大米糊化特性指標(biāo)的近紅外光譜檢測模型優(yōu)化

路 輝 彭彬倩 馮曉宇 沈曉芳

(江蘇省農(nóng)墾農(nóng)業(yè)發(fā)展股份有限公司1，南京 210019)(江南大學(xué)食品學(xué)院2，無錫 214122)

大米的食味品質(zhì)與糊化特性等理化指標(biāo)密切相關(guān)。大米的主要成分是淀粉，淀粉糊化特性是評價大米食用品質(zhì)重要指標(biāo)，是淀粉熱物理性特征的一種表現(xiàn)，并與大米蒸煮的質(zhì)構(gòu)評價有著緊密的聯(lián)系[1,2]。衰減值反映大米米糊的熱穩(wěn)定性，回生值反映米粉糊冷卻過程中的冷糊穩(wěn)定性[3]。采用GB/T 24852—2010《大米及米粉糊化特性測定 快速粘度儀法》測定各組分耗時耗力、費用昂貴。近紅外光譜法具有多指標(biāo)同時檢測、快速無損、成本低等優(yōu)點[4]，在谷物[5，6]、蛋制品[7]、乳制品[8]等行業(yè)均應(yīng)用廣泛。

目前國內(nèi)外一些學(xué)者已利用近紅外光譜技術(shù)對大米的直鏈淀粉、蛋白質(zhì)等營養(yǎng)指標(biāo)含量無損檢測方面做了探索性研究。謝新華等[9]利用近紅外技術(shù)建立了近紅外分析數(shù)學(xué)模型，實現(xiàn)對稻米育種早代材料直鏈淀粉含量的測定，又建立了稻米淀粉黏滯特性崩解值(衰減值)模型。陸艷婷等[10]以稻谷、糙米、精米、糙米粉和精米粉為掃描材料分別建立了粳稻直鏈淀粉含量的預(yù)測模型。Sampaio等[11]采用過程分析技術(shù)對水稻直鏈淀粉的近紅外光譜多變量模型進(jìn)行了優(yōu)化。Bagchi等[12]建立了大米直鏈淀粉和蛋白質(zhì)含量的近紅外光譜最佳校準(zhǔn)方法——改進(jìn)偏最小二乘法。這些化學(xué)計量學(xué)方法，取得了較好的結(jié)果(r>0.85)，但建立大米品質(zhì)模型的工作存在兩個不足：1)針對大米中蛋白質(zhì)、水分等基本營養(yǎng)成分研究較多，但大米糊化特性檢測方面的報道較少；2)缺少基于一定區(qū)域內(nèi)的大米品質(zhì)定量模型建立。

本研究以126份產(chǎn)自江蘇省的大米為研究對象，測定大米中各糊化特性指標(biāo)，同時采集同份樣品的近紅外漫反射光譜，為搭建品質(zhì)模型提供基礎(chǔ)數(shù)據(jù)。在近紅外光譜全波段的基礎(chǔ)上篩選最佳光譜預(yù)處理方式，再通過人為逐一排除法剔除干擾波段建立偏最小二乘定量模型。從而對大米糊化特性指標(biāo)模型進(jìn)行了探究，為大米行業(yè)實現(xiàn)快速食味品質(zhì)評價提供參考。

1 材料與方法

1.1 材料與儀器

90個品種126個大米樣品由江蘇省農(nóng)墾農(nóng)業(yè)發(fā)展股份有限公司提供(表1)，其中包含有粳米、糯米和秈米，均產(chǎn)自江蘇省。RVA 4500型快速黏度分析儀，Antaris II近紅外分析儀。

表1 90個大米品種名稱

1.2 方法

1.2.1 大米糊化特性指標(biāo)的測定

根據(jù)GB/T 24852—2010《大米及米粉糊化特性測定 快速粘度儀法》，測定峰值黏度、最低黏度、最終黏度、衰減值、回生值、糊化溫度，每份樣品重復(fù)至少3次，取平均值。

1.2.2 樣品近紅外光譜采集

Antaris II近紅外分析儀以漫反射模式掃描采集每份大米樣品的光譜信息。光譜掃描范圍：4 000～10 000 cm-1；分辨率：8 cm-1；掃描頻數(shù)：64次；測量間隔：3.857 cm-1；變量數(shù)：1 557；增益為8×；所有光譜均采用背景空氣光譜作為空白對照。將樣品杯中樣品倒回樣品袋，重新掃描近紅外光譜，3次采集得到平均光譜，以減少樣品分布不均勻帶來的誤差。

1.2.3 光譜處理與建模

采用馬氏距離剔除異常點后從樣本隨機選出20份作為驗證集，剩余樣本作為校正集，保證兩集的樣本化學(xué)值均勻分布，采用偏最小二乘(PLS)回歸法建立大米各糊化特性指標(biāo)的校正模型，根據(jù)交叉驗證均方誤差(RMSECV)確定主因子數(shù)。為了優(yōu)化模型，采用光譜預(yù)處理結(jié)合特征波段篩選。首先，光譜預(yù)處理采用多元散射校正(MSC)、標(biāo)準(zhǔn)正態(tài)變化(SNV)、一階導(dǎo)數(shù)(1st)、二階導(dǎo)數(shù)(2nd)和Savitzky-Golay濾波平滑(SG)，其中，Savitzky-Golay濾波平滑設(shè)定多項式的取值范圍為7，階數(shù)為3。其次，將全波段劃分不同區(qū)間，采用手動法[13]篩選特征波段。

模型評判與驗證：校正集相關(guān)系數(shù)rc、和校正集均方誤差(RMSEC)作為直接衡量模型優(yōu)劣的主要指標(biāo)。使用相對分析誤差(RPD)對各組分模型進(jìn)一步評估，若RPD≥2.0，說明模型建立優(yōu)良，可用于日常實際定量檢測；若2.0>RPD≥1.4，說明模型較好，但用于實際應(yīng)用任需進(jìn)一步改良；若RPD<1.4，說明模型不能用于定量檢測[14-16]。最后，收集驗證集20份樣品(不參與建模)的近紅外光譜圖，通過比較模型預(yù)測值與化學(xué)值進(jìn)行驗證。

2 結(jié)果與分析

圖1為大米樣本原始近紅外光譜圖，10 000～12 500 cm-1之間的區(qū)域光譜信息較少，因此未被用于開發(fā)校準(zhǔn)模型，通過Antaris II 近紅外分析儀采集近紅外光譜范圍為4 000～10 000 cm-1。由于不同樣本各成分含量存在差異，不同大米樣本的光譜吸光度是不同的[17]，但每條光譜趨勢相似，難以以肉眼評判特定波段峰值與指標(biāo)含量的關(guān)系，通過TQ Analyst軟件將光譜進(jìn)行預(yù)處理及波段的剔篩，從而利用偏最小二乘法建立各組分的定量模型。

圖1 大米樣本近紅外光譜圖

2.1 糊化特性指標(biāo)的檢測結(jié)果

異常點剔除后的總樣本數(shù)據(jù)統(tǒng)計如表2所示。峰值黏度、最低黏度和最終黏度指標(biāo)的樣品集數(shù)目沒有出現(xiàn)異常值。衰減值、回生值和糊化溫度指標(biāo)剔除樣本數(shù)3～5份，剩余數(shù)目均大于120份。除了糊化溫度的化學(xué)值變異系數(shù)為5.07%，說明數(shù)據(jù)較為集中，其余指標(biāo)的變異系數(shù)均較大，在20.36%～38.90%之間，說明數(shù)據(jù)分別廣泛，離散度高，為建立穩(wěn)健的定量模型提供基礎(chǔ)。

表2 大米各糊化特性指標(biāo)的化學(xué)值統(tǒng)計表

2.2 校正集與驗證集的劃分

排序每個指標(biāo)中的化學(xué)值，每連續(xù)6個數(shù)值中5個歸為校正集，1個為驗證集，其中，各指標(biāo)驗證集均為20份，其余為校正集(兩集不存在交集)。如表3所示，峰值黏度的變幅為726～2 897、818～2 866；最低黏度的變幅為205～2 207、214～2 170；最終黏度的變幅為299～3 352、317～3 274；衰減值的變幅為428～1 118、450～1 112；回生值的變幅為94～1 459、103～1 273；糊化溫度的變幅為67.5～85.6、68.1～85.5?？梢婒炞C集變幅范圍包含在校正集內(nèi)，校正集所建模型可以運用于驗證集樣品，且校正集與驗證集的平均值和標(biāo)準(zhǔn)偏差相近，可見校正集與驗證集的內(nèi)樣本分布相似，選擇合理。

表3 大米樣本校正集和驗證集劃分

2.3 光譜預(yù)處理

通過測定大米樣品中糊化特性指標(biāo)，該數(shù)據(jù)與近紅外光譜一起用于建立PLS定量模型。在沒有特征光譜的情況下，光譜預(yù)處理是優(yōu)化PLS模型的方式之一。隨著光譜預(yù)處理的選擇不同，rc、RMSEC和RPD值也發(fā)生了變化。如表4所示，基于全波段的不同光譜預(yù)處理下，衰減值和糊化溫度模型均在SG處理下取得最小RMSEC，此時rc達(dá)到最大，分別為0.540 5和0.650 5，RPD均提升了0.1。采用SNV光譜預(yù)處理，回生值模型最佳，rc為0.890 5，RMSEC為146，與無任何光譜預(yù)處理比較，RPD提升到2.3。峰值黏度、最低黏度、最終黏度作為大米糊化特性主要指標(biāo)，三者有較強的相關(guān)性，模型在一定程度上具有相似度，均在1st預(yù)處理下表現(xiàn)最佳，此時，三者的rc>0.8，分別為0.825 5、0.835 6和0.872 4，相較于無光譜預(yù)處理，三個模型的RPD值也有顯著提升，分別為1.7、1.8和2.1。這些結(jié)果表明，不同的光譜預(yù)處理將導(dǎo)致rc、RMSEC和RPD的差異。

表4 基于全波段的不同光譜預(yù)處理下建模結(jié)果

主因子數(shù)變大可以防止欠擬合，但主因子數(shù)過大往往會單方面使校正集搭建的模型過擬合，不利于驗證集的結(jié)果，因此選擇合適的主因子數(shù)很重要[18，19]。根據(jù)交叉驗證均方誤差確定主因子數(shù)，即RMSECV最小的時候選擇主因子數(shù)，峰值黏度、最低黏度和最終黏度主因子數(shù)均為3、衰減值和回生值取6，糊化溫度取7。

2.4 特征波段的篩選

光譜范圍的選擇可以有效地提取有效的光譜信息，避免過擬合，提高模型的精度。采用人工方法[13]將全波段分為12個大范圍，11個分割點依次為：4 500、5 000、5 500、6 000、6 500、7 000、7 500、8 000、8 500、9 000、9 500 cm-1。在最佳光譜預(yù)處理條件下，依次移除一個光譜范圍，其他波段用于建模所得rc與全波段(4 000～10 000 cm-1)下的rc比較，結(jié)合TQ Analyst軟件給出的建議波段進(jìn)行了嚴(yán)格篩選，排除了與組分無關(guān)的波段。

采用不同的光譜范圍選擇和預(yù)處理方法以建立大米樣品各糊化特性指標(biāo)的最佳模型(表5)。在4 022～6 010 cm-1、8 001～8 937 cm-1下，糊化溫度模型的rc由0.650 5提升至0.696 8，RMSEC由2.75降低為2.60，RPD提高了0.1。而衰減值和回生值效果增加不明顯，rc沒有得到明顯提升。從相關(guān)系數(shù)大小來看，峰值黏度、最低黏度和最終黏度模型的預(yù)測值和實測值顯示出良好的相關(guān)性，三者的rc均提升顯著，由0.8均增加至0.9以上，分別為0.913 1、0.923 2和0.939 9，RPD > 2.0，分別為2.4、2.6和2.9，說明模型可用于精準(zhǔn)的實際定量檢測。經(jīng)過最佳譜區(qū)的選擇能有效提高模型的預(yù)測性和準(zhǔn)確度。

表5 基于最優(yōu)光譜預(yù)處理的特征波段下建模結(jié)果

圖2為大米品質(zhì)指標(biāo)預(yù)測值(Y軸)與化學(xué)值(X軸)的散點圖，分別為PLS模型和化學(xué)測定方法得到的數(shù)據(jù)，得到的擬合曲線，結(jié)果表明，衰減值和糊化溫度的線性擬合情況不佳(圖2d和圖2f)，散點偏離擬合線相較多，rc約為0.6，RPD也不超過1.4，由于糊化特性指標(biāo)的測定方法允許誤差本身較大，建模結(jié)果不穩(wěn)健，因此，利用近紅外光譜技術(shù)檢大米糊化特性指標(biāo)在現(xiàn)有文獻(xiàn)中研究較少，而峰值黏度、最低黏度、最終黏度和回生值只有少數(shù)點與擬合線略有分離，且rc均在0.85以上，尤其前三者是主要糊化特性指標(biāo)，rc>0.9，rc分別為0.913 1、0.923 2和0.939 9，符合穩(wěn)健模型的要求，說明模型可用于實際樣品的準(zhǔn)確測定。

圖2 大米糊化特性指標(biāo)的定量模型

2.5 模型的檢驗

為進(jìn)一步研究模型的可行性，采用最小二乘法擬合得到PLS模型和化學(xué)法分析得到驗證集各糊化特性指標(biāo)的擬合線。圖3為經(jīng)優(yōu)化后的模型預(yù)測值和實測值的散點圖(驗證集)。衰減值和糊化溫度模型的預(yù)測集結(jié)果較差(rp<0.67)，實際預(yù)測能力不理想，考慮衰減值與回生值均為間接計算而得，增大了數(shù)據(jù)誤差，且前者變異系數(shù)比后者小18%(表2)，同時糊化溫度變異系數(shù)最小(僅為5.07%)，表明數(shù)據(jù)離散程度差，分布欠佳，校正模型不穩(wěn)健。其他指標(biāo)驗證效果良好，尤其是最終黏度和回生值的預(yù)測線性效果良好，rp>0.85，rp分別為0.864 0和0.874 4(圖3c和圖3e)?，F(xiàn)有文獻(xiàn)中較少涉及采用近紅外光譜法檢測大米糊化特性參數(shù)，而檢測大米淀粉含量的文獻(xiàn)則較多，由于大米的糊化特性與淀粉含量間有較強的相關(guān)性[20]，因此在一定程度上兩者的檢測模型具有可比性。黏度模型的rp略低于陸艷婷等[10]建立稻谷中直鏈淀粉模型的rp值(R2=0.813 6)，但峰值黏度、最低黏度、最終黏度和回生值的rp>0.8且RPD>2.0(表5)，說明模型建立優(yōu)良，可用于定量檢測，與田曉琳等[21]建立小米黏度模型的(0.863 6≥rp≥0.618 9)的研究一致。

圖3 大米各糊化特性指標(biāo)的驗證模型

將驗證集20個樣本的化學(xué)值與預(yù)測值進(jìn)行配對t檢驗，在95%的置信區(qū)間下，峰值黏度、最低黏度、最終黏度、衰減值、回生值和糊化溫度的P值分別為0.651、0.426、0.302、0.827、0.563和0.517，均大于0.05，表明化學(xué)值與近紅外光譜法所得預(yù)測值之間無顯著性差異(P>0.05)。綜合考慮，峰值黏度、最低黏度、最終黏度和回生值的預(yù)測效果較好，其余指標(biāo)的預(yù)測結(jié)果較差。

3 結(jié)論

本實驗以產(chǎn)自江蘇省大米為研究對象，建立了基于偏最小二乘法的大米糊化特性指標(biāo)定量模型。選擇合適的譜區(qū)范圍和光譜預(yù)處理方法可以有效地提高模型的性能，并通過驗證集進(jìn)一步觀察了模型的可靠性。結(jié)果表明，衰減值和糊化溫度的rp在0.6左右，峰值黏度、最低黏度、最終黏度和回生值的結(jié)果為0.874 4≥rp≥0.812 1，表明模型的預(yù)測值與實測值接近，預(yù)測效果良好，各指標(biāo)的校正集線性擬合結(jié)果基本符合實際定量檢測要求。綜上，該模型為利用近紅外光譜法快速無損檢測大米糊化特性指標(biāo)提供了研究基礎(chǔ)，這將有利于大米資源的合理利用。