基于指紋圖譜的大米智能鑒別研究

孫學(xué)景,卜文華

(山東省東營市墾利區(qū)市場監(jiān)督管理局,山東 東營 257500)

食品安全問題一直以來都是世界矚目的問題,關(guān)系到人體健康和生命安全,是社會穩(wěn)定和經(jīng)濟(jì)發(fā)展的重要基礎(chǔ)。然而,在經(jīng)濟(jì)利益的驅(qū)動下,食品安全問題頻發(fā)。一些非法經(jīng)營者為獲取更大的利潤、節(jié)約成本,往往采用類似食品冒充。面對層出不窮的食品事件和愈演愈烈的食品安全,提高食品安全的智能識別十分必要。因此,鄭越男等[1]針對全球性食品摻雜行為,以肉制品、牛奶、食用植物油、蜂蜜4類食品摻雜問題為研究對象,提出利用液相色譜-質(zhì)譜聯(lián)用技術(shù)進(jìn)行摻雜鑒別的方法,通過液相萃取與固相萃取,實現(xiàn)了食品摻雜識別,為食品真實性技術(shù)鑒別的應(yīng)用提供了參考;王冰峰等[2]針對食品摻雜難以用常規(guī)靶向分析手段實現(xiàn)鑒別的問題,提出一種基于液相色譜串聯(lián)高分辨質(zhì)譜的組學(xué)分析技術(shù)的食品鑒別方法,實現(xiàn)了對冒充、稀釋、非法添加和非法標(biāo)注成分4類行為的鑒別;張仲雄等[3]針對食品摻雜的技術(shù)化、隱形化、多樣化等特征,利用太赫茲波普技術(shù)具有微波和紅外雙重特性,實現(xiàn)了對轉(zhuǎn)基因食品、食品原產(chǎn)地、乳制品、蜂蜜及其他食品摻雜的檢測與鑒別,認(rèn)為該方法可提高食品鑒別的精度和分析速度,具有一定的參考和指導(dǎo)價值;王靖會等[4]為有效鑒別國家地理標(biāo)志大米中是否被摻入了普通大米,通過構(gòu)建SVM、Adaboost以及Adaboost-SVM三種機(jī)器學(xué)習(xí)鑒別模型,并以大米中礦物元素含量和近紅外光譜中級融合數(shù)據(jù)為基礎(chǔ),實現(xiàn)對大米鑒別,為維護(hù)大米市場健康有序發(fā)展提供了技術(shù)支持。然而針對大米的鑒別,存在精度較低的問題[5]。為解決該問題,本研究嘗試以五優(yōu)稻4號大米為研究對象,提出一種基于頂空固相微萃取氣質(zhì)聯(lián)用儀的大米摻雜智能鑒別方法,并對方法的可行性進(jìn)行驗證。

1 材料與方法

1.1 試驗樣品及預(yù)處理

本試驗選用的樣品為2021年水稻收獲期通過五點(diǎn)田間采樣采集的哈爾濱、五常、佳木斯、大慶、綏化五個地區(qū)生產(chǎn)的長粒型大米各8 kg。具體樣品信息如表1所示。

表1 試驗樣品信息

考慮到本次試驗樣品未經(jīng)過干燥,且存在雜物,可能影響試驗結(jié)果。因此,試驗前樣品進(jìn)行實驗室晾曬、除雜,使樣品水分含量低于10%[6];其次,分別用礱谷機(jī)和碾米機(jī)將樣品制成糙米和3級精米;最后,將制成的糙米和精米用自封袋密封,保存在恒溫4℃的冰箱中,直至試驗完成。

1.2 試驗儀器設(shè)備

FC-2K礱谷機(jī),日本大竹制造所;VP-32碾米機(jī),日本山本公司;ML503電子天平,梅特勒-托利多儀器(上海)有限公司;FW-100粉碎機(jī),天津市泰斯特儀器有限公司;XMTD-203恒溫水浴鍋,金壇市科析儀器有限公司;SPME手動進(jìn)樣手柄,美國Supelco公司;TRACE1300ISQLT氣相色譜質(zhì)譜聯(lián)用儀,美國Thermo公司;高純度氦氣,大慶市明博氣體股份有限公司;ES-1000大米外觀品質(zhì)分析儀,靜岡制機(jī)株式會社;Infratec 1241 Grain Analyzer近紅外谷物分析儀,瑞典FOSS公司;50 mL頂空瓶,上海安譜實驗股份有限公司。

1.3 試驗方法

1.3.1大米品質(zhì)指標(biāo)測定

對于大米外觀屬性測定。選取每個品種糙米和精米各3份樣品,每份樣品0.5 kg,并計算糙米率和精米率。利用大米外觀品質(zhì)分析儀ES-1000分析不同品種的大米外觀屬性,計算每個品種大米的長度、面積、色相、彩度、白度、幅度、長寬比、總粒白度、堊白粒率、堊白度外觀屬性指標(biāo)。

對于大米理化信息指標(biāo)測定。選取每個品種糙米和精米樣品各3份,每份樣品0.5 kg,利用近紅外谷物分析儀分別測定糙米與精米的蛋白質(zhì)、粗脂肪、直鏈淀粉含量[7]。

1.3.2摻假大米樣品制備

以五常市生產(chǎn)的五優(yōu)稻4號精米為基礎(chǔ),分別摻入其他4種精米。同時將五優(yōu)稻4號設(shè)為試驗組,剩余品種設(shè)為對照組。

以5%的比例和梯度向WYD4中加入其他品種的樣品,摻雜比例最高為50%,由此得到共11種摻雜比例。為避免隨機(jī)誤差,每類樣品包含3份平行樣本,則試驗組共33份樣品,對照組每類樣品各3份,每份樣本質(zhì)量為0.1 kg[8]。

1.3.3大米揮發(fā)性組分提取與鑒定

將對照組樣品分別放入粉碎機(jī)中碾磨30 s后靜止30 min,稱取20 g樣品倒入由聚乙烯隔膜制成瓶蓋的空瓶中,放入恒溫水浴鍋。達(dá)到平衡時間后,采用進(jìn)樣器穿透薄膜,萃取樣品揮發(fā)性組分。萃取條件如下:

氣相色譜條件:色譜柱為HP-5MS,純度>99.99%,載氣為高純度氦氣,其流量為1.00 mL/min,進(jìn)樣口溫度230℃,通過不分流方式進(jìn)樣,柱初溫度40℃,持續(xù)時間3 min,速度為以8℃/min上升到170℃,持續(xù)5 min后,以10℃/min上升到260℃,持續(xù)2 min[9]。

質(zhì)譜條件:色譜與質(zhì)譜傳輸溫度為260℃,離子源及其溫度為EI和230℃,電子能量為70 eV,采用全掃描模式對40～50 m/z的質(zhì)量范圍進(jìn)行掃描[10]。

1.4 數(shù)據(jù)統(tǒng)計與分析

針對氣相色譜儀獲取的數(shù)據(jù),采用NIST和Weily標(biāo)準(zhǔn)譜庫進(jìn)行分析;針對各揮發(fā)性組分?jǐn)?shù)據(jù),采用Microsoft Excel和Origin軟件進(jìn)行分析[11]。

2 結(jié)果與分析

2.1 不同大米揮發(fā)性組分分析

2.1.1指紋分析

將采集的5種大米揮發(fā)性組分與數(shù)據(jù)庫進(jìn)行匹配,篩選出正反匹配值大于800的組分,并選擇揮發(fā)性組分相對含量大于0.05%物質(zhì)進(jìn)行分析,最終累計檢測到揮發(fā)性組分共135種[12]。其中,試驗組五優(yōu)稻4號的揮發(fā)性組分最多,為106種;龍稻18號揮發(fā)性組分最少,為85種;5種大米共同揮發(fā)性組分為49種。根據(jù)揮發(fā)性組分類別,對5種不同品種的大米進(jìn)行分類,結(jié)果見圖1。由圖1可知,不同品種大米的揮發(fā)性組分中,醛類物質(zhì)和烷烴類物質(zhì)含量較高。其中,五優(yōu)稻4號的醛類物質(zhì)和烷烴類物質(zhì)分別占總揮發(fā)性組分的48.32%和25.07%。

圖1 不同品種大米揮發(fā)性組分百分比堆積圖

2.1.2主成分分析

利用主成分分析提取5種大米共同含有的揮發(fā)性組分特征,并根據(jù)主成分因子內(nèi)的貢獻(xiàn)程度,篩選出關(guān)鍵特征揮發(fā)性組分,得到不同摻雜大米的主成分[13]。其中實驗組五優(yōu)稻4號的前三個主成分的貢獻(xiàn)率分別為27.89%、20.88%和18.73%,累計貢獻(xiàn)率為67.50%;對照組樣品的前三個主成分貢獻(xiàn)率也均超過60%。由此說明,5種大米共有的揮發(fā)性組分前3項主成分因子可實現(xiàn)對不同摻雜品種大米進(jìn)行初步判別。根據(jù)前3項主成分因子的正負(fù)貢獻(xiàn)值,共篩選出18種特征揮發(fā)性組分判別摻雜大米樣品,包含十二烷、十三烷、十四烷、十五烷、十六烷、姥鮫烷等。

2.2 五優(yōu)稻4號標(biāo)準(zhǔn)揮發(fā)性組分指紋圖譜構(gòu)建與驗證

2.2.1指紋圖譜構(gòu)建

為探究試驗組五優(yōu)稻4號和摻入的其他品種大米在揮發(fā)性組分上的差異,構(gòu)建五優(yōu)稻4號標(biāo)準(zhǔn)揮發(fā)性組分指紋圖譜[1],具體如圖2所示。

圖2 五優(yōu)稻4號揮發(fā)性有機(jī)化合物總離子峰圖

2.2.2指紋圖譜驗證

(1)重復(fù)性檢驗

為檢驗所構(gòu)建的五優(yōu)稻4號標(biāo)準(zhǔn)揮發(fā)性指紋圖譜,重復(fù)性檢驗結(jié)果如表2所示。由表2可知,所構(gòu)建的五優(yōu)稻4號標(biāo)準(zhǔn)揮發(fā)性組分指紋圖譜的峰面積、總相對峰度、特征峰值的相對標(biāo)準(zhǔn)偏差分別為0.22%、0.44%和0.39%,均小于0.5%,說明所構(gòu)建的指紋圖譜具有良好的正確性和穩(wěn)定性。

表2 重復(fù)性檢驗結(jié)果

(2)相似度評價

為評估所構(gòu)建的指紋圖譜精度,基于上述已篩選的特征揮發(fā)性組分,以五優(yōu)稻4號(WYD4-1)標(biāo)準(zhǔn)揮發(fā)性組分指紋圖譜為基礎(chǔ),采用氣相色譜進(jìn)行特征標(biāo)記與矯正,對5份五優(yōu)稻4號品種大米進(jìn)行匹配并計算相似度值,分別記為(WYD4-2～6),結(jié)果如表3所示。由表3可知,五優(yōu)稻4號大米的指紋圖譜相似度均超過0.99,說明所構(gòu)建的五優(yōu)稻4號標(biāo)準(zhǔn)揮發(fā)性組分指紋圖譜具有較高的精度,可準(zhǔn)確鑒別五優(yōu)稻4號大米。

表3 相似度計算結(jié)果

基于上述結(jié)果以及五優(yōu)稻4號標(biāo)準(zhǔn)指紋圖譜,計算不同摻雜大米與五優(yōu)稻4號的相似度,結(jié)果如表4所示。由表4可知,五優(yōu)稻4號與綏粳18號大米的相似度最高,與龍稻18號大米的相似度最低,說明五優(yōu)稻4號與綏粳18號在特征揮發(fā)性組分相對含量上相似,與龍稻18號具有一定的差異性。

表4 不同摻雜大米與五優(yōu)稻4號標(biāo)準(zhǔn)指紋圖譜相似度

2.3 摻雜大米判別模型構(gòu)建

將不同摻雜比例品種的大米,按照上述方法計算相似度,并將測定結(jié)果數(shù)據(jù)集按照2∶1比例劃分為訓(xùn)練集和驗證集,得到不同摻雜比例和品種的相似度散點(diǎn)圖。同時,結(jié)合線性擬合方程構(gòu)建鑒別模型,結(jié)果如圖3所示。由圖3可知,相似度與摻雜比例反向相關(guān),摻雜比例越小,相似度越高,二者存在線性遞減關(guān)系。

圖3 不同摻雜樣品鑒別模型

表5為數(shù)據(jù)歸一化后線性擬合方程。表5中,x、y分別表示摻雜比例和相似度值。利用線性擬合方程,可計算不同摻雜比例與不同摻雜品種與五優(yōu)稻4號標(biāo)準(zhǔn)指紋圖譜的標(biāo)準(zhǔn)相似度值。

表5 不同摻雜大米的線性擬合判別方程

然后采用驗證集驗證鑒別模型,并計算其與標(biāo)準(zhǔn)相似度之間的相對誤差,得到評價模型的判別結(jié)果,如表6所示。由表6可知,龍稻18號與五優(yōu)稻4號摻雜比例在5%～45%時,相對誤差較小,最佳判別準(zhǔn)確率在摻雜15%;三江6號與五優(yōu)稻4號摻雜比例在5%～25%之間相對誤差較小,具有良好的判別效果;齊粳11號與五優(yōu)稻4號摻雜比例在0～30%和40%～50%之間的相對誤差較小,具有良好的判別效果;綏粳18號與五優(yōu)稻4號摻雜比例在5%～20%之間相對誤差較小,具有良好的判別效果。

表6 評價模型判別結(jié)果

3 結(jié)論

綜上所述,所提的基于頂空固相微萃取氣質(zhì)聯(lián)用儀的不同比例不同品種摻雜大米智能鑒別方法,通過提取特征揮發(fā)性組分并可一定程度上實現(xiàn)對摻入不同比例不同品種的五優(yōu)稻4號大米的準(zhǔn)確判別,對摻雜比例為5%～45%的龍稻18號,摻雜比例為5%～25%的三江6號,摻雜比例為0～30%和40%～50%的齊粳11號,以及摻雜比例為5%～20%的綏粳18號具有良好的判別效果。