基于便携式近红外光谱仪的粮食品质快速检测方法研究

陈静

摘要：當前，粮食品质对于消费者和粮食生产加工企业的重要性逐渐提高。由于传统粮食品质检测方法存在耗时长、流程复杂等问题，基于近红外光谱技术（Near－Infrared Spectroscopy，NIRS）的粮食品质快速检测技术有望成为传统方法的理想替代技术。为了模拟现场收储条件，本文采用了两台型号相同的便携式近红外光谱仪器进行实验，以539份水稻、小麦和玉米样本的多种组分（脂肪、蛋白质和水分）为检测对象，利用近红外光谱技术进行快速分析。结果表明，基于便携式光谱仪的三种作物三种品质指标的NIRS检测模型均可达到0.95以上的交叉验证决定系数，具有良好的检测精度，所采用方法和设备可为粮食收储时的粮食品质快速检测提供技术支撑。

关键词：近红外光谱学；水稻；小麦；玉米；脂肪；蛋白质

DOI：10.12433/zgkjtz.20233134

随着经济增长和人民生活水平的提高，我国粮食生产已由追求数量进入追求质量的阶段，粮食质量检测是粮食收储流通的必要环节。除了传统的粮食质量评价指标，例如，水分、不完善粒、容重等，还有影响粮食食用和加工效益的各项品质指标，例如，淀粉、脂肪、蛋白质、粗纤维等含量，越来越多地受到消费者和粮食生产加工企业的关注。然而传统的粮食品质判定方法是基于湿化学分析方法，其判定指标多、技术流程复杂，环节多、时间长，专业性强，难以实现快速在线检测。缺乏粮食质量快速判定技术是粮食优质不能优价、收购农民粮食时压级压价以及转圈粮问题频发的根源之一。发展粮食品质快速检测和监测技术是提高人民生活水平、保障农民利益、实现优质优价、保障粮食储藏安全性的重要课题，也是我国粮食生产由数量向质量转化的需求。

本文基于两台相同型号的便携式近红外光谱仪，以水稻、小麦、玉米三类作物三种主要品质性状：脂肪含量、蛋白质含量和水分含量为对象，介绍了便携式检测条件下粮食品质的NIRS快速检测方法和检测效果，旨在利用符合收储为粮食行业收储时的粮食质量安全提供智能化、数字化、快速便携的检测手段，进一步推进现代化粮食品质检测技术的发展和应用。

一、材料与方法

（一）检测仪器

本文采用的仪器为中国科学院合肥物质科学研究院研发的相同型号的两台便携式粮食品质检测仪。仪器外形为30×30×15cm3的梯形立方体，内部集成了光谱仪、光源、自动校正系统和中科院自主编写的光谱采集、建模、预测等多套软件。与进口商品化光谱仪相比，该设备体积更小，内部集成的光栅式光谱仪也不易受携带时运动条件干扰。仪器集成的自动校正系统在检测每个样品时也采集了一套参考光和背景光用于实时校正，从而降低收储现场的温度、湿度等复杂环境的影响。

（二）样本准备

自2019～2021年底，从中国科学院合肥物质科学研究院、安徽省农业大学、安徽省农科院、中国科技大学、中储粮粮库等单位收集小麦、水稻和玉米样本合计539份，其中水稻239份、小麦173份、玉米129份。将收集的小麦、水稻和玉米样本进行处理并分类整理。通过研磨成粉状样本（水稻样本先出糙，后磨粉处理），由单位样本测试中心和中国科学院合肥物质科学研究院样本检测实验室进行品质性状检测。样本检测后的剩余样本经粮食品质便携式快速检测仪采集光谱，再存入光谱数据库分析与建模使用。

（三）光谱采集

将每份样品装于玻璃样品杯中，置于便携式粮食品质检测仪顶端的检测窗口（直径20mm），用户通过仪器壳体上触摸显示屏加载光谱采集软件进行光谱采集操作。每份样品采集两次取平均光谱，光谱范围为900～1700nm，分辨率为1.56 nm。

（四）参考值测定

对三类粮食粉末样本，采用烘干称重法测量水分、采用索氏提取法测量脂肪含量、采用凯氏定氮法测量蛋白质含量，操作步骤分别按照中国国家标准GB 5009.3－2016、GB 5009.6－2016和GB 5009.5－2016执行。

（五）模型构建和评价

采用标准正态变量变换（Standard Normal Variate Transform）预处理光谱；利用偏最小二乘法（Partial Least Squares，PLS）构建光谱和待测组分间的回归模型。利用校正决定系数（R2c， Determination Coefficient of Calibration）、交叉验证决定系数（R2cv，Determination Coefficient of Cross－Validation，本文交叉验证方式为留一交叉验证）、校正均方根误差（RMSEC，Root Mean Square Error of Calibration）和交叉验证均方根误差（RMSECV，Root Mean Square Error of Cross－Validation）评价模型的性能。

二、结果与讨论

（一）粮食的近红外光谱

以三种粮食的水分样本集和便携式仪器为例，经过光谱采集的三种粮食粉末的近红外光谱如图1所示。

图1   便携式粮食品质检测仪上采集的水稻（a）、小麦（b）和玉米（c）粉末的近红外光谱

由图1可知，便携式仪器采集的三种粮食粉末的光谱曲线十分平滑，没有锯齿，具有良好的信噪比。在三种粉末的光谱图上，在1204nm、1464nm等位置均有明显吸收峰，峰与粮食的脂肪、蛋白和水分均密切相关，表明仪器采集到了必要的有机组分信息。

（二）样本成分分布

将收集的小麦、水稻、玉米样本分类整理后，研磨制成样本粉末，测量样本的化学值，样本品质成分分布情况以及每种样本的数量如表1所示。

由表1可知，三组样本的化学值分布较为广泛，其范围能覆盖实际收储环境下大部分粮食的成分范围，表明实验所用样本集具有良好的代表性。

（三）粮食品质成分模型的预测性能

基于SNV预处理和PLS算法，构建粮食光谱和对应成分间的回归模型。两台相同型号光谱仪上的粮食品质NIRS模型的检测效果分别如表2、表3所示。

由表2和表3可知，在两台相同型号的便携式检测仪上，三类粮食的三种组分的近红外模型均表现出良好的校正效果，其R2cv均在0.95以上。其中，三类作物的水分含量检测效果最好，可能是由于水分对近红外吸收更加敏感。

三、结论

综上所述，本文描述了一项基于便（下转第106页）（上接第100页）携式近红外光谱仪上粮食品质检测的实例，研究表明，利用近红外光谱技术，在便携式检测设备条件下也能取得良好的检测效果，检测精度可以满足快速检测需求，为粮食分级定等、按质论价提供及时指导。由于采用的设备能收储现场环境，对粮食品质快速检测技术的推广具有借鉴意义，采用的方法和设备有潜力在更多粮食收储现场测试和应用。

参考文献：

[1]魏孟辉，袁建.我国粮食质量标准与检测技术研究进展[J].食品安全质量检测学报，2015（11）：4677-4683.

[2]严衍禄，陈斌，朱大洲，等.近红外光谱分析的原理、技术与应用[M].北京：中国轻工业出版社，2013.

[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]王铎，张力，范素杰，等.大豆主要脂肪酸含量近红外模型的建立[J].大豆科学，2017，36（02）：295-299.

[5]关二旗，崔贵金，卞科，等.基于近红外光谱特征的赤霉病小麦籽粒SIMCA识别模型构建研究[J].中国粮油学报，2016（11）：124-129.

[6]李娟，李忠海，付湘晋.稻谷新陈度近红外快速无损检测的研究[J].光谱学与光谱分析，2012（08）：2126-2130.

[7]宋乐，王琦，王纯阳，等.基于近红外光谱的单粒水稻种子活力快速无损检测[J].粮食储藏，2015（44）：20-23.