劉亞超，李永玉*，彭彥昆，閆 帥，王 綺，韓東海

1. 中國農(nóng)業(yè)大學(xué)工學(xué)院，國家農(nóng)產(chǎn)品加工技術(shù)裝備研發(fā)分中心，北京 100083 2. 中國農(nóng)業(yè)大學(xué)食品科學(xué)與營養(yǎng)工程學(xué)院，北京 100083

引 言

大米作為世界三大糧食之一，以其豐富的營養(yǎng)價值和良好的食用口感深受人們的歡迎。隨經(jīng)濟水平的提高，人們的飲食習(xí)慣也逐漸由“吃飽”轉(zhuǎn)為“吃好”，因此對大米的品質(zhì)要求越來越高，其中以五常大米為代表的東北米以其優(yōu)良的口感和香味深受大家喜歡，同時在價格方面也高于其他品牌。由于不同品牌之間價格差異較大，不少商販以劣充優(yōu)，將低價米與高價米摻和以高價售賣謀取利益，摻和比例高達30%以上，這種行為嚴重損害了消費者利益。傳統(tǒng)鑒別摻和米方法多為感官評價和化學(xué)分析法，但由于感官評價方法需要極其專業(yè)的人員以及化學(xué)分析法耗時耗力不利于快速推廣，導(dǎo)致了摻和大米事件屢見不鮮。為了保證市場良好發(fā)展及確保消費者利益，亟需一種快速、準(zhǔn)確鑒別摻和米的方法。

隨著化學(xué)計量學(xué)方法與分子光譜分析技術(shù)的快速發(fā)展，光譜已在農(nóng)產(chǎn)品定性和定量分析方面得以應(yīng)用[1-4]。二維相關(guān)光譜最先由Noda提出并推廣應(yīng)用于成分鑒別[5-6]、乳品摻假[7]、產(chǎn)地鑒別[8]、機理研究[9-11]等領(lǐng)域，其原理是將一定形式的微擾(溫度、樣品成分、反應(yīng)時間、壓力等)作用在樣品體系上使樣品激發(fā)產(chǎn)生動態(tài)變化，然后對動態(tài)變化進行數(shù)學(xué)上的相關(guān)分析進而得到二維相關(guān)光譜[12]，二維相關(guān)光譜與一維光譜相比具有高分辨率、解析峰的歸屬等優(yōu)點[13]。目前諸多研究主要集中在基于一維光譜的化學(xué)計量學(xué)模型建立，但還未見二維相關(guān)光譜用于大米摻假判別領(lǐng)域的相關(guān)研究報道。

本文基于近紅外二維相關(guān)光譜分析方法，將摻和比例作為外部擾動因數(shù)，通過解析不同摻和比例米與純米的二維相關(guān)光譜同步譜特性，探究二維相關(guān)光譜在鑒別摻和米方面的可行性，并進行鑒別驗證，為快速鑒別摻和米提供一種新思路。

1 實驗部分

1.1 材料

選購形狀相似難以用肉眼分辨的七種品牌大米，分別為五常大米、七星一號、五豐寒地、谷稻張、東北米、百年寒地、金龍魚長粒香所有樣品均為一級稻。五常大米中分別摻入比例5%，10%，15%，20%，25%，30%，35%，40%，45%和50%的其余6種品牌大米，制備60個摻和樣品。每個樣品進行粉碎并通過100目篩網(wǎng)，收集5克作為待測樣品。

1.2 光譜采集

利用美國尼高力儀器公司(Thermo Nicolet Corporation)生產(chǎn)的傅里葉紅外光譜儀(FT-NIR)采集樣品光譜，光譜掃描范圍為3 999～10 001 cm-1(999～2 500 nm)，分辨率為4 cm-1，波數(shù)精度為0.1 cm-1，連續(xù)掃描次數(shù)為64次，增益值為5.90。采集光譜前預(yù)熱儀器30 min待儀器穩(wěn)定后開始采集，每次采集樣品光譜前先自動采集暗環(huán)境下的光譜并保存，然后再采集樣品光譜經(jīng)過內(nèi)部計算后得出每個樣品的吸光度光譜曲線。除五常大米的樣品(摻和比例0%)隨機抽樣采集20次光譜，其余不同摻和比例的60個樣品中每個樣品隨機抽取2個子樣本采集光譜，總共采集140條光譜。

1.3 二維相關(guān)光譜分析方法

將五常大米的20條光譜求平均值作為參考譜，首先將五常大米的光譜分別與參考譜進行二維相關(guān)運算，得到20個摻和比例為0%的二維相關(guān)同步譜矩陣； 其次將不同摻和比例的光譜分別與參考譜進行二維相關(guān)運算，得到不同摻和比例下的二維相關(guān)同步矩陣； 再次提取所有的二維相關(guān)同步譜矩陣的自相關(guān)譜，最后分析二維相關(guān)同步譜特性與摻和比例不同之間的變化關(guān)系，根據(jù)變化關(guān)系確定鑒別摻和米的關(guān)鍵因數(shù)。二維相關(guān)光譜運算在2Dshige軟件中完成，其余運算在Matlab(R2014a)環(huán)境下完成。

2 結(jié)果與討論

2.1 不同種類大米近紅外光譜分析

7種不同品種大米顆粒的近紅外原始光譜如圖1(a)所示，光譜整體相似，吸收峰均位于同一位置，沒有明顯的差異。根據(jù)相關(guān)研究報道[14-15]，其中在1 202 nm附近為—CH3的C—H鍵二級倍頻振動，1 463 nm附近與直鏈淀粉分子中O—H基團的反對稱和對稱振動的一級倍頻有關(guān)，1 933 nm附近為直鏈淀粉分子中O—H基團的伸縮彎曲振動組合吸收峰，2 110 nm附近為N—H對稱振動與酰胺Ⅲ的組合頻吸收峰，并且在2 100 nm附近峰也與大米淀粉有關(guān)，2 286和2 319 nm兩處存在弱的吸收峰，分別為—CH3和—CH2中C—H伸縮變形組合振動。由此可見，大米光譜在999～2 500 nm之間的吸收峰主要由蛋白質(zhì)、直鏈淀粉及其他碳水化合物組成。五常大米及不同摻和比例大米近紅外光譜如圖1(b)所示，從圖中可以看出摻和大米光譜與五常大米光譜沒有明顯差異，并且摻和大米光譜將五常大米光譜完全覆蓋。

圖1 大米近紅外光譜(a)： 不同品種大米顆粒紅外光譜；(b)： 不同摻和比例的大米粉紅外光譜Fig.1 Near infrared spectra of rice(a)： Spectra of different varieties of rice;(b)： Spectra of mixed rice

2.2 解析不同摻和比例二維相關(guān)同步圖特性

以五常大米中摻入七星一號米為例，將摻和比例作為外部擾動因數(shù)，不同摻和比例的光譜與參考譜進行二維相關(guān)運算，如圖2所示為摻和比例0%，5%，10%，20%，30%，40%，50%的二維相關(guān)同步譜。

根據(jù)二維相關(guān)光譜理論，二維相關(guān)同步譜是關(guān)于對角線對稱的，主對角線上會出現(xiàn)不同數(shù)量的峰，這些峰是信號自身相關(guān)而得到的，稱為自動峰，并且總為正值，代表對外部干擾因數(shù)的敏感程度，顏色越紅或者等高線越密則敏感程度越強，反之越弱。在同步譜中有時還會存在交叉峰，交叉峰可正可負且關(guān)于主對角線對稱，它的出現(xiàn)說明官能團之間可能存在分子內(nèi)或分子間的相互作用，并且與外部干擾因數(shù)的變化是緊密相關(guān)的[8]。在理想情況下，摻和比例0%的光譜與參考譜進行二維相關(guān)運算應(yīng)該得到一組n×n全為零的同步譜矩陣，由于人工操作及儀器工作不穩(wěn)定等各種因數(shù)使得摻和比例0%的同步譜矩陣不為零，但不同摻和比例下的同步譜和自相關(guān)譜的特征值遠大于未摻和大米的同步譜及自相關(guān)譜的值，并且摻和米的同步譜特性隨著摻和比例的增加隨之發(fā)生變化，結(jié)果符合上述理論。

如圖2(a)—(g)所示，隨著摻和比例的增加，二維相關(guān)光譜同步譜中的特征信息輪廓也逐漸變得清晰。其中，自相關(guān)譜上出現(xiàn)了兩個明顯的“蝴蝶狀”自動峰，表明原始光譜在其附近吸收峰所對應(yīng)的波長點發(fā)生了偏移[16]，這兩個“蝴蝶狀”的自動峰對應(yīng)的基團振動峰位于1 420和1 920 nm附近，但在原始光譜圖中這兩個位置并沒有出現(xiàn)吸收峰，即1 420和1 920 nm兩處是由原始光譜中1 463和1 933 nm吸收峰在經(jīng)過二維光譜計算后偏移產(chǎn)生的。如圖3(a)所示，隨著摻和比例的增加，1 420和1 920 nm附近的自動峰強度呈上升的趨勢，這兩位置附近所對應(yīng)的官能團也與大米中的直鏈淀粉有關(guān)，綜上表明直鏈淀粉對摻和比例的響應(yīng)程度高于大米中水分、蛋白質(zhì)及其他碳水化合物，而直鏈淀粉與大米的口感有直接關(guān)系[18-19]，這與通過感官評價或測量大米中直鏈淀粉含量來鑒別是否為摻和米是一致的，即隨著摻和比例的增加，大米的口感也將隨之變化。

圖2 不同摻和比例大米的二維相關(guān)同步譜(a)： 0%； (b)： 5%； (c)： 10%； (d)： 20%； (e)： 30%； (f)： 40%； (g)： 50%Fig.2 Two-dimensional correlation synchronization spectra of rice with different adulteration ratios(a)： 0%； (b)： 5%； (c)： 10%； (d)： 20%； (e)： 30%； (f)： 40%； (g)： 50%

圖3 (a)不同摻和比例大米的自相關(guān)譜及(1 920, 1 420)nm處交叉峰值(b)

Fig.3 Autocorrelation spectra (a) and cross peak at (1 920, 1 420) nm (b) of with different adulteration

另外，在主對角線兩側(cè)(1 420，1 920 nm)和(1 920, 1 420 nm)出現(xiàn)了兩個正交叉峰, 由于同步譜中的交叉峰是關(guān)于主對角線對稱，以(1 920, 1 420 nm)處的交叉峰為例提取不同摻和比例同步譜在此位置的交叉峰強度進行對比，隨著摻和比例的增加(1 920, 1 420 nm)處的交叉峰強度呈遞增趨勢，結(jié)果如圖3(b)所示。

綜上所述，大米近紅外光譜經(jīng)二維相關(guān)運算后可以根據(jù)1 420和1 920 nm處自動峰值及二維同步譜(1 920，1 420 nm)交叉峰值有效區(qū)分摻和米，其中1 920 nm處自動峰值對摻和比例響應(yīng)最顯著。同時觀察二維同步譜和3D二維同步譜也可以較為直觀的區(qū)分純米和摻和米，結(jié)果表明二維相關(guān)光譜分析技術(shù)在判別摻和米方面是可行的。

2.3 基于二維相關(guān)光譜特性的摻和大米鑒別結(jié)果分析

五常大米二維相關(guān)光譜在1 420和1 920 nm附近的自動峰值及二維同步譜中(1 920，1 420 nm) 附近交叉峰值的樣本方差分別為3.27×10-13，4.10×10-13，2.04×10-13，表明同一位置下的峰值離散程度很小，因此以三處位置峰值的最大值作為判別閾值，將摻和大米的二維自相關(guān)譜在對應(yīng)位置的峰值與判別閾值進行比較，大于閾值被認為摻和米，小于閾值被認為五常大米，所有樣品的自相關(guān)譜如圖4所示。基于自相關(guān)譜1 420和1 920 nm兩處自動峰值及二維同步譜(1 920，1 420 nm) 交叉峰值鑒別摻和大米結(jié)果如圖5所示。

如圖5所示，以五常大米在1 420和1 920 nm兩處自動峰及二維同步譜(1 920，1 420 nm) 交叉峰最大值作為閾值的140個大米樣品總判別正確率分別為92.5%，93.3%和92.5%，即基于1 920 nm自動峰值的判別效果最佳，其中五常大米判別率均為100%，這可能與前面所述1 920 nm處自動峰值對摻和比例響應(yīng)最顯著有關(guān)?；? 920 nm自動峰值的判別結(jié)果如圖5(b)所示，摻和比例達20%及以上的摻和米樣品判別正確率為100%，隨著摻和比例降低判別正確率也逐漸下降，摻和比例15%，10%和5%的樣品判別正確率分別為91.7%，66%和75%，得到這樣的結(jié)果的原因可能是摻和比例低時抽取的樣品中可能沒有或極少含有摻入米，導(dǎo)致光譜儀無法采集摻入米信息。

圖4 所有樣品的自相關(guān)譜Fig.4 Autocorrelation spectra of all samples

圖5 不同特征峰值下的判別結(jié)果(a)： 1 420 nm； (b)： 1 920 nm； (c)： (1 920, 1 420)nmFig.5 The discriminant results by using differentcharacteristic peaks(a)： 1 420 nm； (b)： 1 920 nm； (c)： (1 920, 1 420)nm

綜上所述，基于二維相關(guān)光譜以摻和比例作為外部干擾因數(shù)，將摻和大米光譜與參考譜進行二維相關(guān)運算，根據(jù)特征峰值差異可以簡單有效的判別摻和比例15%及以上的摻和米，無需建立化學(xué)計量學(xué)判別模型。

3 結(jié) 論

基于二維相關(guān)光譜以摻和比例作為外部干擾因數(shù)，將摻和大米光譜與參考譜進行二維相關(guān)運算，分析不同摻和比例大米的二維相關(guān)光譜同步譜特性并進行鑒別。隨著摻和比例的增加，自相關(guān)譜上1 420和1 920 nm處出現(xiàn)兩個明顯的自動峰，峰值強度隨摻和比例增加呈增加趨勢。同時，在二維同步譜主對角線兩側(cè)(1 420, 1 920 nm)和(1 920, 1 420 nm)附近出現(xiàn)兩個正交叉峰，其峰值強度隨摻和比例的增加也呈增加趨勢。根據(jù)1 420和1 920 nm兩處自動峰值及二維同步譜(1 920，1 420 nm)交叉峰值對摻和大米進行判別，以五常大米在對應(yīng)位置峰值的最大值作為判別閾值，其判別正確率分別為92.5%，93.3%和92.5%，其中以1 920 nm自動峰值作為判別處效果最佳，摻和比例15%的摻和米判別正確率為91.7%，隨著摻和比例降低判別正確率也逐漸下降，同時通過觀察二維同步譜和3D同步隨摻和比例增加變化的趨勢也可以較為直觀的區(qū)分純米和摻和米。對自相關(guān)譜1 420和1 920 nm兩處特征峰產(chǎn)生機制的追溯并分析所對應(yīng)的官能團歸屬，結(jié)果表明大米中的直鏈淀粉對摻和比例的響應(yīng)高于水分、蛋白質(zhì)及其他碳水化合物。

對原始光譜直接進行了二維相關(guān)運算，基于自動峰強度和交叉峰強度對摻和米進行判別，為鑒別摻和米提供了簡單有效的新方法。今后可以探索有效特征信息的光譜處理算法，提高低摻和比例大米的判別正確率，同時優(yōu)化判別閾值進一步提高判別正確率。