徐明雅 趙紫薇 杜京霖 周 旭 潘丹杰 張 玥 孟祥河,*

(1 杭州市糧油中心檢驗監(jiān)測站，浙江 杭州 310009；2 浙江工業(yè)大學海洋學院，浙江 杭州 310014；3 浙江省糧油產(chǎn)品質(zhì)量檢測中心，浙江 杭州 310012)

膠稠度是評判大米食用品質(zhì)的重要指標之一[1-3]，可以間接反映蒸煮大米的硬度[4-5]。通過檢測大米膠稠度和堿消解值可以評價稻谷的食用品質(zhì)[6]。目前，國標法是最常用的測定膠稠度的方法，其主要通過將米粉溶解、糊化、回生形成膠體后，測定水平條件下膠體的流動長度來表征膠稠度，然而該方法存在耗時長，糊化程度難以控制，極易導(dǎo)致較大試驗誤差等缺點[7]。此外，姜松等[8]和劉錦偉[9]通過測定秈米膠的反擠壓特性及蒸煮秈米的壓縮特性來表征秈米膠稠度，并研究壓縮量和測試速度對測定的結(jié)果，尋找顯著性最相關(guān)的反應(yīng)條件，從而實現(xiàn)了秈米膠稠度的準確測定，但該方法并未實現(xiàn)快速檢測的需求。因此，建立一種快速、準確、無損、可實現(xiàn)在線監(jiān)測的大米膠稠度測定方法至關(guān)重要。

紅外光譜是近些年發(fā)展起來的一種現(xiàn)代分析新技術(shù)，因其分析快速，操作簡單，不需要任何化學試劑，對樣品無損傷，便于實現(xiàn)在線分析的特點，已被廣泛應(yīng)用于稻谷質(zhì)量分析研究。其中，傅里葉變換中紅外光譜(fourier transform infrared spectroscopy，F(xiàn)TIR)是研究波數(shù)在4 000～400 cm-1范圍內(nèi)的光波輻射化合物時依照其光能團吸收能量而產(chǎn)生的干涉光譜，相較以往的中紅外光譜，其掃描時間短，光強度高，測量結(jié)果更加精確[9-10]。近紅外光譜(near infrared spectrum，NIR)是一種波數(shù)介于12 500～4 000 cm-1的光譜，其在稻谷質(zhì)量定性定量分析中同樣應(yīng)用廣泛。偏最小二乘法(partial least square，PLS)是一種新型的多元統(tǒng)計數(shù)據(jù)分析方法，該方法可最大化兩個數(shù)據(jù)組的協(xié)方差，對非線性關(guān)系模型的建模非常有效[11-16]。但傳統(tǒng)的PLS建模方法并不能對每種模型進行較好的預(yù)測，因此改進PLS方法已成為必不可少的分析手段。Siriphollakul等[17]采用近紅外透射結(jié)合PLS法測定大米的直鏈淀粉含量及蒸煮大米的品質(zhì)指標；Shao等[18]利用NIR結(jié)合PLS法測定輻照大米的淀粉及蛋白質(zhì)含量，均得到了良好的結(jié)果；聶煌[19]利用近紅外漫反射結(jié)合PLS法構(gòu)建稻谷膠稠度模型，其模型相關(guān)系數(shù)和預(yù)測標準偏差分別為0.78和6.83，模型預(yù)測效果并不理想。因此，構(gòu)建更為準確的稻谷膠稠度定量分析模型至關(guān)重要。

本研究主要探討近紅外及中紅外結(jié)合區(qū)間偏最小二乘法(interval partial least square，iPLS)和向后區(qū)間偏最小二乘法(reverse interval partial least square，BiPLS)建立的兩種稻谷膠稠度模型的優(yōu)化方法，并對其測定結(jié)果進行比較，以期得到更加準確的預(yù)測模型，從而實現(xiàn)稻谷膠稠度的準確、快速、無損、在線監(jiān)測，同時為相關(guān)檢測部門提供重要的技術(shù)支持。

1 材料與方法

1.1 材料

稻谷樣品來自浙江省杭州市余杭、桐廬、蕭山、富陽等多地區(qū)的107份樣品，包括2015和2016年的粳稻谷、早秈稻谷及晚秈稻谷若干。樣品經(jīng)礱谷機去殼、碾米機去除糙米層，實驗室粉碎磨粉碎，粉末過150目(106 μm)篩后，在室溫條件下放置1個月，待其水分與外界平衡后測定膠稠度。

1.2 主要儀器與設(shè)備

JZK8014型碾米機，瑞典波通儀器公司；3100型實驗室粉碎磨，瑞典波通儀器公司；THU35C型礱谷機，瑞典波通儀器公司；Thermo Fisher近紅外光譜儀(配有RESULT-Integration操作軟件)，美國賽默飛世爾科技公司；BRUKER TENSOR 27傅里葉變換紅外光譜儀(配有漫反射樣品采集系統(tǒng)和OPUS操作軟件)，德國布魯克公司。

1.3 試驗方法

1.3.1 稻谷膠稠度的測定 稻谷膠稠度隨著儲藏時間的延長而減小[20-21]。在一定范圍內(nèi)，稻谷膠稠度值越高，大米粘度越大，其品質(zhì)越好，米飯越柔軟[22]。稻谷膠稠度化學值依據(jù)GB/T 22294-2008[7]測定，每個樣品測定3次，取平均值，米膠長度以mm表示。根據(jù)測定長度不同，可將膠稠度分為軟膠體(>61 mm)、中等膠稠度(40～60 mm)及硬膠稠度(<40 mm)三種。

1.3.2 近紅外漫反射光譜采集 利用近紅外光譜儀(配有RESULT-Integration操作軟件)采集近紅外漫反射光譜。測定范圍10 000～4 000 cm-1，掃描次數(shù)32次，分辨率4 cm-1。通過旋轉(zhuǎn)樣品杯及優(yōu)化增益減少每次掃描的誤差，以空氣為空白對照，每個樣品采集3次，取平均值，共收集樣品光譜321個，從數(shù)據(jù)中選擇三分之一的樣品數(shù)據(jù)作為樣品的驗證集。

1.3.3 傅里葉變換中紅外漫反射光譜的采集 利用傅里葉變換紅外光譜儀(配有漫反射樣品采集系統(tǒng)，OPUS操作軟件)采集樣品光譜。測定范圍4 000～400 cm-1，掃描次數(shù)32次，分辨率4 cm-1，保持室內(nèi)溫度 25℃左右，濕度約45%。以空氣為空白對照，每個樣品采集3次，取平均值，從數(shù)據(jù)中選擇三分之一的樣品數(shù)據(jù)作為樣品的驗證集。

1.3.4 模型建立 采用TQ analyst 軟件對收集到的紅外光譜建立偏最小二乘模型，并對模型進行預(yù)處理分析。中紅外光譜的優(yōu)化范圍為4 000～600 cm-1，近紅外光譜操作范圍為10 000～4 000 cm-1。預(yù)處理的方式包括標準歸一化法(standard normal variate，SNV)、多元散射校正(multiplicative scatter correction，MSC)、一階導(dǎo)數(shù)(first derivative，F(xiàn)D)、二階導(dǎo)數(shù)(second derivative，SD)、平滑處理(smoothing)等。通過BiPLS法對模型進行優(yōu)化，并以校正相關(guān)系數(shù)(R2)、相對分析誤差(residual prediction deviation，RPD)和預(yù)測均方差(root mean square error of prediction，RMSEP)作為主要驗證指標，其中：

RPD=RMSEP/x

式中，x為預(yù)測集稻谷膠稠度含量的平均值。

1.3.5 模型優(yōu)化 為進一步提高模型的穩(wěn)定性，本試驗采用iPLS和BiPLS法對其進行模型的優(yōu)化。iPLS的基本原理為將全譜等分成n個子區(qū)間，在每個子區(qū)間上建立PLS模型，得到的最佳模型所對應(yīng)的區(qū)間即為與自變量擬合程度高的最優(yōu)區(qū)間[23]。BiPLS是在iPLS的基礎(chǔ)上，將全譜等分成n個子區(qū)間后，在n-1個區(qū)間上建立PLS模型，使得每次模型產(chǎn)生的RMSECV值最低。首先被排除的區(qū)間，對整個模型的重要性最低；循環(huán)此步驟直到只剩最后一個區(qū)間，最終得出最優(yōu)波譜組合區(qū)間模型[24]。

2 結(jié)果與分析

2.1 稻谷粘稠度的測定結(jié)果

對107份來自不同地區(qū)的稻谷樣品進行膠稠度測定。結(jié)果表明，稻谷膠稠度測定結(jié)果最大值為96.0 mm，最小值為40 mm，平均值為69.049 mm，標準差為12.58 mm(圖1)。

2.2 近紅外漫反射及中紅外漫反射光譜采集結(jié)果

由2-A可知，3 700～2 500 cm-1處的吸收峰峰值范圍廣，峰型寬而鈍，這是因為此處由多個峰疊加而成。3 500 cm-1處的吸收峰是由N-H鍵伸縮振動引起的，在3 600 cm-1處存在游離態(tài)O-H吸收峰，在3 300～2 500 cm-1范圍內(nèi)存在C-H伸縮振動及-COOH吸收峰。1 654 cm-1處的峰可能主要是由C=O雙鍵共同作用產(chǎn)生的；1 400～1 300 cm-1處形成的峰是由C-H鍵的彎曲振動引起的；1 200～960 cm-1處吸收峰是由C-O伸縮振動造成的。其中，C=O雙鍵、C-O、N-H鍵的伸縮振動與膠稠度緊密相關(guān)[25-27]。

圖1 稻谷膠稠度國標法測定值頻率分布Fig.1 The state standard method for determining the frequency distribution of rice consistency

由圖2-B可知，5 164 cm-1處有非常強烈的吸收峰，這是由O-H的伸縮及彎曲振動合力引起的，同時，6 857 cm-1處有另一個比較強烈的吸收峰，是由O-H的一級倍頻峰及C-H的彎曲振動基頻峰引起的，形成此峰的官能團通常存在于樣品蛋白質(zhì)、直鏈淀粉及水分之中[28]。8 316 cm-1處是甲基(-CH3)中C-H的二級倍頻峰，且在6 872～5 058 cm-1之間的吸收峰也是由于C=O、C-H、N-H的伸縮振動引起的，其中C-H的伸縮振動也與膠稠度緊密相關(guān)[29]。

圖2 稻谷原始漫反射紅外光譜Fig.2 The original infrared spectra of rice

2.3 光譜預(yù)處理結(jié)果

利用TQ analyst軟件在一定光譜范圍內(nèi)(中紅外光譜的優(yōu)化范圍為4 000～600 cm-1，近紅外光譜操作范圍為10 000～4 000 cm-1)建立稻谷樣品膠稠度模型，通過比較交互驗證系數(shù)(R2)、交叉驗證均方差(root mean square error of cross-validation, RMSECV)、預(yù)測均方差(RMSEP)、相對分析誤差(RPD)等參數(shù)選取最優(yōu)的光譜預(yù)處理方式。其中，R2越接近于1，RMSECV值越小，RPD越大，則預(yù)處理方法越有效。RPD是衡量模型效果的常用指標，其運算方式為標準差(SD)與預(yù)測均方差(RMSEP)的比值。RPD值越大，模型與真值之間的差距越小。當RPD > 2時，表示模型可以粗略定量分析，反之，則不能代表該指標的真實值；當RPD > 3時，模型具有非常好的擬合性，預(yù)測分析結(jié)果良好。

由表1可知，對中紅外光譜進行3點、5點或7點平滑預(yù)處理時均能達到提高模型預(yù)測效果的目的。與原始光譜相比，光譜經(jīng)MSC、SNV處理后均能提高模型的穩(wěn)定性和準確度，而光譜經(jīng)一階導(dǎo)數(shù)和二階導(dǎo)數(shù)處理后，所得模型的RMSEP和RMSECV均未見改善。其中，當中紅外光譜經(jīng)7點平滑處理時，得到的模型RMSEP值最小(5.41)，此時R2值為 0.963 36，RPD為2.33。而對于近紅外光譜，經(jīng)MSC結(jié)合3點平滑處理時，得到的模型效果最好，此時R2為0.951 37，RMSECV、RMSEP、RPD分別為5.17、4.18、 3.01；此時稻谷膠稠度模型的RPD值超過了3，表明所得模型效果最優(yōu)，同時具有良好的預(yù)測效果。因此，采用近紅外漫反射所構(gòu)建的稻谷膠稠度模型的效果優(yōu)于中紅外漫反射所構(gòu)建的模型。

表1 不同紅外光譜預(yù)處理方法對模型準確性的影響Table 1 Effect of different FTIR preprocessing methods on the model accuracy

表2 不同波段組合及BiPLS法對中紅外光譜模型優(yōu)化結(jié)果比較Table 2 The optimization results of mid-infrared BiPLS model

2.4 中紅外漫反射模型優(yōu)化結(jié)果

2.4.1 中紅外光譜結(jié)合iPLS法分析稻谷膠稠度模型效果 為了進一步提高模型的穩(wěn)定性，對建模區(qū)間進行相應(yīng)的選擇優(yōu)化，將中紅外光譜(4 000～600 cm-1)以100 cm-1為單位分成34個區(qū)間，在每個區(qū)間上以7點平滑方式預(yù)處理光譜，并建立相應(yīng)的區(qū)間偏最小二乘法模型，共得到34個模型(圖3)。結(jié)果表明，與稻谷膠稠度有良好擬合度的區(qū)間主要集中在4 000～3 600和2 100～1 500 cm-1區(qū)間內(nèi)，這可能是因為這些區(qū)間范圍涵蓋了C=O、C=C雙鍵的伸縮振動和O-H締合態(tài)伸縮振動的部分吸收峰。而在1 800～1 700 cm-1區(qū)間建模時，所構(gòu)建的模型效果最好(R2=0.831 96，RMSEC=8.00)。

圖3 稻谷膠稠度中紅外不同區(qū)間R2值大小柱狀圖Fig.3 The R2 histogram of rice gel FTIR spectra

2.4.2 中紅外光譜結(jié)合BiPLS分析稻谷膠稠度模型效果 將全波譜以100 cm-1為單位分成34個區(qū)間，每次運算去掉一個區(qū)間，使模型的RMSECV最小，去掉的區(qū)間即為對建模整體作用最小的區(qū)間，多次重復(fù)后，得到最佳優(yōu)化模型的R2=0.965 81，RMSECV=4.79，RMSEP=4.73，經(jīng)計算該模型RPD值為2.66(表2)。優(yōu)化后的模型所對應(yīng)的區(qū)間為3 800～3 500、3 100～3 000、2 800～2 400、2 200～2 100、2 000～1 200、1 100～700 cm-1。將之前區(qū)間偏最小二乘法結(jié)果中R2> 0.5的模型組合，發(fā)現(xiàn)此方法對模型無優(yōu)化作用。

2.5 近紅外漫反射模型優(yōu)化結(jié)果

2.5.1 近紅外光譜結(jié)合iPLS分析稻谷膠稠度模型效果 將近紅外光譜(10 000～4 000 cm-1)以200 cm-1為單位分成30個區(qū)間，在每個區(qū)間上以MSC結(jié)合3點平滑方式預(yù)處理光譜，并建立相應(yīng)的區(qū)間偏最小二乘法模型，共得到30個模型(圖4)。結(jié)果表明，近紅外光譜對稻谷膠稠度的擬合程度遠高于中紅外，其中約三分之二的iPLS模型對膠稠度擬合度在0.8以上。當建模區(qū)間為4 400～4 200 cm-1時，模型效果最優(yōu)，此時，R2=0.935 55。

圖4 稻谷膠稠度近紅外不同區(qū)間R2值大小柱狀圖Fig.4 The R2 histogram of rice gel NIR spectra

2.5.2 近紅外光譜結(jié)合BiPLS分析稻谷膠稠度模型效果 將全波譜以200 cm-1為單位分成30個區(qū)間，每次運算去掉一個區(qū)間，使模型的RMSECV最小，以此類推，最終得到BiPLS法最優(yōu)模型。另外，將之前區(qū)間偏最小二乘法結(jié)果中若干R2值較大(R2> 0.8)的模型組合，對模型進行簡單優(yōu)化，并與BiPLS優(yōu)化結(jié)果對比(表3)。結(jié)果表明，隨著R2范圍的擴大，模型R2值呈先升高后下降的趨勢，當R2>0.88時，模型的R2最大，RMSECV最小。但模型RMSEP值隨著R2范圍的擴大逐漸減小，當R2>0.8時，其RMSEP值最小，說明光譜模型在此區(qū)間內(nèi)更加準確，此時模型RPD值為3.20，因此當建模區(qū)間為6 200～4 600、7 600～6 400、8 200～7 800 cm-1時，模型效果最優(yōu)。而通過BiPLS法得到的最優(yōu)模型的R2=0.964 58、RMSECV=4.35、RMSEP=3.68，經(jīng)計算其對應(yīng)的RPD為3.42，模型對應(yīng)的的區(qū)間為9 800～9 000、8 600～7 600、7 200～7 000、6 800～5 000、5 800～4 800、5 600～4 000 cm-1，此時模型的預(yù)測能力達到最好，可以更加有效地反映稻谷膠稠度的測定值，且準確性更好。

2.6 驗證試驗

為了驗證兩種紅外光譜膠稠度模型的準確性，額外隨機選取10種不同種類稻谷，對其膠稠度分別進行國標法和紅外法測定，并將兩種方法所得數(shù)值進行比較。由表4可知，不同種類的稻谷中紅外預(yù)測值和國標值之間的相對誤差約在0.06%～3.92%之間，平均相對誤差約為2.60%；近紅外預(yù)測值和國標值之間得相對誤差約在0.78%～3.78%之間，平均相對誤差約為1.93%。綜上可知，兩種模型對稻谷膠稠度的預(yù)測程度相近，其中近紅外模型準確度相對較高。

表4 稻谷膠稠度化學值與FTIR、NIR預(yù)測值的比較Table 4 Comparison of rice gel chemical value and predicted value of FTIR and NIR

3 討論

膠稠度是大米品質(zhì)評價的一項重要指標。本研究基于中紅外漫反射和近紅外漫反射紅外光譜技術(shù)，結(jié)合SNV、MSC、FD、SD等波譜預(yù)處理方式構(gòu)建稻谷膠稠度紅外模型，同時利用iPLS和BiPLS方法對建模區(qū)間進行優(yōu)化，結(jié)果顯示優(yōu)化后的近紅外及中紅外模型均可以很好地表征稻谷膠稠度。此外，與中紅外光譜相比，近紅外光譜模型的RMSEP值相對較小，即近紅外可以達到更好的預(yù)測效果。而中紅外光譜模型的優(yōu)勢在于試驗中所需米粉質(zhì)量是近紅外的1/80。所以中紅外光譜更適用于微量或者少量樣品的分析，然而，樣品量較小是導(dǎo)致中紅外收集到的光譜平行性比近紅外差的主要原因。

Bao等[22]基于近紅外光譜技術(shù)構(gòu)建了大米膠稠度的模型，其校正相關(guān)系數(shù)及交叉驗證相關(guān)系數(shù)分別為0.81、0.71，模型效果明顯低于本試驗結(jié)果。這可能是因為前人構(gòu)建的大米淀粉近紅外的模型是測定大米質(zhì)量參數(shù)(包括直鏈淀粉、攤裂度等)的總模型，而該總模型對大米膠稠度并不適用。聶煌[19]采用DA7200型二極管陣列近紅外光譜對稻谷樣品進行光譜采集后，對其進行一階導(dǎo)數(shù)和標準正態(tài)變量轉(zhuǎn)換法預(yù)處理后，利用偏最小二乘法建立稻谷膠稠度定量分析模型，結(jié)果顯示其相關(guān)系數(shù)和預(yù)測標準偏差分別為0.78和6.83。類似地，謝新華等[30]利用近紅外透射光譜技術(shù)結(jié)合改進的偏最小二乘法，同時采用標準正常化和散射處理，構(gòu)建了大米膠稠度模型，并得到了較好的結(jié)果，其定標標準偏差、交叉檢驗標準誤差和定標決定系數(shù)分別為10.35、10.51、0.827 9，相關(guān)性達到極顯著水平。但上述模型的準確性均明顯低于本試驗結(jié)果，這可能是由于本試驗在稻谷膠稠度建模的基礎(chǔ)上，利用區(qū)間偏最小二乘法對建模區(qū)間進行優(yōu)化，在一定程度上提高了模型的準確性。

此外，本試驗方法與國標法相比，避開了易產(chǎn)生較大誤差的制膠步驟，極大縮短試驗時間的同時，提高了試驗的準確度，且本試驗方法對于少量樣品的測定具有極強的實用性，為稻谷膠稠度的商業(yè)化應(yīng)用提供了思路。

4 結(jié)論

本研究結(jié)果表明，近紅外和中紅外均可用于稻谷脂肪酸值的快速測定。其中，近紅外模型經(jīng)BiPLS優(yōu)化后，模型的R2、RMSEP及RPD分別為 0.964 58、3.68、3.42；中紅外經(jīng)BiPLS優(yōu)化后，模型的R2、RMSEP及RPD分別為0.96581、4.73、2.66。近紅外模型的RPD值高，模型預(yù)測準確性更高。本研究結(jié)果為稻谷品質(zhì)檢測及控制提供了新的途徑。