張宏蕊，劉長(zhǎng)虹，張九凱，韓建勛，陳 穎，鄭 磊*

1. 合肥工業(yè)大學(xué)食品與生物工程學(xué)院，安徽 合肥 230009 2. 中國(guó)檢驗(yàn)檢疫科學(xué)研究院，北京 100176

引 言

瑪咖原產(chǎn)于南美秘魯海拔3 500 m以上的安第斯山脈[1]，在秘魯當(dāng)?shù)厥秤煤退幱脷v史已有2000多年，具有“南美人參”的美譽(yù)。它含有多種次生代謝產(chǎn)物如瑪咖酰胺、瑪咖烯、芥子油苷和甾醇等[2]，具有提高生育力、抗疲勞、神經(jīng)保護(hù)和緩解更年期綜合征[3]等功效。2002年在我國(guó)云南、西藏等地相繼引種成功[4]，2011年以來(lái)產(chǎn)業(yè)高速發(fā)展，但隨著瑪咖價(jià)格的上漲，利潤(rùn)空間加大化，摻假現(xiàn)象愈發(fā)嚴(yán)重，產(chǎn)品質(zhì)量參差不齊。

目前瑪咖真?zhèn)舞b別方法主要包括液相色譜、質(zhì)譜和DNA條形碼等。例如，Zhang等基于液相色譜和液相色譜質(zhì)譜聯(lián)用分析了不同產(chǎn)地瑪咖的芥子油苷，為瑪咖的質(zhì)量評(píng)估提供了依據(jù)[5]； 李紹輝等利用超高效液相色譜串聯(lián)質(zhì)譜法檢測(cè)瑪咖中的非法添加物[6]； Chen等通過(guò)DNA條形碼對(duì)瑪咖及其摻假物進(jìn)行了鑒別[7]。然而色譜、質(zhì)譜技術(shù)樣品預(yù)處理復(fù)雜，設(shè)備昂貴，需要消耗大量的化學(xué)試劑，DNA條形碼需要專門的數(shù)據(jù)庫(kù)作為支撐。近幾年紅外光譜和電子鼻技術(shù)等快速檢測(cè)技術(shù)開始用于瑪咖的分類鑒別，如王元忠等分別利用紅外光譜和近紅外光譜對(duì)瑪咖的產(chǎn)地進(jìn)行了鑒別分類[8-9]； 黨艷婷等基于瑪咖中芥子油苷含量通過(guò)電子鼻技術(shù)對(duì)瑪咖進(jìn)行了品質(zhì)等級(jí)分類[10]，實(shí)現(xiàn)了瑪咖品質(zhì)的快速鑒定。但對(duì)于瑪咖的摻假研究尚少。作為一種快速無(wú)損檢測(cè)技術(shù)，多光譜成像在質(zhì)量監(jiān)控方面有著很大的潛力，應(yīng)用于農(nóng)產(chǎn)品無(wú)損檢測(cè)領(lǐng)域，主要有三個(gè)方向： 一是農(nóng)產(chǎn)品品質(zhì)的預(yù)測(cè)分級(jí)，如Martina等利用多光譜成像成功地將被鐮刀菌感染的小麥種子與未感染的小麥種子區(qū)分，為小麥種子的質(zhì)量評(píng)估和篩選提供了依據(jù)[11]； 二是加工過(guò)程中的質(zhì)量監(jiān)測(cè)，如脫水胡蘿卜片的顏色和水分含量是其質(zhì)量監(jiān)測(cè)的重要指標(biāo)，Liu等用多光譜實(shí)現(xiàn)了實(shí)時(shí)監(jiān)測(cè)胡蘿卜切片在熱空氣脫水情況下顏色和水分的變化情況[12]； 三是真?zhèn)螕郊俚脑诰€鑒別，如Liu等通過(guò)多光譜成像有效地鑒別出注水牛肉，而且檢測(cè)出了牛肉樣本中增加的水分含量[13]； Xiong等采用多光譜成像結(jié)合多種化學(xué)計(jì)量學(xué)方法成功辨別了輻照蝦和非輻照蝦，為輻照水產(chǎn)品的檢測(cè)提供了方法[14]。本研究利用多光譜成像結(jié)合SVM，GA-SVM和BPNN模型對(duì)瑪咖及其摻假物蕪菁切片進(jìn)行了分類鑒別； 利用PLS和LS-SVM模型對(duì)瑪咖粉中摻入蕪菁粉的比例進(jìn)行了定量預(yù)測(cè)，旨在為瑪咖的摻偽定性定量分析提供一種方法。

1 實(shí)驗(yàn)部分

1.1 材料與設(shè)備

瑪咖干果(采購(gòu)于云南寧蒗縣，西藏，經(jīng)云南省農(nóng)科院科學(xué)院藥用植物研究所鑒定)，蕪菁為市售。

Videometer A/S多光譜成像儀(丹麥)； QY-2B型多功能中藥切片機(jī)(溫州頂歷醫(yī)療器械有限公司)； HC-100T型多功能粉碎機(jī)(河城工貿(mào)有限公司)； bencbtopk冷凍干燥機(jī)(美國(guó)VirTis公司)。

1.2 方法

1.2.1 樣品制備

瑪咖和蕪菁干果利用自動(dòng)切片機(jī)切成3 mm厚度的薄片，冷凍干燥24 h?，斂Ш褪忀记衅謩e來(lái)自不同的瑪咖和蕪菁干果，各120片，其中任意選擇180片為校正集，60片為預(yù)測(cè)集。進(jìn)行多光譜數(shù)據(jù)采集。切片實(shí)驗(yàn)完成后，模擬市場(chǎng)上瑪咖粉摻假，將切片粉碎成細(xì)粉末，過(guò)60目篩。然后蕪菁粉以20%，40%，60%，80%，共4個(gè)摻假水平(W/W)摻到瑪咖粉中。另外，留有純的瑪咖粉和蕪菁粉用于實(shí)驗(yàn)。將兩種粉末充分?jǐn)嚢杌旌暇鶆?，將混勻后的樣品置于培養(yǎng)皿中，使培養(yǎng)皿表面平整，然后利用多光譜測(cè)量?jī)x對(duì)不同摻假水平的樣品進(jìn)行光譜測(cè)定，每份樣品由不同的瑪咖和蕪菁干果磨成的粉組成，校正集90份樣品，預(yù)測(cè)集30份樣品。

1.2.2 多光譜圖像采集

多光譜成像儀可以測(cè)量405，435，450，470，505，525，570，590，630，645，660，700，780，850，870，890，910，940和970 nm共19個(gè)波段的光譜反射值，覆蓋了可見光以及近紅外波長(zhǎng)。多光譜成像采集系統(tǒng)由攝像頭、LED 燈、積分球等部分組成，測(cè)量時(shí)將樣品放于積分球內(nèi)，積分球表面涂有白色顏料，光線可以均勻傳播，光譜敏感攝像頭置于積分球的頂部，LED燈置于積分球邊緣位置。多光譜圖像是含有光譜數(shù)據(jù)和形態(tài)信息值的三維圖像，原始圖像里包含了噪聲和冗雜信息，需要進(jìn)行預(yù)處理后再提取光譜值。

1.2.3 數(shù)據(jù)分析

采用的化學(xué)計(jì)量學(xué)方法包括PCA，SVM，GA-SVM，LS-SVM，BPPN，PLS，其中需要的軟件有Origin 8.5和Matlab 2011a。

PCA是一種常用的無(wú)監(jiān)督的多元統(tǒng)計(jì)學(xué)方法，通過(guò)運(yùn)用少量的特征對(duì)樣品進(jìn)行描述，達(dá)到降低特征空間維數(shù)的目的。PLS是一種線性回歸的多元校準(zhǔn)模型，BPPN和線性模型相比，更能準(zhǔn)確地解決復(fù)雜的問(wèn)題，在模式識(shí)別中有廣泛的應(yīng)用。SVM 是一個(gè)可以進(jìn)行非線性分類、函數(shù)估計(jì)和核密度估計(jì)的一種新型算法，具有較好的泛化能力，廣泛應(yīng)用于統(tǒng)計(jì)分析和回歸分析中。LS-SVM是在SVM算法基礎(chǔ)上作了改進(jìn)，可以同時(shí)進(jìn)行線性和非線性建模分析，可以快速準(zhǔn)確地進(jìn)行多元建模[15]。GA-SVM是將支持向量機(jī)和遺傳算法結(jié)合起來(lái)的一種混合算法，遺傳算法提取最優(yōu)的特征子集，支持向量機(jī)確定特征子集的合適值。

1.2.4 模型校準(zhǔn)

2 結(jié)果與討論

2.1 瑪咖及其摻假物蕪菁的光譜分析

瑪咖及其摻假物蕪菁在405～970 nm波長(zhǎng)范圍內(nèi)的平均反射光譜變化趨勢(shì)相似，兩者隨著波長(zhǎng)的增加，反射值逐漸增加。但是存在一些差異，瑪咖的反射值始終高于蕪菁的反射值[圖1(a)]，這反映了瑪咖及蕪菁中物理和化學(xué)成分存在差異。在405～700 nm可見光范圍內(nèi)，瑪咖反射值高于蕪菁的反射值主要是和樣品的顏色有關(guān)。在940～970 nm范圍內(nèi)瑪咖和蕪菁光譜值差異主要是由于O—H伸縮或彎曲模式引起的。在不同比例蕪菁粉和瑪咖粉平均反射光譜中[圖1(b)]，所有樣品的平均光譜呈相似的變化趨勢(shì)，隨著波長(zhǎng)的增加呈上升趨勢(shì)。樣品的反射值與摻入蕪菁粉比例呈正相關(guān)增長(zhǎng)，其中摻入60%蕪菁粉、摻入80%蕪菁粉和蕪菁粉3組之間反射值遞增的梯度較為明顯，另外在700～850 nm范圍內(nèi)6組反射值差異最為顯著。由于瑪咖中成分復(fù)雜，僅依靠化學(xué)成分來(lái)定性分析是困難的，因此應(yīng)用化學(xué)計(jì)量學(xué)方法進(jìn)一步分析光譜數(shù)據(jù)以獲取更好的瑪咖鑒別結(jié)果。

圖1 瑪咖和蕪菁的平均反射光譜

2.2 瑪咖及其摻假物蕪菁切片的分類分析

為了對(duì)瑪咖和蕪菁進(jìn)行有效鑒別，首先采用PCA分析以觀察主成分空間中瑪咖及其摻假物蕪菁樣品之間的變化和區(qū)分能力?，斂Ъ捌鋼郊傥锸忀嫉闹鞒煞秩S得分圖結(jié)果顯示，三個(gè)主成分PC1，PC2，PC3總得分達(dá)99.63%，得分依次為93.46%，4.23%，1.94%?？汕逦貙斂Ъ捌鋼郊傥锸忀挤殖蓛山M(圖2)。結(jié)果表明瑪咖和蕪菁可以被區(qū)分并且樣品的不同光譜屬性和樣品的特征是相關(guān)的。在PCA可視化分析基礎(chǔ)之上建立SVM，GA-SVM，BPNN等模型進(jìn)一步準(zhǔn)確驗(yàn)證。240個(gè)瑪咖和蕪菁樣品(瑪咖、蕪菁各120)，分為2組，其中校正集180個(gè)，預(yù)測(cè)集60個(gè)。3個(gè)模型鑒別結(jié)果如表1所示，在SVM模型的預(yù)測(cè)集中，只有1個(gè)瑪咖樣品沒(méi)有正確分類，瑪咖和蕪菁的預(yù)測(cè)正確率分別為98.33%，100%。在GA-SVM和BPNN模型中，瑪咖和蕪菁樣品全部正確分類，預(yù)測(cè)正確率均為100%。3個(gè)模型相比，GA-SVM和BPNN模型更適于瑪咖和蕪菁的鑒別，表明多光譜成像結(jié)合GA-SVM或BPNN模型可以有效實(shí)現(xiàn)瑪咖及其摻假物蕪菁的鑒別。

2.3 摻假瑪咖粉中蕪菁粉的定量預(yù)測(cè)

圖2 瑪咖和蕪菁光譜的三維主成分分析圖

表1 用于鑒別瑪咖及蕪菁切片的SVM，GA-SVM，BPNN模型結(jié)果對(duì)比

aMisclassified samples.

目前市場(chǎng)上向瑪咖粉中摻入蕪菁粉的量多少不一，而且分布范圍較廣，實(shí)時(shí)鑒別難度較大。本研究的主要目的是應(yīng)用多光譜成像實(shí)現(xiàn)瑪咖粉中摻假蕪菁粉檢測(cè)的可能性，通過(guò)對(duì)20%，40%，60%，80%的摻假比例研究后發(fā)現(xiàn)，摻假瑪咖樣本的多光譜信號(hào)隨摻假比例呈現(xiàn)規(guī)律性變化，證明了該方法進(jìn)行蕪菁摻假定量分析是可行的。在將來(lái)的研究中，需要對(duì)模型預(yù)測(cè)的最低檢測(cè)水平進(jìn)行研究，并對(duì)定量分析的穩(wěn)定性進(jìn)行優(yōu)化，使得建立的模型能夠更好地應(yīng)用于市場(chǎng)上瑪咖摻假的快速無(wú)損檢測(cè)?？傊?，多光譜成像結(jié)合多元統(tǒng)計(jì)學(xué)方法在瑪咖真?zhèn)舞b別方面有很大的發(fā)展空間和應(yīng)用前景。

表2 用于預(yù)測(cè)瑪咖粉中蕪菁粉摻假比例的PLS和LS-SVM模型結(jié)果對(duì)比

3 結(jié) 論

本研究的創(chuàng)新性主要在于利用多光譜成像結(jié)合不同化學(xué)計(jì)量學(xué)方法，包括PCA，SVM，GA-SVM，BPNN，PLS和LS-SVM對(duì)瑪咖及蕪菁切片進(jìn)行了鑒別以及對(duì)瑪咖粉中蕪菁粉的摻入比例進(jìn)行了預(yù)測(cè)。結(jié)果表明，對(duì)瑪咖及蕪菁切片的鑒別，兩者可以成功區(qū)分，GA-SVM和BPNN模型有較好的校準(zhǔn)和預(yù)測(cè)能力，準(zhǔn)確率為100%； 對(duì)瑪咖粉中摻入蕪菁粉比例的預(yù)測(cè)，LS-SVM模型的預(yù)測(cè)性能最佳。多光譜成像結(jié)合化學(xué)計(jì)量學(xué)方法可以為瑪咖摻偽定性定量分析提供一種快速無(wú)損有效的新方法。