基于近红外光谱和模式识别技术鉴别大米产地的研究.pdf

万方数据

眦胁33,Nory．1'20,ppl酱022第33卷乎1背基于近红外光谱和模式识别技术鉴别大米产地的研究夏立娅，申世刚’，刘峥颢，孙汉文引言I实验部分米和非响水大米；对于非响水地区的大米的具体产地判别，聚类分析正确率为91．9％，Fisher’S判别分析方明选取的特征波段具有较强的代表性，是优化模型的有效方法之一。由于水稻产地气候土壤等条件的不同，不同产地大米的(C—H，0卜H，卜卜一H)特征信息。物质光谱特征随组成或者米)90个，所有样本均为粳米，具体样本信息见表l。光谱学与光r谱alA分na．析年月摘要利用近红外光谱和模式识别技术建立了大米产地的快速鉴别方法。首先对119个地理标志产品响水大米和90个其他产地的大米(即非响水大米)的近红外光谱进行一阶导数和平滑处理，利用主成分分析法(PCA)对数据进行降维，通过前三个主成分的载荷图确定了相关性最大的特征波段(7ETn-1与cm-1)。在全波段内，凝聚层次聚类和Fisher’S判别鉴别方法都可以100％正确的鉴别响水大法的正确率为96．7％。同时，在特征波段内，对大米产地聚类分析的准确度高于全波段范围内分析结果，说关键词近红外；大米；主成分分析；聚类；判别；产地中图分类号：0657．3文献标识码：ADOI：10．3964／j．issn．1000—0593(2013)01—0102—04品质存在一定差异。响水大米产自黑龙江省渤海镇，生长的土地为火111岩浆流淌凝固后形成的“石板地”经过亿万年岩石风化和腐殖沉积而形成土壤，其中矿物质、有机质、微量元素等含量极为丰富。2007年国家质量监督检验检疫总局颁布了“关于批准对响水大米实施地理标志产品保护的公告”。响水大米品质优良，但却面l临越来越多的仿冒、以次充好等问题。因此，快速准确地鉴别大米的产地有着十分现实的意义。对于大米产地鉴别的研究多集中于同位素和矿物元素结合计量学分析领域[1‘4]，利用大米中蛋白质、淀粉含量差异进行产地识别的研究也取得一定进展[5’6]。但这些方法检测过程繁琐，检测设备昂贵，不适于大米产地的快速识别。近红外光(NIR)是波数范围为4cm～，介于可见光和中红外光之间的电磁波，包含丰富的含氢基团结构的变化而变化[7]，可用于物质的鉴别。由于近红外光谱分析技术的速度快、成本低、且能够最大限度地保留不同产地样本间的微小差异等优点，目前被用于于酪、橄榄油、蜂蜜等食品的产地鉴别，取得了很好的效果∞1‘，但在大米产地鉴别方面的研究鲜见报道。本工作将近红外光谱结合模式识别的技术应用于大米产地鉴别中，建立了一种无损快速的大米产地鉴别方法。1．1材料从响水大米的主产地共采集119个地理标志产品响水大米样本，从天津、湖南等大米产区采集对比样本(非响水大1．2仪器采用德国BRUKER公司MPA型傅里叶近红外光谱仪，OPUS光谱采集软件。1．3样品制备及光谱扫描将大米样品在30℃干燥48h后，采用四分法取50g置于旋转非透射样品杯中，在室温25℃，空气湿度50％的条件下扫描近红外吸收光谱。扫描波数范围4cm～，分辨率：8cm～。每个样本扫描32次，以其平均光谱作为最终的透射光谱。采用仪器自带的0PUS光谱分析软件河北大学化学与环境科学学院，河北省分析科学技术重点实验室，“药物化学与分子诊断”省部共建重点实验室，河北大学质量技术监督学院，河北保定071002700～6700～4000～10收稿日期：2012—07—02。修订日期：2012～09—20基金项目：国家水体污染控制与治理科技重大专项项目(2008Zx07209—07)，质检公益行业科研专项项目(200810345)和河北省科技计划项目(12221003D)资助作者简介：夏立娅，女，1978年生，河北大学化学与环境科学学院副教授*通讯联系人013SpectroscopyandSpectralAnalysis1057005300820000e-mail：[e-mail]-mail：[e-mail]，zu上J12
万方数据

2结果与讨论cm_1波段(I区)为3肛H的倍频伸缩振动，8光谱学与光谱分析第l期对原始光谱进行一阶导数及平滑处理。1．4数据处理利用SPssl7．0软件进行数据的主成分分析(PCA)，最大收敛性迭代次数为25，提取特征值大于1的因子。利用OPUS软件分别在全波段和特征波段计算光谱间欧氏距离，然后基于ward’S算法进行凝聚层次聚类分析。判别分析同样利用SPSSl7．0软件进行，预测变量全部进入判别方程，利用Fisher’S线性判别方法建立判别模型，并进行交叉验证。2．1近红外光谱分析从大米近红外全波段光谱图(图1)可见：近红外9处吸收峰由脂肪烃中甲基C—H基团引起；7cm_1波段(1I区)是C—H第二组合