基于便攜式近紅外光譜儀的糧食品質(zhì)快速檢測方法研究

陳靜

摘要：當(dāng)前，糧食品質(zhì)對(duì)于消費(fèi)者和糧食生產(chǎn)加工企業(yè)的重要性逐漸提高。由于傳統(tǒng)糧食品質(zhì)檢測方法存在耗時(shí)長、流程復(fù)雜等問題，基于近紅外光譜技術(shù)（Near－Infrared Spectroscopy，NIRS）的糧食品質(zhì)快速檢測技術(shù)有望成為傳統(tǒng)方法的理想替代技術(shù)。為了模擬現(xiàn)場收儲(chǔ)條件，本文采用了兩臺(tái)型號(hào)相同的便攜式近紅外光譜儀器進(jìn)行實(shí)驗(yàn)，以539份水稻、小麥和玉米樣本的多種組分（脂肪、蛋白質(zhì)和水分）為檢測對(duì)象，利用近紅外光譜技術(shù)進(jìn)行快速分析。結(jié)果表明，基于便攜式光譜儀的三種作物三種品質(zhì)指標(biāo)的NIRS檢測模型均可達(dá)到0.95以上的交叉驗(yàn)證決定系數(shù)，具有良好的檢測精度，所采用方法和設(shè)備可為糧食收儲(chǔ)時(shí)的糧食品質(zhì)快速檢測提供技術(shù)支撐。

關(guān)鍵詞：近紅外光譜學(xué)；水稻；小麥；玉米；脂肪；蛋白質(zhì)

DOI：10.12433/zgkjtz.20233134

隨著經(jīng)濟(jì)增長和人民生活水平的提高，我國糧食生產(chǎn)已由追求數(shù)量進(jìn)入追求質(zhì)量的階段，糧食質(zhì)量檢測是糧食收儲(chǔ)流通的必要環(huán)節(jié)。除了傳統(tǒng)的糧食質(zhì)量評(píng)價(jià)指標(biāo)，例如，水分、不完善粒、容重等，還有影響糧食食用和加工效益的各項(xiàng)品質(zhì)指標(biāo)，例如，淀粉、脂肪、蛋白質(zhì)、粗纖維等含量，越來越多地受到消費(fèi)者和糧食生產(chǎn)加工企業(yè)的關(guān)注。然而傳統(tǒng)的糧食品質(zhì)判定方法是基于濕化學(xué)分析方法，其判定指標(biāo)多、技術(shù)流程復(fù)雜，環(huán)節(jié)多、時(shí)間長，專業(yè)性強(qiáng)，難以實(shí)現(xiàn)快速在線檢測。缺乏糧食質(zhì)量快速判定技術(shù)是糧食優(yōu)質(zhì)不能優(yōu)價(jià)、收購農(nóng)民糧食時(shí)壓級(jí)壓價(jià)以及轉(zhuǎn)圈糧問題頻發(fā)的根源之一。發(fā)展糧食品質(zhì)快速檢測和監(jiān)測技術(shù)是提高人民生活水平、保障農(nóng)民利益、實(shí)現(xiàn)優(yōu)質(zhì)優(yōu)價(jià)、保障糧食儲(chǔ)藏安全性的重要課題，也是我國糧食生產(chǎn)由數(shù)量向質(zhì)量轉(zhuǎn)化的需求。

本文基于兩臺(tái)相同型號(hào)的便攜式近紅外光譜儀，以水稻、小麥、玉米三類作物三種主要品質(zhì)性狀：脂肪含量、蛋白質(zhì)含量和水分含量為對(duì)象，介紹了便攜式檢測條件下糧食品質(zhì)的NIRS快速檢測方法和檢測效果，旨在利用符合收儲(chǔ)為糧食行業(yè)收儲(chǔ)時(shí)的糧食質(zhì)量安全提供智能化、數(shù)字化、快速便攜的檢測手段，進(jìn)一步推進(jìn)現(xiàn)代化糧食品質(zhì)檢測技術(shù)的發(fā)展和應(yīng)用。

一、材料與方法

（一）檢測儀器

本文采用的儀器為中國科學(xué)院合肥物質(zhì)科學(xué)研究院研發(fā)的相同型號(hào)的兩臺(tái)便攜式糧食品質(zhì)檢測儀。儀器外形為30×30×15cm3的梯形立方體，內(nèi)部集成了光譜儀、光源、自動(dòng)校正系統(tǒng)和中科院自主編寫的光譜采集、建模、預(yù)測等多套軟件。與進(jìn)口商品化光譜儀相比，該設(shè)備體積更小，內(nèi)部集成的光柵式光譜儀也不易受攜帶時(shí)運(yùn)動(dòng)條件干擾。儀器集成的自動(dòng)校正系統(tǒng)在檢測每個(gè)樣品時(shí)也采集了一套參考光和背景光用于實(shí)時(shí)校正，從而降低收儲(chǔ)現(xiàn)場的溫度、濕度等復(fù)雜環(huán)境的影響。

（二）樣本準(zhǔn)備

自2019～2021年底，從中國科學(xué)院合肥物質(zhì)科學(xué)研究院、安徽省農(nóng)業(yè)大學(xué)、安徽省農(nóng)科院、中國科技大學(xué)、中儲(chǔ)糧糧庫等單位收集小麥、水稻和玉米樣本合計(jì)539份，其中水稻239份、小麥173份、玉米129份。將收集的小麥、水稻和玉米樣本進(jìn)行處理并分類整理。通過研磨成粉狀樣本（水稻樣本先出糙，后磨粉處理），由單位樣本測試中心和中國科學(xué)院合肥物質(zhì)科學(xué)研究院樣本檢測實(shí)驗(yàn)室進(jìn)行品質(zhì)性狀檢測。樣本檢測后的剩余樣本經(jīng)糧食品質(zhì)便攜式快速檢測儀采集光譜，再存入光譜數(shù)據(jù)庫分析與建模使用。

（三）光譜采集

將每份樣品裝于玻璃樣品杯中，置于便攜式糧食品質(zhì)檢測儀頂端的檢測窗口（直徑20mm），用戶通過儀器殼體上觸摸顯示屏加載光譜采集軟件進(jìn)行光譜采集操作。每份樣品采集兩次取平均光譜，光譜范圍為900～1700nm，分辨率為1.56 nm。

（四）參考值測定

對(duì)三類糧食粉末樣本，采用烘干稱重法測量水分、采用索氏提取法測量脂肪含量、采用凱氏定氮法測量蛋白質(zhì)含量，操作步驟分別按照中國國家標(biāo)準(zhǔn)GB 5009.3－2016、GB 5009.6－2016和GB 5009.5－2016執(zhí)行。

（五）模型構(gòu)建和評(píng)價(jià)

采用標(biāo)準(zhǔn)正態(tài)變量變換（Standard Normal Variate Transform）預(yù)處理光譜；利用偏最小二乘法（Partial Least Squares，PLS）構(gòu)建光譜和待測組分間的回歸模型。利用校正決定系數(shù)（R2c， Determination Coefficient of Calibration）、交叉驗(yàn)證決定系數(shù)（R2cv，Determination Coefficient of Cross－Validation，本文交叉驗(yàn)證方式為留一交叉驗(yàn)證）、校正均方根誤差（RMSEC，Root Mean Square Error of Calibration）和交叉驗(yàn)證均方根誤差（RMSECV，Root Mean Square Error of Cross－Validation）評(píng)價(jià)模型的性能。

二、結(jié)果與討論

（一）糧食的近紅外光譜

以三種糧食的水分樣本集和便攜式儀器為例，經(jīng)過光譜采集的三種糧食粉末的近紅外光譜如圖1所示。

圖1 ? 便攜式糧食品質(zhì)檢測儀上采集的水稻（a）、小麥（b）和玉米（c）粉末的近紅外光譜

由圖1可知，便攜式儀器采集的三種糧食粉末的光譜曲線十分平滑，沒有鋸齒，具有良好的信噪比。在三種粉末的光譜圖上，在1204nm、1464nm等位置均有明顯吸收峰，峰與糧食的脂肪、蛋白和水分均密切相關(guān)，表明儀器采集到了必要的有機(jī)組分信息。

（二）樣本成分分布

將收集的小麥、水稻、玉米樣本分類整理后，研磨制成樣本粉末，測量樣本的化學(xué)值，樣本品質(zhì)成分分布情況以及每種樣本的數(shù)量如表1所示。

由表1可知，三組樣本的化學(xué)值分布較為廣泛，其范圍能覆蓋實(shí)際收儲(chǔ)環(huán)境下大部分糧食的成分范圍，表明實(shí)驗(yàn)所用樣本集具有良好的代表性。

（三）糧食品質(zhì)成分模型的預(yù)測性能

基于SNV預(yù)處理和PLS算法，構(gòu)建糧食光譜和對(duì)應(yīng)成分間的回歸模型。兩臺(tái)相同型號(hào)光譜儀上的糧食品質(zhì)NIRS模型的檢測效果分別如表2、表3所示。

由表2和表3可知，在兩臺(tái)相同型號(hào)的便攜式檢測儀上，三類糧食的三種組分的近紅外模型均表現(xiàn)出良好的校正效果，其R2cv均在0.95以上。其中，三類作物的水分含量檢測效果最好，可能是由于水分對(duì)近紅外吸收更加敏感。

三、結(jié)論

綜上所述，本文描述了一項(xiàng)基于便（下轉(zhuǎn)第106頁）（上接第100頁）攜式近紅外光譜儀上糧食品質(zhì)檢測的實(shí)例，研究表明，利用近紅外光譜技術(shù)，在便攜式檢測設(shè)備條件下也能取得良好的檢測效果，檢測精度可以滿足快速檢測需求，為糧食分級(jí)定等、按質(zhì)論價(jià)提供及時(shí)指導(dǎo)。由于采用的設(shè)備能收儲(chǔ)現(xiàn)場環(huán)境，對(duì)糧食品質(zhì)快速檢測技術(shù)的推廣具有借鑒意義，采用的方法和設(shè)備有潛力在更多糧食收儲(chǔ)現(xiàn)場測試和應(yīng)用。

參考文獻(xiàn)：

[1]魏孟輝，袁建.我國糧食質(zhì)量標(biāo)準(zhǔn)與檢測技術(shù)研究進(jìn)展[J].食品安全質(zhì)量檢測學(xué)報(bào)，2015（11）：4677-4683.

[2]嚴(yán)衍祿，陳斌，朱大洲，等.近紅外光譜分析的原理、技術(shù)與應(yīng)用[M].北京：中國輕工業(yè)出版社，2013.

[3]褚小立.近紅外光譜分析技術(shù)實(shí)用手冊[M].北京：機(jī)械工業(yè)出版社，2016.

[4]王鐸，張力，范素杰，等.大豆主要脂肪酸含量近紅外模型的建立[J].大豆科學(xué)，2017，36（02）：295-299.

[5]關(guān)二旗，崔貴金，卞科，等.基于近紅外光譜特征的赤霉病小麥籽粒SIMCA識(shí)別模型構(gòu)建研究[J].中國糧油學(xué)報(bào)，2016（11）：124-129.

[6]李娟，李忠海，付湘晉.稻谷新陳度近紅外快速無損檢測的研究[J].光譜學(xué)與光譜分析，2012（08）：2126-2130.

[7]宋樂，王琦，王純陽，等.基于近紅外光譜的單粒水稻種子活力快速無損檢測[J].糧食儲(chǔ)藏，2015（44）：20-23.