王加華，王一方，屈凌波

（1.許昌學(xué)院 食品科學(xué)與工程學(xué)院，河南 許昌 461000；2.河南省許昌市食品藥品監(jiān)督管理局，河南 許昌 461000；3.河南工業(yè)大學(xué)，河南 鄭州 450001）

糧食品質(zhì)近紅外光譜無損檢測研究進(jìn)展

王加華1，王一方2，屈凌波*3

（1.許昌學(xué)院 食品科學(xué)與工程學(xué)院，河南 許昌 461000；2.河南省許昌市食品藥品監(jiān)督管理局，河南 許昌 461000；3.河南工業(yè)大學(xué)，河南 鄭州 450001）

介紹了糧食品質(zhì)近紅外光譜（NIRS）評價的原理，對NIRS檢測中常用化學(xué)計量學(xué)方法的特點和作用進(jìn)行了歸納，著重闡述了小麥、谷物和玉米3種主要糧食的定量成分檢測以及品種、病蟲害等定性判別的國內(nèi)外研究進(jìn)展，列舉了NIRS技術(shù)在糧食品質(zhì)檢測方面的在線應(yīng)用實例，最后對NIRS技術(shù)在糧食領(lǐng)域的應(yīng)用前景進(jìn)行了展望.

近紅外光譜；化學(xué)計量學(xué)；糧食；品質(zhì)；無損檢測

0 前言

近紅外光譜（Near Infrared Spectroscopy，簡稱NIRS）分析技術(shù)集物性學(xué)、化學(xué)、物理學(xué)、計算機(jī)科學(xué)、信息科學(xué)及相關(guān)技術(shù)于一體，已經(jīng)發(fā)展成為一個十分活躍的研究領(lǐng)域，該技術(shù)越來越多地受到國內(nèi)外儀器分析專家的矚目[1].根據(jù)ASTM定義，近紅外的譜區(qū)波長范圍為780～2 526 nm，而在一般應(yīng)用中往往把波長在700～2 500 nm范圍內(nèi)的電磁波作為近紅外譜區(qū)，習(xí)慣上又將近紅外光劃分為短波近紅外（700～1 100 nm）和長波近紅外（1 100～2 500 nm）兩個區(qū)域.

過去的20年，NIRS分析技術(shù)逐漸成為一個流行的、重要的技術(shù)，被廣泛應(yīng)用于多種行業(yè)的質(zhì)量分析.在國內(nèi)，隨著社會認(rèn)知程度不斷提高，檢測理論日趨成熟，檢測儀器已從實驗室通用型向?qū)Ｓ眯娃D(zhuǎn)變，實際應(yīng)用逐步擴(kuò)大.近紅外光譜技術(shù)作為一種快速、高效、適合過程在線分析的有力工具，在糧食（包含小麥、谷物、玉米等）品質(zhì)檢測方面得到了廣泛的應(yīng)用.筆者主要對NIRS技術(shù)在糧食品質(zhì)及加工過程無損檢測中的應(yīng)用研究和進(jìn)展進(jìn)行了綜述.

1 糧食品質(zhì)的NIRS評價原理

NIRS分析是基于物質(zhì)分子振動性質(zhì)建立起來的一種分析方法.一方面，近紅外光譜受含氫基團(tuán)X-H（X為 C、N、O）倍頻和合頻吸收的重疊主導(dǎo)[2]，記錄的是分子中單個化學(xué)鍵振動的倍頻和合頻信息，綜合反映物質(zhì)化學(xué)成分的信息；另一方面，近紅外光譜也受到物質(zhì)的顆粒、質(zhì)地、構(gòu)成等物理因素影響，光透過物質(zhì)的散射程度差異明顯，從而光譜信息中也包含了產(chǎn)地、品種、蟲害及轉(zhuǎn)基因等因素的信息.因此，通過光譜解析結(jié)合化學(xué)計量學(xué)方法可實現(xiàn)糧食化學(xué)成分的定量分析和品種、產(chǎn)地、病蟲害及轉(zhuǎn)基因的定性識別.

近紅外光譜的測定方法主要有：漫透射光譜法和漫反射光譜法[2].漫透射光譜法是指將待測樣品置于光源與檢測器之間，檢測器所檢測的是透射光或與樣品分子相互作用后的光（承載了樣品的結(jié)構(gòu)與組成信息）.漫反射光譜法是指將檢測器和光源置于樣品的同一側(cè)，檢測器所檢測的是被樣品以各種方式反射回來的光.

近紅外光照射到糧食樣品上，主要有6種作用模式，如圖1所示.漫透射光和漫反射光承載了糧食內(nèi)部信息，采用不同的收集方式即可獲得谷物漫透射光譜和漫反射光譜.漫透射光的光程較漫反射要大，獲得的信息更加豐富，但是信號較弱，需要大功率的光源；而漫反射獲得的是糧食淺層信息，但是信號較強(qiáng)，對光源要求不嚴(yán)格.在實際應(yīng)用中，針對不同檢測要求，可以靈活選擇光譜采集模式.

圖1 近紅外光與糧食作用示意圖

2 NIRS檢測中常用的化學(xué)計量學(xué)方法

NIRS為分子倍頻與合頻的振動光譜，譜帶寬，重疊較嚴(yán)重，而且吸收信號弱，信息解析復(fù)雜，常用化學(xué)計量學(xué)方法進(jìn)行光譜解析.因此，化學(xué)計量學(xué)是NIRS分析技術(shù)的重要內(nèi)容之一，主要包括數(shù)據(jù)預(yù)處理、特征信息提取及建模方法等3個方面內(nèi)容，近紅外光譜預(yù)處理、特征信息提取和建模方法及特點見表1.

近紅外模型的穩(wěn)健性評定一般采用校正相關(guān)系數(shù)（Correlation CoefficientofCalibration，RC）、校正均方根誤差（Root Mean Square Error of Calibration，RMSEC）、交互驗證均方根誤差（Root Mean Square Error of Cross Validation，RMSECV）.模型適應(yīng)性主要以外來未知樣品集對模型進(jìn)行評價，主要有：預(yù)測相關(guān)系數(shù)（Correlation Coefficientof Prediction，RP）、預(yù)測均方根誤差（Root Mean Square Error of Predication，RMSEP）、預(yù)測相對分析偏差（Ratio of Prediction to Deviation，RPDp）.當(dāng)模型有較高的 RC、RP、RPD p和較小的RMSEC、RMSEP時，則模型具有良好的穩(wěn)健性和適應(yīng)性.

3 近紅外光譜分析技術(shù)的應(yīng)用

糧食行業(yè)是近紅外光譜分析技術(shù)最早應(yīng)用的領(lǐng)域之一.自上世紀(jì)50年代，Norris等[14]將NIRS技術(shù)應(yīng)用在測定糧食等農(nóng)副產(chǎn)品的品質(zhì)方面以來，NIRS技術(shù)憑借其獨特的優(yōu)勢，在整個糧食產(chǎn)業(yè)鏈的各個方面得到逐步應(yīng)用.

3.1 糧食內(nèi)部成分的NIRS定量分析

糧食內(nèi)部成分指標(biāo)主要包含水分、淀粉、蛋白質(zhì)、油分、灰分等，大量學(xué)者采用NIRS技術(shù)結(jié)合化學(xué)計量學(xué)方法進(jìn)行了糧食內(nèi)部成分的定量分析，取得了良好效果.

玉米成分的NIRS定量分析，有利于玉米按質(zhì)收購、分類加工以及優(yōu)良品種的篩選.魏良明等[15]以我國常用玉米自交系、雜交種樣品為材料，建立了近紅外反射光譜測定玉米完整籽粒的粗蛋白、粗淀粉和油分含量的PLS校正模型，其模型的RMSEP分別為0.31%、0.88%和0.33%，并提出了作物近紅外光譜的某些特征具有遺傳性這一觀點.崔志立等[16]用發(fā)光二極管作為光源，在短波近紅外區(qū)選擇6個波長的濾光片作為分光器件，研制了單籽粒玉米油分無損測定儀，并得到單籽粒玉米油分模型的RMSEP為0.72%.Baye等[17]采用近紅外技術(shù)檢測單粒玉米成分，建立了蛋白質(zhì)、淀粉、熱量等模型，其 RMSEP分別為 2.3 mg/Kernel、17.8 mg/Kernel和93.9 cal/Kernel.曹璞等[18]研究了近紅外玉米蛋白質(zhì)成分分析儀器設(shè)計的波段選擇，在近紅外的一倍頻波段（7 000～5 500 cm-1），采用 1stD處理后建立的PLS模型效果最佳，其RMSEP為0.357%.Zhu等[19]將玉米近紅外光譜進(jìn)行OSC處理后，建立了水分、蛋白質(zhì)、油分和淀粉的SVM模型，其RMSEP分別為0.019 0%、0.129 7%、0.067 5%和0.268 4%.

蛋白質(zhì)含量是評價小麥內(nèi)部品質(zhì)的重要指標(biāo)之一.張錄達(dá)等[20]比較了PCR和PLS法建立的小麥蛋白質(zhì)近紅外模型的精度，其PCR模型的相關(guān)系數(shù)RC和平均相對誤差分別為0.986、0.837，PLS模型分別為0.977和1.09.鄭詠梅等[21]采用短波（833～1 111 nm）近紅外漫反射法測定單粒小麥蛋白質(zhì)含量，選擇不同預(yù)處理方法優(yōu)化PLS模型，其RC為0.985，RMSEC為 0.30，RMSEP為 0.439.金華麗等[22]利用近紅外谷物分析儀采集小麥籽粒樣品的近紅外光譜，近紅外光譜經(jīng)2ndD及MSC處理，結(jié)合PLS建立了小麥籽粒中的蛋白質(zhì)含量測定的定標(biāo)模型，其 RC、RP分別為 0.934和 0.979.王衛(wèi)東等[23]應(yīng)用近紅外漫反射光譜技術(shù)（1 100～2 498 nm）研究單株小麥整粒蛋白質(zhì)含量，采用MSC和1stD處理建立PLS模型（RMSEP=0.400）.水分是小麥?zhǔn)召?、貯藏等參考的重要指標(biāo)之一，金華麗等[24]利用波通DA7200型近紅外光譜分析儀采集樣品近紅外光譜，選擇合適的光譜區(qū)間及光譜預(yù)處理方法，采用PLS和留一法內(nèi)部交叉驗證方式建立定標(biāo)模型，對小麥水分進(jìn)行測定，其RMSEP為0.092 9%.沉降值是反映小麥品質(zhì)的綜合指標(biāo).沉降速度和體積反應(yīng)了面筋含量和質(zhì)量，測定值越大，表明面筋強(qiáng)度越大，面粉的烘烤品質(zhì)就越好.翟美景等[25]采用FT—NIRS光譜儀采集漫反射小麥光譜，采用PLS建立了小麥的Zeleny沉降值模型（RMSEC=2.45，

RMSEP=2.68），證明了近紅外漫反射光譜技術(shù)應(yīng)用于小麥Zeleny沉降值測定的可行性.戴常軍等[26]選用2006-2008年良種補貼小麥品種及2007年小麥主產(chǎn)區(qū)的主要品系組成原始樣品集，利用透射型近紅外儀FOSS1241掃描光譜建立Zeleny沉降值模型，其系數(shù)達(dá)到了0.87，標(biāo)準(zhǔn)誤差在±2.5 mL，此結(jié)果完全能夠滿足育種的前期世代篩選，以及面粉加工企業(yè)對原料收購時的控制.

表1 近紅外光譜預(yù)處理、特征信息提取和建模方法及特點

大米是我國重要的糧食種類之一，其品質(zhì)指標(biāo)主要有淀粉、蛋白質(zhì)、水分、脂肪酸等.近紅外透射光譜法作為一種快速而準(zhǔn)確的定量分析手段，在稻米加工企業(yè)品質(zhì)管理、大米品質(zhì)分析和大米貿(mào)易檢測上有廣闊的應(yīng)用前景.大米蛋白質(zhì)含量是影響大米營養(yǎng)及食味特性的一個重要指標(biāo).劉建學(xué)等[27]用BP-ANN方法建立了不同類型、不同粒度的大米樣品蛋白質(zhì)含量預(yù)測模型，結(jié)果表明模型相關(guān)系數(shù)達(dá)0.90以上.肖昕等[28]用改進(jìn)的最小二乘法（MPLS）、PLS和PCR進(jìn)行校正時，其模型的 RC分別 為 0.994、0.995、0.995，RMSEC分 別 為 0.125 8、0.117 7、0.120 7.王遠(yuǎn)宏等[29]利用近紅外光譜分析技術(shù)采集不同大米樣品蛋白質(zhì)的光譜圖，并提取蛋白質(zhì)官能團(tuán)的特征值在波長 785、910、1 020、1 040 nm處的吸光度，采用非線性冪函數(shù)曲線，建立預(yù)測模型（RP=0.973）.大米直鏈淀粉含量是影響大米蒸煮食味特性的一個重要指標(biāo).直鏈淀粉含量越高，粘性越小，米飯越硬，飯粒干燥而蓬松、色澤發(fā)暗.采用NIRS技術(shù)快速測定直鏈淀粉含量有重要意義.劉建學(xué)等[30]借助PCA分析，確立了用于近紅外光譜分析的BP-ANN的輸入輸出模式對，建立了不同類型、不同粒度的大米樣品直鏈淀粉含量預(yù)測模型（RP=0.895，RMSEP=0.566）.張巧杰等[31]采用相關(guān)成分分析法對大米直鏈淀粉的近紅外光譜進(jìn)行分析，根據(jù)選取變量建立模型（RC=973，RMSEP=1.90），模型的預(yù)測能力得到顯著提高.依據(jù)稻米的食味值與其主要成分（水分、蛋白質(zhì)、直鏈淀粉和脂肪酸）和干燥溫度有關(guān)，而近紅外光譜技術(shù)可以測定稻米的主要成分值，因此，NIRS技術(shù)也被用于評價稻米的食味值.鄭先哲[32]采用專家模糊評判方法確定稻米的食味值，建立了稻米食味值與其主要成分之間的ANN網(wǎng)絡(luò)結(jié)構(gòu)模型，誤差分析結(jié)果表明該方法可以較好預(yù)測稻米的食味值.Sinelli等[33]利用傅立葉變換近紅外光譜和電子鼻技術(shù)研究了碾碎、煮半熟及速煮米的最佳蒸煮時間，并與膠凝時間、建議蒸煮時間進(jìn)行比較.結(jié)果顯示，經(jīng)過2ndD處理后建立PCR模型，近紅外光譜法計算的碾碎、煮半熟大米最優(yōu)蒸煮時間分別為940 s、729 s與建議蒸煮時間（840～960 s、720～780 s）相符，而對于速煮米，其結(jié)果相差近2倍.

3.2 糧食特性的NIRS定性識別

不同品種的小麥具有不同的加工特性，需要根據(jù)小麥的特性選擇深加工方法，如高筋面粉適合加工成面條，低筋面粉適合加工成糕點等，因此，NIRS技術(shù)對品種快速鑒別具有實際意義.Miralbés等[34]采用近紅外反射光譜技術(shù)（400～2 500 nm）判別歐洲小麥品種，選取了2003、2004年收獲的14個品種進(jìn)行建模，其預(yù)測正確率達(dá)94%.Cocchi等[35]研究了近紅外技術(shù)用于硬質(zhì)小麥粉中摻入普通小麥粉（摻入量范圍：0～7%）的定量識別，采用SNV進(jìn)行光譜預(yù)處理分別建立MLR和PLS模型，比較而言SNV-PLS結(jié) 果 最 優(yōu)（RMSEC=0.290 3，RMSEP=0.397 4）.Delwiche等[36]利用近紅外反射光譜識別蠟質(zhì)小麥（低直鏈淀粉），蠟質(zhì)小麥識別率接近100%，然而非蠟質(zhì)小麥間（共3類）識別率為60%.Jirsa等[37]采用近紅外技術(shù)研究了不同品種小麥的加工及焙烤特性.

糧食在不合適的貯藏環(huán)境中，常受到病蟲害、微生物侵害，近紅外光譜技術(shù)也可用于相關(guān)檢測識別.Maghirang等[38]采用自動近紅外系統(tǒng)檢測小麥中昆蟲，對于活體昆蟲，檢測模型的Rc=0.84，RMSECV=0.27，判別正確率為93%，對于不同死亡時間昆蟲檢測判別率為91%～96%.Delwiche等[39]采用二極管陣列式近紅外光譜儀（940～1 700 nm）識別主要由鐮刀霉引起枯萎病及其他形式損害的小麥粒，枯萎病、其他形式損害與正常小麥粒之間的正確判別率為95%和98%.Pearson等[40]采用近紅外透射（500～950 nm）和反射（550～1 700 nm）技術(shù)分別檢測單粒玉米中黃曲霉毒素，對于高含量（＞100 ppb）和低含量（＜10 ppb）鑒別具有良好精度（＞95%），透射優(yōu)于反射，對于中等含量（10～100 ppb）的單粒玉米檢測效果較差（＜25%）.

3.3 NIRS在線分析

近幾年來，NIRS分析技術(shù)以其響應(yīng)速度快、無需樣品特殊預(yù)處理的優(yōu)勢，在物質(zhì)成分分析中實現(xiàn)了連續(xù)分析和自動控制.另外，隨著光電技術(shù)、信號處理技術(shù)和計算機(jī)技術(shù)的發(fā)展，國內(nèi)外的研究工作者正將近紅外光譜分析技術(shù)從實驗室轉(zhuǎn)向在線應(yīng)用，并已取得了階段性成果.

張廣軍等[41]采用近紅外透射光譜分析技術(shù)，建立了用于糧食加工過程中的蛋白質(zhì)含量在線監(jiān)測系統(tǒng).寬光束照射、透射光譜的二階微分處理和穩(wěn)定的ANN預(yù)測模型是保證監(jiān)測系統(tǒng)有效工作的關(guān)鍵.同時建立了用于小麥蛋白質(zhì)含量現(xiàn)場在線監(jiān)測的最佳BP-ANN模型，其RMSEC為0.12%，RMSEP為0.15%.該監(jiān)測系統(tǒng)的研究不僅可以直接應(yīng)用于谷物成分含量的在線監(jiān)測，而且所涉及的方法也同樣適合于其他光譜分析應(yīng)用.

在面粉擠壓加工方面，近紅外光譜技術(shù)也得到了較好應(yīng)用.由于面粉在擠壓加工后，水分含量的變化對干燥過程中空氣特性有一定的調(diào)制作用，因此需要在線實時監(jiān)控水分含量.De Temmerman等[42]開發(fā)了面制品水分含量的近紅外光譜在線檢測裝置，如圖2所示，將光纖探頭安裝在擠出模具下方的開孔處，光譜儀波長范圍為308～1 704 nm.在粗粒小麥粉擠壓加工面制品過程中，采集漫反射光譜，采用原始光譜數(shù)據(jù)和3個主因子建立了PLS模型，其RMSECV為0.024 0 kg/kg；另外選擇了33個變量建立MLR模型，其RMSECV為0.001 9 kg/kg.研究結(jié)果表明，NIRS技術(shù)可用于面制品工業(yè)的過程控制.

圖2 擠壓面制品水分近紅外光纖在線檢測裝置

Maertens等[43]將近紅外光譜檢測器安裝在New Holland TX64型聯(lián)合收割機(jī)上（如圖3所示），用于檢測谷物中水分及蛋白質(zhì)的含量.Zeiss Corona近紅外傳感器安裝在潔凈的谷倉旁管上，采用GRAMS/32軟件包中的PLSplus/IQ模塊進(jìn)行數(shù)據(jù)分析.采用PLS分別建立水分和蛋白質(zhì)定量模型，其RMSECV分別為0.57%和0.31%，該模型具有良好的精度，可滿足實際生產(chǎn)需要.另外，Montes等[44]開發(fā)了相似的設(shè)備，探索NIRS技術(shù)在聯(lián)合收割機(jī)上檢測玉米的干物質(zhì)、粗蛋白和淀粉含量的可行性.光譜儀器的近紅外光譜范圍是960～1 690 nm（光譜間隔6 nm），建模采用了修正的PLS方法.

圖3 安裝在聯(lián)合收割機(jī)提升器上的近紅外測量系統(tǒng)

在日本，Kawamura等[45]開發(fā)了一個基于近紅外技術(shù)的大米品質(zhì)自動檢測系統(tǒng)（如圖4所示），這個系統(tǒng)可依據(jù)大米品質(zhì)將其分為6個等級，并對大米（精米/糙米）水分和蛋白質(zhì)含量進(jìn)行檢測，其模型預(yù)測標(biāo)準(zhǔn)偏差分別小于0.7和0.4.Rittiron等[46]開發(fā)了單粒糙米品質(zhì)近紅外高速檢測系統(tǒng)（如圖5所示），其近紅外采集采取透射方式（1 100～1 800 nm），PLS和MLR模型具有相近精度，糙米的干基水分和干基蛋白質(zhì)含量預(yù)測偏差分別為0.24%（W/W）和 0.40%（W/W）.

圖4 大米品質(zhì)自動監(jiān)測系統(tǒng)

圖5 單粒糙米品質(zhì)近紅外檢測裝置

4 結(jié)論與展望

近紅外光譜技術(shù)已廣泛應(yīng)用于糧食品質(zhì)檢測領(lǐng)域，包括玉米、小麥、大米的水分、蛋白質(zhì)、淀粉、油分、灰分等定量分析，以及品種、病蟲害、轉(zhuǎn)基因等識別.當(dāng)前，由于近紅外光譜技術(shù)是最具潛力的在線控制技術(shù)，已被大眾廣泛接受，而且近紅外技術(shù)具有無破損、可靠性強(qiáng)、精度高等優(yōu)點，逐漸被用于食品加工過程化學(xué)和物理指標(biāo)的監(jiān)控.另外，值得關(guān)注的是光纖傳感技術(shù)的應(yīng)用顯著地提高了NIRS技術(shù)在在線監(jiān)控和過程控制方面的應(yīng)用效果，特別是在遠(yuǎn)程監(jiān)控方面更為突出.

在國外，特別是日本等發(fā)達(dá)國家，NIRS技術(shù)已廣泛用于糧食收購、糧食儲藏、糧食精深加工等各個環(huán)節(jié)，而近紅外網(wǎng)絡(luò)技術(shù)也得到了長足發(fā)展.目前，國內(nèi)NIRS技術(shù)主要集中于實驗室內(nèi)糧食品質(zhì)測定，在糧食加工、在線控制等方面還沒有顯著應(yīng)用成效.

未來我國近紅外光譜技術(shù)的應(yīng)用趨勢將體現(xiàn)在以下方面：（1）便攜式、專用型儀器開發(fā).我國糧食生產(chǎn)總量大，規(guī)模小而分散，糧食品質(zhì)差異明顯，在糧食收購時按質(zhì)論價將是未來趨勢，這樣需要大量的價廉、快速、無損、高效、多指標(biāo)同時測定的綠色環(huán)保型分析儀器.因此，開發(fā)便攜式、專用型近紅外光譜儀器將是未來發(fā)展趨勢之一.（2）近紅外分析模型的開發(fā)及網(wǎng)絡(luò)建設(shè).我國幅員遼闊，氣候差異大，糧食特性存在明顯差異，統(tǒng)一的分析模型無法滿足全國各區(qū)域的需要.針對以上情況，可以按地域、品種建立多個模型，保證模型具有良好的穩(wěn)健性和適應(yīng)性，分別滿足各地區(qū)的需求.另外，利用調(diào)制解調(diào)器、互聯(lián)網(wǎng)或其他方法將近紅外主機(jī)和近紅外子機(jī)連接構(gòu)成一個近紅外分析網(wǎng)絡(luò)，通過網(wǎng)絡(luò)實施模型驗證、模型轉(zhuǎn)移以及日常監(jiān)控等工作，保證儀器間分析結(jié)果的準(zhǔn)確性和一致性.近紅外網(wǎng)絡(luò)建設(shè)也是實施和推進(jìn)我國糧食近紅外分析相關(guān)標(biāo)準(zhǔn)的重要內(nèi)容.（3）近紅外在線監(jiān)控技術(shù)研發(fā).在糧食收購方面，開發(fā)在線近紅外分析技術(shù)，實時測定糧食各指標(biāo)含量，實現(xiàn)按質(zhì)論價.在糧食加工方面，開發(fā)在線近紅外技術(shù)，對生產(chǎn)過程中各種化學(xué)、物理指標(biāo)進(jìn)行實時監(jiān)控，保證產(chǎn)品品質(zhì)和產(chǎn)品一致性，實現(xiàn)生產(chǎn)過程最優(yōu)化控制.

［1］趙杰文，孫永海.現(xiàn)代食品檢測技術(shù)［M］.北京:中國輕工業(yè)出版社，2008.

［2］嚴(yán)衍祿，趙龍蓮，韓東海.近紅外光譜分析基礎(chǔ)與應(yīng)用［M］.北京：中國輕工業(yè)出版社，2005.

［3］梁逸曾，俞汝勤.分析化學(xué)手冊（10）-化學(xué)計量學(xué)［M］.2版.北京：化學(xué)工業(yè)出版社，2005.

［4］Barnes R J，Dhanoa M S，Lister S J.Standard normal variate transformation and de-trending of near-infrared diffuse reflectance spectra［J］.Applied Spectroscopy，1989，43（5）：772-777.

［5］Chen J，Iyo C，Terada F，et al.Effect of multiplicative scatter correction on wavelength selection for near infrared calibration to determine fat content in raw milk［J］.Journal of Near Infrared Spectroscopy，2002，10（1）：301-307.

［6］Innocenti R，Zoccola M.Near infrared reflectance spectroscopy as a tool for the determination of dichloromethane extractable matter and moisture content in combed wool slivers［J］.Journal of Near Infrared Spectroscopy，2003，11（5）：333-340.

［7］Wold S，Antti H，Lindgren F，et al.Orthogonal signal correction of near-infrared spectra［J］.Chemometrics and Intelligent Laboratory Systems，1998，44：175-185.

［8］FerréJ，Brown SD，Rius FX.Improved calculation of the net analyte signal in inverse multivariate calibration［J］.Journal of Chemometrics，2001，15（6）：537-553.

［9］Centner V，Massart D L，de Noord O E，et al.Elimination of uninformative variables for multivariate calibration［J］.Analytical Chemistry，1996，68：3851-3858.

［10］Norgaard L，Saudland A，Wagner J，et al.Interval partial least squares regression（iPLS）:A comparative chemometric study with an example from near-infrared spectroscopy［J］.Applied Spectroscopy，2000，54（3）：413-419.

［11］Jiang JH，Berry R J，Siesler HW，et al.Wavelength interval selection in multicomponent spectral analysis by moving window partial leastsquares regression with applications tomid-infrared and near-infrared spectroscopic data［J］.Analytical Chemistry，2002，74（14）：3555-3565.

［12］Goicoechea H C，Olivieri A C.Wavelength selection for multivariate calibration using a genetic algorithm:A novel initialization strategy［J］.Analytical Chemistry，2002，42（5）：1146-1153.

［13］陸婉珍，袁洪福，徐廣通，等.現(xiàn)代近紅外光譜分析技術(shù)［M］.北京：中國石化出版社，2000.

［14］Norris K H，Rooman JD.Qualitative applications of near-infrared reflectance spectroscopy［J］.Agricultural Engineering，1962，43：1542-156.

［15］魏良明，姜海鷹，李軍會，等.玉米雜交種品質(zhì)性狀的近紅外光譜分析技術(shù)研究［J］.光譜學(xué)與光譜分析，2005，25（9）：1404-1407.

［16］崔志立，謝錦春，王南，等.近紅外單籽粒玉米油分無損測定儀器研制［J］.光譜學(xué)與光譜分析，2005，25（11）：1807-1809.

［17］Baye T M，Pearson T C，Settles A M.Development of a calibration to predict maize seed composition using single kernel near infrared spectroscopy［J］.Journal of Cereal Science，2006，（43）：236-243.

［18］曹璞，潘濤，陳星旦.小型近紅外玉米蛋白質(zhì)成分分析儀器設(shè)計的波段選擇［J］.光學(xué)精密工程，2007，15（12）：1952-1958.

［19］Zhu D Z，Ji B P，Meng C Y，et al.The application of direct orthogonal signal correction for linear and non-linear multivariate calibration［J］.Chemometrics and Intelligent Laboratory Systems，2008，90：108-115.

［20］張錄達(dá)，沈曉南，趙龍蓮，等.近紅外光譜主成分-所有可能回歸定量分析烤煙、小麥樣品中的組分含量［J］.分析化學(xué)，2000，28（6）：723-726.

［21］鄭詠梅，張軍，陳星旦，等.短波近紅外光譜的整粒小麥蛋白質(zhì)PLS方法的定量分析［J］.光譜學(xué)與光譜分析，2004，24（9）：1047-1049.

［22］金華麗，許春紅，徐澤林.近紅外光譜法測定小麥籽粒中的蛋白質(zhì)含量［J］.河南工業(yè)大學(xué)學(xué)報:自然科學(xué)版，2010，31（6）：21-24.

［23］王衛(wèi)東，谷運紅，秦廣雍，等.近紅外漫反射光譜法測定整粒小麥單株蛋白質(zhì)含量［J］.光譜學(xué)與光譜分析，2007，27（4）：697-701.

［24］金華麗，卞科.近紅外光譜法檢測小麥粉中的水分含量［J］.中國糧油學(xué)報，2010，25（8）：109-112.

［25］翟美景，董川，劉三才，等.近紅外漫反射光譜法測定小麥Zeleny沉降值［J］.食品科技，2011，36（1）：126-129.

［26］戴常軍，蘭靜，李輝，等.利用近紅外透射光譜測定小麥Zeleny沉降值的研究［J］.糧食加工，2009，34（5）：89-91.

［27］劉建學(xué)，吳守一，方如明.神經(jīng)網(wǎng)絡(luò)在大米蛋白質(zhì)含量預(yù)測模型中的應(yīng)用［J］.江蘇大學(xué)學(xué)報:自然科學(xué)版，2004，25（3）：196-198.

［28］肖昕，謝新華，毛興學(xué)，等.用近紅外透射光譜技術(shù)測定精米蛋白質(zhì)含量研究［J］.分析測試學(xué)報,2004，23（4）：43-45.

［29］王遠(yuǎn)宏，常若葵，張偉玉，等.基于近紅外光譜的大米蛋白質(zhì)含量的研究［J］.農(nóng)產(chǎn)品加工學(xué)刊，2009，7：30-32.

［30］劉建學(xué)，吳守一，方如明.基于近紅外光譜的神經(jīng)網(wǎng)絡(luò)預(yù)測大米直鏈淀粉含量［J］.農(nóng)業(yè)機(jī)械學(xué)報，2001，32（2）：55-57.

［31］張巧杰，王一鳴，吳靜珠.相關(guān)成分分析法在大米直鏈淀粉波長選擇中的應(yīng)用［J］.中國農(nóng)業(yè)大學(xué)學(xué)報，2006，11（2）：74-77.

［32］鄭先哲.干燥后稻米食味值的預(yù)測與分析［J］.農(nóng)業(yè)工程學(xué)報，2004，20（2）：193-195.

［33］Sinelli N，Benedetti S，Bottega G，et al.Evaluation of the optimal cooking time of rice by using FT-NIR spectroscopy and an electronic nose［J］.Journal of Cereal Science，2006，44：137-143.

［34］Miralbés C.Discrimination of European wheat varieties using near infrared reflectance spectroscopy［J］.Food Chemistry，2008，106（1）：386-389.

［35］Cocchi M，Durante C，F(xiàn)oca G，et al.Durum wheat adulteration detection by NIR spectroscopy multivariate calibration［J］.Talanta，2006，68：1505-1511.

［36］Delwiche S R，Graybosch R A.Identification of waxy wheat by near-infrared reflectance spectroscopy［J］.Journal of Cereal Science，2002，35（1）：29-38.

［37］Jirsa O，Hrusková M，Svec I.Near-infrared prediction of milling and baking parameters of wheat varieties［J］.Journal of Food Engineering，2008，87（1）：21-25.

［38］Maghirang E B，Dowell F E，Baker J E，et al.Automated detection of single wheat kernels containing live or dead insects using near-infrared reflectance spectroscopy［J］.Transactions of the ASAE，2003，46（4）：1277-1282.

［39］Delwiche S R.Classification of scab-and other mold-damaged wheat kernels by near-infrared reflectance spectroscopy［J］.Transactions of the ASAE，2003，46（3）：731-738.

［40］Pearson T C，Wicklow D T，Maghirang E B，et al.Detecting aflatoxin in single corn kernels by transmittance and reflectance spectroscopy［J］.Transactions of the ASAE，2001，44（5）：1247-1254.

［41］張廣軍，Suranjan Panigrahi.近紅外透射式谷物蛋白質(zhì)含量在線監(jiān)測系統(tǒng)［J］.光電工程，2001，28（2）：19-22.

［42］De Temmerman J，Saeys W，NicolaǐB，et al.Near infrared reflectance spectroscopy as a tool for the in-line determination of the moisture concentration in extruded semolina pasta［J］.Biosystems Engineering，2007，97：313-321.

［43］Maertens K，Reyns P，De Baerdemaeker J.On-line measurement of grain quality with NIR technology［J］.Transactions of the ASAE，2004，47（4）：1135-1140.

［44］Montes J M，Utz H F，Schipprack W，et al.Near-infrared spectroscopy on combine harvesters to measure maize grain in dry matter content and quality parameters［J］.Plant Breeding，2006，125：591-595.

［45］Kawamura S，Natsuga M，Takekura K，et al.Development of an automatic rice-quality inspection system［J］.Computers and Electronics in Agriculture，2003，40：115-126.

［46］Rittiron R，Saranwong S，Kawano S.Useful tips for constructing a near infrared-based quality sorting system for single brown-rice kernels［J］.Journal of Near Infrared Spectroscopy，2004，12：133-139.

RESEARCH PROGRESSON NONDESTRUCTIVE DETECTION OF GRAIN QUALITY BY NEAR INFRARED SPECTROSCOPY

WANG Jia-hua1,WANG Yi-fang2,QU Ling-bo3
（1.School of Food Science and Engineering,Xuchang University,Xuchang 461000,China；2.Xuchang Food and Drug Administration,Xuchang 461000,China；3.Henan University of Technology,Zhengzhou 450001,China）

The paper described the principle of grain quality evaluation by near infrared spectroscopy(NIRS),summarized the characteristics and the effect of chemometrics method that was commonly used in NIRS detection,and emphatically discussed the research progress on the quantitative component detection and the qualitative discrimination of the varieties and pests of threemain grain crops,such aswheat,cereal and maize,at home and abroad.The paper also listed the application examples of NIRS technique in the grain quality detection aspect,and finally predicted the application prospect of the NIRS technique in the grain field.

near infrared spectroscopy； chemometrics； grain； quality； nondestructive detection

TS210.7

A

CNKI:41-1378/N.20111220.1501.017

1673-2383（2011）06-0080-08

http://www.cnki.net/kcms/detail/41.1378.N.20111220.1501.017.html

網(wǎng)絡(luò)出版時間：2011-12-20 03:01:44PM

2011-04-05

王加華（1979-），男，湖北荊門人，講師，博士，研究方向為農(nóng)產(chǎn)品在線檢測技術(shù)和食品信息技術(shù).

*