中紅外光譜結(jié)合模式識別法快速檢測稻米鎘含量

朱向榮，李高陽，單 楊

（1.湖南省食品測試分析中心，湖南 長沙410125；2.中南大學研究生院隆平分院，湖南 長沙410125）

水稻是我國最重要的糧食作物，稻米品質(zhì)的優(yōu)劣直接影響人們的健康水平。鎘（cadm ium，Cd）是自然界中廣泛存在的重金屬元素，對人體具有較強的毒性。近年來，隨著我國有色金屬冶煉、采礦業(yè)與制造業(yè)的快速發(fā)展，化肥等農(nóng)用化學品的大量使用，農(nóng)田土壤重金屬污染尤其是鎘污染日趨嚴重[1]。水稻被認為是鎘吸收最強的大宗谷類作物[2]。稻田鎘污染不僅導致水稻產(chǎn)量下降，更嚴重的是鎘元素在水稻植株內(nèi)大量累積，通過土壤—植物—人體的食物鏈途徑傳遞，嚴重威脅到人類健康，直接影響我國的糧食安全[3]。

世界各國或組織已經(jīng)對稻米中的鎘含量制定了嚴格的限量標準。世界衛(wèi)生組織與聯(lián)合國糧農(nóng)組織聯(lián)合下屬的食品法典委員會標準、日本的厚生省規(guī)定稻米中鎘的最高限量為0.4mg/kg，而歐盟委員會No.1881/2006指令與我國食品衛(wèi)生標準[4]規(guī)定稻米中鎘的最高限量為0.2 mg/kg。因此，采用快速、無損的方法檢測稻米鎘含量對控制稻米鎘含量以及保障稻米食用安全顯得尤為重要。

目前，火焰原子吸收光譜法（FAAS）、石墨爐原子吸收光譜法（GF-AAS），電感耦合等離子體原子發(fā)射光譜（ICP-AES）和電感耦合等離子體質(zhì)譜（ICP-MS）等分析方法被廣泛用于農(nóng)產(chǎn)品（食品）中重金屬元素含量的測定。這些方法雖然靈敏度高、準確性好，但也存在著儀器需要專業(yè)人員操作、繁雜的樣品前處理以及消耗大量的強酸試劑等缺點。中紅外（Mid-infrared spectroscopy，MIR）作為一種分子光譜分析手段，具有快速、便捷、非破壞性等優(yōu)點，已經(jīng)廣泛用于土壤中成分的測定。國外的MIR研究主要集中在C和N這兩類營養(yǎng)元素的含量測定上[5-6]，針對重金屬污染元素研究較少，例如：Siebielec、Philippe、Kumagai、鄔登巍等[7-10]采用中紅外漫反射光譜預(yù)測土壤重金屬元素含量。而采用MIR光譜測定植株中的重金屬含量特別是測定稻米中的鎘含量還未見相關(guān)報道。研究采用MIR光譜結(jié)合模式識別技術(shù)用于稻米鎘含量的定性預(yù)測，并對不同的光譜預(yù)處理手段進行優(yōu)化，以期為稻米鎘的初篩和檢測提供了快速、無損的檢測手段。

1 材料與方法

1.1 試驗材料

1.1.1 樣品采集 在湖南省長沙縣北山鎮(zhèn)收集了120個稻米樣本，經(jīng)烘干、去殼、粉碎、過篩，用于光譜測定以及重金屬鎘含量的標準測定。

1.1.2 儀器與試劑 試驗儀器主要有石墨爐原子吸收光譜儀（AA-6800，日本島津公司）、MIR光譜儀器（AVATAR 360FT-IR，美國熱電尼高利公司）；試驗用鎘標準貯備液（1 000mg/L）、大米粉中鎘成分分析標準物質(zhì)（GBW08511）（0.504mg/L）均由國家標準物質(zhì)中心提供。

1.2 試驗方法

1.2.1 鎘含量的測定標準方法 采用GB/T 5009/15-2003標準[11]進行測定。準確稱量0.5g樣品，置于250m L的錐形瓶中，加入20m L的硝酸，采用沙浴加熱進行消化，加熱至錐形瓶中的溶液變澄清停止加熱，冷卻后，用去離子水溶解并定容至25m L的容量瓶中，待上機。每批均采用含鎘稻米標準物質(zhì)進行質(zhì)控，并以空白樣品（僅試劑）消除背景。

1.2.2 MIR光譜測試 取一定量試樣在瑪瑙研缽中磨細后，加適量已干燥磨細的溴化鉀粉末，試樣與溴化鉀質(zhì)量比約為1︰100，充分混合并研磨；將研磨好的混合物均勻地放入模具的頂模與底模之間，然后把模具放入壓力機中，在12Pa左右的壓力下處理1～2min即可得到透明或均勻半透明的錠片；將錠片放入儀器支架中測量，保存數(shù)據(jù)。

1.2.3 統(tǒng)計分析與模型評價 采用偏最小二乘識別分析法（PLS-DA）進行模式識別，各計算程序均自行編寫，采用MATLAB軟件工具計算，采用預(yù)測集的分類正確率定性模型進行評價。

2 結(jié)果與分析

2.1 校正集的選擇

對MIR光譜數(shù)據(jù)進行建模，選擇有代表性的訓練集，不但可以減少建模的工作量，而且直接影響所建模型的適用性和準確性。該研究共120個樣本，通過Kennard-Stone法[12]依次挑選出84個樣品作為校正集（calibration set），余下的36個樣品作為預(yù)測集（prediction set）。

2.2 光譜分析

圖1為代表性樣本的光譜圖，記錄了4 000 cm-1～400 cm-1波數(shù)樣品的MIR透反射光譜吸收情況。圖中3 000 cm-1附近的吸收峰為O-H鍵的伸縮振動，1 600 cm-1為C=O的伸縮振動，1 520 cm-1為N-H的面內(nèi)彎曲振動，1430 cm-1的吸收峰為CH3的面內(nèi)彎曲振動，1 350 cm-1附近的吸收峰為C-N的伸縮振動吸收，1 150 cm-1附近為糖類的C-O與C-C的伸縮振動，945 cm-1與887 cm-1為糖環(huán)的環(huán)振動，825 cm-1的吸收峰為CH2變形振動，756 cm-1附近的吸收峰為C-C骨架。上述基團的吸收構(gòu)成了稻米中淀粉與蛋白質(zhì)在MIR光譜的主要吸收帶。而重金屬鎘就是以與淀粉或蛋白質(zhì)形成絡(luò)合物的形式存在，從而在MIR譜帶有吸收，這是采用MIR光譜檢測鎘元素的理論基礎(chǔ)。

圖1 樣本的原始MIR光譜圖Fig.1 The original MIR spectra of samples

2.3 PLS-DA識別分析

以《食品中污染物限量》（GB2762-2012）標準中的鎘限量為0.2mg/kg為分類閾值。將數(shù)據(jù)集鎘含量達標（W%≤0.2mg/kg）的稻米樣本類標定為-1，鎘含量超標（W%＞0.2mg/kg）的稻米樣本定為＋1，以全譜作為輸入變量，光譜數(shù)據(jù)采用平滑，二階導數(shù)和自歸一化處理。PLS-DA是一種有教師監(jiān)督的模式識別方法，其判別能力比主成分分析（partial componentsanalysis，PCA）強。因此，該研究采用PLS-DA建立稻米中鎘是否合格的定性分類模型。采用10折法（10-fold）交叉驗證選擇最佳主成分數(shù)。由表1可知，36個預(yù)測集樣本中，30個樣本的屬性預(yù)測值與其真實屬性相符，預(yù)測正確；4、14、28、32、35和36號6個樣本的屬性預(yù)測值與實際值不符，預(yù)測錯誤。準確率達到83.3%。而且從上述6個預(yù)測錯誤的樣本信息可以看出，4、28和32號樣本的鎘含量分別為0.221、0.218和0.243mg/kg，含量均在0.2mg/kg左右，接近閾值。這表明PLS-DA模型易識別錯誤。

2.4 光譜預(yù)處理比較

采集的MIR光譜中，光程變化和光散射等因素將對建模的準確性產(chǎn)生重要影響。因此，在全譜范圍內(nèi)，該研究考察了平滑（Smoothing）、一階導數(shù)（Firstderivative，1stDer）、二階導數(shù)（Second derivative，2nd Der）、中心化（centering）、自歸一化（autoscaling）及pareto歸一化等9種數(shù)據(jù)預(yù)處理方法的分類效果。表2為9種光譜預(yù)處理方法分類建模結(jié)果比較，采用訓練集交叉驗證準確率與預(yù)測集的準確率進行評價。從表2中可以看出，通過導數(shù)處理，預(yù)測集鑒別準確率明顯好于未進行導數(shù)處理的結(jié)果，導數(shù)運算可以去除斜坡背景以及基線偏移影響。

表1 驗證集樣本的預(yù)測結(jié)果Table1 The prediction resultsof validation setsamples

表2 不同的光譜預(yù)處理方法對準確率的影響Table 2 Effect of spectroscopy pretreatment methods on theaccuracy

從圖2中可以看出，二階導數(shù)處理后的結(jié)果比一階導數(shù)處理的結(jié)果要好，主要是由于導數(shù)運算次數(shù)增加，將會提高光譜的信噪比。在三種歸一化手段中，自歸一化結(jié)果要比均值中心化與pareto歸一化要好，主要是由于MIR數(shù)據(jù)經(jīng)過自歸一化算法處理后，變量權(quán)重相同，均值為0，方差為1。上述處理能夠?qū)⒚總€變量對模型的影響平衡，賦予所有變量相同的權(quán)重，避免模型過擬和。因此，通過優(yōu)化，確定最佳的光譜預(yù)處理方法組合為平滑后，采用二階導數(shù)與自歸一化處理。

圖2 樣本的二階導數(shù)MIR光譜圖Table 2 Effect of spectroscopy pretreatment methods on theaccuracy

2.5 建模方法比較

為了比較建模的效果，還采用了K-最近鄰（k-nearestneighbor，KNN）法對稻米鎘MIR光譜數(shù)據(jù)集進行定性分類。KNN算法中，K值的選擇將對KNN的分類效果產(chǎn)生重要影響。K值選擇過小或者過大，都將會導致放大噪聲數(shù)據(jù)的干擾，從而降低分類精度。以交叉驗證錯誤率為指標，最終確定了K=10作為KNN模型的最優(yōu)值。采用KNN法，樣本的預(yù)測集準確率為67.8%，預(yù)測集準確率為75%，總準確率為71.4%；而采用PLS-DA法，樣本的預(yù)測集準確率為75%，預(yù)測集準確率為83.3%，總準確率為79.2%，其結(jié)果明顯優(yōu)于KNN法。原因可能是KNN屬于無參數(shù)方法，而PLS-DA屬于有參數(shù)調(diào)節(jié)方法；與KNN相比，PLS-DA法的收斂能力與全局尋優(yōu)能力要更強。

3 結(jié)論

該研究采用PLS-DA方法結(jié)合中紅外光譜技術(shù)，對稻米鎘進行MIR光譜掃描，建立稻米鎘MIR定性識別模型，通過建模以及預(yù)測未知樣本，并優(yōu)化光譜預(yù)處理方法，最優(yōu)結(jié)果為：在全譜范圍內(nèi)，采用平滑、二階求導和自歸一化處理，得到PLS-DA模型校正集樣本的識別率為75.0%，預(yù)測集樣本的識別率為83.3%，總正確率為79.2%。該方法簡單、快速、綠色環(huán)保，能夠用于稻米鎘含量是否超標的定性初篩和檢測。后續(xù)研究將進一步增加樣本數(shù)量，提高適用性，以確保模型的實際應(yīng)用效果。

[1]Reeves P G，Chaney R L.Mineral nutrients status of female rats affectsthe absorption and organ distribution of cadmium from sunflower kernels（Helianthus annuus L.）[J].Environmental Research，2001，85（3）：215-225.

[2]Chaney R L，Reeves P G，Ryan J A，et al.An improved understanding ofsoil Cd risk to humans and low cost methods to phytoextract Cd fromcontaminated soils to prevent soil Cd risks[J].Biometals，2004，17（5）：549-553.

[3]徐加寬，楊連新，王余龍，等.水稻對重金屬元素的吸收與分配機理的研究進展[J].植物學通報，2005，22（5）：614-622.

[4]G B 2762-2012，食品中污染物限量[S].

[5]Jah n B R，Lin k e r R，U pa d hyaya S K，et a l.Mi d-in f r a r e d S pe c t ro s co p ic D ete rmin at iono f Soil N i t r ateC on te n t[J].Bio syste m s E n g in ee rin g，2006，94（4）：505-515.

[6]Ma d a ri B E，Reeves J B，Ma c ha d o P，et a l.Mi d-a n d n ea r-in f r a r e d spe c t ro s co p ic assess m e n t o f s oil com p o s i t ion a l pa r a m ete r s a n d st r u c tu r a l in d ic es in t w o F e rr a l s ol s[J].Ge o d e rm a，2006，136（1-2）：245-259.

[7]Si eb i e l e c G，Mc Ca r ty G W，S tu c z y n s k iT I，eta l.N ea r-a n d mi d-in f r a r e d d i ffuse r efle c ta nc e spe c t ro s co py f or m easu rin g s oil m eta l con te n t[J].J o u rn a lo f E n v ironm e n ta lMoni t orin g，2004，33（6）：2056-2069.

[8]Jea n-P h ili ppe S R，L abbéN，F(xiàn) r a n k lin JA，et a l.D ete c t ion o f m e rc u r y a n d o the r m eta l s in m e rc u r y con ta min ate d s oil s us in g mi d-in f r a r e d spe c t ro s co py[J].Proc ee d in gs o f the I n te rn at ion a l A c a d e m y o f E colo gy a n d E n v ironm e n ta lSci e nc es，2012，2（3）：139-149.

[9]鄔登巍，吳昀昭，馬宏瑞.基于中紅外光譜漫反射光譜的土壤重金屬元素含量預(yù)測研究[J].光譜學與光譜分析，2010，30（6）：1498-1502.

[10]K u m aga iM，O h i sa N，A m a no T，et a l.Ca nonic a l d i s crimin a n t a n a l ys i s o f c a d mi u m con te n t l eve l s in u n p oli she d ric eus in ga p or tab l e n ea r-in f r a r e d spe c t rom ete r[J].A n a l yt ic a lSci e nc es，2003，19：1553-1555.

[11]G B/T 5009.15–2003，食品中鎘的測定[S].

[12]K e nn a r d R W，S t on e L A.C om pute r A i d e d D es i g n o f Ex pe rim e n ts[J].T e c h nom et ric s，1969，11（1）：137-148.