[发明专利]一种利用傅里叶变换红外光谱识别大米品种方法及其应用

说明书

【技术领域】

本发明属于农业技术领域。更具体地，本发明涉及利用傅里叶变换红外光谱识别大米品种的方法，还涉及糯米产地的识别方法。 

【背景技术】

大米是酿造黄酒的主原料，不同品种及产地的大米在化学组成、物理特性以及微生物种群等方面存在较大差异，继而影响到酿造黄酒的品质。对不同品种及产地的大米进行快速、准确的识别，有利于优化酿造工艺，控制生产流程，稳定黄酒品质。 

CN200810112084公开了一种黄粒米自动识别的方法，该包括将米样置于图像采集器中，采集与读取原始图像信息，分离背景和米样；读取每粒大米的原始色度信息R、G、B值，通过理想颜色模型XYZ，将R、G、B色度值转化为均匀颜色模型色度值L^*A^*B^*；选择判定特征色度值B^*，若每粒大米的所有像素中特征色度值B^*超过色度阈值，且所占比例大于面积阈值时，判定该大米为黄粒米。其中色度阈值和面积阈值由操作者根据大米的品种和产地，自行设定。CN200810111705公开了一种大米粒型检测的方法，该方法包括将米样置于图像采集器中，采集与读取原始图像信息，分离背景和米样；识别整米粒和碎米粒；系统根据参数设置中的大米品种和检测所需的整米粒数量，在整米粒中随机选出所需数量，逐点搜索。 

目前，傅里叶变换红外光谱法(Fourier Transform Infrared Spectroscopy，FTIR)是一种主要研究物质分子中代表性官能团的振动及转动光谱，红外光谱制样简单快速、重复性好、对样品没有损坏、信息量大。利用傅里叶变换红外光谱漫反射方法(FTIR-DR)采集光谱图，并结合化学计量学方法，采用留一交互验证法建立主成分分析(PCA)模型，以识别率和拒绝率为指标对不同品种及产地的大米进行识别。 

本方法确定了最优的大米样品粉碎后的颗粒大小、样品比例、采样参 数及特征光谱范围，经过谱图的优化预处理，采用化学计量学方法建立了大米品种及产地的识别模型。 

【发明内容】

[要解决的技术问题] 

本发明的目的是提供一种利用傅里叶变换红外光谱识别大米品种的方法。 

本发明的另一个目的是提供所述识别大米品种方法的用途。 

[技术方案] 

本发明是通过下述技术方案实现的。 

本发明涉及一种利用傅里叶变换红外光谱识别大米品种的方法。 

该方法包括下述步骤： 

A)确定大米样品傅里叶变换红外光谱的测定参数； 

B)建立大米品种的识别模型 

将300个大米样品随机分成两个集，其中250个大米样品作为训练集，用于模型的建立，50个大米样品作为检验集； 

(1)特征波长的选择分析 

这些大米样品进行傅里叶变换红外光谱测定，将采集的红外光谱图导入Unscrambler软件，经Matrix处理，得到这些大米样品的红外光谱三维矩阵图，选择其特征波长作为模式识别的特征向量； 

(2)数据的预处理 

将这些特征向量进行光谱Savitzky-Golay平滑、自动基线校正与标准正态变量变换预处理，再进行PCA分析并建立识别模型； 

(3)大米品种识别模型的建立 

采用NIPALS计算方法和交互留一验证法对训练集中有效数据进行PCA分析，得到这些大米的PCA三维得分图，在此基础上建立每种大米的SIMCA识别模型； 

C)未知样品识别 

采用SIMCA的模式识别投影方法对未知样品进行预测，投影过程中考察模内贡献率、模间辨别力、模型间距模型参数以及未知样与模型间的距 离关系，最终得出其识别结果，它识别率和拒绝率表示： 

根据本发明的一种优选实施方式，使用傅里叶变换红外光谱仪，通过采集的红外光谱数据，分析大米样品粉末粒度、大米与稀释基质的稀释比例、扫描次数与分辨率对大米红外谱图的影响，确定测定大米红外谱图的基本参数。 

根据本发明的另一种优选实施方式，所述的稀释基质是溴化钾。 

根据本发明的另一种优选实施方式，大米样品粉末粒度200目、大米与稀释基质的稀释比例1∶9、扫描次数16次与分辨率4cm^-1。