基于形態(tài)計(jì)量學(xué)和CCA分析的雜糧淀粉粒識(shí)別與鑒定

雷 菁，萬(wàn)智巍,2,*，鞠 民,2

（1.江西師范大學(xué)地理與環(huán)境學(xué)院，江西南昌 330022；2.鄱陽(yáng)湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室，江西南昌 330022）

中國(guó)是世界上主要的雜糧生產(chǎn)中心[1]，各地有著豐富的雜糧消費(fèi)傳統(tǒng)[2]。由于雜糧具有獨(dú)特的營(yíng)養(yǎng)功能[3?6]，很多種類(lèi)的雜糧被開(kāi)發(fā)成為功能性食品和保健品[7?9]，如蕎麥加工的降糖食品、燕麥加工的富含纖維食品等。這些雜糧深加工產(chǎn)品較好地滿(mǎn)足了市場(chǎng)上有關(guān)降糖、降脂、減肥等消費(fèi)需求[10?11]。淀粉是雜糧中主要的營(yíng)養(yǎng)成分，很多雜糧也是通過(guò)粉化處理后再進(jìn)行食用[12]。同時(shí)，雜糧粉也作為食品功能添加成分成為其他食品加工的原料[13]。由于粉化后雜糧的來(lái)源較難直接判斷，并且不同比例組成的雜糧粉也有著不同的質(zhì)量要求。因此雜糧淀粉的鑒定在食品檢驗(yàn)檢疫、雜糧食品真?zhèn)蔚确矫嬗兄匾淖饔肹14?15]。相關(guān)研究表明[16?17]，不同作物淀粉粒具有不同的形態(tài)特征，可以利用淀粉粒形態(tài)特征對(duì)淀粉粒種屬來(lái)源進(jìn)行鑒定[18]。

近年來(lái)，隨著形態(tài)計(jì)量學(xué)相關(guān)學(xué)科的發(fā)展[19]，很多學(xué)者開(kāi)始利用這一技術(shù)進(jìn)行動(dòng)物形態(tài)鑒定[20]、考古出土器物鑒定[21]、人臉識(shí)別系統(tǒng)設(shè)計(jì)[22]等領(lǐng)域的研究。形態(tài)計(jì)量學(xué)方法通過(guò)對(duì)物體的形態(tài)進(jìn)行多指標(biāo)定量化處理，可以方便地與多元統(tǒng)計(jì)方法進(jìn)行結(jié)合，提高了物體識(shí)別和鑒定的效率和準(zhǔn)確度。也有相關(guān)學(xué)者利用形態(tài)計(jì)量學(xué)方法對(duì)相關(guān)主要糧食作物和經(jīng)濟(jì)類(lèi)作物的淀粉粒進(jìn)行了分析[23]，研究結(jié)果表明該方法可以較好的對(duì)淀粉粒形態(tài)進(jìn)行定量化鑒定。主成分分析的結(jié)果顯示[24?25]，形態(tài)計(jì)量學(xué)方法所得到的主要形態(tài)參數(shù)可以較好的反映不同作物淀粉粒之間的差異，為淀粉粒的量化鑒定提供了依據(jù)。因此，本研究利用形態(tài)計(jì)量學(xué)方法對(duì)我國(guó)主要的雜糧品種，如高粱、小米和豆類(lèi)等進(jìn)行形態(tài)分析，獲得這些雜糧的淀粉粒形態(tài)量化特征。同時(shí)，結(jié)合多元統(tǒng)計(jì)分析中常用的典范對(duì)應(yīng)分析（Canonical Correspondence Analysis，CCA）方法對(duì)雜糧淀粉粒形態(tài)進(jìn)行識(shí)別和鑒定。研究可以為今后的雜糧淀粉品質(zhì)檢測(cè)和不同淀粉來(lái)源鑒定等提供基礎(chǔ)數(shù)據(jù)和測(cè)試方法。

1 材料與方法

1.1 材料與儀器

高粱、小米、蕎麥、燕麥和薏米 取自北京市首航超市所出售的散裝糧食；綠豆、豌豆和扁豆 取自南昌市深圳農(nóng)貿(mào)市場(chǎng)所出售的散裝糧食。

Nikon Eclipse 50iPOL 顯微鏡 日本尼康；離心機(jī)（LXJ-II-B） 上海飛鴿；IKA MS3 振蕩器 德國(guó)艾卡。

1.2 樣品分析方法

雜糧樣品的淀粉粒處理和提取過(guò)程參考文獻(xiàn)[24]中的方法。淀粉粒照片通過(guò)Nikon Eclipse 50iPOL 顯微鏡和MicroShot v1.2 圖像處理軟件獲取，每種雜糧的淀粉粒拍照個(gè)數(shù)參考文獻(xiàn)[26]中的標(biāo)準(zhǔn)，在顯微鏡下依據(jù)不同視野內(nèi)所包括的淀粉粒數(shù)量，逐一進(jìn)行選取和拍照測(cè)量。每種雜糧的淀粉粒選取個(gè)數(shù)為30 粒，如一個(gè)視野中數(shù)量不夠則進(jìn)行多次拍照以保證數(shù)量。

1.3 形態(tài)計(jì)量指標(biāo)

形態(tài)計(jì)量指標(biāo)按照文獻(xiàn)[26?28]中的標(biāo)準(zhǔn)，主要選取粒徑均值、粒徑標(biāo)準(zhǔn)差、盒維數(shù)、輪廓線(xiàn)均值、輪廓線(xiàn)標(biāo)準(zhǔn)差、層紋、凹坑、擠壓面、裂隙、臍點(diǎn)、小波譜、Hu 不變矩（Hu1～Hu7）等，指標(biāo)的計(jì)算使用Geomorph 軟件[29]和Matlab 2012a 軟件進(jìn)行處理。粒徑值通過(guò)顯微鏡測(cè)量獲得，一般情況下可以直接通過(guò)顯微鏡目鏡中的標(biāo)尺進(jìn)行數(shù)據(jù)讀取；盒維數(shù)是一種通過(guò)不同尺度正方形網(wǎng)格所定義的曲線(xiàn)分形維數(shù)，可以用來(lái)反映曲線(xiàn)的分形幾何特征，該數(shù)據(jù)通過(guò)Matlab 軟件中的Sandbox 軟件包進(jìn)行求取；輪廓線(xiàn)均值、輪廓線(xiàn)標(biāo)準(zhǔn)差等通過(guò)Geomorph 軟件獲得，用以表示輪廓線(xiàn)的相對(duì)變化程度；層紋、凹坑、擠壓面、裂隙、臍點(diǎn)等指標(biāo)表示淀粉粒的表面基本形貌，屬于名義變量，如淀粉具有這一特征則記為1、不具備則記為0；小波譜指標(biāo)為輪廓曲線(xiàn)經(jīng)過(guò)小波分析轉(zhuǎn)換所得的二維圖譜，具有類(lèi)似于波峰和波谷特征，以形態(tài)上存在的閉合曲線(xiàn)個(gè)數(shù)進(jìn)行定義，小波譜值的計(jì)算通過(guò)Matlab 軟件中的Wavelet Toolbox 工具箱進(jìn)行求取；Hu 不變矩是圖像數(shù)字化的統(tǒng)計(jì)特征，區(qū)域的矩可以根據(jù)區(qū)域范圍內(nèi)的點(diǎn)的位置進(jìn)行計(jì)算，用以反映整體圖像的特征[30]，Hu 系列指標(biāo)通過(guò)Matlab 軟件中的Hu1-7 軟件包進(jìn)行求取。

1.4 典范對(duì)應(yīng)分析（CCA）

典范對(duì)應(yīng)分析（CCA）是多元統(tǒng)計(jì)分析的一種，可以對(duì)樣本及其環(huán)境因子進(jìn)行綜合分析，了解不同影響因子下的樣本排序，以及不同影響因子之間的相互關(guān)系。本次研究使用VEGAN 軟件包[31]中的CCA函數(shù)進(jìn)行分析。計(jì)算過(guò)程中所使用的參數(shù)為粒徑均值、粒徑標(biāo)準(zhǔn)差、盒維數(shù)、輪廓線(xiàn)均值、輪廓線(xiàn)標(biāo)準(zhǔn)差、層紋、凹坑、擠壓面、裂隙、臍點(diǎn)、小波譜、Hu1-7 等共計(jì)18 類(lèi)參數(shù)。

1.5 數(shù)據(jù)處理

淀粉粒形態(tài)計(jì)量指標(biāo)的獲取與數(shù)據(jù)處理過(guò)程參照?qǐng)D1進(jìn)行，主要包括二值化、輪廓提取、極坐標(biāo)處理、外形輪廓曲線(xiàn)生成和小波譜分析等步驟，最終結(jié)合其他觀察指標(biāo)和Matlab 2012a 軟件進(jìn)行數(shù)據(jù)處理。

圖1 淀粉粒形態(tài)計(jì)量與數(shù)據(jù)處理流程圖Fig.1 Flow chart of starch grain morphometric data processing

2 結(jié)果與分析

2.1 基本幾何形態(tài)

本次8 種雜糧淀粉粒提取結(jié)果顯示（圖2），不同類(lèi)型的雜糧淀粉粒在整體形貌、粒徑大小等方面具有一定的差異。高粱、小米、蕎麥和薏米的淀粉粒具有較為明顯的多邊形特征，在其淀粉粒周邊存在部分?jǐn)D壓面。燕麥的淀粉除部分較小的瞬時(shí)淀粉外，多具有半橢圓形特征，并具有較為明顯的臍點(diǎn)。綠豆、豌豆和扁豆淀粉粒在整體形貌上呈不規(guī)則橢圓形，并具有層紋和裂隙。在淀粉粒粒徑方面（圖3），豆類(lèi)植物的粒徑較大，其中豌豆最大，粒徑均值為24.008 μm；綠豆粒徑均值為23.895 μm；扁豆粒徑均值為21.001 μm。高粱、薏米和小米的淀粉粒平均粒徑較為接近，分別為18.931、13.499 和13.482 μm。蕎麥和燕麥的淀粉粒平均粒徑較小，分別為7.194 和4.861 μm。相關(guān)研究表明[32]不同植物由于基因和生長(zhǎng)環(huán)境的差異，其淀粉粒具有不同的形態(tài)。同時(shí)，由于不同植物形成淀粉粒的儲(chǔ)存器官細(xì)胞結(jié)構(gòu)不同，導(dǎo)致具有不同的粒徑。由于本研究主要從形態(tài)學(xué)角度對(duì)不同雜糧淀粉粒進(jìn)行分析，因此不涉及淀粉粒形態(tài)與淀粉性質(zhì)之間的關(guān)系。

圖2 8 種雜糧的淀粉粒形態(tài)圖譜Fig.2 Morphological map of starch grains of 8 kinds of coarse grain

圖3 8 種雜糧淀粉粒粒徑分布箱型圖Fig.3 Box-whisker plot of the particle size distribution of 8 kinds of coarse grain

2.2 外形輪廓量化

淀粉粒外形輪廓曲線(xiàn)量化結(jié)果顯示（圖4），不同雜糧淀粉粒外形輪廓曲線(xiàn)差異較大。整體而言，高粱、小米、蕎麥和薏米等多邊形淀粉粒的輪廓曲線(xiàn)具有較為明顯的折線(xiàn)和鋸齒。綠豆、豌豆和扁豆等豆類(lèi)淀粉粒則具有不規(guī)則的波動(dòng)曲線(xiàn)特征，這也與其淀粉粒輪廓較為光滑有關(guān)。燕麥淀粉粒的輪廓曲線(xiàn)的變化特征則介于這兩種形態(tài)之間。由于淀粉粒形態(tài)較為復(fù)雜，因此直觀的判斷具有一定的不確定性。外形輪廓通過(guò)定量轉(zhuǎn)化之后的外形輪廓曲線(xiàn)可以將不同樣品的淀粉粒置于同一坐標(biāo)系中進(jìn)行比較，可以較為直觀的進(jìn)行分析。

圖4 8 種雜糧淀粉粒輪廓曲線(xiàn)Fig.4 Contour curves of starch grains of 8 kinds of coarse grain

2.3 小波圖譜分析

淀粉粒輪廓線(xiàn)的小波圖譜分析結(jié)果表明（圖5），不同雜糧的淀粉粒輪廓線(xiàn)小波圖譜差異較大。由小波波譜值高值區(qū)和低值區(qū)構(gòu)成的譜值閉合區(qū)個(gè)數(shù)可以看出，豆類(lèi)淀粉粒具有較為光滑的淀粉粒形態(tài)，其小波譜閉合區(qū)也最為規(guī)律，其中綠豆和豌豆淀粉粒輪廓線(xiàn)具有完整的4 個(gè)小波譜閉合區(qū)，扁豆的小波譜也較為規(guī)律，具有4.5 個(gè)小波譜閉合區(qū)。燕麥由于具有半橢圓形的形態(tài)，其輪廓線(xiàn)小波譜也具有4 個(gè)閉合區(qū)，但是存在一個(gè)閉合區(qū)特征不明顯。高粱、小米、蕎麥和薏米的淀粉粒具有多邊形特征，因此其小波譜閉合區(qū)表現(xiàn)較為復(fù)雜，往往具有不同大小的閉合區(qū)。這其中，薏米的淀粉粒形態(tài)雖然屬于多邊形，但是表面較為光滑，因此其小波譜也具有6 個(gè)較為明顯的閉合區(qū)。小波圖譜可以將一維曲線(xiàn)轉(zhuǎn)化為二維的圖形，該圖形類(lèi)似于地形分析中常用的等高線(xiàn)系統(tǒng)，也存在波峰區(qū)和波谷區(qū)。如圖5所示，在小波譜值的高值區(qū)和低值區(qū)即對(duì)應(yīng)為波峰區(qū)和波谷區(qū)。這一明顯的圖譜特征可以為我們進(jìn)一步分析不同類(lèi)型的淀粉粒提供一個(gè)量化參數(shù)。

圖5 8 種雜糧淀粉粒形態(tài)輪廓線(xiàn)小波譜圖Fig.5 Wavelet spectrogram of morphological contour line of starches from 8 kinds of coarse grain

2.4 聚類(lèi)分析

依據(jù)形態(tài)計(jì)量學(xué)方法所得到的特征參數(shù)作為聚類(lèi)分析的變量因子，對(duì)8 種雜糧淀粉粒進(jìn)行分層聚類(lèi)分析，結(jié)果如圖6所示。三種豆類(lèi)淀粉粒，綠豆、扁豆和豌豆聚為第一類(lèi)；蕎麥和高粱聚為第二類(lèi)；薏米和小米聚為第三類(lèi)；燕麥單獨(dú)成為一類(lèi)。這一聚類(lèi)結(jié)果較好的體現(xiàn)了淀粉粒形態(tài)分析，以及其他淀粉粒形態(tài)計(jì)量參數(shù)的分析結(jié)果。三種豆類(lèi)淀粉粒形態(tài)上更為接近，具有較為接近的粒徑大小，多出現(xiàn)層紋和表面裂隙等。薏米、小米、蕎麥和高粱淀粉粒都是多邊形，因此在形態(tài)上也較為接近。燕麥由于具有較小的粒徑均值，并且在形態(tài)上與其他雜糧淀粉粒差異較大，因此單獨(dú)歸為一類(lèi)。

圖6 8 種雜糧淀粉粒聚類(lèi)分析結(jié)果Fig.6 Cluster analysis results of 8 kinds of coarse grain

2.5 判別分析

對(duì)8 種雜糧淀粉粒相關(guān)形態(tài)參數(shù)進(jìn)行主成分分析，結(jié)果顯示在前3 個(gè)主成分軸的方差貢獻(xiàn)率分別為38.554%、30.372%和25.261%，累積解釋方差貢獻(xiàn)率為94.187%，可以較好地反映原始數(shù)據(jù)所攜帶的信息。因此，按照3 個(gè)主成分軸對(duì)8 種雜糧淀粉粒進(jìn)行坐標(biāo)投影，結(jié)果如圖7所示。利用SPSS 24 軟件，對(duì)主成分分析的結(jié)果進(jìn)行判別方程的構(gòu)建，方程組為：

圖7 8 種雜糧淀粉粒判別分析投影圖Fig.7 Projection diagram of discriminant analysis of 8 kinds of coarse grain

Y1=0.083a+0.081b?0.020c?0.100d+0.110e+0.107f?0.118g?0.006h+0.026i?0.112j?0.103k?0.035l+0.074m+0.029n?0.125o+0.102p+0.105q+0.119r

Y2=0.163a+0.154b+0.089c+0.091d?0.049e+0.110f+0.051g?0.187h+0.090i?0.057j+0.061k?0.172l?0.082m-0.194n+0.063o+0.051p?0.016q?0.074r

Y3=0.074a+0.009b+0.254c?0.164d+0.143e?0.007f?0.117g?0.132h+0.190i+0.067j+0.121k+0.155l+0.208m+0.126n+0.116o?0.054p?0.106q?0.129r

式中，a=粒徑均值，b=粒徑標(biāo)準(zhǔn)差，c=盒維數(shù)，d=輪廓線(xiàn)均值，e=輪廓線(xiàn)標(biāo)準(zhǔn)差，f=層紋，g=凹坑，h=擠壓面，i=裂隙，j=臍點(diǎn)，k=小波譜，l～r 分別代表Hu 不變矩1～7。其中，參數(shù)a～e 和k～r 為數(shù)量值，取值范圍為具體數(shù)值；f～j 為名義變量，取值范圍為0（未出現(xiàn)）或1（出現(xiàn)）。

2.6 影響因素分析

對(duì)8 種雜糧淀粉粒形態(tài)特征參數(shù)的CCA 分析顯示（圖8a），代表粒徑均值（Mean）、粒徑標(biāo)準(zhǔn)差（Std）、Hu 不變矩3（Hu3）、擠壓面（JY）和Hu 不變矩1（Hu1）等特征的因子箭頭長(zhǎng)度最長(zhǎng)，說(shuō)明這些特征是影響淀粉粒形態(tài)差異的主要因素。另外，與前述因子相垂直方向上，Hu 不變矩4（Hu4）、輪廓線(xiàn)均值（Lk_mean）、Hu 不變矩7（Hu7）和輪廓線(xiàn)標(biāo)準(zhǔn)差（Lk_std）等指標(biāo)也具有較大的影響。將各個(gè)影響因子變量線(xiàn)進(jìn)行延長(zhǎng)，8 種雜糧淀粉粒樣本垂直投影在相應(yīng)射線(xiàn)上，其投影落點(diǎn)越靠近箭頭方向說(shuō)明其受該因子影響就越大。以淀粉粒粒徑均值為例，綠豆、豌豆和扁豆的投影落點(diǎn)靠近箭頭，說(shuō)明其影響較大，而燕麥的投影落點(diǎn)離箭頭最遠(yuǎn)，說(shuō)明其受該因子影響最小。由此可見(jiàn)，在進(jìn)行淀粉粒區(qū)分是，當(dāng)某一種因子不好進(jìn)行淀粉粒識(shí)別和鑒定時(shí)，可以選擇其所受最大影響的因子進(jìn)行分析。各影響因素之間的相關(guān)分析結(jié)果顯示（圖8b），全部影響因素可以分為兩大類(lèi)，不同類(lèi)型因子之間的相關(guān)系數(shù)存在差異，這也為今后在選取不同因素分別進(jìn)行淀粉粒鑒定時(shí)提供了參考。

圖8 8 種雜糧淀粉粒CCA 分析和相關(guān)系數(shù)熱圖Fig.8 Canonical correspondence analysis and correlation coefficient heat map of 8 kinds of coarse grain

3 結(jié)論與討論

綜合利用淀粉粒形態(tài)計(jì)量相關(guān)參數(shù)指標(biāo)，對(duì)中國(guó)常見(jiàn)8 種雜糧進(jìn)行淀粉粒形態(tài)進(jìn)行識(shí)別與鑒定。不同類(lèi)型的雜糧淀粉粒在整體形貌、粒徑大小等方面具有一定的差異。高粱、薏米、小米和蕎麥的淀粉粒為多邊形，粒徑均值和標(biāo)準(zhǔn)差為18.931±4.720、13.499±2.183、13.482±3.699 和7.194±1.599 μm；豌豆、綠豆和扁豆淀粉粒為不規(guī)則橢圓形，粒徑均值和標(biāo)準(zhǔn)差為24.008±7.327、23.895±4.706 和21.001±4.943 μm；燕麥淀粉粒為半橢圓形，粒徑均值和標(biāo)準(zhǔn)差為4.861±0.951 μm。輪廓曲線(xiàn)量化分析結(jié)果顯示，谷類(lèi)雜糧的多邊形淀粉粒的輪廓曲線(xiàn)具有較為明顯的折線(xiàn)和鋸齒，其小波譜閉合區(qū)表現(xiàn)較為復(fù)雜；豆類(lèi)淀粉粒輪廓線(xiàn)具有波動(dòng)曲線(xiàn)特征，其小波譜閉合區(qū)則較為規(guī)律；燕麥的輪廓曲線(xiàn)和小波譜閉合區(qū)的相關(guān)特征則介于谷類(lèi)雜糧和豆類(lèi)之間。淀粉粒形態(tài)參數(shù)的聚類(lèi)分析和判別分析的結(jié)果則顯示，8 種雜糧可以被區(qū)分為4 大類(lèi)，并且不同淀粉粒可以通過(guò)判別方程得到較好的區(qū)分。CCA 分析和相關(guān)系數(shù)熱圖顯示不同影響因子之間具有一定的差異性，代表粒徑均值、粒徑標(biāo)準(zhǔn)差、Hu 不變矩3、擠壓面和Hu 不變矩1 等特征的因子箭頭長(zhǎng)度最長(zhǎng)，說(shuō)明這些特征是影響淀粉粒形態(tài)差異的主要因素。在進(jìn)行淀粉粒形態(tài)鑒定時(shí)CCA 分析可以為不同淀粉粒的鑒定提供影響因子選擇標(biāo)準(zhǔn)。

本次研究嘗試?yán)眯螒B(tài)計(jì)量學(xué)方法獲得相關(guān)形態(tài)參數(shù)，結(jié)合CCA 分析等方法對(duì)8 種雜糧的淀粉粒形態(tài)進(jìn)行了研究。不同類(lèi)型雜糧的淀粉粒具有不同的形態(tài)，相關(guān)研究也顯示[33]，高粱、薏米、小米的淀粉粒呈多邊形；豆類(lèi)淀粉粒則大部分屬于橢圓形[34]，并且具有較為明顯的層紋和裂隙。輪廓曲線(xiàn)的研究同樣顯示[23]，水稻和玉米等多邊形淀粉粒的輪廓較為曲折、土豆和山藥等偏橢圓形的淀粉粒輪廓?jiǎng)t較為平滑，這也與本次研究的結(jié)果一致。不同植物的淀粉粒形態(tài)由于基因和環(huán)境的差異具有不同的形態(tài)特征[32]，如何利用定量化的方法實(shí)現(xiàn)淀粉粒的自動(dòng)鑒定具有重要的意義。今后的研究可以收集更多類(lèi)型的雜糧以及其他植物樣品，系統(tǒng)研究常見(jiàn)植物淀粉粒形態(tài)并構(gòu)建數(shù)據(jù)庫(kù)，以期為相關(guān)植物和食品鑒定提供依據(jù)。