劉燕德，杜秀洋，李 斌，鄭藝?yán)?，?軍，李 雄，徐 佳

華東交通大學(xué)機(jī)電與車輛工程學(xué)院，水果智能光電檢測(cè)技術(shù)與裝備國家地方聯(lián)合工程研究中心，江西 南昌 330013

引 言

紫米是珍貴的水稻品種，有補(bǔ)血益氣、 暖脾胃的功效；且糯性紫米粒大飽滿，紫米飯清香、 可口，營養(yǎng)價(jià)值和藥用價(jià)值都比較高。黑米營養(yǎng)豐富，食、 藥用價(jià)值也很高，但消化不良者或者消化能力弱的老人小孩不宜吃黑米，適合吃紫米來調(diào)養(yǎng)；且黑米含銅量較高不適合肝豆?fàn)詈俗冃曰颊摺?高銅患者食用。大米是全球人民的主要糧食之一，其營養(yǎng)成分遠(yuǎn)低于紫米。由于大米和黑米的價(jià)格都低于紫米，一些不法商家將大米和黑米進(jìn)行染色充當(dāng)紫米進(jìn)行銷售，從中獲取暴利。這樣的行為不僅降低了人們的生活質(zhì)量，甚至還會(huì)危害人們的身體健康。因此對(duì)紫米摻假的鑒別及含量的檢測(cè)研究具有重要的現(xiàn)實(shí)意義。

近年來儀器分析技術(shù)迅速發(fā)展，在鑒別食品摻假的行業(yè)中廣泛應(yīng)用。頂空分析法是目前最簡單的判別食品摻假的方法，但只能通過氣體來鑒定是否摻假。毛細(xì)管電泳法是利用食品內(nèi)部不同電子在高壓的情況下會(huì)發(fā)生不同速度的定向移動(dòng)原理對(duì)食品各成分進(jìn)行分離檢測(cè)，但其存在制備能力差、 靈敏度低的缺點(diǎn)[1]。太赫茲電磁波一般指的是波長在0.03～3 mm范圍之間的電磁輻射，其波段處于微波和紅外輻射之間，屬于遠(yuǎn)紅外波段[2]。有機(jī)物分子的轉(zhuǎn)動(dòng)能級(jí)和振動(dòng)多數(shù)分布于此波段范圍，因此太赫茲波透過樣品可獲取大量的物理和化學(xué)信息[3]。太赫茲時(shí)域光譜技術(shù)是近年來發(fā)展起來的新興技術(shù)，在食品摻假方面作出巨大貢獻(xiàn)。目前，殷明[4]等采用太赫茲時(shí)域光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)食用油的摻假做定性鑒別和定量分析研究；李斌[5]等利用太赫茲時(shí)域光譜技術(shù)對(duì)葛粉中摻雜薯粉進(jìn)行定性定量的檢測(cè)研究，對(duì)葛粉中摻薯粉進(jìn)行快速準(zhǔn)確檢測(cè)；Liu[6]等利用太赫茲時(shí)域光譜技術(shù)(Terahertz time domain spectroscopy，THz-TDS)的ATR模式對(duì)蜂蜜摻假進(jìn)行研究，研究表明THz-TDS是可以準(zhǔn)確快速的無損鑒別蜂蜜摻假的新型光譜技術(shù)。

采用THz-TDS結(jié)合化學(xué)計(jì)量學(xué)方法及光譜預(yù)處理方法對(duì)紫米中摻入染色大米或黑米進(jìn)行定性及定量分析的檢測(cè)研究。通過獲取樣品的吸收系數(shù)譜和折射率譜，結(jié)合偏最小二乘判別分析(partial least squares decision analysis, PLS-DA)進(jìn)行建模定性分析。再建立紫米摻假含量的偏最小二乘法(partial least squares, PLS)和最小二乘支持向量機(jī)(least squares support vector machine，LS-SVM)數(shù)學(xué)模型，對(duì)模型預(yù)測(cè)結(jié)果分析比較，獲得最優(yōu)模型效果，為紫米摻假含量的快速檢測(cè)提供方法。

1 實(shí)驗(yàn)部分

1.1 樣品制備

實(shí)驗(yàn)所用的紫米、 黑米和大米采購于某知名品牌，購買的紫米和黑米不存在染色摻假現(xiàn)象；可食用染色劑購買于某生化公司。先將黑米和大米分別加入可食用染色劑染色，染至與紫米顏色相近。將染色后的黑米和大米放入烘干箱中，溫度調(diào)至50 ℃，烘干48 h。之后將烘干后的染色黑米、 大米和正常紫米分別放入高速粉碎機(jī)中進(jìn)行粉碎研磨，再放入陶瓷研缽充分研磨成粉末狀。根據(jù)實(shí)驗(yàn)設(shè)計(jì)，染色黑米和大米按不同質(zhì)量比分別摻入紫米放置在離心管中，總量均為10 g。對(duì)配比好的混合粉末使用渦旋攪拌器進(jìn)行3 min的振蕩，確保均勻分布。取適量粉末制備樣品，采用壓片法，制片壓力約為8 t，時(shí)間約為1 min，壓片厚度為1.00 mm，制備壓片的直徑為13 mm，表面光滑無裂痕。

1.2 儀器及光譜采集

實(shí)驗(yàn)使用TAS7500SU太赫茲時(shí)域光譜儀由日本Advantest公司生產(chǎn)，該光譜儀測(cè)量頻譜范圍為0～7 THz，頻譜分辨率為7.6 GHz，采譜掃描速度為8 ms，掃描次數(shù)設(shè)置為8 192次，透射模式下測(cè)量。在采集光譜前將實(shí)驗(yàn)室溫度控制在20 ℃，濕度控制在25%以下，開機(jī)后，通過無油靜音空氣壓縮機(jī)向設(shè)備充入氣體保證環(huán)境干燥，預(yù)熱約30 min待設(shè)備內(nèi)部的空氣濕度降低至5%，開始采集光譜。再通過傅里葉變換將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)，采用Dorney[7]和Duvillaret[8]等提出的方法進(jìn)行數(shù)據(jù)處理得到樣品的吸收系數(shù)和折射率。

1.3 模型的建立

1.3.1 建模方法

偏最小二乘法是光譜技術(shù)檢測(cè)分析中一種基于因子分析的多變量校正算法，是一種多因變量對(duì)多自變量的回歸建模方法[9]。以光譜矩陣X與濃度矩陣Y相關(guān)聯(lián)數(shù)學(xué)模型為

Y=bX+e

(1)

式(1)中，b所表征的即為X和Y間的回歸系數(shù)向量，e標(biāo)示模型殘差。

最小二乘支持向量機(jī)采用最小二乘線性系統(tǒng)作為損失函數(shù)，通過解一組線性方程組代替?zhèn)鹘y(tǒng)SVM采用的較復(fù)雜的二次規(guī)劃方法，降低計(jì)算復(fù)雜性，加強(qiáng)了求解速度[10]。本文主要選用RBF作為核函數(shù)，其表達(dá)式為

(2)

式(2)中，Xk是樣本點(diǎn)，Xi是核函數(shù)中心點(diǎn)，σ2是內(nèi)核參數(shù)。

1.3.2 模型評(píng)價(jià)

通過校正集均方根誤差(root mean square error of calibration, RMSEC)、 預(yù)測(cè)集均方根誤差(root mean square error of prediction, RMSEP)、 校正相關(guān)系數(shù)(Rc)、 預(yù)測(cè)相關(guān)系數(shù)(Rp)等參數(shù)來評(píng)價(jià)模型的優(yōu)劣。若Rc和Rp數(shù)值越接近1，說明其校正集和預(yù)測(cè)集相關(guān)程度越高。當(dāng)RMSEC和RMSEP的值越接近0，表明模型的建模效果好和預(yù)測(cè)能力越強(qiáng)[11]。

2 結(jié)果與討論

2.1 太赫茲時(shí)域光譜結(jié)合化學(xué)計(jì)量學(xué)的定性分析

2.1.1 定性光譜分析

本太赫茲時(shí)域光譜儀的測(cè)量范圍為0～7 THz，由于0～0.5 THz及2.5～7 THz波段的信噪比低，故選取0.5～2.5THz范圍為本實(shí)驗(yàn)的研究波段。實(shí)驗(yàn)準(zhǔn)備純紫米、 80%紫米+20%大米和80%紫米+20%黑米3類樣品，每類樣品制備20個(gè)，共60個(gè)樣品。對(duì)每個(gè)樣品采集3條太赫茲光譜，取其平均光譜數(shù)據(jù)進(jìn)行處理分析。

圖1為紫米、 紫米摻入染色大米和紫米摻入染色黑米的吸收譜和折射譜。由于紫米、 大米和黑米都是由碳水化合物、 蛋白質(zhì)和脂肪等物質(zhì)構(gòu)成的，三種樣品的吸收?qǐng)D譜和折射率譜的形狀相似且沒有明顯的特征峰。由圖1可知，隨著頻率的提高，吸收系數(shù)不斷升高，折射率不斷降低。純紫米光譜的吸收系數(shù)和折射率均高于摻假紫米，紫米摻染色大米的吸收系數(shù)和折射率均高于紫米摻染色黑米。根據(jù)光譜曲線的高低不能準(zhǔn)確地鑒定出紫米是否存在摻假現(xiàn)象，需要結(jié)合化學(xué)計(jì)量學(xué)方法鑒定出紫米是否存在摻假。

圖1 紫米摻假的吸收譜和折射譜圖(a)：吸收系數(shù)圖；(b)折射率圖Fig.1 Absorption spectrum and refraction spectrum of purple rice adulteration(a)：Absorption coefficient diagram；(b)：Refractive index

2.1.2 結(jié)合化學(xué)計(jì)量學(xué)的建模定性分析

本文為了對(duì)比三種樣品的光譜差異，對(duì)光譜進(jìn)行主成分分析(principal component analysis，PCA)，以光譜的前2個(gè)主成分(前兩個(gè)PC累計(jì)方差貢獻(xiàn)率為92%)的得分計(jì)算樣本的平面距離，三種樣品的二維得分分布圖如圖2所示。三種樣品的平面分布存在明顯的差別，反映了三種樣品由于碳水化合物、 蛋白質(zhì)、 脂肪等物質(zhì)的含量不同在光譜信息中存在差異。

圖2 三種樣品的前2個(gè)主成分得分分布Fig.2 The first two PCs score plots of spectra of the three samples

使用偏最小二乘判別分析(PLS-DA)對(duì)三種樣品進(jìn)行定性建模分析。校正集和預(yù)測(cè)集按照3∶1的比例進(jìn)行分配。為了減少采集光譜過程中的誤差干擾，對(duì)光譜采用SG平滑、 歸一化、 多元散射校正(multiple scattering correction，MSC)、 基線校正等多種預(yù)處理方法后建立PLS-DA模型[12]。表1為經(jīng)過不同預(yù)處理之后建立模型的效果，使用基線校正預(yù)處理的數(shù)據(jù)進(jìn)行PLS-DA建立模型效果最佳，其預(yù)測(cè)相關(guān)系數(shù)(Rp)為0.971，預(yù)測(cè)均方根誤差(RMSEP)為0.142。

表1 不同預(yù)處理方法的PLS-DA模型結(jié)果Table 1 PLS-DA model results of different pretreatment methods

圖3(a)為在基線校正之后的PLS-DA建模所得的模型散點(diǎn)圖，其中T1為第一類樣品和第二類樣品的分界線，其閾值為1.5；T2為第二類樣品和第三類樣品的分界線，其閾值為2.5。從散點(diǎn)圖可知：所有預(yù)測(cè)集樣品未出現(xiàn)誤判的情況，預(yù)測(cè)誤判率為0。即可以利用PLS-DA建模，以誤判率和相關(guān)系數(shù)為指標(biāo)，實(shí)現(xiàn)紫米中是否摻假大米或黑米的鑒別。

圖3 PLS-DA建模結(jié)果圖(a)：建模和預(yù)測(cè)散點(diǎn)圖；(b)：均方根誤差隨主成分因子變化圖Fig.3 PLS-DA modeling result graph(a)：Modeling and predicting scatter plots；(b): RMSE varies with principal component factor

圖3(b)為主成分因子決定圖，校正集及預(yù)測(cè)集均方根誤差隨主成分?jǐn)?shù)的增加而下降，當(dāng)主成分?jǐn)?shù)為3時(shí)，預(yù)測(cè)均方根誤差降到最低。之后隨著主成分?jǐn)?shù)的增加，預(yù)測(cè)均方根誤差保持穩(wěn)定。故最佳主成分因子數(shù)為3。

2.2 太赫茲時(shí)域光譜結(jié)合化學(xué)計(jì)量學(xué)的定量分析

2.2.1 定量光譜及偏最小二乘法建模分析

在對(duì)三種類型的樣品進(jìn)行定性分析之后，分別對(duì)紫米中摻染色大米和紫米中摻染色黑米進(jìn)行定量建模分析。兩個(gè)模型的建立需根據(jù)不同的質(zhì)量分?jǐn)?shù)制備21個(gè)質(zhì)量分?jǐn)?shù)梯度，每個(gè)樣品制備4或8個(gè)樣品，各樣品質(zhì)量分?jǐn)?shù)和個(gè)數(shù)如表2所示。每個(gè)樣品采集3條太赫茲光譜，取其平均光譜數(shù)據(jù)進(jìn)行處理分析。

表2 21組樣品質(zhì)量分?jǐn)?shù)(g·g-1, %)Table 2 Mass fraction of 21 samples

圖4(a)為6種不同質(zhì)量分?jǐn)?shù)的紫米摻染色大米樣品的光譜吸收系數(shù)圖，由圖可知，純紫米的吸收系數(shù)最高，隨著染色大米摻入的質(zhì)量分?jǐn)?shù)越大，光譜的吸收系數(shù)降低越多。每個(gè)不同質(zhì)量分?jǐn)?shù)的吸收曲線都會(huì)有一些不規(guī)則的波動(dòng)，不能證明這些波動(dòng)是由于紫米和大米中碳水化合物、 蛋白質(zhì)或者脂肪含量的不同造成的。要將太赫茲時(shí)域光譜與化學(xué)計(jì)量學(xué)結(jié)合起來進(jìn)行紫米摻入染色大米的定量分析。

圖4 紫米摻染色大米光譜分析及建模結(jié)果圖(a)：不同含量樣品光譜圖；(b)：建模和預(yù)測(cè)含量散點(diǎn)圖Fig.4 Spectral analysis and modeling results of purple rice-stained rice(a)：Spectral map of different content samples；(b)：Modeling and prediction content scatter plot

使用偏最小二乘法(PLS)對(duì)紫米摻入染色大米的實(shí)驗(yàn)進(jìn)行定量建模分析，將108個(gè)樣品數(shù)據(jù)按照校正集和預(yù)測(cè)集3∶1的比例進(jìn)行配比，校正集81個(gè)光譜數(shù)據(jù)，預(yù)測(cè)集27個(gè)光譜數(shù)據(jù)。對(duì)光譜采用SG平滑、 歸一化、 多元散射校正、 基線校正的預(yù)處理方法。結(jié)果如表3所示，使用基線校正的預(yù)處理方法結(jié)果最好；預(yù)測(cè)集相關(guān)系數(shù)Rp為0.936，預(yù)測(cè)集均方根誤差RMSEP為0.095。圖4(b)為經(jīng)過基線校正的校正集與預(yù)測(cè)集的散點(diǎn)圖及擬合線，表示其真實(shí)值與預(yù)測(cè)值的相關(guān)性。由圖可知，模型精度和預(yù)測(cè)準(zhǔn)確度均達(dá)到較高水平。

表3 不同預(yù)處理方法的PLS模型結(jié)果Table 3 PLS model results of different pretreatment methods

采用同樣的預(yù)處理方法和建模方法對(duì)紫米中摻染色黑米的數(shù)據(jù)進(jìn)行處理。結(jié)果顯示，校正集相關(guān)系數(shù)Rc為0.916，校正集均方根誤差RMSEC為0.078；預(yù)測(cè)集相關(guān)系數(shù)Rp為0.914，預(yù)測(cè)集均方根誤差RMSEP為0.096。使用PLS建模能夠準(zhǔn)確預(yù)測(cè)紫米中摻入染色黑米的含量。

2.2.2 最小二乘支持向量機(jī)建模分析

由于建立的PLS模型為線性模型，即在LS-SVM中選擇RBF_kernel核函數(shù)來建立非線性模型進(jìn)行對(duì)比。其中需確定正則化參數(shù)(γ)和內(nèi)核參數(shù)(σ2)，這兩個(gè)參數(shù)會(huì)影響模型精確度。采用4種預(yù)處理方法處理的數(shù)據(jù)作為最小二乘支持向量機(jī)(LS-SVM)模型的輸入值。表4為LS-SVM預(yù)測(cè)紫米中摻入染色大米的預(yù)測(cè)建模結(jié)果，經(jīng)基線校正處理的建模預(yù)測(cè)精度最高，預(yù)測(cè)均方根誤差(RMSEP)為0.0917，相關(guān)系數(shù)(Rp)高達(dá)0.979 6，其對(duì)應(yīng)的參數(shù)γ=8 658，σ2=1 845。

表4 LS-SVM(RBF_kernel)模型的預(yù)測(cè)結(jié)果Table 4 Prediction results of LS-SVM (RBF_kernel) model

圖5為基線校正后LS-SVM預(yù)測(cè)紫米摻假染色大米含量的散點(diǎn)圖。

圖5 LS-SVM紫米摻染色大米含量預(yù)測(cè)模型散點(diǎn)圖Fig.5 LS-SVM purple rice blended dye rice prediction model scatter plot

采用基線校正的預(yù)處理和RBF_kernel核函數(shù)對(duì)紫米摻染色黑米的數(shù)據(jù)建立LS-SVM模型。結(jié)果顯示，預(yù)測(cè)集均方根誤差(RMSEP)為0.093 6，預(yù)測(cè)集相關(guān)系數(shù)(Rp)為0.947 5。

2.2.3 模型對(duì)比分析

結(jié)果顯示PLS和LS-SVM均可對(duì)紫米摻假含量進(jìn)行準(zhǔn)確檢測(cè)，但采用基線校正處理建立LS-SVM模型精度最佳。LS-SVM建立紫米摻入染色大米含量模型的RMSEP為0.091、Rp為0.979；LS-SVM建立紫米摻入染色大米含量模型的RMSEP為0.093、Rp為0.947。LS-SVM比PLS預(yù)測(cè)紫米摻假含量效果更佳、 模型更為穩(wěn)定，原因可能是紫米及摻假品中含有更多的非線性信息。

3 結(jié) 論

基于太赫茲時(shí)域光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)紫米摻假進(jìn)行定性和定量分析。首先進(jìn)行對(duì)紫米、 紫米摻染色大米和紫米摻染色黑米進(jìn)行定性分析研究。使用基線校正預(yù)處理之后的數(shù)據(jù)進(jìn)行PLS-DA建立模型的誤判率為0，能夠準(zhǔn)確地區(qū)分三種樣品。對(duì)紫米摻染色大米和紫米摻染色黑米分別進(jìn)行定量分析研究，使用偏最小二乘法(PLS)與最小二乘支持向量機(jī)法(LS-SVM)分別建立定量模型。結(jié)果顯示，使用基線校正預(yù)處理之后的數(shù)據(jù)結(jié)合最小二乘支持向量機(jī)法(LS-SVM)進(jìn)行定量建模效果最佳，紫米摻染色大米的預(yù)測(cè)相關(guān)系數(shù)(Rp)為0.979，預(yù)測(cè)均方根誤差(RMSEP)為0.091；紫米摻染色黑米的預(yù)測(cè)相關(guān)系數(shù)(Rp)為0.948，預(yù)測(cè)均方根誤差(RMSEP)為0.093。研究表明，太赫茲時(shí)域光譜技術(shù)可用于紫米摻假定性定量研究。本研究為太赫茲時(shí)域光譜技術(shù)在食品領(lǐng)域的快速檢測(cè)提供方法參考。