宋雪健，錢麗麗，周 義，于 果，于金池，張東杰

（黑龍江八一農(nóng)墾大學(xué)食品學(xué)院，黑龍江大慶163319）

近紅外漫反射光譜技術(shù)對(duì)水稻產(chǎn)地溯源的研究

宋雪健，錢麗麗，周 義，于 果，于金池，*張東杰

（黑龍江八一農(nóng)墾大學(xué)食品學(xué)院，黑龍江大慶163319）

為實(shí)現(xiàn)對(duì)水稻產(chǎn)地的快速檢測(cè)，利用近紅外漫反射光譜技術(shù)對(duì)來自齊齊哈爾、建三江及五常地區(qū)的150份水稻樣品進(jìn)行研究。結(jié)果表明，近紅外漫反射光譜技術(shù)具有簡(jiǎn)單、快速、高效、無損的技術(shù)特點(diǎn)，并能實(shí)現(xiàn)對(duì)水稻產(chǎn)地溯源的準(zhǔn)確判別。

水稻；近紅外漫反射；產(chǎn)地

水稻原產(chǎn)于我國(guó)，7 000年前我國(guó)長(zhǎng)江流域就種植水稻，其主產(chǎn)區(qū)主要有東北地區(qū)、長(zhǎng)江流域和珠江流域。水稻的類別可以分為秈稻和粳稻、早稻和中晚稻，以及糯稻和非糯稻。水稻富含多種營(yíng)養(yǎng)物質(zhì)，除可食用外，還可釀酒、制糖，其稻殼和稻稈可作為飼料。不同產(chǎn)區(qū)的水稻其外觀及理化指標(biāo)較為接近，肉眼無法識(shí)別其產(chǎn)地。近紅外光譜技術(shù)，被廣泛應(yīng)用于農(nóng)產(chǎn)品、水果、藥材、畜產(chǎn)[1-4]等產(chǎn)地溯源的研究中。趙景輝等人[5]利用近紅外光譜技術(shù)對(duì)不同產(chǎn)地和種類的人參及西洋參種子樣品進(jìn)行聚類鑒別，其所建立的鑒別分析模型能有效判別人參及西洋參種子的類別。夏立婭等人[5]研究發(fā)現(xiàn)，利用近紅外光譜技術(shù)能準(zhǔn)確地對(duì)119份響水大米和90份非響水大米的產(chǎn)地進(jìn)行判別。試驗(yàn)采用近紅外漫反射光譜技術(shù)結(jié)合偏最小二乘法對(duì)來自不同產(chǎn)地的水稻樣品在不同狀態(tài)下對(duì)其進(jìn)行產(chǎn)地溯源研究，為實(shí)現(xiàn)水稻產(chǎn)地的快速檢測(cè)提供有效方法。

1 材料與儀器

1.1 試驗(yàn)樣品

試驗(yàn)于2015年在五常、佳木斯、齊齊哈爾3個(gè)地區(qū)構(gòu)建試驗(yàn)田，分別種植相同品種的水稻，并于水稻收獲期對(duì)其進(jìn)行采樣。每個(gè)品種采集10份，編號(hào)記錄，共計(jì)150份，所有樣品均為龍粳系列。

試驗(yàn)田樣品信息見表1。

表1試驗(yàn)田樣品信息

1.2 試驗(yàn)儀器

FC2K型礱谷機(jī)，日本大竹制作所產(chǎn)品；VP-32型實(shí)驗(yàn)?zāi)朊讬C(jī)，日本山本公司產(chǎn)品；FW100型高速萬能粉碎機(jī)，天津泰斯特儀器有限公司產(chǎn)品；TENSOR II型傅立葉變換近紅外光譜儀，德國(guó)布魯克（北京）科技有限公司產(chǎn)品。

2 試驗(yàn)方法

2.1 大米樣品的前處理

將采集樣品進(jìn)行統(tǒng)一的加工方式，進(jìn)行脫粒、壟谷、碾米及制粉處理。對(duì)各地區(qū)隨機(jī)選取樣品總量的2/3作為建模樣品，1/3作為預(yù)測(cè)樣品，即每個(gè)地區(qū)的建模樣品數(shù)為33個(gè)，預(yù)測(cè)樣品數(shù)為17個(gè)。利用近紅外漫反射光譜儀，分別對(duì)稻谷籽粒及大米粉末進(jìn)行光譜的采集。

稻谷樣品原始光譜見圖1，大米粉末樣品原始光譜見圖2。

圖1 稻谷樣品原始光譜

圖2 大米粉末樣品原始光譜

2.2 模型的建立與驗(yàn)證

分別將齊齊哈爾大米賦值為1，佳木斯大米賦值為0，五常大米賦值為-1，以預(yù)測(cè)值在1±0.5之間來判斷其為齊齊哈爾大米，以此類推。為消除干擾因素對(duì)模型的干擾，故需要對(duì)原始光譜進(jìn)行預(yù)處理，OPUS 7.5軟件的定量分析預(yù)處理方式主要有消除常數(shù)偏移量、減去一條直線、矢量歸一化、最小-最大歸一化、多元散射矯正、內(nèi)部標(biāo)準(zhǔn)、一階導(dǎo)數(shù)+平滑（平滑點(diǎn)數(shù)為5，9，13，17，21，25點(diǎn)，下同）、二階導(dǎo)數(shù)+平滑、一階導(dǎo)數(shù)+減去一條直線+平滑、一階導(dǎo)數(shù)+矢量歸一化+平滑、一階導(dǎo)數(shù)+多元散射校正+平滑。采用偏最小二乘法結(jié)合交叉檢驗(yàn)的方式對(duì)其進(jìn)行處理，其中均方根標(biāo)準(zhǔn)誤（RMSECV）數(shù)值越小，模型的精度越高；定向系數(shù)（R2）數(shù)值越接近100%，模型的精度越高。波長(zhǎng)及預(yù)處理方式的最優(yōu)組合，則通過軟件的自動(dòng)優(yōu)化進(jìn)行篩選。將建立好的模型帶入軟件中，對(duì)預(yù)測(cè)樣品集進(jìn)行預(yù)測(cè)。

3 結(jié)果與分析

3.1 不同狀態(tài)樣品的建模效果

試驗(yàn)通過去除異常點(diǎn)及自動(dòng)優(yōu)化后結(jié)果表明，稻谷樣品在波長(zhǎng)7 501.3～5 447.7 cm-1，4 600.6～4 249.8 cm-1范圍內(nèi)結(jié)合矢量歸一化的預(yù)處理方式，其模型效果較好，其中RMSECV為0.175，R2為94.65，故選此來建立稻谷的判別模型。

稻谷樣品的預(yù)測(cè)值與參考值關(guān)系見圖3，稻谷樣品的RMSECV與維數(shù)的關(guān)系見圖4。

圖3 稻谷樣品的預(yù)測(cè)值與參考值關(guān)系

圖4 稻谷樣品的RMSECV與維數(shù)的關(guān)系

大米粉末樣品在波長(zhǎng)7 501.3～4 597.8 cm-1范圍內(nèi)結(jié)合最小-最大歸一化的預(yù)處理方式，其模型效果較好，其中RMSECV為0.163，R2為96.13，故選此來建立大米粉末的判別模型。

大米粉末樣品的預(yù)測(cè)值與參考值關(guān)系見圖5，米粉樣品的RMSECV與維數(shù)的關(guān)系見圖6。

圖5 大米粉末樣品的預(yù)測(cè)值與參考值關(guān)系

3.2 模型的驗(yàn)證結(jié)果

定量分析模型對(duì)齊齊哈爾、佳木斯、五常3個(gè)地區(qū)稻谷樣品的正確判別率分別為82.35%，88.23%，70.58%；對(duì)3個(gè)地區(qū)大米粉末樣品的正確判別率分別為88.23%，94.12%，88.23%。

模型判別結(jié)果見表2。

圖6 大米粉末樣品的RMSECV與維數(shù)的關(guān)系

表2模型判別結(jié)果

研究表明，樣品粒徑的不同對(duì)模型的精度會(huì)產(chǎn)生一定的影響。

4 結(jié)論

采用近紅外漫反射光譜技術(shù)結(jié)合偏最小二乘法，對(duì)來自齊齊哈爾、佳木斯、五常地區(qū)的150份不同狀態(tài)水稻樣品進(jìn)行產(chǎn)地判別分析。結(jié)果表明，在波數(shù)7 501.3～5 447.7 cm-1，4 600.6～4 249.8 cm-1范圍內(nèi)結(jié)合矢量歸一化預(yù)處理方式建立的稻谷樣品判別模型，對(duì)齊齊哈爾、佳木斯、五常地區(qū)樣品的正確判別率分別為82.35%，88.23%，70.58%；在波數(shù)7 501.3～4 597.8 cm-1范圍內(nèi)結(jié)合最小-最大歸一化的預(yù)處理方式建立的大米粉末樣品判別模型，對(duì)3個(gè)地區(qū)的正確判別率分別為88.23%，94.12%，88.23%。因此，在今后研究中模型的精度有待進(jìn)一步提高，以便更好地實(shí)現(xiàn)對(duì)水稻產(chǎn)地的快速檢測(cè)。

[1]常冬，張毅，黃蔚霞.基于近紅外的玉米產(chǎn)地快速鑒別[J].中國(guó)科技成果，2015（16）：52-54.

[2]張鵬，李江闊，陳紹慧，等.近紅外光譜用于鑒別蘋果產(chǎn)地的研究[J].食品科技，2014（11）：305-309.

[3]李莉，李瑩，王婷媛.基于近紅外光譜技術(shù)建立不同產(chǎn)地駱駝蓬藥材定性判別模型[J].中國(guó)中藥雜志，2015，40（14）：2 862-2 865.

[4]張德權(quán)，張寧，李淑榮，等.近紅外光譜結(jié)合SIMCA溯源羊肉產(chǎn)地的初步研究[G]//第五屆全國(guó)農(nóng)產(chǎn)品加工科研院所聯(lián)誼會(huì)暨中國(guó)農(nóng)產(chǎn)品加工技術(shù)與產(chǎn)業(yè)發(fā)展研討會(huì)論文集.杭州：浙江省農(nóng)業(yè)科學(xué)院，2010：365-370.

[5]趙景輝，劉旭，李方元，等.近紅外漫反射光譜法用于不同人參種子的鑒別[J].特產(chǎn)研究，2006，28（3）：48-50.

[6]夏立婭，申世剛，劉崢顥，等.基于近紅外光譜和模式識(shí)別技術(shù)鑒別大米產(chǎn)地的研究[J].光譜學(xué)與光譜分析，2013，33（1）：102-105.◇

Study on the Origin of Rice by Near Infrared Diffuse Reflectance Spectroscopy

SONG Xuejian，QIAN Lili，ZHOU Yi，YU Guo，YU Jinchi，*ZHANG Dongjie
（College of Food Science，Heilongjiang Bayi Agricultural University，Daqing，Heilongjiang 163319，China）

In order to realize the rapid detection of rice production，test using near infrared diffuse reflectance spectroscopy study of 150 rice samples from Qiqihar，Jiansanjiang and Wuchang area.The results show that the near infrared diffuse reflectance spectroscopy technology has the characteristics of simple，fast，efficient and non-destructive，and can realize the accurate identification of rice origin traceability.

rice；near infrared diffuse reflectance；origin

TS207.3

A

10.16693/j.cnki.1671-9646（X）.2017.05.005

1671-9646（2017）05a-0013-03

2017-03-12

黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目資助（12541576）；黑龍江省墾區(qū)科研項(xiàng)目（HKN125B-13-02）；黑龍江省高等學(xué)?？萍紕?chuàng)新團(tuán)隊(duì)建設(shè)計(jì)劃項(xiàng)目（2014TD006）；黑龍江省應(yīng)用技術(shù)研究與開發(fā)計(jì)劃項(xiàng)目（GA14B104）。

宋雪?。?991—），男，在讀碩士，研究方向?yàn)槭称芳庸づc質(zhì)量安全。

*通訊作者：張東杰（1966—），男，博士，教授，研究方向?yàn)檗r(nóng)產(chǎn)品加工與安全。