一種稻米品質的近紅外檢測方法與應用技術

本發明專利技術屬于農產品成分檢測技術領域，具體涉及一種稻米品質的近紅外檢測方法與應用。與稻米理化分析技術領域相關。本發明專利技術的特征在于：將待測樣品進行近紅外掃描，得到基于波長的吸光值原始波譜圖，然后將原始波譜圖進行消噪處理和預處理，從處理后的波譜中篩選特征波長，再將特征波長代入樣品品質指標的預測模型中，得到樣品品質的近紅外檢測值。所述的稻米包括稻谷、糙米和精米，檢測品質包括蛋白質、脂肪、水分、總糖、灰分，以及稻米的碎米率、脫殼率、糠粉率和整精米率。所述的檢測應用包括：(1)用模型預測稻米的品質；(2)模型的修正。本發明專利技術具有測試速度快、對樣品無損等突出優點。

【技術實現步驟摘要】

本專利技術屬于農產品品質分析
，具體涉及一種稻米品質的近紅外檢測方法 與應用。
技術介紹
稻米是我國主要的糧食作物，含有蛋白質、脂肪、水分、總糖、灰分等多種營養成 分，這些成分的檢測具有操作復雜、費時和費力的缺點。近紅外光是波長介于可見光區與中 紅外區之間的電磁波，美國材料檢測協會（ASTM)將近紅外光譜區定義為780-2526nm的區 域。近紅外光譜主要是由于分子振動的非諧振性使分子振動從基態向高能級躍迀時產生， 記錄含氫基團（C-H，N-H，〇-H)振動的合頻和倍頻吸收。稻米中的品質含有豐富的含氫基 團，在近紅外光譜區段有較強的響應。 近紅外光譜分析已應用于檢測稻谷直鏈淀粉的含量，稻谷、稻米中蛋白質、脂肪、 水分和總糖的含量，在國外，Delwiche S Rm等利用近紅外光譜技術建立稻谷的直鏈淀粉 的定標模型，相關系數達到〇. 95,取得了較好的效果；Himmerlsbachra等利用近紅外光譜 技術建立精米的蛋白質的定標模型，實測值和預測值的相關系數達0.992 ;在國內，呂慧等利用近紅外光譜技術，篩選最佳譜區范圍建立了大米水分、蛋白質和直鏈淀粉的定量分 析模型，預測模型的決定系數高達〇. 992 ;郭詠梅等基于近紅外光譜分析技術，采用偏 最小二乘法，并篩選最佳譜區范圍建立糙米蛋白質預測的校正模型，決定系數為0.9289。 申請號號2013105009402 文獻公布了一種快速檢測稻米中直鏈淀粉含量的方法，采用 的是850nm-1045nm的近紅外光譜信息，運用偏最小二乘法建立近紅外校正模型，申請號 201110187788. 8 文獻公布了一種利用近紅外快速檢測米糠脂肪酶活性的方法，采用的是 800nm-2500nm的近紅外光譜信息，運用主成分回歸和偏最小二乘法建立模型。 但是這些研究尚存在光譜的冗余信息較多，光譜特征波長不明確，預測模型報道 少，同時對稻米的碎米率、谷殼率、糠粉率和整精米率的近紅外模型報道少等問題。
技術實現思路
本專利技術的目的是在于克服現有技術的缺陷，提供一種稻米品質的近紅外檢測方法 與應用。本專利技術快速、無損和簡便，以找到稻米品質的近紅外光譜特征，通過建立預測模型 的方法，為稻米品質的檢測提供一種利用近紅外檢測稻米品質的方法。 本專利技術通過以下技術方案實現： 本專利技術挑選稻米品質的特征波長，且特征波長數量少，運用特征波長建立稻米品 質的近紅外模型的方法，在相同預測精度的情況下，本專利技術的預測速度快。同時本專利技術建立 的稻米碎米率、谷殼率、糠粉率和整精米率的近紅外預測模型的方法，對稻米品質分析比較 全面。 具體地，本專利技術提供的稻米品質的近紅外檢測方法，包括如下步驟： ，包括下列步驟： 將待測樣品進行近紅外掃描，得到基于波長的吸光值原始波譜圖，然后將原始波 譜圖進行消噪處理和預處理，從處理后的波譜中篩選特征波長，再將特征波長代入樣品品 質指標的預測模型中，得到樣品品質的近紅外檢測值。 其中：所述預測模型的構建方法如下所述： (1)收集有代表性的稻米樣品，包括稻谷、糙米、精米、谷殼、米糠或碎米； (2)對所收集的樣品進行化學測試，將所得的化學測試值記為ynu，其中：m是第m 個指標，m = 1，2, 3，…，20 ;當m = 1時記為稻谷水分含量，m = 2時記為稻谷蛋白質含量， m = 3時記為稻谷脂肪含量，m = 4時記為為稻谷總糖含量，m = 5時記為稻谷灰分含量，m =6時記為谷殼率，m = 7時記為糙米含碎率，m = 8時記為碎米率，m = 9時記為糠粉率， m = 10時記為整精米率，m = 11時記為糙米水分含量，m = 12時記為糙米蛋白質含量，m =13時記為糙米脂肪含量，m = 14時記為糙米總糖含量，m = 15時記為糙米灰分含量，m =16時記為精米水分含量，m = 17時記為精米蛋白質含量，m = 18時記為精米脂肪含量， m = 19時記為精米總糖含量，m = 20時記為精米灰分含量；j為第j個樣品，共η個樣品， n ^ 40 ; ⑶對樣品進行近紅外掃描，吸光值為Xl]，其中i表示第i個波長，波長i = lOOOnm，lOOlnm，1002nm，…，1799nm ; ⑷消噪處理和預處理：用小波消噪法將Xlj進行消噪處理，得到消噪吸光值，然后 再用歸一化、一階導數、二階導數中的一種或多種的組合處理方法對消噪吸光值進行預處 理，得到預處理吸光值Al j; (5)篩選近紅外光譜特征波長：運用競爭性自適應重加權采樣（CARS)方法和偏最 小二乘法（PLS)法篩選近紅外光譜特征波長，建立稻米品質的預測模型：?= b"+ Σ BnilB1, 其中％為稻米品質的近紅外檢測值，B為A u中第j個樣品的吸光值，b "、&ηι1為回歸系數， 預測模型的評價指標為決定系數R2和定標標準差RMSEC，回歸系數的顯著性用T檢驗，當系 數Bnil的顯著性即t值大于0. 05時，則令a "= 0, a 0處所對應的波長i為特征波長； 特征波長如下： 稻谷水分：131〇11111、140211111、159311111、173811111和 177211111; 稻谷蛋白質：1206nm、1254nm、1274nm、1563nm 和 1752nm ; 稻谷脂肪：1343nm、1369nm、1489nm、1574nm 和 1583nm ; 稻谷總糖：108611111、127311111、127911111、157711111和 164311111; 稻谷灰分：1079nm、1181nm、1417nm、1426nm 和 1494nm ; 糖米水分：1026nm、1102nm、1213nm、1313nm 和 1746nm ; 糖米蛋白質：1168nm、1170nm、1250nm、1780nm 和 1779nm ; 糖米脂肪：1625nm、1536nm、1712nm、1026nm 和 1042nm ; 糖米總糖：1008nm、1326nm、1377nm、1525nm 和 1599nm ; 糖米灰分：1073nm、1068nm、1141nm、1259nm 和 1785nm ; 精米水分：1060nm、1274nm、1293nm、1328nm 和 1408nm ; 精米蛋白質：1254nm、1285nm、1516nm、1554nm 和 1717nm ; 精米脂肪：1018nm、1536nm、1608nm、1625nm 和 1712nm ; 精米總糖：1304nm、1338nm、1617nm、1726nm 和 1745nm ; 精米灰分：1452nm、1472nm、1481nm、1724nm 和 1759nm ; 谷殼率：1127nm、1264nm、1446nm、1495nm 和 1597nm ; 糖米含碎率：1123nm、1301nm、1317nm、1326nm 和 1681nm ; 碎米率：1183nm、1243nm、1579nm、1584nm 和 1723nm ; 糠粉率：115711111、160211111、172311111、172811111和173〇11111; 整精米率：1114nm、1151nm、1257nm、1659nm 和 1680nm ; 本文檔來自技高網...

【技術保護點】
一種稻米品質的近紅外檢測方法，其特征在于，包括下列步驟：將待測樣品進行近紅外掃描，得到基于波長的吸光值原始波譜圖，然后將原始波譜圖進行消噪處理和預處理，從處理后的波譜中篩選特征波長，再將特征波長代入樣品品質指標的預測模型中，得到樣品品質的近紅外檢測值；其中：預測模型的構建方法如下：(1)收集有代表性的稻米樣品，包括稻谷、糙米、精米、谷殼、米糠或碎米；(2)對所收集的樣品進行化學測試，將所得的化學測試值記為ymj，其中：m是第m個指標，m＝1,2,3，…，20；當m＝1時記為稻谷水分含量，m＝2時記為稻谷蛋白質含量，m＝3時記為稻谷脂肪含量，m＝4時記為為稻谷總糖含量，m＝5時記為稻谷灰分含量，m＝6時記為谷殼率，m＝7時記為糙米含碎率，m＝8時記為碎米率，m＝9時記為糠粉率，m＝10時記為整精米率，m＝11時記為糙米水分含量，m＝12時記為糙米蛋白質含量，m＝13時記為糙米脂肪含量，m＝14時記為糙米總糖含量，m＝15時記為糙米灰分含量，m＝16時記為精米水分含量，m＝17時記為精米蛋白質含量，m＝18時記為精米脂肪含量，m＝19時記為精米總糖含量，m＝20時記為精米灰分含量；j為第j個樣品，共n個樣品，n≥40；(3)對樣品進行近紅外掃描，吸光值為xij，其中i表示第i個波長，波長i＝1000nm，1001nm，1002nm，…，1799nm；(4)消噪處理和預處理：用小波消噪法將xij進行消噪處理，得到消噪吸光值，然后再用歸一化、一階導數、二階導數中的一種或多種的組合處理方法對消噪吸光值進行預處理，得到預處理吸光值Aij；(5)篩選近紅外光譜特征波長：運用競爭性自適應重加權采樣(CARS)方法和偏最小二乘法(PLS)法篩選近紅外光譜特征波長，建立稻米品質的預測模型：zm＝bm+∑amiBi，其中zm為稻米品質的近紅外檢測值，Bi為Aij中第j個樣品的吸光值，bm、ami為回歸系數，預測模型的評價指標為決定系數R2和定標標準差RMSEC，回歸系數的顯著性用T檢驗，當系數ami的顯著性即t值大于0.05時，則令ami＝0，ami≠0處所對應的波長i為特征波長；特征波長如下：稻谷水分：1310nm、1402nm、1593nm、1738nm和1772nm；稻谷蛋白質：1206nm、1254nm、1274nm、1563nm和1752nm；稻谷脂肪：1343nm、1369nm、1489nm、1574nm和1583nm；稻谷總糖：1086nm、1273nm、1279nm、1577nm和1643nm；稻谷灰分：1079nm、1181nm、1417nm、1426nm和1494nm；糙米水分：1026nm、1102nm、1213nm、1313nm和1746nm；糙米蛋白質：1168nm、1170nm、1250nm、1780nm和1779nm；糙米脂肪：1625nm、1536nm、1712nm、1026nm和1042nm；糙米總糖：1008nm、1326nm、1377nm、1525nm和1599nm；糙米灰分：1073nm、1068nm、1141nm、1259nm和1785nm；精米水分：1060nm、1274nm、1293nm、1328nm和1408nm；精米蛋白質：1254nm、1285nm、1516nm、1554nm和1717nm；精米脂肪：1018nm、1536nm、1608nm、1625nm和1712nm；精米總糖：1304nm、1338nm、1617nm、1726nm和1745nm；精米灰分：1452nm、1472nm、1481nm、1724nm和1759nm；谷殼率：1127nm、1264nm、1446nm、1495nm和1597nm；糙米含碎率：1123nm、1301nm、1317nm、1326nm和1681nm；碎米率：1183nm、1243nm、1579nm、1584nm和1723nm；糠粉率：1157nm、1602nm、1723nm、1728nm和1730nm；整精米率：1114nm、1151nm、1257nm、1659nm和1680nm；上述特征波長允許有±2nm的偏差；(6)預測模型的修正：增加1個樣本，使樣本數n＝n+1，對新增加的樣本進行化學測試、近紅外掃描、消噪處理和預處理，得到新的Aij，按步驟(5)中所述的近紅外特征波長，得到新的稻米品質的近紅外檢測值zm的預測模型。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：黃漢英，趙思明，胡月來，熊善柏，
申請(專利權)人：華中農業大學，
類型：發明
國別省市：湖北;42