基于NIR和PLS-DA法的東北大米產(chǎn)地快速溯源方法研究

高 彤 吳靜珠 林 瓏 劉 志 劉翠玲 于重重

(北京工商大學(xué)食品安全大數(shù)據(jù)技術(shù)北京市重點實驗室1，北京 100048)(浙江省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)部農(nóng)產(chǎn)品信息溯源重點實驗室2，杭州 310021)

大米在中國的經(jīng)濟市場中起著非常重要的作用。大米的價格和質(zhì)量與其產(chǎn)地息息相關(guān)，東北大米憑借其地理優(yōu)勢不但保證了大米特有的高品質(zhì)，而且其價格遠高于市場中同類普通產(chǎn)品。但是由于我國農(nóng)產(chǎn)品市場準(zhǔn)入制度和溯源體系的不完善，目前市場上出現(xiàn)東北大米“摻偽”“假冒”等現(xiàn)象，因此大力發(fā)展產(chǎn)地溯源技術(shù)對于保護地區(qū)名牌和特色產(chǎn)品以及質(zhì)量管理部門的有效監(jiān)管都具有十分重要的意義。

目前國內(nèi)主流的產(chǎn)地溯源技術(shù)主要有礦物元素指紋分析技術(shù)、同位素指紋溯源技術(shù)、DNA指紋圖譜技術(shù)[1]、紅外光譜技術(shù)[2]等。其中近紅外光譜技術(shù)因其具有適應(yīng)范圍廣、采集信息量大、分析速度快、無損無污染[3]等優(yōu)點，成為了快速溯源技術(shù)的研究熱點。農(nóng)作物中有機組分的組成及含量與其產(chǎn)地環(huán)境的特征關(guān)系密切，不同地域來源的農(nóng)作物中化學(xué)成分含量及組成均存在差異，因此農(nóng)產(chǎn)品的近紅外光譜能夠反映產(chǎn)地的地域特征信息，可用于產(chǎn)品的產(chǎn)地鑒別。目前已有學(xué)者將近紅外光譜用于大米產(chǎn)地溯源探索研究。錢麗麗等[4]將近紅外光譜與PLS-DA法結(jié)合用于黑龍江省內(nèi)5個水稻主產(chǎn)區(qū)的大米粉末樣品的產(chǎn)地判別, 5個地域的預(yù)測正確率分別為87.5%、87.5%、100%、100%、100%。宋雪健等[5]利用傅里葉變換漫反射近紅外光譜法結(jié)合PLS-DA法、因子化法對來自2014年、2015年的地理標(biāo)志產(chǎn)品查哈陽大米和五常大米進行產(chǎn)地溯源檢測，正確率均在90%以上。

近紅外光譜技術(shù)應(yīng)用于大米產(chǎn)地快速溯源已取得了初步的成效，然而現(xiàn)有研究主要集中在某幾個知名的東北大米產(chǎn)區(qū)間的產(chǎn)地鑒別，大米品種較為單一，且大米產(chǎn)地溯源模型的適用性較窄。東北大米產(chǎn)地涵蓋了黑龍江省、吉林省和遼寧省，品種也較為繁多，主流的有長粒香、圓粒香、稻花香和小町米等。東北大米產(chǎn)區(qū)自然環(huán)境不盡相同且大米品種豐富多樣，這都會引起大米近紅外光譜顯著的差異，進而影響到大米近紅外產(chǎn)地溯源模型的準(zhǔn)確性和適用性。因此本研究采用NIR和PLS-DA建立判別東北大米產(chǎn)地的溯源模型，通過光譜信號預(yù)處理和光譜分段建模方法優(yōu)化東北大米產(chǎn)地鑒別模型，以期為東北大米產(chǎn)地溯源提供一種快速、無損的分析方法。

1 材料與方法

1.1 實驗材料

本實驗大米樣本由浙江省農(nóng)業(yè)科學(xué)院提供，共收集產(chǎn)地為東北的大米樣本52份，非東北產(chǎn)地大米樣本23份，共計75份樣本產(chǎn)地信息如表1所示。

按照4∶1的比例隨機劃分訓(xùn)練集和測試集，其中訓(xùn)練集樣本60份(東北大米樣本43份，非東北大米樣本17份)；測試集樣本15份(東北大米樣本10份，非東北大米樣本5份)。

表1 樣本統(tǒng)計信息

1.2 儀器與設(shè)備

采用德國BRUKER公司的VERTEX 70傅里葉變換紅外光譜儀[6]。

1.3 光譜采集及預(yù)處理

實驗采用大樣品杯旋轉(zhuǎn)采樣方式，裝樣前仔細篩查，剔除夾雜物以避免干擾，盡量保證每份樣本裝在樣品杯中的高度一致。儀器參數(shù)設(shè)定如下：波數(shù)范圍為4 00012 500 cm-1，分辨率為8 cm-1，掃描次數(shù)為64次，采樣點數(shù)為2 074。大米樣本的原始近紅外光譜圖如圖1所示(黑色光譜為東北大米，紅色為非東北大米)。

圖1 大米近紅外原始光譜圖

由于原始數(shù)據(jù)存在明顯的基線漂移和噪聲，因此采用一階導(dǎo)(9點)、二階導(dǎo)(9點)、SG平滑(9點)和矢量歸一化等方法進行光譜預(yù)處理。如圖2所示，經(jīng)矢量歸一化處理后的譜圖光譜質(zhì)量得到了明顯改善。

圖2 矢量歸一化后近紅外光譜圖

1.4 PLS-DA判別法

PLS-DA 判別分析法是一種基于偏最小二乘法(partial least squares，PLS)的有監(jiān)督的模式識別方法，將光譜數(shù)據(jù)與分類變量進行線性回歸。對不同處理樣本(如觀測樣本、對照樣本)的特性分別進行訓(xùn)練，產(chǎn)生訓(xùn)練集，并檢驗訓(xùn)練集的可信度。本研究應(yīng)用PLS-DA 方法同時對光譜陣和類別陣進行分解，加強了類別信息在光譜分解時的作用，以提取出與樣本類別最相關(guān)的光譜信息，即最大化提取不同類別光譜之間的差異[7-9]。

2 結(jié)果與討論

2.1 基于不同預(yù)處理方法的東北大米產(chǎn)地溯源模型比較

實驗采用常規(guī)的一階導(dǎo)(9點)、二階導(dǎo)(9點)、SG平滑(9點)和矢量歸一化方法分別進行數(shù)據(jù)預(yù)處理。將賦值的地域作為分類變量Y，近紅外光譜數(shù)據(jù)作為分類變量X[12]，建立分類變量Y(地域)與X(預(yù)處理后的近紅外光譜)的PLS-DA判別模型。R2是擬合的度量，即模型與數(shù)據(jù)的擬合程度。R2越大，說明近紅外光譜經(jīng)過預(yù)處理后模型準(zhǔn)確度越高。根據(jù)已建的PLS-DA模型計算R2值，如表2所示。根據(jù)表2可得，矢量歸一化后的R2(x)、R2(y)綜合值最大，因此首先應(yīng)用矢量歸一化進行數(shù)據(jù)預(yù)處理。

表2 不同預(yù)處理方法的R2值

對光譜進行歸一化預(yù)處理后需要確定用于建立模型的最佳主成分?jǐn)?shù)，理論上應(yīng)選擇訓(xùn)練集效果好的為最佳主成分?jǐn)?shù)，但是主成分?jǐn)?shù)過大，圖譜會出現(xiàn)過擬合現(xiàn)象；主成分?jǐn)?shù)過少，圖譜則出現(xiàn)欠擬合現(xiàn)象[11]。根據(jù)表3所示，主成分位數(shù)為1的時候，測試集正確率較好，但是訓(xùn)練集正確率不理想，呈現(xiàn)欠擬合現(xiàn)象。隨著主成分位數(shù)的增加，訓(xùn)練集正確率呈現(xiàn)上升趨勢，在主成分位數(shù)為5的時候雖然訓(xùn)練集正確率達到98.33%，但是測試集正確率下降，可是能過擬合的原因，見表3所示。因此，本實驗中PLS-DA模型可確定選取主成分?jǐn)?shù)為4。

表3 不同主成分?jǐn)?shù)訓(xùn)練結(jié)果

2.2 基于分段譜區(qū)的大米產(chǎn)地溯源模型比較

在4 000～12 000cm-1范圍內(nèi)，大米近紅外光譜總體呈現(xiàn)上升趨勢，在5 173、6 846、8 318 cm-1處有明顯的波峰。其中4 000～5 500 cm-1處是C-H第1組合頻譜區(qū)，表征蛋白質(zhì)及淀粉物質(zhì)中N-H、C-H、O-H及C=O鍵振動的要區(qū)間，其中5 173 cm-1處的吸收峰與其有關(guān)；5 500～7 500 cm-1處是C-H第2組合頻區(qū)，在6 846 cm-1附近的吸收峰是因-CH2二級振動引起的，因與樣品中氨基酸種類及含量有關(guān)，所以較7 500-9 000 cm-1信息稍微強些；波段7 500～9 000 cm-1處是C-H第3組合頻區(qū)，其中8 318 cm-1附近的吸收峰是由脂肪烴中甲基(-CH)基團引起的[14]。由于不同波段所含信息不同，故訓(xùn)練效果不同，按照4個譜區(qū)分段(如圖3所示)后，建模結(jié)果如表4所示。

圖3 波段劃分圖

表4 分段建模訓(xùn)練結(jié)果

波段(cm-1)訓(xùn)練集識別率/%測試集識別率/%4 000～5 50093.33(56/60)86.67(13/15)5 500～7 50093.33(56/60)80.00(12/15)7 500～9 00095.00(5760)66.67(10/15)9 000～12 00098.33(59/60)80.00(12/15)全波段98.33(59/60)80.00(12/15)

基于特征波段的訓(xùn)練，最終選取結(jié)果較好的4 000～5 500cm-1作為最終模型。訓(xùn)練集正確率達93.33%，測試集總數(shù)為15個，正確判別13個，正確率為86.67%。

3 結(jié)論

采用PLS-DA方法結(jié)合近紅外光譜建立東北大米產(chǎn)地快速溯源模型，通過比較不同光譜預(yù)處理方法、不同特征譜區(qū)分段建模方法優(yōu)化模型的準(zhǔn)確性和適用性。實驗最終選取矢量歸一化預(yù)處理方法、4 000～5 500cm-1特征光譜譜區(qū)和PLS-DA方法建立判別東北大米產(chǎn)地的二分類定性分析模型，訓(xùn)練集識別率達到93.33%，測試集識別率達到86.67%。初步的實驗結(jié)果表明了采用近紅外技術(shù)和化學(xué)計量學(xué)方法快速溯源東北大米產(chǎn)地的可行性，但是鑒于實驗訓(xùn)練樣本還不夠充分，后續(xù)有待補充實驗樣本，進一步提升模型質(zhì)量。