基于高光譜成像技術的梅河大米產地確證因子研究

王朝輝 楊郡洲 王艷輝 趙 倩賴漢卿 陳 雷 王靖會

(吉林農業大學食品科學與工程學院1，長春 130118) (吉林省長春市凈月開發區福祉街道辦事處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區大隊4，長春 130000) (吉林農業大學信息技術學院5，長春 130118)

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

食味品質指標作為大米食用品質優劣的評測標準，因不同生長環境可以影響各指標含量，所以食味品質指標也逐漸應用于大米產地確證研究。國內現有研究中，錢麗麗等[6]通過對大米食味品質指標中蛋白質、直鏈淀粉、脂肪、灰分含量進行判別分析，交叉檢驗，驗證了上述指標可以成為大米產地鑒別的潛在因素。田福林等[7]通過對脂肪酸含量進行主成分與聚類分析，成功區分四個不同產地來源大米。但現階段大米產地確證研究手段中，實驗方法多集中于化學實驗，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(Hyperspectral Imaging，HSI)結合了近紅外光譜和數字成像。提供了一種非接觸式，無損快速檢測手段。高光譜成像技術能夠建立三維“超立方體”數據集，不僅可以觀測樣本圖像，也可對單一像素點進行光譜數據提取[10]。現階段國外高光譜成像技術多應用于測量各種食品中化學成分的分布，包括肉類、魚類、水果、蔬菜、和谷物方面的應用[11]。Munir等[12]通過高光譜成像技術建立了高光譜圖像與牛奶關鍵質量屬性之間的相關性關系。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，并建立含量預測模型。又通過高光譜成像技術對生咖啡豆的蔗糖、咖啡因等指標進行了無損分析，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合的研究中成功共同表征了大米的水分、蛋白質、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合全光譜波段建立大米摻假判別模型，多模型判別準確率均在90%以上。

本研究利用高光譜成像技術快速無損反映大米內部信息的特點，彌補食味品質指標產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指標的結合對全波長光譜進行特征波長提取，相關性分析與產地判別，嘗試探究梅河大米基于高光譜成像技術的產地確證因子。

1 材料與方法

1.1 儀器與設備

1.1.1 大米樣品預處理設備

JLGJ4.5礱谷機，HNMJ3碾米機，JXFM110錘式旋風磨。

1.1.2 高光譜成像設備

Imspector V10E-QE高光譜采集系統成像光譜儀，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全光譜鹵素燈光源。

1.1.3 蛋白質含量檢測設備

蛋白質檢測采用蛋白質快速檢測儀：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

現階段大米產地確證研究中，樣品采集多依賴于市場采購，造成樣品來源不穩定。

本次實驗中，樣本采集方法采用空間網格布點法，該方法現多應用于土壤檢測、城市監測、施工布點等方面。空間網格布點法通過對樣本分布不均勻區域進行網格劃分，在網格交界點或交界區域內進行樣本采集，樣品具有代表性、隨機性，并且有效反映了產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節點城市，市內種植區域多依傍于大柳河、大沙河、一統河三大河系。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，可保持較為優異的生長環境。

通過奧維(Omap)衛星地圖比例尺網格功能對梅河口市按照5 km×5 km規格進行區域劃分，將地圖中網格交界點處的大面積梅河大米種植區域進行標記，作為目標采樣點。并通過實地調研，確定以A-海龍鎮B-灣龍鎮C-黑山頭鎮D-山城鎮E-吉樂鄉五個主產區作為采樣區域，如圖1所示。采樣區域內以五點采樣法、蛇形采樣法、對角線采樣法等為主。每區域設置6個采樣地塊，各采樣地塊內布置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根系土壤并記錄采樣樣品位置空間環境信息。

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，防止樣品變質及混淆，待返回實驗室，在室內進行常溫陰干至全部樣品水分含量穩定在14%左右，后進行編號、去雜葉、脫殼、礱谷、精白等工作。在預留出高光譜實驗所需完整米粒樣本后，將剩余樣品根據不同實驗方法的要求進行錘式旋風磨粉碎、過篩、封裝、-4 ℃低溫保存。

1.3.2 高光譜數據采集

將高光譜數據采集裝置設定為物距為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，每次高光譜數據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，對黑白色進行標準矯正，準備工作完成后，依次對各區域樣品進行圖像采集。

1.3.3 高光譜感興趣區域選擇

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

感興趣區域(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像素區域提取。數據通過ENVI 5.0軟件提取為TXT文本格式，人工轉置為CSV文本，導出數據待后續處理。

圖2 大米樣品擺放及ROI區域選擇示意圖

1.3.4 脂肪酸數據檢測

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，待測。

1.3.5 直鏈淀粉檢測

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

2 結果與分析

2.1 高光譜數據分析

2.1.1 特征波長選取

高光譜成像綜合了圖像與光譜技術，其數據集包含大量樣本內部信息與外部信息。從原有圖譜中提取與樣品食味品質指標相關的特征波長，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境等因素產生噪聲信號，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數算法處理。

待處理完畢，原始數據自動保留374個波段。但是數據量依舊龐大，不利于后續數據分析。需通過MATLAB軟件對數據進行連續投影算法(Successive Project Algorithm,SPA)對光譜數據進行降維處理。連續投影算法在近年來多應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據，其中心思想為降低數據維度。

將全譜數據導入MATLAB軟件內，運行連續投影算法代碼，數據降維后剩余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信息，如大米內部其他元素含量變化等。所以需要通過相關性分析，篩選出可以反映梅河大米食味品質指標含量變化的特征波長，進行產地確證因子的提取。

圖3 梅河大米高光譜成像譜圖

2.1.2 梅河大米理化指標與特征波長相關性

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含量進行相關性分析，驗證哪些波長與指標之間存在相關關系，且可以反映出食味品質指標的含量變化趨勢，最終檢驗特征波長是否具有產地判別的能力。由表1可知，梅河大米蛋白質含量與高光譜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。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關系，且在515 nm(BO3)波長處相關性極為突出。棕櫚酸含量與高光譜譜圖455 nm(BO1)、776 nm(BO9)、874 nm(BO12)波長呈現極顯著正相關關系。油酸含量與高光譜譜圖455 nm(BO1)、615 nm(BO5)、874 nm(BO12)波長呈現極顯著相關性，且621 nm(BO5)波長呈現顯著相關關系。亞油酸在455 nm(BO1)、583nm (BO4)波長呈現顯著相關關系。硬脂酸與各個波長無顯著相關性。脂肪酸總量在874 nm(BO12)、942 nm(BO14)波長呈現極顯著相關性在455 nm(BO1)波長處具有相關性。但上述食味品質指標與492 nm(BO2)、650 nm(BO7)、719 nm(BO8)、802 nm(BO10)、845 nm(BO11)波長無顯著相關關系。

表1 梅河大米食味品質指標與高光譜特征波長相關性

注:標記符號為*和**，分表表明梅河大米食味品質指標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。

表2 梅河大米及其他地區大米食味品質指標差異性分析

注:上表數據統一為平均值±標準偏差；數據顯著性水平P<0.05。

結果表明，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指標的含量變化，可以作為梅河大米高光譜特征波長進行產地確證研究。

2.2 食味品質指標方差分析

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指標(蛋白質、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，探究各理化指標含量各地區空間分布屬性，見表2。

通過表2可以得出，梅河口市及其他地區不同產地來源大米之間蛋白質含量、直鏈淀粉含量、棕櫚酸、油酸、亞油酸、脂肪酸總量呈現極顯著差異性，硬脂酸呈現顯著差異性。證明梅河大米食味品質指標與其他地區大米由于不同的產地來源以及不同的生長環境，產生地區差異性。

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境，種植區域常年受一統河、三統河兩個流域的灌溉，所產出的大米也被列為地理標志性產品。

將九個特征波長作為產地確證指標，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據建立訓練集模型。再取30個梅河大米樣品與10個柳河縣大米樣品數據建立驗證集模型。

Fisher線性判別函數如下：

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 不同產地FISHER判別函數分類結果b,c

產地預測組梅河大米柳河大米合計驗證集初始交叉驗證計數%計數%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.已經對交差驗證分組案例中的91.7%進行了分類。余同。

由表3數據表明，訓練集產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地確證因子對梅河大米與柳河縣大米進行產地判別。

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及通化市柳河縣稻粒樣品構建SIMCA模型，利用偏最小二乘判別分析(OPLS-DA)檢測梅河稻區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分數圖中可以清楚的分為兩類，其中，梅河稻區樣本(n=1～45)聚集落在圖中間位置，而通化市柳河縣樣本(n=46～55)落在圖右側位置可以與梅河稻區樣本區分。

圖4 梅河稻區及通化市柳河縣稻粒樣品SIMCA模型

3 結論

基于高光譜成像技術(Hyperspectral Imaging，HSI)，通過對梅河大米高光譜數據連續投影算法(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，結合梅河大米食味品質指標相關性分析，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、直鏈淀粉、棕櫚酸、油酸、亞油酸、脂肪酸總量食味品質指標呈顯著相關。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地確證能力，可以作為產地確證因子。高光譜成像技術在產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。