林家永 范維燕 薛雅琳 葉華俊 崔麗靜

(國(guó)家糧食局科學(xué)研究院1，北京 100037)

(聚光科技(杭州)股份有限公司2，杭州 310052)

(河南工業(yè)大學(xué)糧油食品學(xué)院3，鄭州 450052)

稻米儲(chǔ)藏品質(zhì)近紅外光譜快速判定技術(shù)及儀器研發(fā)

林家永1范維燕1薛雅琳1葉華俊2崔麗靜3

(國(guó)家糧食局科學(xué)研究院1，北京 100037)

(聚光科技(杭州)股份有限公司2，杭州 310052)

(河南工業(yè)大學(xué)糧油食品學(xué)院3，鄭州 450052)

采用近紅外光譜(NIRS)分析技術(shù)和化學(xué)計(jì)量方法建立稻米脂肪酸值、品嘗評(píng)分值和水分含量的近紅外分析模型并對(duì)模型進(jìn)行了預(yù)測(cè)準(zhǔn)確性評(píng)價(jià);在建立定標(biāo)模型的過(guò)程中，分別探討光譜散射和數(shù)學(xué)導(dǎo)數(shù)處理等優(yōu)化對(duì)定標(biāo)模型的影響。結(jié)果表明:偏最小二乘法是建立稻米脂肪酸值、品嘗評(píng)分值和水分含量測(cè)定定標(biāo)模型的最佳回歸方法，所建立脂肪酸值、品嘗評(píng)分值和水分含量模型的定標(biāo)相關(guān)系數(shù)(RSQ)分別為0.961、0.923 0 和0.999 9，定標(biāo)標(biāo)準(zhǔn)偏差(SEC)分別為1.920 5、2.539 1 和0.04。標(biāo)準(zhǔn)方法測(cè)定值與 NIRS 方法預(yù)測(cè)值之間的T檢驗(yàn)結(jié)果顯示兩種方法無(wú)顯著性差異，表明所建立的稻米脂肪酸值、品嘗評(píng)分值和水分含量的NIRS數(shù)學(xué)模型有較好預(yù)測(cè)準(zhǔn)確性。本試驗(yàn)研制了便攜式糧食儲(chǔ)藏品質(zhì)測(cè)定儀。

稻米 脂肪酸值 品嘗評(píng)分值 水分含量 近紅外光譜 定標(biāo)模型

稻谷是我國(guó)主要的糧食作物，其產(chǎn)量占糧食總產(chǎn)量的1/3左右。它是我國(guó)人民的主要食物，全國(guó)約有2/3的人口以大米為主食［1］。稻谷也是我國(guó)的主要儲(chǔ)備糧食，其安全儲(chǔ)藏與供給直接影響到糧食安全和社會(huì)穩(wěn)定。稻谷是活的生物體，在儲(chǔ)藏過(guò)程中，由于稻谷自身的呼吸和各種酶的作用，其品質(zhì)必然會(huì)隨著儲(chǔ)藏時(shí)間的延長(zhǎng)而不斷變化，甚至劣變。目前判定稻米儲(chǔ)藏品質(zhì)是依據(jù)我國(guó)2006年頒布的國(guó)家標(biāo)準(zhǔn)《稻米存儲(chǔ)品質(zhì)判定規(guī)則》，主要是按色澤與氣味、脂肪酸值和品嘗評(píng)分值指標(biāo)進(jìn)行判定［2］。由于測(cè)定稻米脂肪酸值和品嘗評(píng)分值都需要較長(zhǎng)的時(shí)間，操作過(guò)程也復(fù)雜繁瑣，消耗大量的化學(xué)試劑，成本過(guò)高，還不能滿(mǎn)足稻米儲(chǔ)藏過(guò)程的對(duì)品質(zhì)快速檢測(cè)的需要［3－8］。

近紅外光譜分析技術(shù)是20世紀(jì)80年代后期以來(lái)發(fā)展最迅速的一項(xiàng)快速檢測(cè)技術(shù)，具有分析速度快、穩(wěn)定性好、成本低、環(huán)境友好等的優(yōu)點(diǎn)［9］，隨著近年來(lái)計(jì)算機(jī)技術(shù)和化學(xué)計(jì)量學(xué)的不斷發(fā)展，近紅外光譜分析技術(shù)在很多領(lǐng)域中都得到了應(yīng)用。在國(guó)外，近紅外光譜技術(shù)已成為糧食品質(zhì)分析的重要手段［10］。在稻米中已用于分析蛋白質(zhì)、脂肪、淀粉、直鏈淀粉以及氨基酸等品質(zhì)［11］。但是，應(yīng)用近紅外光譜技術(shù)測(cè)定主要稻米儲(chǔ)藏品質(zhì)如脂肪酸值、品嘗評(píng)分值等在國(guó)內(nèi)外鮮有報(bào)道。本研究應(yīng)用近紅外光譜技術(shù)快速測(cè)定稻米主要儲(chǔ)藏品質(zhì)包括脂肪酸值、米飯品嘗評(píng)分值和水分含量指標(biāo)，旨在指導(dǎo)糧食的科學(xué)儲(chǔ)藏和適時(shí)輪換，保證稻米的儲(chǔ)備安全。

1 材料與方法

1.1 材料與試劑

樣品分別取自我國(guó)稻米主產(chǎn)區(qū)江西、湖北、湖南、江蘇、黑龍江以及遼寧等地，儲(chǔ)藏時(shí)間也不同，來(lái)源比較廣，具有較好的代表性。

1.2 主要儀器與設(shè)備

JLGJ4.5型實(shí)驗(yàn)檢驗(yàn)礱谷機(jī):浙江臺(tái)州糧儀廠;JNMJ3型檢驗(yàn)?zāi)朊讬C(jī):浙江臺(tái)州糧儀廠;3100型錘式旋風(fēng)粉碎機(jī):瑞典波通儀器有限公司;HY－2型調(diào)速多用振蕩器;國(guó)華電器有限公司;XQ－600型脂肪酸測(cè)定儀:北京先驅(qū)威峰技術(shù)開(kāi)發(fā)公司;XDS型近紅外分析儀:丹麥福斯儀器有限公司。

1.3 方法

1.3.1 樣品的制備

清理稻谷，去除雜質(zhì)，經(jīng)礱谷、精米、粉碎后，將糙米、精米和米粉樣品分別置于自封袋內(nèi)，混合均勻，備用。

1.3.2 脂肪酸值測(cè)定

參考GB/T 15684—1995《谷物制品脂肪酸值測(cè)定法》標(biāo)準(zhǔn)，對(duì)測(cè)定條件進(jìn)行優(yōu)化，用脂肪酸測(cè)定儀代替人工滴定過(guò)程，以得到更好的重復(fù)性結(jié)果。

1.3.3 食用品嘗評(píng)分值的測(cè)定

按標(biāo)準(zhǔn)GB/T 20569—2006《稻米儲(chǔ)藏品質(zhì)判定規(guī)則》中的附錄B稻米品評(píng)試驗(yàn)方法進(jìn)行測(cè)定

1.3.4 水分含量的測(cè)定

采用GB 5497—1985《糧食、油料檢驗(yàn) 水分測(cè)定法》中的135℃烘干法進(jìn)行測(cè)定。

1.3.5 近紅外光譜數(shù)據(jù)的采集

近紅外儀開(kāi)機(jī)預(yù)熱30 min，將樣品裝入樣品杯中，輕輕壓平后，放到光譜儀樣品臺(tái)上，進(jìn)行掃描。光譜采集條件為:掃描范圍為402～1 092 nm、1 108～2 492 nm，分辨率為8 nm，每條光譜掃描32次平均，每個(gè)樣品重復(fù)掃描2次。

1.3.6 近紅外光譜預(yù)處理

為了校正吸收基線(xiàn)和減少樣品散射對(duì)光譜的影響，將光譜間的差異以樣品間成分差異的方式表征出來(lái)，利用軟件對(duì)原始光譜進(jìn)行數(shù)學(xué)處理與散射校正，數(shù)學(xué)處理采用2種方法:第1種是不做導(dǎo)數(shù)處理、平滑光譜間隔點(diǎn)為1 nm、不做二次平滑，即(0011);第2種是一階導(dǎo)數(shù)處理、導(dǎo)數(shù)處理光譜間隔點(diǎn)為4 nm、一次平滑光譜間隔點(diǎn)為4 nm、不做二次平滑，即(1441)。散射校正分別采用:無(wú)散射處理(NONE)、標(biāo)準(zhǔn)正態(tài)變量變換(Standard normal variate，SNV)、去趨勢(shì)(De－ trending，DET)、標(biāo)準(zhǔn)正態(tài)變量變換+去趨勢(shì)(NSVD)、多元散射校正(Multiplicative scatter correction，MSC)、加權(quán)多元散射(Weighted MSC，WMSC)、反相多元散射(Inverse MSC，IMSC)。具體光譜預(yù)處理方法如表1所示。

表1 光譜預(yù)處理方法

1.3.7 近紅外定標(biāo)模型的建立

處理后的光譜分別采用修正偏最小二乘(Modified partial least square，MPLS)法、偏最小二乘(Partial least square，PLS)法、主成份回歸(Principal components regression，PCR)法建立定標(biāo)模型，然后比較交互驗(yàn)證相關(guān)系數(shù)(Determination coefficient of crossvalidation，1－VR)和交叉驗(yàn)證標(biāo)準(zhǔn)差(Standard error of cross－validation，SECV)等參數(shù)。一般來(lái)說(shuō)，定標(biāo)模型交叉驗(yàn)證標(biāo)準(zhǔn)差(SECV)越小、交互驗(yàn)證相關(guān)系數(shù)(1－VR)越大，模型的預(yù)測(cè)準(zhǔn)確度就越好。

1.3.8 定標(biāo)模型的可靠性評(píng)價(jià)

應(yīng)用外部檢驗(yàn)法來(lái)評(píng)價(jià)定標(biāo)模型的可靠性，選擇一批與定標(biāo)樣品集無(wú)關(guān)的獨(dú)立檢驗(yàn)樣品集，通過(guò)比較獨(dú)立檢驗(yàn)樣品預(yù)測(cè)值與化學(xué)測(cè)定值的差異來(lái)判斷模型的預(yù)測(cè)準(zhǔn)確性，即定標(biāo)樣品集與檢驗(yàn)樣品集相關(guān)系數(shù)(Coefficient of correlation，RSQ)越大，檢驗(yàn)標(biāo)準(zhǔn)偏差(Standard error of prediction，SEP)越小，且T檢驗(yàn)無(wú)顯著性差異，則定標(biāo)模型的預(yù)測(cè)可靠性好。

2 結(jié)果與分析

2.1 化學(xué)值測(cè)定結(jié)果分析

稻米樣品的脂肪酸值、品嘗評(píng)分值和水分含量測(cè)定結(jié)果的分布情況如表2。從表2中可以看出3種指標(biāo)的測(cè)定值范圍分布較廣，其中脂肪酸值的最大值為60.31 mgKOH/100 g干基，最小值為8.15 mgKOH/100 g干基;品嘗評(píng)分值的最大值為92.6分，最小值為47.7分;水分含量的最大值為15.53%，最小值為7.43%。基本覆蓋稻米整個(gè)的脂肪酸值、品嘗評(píng)分值和水分含量的范圍。

表2 定標(biāo)集和檢驗(yàn)集樣品中測(cè)定值的分布

2.2 樣品的近紅外吸收光譜圖

稻米樣品的近紅外吸收光譜曲線(xiàn)見(jiàn)圖1。由圖1可知，在近紅外區(qū)稻米有很好的光譜響應(yīng)，不同指標(biāo)化學(xué)測(cè)定值的稻米樣品吸收光譜波形相似，顯示了不同樣本之間的差異以及大樣本群體的連續(xù)性。

圖1 樣品原始吸收光譜圖

導(dǎo)數(shù)處理可以消除基線(xiàn)漂移、強(qiáng)化譜帶特征、克服譜帶重疊、提高光譜的精細(xì)度，多元散射校正又可以減少顆粒度變化對(duì)光譜的影響。但是導(dǎo)數(shù)處理會(huì)造成光譜數(shù)據(jù)中的噪音被放大，因此在導(dǎo)數(shù)處理之前常對(duì)光譜進(jìn)行平滑處理。圖2是原始光譜經(jīng)一階導(dǎo)數(shù)、平滑、多元散射校正處理后的光譜圖，可以看出光譜的精細(xì)度有明顯提高，基線(xiàn)的不穩(wěn)定和基線(xiàn)漂移有一定程度的減小，反映樣品的光譜特征更為細(xì)致。

圖2 一階導(dǎo)數(shù)和多元散射校正后的光譜圖

2.3 近紅外預(yù)測(cè)模型的建立與優(yōu)化

使用主成分分析技術(shù)將光譜數(shù)據(jù)壓縮并分解為主成分和得分矩陣數(shù)據(jù)，建立得分文件，將未知樣品與主組群樣品進(jìn)行比較以描述未知樣品在主組群樣品中的位置。以樣品與樣品集中心點(diǎn)的距離(Global H，GH)劃定參與建模的樣品集范圍，然后通過(guò)樣品與其他樣品之間的距離(Neighborhood H，NH)進(jìn)一步篩選有代表性的樣品，從而降低過(guò)剩相似樣品對(duì)預(yù)測(cè)穩(wěn)定性的不良影響(GH=3.0，NH=0.6)。最終選出的樣品作為定標(biāo)集樣品。

為了校正吸收基線(xiàn)和減少樣品散射對(duì)光譜的影響，將光譜間的差異以樣品間成分差異的方式表征出來(lái)，利用軟件對(duì)原始光譜進(jìn)行數(shù)學(xué)處理與散射校正，然后應(yīng)用修正偏最小二乘法、偏最小二乘法、主成分回歸法分別建立稻米脂肪酸模型。一般來(lái)說(shuō)，定標(biāo)模型交叉驗(yàn)證標(biāo)準(zhǔn)偏差(SECV)越小、交叉驗(yàn)證相關(guān)系數(shù)(1－VR)越大，模型的預(yù)測(cè)準(zhǔn)確度就越好，各模型的相關(guān)系數(shù)及標(biāo)準(zhǔn)偏差見(jiàn)表3。

從表3中可以看出，三種回歸方法中，偏最小二乘法回歸分析得到的回歸方程相關(guān)系數(shù)高，定標(biāo)標(biāo)準(zhǔn)差較低。而主成分回歸法得到的定標(biāo)方程較差，可能是因?yàn)槎?biāo)過(guò)程中沒(méi)有考慮實(shí)驗(yàn)室分析數(shù)據(jù)對(duì)得分影響的原因。對(duì)光譜進(jìn)行導(dǎo)數(shù)處理后所得回歸方程優(yōu)于不做導(dǎo)數(shù)處理所得回歸方程。對(duì)光譜進(jìn)行多元散射校正、加權(quán)多元散射校正、反相多元散射校正所得回歸方程的定標(biāo)相關(guān)系數(shù)和定標(biāo)標(biāo)準(zhǔn)偏差相差不大，但大都優(yōu)于無(wú)散射處理所得回歸方程，多元散射校正消除了顆粒度大小對(duì)光信號(hào)的影響可能是主要的原因。

從上述處理的結(jié)果中選出最優(yōu)模型，脂肪酸值定標(biāo)模型的最佳條件參數(shù)為:建模方法采用修正偏最小二乘法;光譜預(yù)處理方法采用1441和NCVD;主成分維數(shù)為11。內(nèi)部交互驗(yàn)證相關(guān)系數(shù)(1－VR)為0.947 4，交互驗(yàn)證標(biāo)準(zhǔn)偏差(SECV)為 2.251 1;所建立模型的定標(biāo)相關(guān)系數(shù)(RSQ)為0.961，定標(biāo)標(biāo)準(zhǔn)偏差(SEC)為1.920 5。

品嘗評(píng)分值定標(biāo)模型的最佳條件參數(shù)為:建模方法采用偏最小二乘法;光譜預(yù)處理方法采用1441和WMSC;內(nèi)部交互驗(yàn)證相關(guān)系數(shù)(1－VR)為0.895 2，交互驗(yàn)證標(biāo)準(zhǔn)偏差(SECV)為 2.996 1;所建立模型的定標(biāo)相關(guān)系數(shù)(RSQ)為0.923 0，定標(biāo)標(biāo)準(zhǔn)偏差(SEC)為2.539 1。

水分含量定標(biāo)模型的最佳條件參數(shù)為:建模方法采用修正偏最小二乘法;光譜預(yù)處理方法采用1441和NSV，主成分維數(shù)為11;內(nèi)部交互驗(yàn)證相關(guān)系數(shù)(1－VR)為0.999 5，交互驗(yàn)證標(biāo)準(zhǔn)偏差(SECV)為0.042 1;所建立模型的定標(biāo)相關(guān)系數(shù)(RSQ)為0.999 9，定標(biāo)標(biāo)準(zhǔn)偏差(SEC)為0.04。

2.4 定標(biāo)模型的驗(yàn)證

2.4.1 內(nèi)部驗(yàn)證

利用WinisiⅡ軟件對(duì)所參與定標(biāo)的樣品進(jìn)行內(nèi)部驗(yàn)證，以指標(biāo)的近紅外預(yù)測(cè)值為橫坐標(biāo)，試驗(yàn)測(cè)定值為縱坐標(biāo)，得到它們之間的散點(diǎn)圖如圖3、圖4和圖5所示。圖3顯示稻米脂肪酸值定標(biāo)模型預(yù)測(cè)值和化學(xué)測(cè)定值相關(guān)系數(shù)(RSQ)為0.961，化學(xué)測(cè)定值平均值為21.73 mgKOH/100 g干基，預(yù)測(cè)值平均值為21.73 mgKOH/100 g干基，二者十分接近，定標(biāo)集的預(yù)測(cè)值與化學(xué)測(cè)定值之間具有良好的線(xiàn)性關(guān)系。

由圖4可以看出，稻米品嘗評(píng)分值定標(biāo)模型預(yù)測(cè)值和化學(xué)測(cè)定值相關(guān)系數(shù)(RSQ)為0.923，品嘗評(píng)分值的各試驗(yàn)點(diǎn)能很好地分布在回歸線(xiàn)兩側(cè)，反映了定標(biāo)集樣品預(yù)測(cè)值與試驗(yàn)測(cè)定值之間具有良好的線(xiàn)性關(guān)系。

表3 不同預(yù)處理方法定標(biāo)結(jié)果比較

由圖5可以看出，稻米水分含量的各試驗(yàn)點(diǎn)均能很好地分布在定標(biāo)回歸線(xiàn)兩側(cè)，基本上沒(méi)有偏離，反映了定標(biāo)集的預(yù)測(cè)值與化學(xué)測(cè)定值之間具有良好的線(xiàn)性關(guān)系，其定標(biāo)相關(guān)系數(shù)(RSQ)為0.999 9，達(dá)到極顯著水平，是一個(gè)非常理想的定標(biāo)模型。定標(biāo)標(biāo)準(zhǔn)偏差(SEC)為0.04，非常小，說(shuō)明了本研究預(yù)測(cè)方程對(duì)樣品有很好的預(yù)測(cè)準(zhǔn)確性。

2.4.2 外部驗(yàn)證

研究中選用未參與定標(biāo)的一組樣品對(duì)定標(biāo)方程進(jìn)行外部檢驗(yàn)。測(cè)定結(jié)果表明，50份樣品脂肪酸實(shí)測(cè)值與預(yù)測(cè)值之間的外部檢驗(yàn)相關(guān)系數(shù)為0.951，實(shí)測(cè)值的平均值為23.62 mgKOH/100 g干基，預(yù)測(cè)值的平均值為23.35 mgKOH/100 g干基，二者差異小。對(duì)模型預(yù)測(cè)值和實(shí)測(cè)值進(jìn)行T檢驗(yàn)，得到T檢驗(yàn)值為1.403(P﹤0.05)，5%顯著性水平內(nèi)差異不顯著，表明該預(yù)測(cè)方程可靠性較高。

用31份樣品對(duì)品嘗評(píng)分值的定標(biāo)模型進(jìn)行外部檢驗(yàn)，測(cè)定結(jié)果顯示，實(shí)測(cè)平均值為77.51，預(yù)測(cè)平均值為77.65，它們之間差異很小。對(duì)模型預(yù)測(cè)值和試驗(yàn)測(cè)定值進(jìn)行 T檢驗(yàn)，得到T檢驗(yàn)值為0.25(P﹤0.05)，5%顯著性水平內(nèi)差異不顯著，表明定標(biāo)模型具有較好的預(yù)測(cè)準(zhǔn)確性。

研究中選用未參與定標(biāo)的一組樣品55份對(duì)水分含量定標(biāo)方程進(jìn)行外部檢驗(yàn)，從測(cè)定結(jié)果可知，實(shí)測(cè)值與預(yù)測(cè)值之間的外部檢驗(yàn)相關(guān)系數(shù)r為0.996，表明近紅外預(yù)測(cè)值與化學(xué)測(cè)定值之間具有很好的相關(guān)性。對(duì)外部檢驗(yàn)的預(yù)測(cè)值和化學(xué)分析測(cè)定值進(jìn)行T檢驗(yàn)，得到T檢驗(yàn)值為1.685(P﹤0.05)，測(cè)定值與預(yù)測(cè)值之間無(wú)顯著性差異，說(shuō)明該預(yù)測(cè)方程很可靠。55份樣品的實(shí)測(cè)值與預(yù)測(cè)值的平均絕對(duì)偏差僅為0.03%，測(cè)定結(jié)果達(dá)到國(guó)標(biāo)法的檢測(cè)精度要求。

2.5 便攜式糧食儲(chǔ)藏品質(zhì)測(cè)定儀研制

根據(jù)研究的結(jié)果，通過(guò)與相關(guān)單位合作，研制成功便攜式糧食儲(chǔ)藏品質(zhì)測(cè)定儀，外觀如圖6，可分別用偏最小二乘法和神經(jīng)網(wǎng)絡(luò)進(jìn)行定標(biāo)分析，可測(cè)定稻谷國(guó)標(biāo)規(guī)定的主要儲(chǔ)藏品質(zhì)指標(biāo)，包括稻米脂肪酸值、米飯品嘗評(píng)分、水分等。該儀器的主要技術(shù)參數(shù)為:波長(zhǎng)范圍1 000～1 800 nm，波長(zhǎng)準(zhǔn)確性＜0.2 nm，波長(zhǎng)重復(fù)性＜0.05 nm，吸光度噪聲(RMS)＜5E－5，雜散光＜0.1%，電池連續(xù)工作時(shí)間＞6 h。

圖6 便攜式糧食儲(chǔ)藏品質(zhì)測(cè)定儀

3 結(jié)論

3.1 試驗(yàn)收集了我國(guó)不同地區(qū)、不同品種、不同儲(chǔ)藏時(shí)間的稻米樣品100多份，樣品來(lái)源范圍廣，3個(gè)指標(biāo)(脂肪酸值、品嘗評(píng)分值和水分含量)化學(xué)測(cè)定值分布范圍較寬，梯度分布也較均勻，基本覆蓋稻米品種的范圍，具有較好的代表性。

3.2 應(yīng)用近紅外光譜技術(shù)研究了稻米的脂肪酸值、品嘗評(píng)分值和水分含量快速測(cè)定方法，在建模過(guò)程中探討光譜散射、數(shù)學(xué)導(dǎo)數(shù)等優(yōu)化處理對(duì)建模的影響。結(jié)果表明:偏最小二乘法是建立定標(biāo)模型的最佳回歸方法，所建立的脂肪酸值定標(biāo)模型的定標(biāo)相關(guān)系數(shù)(RSQ)為 0.961，定標(biāo)標(biāo)準(zhǔn)偏差(SEC)為1.920 5;內(nèi)部交互驗(yàn)證相關(guān)系數(shù)(1－VR)為0.947 4，交互驗(yàn)證標(biāo)準(zhǔn)偏差(SECV)為 2.251 1。所建立的品嘗評(píng)分值定標(biāo)模型的定標(biāo)相關(guān)系數(shù)(RSQ)為 0.923 0，定標(biāo)標(biāo)準(zhǔn)差(SEC)為 2.539 1;內(nèi)部交互驗(yàn)證相關(guān)系數(shù)(1－VR)為0.895 2，交互驗(yàn)證標(biāo)準(zhǔn)差(SECV)為2.996 1。所建立的水分含量定標(biāo)模型的相關(guān)系數(shù)為0.999 9，達(dá)到極顯著水平，定標(biāo)標(biāo)準(zhǔn)偏差(SEC)僅為0.04。

3.3 對(duì)50份樣品進(jìn)行脂肪酸值的外部檢驗(yàn)，預(yù)測(cè)值和實(shí)測(cè)值之間的檢驗(yàn)相關(guān)系數(shù)r為0.951，預(yù)測(cè)值和實(shí)測(cè)值T檢驗(yàn)值為1.403(P＜0.05)，5%顯著性水平內(nèi)差異不顯著。對(duì)品嘗評(píng)分值進(jìn)行外部檢驗(yàn)，得到T檢驗(yàn)值為0.25(P﹤0.05)，5%顯著性水平內(nèi)無(wú)顯著性差異。對(duì)55份樣品進(jìn)行水分含量的外部檢驗(yàn)，預(yù)測(cè)值和實(shí)測(cè)值之間的檢驗(yàn)相關(guān)系數(shù)r為0.996，水分含量實(shí)測(cè)值與預(yù)測(cè)值之間的T檢驗(yàn)值為1.685(P﹤0.05)，結(jié)果無(wú)顯著性差異。表明3種指標(biāo)的定標(biāo)模型的預(yù)測(cè)準(zhǔn)確性都較好，可用于稻米儲(chǔ)藏品質(zhì)脂肪酸值、品嘗評(píng)分值和水分含量的預(yù)測(cè)。

3.4 本研究試制成功便攜式糧食儲(chǔ)藏品質(zhì)測(cè)定儀，進(jìn)一步完善后在糧食倉(cāng)儲(chǔ)企業(yè)推廣應(yīng)用。

［1］龐文淥.淺議稻米脂肪酸值的準(zhǔn)確測(cè)定［J］.糧食與飼料工業(yè)，2005(12):42－43

［2］GB/T 20569—2006，稻米儲(chǔ)存品質(zhì)判定規(guī)則［S］.北京:中國(guó)標(biāo)準(zhǔn)出版社，2006

［3］鄭少華.影響稻米脂肪酸值測(cè)定結(jié)果準(zhǔn)確性的探討［J］.福建分析測(cè)試，2005，14(1):2162 －2163

［4］楊軍，肖學(xué)彬.影響脂肪酸值測(cè)定因素探討［J］.糧食儲(chǔ)藏，2004(5):54－56

［5］王平，徐明亮，蘇宏元，等.稻米脂肪酸值滴定終點(diǎn)的判定條件［J］.糧油倉(cāng)儲(chǔ)科技通訊，2007(1):50－51

［6］何學(xué)超，郭道林，肖學(xué)彬，等.脂肪酸值儀法測(cè)定稻米脂肪酸值研究［J］.糧食貯藏，2006(6):31－38

［7］劉波.采用改變樣品的制備方法進(jìn)行稻米脂肪酸值測(cè)定的試驗(yàn)［J］.黑龍江糧食，2004(5):36－41

［8］GB/T 5497—1985，糧食油料檢驗(yàn) 水分測(cè)定法［S］.北京:中國(guó)標(biāo)準(zhǔn)出版社，1985

［9］陸婉珍.近紅外光譜技術(shù)進(jìn)展［J］.現(xiàn)代科學(xué)儀器，2006(5):5－7

［10］Ciurezak E W.Use of near infrared spectroscopy in cereal product［J］.Food Testing and Analysis，1995(5):35 － 39

［11］林家永，范維燕.近紅外光譜技術(shù)在稻米品質(zhì)分析中的應(yīng)用［J］.農(nóng)業(yè)質(zhì)量標(biāo)準(zhǔn)，2008(6):75－78.

Research on Rapid Determination Techniques and Devices of Stored Rice Quality by Near－Infrared Spectroscopy

Lin Jiayong1Fan Weiyan1Xue Yalin1Ye Huajun2Cui Lijing3
(Science Academy of State Administration of Grain1，Beijing 100037)
(Focused Photonics Science and Technology Co.，Ltd2，Hangzhou 310052)
(School of Food Science and Technology，Henan University of Technology3，Zhengzhou 450052)

The analytic techniques and chemical measurement methods with near－infrared spectroscopy(NIRS)were adopted to establish the near－ infrared analytical model for fatty acid content，eating score and moisture content and then the predicted accuracy was assessed for the model.In the process of the establishment of the calibration model，the effects of spectrum spreading，mathematical derivative treatment and other optimizing means on the calibration were probed respectively.The results showed that the partial least square(PLS)method was the best means to establish the calibration models to determine fatty acid content，eating score and moisture content of the rice，and the coefficients of correlation(RSQ)of calibration equation for fatty acid content，eating score and moisture content were 0.961，0.923 0 and 0.999 9 respectively;the standard errors of calibration(SEC)were 1.920 5，2.539 1 and 0.04 respectively.T test value between the chemical standard method and NIRS method showed that the two methods had not a statistic difference.This NIRS method can be applied to predict the fatty acid content，eating score and moisture content in rice.A portable grain storage quality analyzer was developed in this study.

rice，fatty acid，eating score，moisture content，near－ infrared spectroscopy，calibration mode

TS227

A

1003－0174(2011)07－0113－06

科技部“十一五”重點(diǎn)科技攻關(guān)項(xiàng)目(2006BAD08B07－3)

2010－07－01

林家永，男，1960年出生，研究員，糧油儲(chǔ)藏與增值加工