基于近紅外光譜技術(shù)對建三江大米快速檢測分析研究

宋雪健，錢麗麗，于金池，張東杰

（黑龍江八一農(nóng)墾大學(xué)食品學(xué)院，黑龍江 大慶163319）

基于近紅外光譜技術(shù)對建三江大米快速檢測分析研究

宋雪健，錢麗麗，于金池，張東杰*

（黑龍江八一農(nóng)墾大學(xué)食品學(xué)院，黑龍江 大慶163319）

為實(shí)現(xiàn)建三江大米的真假快速鑒別，應(yīng)用近紅外光譜儀測定來自建三江及非建三江地區(qū)的150份大米樣品，對原始光譜進(jìn)行預(yù)處理后，采用因子化法進(jìn)行鑒別分析，最大合格性索引法進(jìn)行合格性檢測分析，偏最小二乘法（partial least squares，PLS）法進(jìn)行定量分析。結(jié)果表明，3種模式識別方法對建三江地區(qū)的大米正確判別率均在90.00%以上。因此，應(yīng)用近紅外光譜技術(shù)在建三江大米真假鑒別研究中具有可行性。

大米；近紅外光譜（NIR）；鑒別分析；合格性測試；偏最小二乘法（PLS）

大米作為人類主要食量之一，含有豐富的蛋白質(zhì)、糖類、脂肪、膳食纖維等營養(yǎng)成分以及大量人體必需的微量元素[1]。近年來我國大米種植面積連年翻升，據(jù)美國農(nóng)業(yè)部發(fā)布的最新報(bào)告顯示，2016年～2017年年度中國大米產(chǎn)量預(yù)計(jì)為1.465億t。全國第一個(gè)以規(guī)模型水稻生產(chǎn)和加工的建三江墾區(qū)有著“中國綠色米都”的稱號，建三江大米于2010年成為國家地理標(biāo)志產(chǎn)品[2]。建三江大米營養(yǎng)成分豐富，其中蛋白質(zhì)含量≥6.0%，直鏈淀粉含量15.0%～19.0%，具有籽粒晶瑩剔透有光澤、粒型適中、堊白度小等特點(diǎn)，備受廣大消費(fèi)者青睞，有著廣闊的市場前景。因此，市場上一些不法商販?zhǔn)芙?jīng)濟(jì)利益的驅(qū)使，售賣假冒建三江大米現(xiàn)象普遍存在，同時(shí)有些農(nóng)戶并沒有按照標(biāo)準(zhǔn)的栽培技術(shù)種植大米，卻以“建三江大米”的品牌進(jìn)行銷售，嚴(yán)重破壞了品牌聲譽(yù)。因此，開發(fā)一項(xiàng)快速鑒別建三江大米的技術(shù)，快速準(zhǔn)確地鑒別建三江大米可為其流通監(jiān)管，維護(hù)品牌聲譽(yù)，保護(hù)消費(fèi)者的合法權(quán)益提供技術(shù)及理論支持。

電子舌技術(shù)[3]、氣相色譜-串聯(lián)四極桿飛行時(shí)間質(zhì)譜（GC/Q-TOF MS）技術(shù)[4]、原子吸收光譜法（AAS）技術(shù)[5]等被應(yīng)用于大米產(chǎn)地溯源檢測研究，但在一定程度上存在持續(xù)周期長、效率低下、檢測費(fèi)用高等缺點(diǎn)。近紅外光譜技術(shù)有著分析速度快、效率高、操作簡單等特點(diǎn)，被廣泛應(yīng)用于醫(yī)藥[6]、農(nóng)業(yè)[7]、石油[8]、食品[9]等領(lǐng)域。張曉焱[10]對江西、重慶和湖南3個(gè)產(chǎn)地的72個(gè)臍橙樣品建立了柑桔產(chǎn)地的PLS-DA模型。結(jié)果表明，3類樣品能明顯區(qū)分開，模型對訓(xùn)練集和驗(yàn)證集樣品的識別準(zhǔn)確率達(dá)到100%。張龍等[11]采用近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)方法對不同省份來源的花生樣品進(jìn)行溯源研究。結(jié)果表明，小波轉(zhuǎn)換結(jié)合k最近鄰分析對花生產(chǎn)地分類效果最好，原始正確分類率為100.0%。周海波等[12]利用近紅外光譜技術(shù)對寧夏、新疆、青海、內(nèi)蒙的4個(gè)不同產(chǎn)地427份枸杞子樣品進(jìn)行光譜掃描。結(jié)果表明，利用該模型可以將寧夏產(chǎn)地枸杞子與其他三地分開，且寧夏產(chǎn)地分別與新疆、內(nèi)蒙、青海產(chǎn)地比較，判別準(zhǔn)確率分別為98.3%、98.1%、97.9%。試驗(yàn)運(yùn)用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量法對建三江大米真假快速鑒別進(jìn)行研究，為建三江大米產(chǎn)地溯源保護(hù)的研究提供理論及技術(shù)支持。

1 材料與儀器

1.1 試驗(yàn)材料

試驗(yàn)隨機(jī)選取黑龍江省水稻主產(chǎn)區(qū)建三江、五常、響水3個(gè)地區(qū)進(jìn)行隨機(jī)采樣，每份樣本采集2 kg并記錄采樣信息，所有大米樣品均為粳米，共計(jì)150份，樣本詳細(xì)信息如表1。

表1 樣品信息Table 1 Samples source

1.2 試驗(yàn)儀器

FC2K礱谷機(jī)：日本大竹制作所；VP-32實(shí)驗(yàn)?zāi)朊讬C(jī)：日本山本公司；FW100高速萬能粉碎機(jī)：天津泰斯特儀器有限公司；傅里葉近紅外光譜儀TENSORII：德國布魯克（北京）科技有限公司。

2 試驗(yàn)方法

2.1 樣品前處理

將水稻樣品進(jìn)行晾曬、脫粒、挑選、礱谷和碾米等統(tǒng)一加工過程后，用蒸餾水將樣品沖洗干凈，烘干，并經(jīng)由超微粉碎機(jī)制成米粉，過100目篩，待測。每個(gè)樣品礱谷2次。碾米的進(jìn)樣量為3，白度為3，碾米3次。

2.2 近紅外光譜的采集方法

將近紅外儀器預(yù)熱30 min，打開OPUS 7.5軟件、檢查信號、保存峰位，掃描背景單通道光譜每間隔1 h掃描一次背景，消除外界信息干擾保證光譜的穩(wěn)定性以減少試驗(yàn)誤差。將樣品粉末倒入玻璃杯中，用壓樣器壓實(shí)（保證樣品厚度一致），測量樣品單通道采集樣品光譜。環(huán)境溫度為室溫（25±1）℃，相對濕度為30%～50%。光譜波數(shù)范圍：12 000 cm-1～4 000 cm-1。分辨率：8 cm-1。掃描次數(shù)：64次。

圖1 大米樣品近紅外原始光譜圖Fig.1 Near infrared original spectra of rice samples

2.3 材料選取

試驗(yàn)樣品的選取參照表1。隨機(jī)選擇全部樣品量的2/3作為建模樣品用于模型的建立，1/3作為預(yù)測樣品集用于模型的驗(yàn)證。各地域用于建模和預(yù)測的樣品數(shù)見表2。

表2 建模與預(yù)測樣品Table 2 Modeling and gorecasting samples

2.4 建三江大米產(chǎn)地溯源模型的建立

2.4.1 基于定性分析的建三江大米產(chǎn)地溯源模型的建立

采用OPUS 7.5軟件內(nèi)置定性分析方法（鑒別分析、合格性測試）進(jìn)行模型的建立，采用矢量歸一化、一階導(dǎo)數(shù)+平滑、一階導(dǎo)數(shù)+矢量歸一化+平滑、二階導(dǎo)數(shù)+平滑、二階導(dǎo)數(shù)+矢量歸一化+平滑等方式對建模原始光譜進(jìn)行預(yù)處理，以消除采集過程中的無關(guān)信息，提高模型的準(zhǔn)確性，例如樣品重復(fù)性不好，可以通過光譜歸一化來消除這一影響。其中平滑點(diǎn)數(shù)為5、9、13、17、21、25 點(diǎn)，下同，篩選出差異明顯的波段。在差異波段范圍內(nèi)采用歐式距離法和因子化法對光譜進(jìn)行計(jì)算處理，通過比較S值最終確定最優(yōu)預(yù)處理方式及光譜計(jì)算方法并建立鑒別分析模型；通過比較不同預(yù)處理方式來調(diào)整最大合格性索引來確定合格性指數(shù)CI的界限值，進(jìn)而確定建立合格性測試模型的方式。

2.4.2 基于定量分析的建三江大米產(chǎn)地溯源模型的建立

OPUS 7.5軟件中建立定量分析模型所采用法計(jì)算方法為偏最小二乘法（PLS），并結(jié)合二進(jìn)制方法（0，1）標(biāo)識建三江大米和非建三江大米的組分值，波段選擇及預(yù)處理方式則是通過系統(tǒng)優(yōu)化自動選擇最優(yōu)組合。同樣光譜的預(yù)處理方式有消除常數(shù)偏移量、減去一條直線、矢量歸一化、最小-最大歸一化、多元散射矯正、內(nèi)部標(biāo)準(zhǔn)、一階導(dǎo)數(shù)+平滑、二階導(dǎo)數(shù)+平滑、一階導(dǎo)數(shù)+減去一條直線+平滑、一階導(dǎo)數(shù)+矢量歸一化+平滑、一階導(dǎo)數(shù)+多元散射校正+平滑，采用交叉檢驗(yàn)方式進(jìn)行模型檢驗(yàn)，并最終建立定量分析模型。

2.5 模型驗(yàn)證方法

利用OPUS 7.5軟件分別選擇定性分析、合格性測試和定量分析工具欄，調(diào)入模型，調(diào)入預(yù)測樣品光譜圖，測定，得出結(jié)果。

3 結(jié)果與分析

3.1 不同波段及預(yù)處理方法的選擇對定性分析建模效果的影響

定性分析通過比較未知樣品與已知樣品的光譜來確定未知樣品的歸屬。原始光譜經(jīng)過預(yù)處理后，在波數(shù)為范圍 5 000 cm-1～5 500 cm-1、7 000 cm-1～7 500 cm-1處差異明顯，前者是C-H第一組合頻譜區(qū)，是表征蛋白質(zhì)及淀粉物質(zhì)中的N-H，C-H，O-H及C=O健振動的主要區(qū)間，其中5 173 cm-1處的吸收峰與其有關(guān)，后者是因?yàn)镃-H的二級倍頻所引起的差異。為體現(xiàn)出波段特性，故選 5 000 cm-1～5 500 cm-1、7 000 cm-1～7 500 cm-1、5 000 cm-1～5 500 cm-1和 7 000 cm-1～7 500 cm-1波數(shù)區(qū)域采取不同計(jì)算方式進(jìn)行建模分析，結(jié)果如表3。

表3 不同波段下預(yù)處理方法對定性鑒別分析模型效果的影響Table 3 Under different bands effect qualitative discriminant analysis model effect from pretreatment

試驗(yàn)根據(jù)S值（表征兩類樣品的“距離”，數(shù)值越大表示兩類樣品距離越遠(yuǎn)，差異越顯著，故數(shù)值越大模型效果越好）的大小來表征鑒別分析模型的好壞，根據(jù)S值研究表明：采用因子化法建立模型的效果優(yōu)于采用歐式距離法建立的模型，故在波數(shù)為5 000 cm-1～5 500 cm-1處，采用一階導(dǎo)數(shù)+5點(diǎn)平滑的預(yù)處理方式結(jié)合因子化法建立鑒別分析模型時(shí)，建三江大米和非建三江大米樣品均被唯一鑒別，且S值為2.102，故選取此方法建立模型，如圖2。

圖2 因子化法2D得分圖Fig.2 2D score figure factorization method

試驗(yàn)與于燕波[13]在光譜范圍4 500 cm-1～8 000 cm-1對水稻葉片進(jìn)行分析所采用的因子化法相一致。

合格性測試通過比較未知光譜與特定參考光譜的相似程度，其近紅外光譜偏差是否在一定限定范圍內(nèi)，所以合格性測試不同于鑒別分析和聚類分析。試驗(yàn)根據(jù)合格性指數(shù)CI來衡量模型的質(zhì)量，CI數(shù)值越小，表明樣品較為集中，模型預(yù)測率較高，結(jié)果如表4所示。

表4 不同波段下預(yù)處理方式對合格性測試模型效果的影響Table 4 Under different bands effect conformity test model effect from pretreatment

續(xù)表4 不同波段下預(yù)處理方式對合格性測試模型效果的影響Continue table 4 Under different bands effect conformity test model effect from pretreatment

在波數(shù)為7 000 cm-1～7 500 cm-1處，采用一階導(dǎo)數(shù)+矢量歸一化+25點(diǎn)平滑的預(yù)處理方式建立的合格性測試模型的CI值為2.8，相比較其他建模方式而言數(shù)值較小，故選取此方法建立合格性測試模型，如圖3所示。

圖3 建三江大米最大合格性索引Fig.3 The maximum eligibility index was derived from Jiansanjiang rice

3.2 定性分析模型的驗(yàn)證

利用OPUS 7.5軟件，調(diào)入建立鑒別分析模型即波數(shù)為5 000 cm-1～5 500 cm-1，預(yù)處理方式為一階導(dǎo)數(shù)+5點(diǎn)平滑，計(jì)算方法為因子化法，對預(yù)測樣品進(jìn)行鑒別，定性分析鑒別兩類大米樣品的結(jié)果如表5所示。

結(jié)果表明，建三江地區(qū)的大米鑒別正確率為100%，非建三江地區(qū)的大米鑒別正確率為93.93%。調(diào)入合格性測試模型即波數(shù)為7 000 cm-1～7 500 cm-1，預(yù)處理方式為一階導(dǎo)數(shù)+矢量歸一化+25點(diǎn)平滑，確定CI值的方式為最大合格性索引，對預(yù)測樣品進(jìn)行合格性測試，結(jié)果表明，建三江地區(qū)的大米合格率為94.11%，非建三江大米的合格率為90.90%。

表5 定性分析鑒別兩類大米樣品的結(jié)果Table 5 Qualitative analysis to identify the results of two types of rice samples

3.3 不同波數(shù)及預(yù)處理方法的選擇對定量分析建模效果的影響

定量分析采用偏最小二乘法（PLS）進(jìn)行擬合，建立近紅外光譜與樣品分類的相關(guān)聯(lián)系。采用OPUS 7.5軟件中的定量分析結(jié)合交叉檢驗(yàn)方式對樣品光譜的波數(shù)范圍、預(yù)處理方式、均方根誤差RMSECV、R2為定向系數(shù)及維數(shù)的確定進(jìn)行優(yōu)化處理，得出最優(yōu)組合。R2為定向系數(shù)，數(shù)值越接近100%則預(yù)測含量值愈接近真值；均方根誤差RMSECV可以作為模型質(zhì)量的判據(jù)，數(shù)值越小越好；維數(shù)先下降后上升或有上升的趨勢，模型效果較好。結(jié)果表明：在波數(shù)為4 597.8 cm-1～6 100.9 cm-1與 7 498.5 cm-1～9 400.9 cm-1組合處采用多元散射校正的預(yù)處理方式建立的定量分析模型效果較高，其中RMSECV為0.066 6，維數(shù)為5，如圖4、圖5所示。故選此方法建立定量分析模型。試驗(yàn)與王傳梁等[14]運(yùn)用PLS法對大米脂肪含量測定所采用的優(yōu)化方式相一致。

圖4 地區(qū)預(yù)測值與參考值相關(guān)圖Fig.4 Predicted value and the reference value related to FIG

圖5RMSCV與維數(shù)的關(guān)系圖Fig.5 RMSCV and dimension diagram

3.4 定量分析模型的驗(yàn)證

利用OPUS7.5軟件，調(diào)入定量分析模型，波數(shù)為4 597.8 cm-1～6 100.9 cm-1與 7 498.5 cm-1～9 400.9 cm-1組合，預(yù)處理方式為多元散射校正時(shí)，對預(yù)測樣品進(jìn)行定量分析，以預(yù)測值在真實(shí)值±0.2范圍內(nèi)表示判別結(jié)果正確，結(jié)果表明，建三江地區(qū)的大米判別正確率為94.44%，非建三江地區(qū)的大米判別正確率為93.93%，如表6。

表6 定量分析鑒別兩類大米樣品的結(jié)果Table 6 Quantitative analysis of the results of two types of rice samples

4 結(jié)論

試驗(yàn)選取黑龍江省地理標(biāo)識大米建三江大米和非建三江大米共計(jì)150份，對其進(jìn)行產(chǎn)地溯源研究，應(yīng)用因子化法在波數(shù)為5 000 cm-1～5 500 cm-1結(jié)合一階導(dǎo)數(shù)+5點(diǎn)平滑的預(yù)處理方式建立鑒別分析模型，并對模型進(jìn)行預(yù)測，結(jié)果表明，建三江地區(qū)的大米鑒別正確率為100%，非建三江地區(qū)的大米鑒別正確率為93.93%，且采用因子化法建立的模型比歐式距離法建立的模型準(zhǔn)確度高。通過最大合格性索引的方式在波數(shù)為7 000 cm-1～7 500 cm-1處結(jié)合一階導(dǎo)數(shù)+矢量歸一化+25點(diǎn)平滑的預(yù)處理方式建立合格性測試模型，并對模型進(jìn)行預(yù)測，結(jié)果表明，建三江地區(qū)的大米合格率為94.11%，非建三江大米的合格率為90.90%。采用PLS法在波數(shù)為 4 597.8 cm-1～6 100.9 cm-1與 7 498.5 cm-1～9 400.9 cm-1組合處結(jié)合預(yù)處理方式為多元散射校正建立定量分析模型，并對模型進(jìn)行預(yù)測，結(jié)果表明，建三江地區(qū)的大米判別正確率為94.11%，非建三江地區(qū)的大米判別正確率為93.93%。研究表明：近紅外光譜技術(shù)在地理標(biāo)志建三江大米產(chǎn)地溯源的研究中具有可行性，能夠滿足建三江大米的快速鑒別需求，接下來將對于基因型、年際、品種等因素進(jìn)行進(jìn)一步研究。

[1]王娜娜,馮昕鞾,孫玉萍,等.氣相色譜結(jié)合化學(xué)計(jì)量學(xué)區(qū)分大米貯藏時(shí)間與產(chǎn)地[J].分析測試學(xué)報(bào),2013,32(10)：1227-1231

[2]中華人民共和國國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.關(guān)于批準(zhǔn)對晉州鴨梨、建三江大米、云和黑木耳、廣武大蔥、東壩蠶繭實(shí)施地理標(biāo)志產(chǎn)品保護(hù)的公告[J].中國食品,2010(18)：90

[3]惠延波,潘印卿,王莉,等.基于電子舌技術(shù)的不同品種大米區(qū)分識別研究[J].科學(xué)技術(shù)與工程,2014,14(33)：250-254

[4]馮雪,柳艷霞,賀澤英,等.稻米代謝組學(xué)分析方法的建立及在產(chǎn)地溯源中的應(yīng)用[J].分析測試學(xué)報(bào),2016,35(5)：514-519

[5]張玥,王朝輝,張亞婷,等.基于主成分分析和判別分析的大米產(chǎn)地溯源[J].中國糧油學(xué)報(bào),2016,31(4)：1-5

[6]張勛,林曉,徐偉,等.近紅外漫反射法檢測降壓類中成藥中非法添加尼莫地平[J].湖南中醫(yī)藥大學(xué)學(xué)報(bào),2015,35(12)：64-67

[7]于瀟禹.基于近紅外的土壤成分檢測儀器研究[D].哈爾濱：哈爾濱理工大學(xué),2013

[8]任紅艷,史學(xué)正,莊大方,等.基于可見-近紅外反射光譜的油區(qū)農(nóng)田土壤石油烴含量估測研究[J].土壤,2013,45(2)：295-300

[9]於筱嵐,徐寧,何勇.近紅外分析技術(shù)在食品氨基酸檢測中應(yīng)用的研究進(jìn)展[J].光譜學(xué)與光譜分析,2014(9)：2377-2381

[10]張曉焱.基于近紅外光譜的柑桔產(chǎn)地溯源及橙汁摻假識別研究[D].重慶：西南大學(xué),2010

[11]張龍,潘家榮,朱誠.近紅外光譜分析技術(shù)在花生原產(chǎn)地溯源中的應(yīng)用[J].食品科學(xué),2013,34(6)：167-170

[12]周海波,陳林,閆永利.近紅外光譜技術(shù)在寧夏枸杞子產(chǎn)地鑒別中的應(yīng)用研究[J].檢驗(yàn)檢疫學(xué)刊,2014(2)：52-55

[13]于燕波.近紅外光譜分析技術(shù)在轉(zhuǎn)基因水稻識別和高油棉籽篩選中的應(yīng)用研究[D].北京：中國農(nóng)業(yè)大學(xué),2014

[14]王傳梁,陳坤杰.基于近紅外漫反射技術(shù)的大米脂肪含量的研究[J].糧油加工,2007(2)：62-64

Study on Rapid Detection Analysis of Jiansanjiang Rice Based on Near Infrared Spectroscopy

SONG Xue-jian，QIAN Li-li，YU Jin-chi，ZHANG Dong-jie*
（College of Food Science，Heilongjiang Bayi Agricultural University，Daqing 163319，Heilongjiang，China）

In order to quickly identify the true and false of Jiansanjiang rice，the 150 samples of rice from Jiansanjiang and Yijiang Sanjiang areas were measured by near infrared spectroscopy.The factorization method was used to carry out the discriminant analysis，and the maximum eligibility index method was used for conformity test analysis and partial least squares（PLS）method for quantitative analysis that after the original spectra were pretreated.The results showed that the correct discriminating rate of rice in Jiansanjiang area was more than 90.00%，according to three kinds of pattern recognition methods.In conclusion，near infrared spectroscopy（NIRS）is feasible in the study of authenticity of Jiansanjiang Rice.

rice；near infrared spectroscopy（NIR）；identification analysis；compliance testing；partial least squares（PLS）

2016-10-14

10.3969/j.issn.1005-6521.2017.14.029

黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目資助（12541576）；黑龍江省墾區(qū)科研項(xiàng)目（HKN125B-13-02）；黑龍江省高等學(xué)?？萍紕?chuàng)新團(tuán)隊(duì)建設(shè)計(jì)劃項(xiàng)目（2014TD006）；黑龍江省應(yīng)用技術(shù)研究與開發(fā)計(jì)劃項(xiàng)目（GA14B104）

宋雪?。?991—），男（漢），研究生，研究方向：食品加工與質(zhì)量安全。

*通信作者：張東杰（1966—），男，教授，博士，研究方向：農(nóng)產(chǎn)品加工與安全。