粮食收储品质快速分析专用仪的网络化应用

慎石磊，杨伟伟，肖鑫龙，王芸芸，郭中原，周新奇，罗 颖

(1.聚光科技(杭州)股份有限公司，浙江 杭州 310052; 2 遂宁市粮食质量监督检验站，四川 遂宁 629000)

粮食收储品质快速分析专用仪的网络化应用

慎石磊1，杨伟伟1，肖鑫龙1，王芸芸1，郭中原1，周新奇1，罗 颖2

(1.聚光科技(杭州)股份有限公司，浙江 杭州 310052; 2 遂宁市粮食质量监督检验站，四川 遂宁 629000)

简述当前国内外应用于粮食质量监管的近红外分析网络系统现状，针对我国粮食收储的应用场景及对近红外网络系统的需求，开发了粮食收储品质快速分析专用仪及网络平台。以小麦为例，首先验证小麦模型的重复性和准确度，然后用13台同型号仪器验证该小麦模型的传递能力，其测定结果表明，该专用仪的模型传递效果符合GB/T 24895—2010《粮油检验 近红外分析定标模型验证和网络管理与维护通用规则》要求，能够满足网络化应用的需求，最后介绍该网络平台的设计架构及其在四川省的应用案例，通过网络平台实现仪器和数据的统一监控及管理，该系统的高效运行将有效提升粮食质检效率和信息化水平，为“智慧粮食”提供准确高效的质量数据源。

粮食；收储；近红外；品质分析；网络化

现代近红外光谱分析技术是一种快速无损的绿色分析技术[1-2]，可在1 min以内输出样品的多种成分含量(如水分、粗蛋白质、粗脂肪、粗淀粉等)的分析结果，准确度高且重复性好。该技术应用在20世纪中叶，始于农业领域，广泛应用于谷物、油料、饲料、动植物制品等品质检测。随着仪器制造水平的提高、计算机网络技术的发展以及化学计量学软件算法支持，近红外光谱分析技术在粮食行业的检测也逐渐实现了网络化，现已成为发达国家实现粮食收购按质定等分级、分类存储和公平交易的主要测量手段。

近红外光谱网络在国外已有较成功的应用案例[3]，为保证同一批粮食在不同粮库检测结果的一致性，避免质量检验争议和纠纷，同时使检测省时、省力、省钱，更好地指导粮食分级，获得更大的利润，法国、德国、丹麦、瑞典等国家早在20世纪90年代就开始着手建立近红外光谱网络，并已经建立了多个粮食近红外光谱网络。例如法国政府为加速近红外网络化建设进度，实行仪器入网补贴政策，每台补贴15%的仪器价格，此举促进了法国近红外光谱技术的应用和网络化快速发展。目前全国所有从事小麦收购的大、中型收购点均配有近红外光谱仪器(5 000～6 000个)，占全国谷物收购点的24%～30%。未配备近红外光谱仪的小型收购点只检测水分和体积质量，蛋白质测定则由农场主送样检测，其应用模式是与种植者签定合同，所收获小麦品质在满足最低要求的前提下，根据粗蛋白质含量进行分级定价。德国联邦谷物研究中心建立的近红外光谱谷物分析网络，现有会员80个，包括贸易商、面粉厂、农业合作社等组织，网络管理、技术依托均设在德国联邦谷物研究中心，波通公司负责仪器维护，入网仪器约90台。目前有7个谷物近红外光谱网络，约400多台仪器，测定指标有水分、蛋白质、含油量、淀粉含量。丹麦的近红外光谱粮食分析网，由粮食贸易商、粮食仓库、制粉企业、粮食育种部门、研究机构、检测站组成，全国240个粮食收购站全部加入网路。入网仪器约225台，网络的管理及分析中心设在丹麦植物研究院，主机设在福斯公司总部。测定项目有小麦的蛋白质、水分、Zeleny沉降值、淀粉含量、面筋含量等。瑞典近红外光谱网络，现有80个成员，覆盖了全国90%的谷物贸易，瑞典谷物网络入网仪器全部为FOSS Infratec分析仪，共有约75台仪器投入使用，测定主要项目为水分、蛋白质、淀粉和湿面筋等[4-5]。

我国的近红外光谱网络起步较晚，2008年，由国家农业信息化工程技术研究中心牵头建立了覆盖我国粮食主产区的谷物近红外光谱分析网络，在网仪器53台。该网络结合GPS定位采样技术和GIS技术，利用近红外光谱网络对我国小麦主产区的小麦品质分布进行监测，构建了不同区域的小麦品质分布图，用于指导收购[6]。但该网络缺乏统一的远程网络管理平台，难以实时监控所有入网仪器信息及其数据库。

2010年，国内粮油检验行业发布了12项标准，包括小麦、小麦粉、大豆、稻谷、玉米样品的近红外检测方法及网络管理与维护标准。这些标准方法对规范近红外光谱技术及网络化的应用起到重要作用。

综上所述，粮食近红外光谱网络在国外多个国家应用较成熟，这些网络经国家相关管理部门(网络管理中心)牵头，由研究机构(建模中心)、行业检验机构(标准化学实验室)、仪器厂商和用户组成。仪器用户单位涵盖粮食贸易商、农业合作组织、粮库、面粉厂、麦芽厂、米厂、酒精厂、燃料乙醇厂、制药厂等，不同近红外网络的测定项目有所不同，但小麦水分和蛋白质、油料的含油量均作为必检项目。实践证明，网络化技术是将近红外优势在实际应用中发挥到最大的一个重要途径。法国、德国和丹麦等国家的近红外网络已覆盖几乎所有的粮食收购点、较好地解决了粮食收购现场快速检测的问题，真正实现了谷物的优质优价及按质储存。但在我国，目前还没有出现能真正在粮食行业发挥作用的专用分析仪及其网络管理平台。

1 粮食收储专用分析仪及其模型传递能力

针对我国粮食收储行业的应用场景及特点，研制开发粮食收储品质快速专用分析仪，它能够快速装样及检测。该专用仪集成了近红外分析仪、容重模块和工控机模块，形成一体机，方便粮食收储用户检测同步分析粮食样品品质，具备网络连接功能，方便仪器日常维护和模型升级服务。该仪器采用旋转样品盘全盘面积扫描方式，可提高粮食颗粒类不均匀样品的代表性，提高测量结果的准确性，仪器如图1所示。

图1 SupNIR-3000仪器

该专用仪能用于网络化应用的前提是必须满足网络化应用的需求，即仪器检测结果的重复性、准确度以及同型号仪器间检测结果的再现性满足国标GB/T 24895—2010《粮油检验 近红外分析定标模型验证和网络管理与维护通用规则》要求。

下面用1台专用仪为主机，其他12台仪器为子机，以小麦样品为例，考察主机小麦水分和粗蛋白质模型的重复性和准确性，然后考察仪器间检测结果的再现性，测试流程如图2所示。

测试用到的小麦水分和粗蛋白质模型的情况：建模算法采用偏最小二乘法PLS，预处理方法为标准正态变量变换(SNV)+去趋势校正(DT)+Savitzky-Golay平滑+Savitzky-Golay导数+均值中心化，建模波段范围：1 100～1 780 nm，模型参数如表1所示。

图2 测试流程

参数SECRCSECVRPDC主因子校正样本个数性质范围水分0．190．960．213．288513[9．1，13．9]粗蛋白质0．300．980．314．84111903[9．18，17．94]

测试数据处理及分析：

(1)小麦模型(水分及粗蛋白质)重复性验证。对小麦模型的重复性进行测试，取4份小麦样品，重复测试10次，小麦水分和粗蛋白质模型预测值如表2所示。其水分和粗蛋白质的重复性要求满足GB/T 24898—2010《粮油检验 小麦水分含量测定 近红外法》、GB/T 24899—2010《粮油检验 小麦粗蛋白质含量测定 近红外法》中的规定。

表2 4份小麦的重复性测试结果

(2)小麦模型(水分及粗蛋白质)准确性验证。挑选10个水分和粗蛋白质含量有梯度的代表性样品，测试小麦模型的准确度。其测试结果如表3所示。小麦水分和粗蛋白质的SEP分别为0.15和0.26，满足国标要求的小于0.2和小于0.3。

(3)13台仪器的小麦模型传递的再现性。挑选水分和粗蛋白质含量有梯度的小麦样品，分别在13台同类型仪器上进行检测，得到水分和粗蛋白质预测值，因篇幅有限，不再一一罗列具体检测值，只将最终的统计结果呈现出来，如表4所示。

表3 小麦水分和粗蛋白质含量预测偏差情况

表4 13台仪器的小麦模型传递的再现性

由表4可以看出,除了YS-4样品外,其他9份样品均满足要求。这可能与YS-4小麦样品蛋白质含量偏低，接近小麦粗蛋白质模型的最低浓度，模型的预测能力有限有关。

通过实际测试，该专用仪的小麦模型符合国标GB/T 24895—2010《粮油检验 近红外分析定标模型验证和网络管理与维护通用规则》要求，该专用仪满足网络化应用需求。

2 网络化平台设计架构介绍

该网络化平台是将分布在各地的专用仪器通过Internet或者Intranet网络，实现仪器和数据的统一管理和监控，简称近红外网络平台，该平台可以提供近红外仪器的远程配置、管理和监控工具，以及开放的远程信息和仪器网络管理平台，确保网络中所有仪器测量结果的准确性和一致性，保证被测样品价值得到公正和可信的评价。

近红外网络平台中的主要工作由不同的组织来承担，其功能组织架构设计如图3所示。

图3 网络平台功能组织结构图

各组织结构承担的任务如下：

(1)近红外技术委员会主要职责。

a.协调近红外网络管理；

b.评价模型的分析性能，决定模型是否需要升级；

c.通知模型服务中心完成模型升级工作；

d.组织标准化样品和监控样品的收集工作。

(2)模型服务中心主要职责。

a.开发、建立及修正模型；

b.在模型需要升级时，向近红外技术委员会提供建议；

c.近红外主机的日常维护。

(3)标准化学分析实验室主要职责。

a.在新收获季，提供标准化样品和监控样品收集的计划报告，保证收集到具有代表性的样品；

b.用常规实验室方法分析出样品的性质值，将获得文件提供给模型服务中心；

c.参加实验室比对测试，检验实验室分析数据的可靠性。

(4)网络管理中心主要职责。

a.网络维护，包括新增网络用户、新增网络节点；

b.管理网络中仪器间的数据传输：模型发布、样品信息收集、诊断信息收集；

通过网络平台功能组织的有效运行，各司其职，可保证网络管理平台的高效运行，真正实现各地粮食的质量监控。

3 网络化应用案例

目前该网络平台已在四川省建立一个粮食品质安全快速监测的网络化管理平台示范基地，覆盖13个市级粮食检测中心站，包含广元、巴中、达州、南充、广安、遂宁、成都、眉山、乐山、泸州、内江、自贡及资阳。服务器设在四川省粮食检测中心站，其平台操作软件，如图4所示(鉴于数据保密，未贴上客户的网络平台)。

该专用仪及网络化平台目前在四川省内的粮食会检和品质调查测报中发挥重要作用。例如每年6月份在四川省粮油中心监测站举行的4个省份(四川、湖北、安徽、江苏)新收获小麦集中会检工作，实现在1周内完成600多份小麦样品的品质检测分析，检测指标包括小麦水分、粗蛋白质(以干基计)、湿面筋、沉降值数据。此外，还有在遂宁粮监站对遂宁地区的春小麦和春油菜籽的品质调查测报工作，在宜宾粮监站开展的四川省区域小麦和油菜籽的品质调查工作。

图4 近红外网络平台软件

4 总结

针对粮食收储行业网络化应用需求，开发粮食收储品质快速专用分析仪及其网络化平台，仪器采用旋转样品盘全盘面积扫描的采样方式，提高粮食颗粒类不均匀样品的代表性和测量结果的准确性，并集成容重模块和工控机模块，形成一体机。以小麦为例，对同型号专用仪的小麦水分和粗蛋白质模型的准确度和再现性进行实测考察，其测试结果能够满足仪器的网络化应用需求，该网络化平台在四川省13个市级粮食检测中心站进行应用示范，能够实现仪器和数据的统一监控及管理，该系统的高效运行将有效提升粮食质检效率和信息化水平，为“智慧粮食”提供准确高效的质量数据源，发挥出显著改善粮食质检人员的工作环境、减轻劳动强度、节约检测资源等作用，进一步提升了应对粮食质量安全突发应急事件的能力和水平。

[1] 陆婉珍．现代近红外光谱分析技术[M]．北京：中国石化出版社，2007.

[2] 严衍禄，赵龙莲，韩东海，等．近红外光谱分析基础与应用[M]．北京：中国轻工业出版社，2005.

[3] 褚小立．近红外光谱分析技术实用手册[M]．北京：机械工业出版社，2016.

[4] 高居荣，樊广华，李圣福,等．近红外光谱技术分析小麦品质的应用研究[J]．实验技术与管理，2009，26(3)：42-44.

[5] 朱铁军，孟凡刚，施艳舞,等. 近红外光谱技术在粮食检测中的应用进展[J]．粮食储藏,2012,41(4):46-49.

[6] 朱大洲,黄文江,马智宏，等.基于近红外网络的小麦品质监测[J]．中国农业科学,2011,44(9):1 806-1 814.

Networkapplicationofspecialinstrumentforquickanalysisofgrainstoragequality

SHEN Shi-lei1，YANG Wei-wei1，XIAO Xin-long1，WANG Yun-yun1，GUO Zhong-yuan1，ZHOU Xin-qi1，LUO Ying2

(1.Focused Photonics (Hangzhou),Inc.,Hangzhou 310052,China; 2.Suining Grain Quality Supervision and Inspection Station,Suining 629000,China)

We briefly described the current domestic and foreign application in the grain quality regulation of the near infrared analysis network system.In view of the application scenario of grain storage and the demand of near-infrared network system, the special instrument for quick analysis of grain storage quality and the network platform was developed.Taking wheat for an example, the reproducibility and accuracy of wheat model were verified first.Then,the transmission capacity of the wheat model was verified by 13 instruments of the same type,the results showed that the model was consistent with the requirements of GB/T 24895—2010InspectionofGrainandOilsGeneralRegulationsforModelAuthenticationofNear-infraredAnalysisandAdministrationandMaintenanceofnetwork，it met the demand of network applications.Finally the design of the network platform architecture and its application in Sichuan province were introduced,which could realize the unification monitoring and management of the instruments and data through the network platform.The efficient operation of the system could effectively improve the efficiency of grain quality control and information technology for the "Intelligent Grain" to provide accurate and efficient quality data source.

grain;purchasing and storage;near infrared; quality analysis;networked

2017-08-09；

2017-11-25

国家重大科学仪器开发专项项目(2014YQ470377)。

慎石磊(1983-)，男，硕士，工程师，主要从事红外、近红外光谱分析仪器的研制及开发工作。

杨伟伟(1982-)，女，硕士，高级工程师，主要从事近红外光谱分析仪器的研发及其应用方法研究。

10.7633/j.issn.1003-6202.2017.12.015

TS210.7;O657.33

A

1003-6202(2017)12-0057-04

俞兰苓)