黃亞偉 楊 壯

(河南工業(yè)大學(xué)糧油食品學(xué)院1，鄭州 450001)

(河南中儲糧質(zhì)量檢測中心有限公司2，鄭州 450043)

小麥粉質(zhì)特性的可見/近紅外光譜快速測定研究

黃亞偉1楊 壯2

(河南工業(yè)大學(xué)糧油食品學(xué)院1，鄭州 450001)

(河南中儲糧質(zhì)量檢測中心有限公司2，鄭州 450043)

采用可見/近紅外光譜對小麥粉質(zhì)特性參數(shù)進行了快速測定研究。在小麥粉廠收集強、中和弱筋小麥粉樣品共180份，采用標(biāo)準方法測定了其粉質(zhì)特性參數(shù)值，然后在波長570～1 080 nm下采集了樣品的光譜。對原始光譜進行多元散射校正及一階導(dǎo)數(shù)處理后，首先在全譜范圍內(nèi)建立了形成時間、穩(wěn)定時間、吸水率、弱化度4個參數(shù)的PLS定量預(yù)測模型，以吸水率結(jié)果最優(yōu)，其Rp=0.99，RMSEP=1.02；其次是形成時間和弱化度，其Rp值分別為0.97和0.93，RMSEP值分別為0.48和10.01；穩(wěn)定時間結(jié)果稍差，其Rp=0.80，RMSEP=2.40。然后采用SPA方法分別提取了各粉質(zhì)特性參數(shù)的光譜特征變量，對應(yīng)建立了MLR模型，所建模型和PLS方法結(jié)果接近。表明可見/近紅外光譜在小麥粉粉質(zhì)特性評價中具有可行性，同時也為專用便攜儀器的研制及小麥粉品質(zhì)在線設(shè)備的開發(fā)提供了初步的理論依據(jù)。

可見/近紅外 小麥粉 粉質(zhì)特性

粉質(zhì)特性是反映小麥粉內(nèi)在品質(zhì)的重要指標(biāo)，能夠確定小麥粉產(chǎn)品的最終用途，因此小麥粉企業(yè)常將其作為對小麥原料進行質(zhì)量評價以及對生產(chǎn)工藝進行調(diào)整的重要依據(jù)[1]。目前粉質(zhì)特性的測定主要依賴粉質(zhì)儀，這種方法所用樣品量大，操作繁瑣費時，測定人員需要經(jīng)過專業(yè)培訓(xùn)，對于小麥粉企業(yè)日常批量樣品的重復(fù)測定，需要耗費大量人力物力，而且測定結(jié)果滯后不能有效指導(dǎo)生產(chǎn)。

近紅外光譜技術(shù)由于具有快速、高效、制樣簡單、無污染等優(yōu)點，廣泛應(yīng)用于農(nóng)業(yè)、制藥、石油、化工、紡織等領(lǐng)域并發(fā)揮了巨大優(yōu)勢[2-5]。其在小麥粉質(zhì)量評價中最初主要集中在水分、灰分、蛋白質(zhì)含量測定上。Cocch等[6]對不同種類特性的面包粉進行了判別，通過對光譜的小波變換結(jié)合模式識別方法能夠準確地區(qū)分2大類小麥粉。在粉質(zhì)特性測定應(yīng)用中，Miralbes等[7]較早地進行了初步研究，開創(chuàng)了小麥粉流變學(xué)近紅外測定的先河，參數(shù)測定也比較全面，然而該研究樣品量較少，樣品不夠系統(tǒng)。Silvia等[8]僅對面團的延伸性及韌性進行了研究報道，取得了較好的效果。目前對光譜特征信息探討較少，應(yīng)用到在線監(jiān)測中存在諸多困難。

本研究在河南多個小麥粉廠不同粉路系統(tǒng)中廣泛收集強、中和弱筋小麥粉樣品，采用標(biāo)準方法測定其粉質(zhì)特性指標(biāo)，并對樣品光譜進行敏感特征變量提取，盡可能的建立簡潔而穩(wěn)健的應(yīng)用模型，為實現(xiàn)小麥粉品質(zhì)的快速及在線監(jiān)測提供理論參考。

1 材料與方法

1.1 樣品與主要儀器

在河南多個小麥粉廠不同粉路系統(tǒng)中收集強、中、弱筋小麥粉樣品各60份，樣品總計180份。

小麥粉質(zhì)特性參數(shù)測定采用Farinograph-AT粉質(zhì)儀：德國Brabender GmbH & Co.KG；可見/近紅外光譜采集采用Infratec-1241光譜儀：丹麥FOSS公司。

1.2 試驗方法

1.2.1 粉質(zhì)參數(shù)測定

小麥粉質(zhì)特性參數(shù)為形成時間、穩(wěn)定時間、吸水率、弱化度依據(jù)GB/T 14614—2006進行測定。

1.2.2 光譜采集

采用Infratec-1241光譜儀透射方式測量，光譜采集范圍為570～1 080 nm，波長間隔2 nm，子樣品集設(shè)定為3，每個樣品重復(fù)測量2次，取平均光譜作為該樣品的原始光譜，所得樣品原始光譜圖見圖1。

圖1 小麥粉樣品的近紅外原始光譜圖

1.2.3 光譜處理與數(shù)據(jù)分析

近紅外光譜主要是倍頻和合頻的吸收，光譜信息重疊嚴重，除了樣品自身的信息外，還包含了高頻隨機噪聲、基線漂移、樣本不均勻、光散射等干擾，因此在建立模型前需要對原始光譜進行預(yù)處理。試驗數(shù)據(jù)利用TQ Analyst V7.2(Thermo Nicolet，USA)、和MATLAB7.0(The Mathworks Inc.，Natick，MA)軟件進行數(shù)據(jù)處理和分析。

2 結(jié)果與分析

2.1 樣品粉質(zhì)特性情況

表1為樣品的粉質(zhì)參數(shù)實測值分布情況，可以看出強、中、弱筋粉的性能參數(shù)有很大的差異性，樣品范圍寬，涵蓋廣，為穩(wěn)健的近紅外模型的建立奠定了良好的基礎(chǔ)。

表1 樣品粉質(zhì)參數(shù)實測值統(tǒng)計

2.2 光譜分析

從圖1可以看出原始光譜存在明顯的基線漂移，主要由于小麥粉顆粒的散射所造成。原始光譜下方強筋小麥粉居多，上方弱筋小麥粉居多，強筋小麥粉聚集的趨勢不明顯。樣品原始光譜形狀類似，譜圖吸收趨勢較為平緩，在640、920、1 000 nm有顯著的吸收峰。640 nm處為可見光譜區(qū)，主要反映樣品色澤信息；920 nm處主要為C-H鍵的三級倍頻吸收；1 000 nm主要為N-H鍵的三級倍頻吸收。這些峰的吸收和樣品的狀態(tài)及組成密切相關(guān)。

2.3 PLS定量模型建立

偏最小二乘方法(Partial Least Square，PLS)是近紅外光譜分析中應(yīng)用最多、比較經(jīng)典的建模方法，其將因子與回歸分析相結(jié)合，能夠克服成分間相互干擾、吸收波段重疊引起的線性偏離，建立的模型相對比較穩(wěn)健。近紅外模型評價的參數(shù)主要有建模相關(guān)系RC、預(yù)測相關(guān)系數(shù)Rp、建模標(biāo)準差RMSEC、預(yù)測標(biāo)準差RMSEP。當(dāng)RC與Rp越大，RMSEC與RMSEP越小且兩者差別不大時，模型性能越好[9]。

在TQ Analyst V7.2軟件中，首先對樣品進行分集，將樣品各參數(shù)值從小到大進行排序，每3個樣品中選取2個作為建模集、另外1個劃入驗證集，最終建模集樣品為120個，驗證集樣品為60個。然后在全譜范圍內(nèi)進行模型構(gòu)建，為消除光譜的基線漂移，采用多元散射校正對原始光譜進行了預(yù)處理，然后又進行了其他預(yù)處理，結(jié)果發(fā)現(xiàn)一階導(dǎo)數(shù)處理結(jié)果最好，所建模型最優(yōu)。表2為PLS模型結(jié)果統(tǒng)計表，可以得出，吸水率的建模效果最優(yōu)，其次是形成時間和弱化度，這3個參數(shù)模型實際應(yīng)用結(jié)果較為準確；穩(wěn)定時間結(jié)果最差，可以對樣品進行初步的篩查。

表2 PLS模型參數(shù)統(tǒng)計

2.4 SPA-MLR定量模型建立

近紅外光譜全譜建模模型比較復(fù)雜，運算量大，運行速度慢，而且全譜除含有待測目標(biāo)信息外還含諸多干擾因素。本研究為了探尋小麥粉粉質(zhì)特性參數(shù)的光學(xué)特征信息變量，為便攜專用儀器設(shè)備的研制提供理論依據(jù)，探討了連續(xù)投影算法(Successive projections algorithm，SPA)進行有效波長的提取，然后結(jié)合多元線性回歸方法(MLR)進行定量模型的構(gòu)建。

SPA是一種新的光譜特征變量選取方法，它能夠利用向量的投影分析，從光譜變量中尋找含有最低限度的冗余信息的變量組，使得變量之間的共線性達到最小，同時能大大減少建模所用變量的個數(shù)，提高建模的速度和效率[10]。其基本思想是逐個選入對輸出結(jié)果有顯著影響的變量，每選入1個新變量后，對選入的各變量逐個進行顯著性檢驗，并剔除不顯著變量。如此反復(fù)選入、檢驗、剔除，直至無法剔除且無法選入為止。

本研究在Matlab軟件中進行SPA編程運算，形成時間的SPA變量選擇計算結(jié)果如圖2和圖3所示，當(dāng)變量為6時，模型運算最佳(RMSE=0.43)，所選特征變量在全譜中對應(yīng)位置如圖3，所選的波長分別為582、664、778、956、982和1 062 nm。所選波長582、664 nm位于可見光譜區(qū)，位于640 nm峰兩側(cè)，和樣品的色澤有關(guān)。778、956、982和1 062 nm位于近紅外光譜區(qū)，778、956和982 nm處為O—H鍵的3倍頻吸收，1 062 nm處為C—H、N—H鍵的2倍、3倍頻吸收，與樣品成分密切相關(guān)。選用該6個特征變量建立MLR定量模型，其Rc=0.97，Rp=0.95，RMSEC=0.46，RMSEP=0.53。建模結(jié)果和PLS全譜范圍結(jié)果相當(dāng)，而光譜變量則大為減少。

同樣對穩(wěn)定時間、弱化度和吸水率進行了SPA變量選擇及MLR模型構(gòu)建，穩(wěn)定時間最優(yōu)變量為8個，分別為590、616、796、833、851、966、974和1 012 nm，其MLR模型參數(shù)Rc=0.80，Rp=0.78，RMSEC=2.14，RMSEP=3.03。弱化度最優(yōu)變量為7個，分別為570、746、778、933、941、965和1 043，其MLR模型參數(shù)Rc=0.93，Rp=0.92，RMSEC=10.08，RMSEP=10.96。吸水率最優(yōu)變量為5個，分別為633、760、948、956和1 058 nm，其MLR模型參數(shù)Rc=0.97，Rp=0.97，RMSEC=1.03，RMSEP=1.12。所建模型與PLS方法教接近。

3 結(jié)論

本研究對小麥粉粉質(zhì)特性參數(shù)的可見/近紅外光譜快速測定進行了探討。首先在全譜范圍內(nèi)建立了形成時間、穩(wěn)定時間、吸水率、弱化度4個參數(shù)的PLS定量預(yù)測模型，以吸水率結(jié)果最優(yōu)，其Rp=0.99，RMSEP=1.02；形成時間和弱化度模型結(jié)果良好，形成時間Rp=0.97，RMSEP=0.48；弱化度Rp=0.93，RMSEP=10.01。穩(wěn)定時間結(jié)果稍差，Rp=0.80，RMSEP=2.40，可以實現(xiàn)對樣品的快速篩查。然后采用SPA方法分別探討了粉質(zhì)特性參數(shù)的光譜特征響應(yīng)變量并進行了提取，建立了簡潔的MLR模型，所建模型和全譜PLS定量方法結(jié)果接近。結(jié)果表明可見/近紅外光譜在小麥粉質(zhì)特性評價中具有可行性，同時也為專用便攜儀器的研制及小麥粉品質(zhì)在線設(shè)備的開發(fā)提供了初步的理論依據(jù)。

[1]付一山.小麥粉企業(yè)質(zhì)量與工藝控制的一些思考[J].現(xiàn)代小麥粉工業(yè)，2011，(5)：39-41

[2]Bernard K W，Keith D S，George M N，et al.Rapid estimation of soil engineering properties using diffuse reflectance near infrared spectroscopy[J].Biosystems Engineering，2014，121(5)：177-185

[3]Marcus H F，Jez W B，Marcelo M S.Development and validation of a chemometric method for direct determination of hydrochlorothiazide in pharmaceutical samples by diffuse reflectance near infrared spectroscopy[J].Microchemical Journal，2013，109(7)：158-164

[4]韓仲志，萬劍華，張洪生，等.基于玉米籽粒近紅外光譜的品種與產(chǎn)地識別研究[J].中國糧油學(xué)報，2014，29(1)：21-25

[5]Li J Y，Chu X L，Tian S B，et al.The identification of highly similar crude oils by infrared spectroscopy combined with pattern recognition method[J].Spectro chimica Acta Part A：Molecular and Biomolecular Spectroscopy，2013，112(8)：457-462

[6]Cocchi M，Corbellini M，Giorgia F，et al.Classification of bread wheat flours in different quality categories by a wavelet-based feature selection classification algorithm on NIR spectra[J].Analytica Chimica Acta，2005，544(11)：100-107

[7]Miralbes C.Quality control in the milling industry using nearinfrared transmittance spectroscopy[J].Food Chemistry，2004，88(11)：621-628

[8]Silvia A J，Ignacio A，Nerea A，et al.Rheological parameters determination using Near Infrared technology in whole wheat grain[J].Journal of Food Engineering，2012，111(2)：115-121

[9]Jin M T，Alastair J W，Lene P，et al.Near Infrared Reflectance Spectroscopy(NIRS)for rapid determination of biochemical methane potential of plant biomass[J].Applied Energy，2014，116(3)：52-57

[10]Wang A C，Xie L J.Technology using near infrared spectroscopic and multivariate analysis to determine the soluble solids content of citrus fruit[J].Journal of Food Engineering，2014，143(12)：17-24.

Rapid Determination of Flour Farinograph Parameters Using Visible / Near Infrared Spectroscopy

Huang Yawei1Yang Zhuang2

(School of Food Science and Technology1, Zhengzhou 450001)(Henan Sinograin Quality Testing Centre Ltd.2，Zhengzhou 450043)

Farinograph parameters of flour are rapid determined using visible /near infrared spectroscopy. 180 samples involving strong, plain and weak gluten flour from milling factory were collected, farinograph parameters values were determined using standard method and spectra from 570 to 1 080 nanometers were achieved. After MSC and first derivative processing, PLS quantifying models of Development time, Stability time, Absorption and Degree of softening were developed under full spectral range. The Absorption model has the best result with Rp=0.99, RMSEP=1.02. Thereafter are Development time and Degree of softening models. Rp values of them are 0.97 and 0.93, RMSEP of them are 0.48 and 10.01 respectively. Model result of Stability time is not as good as others with a result of Rp=0.80, RMSEP=2.40. SPA method was used to select the sensitive optical characters of above four farinograph parameters, MLR models were developed correspondingly. MLR models have a similar result of PLS method. The study shows it is feasible to determine flour farinograph parameters rapidly using visible /near infrared spectroscopy and it sets foundation for special or on line equipment developing.

visible /near infrared spectroscopy, flour, farinograph parameters

TS211

A

1003-0174(2016)03-0120-04

河南工業(yè)大學(xué)高層次人才基金(2012BS009)，河南省教育廳科學(xué)技術(shù)研究(13A550175)

2014-07-26

黃亞偉，男，1980年出生，講師，食品質(zhì)量快速檢測技術(shù)