采用我国民间传统印染手工艺,是非物质文化遗产传承与保护对象,其艺术价值彰显了中国传统文化中极具特色的魅力所在,它素雅的色彩美感、鲜明的图案造型、天然环保的印染工艺,即使是在现代手工艺领域里,也极具研究意义。桐乡蓝印花布是浙江地区具有特色的传统工艺品类之一。在蓝印花布的近代发展历程中,“丰同裕”则承载了桐乡蓝印花布的传承与发展任务,“丰同裕”由最初私营模式的丰同裕染坊逐渐走向公私合营
学位
随着“数字中国”战略的提出,数字经济渗透到我国社会发展各个方面,越来越多的企业也开始数字化转型升级,数据俨然成为企业提升核心竞争力的关键生产要素,与此同时,全国各地数据交易市场的建立也带动了数据资产交易量的增长,为了促进数据资产化和数据资产在交易市场上有序流通转让,数据资产的价值需要被准确地衡量。对于数字阅读企业而言,经过收集、分析、整合形成的数据资产,能帮助企业实现内容产品的精准推送、最大化用户
学位
目的调查阻塞性睡眠呼吸暂停低通气综合征(Obstructive sleep apnea hypopnea syndrome,OSAHS)患者社会支持、健康素养、自我管理的现状,了解OSAHS患者自我管理在人口学因素上的差异,分析OSAHS患者社会支持、健康素养与自我管理的相关性,探讨OSAHS患者自我管理的主要影响因素,为实施患者临床干预和健康宣教提供理论依据。方法本研究采用方便抽样的方法,在锦州
学位
由于正在使用的海事信息服务的信道容量已经趋于饱和,新的海上通信平台——甚高频数据交换系统(VHF Data Exchange System,VDES)已成为争夺未来全球海上通信系统标准的制高点。各个海洋强国积极投入到VDES系统的研究和建设中,VDES多星座兼容共存是未来发展的必然趋势。由于所有VDES星座都采用相同的频率、时间对齐方式和时隙表,重复覆盖区域内的链路会造成大量冲突,严重影响系统整体
学位
随着城市轨道交通线网的不断成型和完善,地铁开始在超大型城市、大中型城市逐渐铺设,成为各大主城区交通运输的中坚力量,地铁安检服务作为城市轨道运营服务的重要环节,其服务质量是地铁运营服务水平提升的重难点。通过服务质量理论和顾客满意理论等角度出发,探寻轨道交通安检中安全与服务质量之间的平衡问题成为轨道交通运营服务发展的重要研究方向。S市轨道交通作为S市交通的重要枢纽,关系到S市市民及大量外来游客的切身利
学位
在多元化的今天,随着人们生活水平的日益提高,审美也在不断提高,而且人们对首饰之美也有着的自己的理解与追求。首饰自古以来被当作是装饰身体的物品,更是当代人不可缺少的装饰。当今市面上的首饰多数是以精细珠宝为主,只是在材料上,与技术上有很大突破,但缺乏民族元素,笔者认为当今的市场应该融入更多的民族文化与匠人个性化的情感与风格。印第安是一个古老的民族,本文主要研究的对象是印第安首饰,主要研究内容是围绕印第
学位
目的本研究旨在开发社区老年人营养素养问卷并探索社区老年慢性病患者营养素养现状及其影响因素,为构建本土化的社区老年慢性病患者营养素养教育干预方案提供科学依据和参考。方法第一部分:本研究基于《老年人营养素养核心条目》草案开发并验证老年人营养素养问卷。于2020年3月至9月通过便利抽样法共招募了318名社区老年人用于项目分析和486名社区老年人用于验证问卷心理测量学特性。德尔菲咨询结果支持问卷的内容效度
学位
鱼皮文化是北纬45度以上区域内存在的特色文化。虽然历史上有众多民族曾有过鱼皮文化,但从清代开始只有黑龙江省同江市街津口乡的赫哲族将之传承延续下来。鱼皮制作工艺作为民族文化,是赫哲族的代表,已被列入国家级非物质文化遗产名录。当前关于赫哲族文化的研究有很多,有一些已经取得了一定的成果。然而,关于鱼皮手工艺制作怎样传承,以及其未来如何发展的相关研究相对较少。本文以赫哲族鱼皮工艺与传承为研究对象,对鱼皮制
学位
随着科技的进步和诸多领域需求的增多,发射进入太空的卫星越来越多,与此同时卫星发生故障的事件也在逐渐积累,因此关于卫星的故障诊断和健康评估就受到越来越多研究人员的重视。卫星帆板作为卫星整个生命周期的能源提供部件,重要程度不言而喻,但是经统计,卫星能源系统发生故障的占比名列前茅,因此在整星的故障检测和健康评估中,卫星帆板是所有卫星部件中最先受到考虑的不二之选。本文采用能直接反映卫星帆板状态的帆板温度遥
学位
基于深度学习的目标检测算法在自然图像领域取得了不错的进展,但尝试将其部署到卫星、无人机等边缘端设备进行实时在轨的遥感图像目标检测时则存在一些困难:第一,遥感图像分辨率高、数据量大,小目标众多,检测难度大;第二,深度学习算法内存占用高,参数量与计算量大,而卫星等边缘设备存储与计算资源有限,难以直接部署基于深度学习的目标检测模型;第三,基于深度学习的目标检测算法,其推理速度相对较低,而卫星等要求在轨实
学位