萬智巍，李明啟，賈玉連，蔣梅鑫*

1(江西師范大學(xué) 地理與環(huán)境學(xué)院，鄱陽湖濕地與流域研究教育部重點實驗室，江西 南昌，330022) 2(中國科學(xué)院地理科學(xué)與資源研究所，陸地表層格局與模擬院重點實驗室，北京，100101)

淀粉是糧食作物的主要組成成分，廣泛應(yīng)用于食品、化工、醫(yī)藥等領(lǐng)域[1-3]。近年來，淀粉及其深加工產(chǎn)品在新能源開發(fā)、食品深加工、日用化妝品研制等方面發(fā)揮了重要作用[4-5]。淀粉在植物體中一般是以淀粉顆粒的形式存在[5-6]，不同植物受到遺傳特征等因素的影響會形成不同形狀、結(jié)構(gòu)和特性的淀粉粒[7]。由于淀粉粒形態(tài)分析在食品檢驗檢疫、淀粉食品真?zhèn)舞b定方面具有重要作用[8]，很多學(xué)者對各類常見植物淀粉粒形態(tài)進(jìn)行了粒徑測量和圖譜分析[9-12]。以往的研究大多通過對不同淀粉粒進(jìn)行總體形態(tài)描述來進(jìn)行區(qū)分，定量分析上僅使用粒徑作為單一指標(biāo)進(jìn)行評估[13]，使得對淀粉粒形態(tài)的表征仍較為淺顯片面。如何使用更多元的定量分析指標(biāo)與定性分析手段相結(jié)合，實現(xiàn)對不同植物淀粉粒的形態(tài)的深入表征及鑒定區(qū)分已成為近期研究的熱點[14]。

隨著計算機(jī)技術(shù)和模式識別技術(shù)的發(fā)展，相關(guān)學(xué)者以數(shù)學(xué)幾何形態(tài)學(xué)為基礎(chǔ)，結(jié)合物理學(xué)、力學(xué)等學(xué)科的成果提出了幾何形態(tài)測量學(xué)[15]，并將其應(yīng)用于各類動物、植物、醫(yī)學(xué)、考古學(xué)等領(lǐng)域[16]。特別是在具有固定形態(tài)的生物器官、葉片、鱗片、魚耳石等方面的鑒定和自動識別上，幾何形態(tài)測量學(xué)取得了較好的效果[17-18]。這一方法不同于以往的徑向測量法，其主要側(cè)重于將物體的幾何形態(tài)進(jìn)行定量化，并通過一系列指標(biāo)將不同物體圖像的比較轉(zhuǎn)化為參數(shù)的比較，因此物體外形的輪廓分析成為幾何形態(tài)測量學(xué)的重要研究方法[19]。小麥、水稻、玉米是世界上最重要的糧食作物[20-21]，國家近年來推行土豆主糧化戰(zhàn)略，這4種農(nóng)作物也成為我國的四大主糧，山藥則是中國常見的淀粉類經(jīng)濟(jì)作物[22-24]。本文以這5種常見的主糧作物和經(jīng)濟(jì)作物的淀粉粒為研究對象，嘗試綜合利用常規(guī)粒徑分析方法和幾何形態(tài)測量學(xué)方法，在輪廓線分析、小波分析和主成分分析的基礎(chǔ)上進(jìn)行淀粉粒的定量化分析和鑒定，以期為植物淀粉粒識別提供新的形態(tài)學(xué)依據(jù)和方法。

1 材料與方法

1.1 淀粉粒提取與拍照

實驗所用小麥、水稻、玉米、土豆和山藥取自南昌市內(nèi)農(nóng)貿(mào)市場，所有樣品的淀粉粒提取和顯微拍照流程參考孔愛群等的方法進(jìn)行[8]。取小麥、水稻、玉米各1粒按完整種子全樣放入50 mL試管中，土豆、山藥在不同部位取樣5 g均勻混合后放入50 mL試管中；分別加入適量超純水，浸泡6～12 h后用玻璃棒碾碎，靜置1 h后攪拌均勻并移取100 μL滴于載玻片上，制成固定玻片后使用Nikon Eclipse 50iPOL偏光顯微鏡進(jìn)行觀察和拍照。

1.2 幾何形態(tài)測量

1.2.1 粒徑分析

淀粉粒粒徑測量使用Micro Shot v1.2圖像處理系統(tǒng)對淀粉粒樣品的長軸進(jìn)行測量，每種淀粉粒測量200個以上，使用Origin Pro 9.1軟件進(jìn)行統(tǒng)計分析，獲得最大粒徑、最小粒徑、平均粒徑等指標(biāo)。

1.2.2 外形輪廓曲線分析

淀粉粒的外形輪廓曲線的分析是幾何形態(tài)測量的基礎(chǔ)，本研究參考LOMBARTE等[25]的方法提取淀粉粒的外形輪廓，通過將淀粉粒圖像進(jìn)行二值化并獲得輪廓曲線，再使用極值化坐標(biāo)系根據(jù)等角步距獲得中心點放射線與輪廓線交點的距離值，一般取值個數(shù)為512個，具體流程參考BOOKSTEIN的研究[19]。

1.2.3 小波譜分析

將淀粉粒外形輪廓曲線按照Morlet小波變換方法轉(zhuǎn)換為淀粉粒的小波譜，不同類型的植物淀粉粒在粒徑、形狀、顆粒表面曲率、圓度等方面具有顯著差異，小波轉(zhuǎn)換后可用圖譜的形式展現(xiàn)出來，從而實現(xiàn)淀粉粒鑒定的定量分析。小波變換的原理是通過母小波的伸縮和平移對原始信號進(jìn)行分析，其基本公式為式(1)：

(1)

式中：ωf,信號函數(shù)；a，頻率參數(shù)；b，時間參數(shù)；ψ,母小波窗函數(shù)；t，時間。

1.3 主成分分析與判別分析

主成分分析方法可以將原始數(shù)據(jù)按照方差貢獻(xiàn)率綜合為較少的幾個主成分，同時又可以盡量減少信息損失。其前k個成分的累積貢獻(xiàn)率計算公式為式(2)：

(2)

式中：λ，特征值；k,提取出的成分個數(shù)；m，原始數(shù)據(jù)的變量個數(shù)。研究中取累積貢獻(xiàn)率≥80%的前k個成分作為主成分[26]，并依此利用判別分析方法確定判別方程，并將其應(yīng)用于數(shù)據(jù)的種類判定。

2 結(jié)果與分析

2.1 淀粉粒圖譜與粒徑分布

Micro Shot v1.2圖像處理系統(tǒng)的分析結(jié)果表明，本次供試的5種食物淀粉粒在粒徑分布上具有一定的差異。水稻的平均粒徑最小，僅為5.08 μm；山藥最大，為21.86 μm。小麥、土豆、玉米的平均粒徑分別為19.90、11.94和11.40 μm。粒徑分布的箱線圖則進(jìn)一步反映了不同食物淀粉粒在分布區(qū)間上的差異，其中土豆、山藥和小麥的淀粉粒粒徑分布范圍較廣，其標(biāo)準(zhǔn)差分別為8.56、3.50和7.19 μm。水稻和玉米淀粉粒的粒徑分布則較為集中，因此其標(biāo)準(zhǔn)差也較小，分別為1.08和3.50 μm(圖1)。

圖1 5種食物淀粉粒粒徑箱線圖Fig.1 Box plot of 5 food starch granules

2.2 外形輪廓曲線

5種食物淀粉粒的輪廓曲線分析結(jié)果如圖2所示，不同淀粉粒在曲線形態(tài)上差異顯著?？傮w而言，曲線的光滑程度與淀粉粒本身的形狀直接相關(guān)，水稻和玉米的淀粉粒大多為多邊形，因此其外形輪廓曲線較為曲折；小麥、土豆和山藥的淀粉粒大多為圓形或橢圓形，因此其輪廓線比較平滑。

a-小麥；b-水稻；c-玉米；d-土豆；e-山藥圖2 5種食物淀粉粒的輪廓曲線Fig.2 Contour curve of 5 food starch granules

2.3 淀粉粒小波譜

淀粉粒輪廓曲線的小波分析結(jié)果如圖3所示，不同類型的淀粉粒其小波圖譜具有不同的性狀，同時由于其將一維的原始曲線轉(zhuǎn)化為二維圖譜，因此可以為輪廓曲線的鑒定提供更豐富的信息。以圖3-a中的小麥淀粉粒小波譜為例，小麥淀粉粒輪廓線經(jīng)過小波變換后形成了高低相間的不同譜值區(qū)域，在6～8個角步距的尺度下，形成了由“低-高-低-高-低”值區(qū)的空間變化特征過程，其中完整的譜值閉合區(qū)間有3個。水稻淀粉粒小波譜的主要周期變化區(qū)間為5～8個角步距尺度，其中完整的譜值閉合區(qū)為5個。玉米淀粉粒小波譜在6～8個角步距的尺度下只有2個完整的譜值閉合區(qū)。土豆和山藥淀粉粒在6～8個角步距的尺度下小波譜值變化較為均一，兩者分別存在4個和3個完整的譜值閉合區(qū)，但是土豆淀粉粒譜值變化較山藥更大，閉合區(qū)內(nèi)部變化較為明顯。不同食物淀粉粒具有不同的小波譜特征，總體而言多邊形淀粉粒的小波譜形態(tài)較為復(fù)雜、圓形淀粉粒其次、橢圓形淀粉粒的小波譜最為規(guī)律。

a-小麥；b-水稻；c-玉米；d-土豆；e-山藥圖3 5種食物淀粉粒輪廓曲線小波譜Fig.3 Contour curve wavelet profile of 5 food starch granules

2.4 淀粉粒判別方程

選取淀粉粒的相關(guān)參數(shù)[9]，包括層紋(CW)、凹坑(AK)、裂隙(LX)、粒徑均值(JZ)、粒徑標(biāo)準(zhǔn)差(BZC)、圓度(YD)、臍點(QD)、擠壓面(JYM)等，并結(jié)合上文淀粉粒幾何形態(tài)測量得到的輪廓線均值(LKX)、輪廓線標(biāo)準(zhǔn)差(LKXBZC)，以及小波譜閉合區(qū)(XBP)等指標(biāo)，利用SPSS 20軟件對5種食物淀粉粒的相關(guān)參數(shù)進(jìn)行主成分分析。在前k個累積貢獻(xiàn)率≥80%的成分中選定前2個作為主成分，其累積方差為83.07%，表明可以較好地反映原始數(shù)據(jù)的信息。如圖4所示，5種食物淀粉粒在主成分散點圖中可以得到明顯的區(qū)分，可見該2個主成分可以作為鑒定不同淀粉粒的依據(jù)。利用SPSS 20軟件構(gòu)建出的判別方程如式(3)和式(4)。

x=0.194a+0.089b+0.002c+0.182d+0.195e+0.169f+0.071g-0.194h-0.134i-0.021j+0.026k

(3)

y=0.015a-0.162b+0.200c-0.037d+0.077e-0.104f+0.210g-0.015h-0.066i-0.218j+0.234k

(4)

式中：a～k分別代表層紋、凹坑、裂隙、粒徑均值、粒徑標(biāo)準(zhǔn)差、圓度、臍點和擠壓面等屬性的值。

圖4 不同食物淀粉粒的主成分散點圖Fig.4 Scatter plot of principal component analysis of different food starch granules

3 討論

3.1 淀粉粒形態(tài)與粒徑的關(guān)系

不同類型的淀粉粒具有不同的形態(tài)特征[27]，本次研究也表明淀粉粒形態(tài)與粒徑之間具有一定的關(guān)系。由淀粉粒顯微鏡圖譜可以得到淀粉粒粒徑與二維形態(tài)、尤其是圓度具有一定的相關(guān)關(guān)系。進(jìn)一步利用SPSS 20軟件進(jìn)行5種食物淀粉粒均值(JZ)與圓度(YD)的回歸分析[26]，結(jié)果顯示YD=0.028JZ+0.239 (R2=0.817，P<0.05)。由此可見，一般情況下淀粉粒的粒徑均值越大，淀粉粒在二維形態(tài)上也越接近于圓形。

3.2 外形輪廓曲線的鑒定意義

利用外形輪廓曲線方法，可以將各類淀粉粒的形態(tài)轉(zhuǎn)化為具有相同橫縱坐標(biāo)的一維曲線，這也使得不同淀粉粒之間可以進(jìn)行一個比較直觀的對比[28]。近年來，國外很多水產(chǎn)研究機(jī)構(gòu)收集了各種魚類耳石進(jìn)行外形輪廓分析，并利用數(shù)據(jù)庫技術(shù)構(gòu)建不同耳石標(biāo)準(zhǔn)圖譜用于魚類的鑒定工作[25]。本次實驗結(jié)果顯示，5種食物淀粉粒的外形輪廓曲線具有不同的特征，同時結(jié)合外形輪廓曲線的均值和標(biāo)準(zhǔn)差可以成為淀粉粒鑒定的重要指標(biāo)。因此，今后可以進(jìn)一步收集不同植物樣品進(jìn)行淀粉粒的外形輪廓曲線分析，形成標(biāo)準(zhǔn)輪廓曲線數(shù)據(jù)庫，為不同食物淀粉粒鑒定提供基礎(chǔ)數(shù)據(jù)。

3.3 影響淀粉粒判定的因素

淀粉粒的形態(tài)受到多方面因素的綜合影響，從本次實驗的結(jié)果來看，所選取的11個參數(shù)指標(biāo)可以較好地進(jìn)行5種食物淀粉粒的鑒定和區(qū)分。基于主成分方法的載荷分析顯示，層紋(CW)、圓度(YD)和小波譜閉合區(qū)(XBP)在第一主成分軸上載荷值較高；輪廓線標(biāo)準(zhǔn)差(LKXBZC)、裂隙(LX)和臍點(QD)在第二主成分軸上載荷值較高。因此，可以認(rèn)為這6個參數(shù)對淀粉粒的形態(tài)具有較大影響。

4 結(jié)論

研究通過常規(guī)的淀粉粒顯微分析和形態(tài)觀察方法，對5種常見的食物淀粉粒進(jìn)行了幾何形態(tài)測量學(xué)分析。研究結(jié)果表明，小麥、水稻、玉米、土豆和山藥的淀粉粒在顯微形態(tài)方面差異顯著。輪廓曲線分析和小波分析的結(jié)果顯示，5種食物淀粉粒具有不同的輪廓曲線特征和小波譜。主成分分析和判別分析的結(jié)果顯示，在前2個主成分散點圖中5種食物淀粉粒區(qū)分明顯。綜合利用各種幾何形態(tài)測量學(xué)方法的分析結(jié)果表明，可以通過定性與定量相結(jié)合的手段，將淀粉粒圖譜轉(zhuǎn)化為一系列參數(shù)和小波譜特征，并最終利用主成分分析和判別分析方法得出淀粉粒形態(tài)鑒定方程，實現(xiàn)不同食物淀粉粒的判定和區(qū)分。未來研究我們將收集更多的植物淀粉粒進(jìn)行分析，建立相對完善的中國常見植物幾何形態(tài)圖譜和鑒定標(biāo)準(zhǔn)，并以此為基礎(chǔ)形成系統(tǒng)化的淀粉粒鑒定分析方法和流程，為相關(guān)食品檢驗檢疫工作提供基礎(chǔ)數(shù)據(jù)參考。