一种稻米品质的近红外检测方法与应用
【技术领域】
[0001] 本发明属于农产品品质分析技术领域，具体涉及一种稻米品质的近红外检测方法 与应用。
【背景技术】
[0002] 稻米是我国主要的粮食作物，含有蛋白质、脂肪、水分、总糖、灰分等多种营养成 分，这些成分的检测具有操作复杂、费时和费力的缺点。近红外光是波长介于可见光区与中 红外区之间的电磁波，美国材料检测协会（ASTM)将近红外光谱区定义为780-2526nm的区 域。近红外光谱主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迀时产生， 记录含氢基团（C-H，N-H，〇-H)振动的合频和倍频吸收。稻米中的品质含有丰富的含氢基 团，在近红外光谱区段有较强的响应。
[0003] 近红外光谱分析已应用于检测稻谷直链淀粉的含量，稻谷、稻米中蛋白质、脂肪、 水分和总糖的含量，在国外，Delwiche S Rm等利用近红外光谱技术建立稻谷的直链淀粉 的定标模型，相关系数达到〇. 95,取得了较好的效果；Himmerlsbachra等利用近红外光谱 技术建立精米的蛋白质的定标模型，实测值和预测值的相关系数达0.992 ;在国内，吕慧[3]等利用近红外光谱技术，筛选最佳谱区范围建立了大米水分、蛋白质和直链淀粉的定量分 析模型，预测模型的决定系数高达〇. 992 ;郭咏梅[4]等基于近红外光谱分析技术，采用偏 最小二乘法，并筛选最佳谱区范围建立糙米蛋白质预测的校正模型，决定系数为0.9289。 申请号号2013105009402 [5]文献公布了一种快速检测稻米中直链淀粉含量的方法，采用 的是850nm-1045nm的近红外光谱信息，运用偏最小二乘法建立近红外校正模型，申请号 201110187788. 8 [6]文献公布了一种利用近红外快速检测米糠脂肪酶活性的方法，采用的是 800nm-2500nm的近红外光谱信息，运用主成分回归和偏最小二乘法建立模型。
[0004] 但是这些研究尚存在光谱的冗余信息较多，光谱特征波长不明确，预测模型报道 少，同时对稻米的碎米率、谷壳率、糠粉率和整精米率的近红外模型报道少等问题。
【发明内容】
[0005] 本发明的目的是在于克服现有技术的缺陷，提供一种稻米品质的近红外检测方法 与应用。本发明快速、无损和简便，以找到稻米品质的近红外光谱特征，通过建立预测模型 的方法，为稻米品质的检测提供一种利用近红外检测稻米品质的方法。
[0006] 本发明通过以下技术方案实现：
[0007] 本发明挑选稻米品质的特征波长，且特征波长数量少，运用特征波长建立稻米品 质的近红外模型的方法，在相同预测精度的情况下，本发明的预测速度快。同时本发明建立 的稻米碎米率、谷壳率、糠粉率和整精米率的近红外预测模型的方法，对稻米品质分析比较 全面。
[0008] 具体地，本发明提供的稻米品质的近红外检测方法，包括如下步骤：
[0009] 一种稻米品质的近红外检测方法与应用，包括下列步骤：
[0010] 将待测样品进行近红外扫描，得到基于波长的吸光值原始波谱图，然后将原始波 谱图进行消噪处理和预处理，从处理后的波谱中筛选特征波长，再将特征波长代入样品品 质指标的预测模型中，得到样品品质的近红外检测值。
[0011] 其中：所述预测模型的构建方法如下所述：
[0012] (1)收集有代表性的稻米样品，包括稻谷、糙米、精米、谷壳、米糠或碎米；
[0013] (2)对所收集的样品进行化学测试，将所得的化学测试值记为ynu，其中：m是第m 个指标，m = 1，2, 3，…，20 ;当m = 1时记为稻谷水分含量，m = 2时记为稻谷蛋白质含量， m = 3时记为稻谷脂肪含量，m = 4时记为为稻谷总糖含量，m = 5时记为稻谷灰分含量，m =6时记为谷壳率，m = 7时记为糙米含碎率，m = 8时记为碎米率，m = 9时记为糠粉率， m = 10时记为整精米率，m = 11时记为糙米水分含量，m = 12时记为糙米蛋白质含量，m =13时记为糙米脂肪含量，m = 14时记为糙米总糖含量，m = 15时记为糙米灰分含量，m =16时记为精米水分含量，m = 17时记为精米蛋白质含量，m = 18时记为精米脂肪含量， m = 19时记为精米总糖含量，m = 20时记为精米灰分含量；j为第j个样品，共η个样品， n ^ 40 ;
[0014] ⑶对样品进行近红外扫描，吸光值为Xl]，其中i表示第i个波长，波长i = lOOOnm，lOOlnm，1002nm，…，1799nm ;
[0015] ⑷消噪处理和预处理：用小波消噪法将Xlj进行消噪处理，得到消噪吸光值，然后 再用归一化、一阶导数、二阶导数中的一种或多种的组合处理方法对消噪吸光值进行预处 理，得到预处理吸光值Al j;
[0016] (5)筛选近红外光谱特征波长：运用竞争性自适应重加权采样（CARS)方法和偏最 小二乘法（PLS)法筛选近红外光谱特征波长，建立稻米品质的预测模型：?= b"+ Σ BnilB1, 其中％为稻米品质的近红外检测值，B为A u中第j个样品的吸光值，b "、&ηι1为回归系数， 预测模型的评价指标为决定系数R2和定标标准差RMSEC，回归系数的显著性用T检验，当系 数Bnil的显著性即t值大于0. 05时，则令a "= 0, a 0处所对应的波长i为特征波长；
[0017] 特征波长如下：
[0018] 稻谷水分：131〇11111、140211111、159311111、173811111和 177211111;
[0019] 稻谷蛋白质：1206nm、1254nm、1274nm、1563nm 和 1752nm ;
[0020] 稻谷脂肪：1343nm、1369nm、1489nm、1574nm 和 1583nm ;
[0021] 稻谷总糖：108611111、127311111、127911111、157711111和 164311111;
[0022] 稻谷灰分：1079nm、1181nm、1417nm、1426nm 和 1494nm ;
[0023] 糖米水分：1026nm、1102nm、1213nm、1313nm 和 1746nm ;
[0024] 糖米蛋白质：1168nm、1170nm、1250nm、1780nm 和 1779nm ;
[0025] 糖米脂肪：1625nm、1536nm、1712nm、1026nm 和 1042nm ;
[0026] 糖米总糖：1008nm、1326nm、1377nm、1525nm 和 1599nm ;
[0027] 糖米灰分：1073nm、1068nm、1141nm、1259nm 和 1785nm ;
[0028] 精米水分：1060nm、1274nm、1293nm、1328nm 和 1408nm ;
[0029] 精米蛋白质：1254nm、1285nm、1516nm、1554nm 和 1717nm ;
[0030] 精米脂肪：1018nm、1536nm、1608nm、1625nm 和 1712nm ;
[0031] 精米总糖：1304nm、1338nm、1617nm、1726nm 和 1745nm ;
[0032] 精米灰分：1452nm、1472nm、1481nm、1724nm 和 1759nm ;
[0033] 谷壳率：1127nm、1264nm、1446nm、1495nm 和 1597nm ;
[0034] 糖米含碎率：1123nm、1301nm、1317nm、1326nm 和 1681nm ;
[0035] 碎米率：1183nm、1243nm、1579nm、1584nm 和 1723nm ;
[0036] 糠粉率：115711111、160211111、172311111、172811111和173〇11111;
[0037] 整精米率：1114nm、1151nm、1257nm、1659nm 和 1680nm ;
[0038] 上述特征波长允许有±2nm的偏差。
[0039] (6)预测模型的修正：增加1个样本，使样本数η = n+1，对新增加的样本进行化学 测试、近红外扫描、消噪处理和预处理，得到新的Au，按步骤（5)所述的近红外特征波长，得 到新的稻米品质的近红外检测值Zni的预测模型。
[0040] 本发明可用于稻米、小麦、玉米、薏米、大豆、芝麻、花生等颗粒状固体谷物及米糠、 小麦粉等粉状物料样品的品质检测，所述的品质指标不限于上述指标。
[0041] 本发明优点在于：
[0042] 1、确定了稻米品质的特征波长。运用特征波长建立模型的分析方法，提高模型的 精度。
[0043] 2、实现了稻米品质的快速检测。常规的稻米品质的检测，耗时长，而近红外检测只 需要3-4秒；
[0044] 3、实现了稻米品质的无损检测。常规的稻米品质的检测需要粉碎，对稻米造成损 害，而近红外检测可对整粒稻米进行检测；
[0045] 4、对稻米品质分析较全面。建立了稻米的蛋白质、脂肪、水分、总糖、灰分、碎米率、 谷壳率、糠粉率和整精米率的预测模型和测试方法。
【附图说明】
[0046] 图1 :是本发明的未经处理的稻谷样品近红外光谱图和预处理后稻谷样品的光谱 图。附图标记说明：图1(a)图为未经处理的稻谷样品近红外光谱图；图Ib)图为经过小波 消噪后的稻谷样品近红外光谱图；图1(c)图为经过归一化处理后的近红外光谱图。
[0047] 图2 :是本发明的特征波长筛选图。附图标记说明：图2中的（a)图是筛选过程中 选出变量的变化趋势，随着运行次数的增加，保留的变