基于近红外光谱的稻谷、大米、大米粉直链淀粉含量预测

胡 斌，王 静

（1. 安徽省粮油产品质量监督检测站，安徽 合肥 230031；2. 安徽粮食工程职业学院，安徽 合肥 230011）

直链淀粉、蛋白质、脂肪、水分含量是大米的重要营养指标[1]。其中直链淀粉含量是优质稻谷限制指标，也是优质大米的重要品质[2]。它与米饭的黏性、光泽度、柔韧性、胀性密切相关[3]，是影响稻米食用品质的重要因素[4]。对这些指标的传统测定方法存在过程繁琐、检测周期长等问题，不能满足现阶段中国推进优质粮食工程中优质储备收购要求。而近红外光谱法具有多指标同时检测、快速无损、成本低等优点[5]，在粮食谷物中应用广泛[6-10]。

本实验以产自安徽省的99 份籼稻谷为研究对象，利用TAS 全校准技术下，稻谷、大米、大米粉3 种大米物理形态的近红外光谱测定直链淀粉结果的相关性，建立适用于安徽省所产稻谷中直链淀粉营养成分的定量模型，为稻谷收储过程中快速检测分类提供依据。

1 材料与方法

1.1 仪器与试剂

实验材料包含99 份籼稻谷，产自安徽省。2600XT-R 型近红外分析仪器：美国UNITY 公司。

1.2 测定方法

1.2.1 大米直链淀粉含量的测定

参照《GB/T 15683—2008 大米直链淀粉含量的测定》。每份样品至少检测2 次，取平均值。

1.2.2 样品近红外光谱采集

分别采集同一样品的稻谷、大米、大米粉3 种测定物理状态。采用漫反射方式采集样品光谱，设置采集光谱区间为4 000 ～12 500 cm-1，准确率为2 nm，步进式旋转扫描12 次。采集完后将采样杯中样品与原样品混合均匀后倒出，重复操作2 次，以2 次采集得到平均光谱作为该样品的最终光谱。

1.2.3 模型的建立

对直链淀粉含量化学值和近红外光谱预测值分别进行拟合光谱处理，采用偏最小二乘法（PLS）的化学计量学方法建立数学模型，反复采用内部交叉验证剔除奇异值，通过比较样品预测值的校正标准偏差（SEC）与化学值的决定系数（R2）、交叉验证系数（R2（Cv））和交互验证的校正标准偏差（SECV）来衡量模型的质量，最终使用预测标准偏差（SEP）评价预测模型效果。

2 结果与分析

2.1 稻谷直链淀粉检测及验证

由表1 和图1 可知，稻谷的直链淀粉模型的预测相关系数R2达0.863，预测平均标准偏差为1.14。

2.1.1 验证稻谷样品的检测结果

建模后，检测4 个验证样品的结果见表2。

由表2 可知，稻谷模型的直链淀粉验证样品集的SEP 为0.68。

2.1.2 稻谷样品重复性验证

随机挑选了2 个样品进行了重复性测试，3 次重新装样扫描，结果见表3。

由表3 可知，多次重新装样近红外检测数值的波动略大，这与稻谷样品的均匀程度较差有关。

表1 稻谷直链淀粉建模表现

表2 稻谷直链淀粉模型的验证结果

表3 稻谷模型的直链淀粉重复性验证

2.2 大米直链淀粉检测及验证

由表4 和图2 可知，大米的直链淀粉模型的预测相关系数R2达0.752，预测平均标准偏差为1.16。

表4 大米直链淀粉的建模表现

2.2.1 验证大米样品的检测结果

建模后，检测5 个验证样品的结果见表5。

由表5 可知，大米模型的直链淀粉验证样品集的SEP 为0.64。

表5 大米直链淀粉模型的验证结果

2.2.2 大米样品重复性验证

随机挑选了2 个样品进行了重复性测试，3 次重新装样扫描，结果见表6。

表6 大米模型的直链淀粉重复性验证

由表6 可知，多次重新装样近红外检测数值略有波动，其结果的重复性表现较好。

表7 大米粉直链淀粉建模表现

2.3 大米粉直链淀粉检测及验证

由表7 和图3 可知，大米粉的直链淀粉模型的预测相关系数R2达0.927，预测平均标准偏差为0.73。

2.3.1 验证大米粉样品的检测结果

表8 大米粉直链淀粉模型的验证结果

建模后，检测3 个验证样品，结果见表8。

由表8 可知，大米粉模型的直链淀粉验证样品集的SEP 为0.22。

2.3.2 大米粉样品重复性验证

随机挑选了3 个样品进行了重复性测试，5 次重新装样扫描，结果见表9。

表9 大米粉模型的直链淀粉重复性验证

由表9 可知，多次重新装样近红外检测数值略有波动，其结果的重复性表现较好。

3 结 论

从稻谷、大米、大米粉样品的建模表现来看，利用近红外设备检测稻谷的直链淀粉含量是可行的，针对不同稻谷物理形态所建直链淀粉预测模型在模型相关系数、快速检测与实验室检测数据相关性、重复性验证等指标上都呈现出较好结果。后期还需要增加建模样品数量来提高模型的耐受性，进一步完善模型的准确性和重复性。