沈廣輝，劉 賢，張?jiān)戮?，?霞，楊增玲*

（1. 中國農(nóng)業(yè)大學(xué)工學(xué)院，北京1 00083；2. 中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)質(zhì)量標(biāo)準(zhǔn)與檢測技術(shù)研究所 國家飼料質(zhì)量監(jiān)督檢驗(yàn)中心，北京 1 00081）

基于在線近紅外光譜快速檢測玉米籽粒主要品質(zhì)參數(shù)的研究

沈廣輝1，劉 賢1，張?jiān)戮?，樊 霞2，楊增玲1*

（1. 中國農(nóng)業(yè)大學(xué)工學(xué)院，北京1 00083；2. 中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)質(zhì)量標(biāo)準(zhǔn)與檢測技術(shù)研究所 國家飼料質(zhì)量監(jiān)督檢驗(yàn)中心，北京 1 00081）

本試驗(yàn) 旨在探討利用在線近紅外對玉米籽粒主要品質(zhì)參數(shù)進(jìn)行在線快速預(yù)測的可行性。以全國范圍內(nèi)收集的171個(gè)飼用玉米籽粒為研究對象，利用試驗(yàn) 室自主搭建的在線近紅外平臺掃描樣品的動(dòng)態(tài)光譜，通過CARS（Competitive Adaptive Reweighted Sampling）方法篩選出與品質(zhì)參數(shù)密切相關(guān)的變量，并結(jié)合偏最小二乘方法建立在線定量分析模型，為玉米籽粒質(zhì)量的判別提供一種快速有效的方法。結(jié)果表明：利用在線近紅外光譜技術(shù)得到的玉米籽粒中水分、粗蛋白、粗灰分和總能的定量分析模型校正集相關(guān)系數(shù)分別為0.90、0.92、0.78和0.92，預(yù)測集的相關(guān)系數(shù)分別為0.76、0.89、0.72和0.83，相對分析誤差RPD分別為2.41、3.04、1.80和2.42，表明粗蛋白在線近紅外定量分析模型可用于實(shí)際檢測；水分和總能可用于定量分析，但模型精度有待于進(jìn)一步提高；粗灰分的定量模型效果較差，需要進(jìn)一步優(yōu)化。

玉米籽粒；近紅外；在線；快速檢測

玉米中碳水化合物含量高于70%，粗纖維較少，適口性好，是我國主要的能量飼料，被稱為飼料之王[1]。玉米品質(zhì)受水分、粗蛋白、粗脂肪、粗灰分和總能等因素的影響，價(jià)格也存在一定的差異。實(shí)現(xiàn)玉米籽粒在進(jìn)廠前的品質(zhì)鑒別不僅可以提高工作效率，還可以降低生產(chǎn)成本，對飼料企業(yè)具有十分重要的意義。傳統(tǒng)的濕化學(xué)檢測方法不僅耗時(shí)長、操作復(fù)雜、需要專業(yè)的人員進(jìn)行操作，而且不能實(shí)現(xiàn)現(xiàn)場或?qū)崟r(shí)監(jiān)測，因此急需一種現(xiàn)場快速高通量的檢測方法。

近紅外光譜是指在760～2 526 nm的電磁波，主要是含氫基團(tuán)（如C-H、O-H、N-H等）的倍頻和合頻吸收[2]。近紅外光譜法作為一種快速分析技術(shù)，具有快速、無損、成本低和無化學(xué)試劑污染等特點(diǎn)，已被廣泛的應(yīng)用于食品、制藥和飼料[3-7]等領(lǐng)域的品質(zhì)監(jiān)控。近幾年隨著科技發(fā)展，在線近紅外技術(shù)在飼料領(lǐng)域中的應(yīng)用也有一些報(bào)道，F(xiàn)ernández-Ahumada等[8]實(shí)現(xiàn)了利用在線近紅外技術(shù)對配合飼料的混合過程進(jìn)行監(jiān)控；張廣軍等[9]利用近紅外分析技術(shù)實(shí)現(xiàn)了谷物加工過程中的蛋白質(zhì)含量在線監(jiān)測；王樂等[10]通過在生產(chǎn)線上安裝近紅外設(shè)備，實(shí)現(xiàn)對豆粕品質(zhì)的實(shí)時(shí)監(jiān)測，不僅確保了生產(chǎn)質(zhì)量，還能降低生產(chǎn)能耗。近紅外技術(shù)的在線應(yīng)用是近紅外技術(shù)的發(fā)展趨勢，不僅可以實(shí)現(xiàn)對樣品的連續(xù)檢測，同時(shí)獲取多個(gè)檢測指標(biāo)，也是飼料企業(yè)獲得飼料質(zhì)量實(shí)時(shí)在線數(shù)據(jù)的有效方式。就目前的研究報(bào)道而言，在線近紅外技術(shù)在飼料領(lǐng)域還有待廣泛地應(yīng)用，因此，本文利用實(shí)驗(yàn)室自主搭建的近紅外在線分析平臺對玉米中的水分、粗蛋白、粗灰分及總能進(jìn)行了研究分析，旨在提供一種快速有效的玉米籽粒品質(zhì)在線分析方法。

1 材料與方法

1.1 樣品的采集及處理 本實(shí)驗(yàn)所用玉米籽粒樣品171個(gè)，于2014年和2015年分2批次在全國25個(gè)省市內(nèi)采集，樣品數(shù)量分布如表1所示。所有樣品過篩除去雜質(zhì)，然后將每一個(gè)樣品分為2份，1份密封包裝好放在樣品室備用，另1份粉碎過40目篩，供實(shí)驗(yàn)室化學(xué)值測定。

表1 樣品采集信息表

1.2 化學(xué)值的測定 分、粗蛋白和粗灰分分別按照中華人民共和國國家標(biāo)準(zhǔn)GB/T 24900-2010、GB/ T 24901-2010和 GB/T 6438-2007 進(jìn)行測定?？偰馨凑諊H標(biāo)準(zhǔn)ISO 9831:1998推薦的方法，使用Parr 6300全自動(dòng)氧彈量熱儀（PARR公司，美國）進(jìn)行測定。每個(gè)樣品平行分析2次，取平均值作為近紅外光譜分析的參考值。

1.3 在線動(dòng)態(tài)近紅外光譜采集 所有樣品的在線近紅外光譜采集均在實(shí)驗(yàn)室自主搭建的在線平臺上完成。在線平臺由可調(diào)速度的傳送帶和近紅外光譜儀兩部分組成。光譜儀分為一體化漫反射探頭和近紅外分析儀2個(gè)部分，漫反射探頭采用內(nèi)置兩路大功率鹵鎢燈光源，前端配有特制截止濾光片，將一體化漫反射探頭直接安裝到物料上方，雙光源從不同角度進(jìn)行非接觸式測量，保證采集信號的代表性，適合蓬松物料的快速檢測，從光源發(fā)出的光照射到物料上反射回來被單路漫反射光纖接收，光譜信號經(jīng)光纖傳導(dǎo)通過單色器，采用后分光的方式將近紅外區(qū)域連續(xù)波長的復(fù)色光色散為單色光，然后用檢測器檢測。光纖的使用使得光譜儀可以安裝在離生產(chǎn)線相對較遠(yuǎn)、環(huán)境相對較好的分析小屋內(nèi)，盡量避免生產(chǎn)現(xiàn)場的粉塵對光譜儀的性能產(chǎn)生影響，確保得到穩(wěn)定可靠的分析結(jié)果。近紅外光譜采集參數(shù)：光譜儀探頭到樣品表面的距離為17 cm，傳送帶的速度為20 cm/s，光譜范圍為1 000～2 500 nm，光譜分辨率為1 nm，掃描次數(shù)為32次，每個(gè)樣品重新裝填3次，取平均光譜作為樣品的光譜。

1.4 統(tǒng)計(jì)分析 為消除儀器及物料本身帶來的干擾，使用標(biāo)準(zhǔn)正態(tài)變量校正（SNV）或多元散射校正（MSC）來消除樣品顆粒大小不同及分布不均帶來的誤差，去除趨勢校正（Detrend Correction）主要是消除光譜中的基線漂移，導(dǎo)數(shù)校正（Derivative Correction）可以去除光譜的平移和漂移，也可以強(qiáng)化光譜特征減少譜帶重疊，提供比原光譜更高的分辨率和更清晰的光譜輪廓變化。

為減少光譜中無用信息對模型的干擾，提高模型的預(yù)測精度，CARS（Competitive Adaptive reweighted Sampling）方法被用來進(jìn)行變量篩選并結(jié)合建模。CARS變量篩選方法是模仿達(dá)爾文的“適者生存”的法則，使用自適應(yīng)重加權(quán)采樣保留模型回歸系數(shù)絕對值較大的波長點(diǎn)，再利用交互驗(yàn)證選出交互驗(yàn)證均方根誤差最小的子集作為最優(yōu)波長組合，可有效地去除無信息變量，篩選與性質(zhì)有關(guān)的特征變量[11-12]。

1.5 在線近紅外定標(biāo)模型的建立與評價(jià) 使用偏最小二乘算法（PLS）建立定量分析模型，根據(jù)樣品化學(xué)值的濃度將樣品按照3:1的比例分為校正集和驗(yàn)證集，校正集選擇留一交互驗(yàn)證，用驗(yàn)證集對定量分析模型進(jìn)行外部驗(yàn)證。用校正決定系數(shù)（Rc2）、定標(biāo)標(biāo)準(zhǔn)差（RMSEC）、驗(yàn)證決定系數(shù)（Rc2）、驗(yàn)證標(biāo)準(zhǔn)差（RMSEP）和相對分析誤差（RPD）對模型進(jìn)行評價(jià)。決定系數(shù)越大，標(biāo)準(zhǔn)差越小說明模型效果越好，預(yù)測的精度越高；并用RPD =sD/SEP對模型效果進(jìn)一步驗(yàn)證。RPD ＞ 3說明模型精度高，可用于實(shí)際檢測；2 ＜ RPD ＜ 3則表明用近紅外模型進(jìn)行定量分析是可行的，但模型精度有待于進(jìn)一步提高；RPD ＜ 2近紅外定量分析模型難以用于定量分析[13]。

本文中，所有光譜數(shù)據(jù)處理和建模均在Matlab 2013b（Mathworks，美國）和PlS-Toolbox（version 8.0，Eigenvector Research，美國）中進(jìn)行。

2 結(jié)果與分析

2.1 玉米籽粒的在線動(dòng)態(tài)近紅外光譜圖 從圖2中可以看出，所有樣品的光譜趨勢基本一致，玉米近紅外光譜在1 196、1 450、1 930 nm處有3個(gè)明顯的特征峰。 其中，1 196、1 450 nm特征峰為O-H鍵二級振動(dòng)，1 930 nm特征峰為O-H鍵一級振動(dòng)，均與玉米中水分含量有關(guān)；1 700～1 735 nm主要是C-H一級振動(dòng)，是玉米油脂和結(jié)構(gòu)造成的脂質(zhì)吸收峰；2 248 nm為C-H與N-H組合振動(dòng)，主要是蛋白的吸收峰；2 330、2 349 nm分別為C-H伸縮振動(dòng)和變形振動(dòng)，在2 230 ～2 250 nm區(qū)域吸收峰與玉米中纖維成分有關(guān)。

圖2 玉米籽粒的近紅外光譜圖

2.2 玉米籽?；瘜W(xué)值分析 玉米樣品化學(xué)值的分布范圍、平均值和標(biāo)準(zhǔn)偏差如表2所示。由圖3可知，樣品各指標(biāo)基本呈正態(tài)分布。由于玉米籽粒樣品在全國范圍內(nèi)采集，涉及地域范圍較廣，且受到氣候、土壤等條件的影響化學(xué)值范圍較寬，變異性較大。采用濃度梯度分集方法獲得的校正集和驗(yàn)證集中各成分的分布范圍、平均值和標(biāo)準(zhǔn)偏差基本一致，另外各成分的化學(xué)值分布均為正態(tài)分布，整體分布較為合理，說明樣品的收集具有較好的代表性，滿足了建立近紅外定量分析模型的條件。

2.3 基于全譜的定標(biāo)模型的建立與預(yù)測分析 近紅外定量分析模型的建立是通過偏最小二乘算法將光譜與化學(xué)值之間進(jìn)行回歸分析，構(gòu)建兩者之間的相關(guān)關(guān)系。基于原始光譜構(gòu)建的玉米籽粒的水分、粗蛋白、粗灰分和總能的近紅外定量分析模型表3結(jié)果顯示，水分、粗蛋白、粗灰分和總能的校正集的相關(guān)系數(shù)Rc2分別是0.82、0.86、0.76和0.85，校正集的RMSEC分別為0.67%、0.26%、0.09%和0.11 MJ/kg，預(yù)測集的相關(guān)系數(shù)RP2分別為分別是0.77、0.80、0.48和0.75，預(yù)測集RMSEP分別為0.72%、0.30%、0.12%和0.14 MJ/kg，相對分析誤差RPD分別為2.30、2.23、1.50和2.07，表明利用原始在線近紅外光譜建立定量分析模型對玉米籽粒的水分、粗蛋白和總能進(jìn)行定量分析是可行的，但不能用于實(shí)際檢測，模型精度有待進(jìn)一步提高；粗灰分的定量模型需要進(jìn)一步優(yōu)化。

圖3 玉米樣品化學(xué)值頻率分布直方圖

2.4 基于CARS的變量篩選及定標(biāo)模型優(yōu)化 為提高模型的精度和適用性， 使用CARS法對玉米籽粒中的水分、粗蛋白、粗灰分和能量模型中的光譜變量進(jìn)行篩選，經(jīng)過多次篩選最終分別選取25、79、35、90個(gè)波長點(diǎn)，利用所選的波長點(diǎn)結(jié)合建立定量分析模型，結(jié)果如表4所示。由表4可知，經(jīng)變量篩選后模型質(zhì)量明顯提升，校正集和驗(yàn)證集的決定系數(shù)以及相對分析誤差均變大，預(yù)測和驗(yàn)證標(biāo)準(zhǔn)差都相應(yīng)的減小，以上結(jié)果表明CARS變量篩選法能夠有效去除光譜中的無用信息變量，簡化模型并提高模型精度。其中，粗蛋白的RMSEP為0.22%，達(dá)到了GB/T 18868-2002《飼料中水分、粗蛋白質(zhì)、粗纖維、粗脂肪、賴氨酸、蛋氨酸快速測定 近紅外光譜法》中偏差小于0.30的要求，且RPD大于3，說明基于CARS變量篩選法的粗蛋白定量分析模型可用于日常實(shí)際檢測分析；水分模型的RMSEP為0.69%，未達(dá)到GB/T 18868-2002中要求的誤差0.35，但RPD為2.41，仍可用于定量分析；總能模型的RMSEP為0.12 MJ/kg，RPD為2.42，也達(dá)到了用于定量分析的要求；粗灰分模型的RPD為1.80小于2，因此難以用于定量分析。

表2 玉米籽粒樣品的化學(xué)值統(tǒng)計(jì)分析結(jié)果

表3 基于全譜的玉米籽粒樣品在線近紅外定量模型結(jié)果

表4 基于CARS篩選變量的在線近紅外定量模型結(jié)果

3 結(jié) 論

本實(shí)驗(yàn)探討了利用在線近紅外光譜技術(shù)對玉米籽粒樣品中水分、粗蛋白、粗灰分和總能進(jìn)行快速定量分析的可行性。利用實(shí)驗(yàn)室搭建的在線近紅外分析平臺獲得玉米籽粒樣品的動(dòng)態(tài)光譜，通過不同的光譜預(yù)處理和CARS變量篩選方法結(jié)合偏最小二乘算法建立定量分析模型，并用外部樣品對模型預(yù)測的準(zhǔn)確度進(jìn)行驗(yàn)證，結(jié)果表明本研究獲得的粗蛋白在線近紅外定量分析模型可用于實(shí)際檢測，水分和總能模型可用于快速預(yù)測，粗灰分的模型需要進(jìn)一步優(yōu)化。

[1] 陳建欣, 王長梅. 能量飼料的現(xiàn)狀與未來發(fā)展方向[J].飼料廣角, 2006, (22): 21-23.

[2] 高榮強(qiáng), 范世福. 現(xiàn)代近紅外光譜分析技術(shù)的原理及應(yīng)用[J].分析儀器, 2002, (3): 9-12.

[3] Cen H, He Y. Theory and application of near infrared reflectance spectroscopy in determination of food quality[J]. Trends Food Sci Tech Trends, 2007, 18(2): 72-83.

[4] Kamruzzaman M, Elmasry G, Sun D W, et al. Nondestructive prediction and visualization of chemical composition in lamb meat using NⅠR hyperspectral imaging and multivariate regression[J]. Ⅰnnov Food Sci Emerg, 2012, 16: 218-226.

[5] 蔡佳良, 郭念欣, 黃潔燕, 等. 運(yùn)用近紅外光譜法建立廣藿香中百秋李醇的定量模型[J].中國中藥雜志, 2012, 37(14): 2113-2116.

[6] Wu Z, Xu B, Du M, et al. Validation of a NⅠR quantifcation method for the determination of chlorogenic acid in Lonicera japonica solution in ethanol precipitation process[J]. J Pharmaceut Biomed, 2012, 62: 1-6.

[7] 楊增玲, 韓魯佳, 李瓊飛, 等. 反芻動(dòng)物精料補(bǔ)充料中肉骨粉快速檢測近紅外光譜法[J].光譜學(xué)與光譜分析, 2008, 28(6): 1278-1282.

[8] Fernández-Ahumada E, Guerrero-Ginel J E, Pérez-Marín D, et al. Near infrared spectroscopy for control of the compound-feed manufacturing process: mixing stage[J].J Near Ⅰnfrared Spec, 2008, 16(3): 285-290.

[9] 張廣軍.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.

[10] 王樂, 史永革, 李勇, 等. 在線近紅外過程分析技術(shù)在豆粕工業(yè)生產(chǎn)上的應(yīng)用[J].中國油脂, 2015, (1): 91-94.

[11] 張華秀, 李曉寧, 范偉, 等. 近紅外光譜結(jié)合CARS變量篩選方法用于液態(tài)奶中蛋白質(zhì)與脂肪含量的測定[J].分析測試學(xué)報(bào), 2010, 29(5): 430-434.

[12] Li H, Liang Y, Xu Q, et al. Key wavelengths screening using competitive adaptive reweightedsampling method for multivariate calibration[J]. Anal Chim Acta, 2009, 648(1): 77-84.

[13] Chen G L, Zhang B, Wu J G, et al. Nondestructive assessment of amino acid composition in rapeseed meal based on intact seeds by near-infrared reflectance spectroscopy[J]. Anim Feed Sci Tech, 2011, 165(1): 111-119.

S814.5

A

10.19556/j.0258-7033.2017-01-105

2016-08-03；

2016-08-23

國家科技支撐計(jì)劃資助（2014BAD08B11-2）；國家重大科學(xué)儀器設(shè)備開發(fā)專項(xiàng)課題（2014YQ47037705）

沈廣輝（1989-），男，山東泰安市人，博士，主要從事飼料質(zhì)量近紅外光譜分析研究，E-mail：972197389@ qq.com

*通訊作者：楊增玲，E-mail：yangzengling@cau.edu.cn