王朝輝 楊郡洲 王艷輝 趙 倩賴漢卿 陳 雷 王靖會

(吉林農(nóng)業(yè)大學(xué)食品科學(xué)與工程學(xué)院1，長春 130118) (吉林省長春市凈月開發(fā)區(qū)福祉街道辦事處2，長春 130122) (廣東地球土壤研究院3，廣州 510145) (吉林省長春市交警支隊南關(guān)區(qū)大隊4，長春 130000) (吉林農(nóng)業(yè)大學(xué)信息技術(shù)學(xué)院5，長春 130118)

大米作為世界范圍內(nèi)消費者認(rèn)可的主食之一，其營養(yǎng)成分提供了90%以上人體所需營養(yǎng)元素，食用價值極高[1-2]。梅河大米因產(chǎn)地獨有自然因素與人文因素，其大米產(chǎn)品經(jīng)國家審批成為“地理標(biāo)志產(chǎn)品”，受到消費者的認(rèn)知和青睞[3-5]，但時有虛假來源大米流入市場的現(xiàn)象發(fā)生，反映出缺少相關(guān)產(chǎn)地確證研究的問題。

食味品質(zhì)指標(biāo)作為大米食用品質(zhì)優(yōu)劣的評測標(biāo)準(zhǔn)，因不同生長環(huán)境可以影響各指標(biāo)含量，所以食味品質(zhì)指標(biāo)也逐漸應(yīng)用于大米產(chǎn)地確證研究。國內(nèi)現(xiàn)有研究中，錢麗麗等[6]通過對大米食味品質(zhì)指標(biāo)中蛋白質(zhì)、直鏈淀粉、脂肪、灰分含量進行判別分析，交叉檢驗，驗證了上述指標(biāo)可以成為大米產(chǎn)地鑒別的潛在因素。田福林等[7]通過對脂肪酸含量進行主成分與聚類分析，成功區(qū)分四個不同產(chǎn)地來源大米。但現(xiàn)階段大米產(chǎn)地確證研究手段中，實驗方法多集中于化學(xué)實驗，需要對樣品進行大量前期處理工作，如打粉、研磨、消化等步驟，無法做到快速無損檢測[8-9]。

高光譜成像技術(shù)(Hyperspectral Imaging，HSI)結(jié)合了近紅外光譜和數(shù)字成像。提供了一種非接觸式，無損快速檢測手段。高光譜成像技術(shù)能夠建立三維“超立方體”數(shù)據(jù)集，不僅可以觀測樣本圖像，也可對單一像素點進行光譜數(shù)據(jù)提取[10]。現(xiàn)階段國外高光譜成像技術(shù)多應(yīng)用于測量各種食品中化學(xué)成分的分布，包括肉類、魚類、水果、蔬菜、和谷物方面的應(yīng)用[11]。Munir等[12]通過高光譜成像技術(shù)建立了高光譜圖像與牛奶關(guān)鍵質(zhì)量屬性之間的相關(guān)性關(guān)系。Nicola等[13-14]通過高光譜成像對小麥籽粒中總蛋白含量進行了無損檢測，并建立含量預(yù)測模型。又通過高光譜成像技術(shù)對生咖啡豆的蔗糖、咖啡因等指標(biāo)進行了無損分析，并建立PLS回歸模型以量化咖啡成分。王璐等[15]也在高光譜圖像與波譜圖像相結(jié)合的研究中成功共同表征了大米的水分、蛋白質(zhì)、淀粉成分含量。孫俊等[16]通過對光譜信息采集并通過多種算法結(jié)合全光譜波段建立大米摻假判別模型，多模型判別準(zhǔn)確率均在90%以上。

本研究利用高光譜成像技術(shù)快速無損反映大米內(nèi)部信息的特點，彌補食味品質(zhì)指標(biāo)產(chǎn)地確證方法在樣品破壞性和檢測速度方面的不足。并通過光譜信息與食味品質(zhì)指標(biāo)的結(jié)合對全波長光譜進行特征波長提取，相關(guān)性分析與產(chǎn)地判別，嘗試探究梅河大米基于高光譜成像技術(shù)的產(chǎn)地確證因子。

1 材料與方法

1.1 儀器與設(shè)備

1.1.1 大米樣品預(yù)處理設(shè)備

JLGJ4.5礱谷機，HNMJ3碾米機，JXFM110錘式旋風(fēng)磨。

1.1.2 高光譜成像設(shè)備

Imspector V10E-QE高光譜采集系統(tǒng)成像光譜儀，C8484-05G CCD相機，V23-f/2.4 030603鏡頭，P/N 9130線光源，2900ER控制器，GZ02DS20可升降樣品臺，PSA200-11-X電控位移臺，9589-EKE-ER全光譜鹵素?zé)艄庠础?/p>

1.1.3 蛋白質(zhì)含量檢測設(shè)備

蛋白質(zhì)檢測采用蛋白質(zhì)快速檢測儀：ATN-100型凱氏定氮全自動檢測儀。

1.1.4 脂肪酸組成含量檢測設(shè)備

Agilent7890B-GC樣品檢測儀器；Agilent DB-WAX色譜柱；載氣：氮氣；燃氣：氫氣空氣；進樣口250 ℃、柱箱起始溫度為50 ℃。

1.2 樣品采集

現(xiàn)階段大米產(chǎn)地確證研究中，樣品采集多依賴于市場采購，造成樣品來源不穩(wěn)定。

本次實驗中，樣本采集方法采用空間網(wǎng)格布點法，該方法現(xiàn)多應(yīng)用于土壤檢測、城市監(jiān)測、施工布點等方面?？臻g網(wǎng)格布點法通過對樣本分布不均勻區(qū)域進行網(wǎng)格劃分，在網(wǎng)格交界點或交界區(qū)域內(nèi)進行樣本采集，樣品具有代表性、隨機性，并且有效反映了產(chǎn)地大米總體分布特征。

梅河口市作為本次試驗樣品來源地，坐落于吉林省中部和東部核心區(qū)節(jié)點城市，市內(nèi)種植區(qū)域多依傍于大柳河、大沙河、一統(tǒng)河三大河系。梅河口市四季分明，年平均氣溫為4.5～5.3 ℃，年均降水量750 mm左右，在水稻生長期間，可保持較為優(yōu)異的生長環(huán)境。

通過奧維(Omap)衛(wèi)星地圖比例尺網(wǎng)格功能對梅河口市按照5 km×5 km規(guī)格進行區(qū)域劃分，將地圖中網(wǎng)格交界點處的大面積梅河大米種植區(qū)域進行標(biāo)記，作為目標(biāo)采樣點。并通過實地調(diào)研，確定以A-海龍鎮(zhèn)B-灣龍鎮(zhèn)C-黑山頭鎮(zhèn)D-山城鎮(zhèn)E-吉樂鄉(xiāng)五個主產(chǎn)區(qū)作為采樣區(qū)域，如圖1所示。采樣區(qū)域內(nèi)以五點采樣法、蛇形采樣法、對角線采樣法等為主。每區(qū)域設(shè)置6個采樣地塊，各采樣地塊內(nèi)布置10個采樣點，共300個梅河大米樣本，收集大米植株樣本，使用取土器收集對應(yīng)根系土壤并記錄采樣樣品位置空間環(huán)境信息。

圖1 梅河大米地理概況及采樣點示意圖

1.3 試驗方法

1.3.1 樣品前處理

采集到樣品后，使用帶有通氣孔的包裝袋包裝，防止樣品變質(zhì)及混淆，待返回實驗室，在室內(nèi)進行常溫陰干至全部樣品水分含量穩(wěn)定在14%左右，后進行編號、去雜葉、脫殼、礱谷、精白等工作。在預(yù)留出高光譜實驗所需完整米粒樣本后，將剩余樣品根據(jù)不同實驗方法的要求進行錘式旋風(fēng)磨粉碎、過篩、封裝、-4 ℃低溫保存。

1.3.2 高光譜數(shù)據(jù)采集

將高光譜數(shù)據(jù)采集裝置設(shè)定為物距為13.5 cm，曝光時間為15 ms，位移臺移動速度為1.62 mm/s。采集高光譜圖像時，由于暗電流、光源強度及外界環(huán)境影響會對高光譜檢測帶來信號干擾，為了減除噪聲帶來的誤差影響，每次高光譜數(shù)據(jù)采集后都進行黑白板矯正。放入黑色底板后將每個采樣點大米米樣取15粒按5×3的擺放方法均勻放于底板上，對黑白色進行標(biāo)準(zhǔn)矯正，準(zhǔn)備工作完成后，依次對各區(qū)域樣品進行圖像采集。

1.3.3 高光譜感興趣區(qū)域選擇

高光譜成像技術(shù)所獲取的初始數(shù)據(jù)為三維“超立方體”數(shù)據(jù)集，包含了樣品外部及內(nèi)部特征信息，信息量繁多，需要進行感興趣區(qū)域(Region OF Interest,ROI)選擇，對特定區(qū)域進行光譜信息采集、提取。為后期數(shù)據(jù)的挖掘、分析奠定了基礎(chǔ)。

感興趣區(qū)域(Region of interest，ROI)，利用ENVI5.0軟件自帶的ROI提取工具進行提取。將各個采樣點內(nèi)的15粒被測樣品作為ROI選取對象，每一粒樣品大米進行10×10像素區(qū)域提取。數(shù)據(jù)通過ENVI 5.0軟件提取為TXT文本格式，人工轉(zhuǎn)置為CSV文本，導(dǎo)出數(shù)據(jù)待后續(xù)處理。

圖2 大米樣品擺放及ROI區(qū)域選擇示意圖

1.3.4 脂肪酸數(shù)據(jù)檢測

將13.1 g KOH溶于100 mL無水甲醇中，實驗過程中如KOH溶解較慢，可適當(dāng)進行加熱。后加入無水硫酸鈉吸附、過濾，得到澄清溶液。將澄清溶液收集備用。

米粉過100目篩，稱取60 mg并加入4 mL異辛烷溶解實驗樣品，經(jīng)過短暫靜置，加入200 μL氫氧化鉀甲醇溶液，閉合管蓋，劇烈震蕩搖晃30 s后靜置至上層澄清后，加入1 g硫酸氫鈉，猛烈震搖，以將固體鹽成分沉淀，取上層清液至棕色上機瓶內(nèi)，待測。

1.3.5 直鏈淀粉檢測

根據(jù)GB/T 15683—2008/ISO6647-1:2007進行樣品檢測。

2 結(jié)果與分析

2.1 高光譜數(shù)據(jù)分析

2.1.1 特征波長選取

高光譜成像綜合了圖像與光譜技術(shù)，其數(shù)據(jù)集包含大量樣本內(nèi)部信息與外部信息。從原有圖譜中提取與樣品食味品質(zhì)指標(biāo)相關(guān)的特征波長，以代替冗余信息過多的全波長，稱之為特征波長的選取。

高光譜儀器在成像過程中，會由于機器自身運行與外界環(huán)境等因素產(chǎn)生噪聲信號，故將圖譜中400～450 nm及950～1 000 nm兩個噪聲波段進行篩除，并對原始光譜進行一階導(dǎo)數(shù)算法處理。

待處理完畢，原始數(shù)據(jù)自動保留374個波段。但是數(shù)據(jù)量依舊龐大，不利于后續(xù)數(shù)據(jù)分析。需通過MATLAB軟件對數(shù)據(jù)進行連續(xù)投影算法(Successive Project Algorithm,SPA)對光譜數(shù)據(jù)進行降維處理。連續(xù)投影算法在近年來多應(yīng)用于谷物以及土壤方面的光譜檢測中，該方法可以從光譜全譜信息中自動剔除帶有冗余信息的變量組，將可以代表全譜變化趨勢的剩余光譜代替原始數(shù)據(jù)，其中心思想為降低數(shù)據(jù)維度。

將全譜數(shù)據(jù)導(dǎo)入MATLAB軟件內(nèi)，運行連續(xù)投影算法代碼，數(shù)據(jù)降維后剩余14個波長BO1～BO14(455、492、515、583、615、621、650、719、776、802、845、874、923、942 nm)，該14個波長以少量信息反映了光譜全波長的變化趨勢，大大減少了實驗、分析時間。但是初步篩選出的波長，同時也包含了其他指標(biāo)信息，如大米內(nèi)部其他元素含量變化等。所以需要通過相關(guān)性分析，篩選出可以反映梅河大米食味品質(zhì)指標(biāo)含量變化的特征波長，進行產(chǎn)地確證因子的提取。

圖3 梅河大米高光譜成像譜圖

2.1.2 梅河大米理化指標(biāo)與特征波長相關(guān)性

初步得到梅河大米14個降維后的高光譜波長后，將其與梅河大米理化指標(biāo)含量進行相關(guān)性分析，驗證哪些波長與指標(biāo)之間存在相關(guān)關(guān)系，且可以反映出食味品質(zhì)指標(biāo)的含量變化趨勢，最終檢驗特征波長是否具有產(chǎn)地判別的能力。由表1可知，梅河大米蛋白質(zhì)含量與高光譜14個降維后得到的波長中的515 nm(BO3)、874 nm(BO12)、923 nm(BO13)波長具有極顯著正相關(guān)。直鏈淀粉含量與高光譜譜圖455 nm(BO1)、515 nm(BO3)、874 nm(BO12)波長存在極顯著正相關(guān)關(guān)系，且在515 nm(BO3)波長處相關(guān)性極為突出。棕櫚酸含量與高光譜譜圖455 nm(BO1)、776 nm(BO9)、874 nm(BO12)波長呈現(xiàn)極顯著正相關(guān)關(guān)系。油酸含量與高光譜譜圖455 nm(BO1)、615 nm(BO5)、874 nm(BO12)波長呈現(xiàn)極顯著相關(guān)性，且621 nm(BO5)波長呈現(xiàn)顯著相關(guān)關(guān)系。亞油酸在455 nm(BO1)、583nm (BO4)波長呈現(xiàn)顯著相關(guān)關(guān)系。硬脂酸與各個波長無顯著相關(guān)性。脂肪酸總量在874 nm(BO12)、942 nm(BO14)波長呈現(xiàn)極顯著相關(guān)性在455 nm(BO1)波長處具有相關(guān)性。但上述食味品質(zhì)指標(biāo)與492 nm(BO2)、650 nm(BO7)、719 nm(BO8)、802 nm(BO10)、845 nm(BO11)波長無顯著相關(guān)關(guān)系。

表1 梅河大米食味品質(zhì)指標(biāo)與高光譜特征波長相關(guān)性

注:標(biāo)記符號為*和**，分表表明梅河大米食味品質(zhì)指標(biāo)與高光譜所提取特征波長分別在P=0.05和0.01上顯著相關(guān)。

表2 梅河大米及其他地區(qū)大米食味品質(zhì)指標(biāo)差異性分析

注:上表數(shù)據(jù)統(tǒng)一為平均值±標(biāo)準(zhǔn)偏差；數(shù)據(jù)顯著性水平P<0.05。

結(jié)果表明，TB1～TB9(455、515、583、615、621、776、874、923、942 nm)該九個波長可以良好的反映梅河大米食味品質(zhì)指標(biāo)的含量變化，可以作為梅河大米高光譜特征波長進行產(chǎn)地確證研究。

2.2 食味品質(zhì)指標(biāo)方差分析

通過對梅河口市、舒蘭市、柳河縣、輝南縣大米樣品的食味品質(zhì)指標(biāo)(蛋白質(zhì)、淀粉、棕櫚酸、硬脂酸、油酸、亞油酸、亞麻酸、肉豆蔻酸及脂肪酸總量)的方差分析，探究各理化指標(biāo)含量各地區(qū)空間分布屬性，見表2。

通過表2可以得出，梅河口市及其他地區(qū)不同產(chǎn)地來源大米之間蛋白質(zhì)含量、直鏈淀粉含量、棕櫚酸、油酸、亞油酸、脂肪酸總量呈現(xiàn)極顯著差異性，硬脂酸呈現(xiàn)顯著差異性。證明梅河大米食味品質(zhì)指標(biāo)與其他地區(qū)大米由于不同的產(chǎn)地來源以及不同的生長環(huán)境，產(chǎn)生地區(qū)差異性。

2.3 判別分析

為了驗證篩選后的九個高光譜特征波長TB1～TB9(455、515、583、615、621、776、874、923、942 nm)產(chǎn)地確證能力，選取距離梅河口市僅34.8 km的柳河縣為小范圍近似地域進行判別分析。柳河縣大米由于其良好的生長環(huán)境，種植區(qū)域常年受一統(tǒng)河、三統(tǒng)河兩個流域的灌溉，所產(chǎn)出的大米也被列為地理標(biāo)志性產(chǎn)品。

將九個特征波長作為產(chǎn)地確證指標(biāo)，建立FISHER判別模型。選取50個梅河大米樣品與10個柳河縣大米樣品數(shù)據(jù)建立訓(xùn)練集模型。再取30個梅河大米樣品與10個柳河縣大米樣品數(shù)據(jù)建立驗證集模型。

Fisher線性判別函數(shù)如下：

MH=98.26TB1+32.67TB2-6.25TB3+13.81TB4-7.33TB5+11.72TB6+72.50TB7-6.79TB8+8.25TB9-285.47

LH=72.66TB1+30.52TB2-8.66TB3+5.26TB4-5.89TB5+10.88TB6+60.89TB7-8.99TB8+7.55TB9-312.89

表3 不同產(chǎn)地FISHER判別函數(shù)分類結(jié)果b,c

產(chǎn)地預(yù)測組梅河大米柳河大米合計驗證集初始交叉驗證計數(shù)%計數(shù)%梅河大米柳河大米梅河大米柳河大米梅河大米柳河大米梅河大米柳河大米282300101093.36.7100010010027330191090101001090100

注:a.僅對分析中的案例進行交叉驗證。在交叉驗證中，每個案例都是按照從該案例以外的所有其他案例派生的函數(shù)來分類的。b.已對初始分組案例中的95%個進行了正確分類。c.已經(jīng)對交差驗證分組案例中的91.7%進行了分類。余同。

由表3數(shù)據(jù)表明，訓(xùn)練集產(chǎn)地判別正確率達到了95%。交叉驗證表明，梅河大米中92%的樣本被正確區(qū)分，柳河縣大米中有百分之90%的樣本被正確劃分。驗證集整體產(chǎn)地判別正確率達到了95%。交叉驗證表明，梅河大米中92%的樣本被正確區(qū)分，柳河縣大米中有百分之90%的樣本被正確劃分。

九個特征波長可以作為產(chǎn)地確證因子對梅河大米與柳河縣大米進行產(chǎn)地判別。

2.4 梅河大米樣品偏最小二乘判別分析

圖4是用9個高光譜特征波長對梅河稻區(qū)及通化市柳河縣稻粒樣品構(gòu)建SIMCA模型，利用偏最小二乘判別分析(OPLS-DA)檢測梅河稻區(qū)及通化市柳河縣大米，評估PLS組分1與組分2的分類圖，分別解釋了總變異的37.4%和19.2%。由圖4可知，所有樣本(n=55)在OPLS-DA分?jǐn)?shù)圖中可以清楚的分為兩類，其中，梅河稻區(qū)樣本(n=1～45)聚集落在圖中間位置，而通化市柳河縣樣本(n=46～55)落在圖右側(cè)位置可以與梅河稻區(qū)樣本區(qū)分。

圖4 梅河稻區(qū)及通化市柳河縣稻粒樣品SIMCA模型

3 結(jié)論

基于高光譜成像技術(shù)(Hyperspectral Imaging，HSI)，通過對梅河大米高光譜數(shù)據(jù)連續(xù)投影算法(Successive Project Algorithm,SPA)降維，篩選出BO1～BO14(455、492、515、583、615、621、650、719、776、802、845、874、923、942 nm)14個降維后波長，結(jié)合梅河大米食味品質(zhì)指標(biāo)相關(guān)性分析，表明其中九個高光譜特征波長TB1～TB9(455、515、583、615、621、776、874、923、942 nm)與蛋白質(zhì)、直鏈淀粉、棕櫚酸、油酸、亞油酸、脂肪酸總量食味品質(zhì)指標(biāo)呈顯著相關(guān)。對9個特征波長進行梅河大米與柳河縣大米的SPSS判別分析，其整體判別正確率達到了95%，且梅河大米產(chǎn)地判別正確率達到94%。建立SIMCA偏最小二乘法模型，評估PLS組分1與組分2的分類圖，模型分別解釋了總變異的37.4%和19.2%，在模型圖上將梅河大米樣本和柳河縣大米樣本進行區(qū)分，2種方法均驗證了高光譜9個特征波長具有梅河大米產(chǎn)地確證能力，可以作為產(chǎn)地確證因子。高光譜成像技術(shù)在產(chǎn)地確證研究方面可以提供新的可行性研究思路與一種非接觸式、快速無損的檢測手段，更具有普適性與實用性。