稻谷直鏈淀粉含量的近紅外光譜檢測模型優(yōu)化

毛永榮 閔國春 胡斌 季一順

摘要：直鏈淀粉含量對大米食用品質影響較大。該研究在已完成的99份2020年安徽秈稻谷近紅外光譜建模基礎上，增加110份2021年安徽省秈稻谷的檢測，利用TAS全校準技術，分別建立2批次稻谷及合并批次后的稻谷直鏈淀粉定量模型。研究結果表明：99、110、209份稻谷的直鏈淀粉模型預測決定系數(shù)分別為0.863、0.850、0.874。進一步構建209份稻谷樣品的糙米粉直鏈淀粉定量模型，模型預測決定系數(shù)為0.930。經(jīng)驗證，209份稻谷和糙米粉直鏈淀粉模型的表現(xiàn)良好，且糙米粉直鏈淀粉模型表現(xiàn)更好。

關鍵詞：稻谷；近紅外光譜；建模

中圖分類號：TS210.7 文獻標志碼：A DOI：10.16465/j.gste.cn431252ts.20230422

Optimization of paddy amylose content determination based on near infrared spectroscopy model

Mao Yongrong1， Min Guochun2， Hu Bin1， Ji Yishun1

（ 1. Anhui Grain And Oil products Guality Supervision And pesting Station， Hefei， Anhui 230031； 2. Liaoning Food and Strategic Reserves Service Center， Shenyang， Liaoning 110032 ）

Abstract： Amylose content has a great impact on the edible quality of rice. This study was conducted on 99 completed near-infrared spectra of Anhui indica rice grains in 2020. On the basis of modeling， an additional 110 samples of 2021 Anhui Provinces indica rice were tested， Two batches of paddy and the combined batch of paddy amylose quantitative models were established respectively by TAS full calibration technology. The results showed that the prediction coefficients of amylose model in 99， 110 and 209 paddy were 0.863， 0.850， and 0.874 respectively. We futher constructed amylose quantitative model of 209 brown rice， the prediction coefficients of amylose was 0.930. The experimental results showed that 209 paddy and brown rice flour amylose models performed stable， and brown rice flour amylose model performed better. Key words： paddy， near infrared spectroscopy， modeling

淀粉是稻米的重要組成部分，包含直鏈淀粉和支鏈淀粉，不同類型、品種的稻米中直鏈淀粉和支鏈淀粉的含量也各不相同，不同含量的直鏈淀粉對大米食用品質影響至關重要[1-2]。1999年，我國發(fā)布的《優(yōu)質稻谷》（GB/T 17891—1999）將直鏈淀粉的含量列為定等指標[3]，新修訂的《優(yōu)質稻谷》（GB/T 17891—2017）將直鏈淀粉的含量列為限制指標[4]，這些都體現(xiàn)了直鏈淀粉指標的重要性。隨著我國優(yōu)質糧食工程中優(yōu)糧優(yōu)儲的深入實施，亟需一種快速簡便的檢測方法來篩選優(yōu)質儲糧。較傳統(tǒng)復雜的優(yōu)質稻谷指標檢測方法《大米 直鏈淀粉含量的測定》（GB/T 15683—2008）[5]，近紅外光譜法具備多指標同步檢測、操作簡便、節(jié)約成本等優(yōu)點且應用范圍廣[6-7]。

目前，兩組多重相關變量間的相互依賴關系的研究常采用最小二乘準則下的經(jīng)典多元線性回歸分析（MLR）、提取自變量組主成分的主成分回歸分析（PCR）、偏最小二乘（PLS）回歸等方法，偏最小二乘（PLS）回歸方法是建立在主成分分析和主成分回歸基礎上的一種多元數(shù)據(jù)分析方法，被廣泛應用于醫(yī)藥學、工程學等領域[8]。課題組[9]前期完成了99份2020年安徽產(chǎn)秈稻谷近紅外光譜初步建模。為進一步提高模型的耐受性和適用性，通過倍增不同年份產(chǎn)稻谷樣品建模數(shù)量，采集110份2021年安徽產(chǎn)秈稻谷，利用TAS全校準技術（該技術可以檢測并校正任何由于震動、溫度或光源燈變化引起的儀器變化，在不同的時間和地點都能獲得一致的結果）[10]，分別建立99、110、209份稻谷樣品的直鏈淀粉定量模型，同時建立209份稻谷樣品的糙米粉直鏈淀粉定量模型，一方面探索不同年份產(chǎn)稻谷樣品數(shù)量增加對模型準確性和穩(wěn)定性的影響，另一方面探究稻谷樣品的糙米粉建模和稻谷建模準確性高低對比情況，以期找尋一種準確性較高的模型。

1 材料與方法

1.1 材料

秈稻谷：安徽省產(chǎn)。

1.2 儀器與設備

2600XT-R型近紅外分析儀器：美國UNITY公司。

1.3 實驗設計

1.3.1 模型建立原理

對直鏈淀粉含量化學值和近紅外光譜預測值分別進行擬合光譜處理，采用偏最小二乘法（PLS）的化學計量學方法建立數(shù)學模型，反復采用內部交叉驗證剔除奇異值，通過比較樣品預測值的校正標準偏差（SEC）與化學值的決定系數(shù)（R2）、交叉驗證系數(shù)（R2（Cv））和交互驗證的校正標準偏差（SECV）來衡量模型的質量，最終使用預測標準偏差（SEP）評價預測模型效果[9]。

1.3.2 稻谷中直鏈淀粉含量的化學值測定

參照《大米 直鏈淀粉含量的測定》（GB/T 15683—2008）執(zhí)行[5]。

1.3.3 稻谷中直鏈淀粉含量的近紅外光譜測定

取適量的樣品用近紅外分析儀進行測定，通過漫反射方式采集樣品光譜，每個樣品測定2次，以2次測定的平均光譜為最終光譜。其中，采集光譜區(qū)間680～2 600 nm，準確度0.01 nm，步進式旋轉掃描12次。

2 結果與分析

2.1 不同批次稻谷直鏈淀粉近紅外模型的建立

由表1和圖1可知，99份2020年安徽產(chǎn)秈稻谷的直鏈淀粉模型的預測決定系數(shù)R2為0.863，預測平均標準偏差為1.14。由表1和圖2可知，110份稻谷的直鏈淀粉模型的預測決定系數(shù)R2為0.850，預測平均標準偏差為0.93。由表1和圖3可知，合并后的209份稻谷直鏈淀粉模型的預測決定系數(shù)R2為0.874，預測平均標準偏差為0.91。

其中，110份稻谷和99份稻谷的直鏈淀粉建模表現(xiàn)基本一致，合并后驗證集的相關性優(yōu)于單獨批次稻谷樣品。據(jù)此，分別開展209份稻谷樣品和209份稻谷樣品的糙米粉樣品的近紅外模型驗證。

2.2 稻谷直鏈淀粉檢測及驗證

以209份稻谷樣品建模后，進行稻谷直鏈淀粉模型驗證和重復性驗證。

2.2.1 稻谷直鏈淀粉模型驗證

以209份稻谷樣品建模后，檢測10個驗證樣品。同時在其他實驗室另一臺UNITY近紅外設備上安裝模型進行樣品驗證，結果見表2。由表2可知，本實驗室稻谷模型的直鏈淀粉驗證樣品集的SEP為0.423，其他實驗室稻谷模型的直鏈淀粉驗證樣品集的SEP為0.347。由圖4和圖5可知，驗證樣品近紅外檢測值和標準值的決定系數(shù)R2分別為0.985和0.993。總體來看，模型較為穩(wěn)定。

2.2.2 稻谷樣品重復性驗證

隨機挑選4個樣品進行重復性測試，3次重新裝樣掃面，結果見表3。由表3可知，多次重新裝樣近紅外檢測數(shù)值波動較為平穩(wěn)，重復性較好。

2.3 209份稻谷樣品的糙米粉直鏈淀粉近紅外模型的建立

基于以上實驗，進一步構建209份稻谷樣品的糙米粉樣品的直鏈淀粉近紅外模型。由表4和圖6可知，209份糙米粉的直鏈淀粉模型的預測決定系數(shù)R2為0.93，預測平均標準偏差為0.69。

2.3.1 糙米粉樣品重復性驗證

隨機挑選4個樣品進行重復性測試，3次重新裝樣掃描，結果見表5。由表5可知，多次重新裝樣近紅外檢測數(shù)值波動較為平穩(wěn)，重復性較好。

2.3.2 糙米粉樣品直鏈淀粉模型驗證

以209份稻谷的糙米粉樣品建模后，檢測10個驗證樣品。同時在其他實驗室另一臺UNITY近紅外設備安裝模型進行樣品驗證，結果見表6。由表6可知，本實驗室稻谷模型的直鏈淀粉驗證樣品集的SEP為0.173，其他實驗室稻谷模型的直鏈淀粉驗證樣品集的SEP為0.152，糙米粉模型具備普適性。

3 結 論

從不同批次稻谷建模結果來看，批次不同稻谷建模表現(xiàn)也不同，所有批次稻谷整合后所建的直鏈淀粉預測模型決定系數(shù)、重復性驗證結果均表現(xiàn)較好，同時對209份糙米粉樣品進行建模驗證，結果表現(xiàn)較好。增加建模樣品數(shù)量能提高模型的準確性和重復性，且稻谷樣品的糙米粉建模優(yōu)于稻谷樣品直接建模。

參考文獻

[1] 張恒棟，黃敏，鄒應斌，等.米粉稻籽粒直鏈淀粉積累特性[J].中國農(nóng)業(yè)科學，2021，54（7）：1354-1364.

[2] 黃曉贊，黃冬，張桂福.早秈稻谷直鏈淀粉含量與食味值關聯(lián)性探索[J].糧食與飼料工業(yè)，2020（5）：3-5.

[3] 國家糧食儲備局.優(yōu)質稻谷：GB/T 17891—1999[S].北京：中國標準出版社，2000.

[4] 國家糧食局.優(yōu)質稻谷：GB/T 17891—2017[S].北京：中國標準出版社，2018.

[5] 國家糧食局.大米 直鏈淀粉含量的測定：GB/T 15683—2008[S].北京：中國標準出版社，2009.

[6] 我國稻谷質量快速檢測技術研究取得積極進展[J].糧食科技與經(jīng)濟，2020，45（2）：15-16.

[7] 楊學文.近紅外光譜分析法快速測定稻谷常規(guī)化學指標[J].糧油食品科技，2016，24（5）：65-69.

[8] 滕宇.偏最小二乘法在光譜分析中的應用[J].集成電路應用，2020，37（1）：16-17.

[9] 胡斌，王靜.基于近紅外光譜的稻谷、大米、大米粉直鏈淀粉含量預測[J].糧食科技與經(jīng)濟，2021，46（1）：90-92+120.

[10] JEROME J W， TUSHAR S，THOMAS A B. Spectrometer secondary reference calibration （TAS）： 61637761[P]. 2013-03-14.