基于拉曼光谱的大米快速分类判别方法

以拉曼光谱技术为手段,结合化学计量学方法,对来自黑龙江、江苏、湖南3个产地共123份大米样品的光谱数据进行采集,并对得到的拉曼图谱进行主成分分析(PCA)和偏最小二乘判别分析(PLSDA),建立大米快速分类判别方法。应用主成分分析对不同种类、产地和品种的大米进行粗分类鉴别;选择不同种类、品种和产地的稻米样本建立相应的偏最小二乘判别分析模型,其中2/3的样本作为建模训练集,1/3的样本作为建模校正集,按照种类、产地、品种建立的模型其训练集样本正确判别率均为100%,校正集样本正确判别率分别为100%,100%,94.12%。因此,研究所建立的拉曼光谱技术结合化学计量学方法可以快速、有效地鉴别大米种类、品种及产地。     

酶法制备不同品种大米淀粉的性质研究

以3个不同品种的大米为原料,采用链霉蛋白酶酶法提取高纯度大米淀粉,并对大米淀粉的主要成分、酶解力、破损率、黏滞特性和质构特性进行分析。结果表明,采用链霉蛋白酶酶法制备,可使不同品种大米淀粉的总淀粉含量均达到94%以上。不同品种大米淀粉的酶解力:吉粳88鄂糯9号金优207;颗粒破损率:鄂糯9号金优207吉粳88;凝胶硬度:金优207吉粳88鄂糯9号;凝胶黏度:鄂糯9号吉粳88金优207。     

中国“十大优质稻品种”问世 可比肩日本越光米和泰国茉莉香米

正在经历了3位院士领衔的30名专家2天4轮的鉴评后,首届"全国优质稻品种食味品质鉴评"结果日前在广州揭晓,中国大米品种首次有了官方认定的"十佳品牌"。此次鉴评主要从光泽度、气味、适口性等6个指标,对照专门购买的日本渔昭越光米和泰国茉莉香米进行鉴评,最后从来自全国的75个优质品种中分别选出粳米和籼米的"十大优质品种"。其中,通系933、龙稻18、金稻2号、天隆优619、五优稻4号、松粳28、吉粳816、松粳22、水晶3号、沪软1212等10个粳稻品种,美香占2     

基于高光谱成像技术的酿酒高粱品种分类

针对不同品种酿酒高粱分类难、分类精度有待提高等问题,提出了一种结合光谱和图像信息的高光谱成像技术从而对酿酒高粱进行分类的方法。通过采集11类共550个高粱样本的高光谱数据,运用连续投影算法从多元散射校正预处理后光谱中筛选出48个特征波长,再提取图像的灰度共生矩阵作为图像特征,利用纹理特征、全光谱、特征光谱及其结合图像特征分别建立支持向量机、偏最小二乘判别和极限学习机分类模型,最后再采集220个未参与建模样本对所建模型进行外部验证。结果表明,基于特征光谱结合纹理特征建立的支持向量机模型效果最佳,训练集和测试集的识别率分别为96%和95.3%,验证集的识别率达到91.8%,高于单一光谱数据建模效果,说明光谱和图像信息结合可以提高酿酒高粱的分类识别率。该方法为高粱品种的高精度分类和不同酿酒原料的快速无损检测提供了可行的方法。     

多粮老白干香型白酒配方优化

为了丰富老白干香型白酒的风味特点,将传统单粮发酵向多粮发酵进行转变。本试验选取糯高粱、大米、玉米、粳高粱为原料,通过正交试验对粮食配比进行设计,以老五甑工艺进行发酵试验,由国家级品酒师对试验酒进行品评打分,对数据进行极差分析和SPSS方差分析,最后确定最佳的粮食配比为:糯高粱70%,大米10%,玉米8%,粳高粱12%。经过验证试验,确定该粮食配比具有稳定性和可重复性,可以进一步生产推广。     

基于NIR和PLS-DA法的东北大米产地快速溯源方法研究

鉴于市场上东北大米掺伪和假冒现象频发,本研究将近红外光谱技术与PLS-DA判别法相结合用于东北大米产地快速溯源。实验共收集75份大米样本(52份东北产地大米,23份非东北产地大米),按照4∶1的比例随机划分得到训练集样本60份和测试集15份。为消除品种、颗粒形态等对近红外光谱和产地鉴别的影响,实验比较多种光谱预处理方法,并根据相关系数值确定了矢量归一化为首选的预处理方法;将矢量归一化预处理后的光谱按照吸收峰分4个区间分别建立东北大米产地PLS-DA模型,其中4 000～5 500cm~(-1)谱区建立产地溯源模型,训练集准确率可达93.33%,测试集准确率为86.67%。实验结果表明,近红外光谱与PLS-DA法结合在东北大米产地快速溯源技术领域有着光明的应用前景。     

基于矿物元素指纹图谱技术的松江大米产地溯源

采用电感耦合等离子体质谱技术分析180件松江大米与非松江大米样本中40种矿物元素含量,并结合多元统计方法(方差分析、相关性分析、因子分析和判别分析)分析矿物元素指纹特征,建立判别模型以溯源大米样品的松江与非松江产地。结果表明,大米样本的矿物元素含量在松江与非松江地域间具有显著性差异,元素之间具有显著相关性,因而将筛选后16种元素降维至5个公因子,公因子得分散点图能够明确判别大米产地;以筛选后的B、Na、Fe、Co、Ni、Zn、As和Se共8种矿物元素指标建立的溯源模型对训练集大米产地的整体判别正确率为93.0%,灵敏度为95.2%,特异性为86.8%,交叉检验判别正确率为84.2%~95.2%。验证集样本验证已建立的溯源模型准确度,发现松江与非松江大米产地整体判别正确率为92.1%,灵敏度为96.0%,特异性为84.6%。该模型对训练集与验证集的判别统计学参数基本一致,证明该溯源模型具有优异的判别正确率、灵敏度、特异性和溯源稳定性,因此在判别松江大米与非松江大米的产地上具有切实可行性。结果表明,大米样本的矿物元素含量在松江与非松江地域间具有显著性差异。     

基于Fisher判别法对黑龙江大米产地溯源

为了探索大米产地鉴别可行性,维护市场秩序和消费者的合法权益,该研究采用Fisher判别法(Fisher discriminant method,费希尔判别法)进行建模并结合近红外光谱技术,对2015年黑龙江5个水稻主产区(五常、佳木斯、齐齐哈尔、双鸭山、牡丹江)的118份大米粉末样品进行近红外光谱的扫描,光谱预处理方法为9点二阶求导结合5点平滑,建模波长为全波长。对模型采用留一交叉验证和预测样本集进行验证,5个地域的验证结果分别为94.4%、94.4%、91.7%、91.7%、94.4%和87.5%、87.5%、87.5%、100%、100%。预测结果达到80%以上,初步认定近红外光谱指纹分析技术可用于黑龙江大米产地溯源。     

基于欧式距离法或因子化法的近红外光谱技术对牛肉掺假鉴定的研究

利用近红外光谱技术结合欧氏距离法或因子化法建立牛肉中掺入猪肉和鸡肉的快速、准确的技术方法,从而为保证牛肉制品品质和安全提供强有力的检测手段;以牛肉和掺假肉(掺入猪肉和鸡肉)按照相同程度进行均匀搅碎,按照掺假肉10%为梯度增量进行制备掺假肉,共分为10类样本(10%至100%),采用单通道,光谱范围为12000cm^-1~4000cm^-1,扫描次数为64次,特征波段为7351.92cm^-1~6824.83cm^-1、5578.24cm^-1~5075.21cm^-1,预处理方式为一阶导数或二阶导数+矢量归一化+9点平滑,结果表明:猪肉和鸡肉掺假因子化法的判别率分别为94%和96.67%;因子化法可以试现对牛肉掺假进行定性分析鉴定。     

母质土壤对大米矿物元素含量的影响

研究母质土壤对大米矿物元素含量影响。以2018年在查哈阳、五常和建三江种植试验田得到的90份样品(龙粳31)和对应的母质土壤为实验样本。检测分析三产地母质土壤基本理化性质,采用电感耦合等离子质谱仪和X荧光射线光谱仪测定样品中元素的含量。结合方差分析和相关性分析,筛选到Mg、Sr、Te、Nd、Gd、Yb和U7种元素与母质土壤相关。利用筛选到的特征元素进行判别分析,结果表明：模型对三产地的正确判别率为96.7%、100%和100%,交叉验证产地正确判别率分别为96.7%、100%和100%,说明筛选得到的与母质土壤相关的7种元素可作为大米产地判别的可靠判别指标,建立的模型对查哈阳、建三江和五常大米具有有效的判别力。     

基于高光谱成像技术的梅河大米产地确证因子研究

为探究吉林省梅河大米的产地确证因子,本研究采用空间网格布点法对吉林省梅河口市地理标志大米进行样本采集。通过梅河大米的高光谱信息和蛋白质、直链淀粉、棕榈酸、油酸、亚油酸、脂肪酸含量进行光谱特征波长提取、相关性分析和产地判别。结果表明,梅河大米的理化指标具有明显的产地特征,高光谱九个特征波长TB_1～TB_9(455、515、583、615、621、776、874、923、942 nm)与上述六个指标呈现显著相关性。利用高光谱九个特征波长对梅河大米与柳河县大米进行SPSS判别分析,整体正确率为95%。SIMCA偏最小二乘法建立的模型可以将梅河大米样品与柳河县大米样品进行区分。说明梅河大米高光谱九个特征波长可作为其产地确证因子。     

光致劣变大米的无损判别及不同遮挡方式有效性研究

目的 基于线性渐变分光便携式近红外光谱仪，建立光致劣变大米无损判别模型，并评估不同遮挡方式对大米光致劣变的预防效果。方法 以北方粳米、南方粳米、籼米、糯米、紫米、黑米为研究对象，分别各采用直接暴露于紫外光下、纸遮挡、白布遮挡、红布遮挡、玻璃遮挡、聚乙烯塑料遮挡方式制备实验组样品。采用线性渐变分光便携式近红外光谱仪采集大米样品近红外光谱。首先对6种大米分别建立单品种大米的光致劣变判别分析模型并优化数据预处理和光谱波段；然后将6种大米合并一起建立判别模型；最后采用优化模型预测各种遮挡的大米样品，以评估不同遮挡方式对大米光致劣变的预防效果。结果 基于全谱数据的标准正态变量结合去趋势校正预处理，所建判别模型的效果最佳，6种大米判别模型的马修斯相关系数皆达到100.0%；而将6种大米一起建立判别模型，所建模型的预测性能有所下降。对每种大米采用各自优化模型对不同遮挡方式的实验组样品进行预测的结果表明，玻璃遮挡、聚乙烯塑料遮挡对大米光致劣变的预防有效率在97.0%以上，而纸遮挡、白布遮挡、红布遮挡在大米光致劣变的预防方面效果甚微。结论 基于近红外技术建立单品种大米光致劣变无损判别模型具有较高的预测准确度，采用玻璃、聚乙烯塑料遮挡可有效防止大米发生光致劣变。     

基于“鸟枪法”磷脂组学的稻谷品种鉴别分析研究

以江苏、黑龙江和辽宁3个产地的4个稻谷品种为试材，建立“鸟枪法”磷脂组学鉴别我国不同地区和品种的稻谷。利用“鸟枪法”质谱技术鉴定稻谷中磷脂种类，通过偏最小二乘判别分析(PLS-DA)进行品种间的差异分析。结果发现，稻谷中磷脂种类达67种，主要包括磷脂酰胆碱、磷脂酰乙醇胺、磷脂酰甘油、溶血磷脂酰胆碱、溶血磷脂酰乙醇胺和溶血磷脂酰甘油，不同品种稻谷中磷脂含量存在差异。结合PLS-DA的方法可以区分4个稻谷品种，确定不同品种磷脂差异的贡献组分，可实现不同稻谷品种间磷脂特征的差异分析。因此，“鸟枪法”质谱结合PLS-DA分析，可以快速鉴定稻谷品种。     

“粮食品质提升与营养改善”专栏介绍（李爱科，綦文涛）

<正>专栏介绍随着经济社会的发展,我国人民生活水平不断提高,对饮食的需求开始由“吃得饱”向“吃得好”“吃得健康”转变,消费者对于食品的营养健康关注度逐年增高,粮食作为食品的源头,对居民的营养健康起着重要的主导作用。本专栏组织5篇文章,涵盖了粮食品质评价、全谷物营养健康机理、现代生物技术应用等,以期为粮食品质提升与营养改善提供参考。     

基于仿生嗅觉特征的黄酒产地判别研究

采用GC-Flash型电子鼻结合化学计量学方法对不同产地的黄酒进行区分判别。以主成分分析和判别因子分析法建立了产地判别模型。分析结果表明,在主成分分析判别模型中,绍兴原产地（地理标志）、非原产地（非地理标志）与绍兴以外地区的黄酒样品分别占据着不同位置;绍兴原产地和非原产地各自有较大的相对集中分布区间,存在一定的边缘交集,但是他们与绍兴以外地区的黄酒样品分界明显。判别因子法所建产地判别模型中,绍兴原产地、绍兴非原产地和绍兴以外地区的黄酒样品得到正确判别。研究表明,电子鼻结合化学计量学方法可较好地用于黄酒产地的判别。     

拉曼光谱结合模式识别方法鉴别大米种类

为实现大米种类准确、快速的鉴别,选购72份大米样品,粉碎,采集粒度为100-140目米粉的拉曼光谱,对谱图数据进行去噪、归一化和特征提取后,综合运用主成分分析（PCA）、层次聚类分析（HCA）和支持向量机（SVM）三种方法对粳米、籼米和糯米进行聚类与模式识别研究。三种大米经PCA分析可直观地归为三簇,籼米和糯米可被区分开,但粳米与糯米、粳米与籼米不能区分。HCA结果表明粳米与籼米较难区分,糯米与其它两种米有较大差异,三种大米经HCA聚类分析准确率为81.94%。而采用SVM判别方法经10次运行后的平均识别率达98.86%。实验证明：拉曼光谱法结合支持向量机用于大米种类的分类与识别简单快速,在分析数据相对复杂的情况下,可快速建立分类模型并实现大米种类间的鉴定与识别。     

Classification and Authentication of Barley (<Emphasis Type="Italic">Hordeum vulgare</Emphasis>) Malt Varieties: Combining Attenuated Total Reflectance Mid-infrared Spectroscopy with Chemometrics

Attenuated total reflectance (ATR) mid-infrared (MIR) spectroscopy combined with chemometrics was explored as a tool to classify and authenticate Australian barley varieties. Grain samples (n = 162) were sourced from eight commercial barley varieties and analysed in the MIR range. Principal component analysis (PCA), discriminant partial least squares regression (PLS-DA), linear discriminant analysis (LDA) and soft independent modelling of class analogy (SIMCA) were used to classify the barley grain samples according to variety. PLS-DA correctly classified barley varieties between 91 and 100 %. The results have demonstrated the usefulness of ATR-MIR spectroscopy combined with chemometrics as a rapid method to classify barley grain samples according to their variety. Although MIR is not routinely available at the receival point in most of the cereal trade companies, it has the potential to be used in breeding programmes.     

Detection of inverted beet sugar adulteration of honey by FTIR spectroscopy

A combination of Fourier transform infrared (FTIR) spectroscopy and multivariate statistics as a screening tool for the determination of beet medium invert sugar adulteration in three different varieties of honey is discussed. Honey samples with different concentrations of beet invert sugar were scanned using the attenuated total reflectance (ATR) accessory of the Bio‐Rad FTS‐6000 Fourier transform spectrometer. The spectral wavenumber region between 950 and 1500 cm^?1 was selected for partial least squares (PLS) regression to develop calibration models for beet invert sugar determination in honey samples. Results from the PLS (first derivative) models were slightly better than those obtained with other calibration models. Predictive models were also developed to classify beet sugar invert in three different varieties of honey samples using discriminant analysis. Spectral data were compressed using the principal component method, and linear discriminant and canonical variate analyses were used to detect the level of beet invert sugar in honey samples. The best predictive model for adulterated honey samples was achieved with canonical variate analysis, which successfully classified 88–94 per cent of the validation set. The present study demonstrated that Fourier transform infrared spectroscopy could be used for rapid detection of beet invert sugar adulteration in different varieties of honey. © 2001 Society of Chemical Industry     

基于电子鼻的水稻品种鉴别研究

为了实现水稻品种的快速鉴别,避免水稻品种混杂,利用电子鼻对来自同一产地不同水稻品种进行测试,获取有效信息。对获取的信息提取平均微分值和面积斜率比两种特征。采用主成分分析、Fisher判别分析及BP神经网络3种模式识别方法进行水稻品种的判别,并对3种识别方法的结果进行比较分析。结果表明:不同种类的水稻品种可以被区分开来,但BP神经网络分类效果最好,Fisher判别分析效果次之,PCA分类效果最差。因此,结合合适的特征提取方法及模式识别方法,有可能实现一种基于电子鼻技术的对不同水稻品种鉴别的简单、有效的方法。