SZIE - KUKORICA NEDVESSÉGTARTALMÁNAK …fft.szie.hu/mszsz/mszsz/01/articles/rajkoharmati.pdfilletve még egy finomállító is található a berendezésen, amellyel pontosabban tudjuk

KUKORICA NEDVESSÉGTARTALMÁNAK GYORS MEGHATÁROZÁSA

MIKROHULLÁMÚ KEZELÉSSEL

RAJKÓ R., HARMATI ZS.

Szegedi Tudományegyetem Szegedi Élelmiszeripari Főiskolai Kar

Élelmiszeripari Műveletek és Környezettechnika Tanszék 6724 Szeged, Mars tér 7.

6701 Szeged, Pf. 433. Tel.: 62 546030, Fax: 62 546034 E-mail: [email protected]

Összefoglaló

A nedvességtartalom meghatározás szabványos módszerekkel igen időigényes, ezért célszerű az ennél gyorsabb, de még a gyakorlat számára megfelelő módszerek tanulmányo-zása és fejlesztése. Az irodalomban megjelent mikrohullámú kezeléssel megvalósított gyors nedvességtartalom meghatározást a szójababban lévő antinutritív anyagok csökken-tésére irányuló mikrohullámú hőkezelés során alkalmaztuk (Rajkó et al., 1997). Az iro-dalomban megjelent adatok matematikai statisztikai elemzésével eltérő következtetésre jutottunk (Rajkó és Szabó, 1996), mint az idézett tanulmány szerzői (Sharma and Hanna, 1989): az y = a exp(b x) exponenciális függvénykapcsolat helyett az y = a xc exp(b x) összefüggést javasoljuk. Az új összefüggést alkalmazva az 1,5 min idejű mikrohullámú kezelést találtuk a legjobban alkalmazhatónak a nedvességtartalom pontos előrebecslésé-hez.

A vizsgálatok második szakaszában a kukorica nedvességtartalom meghatározására

irányuló kísérleteket végeztünk. A mérésekhez Samsung típusú háztartási mikrohullámú berendezést alkalmaztunk impulzus-szerű üzemmódban (Harmati, 2001). A kezelések idejét szisztematikusan változtattuk. A kísérleteket légköri nyomáson végeztük.

Az eredmények kiértékelése során fel kellett használnunk a pár-korrelációs módszert

(pair correlation method, PCM), hogy szignifikáns különbséget tehessünk a kezelési idők, valamint a felhasznált összefüggések és regressziós módszerek között. Következtetéseink alapján ajánlást teszünk a nedvességtartalmat legjobban előrebecslő eljárás gyakorlati ki-vitelezésére és részletes matematikai statisztikai jellemzését is bemutatjuk. Bevezetés

Az utóbbi húsz évben világszerte megszaporodott azon ehető termékek száma, ame-lyek kukoricából készülnek, vagy kukoricát is tartalmaznak. Az ilyen termékek száma az utóbbi 15 évben világszerte megtöbbszöröződött. Ma csupán az USA-ban eléri a 3100-at.

Mai felgyorsult világunkban egyre nagyobb szükség van a gyártásközi gyors és pontos minőség-ellenőrző berendezésekre. Az élelmiszeriparban a minőség-ellenőrzés egyik leg-fontosabb feladata a nedvességtartalom meghatározása, mivel a termék víztartalma és a technológiai feldolgozás (hőkezelés, szárítás) során elért kihozatal között szoros összefüg-

gés van. A víztartalom-meghatározás lehetővé teszi a gyártási előírásokban foglaltak be-tartását. A kukorica szárítás közbeni nedvességtartalmának változását is intenzíven vizsgál-ják (Beke et al. 1995; Beke 1999; Neményi et al. 2000; Csermely and Herdovics 2000).

Különösen nagy jelentőséget kap a nedvességtartalom a kukorica raktározásánál, ill. feldolgozásánál, mivel a kukorica eltarthatóságát jelentősen befolyásolja a nedvességtar-talma. A korábbi megfigyelések azt igazolták, hogy a kukorica tárolása csak 13-14%-os nedvességtartalom mellett optimális és bizonyos nedvességtartalom felett már egyáltalán nem tárolható. Ezen kívül a kukorica nemesítése régebben a nedvességtartalom alapján történt, ill. ezt még ma is sokszor alkalmazzák célparaméterként a nemesítők, hiszen a kis-üzemi termelés során célszerű alacsony nedvességtartalom mellett végezni a betakarítást, mert így a tároláshoz szükséges szárítás során energia-megtakarítás érhető el.

A hagyományos szabványos módszerek mint például az összehasonlító meghatározás-ként is alkalmazott szárítószekrényes eljárás – amely adott ideig adott hőmérsékletű szárí-tást jelent –, nagy hátránya az időigény.

Így érthető, hogy ezen eljárás egyszerűsítésére és gyorsítására egyre több kutatás irá-nyul. Ennek következtében a mikrohullámú berendezések egyre nagyobb jelentőséget kap-nak az élelmiszeriparon belül is.

Olyan eljárást próbáltunk kifejleszteni a mikrohullámú berendezés segítségével, amely egy gyors nedvességtartalom meghatározó módszert eredményez és az eredmények meg-közelítik a szabványos szárítószekrényes eljárás pontosságát. Anyagok és módszerek

A kísérletek elvégzéséhez a szegedi Gabonakutató Kht. munkatársai által nemesített Sze TC 259 (Anita) típusú hibridkukoricát használtuk. A mérésekhez Samsung típusú ház-tartási mikrohullámú berendezést (1. ábra) alkalmaztunk impulzus-szerű üzemmódban 15 másodperc kezelés, 1 perc pihentetés váltásokkal 520 W névleges teljesítmény mellett.

1. ábra. A kísérletekhez használt Samsung típusú háztartási mikrohullámú berendezés.

A meghatározás alapegyenlete a látszólagos vagy parciális (részleges) nedvességtarta-lom:

0

0100m

mmx t−

⋅= , (1)

ahol x : a látszólagos vagy részleges nedvességtartalom, m0 : a minta kezdeti tömege, mt : a t ideig tartó kezelés után mért tömeg.

A valódi nedvességtartalom és a részleges nedvességtartalom közötti függvénykapcso-

lat közelítésére az alábbi 3 egyszerűbb összefüggést alkalmaztuk: xmky ⋅= (2) ( )xbay ⋅⋅= exp (3) ( )xbxay c ⋅⋅⋅= exp (4)

ahol y : a valódi nedvességtartalom, x : a parciális nedvességtartalom, k, m, a, b, c : a regressziós paraméterek.

A (2) és (3) összefüggések matematikailag átalakíthatók egymásba, az a = k, ill. m =

exp(b) azonosságok miatt. A különböző alakok alkalmazását mégis az magyarázza, hogy az MS Excel97 táblázatkezelőben a (2) összefüggésre beépített regressziós eljárás található (LOG.ILL, ez egy logaritmikus transzformáció után a lineáris legkisebb négyzetek mód-szerét (LLKNM) alkalmazza), míg a (3) és (4) összefüggések paramétereit nemlineáris legkisebb négyzetek módszerével (NLLKNM) becsültük a SOLVER beépülő segítségével.

A mikrohullámú gyors nedvességtartalom meghatározáshoz kalibrációs mintára volt szükség. Ez azt jelenti, hogy különböző ismert nedvességtartalmú mintákat kell készíteni a vizsgálatok elvégzéséhez.

Számított mennyiségű kukoricához számított mennyiségű vizet adtam hozzá.

kezdeti

kezdeticélösszvíz W

WWmm%100

%%−

−⋅= (4)

ahol: mvíz : a hozzáadott víz tömege, mössz : a W%cél nedvességtartalmú kukorica összes tömege, W%cél : az elérni kívánt nedvességtartalom (kukorica), W%kezdeti : a kezdeti nedvességtartalom (kukorica).

A W%kezdeti kezdeti nedvességtartalom nemcsak a légszáraz nedvességet jelentheti, ha-nem az ennél kisebb nedvességtartalmú minták esetén a kíméletes vákuumszárítással ka-pott kukorica nedvességtartalmát is.

Az így előállított különböző nedvességtartalmú mintákat 24 órán keresztül kondicio-náltattuk úgy, hogy hermetikusan lezárt üvegedényekbe számított mennyiségű kukoricát és vizet tettünk, majd ezekek az üvegedényeket a kondicionáló berendezés gumihengereire helyezve 24 órán keresztül kis fordulatszámon forgattuk. A kondicionáló berendezés mű-ködése nagyon egyszerű: két egymással párhuzamos gumihengerből áll amelyek között egy állítható távtartó van elhelyezve, a gumihengerek meghajtása pedig egy villanymotor-ral van megoldva. A hengerek fordulatszámát egy háromállású kapcsolóval lehet beállítani, illetve még egy finomállító is található a berendezésen, amellyel pontosabban tudjuk sza-bályozni a fordulatszámot (2. ábra). A 24 órás kondicionáltatás azért fontos, hogy lehető-leg minden kukoricaszem egyenletesen vegye fel a hozzáadott vizet és ezáltal minden szem nedvességtartalma lehetőleg azonos legyen.

2. ábra. Kondicionáló berendezés a kalibrációhoz szükséges különböző nedvességtartalmú kukoricaminták elkészítéséhez.

3. ábra. Szárítószekrényes nedvességtartalom meghatározás.

A szárítószekrényes összehasonlító mérés adott hőmérsékleten adott ideig történő szá-rítást jelent, mi a kísérletek során 1 órán keresztül 105 °C-on végeztük a szárítást (3. ábra).

A szárítószekrényes méréseknél gondot okoz, hogy a kukoricának vastag a héja és a hő hatására a héj alatti vékony rétegben karamellizáció jön létre, amely a vastag héj mellett további ellenállást okoz. Ennek kiküszöbölésére a szemeket félbevágtuk. A szárítószek-rényben párhuzamosan 5×10g egész szem kukoricát, illetve 5×5g fél szem kukoricát szárí-tottunk. Eredmények és értékelés

Mivel az egész szemes szárítószekrényes nedvességtartalom mérések teljesen irreális értékeket adtak, így csak a fél szemekkel meghatározott nedvességtartalmakat közöljük (I. táblázat).

I. táblázat. Félbevágott szemű kukorica minták nedvességtartalom értékei

105 oC-on szárítószekrényben mérve.

nedvesség-tartalom[%] szórás [%]

6,60 0,063 8,77 0,097 9,86 0,186

10,83 0,054 11,07 0,332 11,18 0,110 14,80 0,176 16,70 0,193 17,25 0,346 18,41 0,299 19,32 0,419 19,50 0,248

A légszáraz kukorica nedvességtartalma 11,07% értéknek adódott. A nagyobb nedves-

ségtartalmú minták előállításához ehhez adtunk számított mennyiségű vizet, majd kondici-onáltattuk a korábban leírt módon. A kisebb nedvességtartalom eléréséhez a légszáraz ku-koricát 40 oC-on és 200 mbar nyomáson 1 órán keresztül kíméletesen kezeltük, majd szá-mított mennyiségű vízzel kondicionáltattuk.

A kalibrációs minták mikrohullámú kezelését 0 s-tól 390 s-ig terjedő tiszta kezelési ideig végeztük, ez maximálisan kb. 35 min teljes kezelési időt jelent.

A kezelés alatt az 1 min pihentetési időben mértük a minták tömegcsökkenését, majd ebből számoltuk a parciális nedvességtartalmat. A 4. ábrán a számított parciális nedves-ségtartalmak és a szárítószekrénnyel mért valódi nedvességtartalmak közötti összefüggést mutatjuk be a tiszta kezelési idő változásának függvényében.

A (2)-(4) egyenletekkel meghatározott összefüggések segítségével illesztettük a mérési adatokat. Az illeszkedés egyik mérőszámaként a számított korrelációs együttható értékeket a tiszta kezelési idő függvényében az 5. ábrán adjuk meg grafikusan.

6.00%

8.00%

10.00%

12.00%

14.00%

16.00%

18.00%

20.00%

0.0 2.0 4.0 6.0 8.0 10.0 12.0 14.0 16.0

Parciális nedvességtartalom, %

Való

di n

edve

sség

tart

alom

153045607590105120135150165180

4. ábra. A parciális és a valódi nedvességtartalom között kapott összefüggések

a tiszta kezelési idő függvényében.

0.93

0.94

0.95

0.96

0.97

0.98

0.99

1.00

0 45 90 135 180 225 270 315 360 405

Tiszta kezelési idő [s]

Kor

relá

ciós

egy

ütth

ató

y=b*m^xy=a*exp(b*x)y=a*x^c*exp(b*x)

5. ábra. Az illeszkedés egyik mérőszámaként számított korrelációs együttható értékek a

tiszta kezelési idő függvényében.

Az 5. ábráról leolvasható, hogy a (4) egyenlettel kapott illeszkedés a legjobb. A ke-zelési idő meghatározásához az újonnan fejlesztett párkorrelációs módszer (Pair-Correla-tion Method, PCM) (Héberger, Rajkó 1997; Rajkó, Héberger 2001; Héberger, Rajkó 2001) segítségét vettük igénybe, amely a közel azonos változók, modellek stb. között tud különbséget tenni, gyakran akkor is amikor a paraméteres statisztikai módszerek már nem. A PCM az MS Excel táblázatkezelő program VBA nyelvén készült, amely igen alkalmas akár tudományos programok készítésére is (Rajkó 2000). A PCM könnyen kezelhető, fel-használóbarát beviteli felületét a 6. ábrán láthatjuk.

6. ábra. A PCM felhasználóbarát beviteli felülete

A II. táblázat a PCM-mel történt vizsgálatok eredményét tartalmazza. A győzelmek és ve-reségek különbségének (Winner - Loser) száma alapján a változók között a kalibrációs adatsorra vonatkozó prediktív erő nagyság szerinti sorrendjét kaptuk. Láthatjuk, hogy a 270, 255, 195, 375, 390, 225, 240, 150, 165, 285, 300, 315, 330, 345, 135, 210, 180 s keze-lési időket a PCM egyértelműen, a 360 s kezelési időt már csak feltételesen válogatta be, míg a 105, 120, 90, 60, 75, 45, 30, 15 s kezelési időket kétséget kizáróan kihagyandónak ítélte meg.

A csak győzelmeket elért kezelési idők között végrehajtva a PCM-et, nem kaptunk újabb csoportosulást, sőt a 270 s (korr. koeff. = 0,9902) és a 135 s (korr. koeff. = 0,9860), ill. a 390 s (korr. koeff. = 0,9898) és a 135 s kezelési időket páronként összehasonlítva sem kaptunk különbséget (III. táblázat).

II. táblázat. A különböző idejű mikrohullámú kezelések alapján illesztett (4) összefüggések összehasonlítása PCM-mel.

y 270 255 195 375 390 225 240 150 6.60% 6.25% 6.22% 6.20% 6.33% 6.34% 6.10% 6.21% 6.43%8.77% 9.48% 9.48% 9.53% 9.23% 9.09% 9.46% 9.41% 9.81%9.86% 10.44% 10.52% 10.80% 10.57% 10.57% 10.64% 10.56% 10.81%

10.83% 11.46% 11.54% 11.40% 11.61% 11.59% 11.44% 11.49% 11.54%11.07% 9.79% 9.83% 9.92% 9.73% 9.84% 9.92% 9.85% 9.62%11.18% 11.03% 10.86% 10.63% 11.11% 11.12% 10.90% 10.95% 10.40%14.80% 14.75% 14.84% 14.78% 14.72% 14.76% 14.86% 14.78% 14.69%16.70% 17.38% 17.39% 17.19% 17.60% 17.60% 17.35% 17.42% 17.09%17.25% 17.02% 17.02% 17.19% 16.73% 16.73% 17.08% 17.07% 17.12%18.41% 18.01% 17.95% 18.01% 17.93% 17.92% 17.92% 17.95% 17.95%19.32% 19.77% 19.80% 19.90% 19.70% 19.69% 19.85% 19.81% 19.93%19.50% 18.83% 18.77% 18.66% 18.93% 18.97% 18.69% 18.72% 18.85%Winner 8 6 6 6 6 5 5 5

Loser 0 0 0 0 0 0 0 0No Decis. 17 19 19 19 19 20 20 20

Rank by 1 2 3 4 5 6 7 8Win-Los α (user) 0.05 α (emp.) 0.040816 Crit. Sum 93.1 94

Williams' t No Differences in y

165 285 300 315 330 345 135 210 180 6.29% 6.29% 6.37% 6.36% 6.35% 6.34% 6.52% 6.17% 6.28%9.63% 9.48% 9.42% 9.32% 9.30% 9.33% 9.71% 9.49% 9.73%

10.88% 10.38% 10.41% 10.74% 10.66% 10.58% 10.77% 10.72% 10.84%11.41% 11.54% 11.50% 11.52% 11.52% 11.61% 11.66% 11.35% 11.40%

9.78% 9.79% 9.79% 9.70% 9.74% 9.67% 9.51% 9.95% 9.71%10.57% 11.01% 10.97% 10.91% 11.01% 11.07% 10.52% 10.75% 10.54%14.72% 14.75% 14.72% 14.69% 14.66% 14.68% 14.69% 14.86% 14.84%17.11% 17.60% 17.70% 17.67% 17.67% 17.63% 16.90% 17.40% 17.28%17.19% 16.91% 16.93% 16.85% 16.80% 16.78% 16.99% 17.12% 17.12%18.01% 17.93% 17.92% 17.89% 17.96% 17.93% 18.07% 17.89% 17.96%19.93% 19.72% 19.66% 19.68% 19.67% 19.69% 19.94% 19.86% 19.90%18.71% 18.83% 18.85% 18.88% 18.91% 18.92% 18.98% 18.64% 18.63%

5 5 5 5 5 5 5 5 50 0 0 0 0 0 0 0 1

20 20 20 20 20 20 20 20 199 10 11 12 13 14 15 16 17

360 105 120 90 60 75 45 30 15 6.35% 7.03% 6.41% 6.58% 6.86% 6.39% 7.10% 8.07% 9.79%9.27% 9.76% 10.04% 10.45% 10.48% 10.08% 9.83% 10.57% 14.81%

10.60% 10.75% 11.17% 10.90% 11.83% 11.16% 12.37% 13.79% 16.40%11.61% 11.58% 11.51% 11.26% 10.94% 11.82% 10.92% 9.77% 11.99%

9.68% 8.87% 9.27% 9.23% 9.18% 8.80% 8.56% 8.87% 8.47%11.08% 10.81% 10.66% 10.64% 10.09% 11.18% 11.20% 10.68% 11.06%14.70% 14.45% 14.35% 14.65% 14.66% 14.81% 14.52% 14.44% 14.40%17.66% 17.25% 16.90% 17.14% 16.76% 17.52% 16.84% 15.81% 15.70%16.73% 16.71% 16.73% 16.14% 16.04% 16.49% 15.57% 14.83% 14.44%17.92% 18.25% 18.15% 18.16% 18.24% 18.83% 18.56% 19.38% 15.96%19.68% 19.73% 19.94% 20.00% 20.10% 19.87% 20.13% 19.54% 16.32%18.93% 19.09% 19.09% 19.12% 19.07% 17.24% 18.66% 18.55% 14.90%

5 3 3 2 2 1 2 1 02 1 1 2 18 18 20 23 25

18 21 21 21 5 6 3 1 018 19 20 21 22 23 24 25 26

III. táblázat. A 270 s és 135 s, ill. a 390 s és 135 s idejű mikrohullámú kezelések alapján illesztett (4) összefüggések páronkénti összehasonlítása PCM-mel.

y 270 135 y 390 135 6.60% 6.25% 6.52% 6.60% 6.34% 6.52% 8.77% 9.48% 9.71% 8.77% 9.09% 9.71% 9.86% 10.44% 10.77% 9.86% 10.57% 10.77%

10.83% 11.46% 11.66% 10.83% 11.59% 11.66% 11.07% 9.79% 9.51% 11.07% 9.84% 9.51% 11.18% 11.03% 10.52% 11.18% 11.12% 10.52% 14.80% 14.75% 14.69% 14.80% 14.76% 14.69% 16.70% 17.38% 16.90% 16.70% 17.60% 16.90% 17.25% 17.02% 16.99% 17.25% 16.73% 16.99% 18.41% 18.01% 18.07% 18.41% 17.92% 18.07% 19.32% 19.77% 19.94% 19.32% 19.69% 19.94% 19.50% 18.83% 18.98% 19.50% 18.97% 18.98%

270 135 390 135 Winner 0 0 Winner 0 0

Loser 0 0 Loser 0 0 No Decis. 1 1 No Decis. 1 1

Rank by 1 2 Rank by 1 2 Win-Los α (user) 0.05 Win-Los α (user) 0.05

CondExact CondExact ∆(270)<0 ∆(270)>0 ∆(390)<0 ∆(390)>0

∆(135)<0 D: 4 B: 2 Ignored:0 ∆(135)<0 D: 4 B: 2 Ignored:0 ∆(135)>0 C: 1 A: 59 ∆(135)>0 C: 1 A: 59 Crit. value 0 Neither

won 1>= 0 Crit. value 0 Neither

won 1>= 0

α (user) 0.05 α (theor) 0.999778 α (user) 0.05 α (theor) 0.999778 Következtetések

A kukorica nedvességtartalmának meghatározására az impulzusszerű mikrohullámú kezelés jelentősen gyorsabb, mint az összehasonlításul választott 1 órán keresztül 105 °C-on történő szárítószekrényes szárítás. A statisztikai vizsgálódások alapján a 135 s tiszta kezelési idő (ami 11,25 min teljes kezelést jelent) megfelelőnek bizonyult. Köszönetnyilvánítás

Jelen kutatást az OTKA T035125 sz. pályázata támogatta. A kísérletekhez felhasznált fajtaazonos kukoricát a szegedi Gabonatermesztési Kutató Kht. biztosította. Irodalom

Beke J. (1999): A szemeskukorica-szárítás folyamatának elemzése. Akadémiai Kiadó, Bu-

dapest. Beke J., Mujumadar A.S., Bosiso R.G. (1995) Drying of fresh and rewetted shelled corn in

microwave fields. Drying Technology, Vol. 13. pp. 463- 476. Csermely J., Herdovics M. (2000): Connections of grain drying processes. Hungarian

Agricultural Engineering, No. 13. pp. 17-19.

Harmati Zs. (2001): Mikrohullámú hőkezelésen alapuló gyors nedvesség-meghatározó módszer alkalmazása. SZTE SZÉF, Szeged. Szakdolgozat

Héberger K., Rajkó R. (1997): Discrimination of statistically equivalent variables in quantitative structure-activity relationships. In Quantitative Structure-Activity Re-la-tionships (QSAR) in Environmental Sciences-VII, Ed. Fei Chen & Gerrit Schüürmann, SETAC Press, Ch. 29. pp. 423-431.

Héberger K., Rajkó R. (2001): Variable selection for environmental data using pair-correlation method. SAR and QSAR in Environmental Research, accepted for publication.

Neményi M., Czaba I., Jáni T. (2000) Investigation of simultaneous heat and mass transfer within the maize kernels during drying. Computers and Electronics in Agriculture. Vol. 26. pp. 123-135.

Rajkó R. (2000): Spreadsheet applications in chemistry using Microsoft® Excel® by D. Diamond and V.C.A. Hanratty. Book review. Journal of Chemometrics, Vol. 14. pp. 41-43.

Rajkó R., Héberger K. (2001): Conditional Fisher's exact test as a selection criterion for pair-correlation method. Type I and Type II errors. Chemometrics and Intelligent Laboratory Systems, Vol. 57. No. 1. pp. 1-14.

Rajkó R., Szabó G., Vidal-Valverde C., Kovács E. (1997) Designed experiments for reducing antinutritive agents in soybean by microwave energy. Journal of Agricultural and Food Chemistry. Vol. 45. pp. 3565-3569.

Rajkó Róbert, Szabó Gábor (1996): Mikrohullámú hőkezelésen alapuló gyors nedvesség-meghatározó módszer statisztikai vizsgálata. Élelmiszeripai Főiskola, Tudományos közlemények, Vol. 19. pp. 88-94.

Sharma, N., Hanna, M.A. (1989): A microwave oven procedure for soybean moisture content determination. Cereal Chemistry, Vol. 66. No. 6, pp. 483-485.

RAPID MOISTURE CONTENT DETERMINATION OF CORN KERNELS

USING MICROWAVE TREATMENT (ABSTRACT)

RAJKÓ, R., HARMATI, ZS.

University of Szeged

College Faculty of Food Engineering Department of Unit Operations and Environmental Engineering

H-6724 Szeged, Mars tér 7. Mailing address: H-6701 Szeged, POB. 433 Tel.: +3606 62 546-030, Fax: +3606 62 546-034

E-mail: [email protected]

Moisture determination is a commonly employed technique in the field of food and

agriculture. There are standard methods for moisture determination in grains, forages, and foods (ASAE 1986 (S352.1 and S358.1), AOAC 1984, AACC 1983 (Method 44-15A)). These methods use air or vacuum ovens into which the sample is placed for a specified time at a specified temperature (different for different materials). The moisture content is then determined from the weight lost during that specified time. These methods are time-consuming, especially for foods with high moisture content. Furthermore, these instruments were calibrated against the standard oven methods, which were, again, time-consuming.

Usage of microwave oven was introduced to determine the moisture content by

Sharma and Hanna (1989). Based on careful statistical analysis of the published data, we concluded rather different results, then Sharma and Hanna (1989) have done. We recommended to use the modified exponential function y = a xc exp(b x) instead of y = a exp(b x), because with the previous function the treatment time is reduced to 1.5 min.

In the second section of our investigation the moisture content of whole kernels of

corn was rapidly determined with microwave treatment. Samsung-type domestic microwave instrument was used with impulse working method. The operating time was systematically changed. The experiments were performed at atmospheric pressure.

For the evaluation of the results, the pair-correlation method (PCM) had to be used to

significantly discriminate among the different operating times, the used functions, and the regression procedures.

This research was supported by the Hungarian Science Foundation (No. OTKA

T035125).

Sharma, N, and Hanna, M.A. (1989): Cereal Chem., Vol. 66. No. 6, pp. 483-485 Rajkó R., Szabó G., Vidal-Valverde, C., Kovács E.(1997): J. Agric. Food Chem., Vol. 45.

pp. 3565-3569 Harmati Zs.(2001): Mikrohullámú hőkezelésen alapuló gyors nedvesség-meghatározó

módszer alkalmazása. SZTE SZÉF, Szeged. Szakdolgozat