鞠興榮 后其軍 袁 建 何 榮 朱貞映

（南京財經(jīng)大學(xué)食品科學(xué)與工程學(xué)院江蘇省糧油品質(zhì)控制及深加工技術(shù)重點實驗室，南京 210023）

基于近紅外光譜技術(shù)測定稻谷含水量研究

鞠興榮 后其軍 袁 建 何 榮 朱貞映

（南京財經(jīng)大學(xué)食品科學(xué)與工程學(xué)院江蘇省糧油品質(zhì)控制及深加工技術(shù)重點實驗室，南京 210023）

采用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法，建立稻谷含水量測定的快速分析方法。試驗選取江蘇省不同地區(qū)的2年內(nèi)197份稻谷樣品作為建模集樣品，對其進(jìn)行化學(xué)分析和圖譜掃描處理，通過近紅外化學(xué)計量學(xué)軟件初步建立稻谷含水量的預(yù)測模型。建模結(jié)果顯示運用PLS（偏最小二乘法）建立的分析模型預(yù)測效果最優(yōu)，決定系數(shù)（R2）高達(dá)0.968 9，交互驗證標(biāo)準(zhǔn)差（SECV）為0.343 4，選取24個未知樣品作為驗證集樣品，驗證決定系數(shù)（R2）高達(dá)0.980 6，預(yù)測標(biāo)準(zhǔn)差為0.093 3。結(jié)果表明，近紅外光譜技術(shù)可以用于稻谷含水量的快速測定。

稻谷 含水量 近紅外光譜 測定

稻谷是我國主要的糧食作物之一，每年種植量和產(chǎn)量位居世界前列。國內(nèi)外研究人員研究稻谷多關(guān)注于淀粉糊化、老化特性以及食味值等方面［1－2］，而對于稻谷主要收購指標(biāo)之一的含水量研究較少，含水量是稻谷收購過程中的重要依據(jù)，其含量高低對其儲藏時間有很大影響。

稻谷含水量的常規(guī)測定采用電熱恒溫箱烘干法，該方法測定一批樣品的含水量通常需要5個小時左右，耗時長且過程繁瑣。近紅外技術(shù)是利用物質(zhì)在近紅外光譜區(qū)特有的吸收性質(zhì)測定其組分含量，具有方便、快捷、無污染的特點，目前已經(jīng)廣泛應(yīng)用于各個行業(yè)［3－7］，本試驗以普通的采收后的稻谷為研究對象，比較研究幾種不同建模方法及預(yù)處理方法得到的模型預(yù)測效果，旨在用近紅外光譜分析技術(shù)建立稻谷含水量的無損檢測模型，為建立稻谷收購過程中含水量的快速檢測方法提供指導(dǎo)，為稻谷儲備安全提供一定保障。

1 材料與方法

1.1 材料與試劑

樣品的代表性決定建模效果的好壞，為獲取代表性樣品，本試驗收集了江蘇省不同地區(qū)2年內(nèi)197份不同品種的稻谷樣品，樣品用密封袋封口后運回實驗室低溫儲藏，標(biāo)號后備用。

1.2 儀器與設(shè)備

ABB3600系列傅里葉變換近紅外光譜儀（配有InSn檢測器）：ABB（中國）有限公司；SupNIR－2700近紅外分析儀：聚光科技（杭州）有限公司；FW80多功能粉碎機：天津泰斯特儀器有限公司；JFYZ分樣器：上海加定糧油檢測儀器廠。

1.3 試驗方法

1.3.1 稻谷含水量化學(xué)方法的測定

采用恒溫箱烘干法測定稻谷含水量，方法參照GB／T 5497—1985《糧食、油料檢驗 水分測定法》［8］。

1.3.2 光譜采集

稻谷樣品經(jīng)脫殼粉碎過篩后加入到樣品杯，采集稻谷的漫反射光譜，為獲取代表性的稻谷光譜，采用自動旋轉(zhuǎn)樣品杯附件采集，采集光譜范圍3 500～12 000 cm－1，分辨率16 cm－1，每個樣品掃描64次取平均，每個樣品重復(fù)裝樣2次。

1.3.3 近紅外光譜分析模型的建立

利用Horizon MB定標(biāo)軟件對采集的譜圖進(jìn)行預(yù)處理，隨后選擇合適的數(shù)學(xué)方法和光學(xué)處理方法建立稻谷含水量的定量分析模型。

2 結(jié)果與分析

2.1 稻谷水分含量化學(xué)法的測定

稻谷含水量見表1。

表1 稻谷含水量／%

由表1可知：稻谷含水量的最大值為22.44%，最小值為11.09%，均值為14.90%，含水量的頻數(shù)分布直方圖見圖1。

圖1 含水量頻數(shù)分布直方圖

由圖1可見，選取的197份稻谷樣品含水量的覆蓋范圍大，多分布在13%～17%之間，含水量的頻數(shù)分布接近正態(tài)分布，整體分布比較合理，說明本試驗選取的稻谷樣品具有較好的代表性［9］。

2.2 近紅外分析模型的建立

2.2.1 近紅外光譜的采集

在3 500～12 000 cm－1范圍內(nèi)，利用近紅外光譜儀掃描197個稻谷粉末樣品（溫度控制在20～25℃），圖2為稻谷粉末的原始近紅外全光譜圖。由圖2可以看出，稻谷粉末的近紅外光譜曲線趨勢一致，沒有出現(xiàn)異常光譜，說明收集的樣品中沒有異常樣品。

圖2 稻谷粉末的原始近紅外全光譜圖

2.2.2 光譜區(qū)間的選擇

采用Horizon MB計量學(xué)定標(biāo)軟件對3 500～12 000 cm－1及幾個特征區(qū)間（波數(shù)范圍）定標(biāo)結(jié)果進(jìn)行對比分析，從而選定建模的特征區(qū)間，結(jié)果見表2。

R2代表近紅外模型的決定系數(shù)，反映的是近紅外儀器掃描圖譜后給出的預(yù)測值和實際測量值之間的相關(guān)性；SECV（交互驗證標(biāo)準(zhǔn)差）指的是試建模過程交互驗證時，試建的模型對交互驗證中各個樣品的預(yù)測值與測量值之間的殘差標(biāo)準(zhǔn)差；RPD是一種評價模型分辨能力的參數(shù)，表示了近紅外分析將分布標(biāo)準(zhǔn)差范圍之內(nèi)的樣品分級的數(shù)目，一般認(rèn)為RPD≥2.5時模型的效果較好［10］。比較4種光譜區(qū)間的定標(biāo)結(jié)果可知，在4 820～5 250 cm－1范圍內(nèi)，R2為0.953 9，SECV為0.506 2，RPD值為3.305 2。根據(jù)R2最大，SECV最小的原則［11］，可以判定在此區(qū)間下定標(biāo)效果較好，RPD值大于2.5也說明模型的效果在可接受范圍以內(nèi)。因此，選擇4 820～5 250 cm－1為建模的光譜特征區(qū)間。

表2 不同光譜區(qū)間下的定標(biāo)結(jié)果

2.2.3 建模方法和數(shù)據(jù)預(yù)處理方法的選擇

原始光譜存在基線漂移、散射、噪聲大等問題，通過光譜預(yù)處理可以減輕或消除這些影響［12］，先對原始光譜進(jìn)行基線校正，然后在選定的4 820～5 250 cm－1區(qū)間下，依次比較了建模方法和數(shù)據(jù)預(yù)處理方法對定標(biāo)模型的影響，結(jié)果見表3和表4，依據(jù)R2最大，SECV最小的原則選擇最終的建模方法和數(shù)據(jù)預(yù)處理方法。

表3 建模方法對定標(biāo)模型的影響

表4 數(shù)據(jù)預(yù)處理方法對定標(biāo)模型的影響

由表3和表4可知：選用PLS建模方法和多元散射校正以及求導(dǎo)相結(jié)合的方法建模，可以達(dá)到最理想的建模效果，得到的近紅外稻谷含水量預(yù)測模型評價參數(shù)R2為0.968 8，SECV為0.343 4，見圖3。圖3為稻谷含水量近紅外預(yù)測模型圖，圖3中橫坐標(biāo)表示稻谷含水量的化學(xué)測量值，縱坐標(biāo)表示稻谷含水量的近紅外預(yù)測值，從圖3中可以發(fā)現(xiàn)測量值和預(yù)測值之間的相關(guān)性很高，其決定系數(shù)R2達(dá)到0.968 9，表明建立的定標(biāo)模型較為穩(wěn)定。

圖3 稻谷含水量近紅外預(yù)測模型

2.3 定標(biāo)模型的驗證

對建立的稻谷水分定標(biāo)模型進(jìn)行外部驗證，以檢驗?zāi)Ｐ偷木_度和穩(wěn)定性。選取24個未知樣品作為驗證集樣品，通過化學(xué)法測定和模型的預(yù)測提供化學(xué)值和預(yù)測值，兩者通過線性回歸得出相關(guān)關(guān)系，結(jié)果見表5和圖4。

表5 外部驗證樣品含水量的化學(xué)測量值和近紅外預(yù)測值／%

圖4 稻谷水分化學(xué)值與預(yù)測值的相關(guān)性

從表5中可以看出，24個驗證集樣品的預(yù)測值與化學(xué)測量值的誤差均在0.5%范圍以內(nèi)，預(yù)測值與化學(xué)測量值無顯著差異，表明模型預(yù)測準(zhǔn)確度較高，圖4為化學(xué)測量值與預(yù)測值的相關(guān)關(guān)系分析結(jié)果，圖4中顯示相關(guān)系數(shù)為0.980 6，預(yù)測標(biāo)準(zhǔn)差為0.093 3，趨勢線的斜率為0.961 2，接近于1，說明化學(xué)測量值與預(yù)測值之間有很強的相關(guān)性，模型的預(yù)測性較好。彭玉魁等［13］利用近紅外光譜分析技術(shù)對小麥水分進(jìn)行測定，結(jié)果表明，預(yù)測值和化學(xué)分析值之間的相關(guān)系數(shù)為0.971 4，標(biāo)準(zhǔn)差為0.96，估測變異系數(shù)為2.1%，與之相比，本試驗得到的模型相關(guān)系數(shù)略低，這可能與化學(xué)值測定過程中的人為誤差有關(guān)。王海蓮等［14］利用近紅外光譜分析技術(shù)分析了稻谷糙米粒的脂肪含量，結(jié)果表明，真實值與預(yù)測值之間的相關(guān)系數(shù)為0.944 4，標(biāo)準(zhǔn)差僅為0.000 9，與之相比，本試驗的相關(guān)系數(shù)較高，但同時存在標(biāo)準(zhǔn)誤差偏大的問題，說明建模效果不僅取決于樣品的代表性，樣品形態(tài)的不同以及化學(xué)值測量的準(zhǔn)確度也會對其產(chǎn)生影響。

3 結(jié)論

本試驗選取197個稻谷樣品進(jìn)行含水量測定模型的建立，選取24個未知樣品作為驗證集進(jìn)行外部驗證，建模集的決定系數(shù)R2為0.968 9，交互驗證標(biāo)準(zhǔn)差為0.343 4，驗證集的相關(guān)系數(shù)為0.980 6，預(yù)測標(biāo)準(zhǔn)差為0.093 3。結(jié)果表明，近紅外技術(shù)是一個方便快捷無污染的分析方法，且有著較好的預(yù)測準(zhǔn)確性，可以應(yīng)用于稻谷含水量的快速測定。

［1］周小豐，石文貞，侯彩云.稻谷糊化溫度和直鏈淀粉含量協(xié)同測定方法的研究［J］.中國糧油學(xué)報，2006，21（6）：1－3

［2］李小婉，蔣洪波，馬秀芳，等.不同儲藏方式對北方優(yōu)質(zhì)稻米食味值的影響［J］.安徽農(nóng)業(yè)科學(xué)，2014，42（16）：5248－5249

［3］Shi Jiyong，Zou Xiaobo，Huang Xiaowei，et al.Rapid detecting total acid content and classifying different types of vinegar based on near infrared spectroscopy and least－squares support vectormachine［J］.Food Chemistry，2013，138（1）：192－199

［4］潘圓媛，劉燕德，孫旭東.水果內(nèi)部品質(zhì)近紅外動態(tài)在線檢測研究進(jìn)展［J］.激光與紅外，2010，40（8）：805－810

［5］郭蕊，王金水，金華麗等，近紅外光譜分析技術(shù)測定芝麻水分含量的研究［J］.現(xiàn)代食品科技，現(xiàn)代食品科技，2011，27（3）：366－369

［6］代芬，張昆，洪添勝，等.龍眼表面農(nóng)藥殘留的無損檢測研究［J］.農(nóng)機化研究，2010（10）：111－114

［7］Louw E D，Theron K I.Robust predictionmodels for quality parameters in Japanese plums（Prunus salicina L.）using NIR spectroscopy［J］.Postharvest Biology and Technology，2010，58（3）：176－184

［8］GB／T 5497—1985，《糧食、油料檢驗 水分測定法》［S］

［9］王之安AOAC公定分析方法［M］.北京：中國科學(xué)技術(shù)出版社，1991

［10］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，2013：162－168

［11］金華麗，許春紅，李漫男，等.基于近紅外光譜技術(shù)測定小麥籽粒淀粉含量［J］.河南工業(yè)大學(xué)學(xué)報：自然科學(xué)版，2011，32（6）：25－26

［12］張小超，吳靜珠，徐云.近紅外光譜分析技術(shù)及其在現(xiàn)代農(nóng)業(yè)中的應(yīng)用［M］.北京：電子工業(yè)出版社，2012：5－7

［13］彭玉魁，李菊英，祁振秀.近紅外光譜分析技術(shù)在小麥營養(yǎng)成份鑒定上的應(yīng)用［J］.麥類作物，1997，17（2）：33－34

［14］王海蓮，萬向元，胡培松，等.稻米脂肪含量近紅外光譜分析技術(shù)研究［J］.中國農(nóng)業(yè)科學(xué)，2005，38（8）：1540－1546.

Determination of Moisture Content of Rice Based on the Near Infrared Spectroscopy

Ju Xingrong Hou Qijun Yuan Jian He Rong Zhu Zhenying
（College of Food Science＆Engineering，Nanjing University of Finance and Economics／Jiangsu Key Laboratory of Quality Control and Deep Processing Technology of Cereals and Oils，Nanjing 210023）

In this paper，a rapid analysismethod for determination of ricemoisture contentwas established using near infrared spectroscopy（NIR）technology combined with chemometricsmethods.Therewere 197 rice samples collected as calibration sampleswithin two years in different regions of Jiangsu province.The sampleswere treated by chemical analysis and map scanning，and the forecastmodel of rice moisture content was preliminarily established through near infrared chemometrics software.Modeling results indicated thatmodel established by using the PLS（partial least squares）had the optimal predictive effect，the determination coefficient（R2）was 0.968 9，standard error of cross validation（SECV）was0.343 4，24 sampleswere selected as validation set samples，the determination coefficient（R2）of verification determination was 0.980 6，standard error of forecast was 0.093 3.The results showed that NIR could be used in the rapid determination of ricemoisture content.

rice，moisture content，NIR，determination

TN219；S511.2＋2

A

1003－0174（2015）11－0120－05

時間：2015－11－18 22：52：43

網(wǎng)絡(luò)出版地址：http：／／www.cnki.net／kcms／detail／11.2864.TS.20151118.2252.004.html

國家科技支撐計劃（2013BAD17B02－2），江蘇省普通高校研究生科研創(chuàng)新計劃項目（KYZZ＿0276）

2015－02－25

鞠興榮，男，1957年出生，教授，博士生導(dǎo)師，食品營養(yǎng)、功能食品及農(nóng)產(chǎn)品深加工