[发明专利]一种稻米品质的近红外检测方法与应用

摘要

本发明属于农产品成分检测技术领域，具体涉及一种稻米品质的近红外检测方法与应用。与稻米理化分析技术领域相关。本发明的特征在于：将待测样品进行近红外扫描，得到基于波长的吸光值原始波谱图，然后将原始波谱图进行消噪处理和预处理，从处理后的波谱中筛选特征波长，再将特征波长代入样品品质指标的预测模型中，得到样品品质的近红外检测值。所述的稻米包括稻谷、糙米和精米，检测品质包括蛋白质、脂肪、水分、总糖、灰分，以及稻米的碎米率、脱壳率、糠粉率和整精米率。所述的检测应用包括：(1)用模型预测稻米的品质；(2)模型的修正。本发明具有测试速度快、对样品无损等突出优点。

主权项

一种稻米品质的近红外检测方法，其特征在于，包括下列步骤：将待测样品进行近红外扫描，得到基于波长的吸光值原始波谱图，然后将原始波谱图进行消噪处理和预处理，从处理后的波谱中筛选特征波长，再将特征波长代入样品品质指标的预测模型中，得到样品品质的近红外检测值；其中：预测模型的构建方法如下：(1)收集有代表性的稻米样品，包括稻谷、糙米、精米、谷壳、米糠或碎米；(2)对所收集的样品进行化学测试，将所得的化学测试值记为y_mj，其中：m是第m个指标，m＝1,2,3，…，20；当m＝1时记为稻谷水分含量，m＝2时记为稻谷蛋白质含量，m＝3时记为稻谷脂肪含量，m＝4时记为为稻谷总糖含量，m＝5时记为稻谷灰分含量，m＝6时记为谷壳率，m＝7时记为糙米含碎率，m＝8时记为碎米率，m＝9时记为糠粉率，m＝10时记为整精米率，m＝11时记为糙米水分含量，m＝12时记为糙米蛋白质含量，m＝13时记为糙米脂肪含量，m＝14时记为糙米总糖含量，m＝15时记为糙米灰分含量，m＝16时记为精米水分含量，m＝17时记为精米蛋白质含量，m＝18时记为精米脂肪含量，m＝19时记为精米总糖含量，m＝20时记为精米灰分含量；j为第j个样品，共n个样品，n≥40；(3)对样品进行近红外扫描，吸光值为x_ij，其中i表示第i个波长，波长i＝1000nm，1001nm，1002nm，…，1799nm；(4)消噪处理和预处理：用小波消噪法将x_ij进行消噪处理，得到消噪吸光值，然后再用归一化、一阶导数、二阶导数中的一种或多种的组合处理方法对消噪吸光值进行预处理，得到预处理吸光值A_ij；(5)筛选近红外光谱特征波长：运用竞争性自适应重加权采样(CARS)方法和偏最小二乘法(PLS)法筛选近红外光谱特征波长，建立稻米品质的预测模型：z_m＝b_m+∑a_miB_i，其中z_m为稻米品质的近红外检测值，B_i为A_ij中第j个样品的吸光值，b_m、a_mi为回归系数，预测模型的评价指标为决定系数R²和定标标准差RMSEC，回归系数的显著性用T检验，当系数a_mi的显著性即t值大于0.05时，则令a_mi＝0，a_mi≠0处所对应的波长i为特征波长；特征波长如下：稻谷水分：1310nm、1402nm、1593nm、1738nm和1772nm；稻谷蛋白质：1206nm、1254nm、1274nm、1563nm和1752nm；稻谷脂肪：1343nm、1369nm、1489nm、1574nm和1583nm；稻谷总糖：1086nm、1273nm、1279nm、1577nm和1643nm；稻谷灰分：1079nm、1181nm、1417nm、1426nm和1494nm；糙米水分：1026nm、1102nm、1213nm、1313nm和1746nm；糙米蛋白质：1168nm、1170nm、1250nm、1780nm和1779nm；糙米脂肪：1625nm、1536nm、1712nm、1026nm和1042nm；糙米总糖：1008nm、1326nm、1377nm、1525nm和1599nm；糙米灰分：1073nm、1068nm、1141nm、1259nm和1785nm；精米水分：1060nm、1274nm、1293nm、1328nm和1408nm；精米蛋白质：1254nm、1285nm、1516nm、1554nm和1717nm；精米脂肪：1018nm、1536nm、1608nm、1625nm和1712nm；精米总糖：1304nm、1338nm、1617nm、1726nm和1745nm；精米灰分：1452nm、1472nm、1481nm、1724nm和1759nm；谷壳率：1127nm、1264nm、1446nm、1495nm和1597nm；糙米含碎率：1123nm、1301nm、1317nm、1326nm和1681nm；碎米率：1183nm、1243nm、1579nm、1584nm和1723nm；糠粉率：1157nm、1602nm、1723nm、1728nm和1730nm；整精米率：1114nm、1151nm、1257nm、1659nm和1680nm；上述特征波长允许有±2nm的偏差；(6)预测模型的修正：增加1个样本，使样本数n＝n+1，对新增加的样本进行化学测试、近红外扫描、消噪处理和预处理，得到新的A_ij，按步骤(5)中所述的近红外特征波长，得到新的稻米品质的近红外检测值z_m的预测模型。