一种稻谷脂肪酸含量无损检测方法及系统的制作方法
【技术领域】
[0001] 本发明涉及稻谷品质检测领域，特别是一种稻谷脂肪酸含量无损检测方法及系 统。
【背景技术】
[0002] 稻谷是我国主要的粮食作物之一，其主产区和储备区大部分集中在长江以南。该 区域气候具有终年高湿，冬季短，夏季长且酷暑等特点，为霉菌繁殖提供了适宜的生长条 件。稻谷中富含淀粉、蛋白质、碳水化合物等成分，极易受霉菌污染造成霉烂变质，产生对人 体有毒害的物质。研究结果表明稻谷霉变过程实质上就是微生物以稻谷为营养基质，进行 消化、吸收和利用的物质代谢和能量代谢的生物化学反应，其中脂肪酸是一种比较稳定的 代谢产物，容易在霉变的稻谷中积累，从而导致稻谷中脂肪酸值增高。因此，脂肪酸含量的 变化可以较好地表征稻谷霉变的程度。因此，通过对稻谷中脂肪酸含量的检测，可反映稻谷 的霉变情况，对实现稻谷安全储藏和提高稻米的食用安全具有重要意义。
[0003] 现有的谷物脂肪酸值测定主要采取传统的化学分析方法，按照GB/T20569-1995 《谷物制品脂肪酸值测定法》进行测定，该方法在分析稻谷脂肪酸含量时需要添加化学试剂 对稻谷本身实施破坏性检测，处理反应周期较长，易造成对环境的污染，难以达到快速检测 的要求。
[0004] 霉菌侵染稻谷的劣变过程通常划分为3个阶段，分别是霉变初期、霉变中期、霉变 后期。在霉变初期，谷粒出现轻度变色、发潮，肉眼很难观察；在霉变中期，谷粒胚部开始显 现菌落，并出现较为明显的霉斑和霉味；在霉变后期，霉谷区出现严重的霉味、酸味和异常， 谷粒成团结块。可见/近红外光谱为分子的振动光谱，每一条谱带的频率、强度与带形都与 分子本身的化学结构密切相关。因此，可见/近红外光谱可有效反应物质内部的有机成分， 特别是各类有机化合物官能团的特征，可作为一种可靠的分析技术。高光谱成像技术可以 获取目标的图像信息和可见/近红外光谱信息，常用于分析目标中感兴趣区域的物质结构 及化学组成。综合上述稻谷不同时期表征的感官特点，利用高光谱成像技术获取不同时期 稻谷所对应的光谱反射值从而反演其脂肪酸含量变化，具有一定的潜在可行性。
[0005] 高光谱图像中光谱曲线具有极高的光谱分辨率，数据维数较高，如果用全光谱波 段作为输入变量建立稻谷脂肪酸含量预测模型，模型将由于输入变量的共线性问题，产生 较多冗余数据，耗费大量的建模时间。同时，光谱建模样本的选取和确定直接影响模型的预 测精度和校正速度。
【发明内容】
[0006] 本发明所要解决的技术问题是，针对现有技术不足，提供一种稻谷脂肪酸含量无 损检测方法及系统。
[0007] 为解决上述技术问题，本发明所采用的技术方案是：一种稻谷脂肪酸含量无损检 测方法，包括以下步骤：
[0008] 1)将无霉变、未发芽、千粒重为23. 32g的籼稻谷放置于恒温恒湿箱中进行霉菌培 养，制备不同霉变时期的稻谷样本；所述恒温恒湿箱的温度为30°C，湿度为90% ;所述不同 霉变时期为霉变初期、霉变中期和霉变后期；
[0009] 2)在上述各个时期以及稻谷正常期内选择多个稻谷样本，分别采集波长392、 404、430、442、619、636、870、885和899nm光波所对应的稻谷样本的反射率；
[0010] 3)将各反射率分别代入稻谷脂肪酸含量预测模型：y = 1051.4h-333.3 Ad3 95. 9入3-3112. 3入4-208. 8入5-120. 7入6+1362. 5入7-402. 1入s+285. 2入9+177. 7，或者y = 182. 8707+1063. 5033 A i-480. 0859 A 2+439. 8862人3-1473. 8358 A 4-223. 9725 A 5-198. 9102 入6-19. 7287 A 7-515. 6599 A s+554. 5584 A9;计算得到稻谷脂肪酸含量；其中，y为稻谷脂肪 酸含量，单位为KOH mg/100g干基；A9分别为波长392、404、430、442、619、636、870、 885和899nm波段所对应的稻谷样本反射率；
[0011] 4)对于待测稻谷，分别采集该待测稻谷波长392、404、430、442、619、636、870、885 和899nm光波所对应的稻谷样本的反射率，将所述反射率代入上述预测模型检测稻谷的脂 肪酸含量。
[0012] 所述步骤2)中，稻谷正常期、霉变初期、霉变中期、霉变后期对应的脂肪酸含量区 间分别为 19 ~24、27 ~81、84 ~127、101 ~125K0Hmg/100g干基。
[0013] 所述步骤3)中，稻谷脂肪酸含量预测模型的建立过程包括以下步骤：
[0014] 1)从200个稻谷样本选取45个样本作为模型预测集，剩余的155个样本作为模型 初始校正集；
[0015] 2)采用SPXY算法对模型初始校正集样本进行筛选，指定样本数N范围选为35~ 155,步长为10,分别试建全光谱波段的PLSR模型，根据模型预测集的相关系数Rp和预测均 方根误差RMSEP，完成模型初始校正集样本的优选和样本数量的的确定；
[0016] 3)利用连续投影算法对SPXY算法优选的稻谷的校正模型进行光谱特征波段选 取，指定波段数N范围为2~24,根据模型初始校正集的内部交叉验证均方根误差RMSECV 值确定最佳的光谱特征波段个数，模型初始校正集样本的原始光谱经过SG数据平滑，从 256个光谱波段中共优选出9个特征波段，分别是392、404、430、442、619、636、870、885和 899nm；
[0017] 4)经过对全波段光谱数据进行SG平滑预处理后，采用SPXY算法优选的稻谷校正 集样本，将SPA算法优选的特征波段对应的光谱反射率作为MLR模型的输入变量，以相应测 量的脂肪酸含量作为输出变量，建立稻谷脂肪酸含量SPXY-SPA-MLR预测模型；或者经过对 全波段光谱数据进行SG平滑预处理后，采用SPXY算法优选的稻谷校正集样本，将SPA算法 优选的特征波段对应的光谱反射率作为PLSR模型的输入变量，以相应测量的脂肪酸含量 作为输出变量，建立稻谷脂肪酸含量SPXY-SPA-PLSR预测模型；或者经过对全波段光谱数 据进行SG平滑预处理后，采用SPXY算法优选的稻谷校正集样本，将SPA算法优选的特征波 段对应的光谱反射率作为BP神经网络的输入变量，以相应测量的脂肪酸含量作为输出变 量，建立稻谷脂肪酸含量SPXY-SPA-BP神经网络预测模型。
[0018] 所述SPXY-SPA-MLR预测模型对应的相关系数&为0.9159,预测均方根误差RMSEP 为14. 2610〇
[0019]所述SPXY-SPA-PLSR预测模型对应的相关系数&为0.9221，预测均方根误差 RMSEP为 13. 8893。
[0020] 所述SPXY-SPA-BP神经网络预测模型对应的相关系数&为0. 9516,预测均方根误 差RMSEP为10. 9324。
[0021] 利用所述稻谷脂肪含量预测模型对校正集和预测集稻谷样本的脂肪酸含量进行 预测，并对预测结果进行评价，评价指标中模型的预测值与实测值相关系数和斜率越接近 于1，均方根误差绝对值小，说明稻谷脂肪含量预测模型的预测性能越好。
[0022] 本发明还提供了一种稻谷脂肪酸含量无损检测系统，包括：
[0023] 恒温恒湿箱A:用于储藏正常期稻谷样本，其温度为10°C，湿度为15%;
[0024] 恒温恒湿箱B:用于培养不同霉变时期的稻谷样本，其温度为30°C，湿度为90%
[0025] 光谱检测模块：用于采集波长392、404、430、442、619、636、870、885和899nm光波 所对应的稻谷样本的反射率；
[0026] 处理模块：用于将各反射率分别代入稻谷脂肪酸含量预测模型：y = 1051. 4入^ 333. 3 A 2+395. 9 A 3-3112. 3 A 4-208. 8 A 5-120. 7 A 6+1362. 5 A 7-402. 1 A 8+285. 2 A g+177.1, 或者y = 182. 8707+1063. 5033 A「480. 0859 A 2+439. 8862 X 3-1473. 8358 A 4-223. 9725入5_ 198. 9102 A 6-19. 7287 A 7-515. 6599 A s+554. 5584 A9;计算得到稻谷脂肪酸含量；其中，y为 稻谷脂肪酸含量，单位为KOH mg/100g干基；A9分别为波长392、404、430、442、619、 636、870、885和899nm波段所对应的稻谷样本反射率；
[0027] 预测模块：用于利用所述预测模型检测稻谷的脂肪酸含量。
[0028] 所述处理模块包括：
[0029] 模型预测集：包括200个稻谷样本集中的45个样本；
[0030] 模型初始校正集：包括200个稻谷样本中剩余的155个样本；
[0031] 优选和样本数量确定模块：用于采用SPXY算法对模型初始校正集样本进行筛选