大米含水量直接關(guān)系到大米的儲(chǔ)藏安全，由于沒(méi)有外殼的保護(hù)，大米在儲(chǔ)藏過(guò)程中極易在環(huán)境中吸 水受潮，進(jìn)而加速米粒的陳化與發(fā)霉變質(zhì)。此外，水分含量也是評(píng)價(jià)大米食味和品質(zhì)的重要指標(biāo)，水分 含量小的大米蒸煮后會(huì)引起表面龜裂，使米飯黏性增加，喪失彈性，進(jìn)而影響食味品質(zhì)。有研究表明：大米 品質(zhì)的感官評(píng)價(jià)值會(huì)隨著大米水分含量下降而降低，故如何使大米含水量在安全儲(chǔ)藏和食味品質(zhì)之間 找到一個(gè)平衡點(diǎn)至關(guān)重要，為此需要建立一種快速、準(zhǔn)確檢測(cè)大米中水分的方法。

１ 實(shí)驗(yàn)部分

１．１ 儀器

ＭＡＴＲＩＸ－Ｉ型傅里葉變換近紅外光譜儀（德國(guó)，Ｂｒｕｋｅｒ公司），配有 ＯＰＵＳ６．５軟件；ＭＡＴＬＡＢ２０１７ｂ 軟件（美國(guó)，ＭａｔｈＷｏｒｋｓ公司）；ＪＮＭＪ３型檢驗(yàn)?zāi)朊讬C(jī)（臺(tái)州市糧儀廠）；高速萬(wàn)能粉碎機(jī)（天津市泰斯特儀 器有限公司）；上海精宏DHG-9246A型電熱恒溫鼓風(fēng)干燥箱（上海精宏實(shí)驗(yàn)設(shè)備有限公司）；ＪＡ５００３型 電 子 天 平 （長(zhǎng)沙湘平科技發(fā)展有限公司）。

１．２ 材料

供試水稻材料由湖南省水稻研究所提供，選用的材料均為目前廣泛推廣的水稻品種，包括了秈稻、粳 稻樣本共３２７份。

１．３ 方法

１．３．１ 大米中水分的測(cè)定

采用國(guó)家標(biāo)準(zhǔn)（ＧＢ５００９．３－２０１６）《食品安全國(guó)家標(biāo)準(zhǔn) 食品中水分的測(cè)定》中 的直接干燥法測(cè)定大米中水分含量。

１．３．２ 近紅外光譜的采集

將樣品均勻裝入樣品杯中，置于樣品臺(tái)上掃描。采樣方式為積分球漫反射， 每個(gè)樣品均重復(fù)２次裝樣掃描，平均得到一條近紅外光譜，以消除樣品不均勻性帶來(lái)的干擾。光譜采集條 件為：光譜掃描范圍４０００～１２０００ｃｍ－１，分辨率１６ｃｍ－１，掃描次數(shù)６４次，采樣點(diǎn)數(shù)１１５４。大米樣本的 近紅外光譜如圖１所示。

１．３．３ 組合區(qū)間偏最小二乘法

ＳｉＰＬＳ是一種優(yōu)選特 征光譜區(qū)間的 化 學(xué) 計(jì) 量 學(xué) 方 法，該 方 法 的 原 理 是 首 先 將整個(gè)光譜范 圍 劃 分 為ｎ 個(gè) 等 分 區(qū) 間，然 后 依 據(jù) 指 定 的組合區(qū)間個(gè) 數(shù)，按 照 排 列 組 合 的 思 想 依 次 聯(lián) 合 各 子 區(qū)間隨機(jī)組合，對(duì)每組組合區(qū)間建立 ＰＬＳ回歸模型，并 對(duì)結(jié)果進(jìn)行比 較，最 后 依 據(jù) 交 互 驗(yàn) 證 均 方 根 誤 差 篩 選 出最佳組合區(qū)間。

１．３．４ 移動(dòng)窗口偏最小二乘法

ＭＷＰＬＳ采用單個(gè)窗 口區(qū)間的數(shù)據(jù) 建 模，根 據(jù) 模 型 的 性 能 決 定 窗 口 區(qū) 間 大 小和選取的區(qū)間范圍。其基本原理是截取一定寬度的 一個(gè)區(qū)間，以窗口的形式沿光譜波長(zhǎng)軸連續(xù)移動(dòng)，并基 于每個(gè)窗口內(nèi)的數(shù)據(jù)建立一系列 ＰＬＳ模型，由交互驗(yàn)證均方根誤差（ＲＭＳＥＣＶ）作為區(qū)間的優(yōu)劣評(píng)價(jià)標(biāo) 準(zhǔn)，選擇 ＲＭＳＥＣＶ 最小的窗口區(qū)間進(jìn)行模型建立。

１．３．５ 模型的評(píng)價(jià)

模型的評(píng)價(jià)參數(shù)主要為相關(guān)系數(shù)（Ｒ）、校正集均方根誤差（ＲＭＳＥＣＶ）、預(yù)測(cè)集均方 根誤差（ＲＭＳＥＰ）和相對(duì)分析誤差（ＲＰＤ）等。在模型評(píng)價(jià)中，若 ＲＰＤ＞３，表示定量分析模型預(yù)測(cè)能力良 好，具有較強(qiáng)的適用性；若２．５＜ＲＰＤ＜３，則表示模型精確度有待提高；當(dāng) ＲＰＤ＜２．５時(shí)，表示模型預(yù)測(cè)效 果較差。一般來(lái)說(shuō)，Ｒ 值越大，ＲＰＤ越大，ＲＭＳＥ值越小，模型的預(yù)測(cè)效果越好。

２ 結(jié)果與討論

采用 Ｋｅｎｎａｒｄ－Ｓｔｏｎｅ法將樣本集劃分為校正集和預(yù)測(cè)集，其中校正集２８２個(gè)樣本，預(yù)測(cè)集４０個(gè)樣 本。３２２份樣本的水分含量的常規(guī)分析結(jié)果如表１所示，校正集樣品大米含水量的變化范圍在９．１％～ １６．２％之間，預(yù)測(cè)集樣品含水量在８．１％～１７．７％之間，校正集是預(yù)測(cè)集的子集，能更好的驗(yàn)證所建立的 模型對(duì)變化數(shù)據(jù)的適應(yīng)性。本實(shí)驗(yàn)選取的大米樣品水分含量范圍分布較廣，基本上覆蓋了大米中可能出現(xiàn)的水分含量。

２．２ 光譜預(yù)處理

為了消除光譜信息中的噪聲和干擾，對(duì)原始近紅外光譜進(jìn)行預(yù)處理是十分必要的。本文分別采用 ＰＬＳ、ＳｉＰＬＳ和 ＭＷＰＬＳ作為建模方法，以相關(guān)系數(shù) Ｒ 和 ＲＭＳＥＣＶ 作為評(píng)判標(biāo)準(zhǔn)，考察了多元散射校正 （ＭＳＣ）、標(biāo)準(zhǔn)正態(tài)交換（ＳＮＶ）、歸一化（Ｎｏｒｍａｌｉｚｅ）等多種光譜預(yù)處理方法對(duì)模型建立的影響，旨在篩選 出最優(yōu)的光譜預(yù)處理方法。結(jié)果如表２所示，采用 ＲａｎｇｅＮｏｒｍａｌｉｚａｔｉｏｎ法預(yù)處理光譜建立的 ＰＬＳ模型 獲得了最小的 ＲＭＳＥＣＶ 值，采用二階導(dǎo)數(shù)法預(yù)處理光譜建立的ＳｉＰＬＳ模型獲得了最優(yōu)的結(jié)果，采用多光 散射校正加一階導(dǎo)數(shù)（ＭｕｌｔｉｐｌｉｃａｔｉｖｅＳｃａｔｔｅｒＣｏｒｒｅｃｔｉｏｎ＋ＦｉｒｓｔＤｅｒｉｖａｔｉｖｅ，ＭＳＣ＋ＦＤ）法預(yù)處理光譜建立 的 ＭＷＰＬＳ模型最佳，故本文分別將 ＲａｎｇｅＮｏｒｍａｌｉｚａｔｉｏｎ、二階導(dǎo)數(shù)法和 ＭＳＣ＋ＦＤ 法確定為 ＰＬＳ、Ｓｉ－ ＰＬＳ和 ＭＷＰＬＳ建模時(shí)的光譜預(yù)處理方法。

３ 結(jié)論

本文分別采用偏最小二乘法、組合區(qū)間偏最小二乘法和移動(dòng)窗口偏最小二乘法對(duì)大米中水分含量進(jìn) 行了建模和選優(yōu)，建模過(guò)程中對(duì)不同光譜預(yù)處理方法和特征波長(zhǎng)區(qū)間進(jìn)行了篩選。結(jié)果表 明：ＳｉＰＬＳ和 ＭＷＰＬＳ算法均可以剔除噪聲過(guò)大的譜區(qū)，相較于全譜建模，選擇合適的光譜區(qū)間建模能有效的提高模型 的預(yù)測(cè)精度和準(zhǔn)確度。且 ＭＷＰＬＳ算法比ＳｉＰＬＳ進(jìn)一步減少了模型的變量個(gè)數(shù)，對(duì) ＭＷＰＬＳ定標(biāo)模型進(jìn) 行驗(yàn)證時(shí)，預(yù)測(cè)集相關(guān)系數(shù)達(dá)到了０．９６１７，平均預(yù)測(cè)回收率為１００．６４％，說(shuō)明采用 ＭＷＰＬＳ法建立的定 標(biāo)模型具有良好的預(yù)測(cè)能力。



 

免責(zé)聲明：文章僅供學(xué)習(xí)和交流，如涉及作品版權(quán)問(wèn)題需要我方刪除，請(qǐng)聯(lián)系我們，我們會(huì)在第一時(shí)間進(jìn)行處理。