宋雪健，錢麗麗，于金池，張東杰

（黑龍江八一農(nóng)墾大學食品學院，黑龍江 大慶163319）

基于近紅外光譜技術對建三江大米快速檢測分析研究

宋雪健，錢麗麗，于金池，張東杰*

（黑龍江八一農(nóng)墾大學食品學院，黑龍江 大慶163319）

為實現(xiàn)建三江大米的真假快速鑒別，應用近紅外光譜儀測定來自建三江及非建三江地區(qū)的150份大米樣品，對原始光譜進行預處理后，采用因子化法進行鑒別分析，最大合格性索引法進行合格性檢測分析，偏最小二乘法（partial least squares，PLS）法進行定量分析。結果表明，3種模式識別方法對建三江地區(qū)的大米正確判別率均在90.00%以上。因此，應用近紅外光譜技術在建三江大米真假鑒別研究中具有可行性。

大米；近紅外光譜（NIR）；鑒別分析；合格性測試；偏最小二乘法（PLS）

大米作為人類主要食量之一，含有豐富的蛋白質、糖類、脂肪、膳食纖維等營養(yǎng)成分以及大量人體必需的微量元素[1]。近年來我國大米種植面積連年翻升，據(jù)美國農(nóng)業(yè)部發(fā)布的最新報告顯示，2016年～2017年年度中國大米產(chǎn)量預計為1.465億t。全國第一個以規(guī)模型水稻生產(chǎn)和加工的建三江墾區(qū)有著“中國綠色米都”的稱號，建三江大米于2010年成為國家地理標志產(chǎn)品[2]。建三江大米營養(yǎng)成分豐富，其中蛋白質含量≥6.0%，直鏈淀粉含量15.0%～19.0%，具有籽粒晶瑩剔透有光澤、粒型適中、堊白度小等特點，備受廣大消費者青睞，有著廣闊的市場前景。因此，市場上一些不法商販受經(jīng)濟利益的驅使，售賣假冒建三江大米現(xiàn)象普遍存在，同時有些農(nóng)戶并沒有按照標準的栽培技術種植大米，卻以“建三江大米”的品牌進行銷售，嚴重破壞了品牌聲譽。因此，開發(fā)一項快速鑒別建三江大米的技術，快速準確地鑒別建三江大米可為其流通監(jiān)管，維護品牌聲譽，保護消費者的合法權益提供技術及理論支持。

電子舌技術[3]、氣相色譜-串聯(lián)四極桿飛行時間質譜（GC/Q-TOF MS）技術[4]、原子吸收光譜法（AAS）技術[5]等被應用于大米產(chǎn)地溯源檢測研究，但在一定程度上存在持續(xù)周期長、效率低下、檢測費用高等缺點。近紅外光譜技術有著分析速度快、效率高、操作簡單等特點，被廣泛應用于醫(yī)藥[6]、農(nóng)業(yè)[7]、石油[8]、食品[9]等領域。張曉焱[10]對江西、重慶和湖南3個產(chǎn)地的72個臍橙樣品建立了柑桔產(chǎn)地的PLS-DA模型。結果表明，3類樣品能明顯區(qū)分開，模型對訓練集和驗證集樣品的識別準確率達到100%。張龍等[11]采用近紅外光譜結合化學計量學方法對不同省份來源的花生樣品進行溯源研究。結果表明，小波轉換結合k最近鄰分析對花生產(chǎn)地分類效果最好，原始正確分類率為100.0%。周海波等[12]利用近紅外光譜技術對寧夏、新疆、青海、內蒙的4個不同產(chǎn)地427份枸杞子樣品進行光譜掃描。結果表明，利用該模型可以將寧夏產(chǎn)地枸杞子與其他三地分開，且寧夏產(chǎn)地分別與新疆、內蒙、青海產(chǎn)地比較，判別準確率分別為98.3%、98.1%、97.9%。試驗運用近紅外光譜技術結合化學計量法對建三江大米真假快速鑒別進行研究，為建三江大米產(chǎn)地溯源保護的研究提供理論及技術支持。

1 材料與儀器

1.1 試驗材料

試驗隨機選取黑龍江省水稻主產(chǎn)區(qū)建三江、五常、響水3個地區(qū)進行隨機采樣，每份樣本采集2 kg并記錄采樣信息，所有大米樣品均為粳米，共計150份，樣本詳細信息如表1。

表1 樣品信息Table 1 Samples source

1.2 試驗儀器

FC2K礱谷機：日本大竹制作所；VP-32實驗碾米機：日本山本公司；FW100高速萬能粉碎機：天津泰斯特儀器有限公司；傅里葉近紅外光譜儀TENSORII：德國布魯克（北京）科技有限公司。

2 試驗方法

2.1 樣品前處理

將水稻樣品進行晾曬、脫粒、挑選、礱谷和碾米等統(tǒng)一加工過程后，用蒸餾水將樣品沖洗干凈，烘干，并經(jīng)由超微粉碎機制成米粉，過100目篩，待測。每個樣品礱谷2次。碾米的進樣量為3，白度為3，碾米3次。

2.2 近紅外光譜的采集方法

將近紅外儀器預熱30 min，打開OPUS 7.5軟件、檢查信號、保存峰位，掃描背景單通道光譜每間隔1 h掃描一次背景，消除外界信息干擾保證光譜的穩(wěn)定性以減少試驗誤差。將樣品粉末倒入玻璃杯中，用壓樣器壓實（保證樣品厚度一致），測量樣品單通道采集樣品光譜。環(huán)境溫度為室溫（25±1）℃，相對濕度為30%～50%。光譜波數(shù)范圍：12 000 cm-1～4 000 cm-1。分辨率：8 cm-1。掃描次數(shù)：64次。

圖1 大米樣品近紅外原始光譜圖Fig.1 Near infrared original spectra of rice samples

2.3 材料選取

試驗樣品的選取參照表1。隨機選擇全部樣品量的2/3作為建模樣品用于模型的建立，1/3作為預測樣品集用于模型的驗證。各地域用于建模和預測的樣品數(shù)見表2。

表2 建模與預測樣品Table 2 Modeling and gorecasting samples

2.4 建三江大米產(chǎn)地溯源模型的建立

2.4.1 基于定性分析的建三江大米產(chǎn)地溯源模型的建立

采用OPUS 7.5軟件內置定性分析方法（鑒別分析、合格性測試）進行模型的建立，采用矢量歸一化、一階導數(shù)+平滑、一階導數(shù)+矢量歸一化+平滑、二階導數(shù)+平滑、二階導數(shù)+矢量歸一化+平滑等方式對建模原始光譜進行預處理，以消除采集過程中的無關信息，提高模型的準確性，例如樣品重復性不好，可以通過光譜歸一化來消除這一影響。其中平滑點數(shù)為5、9、13、17、21、25 點，下同，篩選出差異明顯的波段。在差異波段范圍內采用歐式距離法和因子化法對光譜進行計算處理，通過比較S值最終確定最優(yōu)預處理方式及光譜計算方法并建立鑒別分析模型；通過比較不同預處理方式來調整最大合格性索引來確定合格性指數(shù)CI的界限值，進而確定建立合格性測試模型的方式。

2.4.2 基于定量分析的建三江大米產(chǎn)地溯源模型的建立

OPUS 7.5軟件中建立定量分析模型所采用法計算方法為偏最小二乘法（PLS），并結合二進制方法（0，1）標識建三江大米和非建三江大米的組分值，波段選擇及預處理方式則是通過系統(tǒng)優(yōu)化自動選擇最優(yōu)組合。同樣光譜的預處理方式有消除常數(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、內部標準、一階導數(shù)+平滑、二階導數(shù)+平滑、一階導數(shù)+減去一條直線+平滑、一階導數(shù)+矢量歸一化+平滑、一階導數(shù)+多元散射校正+平滑，采用交叉檢驗方式進行模型檢驗，并最終建立定量分析模型。

2.5 模型驗證方法

利用OPUS 7.5軟件分別選擇定性分析、合格性測試和定量分析工具欄，調入模型，調入預測樣品光譜圖，測定，得出結果。

3 結果與分析

3.1 不同波段及預處理方法的選擇對定性分析建模效果的影響

定性分析通過比較未知樣品與已知樣品的光譜來確定未知樣品的歸屬。原始光譜經(jīng)過預處理后，在波數(shù)為范圍 5 000 cm-1～5 500 cm-1、7 000 cm-1～7 500 cm-1處差異明顯，前者是C-H第一組合頻譜區(qū)，是表征蛋白質及淀粉物質中的N-H，C-H，O-H及C=O健振動的主要區(qū)間，其中5 173 cm-1處的吸收峰與其有關，后者是因為C-H的二級倍頻所引起的差異。為體現(xiàn)出波段特性，故選 5 000 cm-1～5 500 cm-1、7 000 cm-1～7 500 cm-1、5 000 cm-1～5 500 cm-1和 7 000 cm-1～7 500 cm-1波數(shù)區(qū)域采取不同計算方式進行建模分析，結果如表3。

表3 不同波段下預處理方法對定性鑒別分析模型效果的影響Table 3 Under different bands effect qualitative discriminant analysis model effect from pretreatment

試驗根據(jù)S值（表征兩類樣品的“距離”，數(shù)值越大表示兩類樣品距離越遠，差異越顯著，故數(shù)值越大模型效果越好）的大小來表征鑒別分析模型的好壞，根據(jù)S值研究表明：采用因子化法建立模型的效果優(yōu)于采用歐式距離法建立的模型，故在波數(shù)為5 000 cm-1～5 500 cm-1處，采用一階導數(shù)+5點平滑的預處理方式結合因子化法建立鑒別分析模型時，建三江大米和非建三江大米樣品均被唯一鑒別，且S值為2.102，故選取此方法建立模型，如圖2。

圖2 因子化法2D得分圖Fig.2 2D score figure factorization method

試驗與于燕波[13]在光譜范圍4 500 cm-1～8 000 cm-1對水稻葉片進行分析所采用的因子化法相一致。

合格性測試通過比較未知光譜與特定參考光譜的相似程度，其近紅外光譜偏差是否在一定限定范圍內，所以合格性測試不同于鑒別分析和聚類分析。試驗根據(jù)合格性指數(shù)CI來衡量模型的質量，CI數(shù)值越小，表明樣品較為集中，模型預測率較高，結果如表4所示。

表4 不同波段下預處理方式對合格性測試模型效果的影響Table 4 Under different bands effect conformity test model effect from pretreatment

續(xù)表4 不同波段下預處理方式對合格性測試模型效果的影響Continue table 4 Under different bands effect conformity test model effect from pretreatment

在波數(shù)為7 000 cm-1～7 500 cm-1處，采用一階導數(shù)+矢量歸一化+25點平滑的預處理方式建立的合格性測試模型的CI值為2.8，相比較其他建模方式而言數(shù)值較小，故選取此方法建立合格性測試模型，如圖3所示。

圖3 建三江大米最大合格性索引Fig.3 The maximum eligibility index was derived from Jiansanjiang rice

3.2 定性分析模型的驗證

利用OPUS 7.5軟件，調入建立鑒別分析模型即波數(shù)為5 000 cm-1～5 500 cm-1，預處理方式為一階導數(shù)+5點平滑，計算方法為因子化法，對預測樣品進行鑒別，定性分析鑒別兩類大米樣品的結果如表5所示。

結果表明，建三江地區(qū)的大米鑒別正確率為100%，非建三江地區(qū)的大米鑒別正確率為93.93%。調入合格性測試模型即波數(shù)為7 000 cm-1～7 500 cm-1，預處理方式為一階導數(shù)+矢量歸一化+25點平滑，確定CI值的方式為最大合格性索引，對預測樣品進行合格性測試，結果表明，建三江地區(qū)的大米合格率為94.11%，非建三江大米的合格率為90.90%。

表5 定性分析鑒別兩類大米樣品的結果Table 5 Qualitative analysis to identify the results of two types of rice samples

3.3 不同波數(shù)及預處理方法的選擇對定量分析建模效果的影響

定量分析采用偏最小二乘法（PLS）進行擬合，建立近紅外光譜與樣品分類的相關聯(lián)系。采用OPUS 7.5軟件中的定量分析結合交叉檢驗方式對樣品光譜的波數(shù)范圍、預處理方式、均方根誤差RMSECV、R2為定向系數(shù)及維數(shù)的確定進行優(yōu)化處理，得出最優(yōu)組合。R2為定向系數(shù)，數(shù)值越接近100%則預測含量值愈接近真值；均方根誤差RMSECV可以作為模型質量的判據(jù)，數(shù)值越小越好；維數(shù)先下降后上升或有上升的趨勢，模型效果較好。結果表明：在波數(shù)為4 597.8 cm-1～6 100.9 cm-1與 7 498.5 cm-1～9 400.9 cm-1組合處采用多元散射校正的預處理方式建立的定量分析模型效果較高，其中RMSECV為0.066 6，維數(shù)為5，如圖4、圖5所示。故選此方法建立定量分析模型。試驗與王傳梁等[14]運用PLS法對大米脂肪含量測定所采用的優(yōu)化方式相一致。

圖4 地區(qū)預測值與參考值相關圖Fig.4 Predicted value and the reference value related to FIG

圖5RMSCV與維數(shù)的關系圖Fig.5 RMSCV and dimension diagram

3.4 定量分析模型的驗證

利用OPUS7.5軟件，調入定量分析模型，波數(shù)為4 597.8 cm-1～6 100.9 cm-1與 7 498.5 cm-1～9 400.9 cm-1組合，預處理方式為多元散射校正時，對預測樣品進行定量分析，以預測值在真實值±0.2范圍內表示判別結果正確，結果表明，建三江地區(qū)的大米判別正確率為94.44%，非建三江地區(qū)的大米判別正確率為93.93%，如表6。

表6 定量分析鑒別兩類大米樣品的結果Table 6 Quantitative analysis of the results of two types of rice samples

4 結論

試驗選取黑龍江省地理標識大米建三江大米和非建三江大米共計150份，對其進行產(chǎn)地溯源研究，應用因子化法在波數(shù)為5 000 cm-1～5 500 cm-1結合一階導數(shù)+5點平滑的預處理方式建立鑒別分析模型，并對模型進行預測，結果表明，建三江地區(qū)的大米鑒別正確率為100%，非建三江地區(qū)的大米鑒別正確率為93.93%，且采用因子化法建立的模型比歐式距離法建立的模型準確度高。通過最大合格性索引的方式在波數(shù)為7 000 cm-1～7 500 cm-1處結合一階導數(shù)+矢量歸一化+25點平滑的預處理方式建立合格性測試模型，并對模型進行預測，結果表明，建三江地區(qū)的大米合格率為94.11%，非建三江大米的合格率為90.90%。采用PLS法在波數(shù)為 4 597.8 cm-1～6 100.9 cm-1與 7 498.5 cm-1～9 400.9 cm-1組合處結合預處理方式為多元散射校正建立定量分析模型，并對模型進行預測，結果表明，建三江地區(qū)的大米判別正確率為94.11%，非建三江地區(qū)的大米判別正確率為93.93%。研究表明：近紅外光譜技術在地理標志建三江大米產(chǎn)地溯源的研究中具有可行性，能夠滿足建三江大米的快速鑒別需求，接下來將對于基因型、年際、品種等因素進行進一步研究。

[1]王娜娜,馮昕鞾,孫玉萍,等.氣相色譜結合化學計量學區(qū)分大米貯藏時間與產(chǎn)地[J].分析測試學報,2013,32(10)：1227-1231

[2]中華人民共和國國家質量監(jiān)督檢驗檢疫總局.關于批準對晉州鴨梨、建三江大米、云和黑木耳、廣武大蔥、東壩蠶繭實施地理標志產(chǎn)品保護的公告[J].中國食品,2010(18)：90

[3]惠延波,潘印卿,王莉,等.基于電子舌技術的不同品種大米區(qū)分識別研究[J].科學技術與工程,2014,14(33)：250-254

[4]馮雪,柳艷霞,賀澤英,等.稻米代謝組學分析方法的建立及在產(chǎn)地溯源中的應用[J].分析測試學報,2016,35(5)：514-519

[5]張玥,王朝輝,張亞婷,等.基于主成分分析和判別分析的大米產(chǎn)地溯源[J].中國糧油學報,2016,31(4)：1-5

[6]張勛,林曉,徐偉,等.近紅外漫反射法檢測降壓類中成藥中非法添加尼莫地平[J].湖南中醫(yī)藥大學學報,2015,35(12)：64-67

[7]于瀟禹.基于近紅外的土壤成分檢測儀器研究[D].哈爾濱：哈爾濱理工大學,2013

[8]任紅艷,史學正,莊大方,等.基于可見-近紅外反射光譜的油區(qū)農(nóng)田土壤石油烴含量估測研究[J].土壤,2013,45(2)：295-300

[9]於筱嵐,徐寧,何勇.近紅外分析技術在食品氨基酸檢測中應用的研究進展[J].光譜學與光譜分析,2014(9)：2377-2381

[10]張曉焱.基于近紅外光譜的柑桔產(chǎn)地溯源及橙汁摻假識別研究[D].重慶：西南大學,2010

[11]張龍,潘家榮,朱誠.近紅外光譜分析技術在花生原產(chǎn)地溯源中的應用[J].食品科學,2013,34(6)：167-170

[12]周海波,陳林,閆永利.近紅外光譜技術在寧夏枸杞子產(chǎn)地鑒別中的應用研究[J].檢驗檢疫學刊,2014(2)：52-55

[13]于燕波.近紅外光譜分析技術在轉基因水稻識別和高油棉籽篩選中的應用研究[D].北京：中國農(nóng)業(yè)大學,2014

[14]王傳梁,陳坤杰.基于近紅外漫反射技術的大米脂肪含量的研究[J].糧油加工,2007(2)：62-64

Study on Rapid Detection Analysis of Jiansanjiang Rice Based on Near Infrared Spectroscopy

SONG Xue-jian，QIAN Li-li，YU Jin-chi，ZHANG Dong-jie*
（College of Food Science，Heilongjiang Bayi Agricultural University，Daqing 163319，Heilongjiang，China）

In order to quickly identify the true and false of Jiansanjiang rice，the 150 samples of rice from Jiansanjiang and Yijiang Sanjiang areas were measured by near infrared spectroscopy.The factorization method was used to carry out the discriminant analysis，and the maximum eligibility index method was used for conformity test analysis and partial least squares（PLS）method for quantitative analysis that after the original spectra were pretreated.The results showed that the correct discriminating rate of rice in Jiansanjiang area was more than 90.00%，according to three kinds of pattern recognition methods.In conclusion，near infrared spectroscopy（NIRS）is feasible in the study of authenticity of Jiansanjiang Rice.

rice；near infrared spectroscopy（NIR）；identification analysis；compliance testing；partial least squares（PLS）

2016-10-14

10.3969/j.issn.1005-6521.2017.14.029

黑龍江省教育廳科學技術研究項目資助（12541576）；黑龍江省墾區(qū)科研項目（HKN125B-13-02）；黑龍江省高等學?？萍紕?chuàng)新團隊建設計劃項目（2014TD006）；黑龍江省應用技術研究與開發(fā)計劃項目（GA14B104）

宋雪?。?991—），男（漢），研究生，研究方向：食品加工與質量安全。

*通信作者：張東杰（1966—），男，教授，博士，研究方向：農(nóng)產(chǎn)品加工與安全。