吉林省梅河口市大米產(chǎn)地確證因子研究

吉林省梅河口市大米產(chǎn)地確證因子研究

作為世界著名消費者認可的之一，大米具有90%以上的營養(yǎng)成分，具有很高的食用價值。食味品質(zhì)指標作為大米食用品質(zhì)優(yōu)劣的評測標準,因不同生長環(huán)境可以影響各指標含量,所以食味品質(zhì)指標也逐漸應用于大米產(chǎn)地確證研究。國內(nèi)現(xiàn)有研究中,錢麗麗等高光譜成像技術(shù)(HyperspectralImaging,HSI)結(jié)合了近紅外光譜和數(shù)字成像。提供了一種非接觸式,無損快速檢測手段。高光譜成像技術(shù)能夠建立三維“超立方體”數(shù)據(jù)集,不僅可以觀測樣本圖像,也可對單一像素點進行光譜數(shù)據(jù)提取本研究利用高光譜成像技術(shù)快速無損反映大米內(nèi)部信息的特點,彌補食味品質(zhì)指標產(chǎn)地確證方法在樣品破壞性和檢測速度方面的不足。并通過光譜信息與食味品質(zhì)指標的結(jié)合對全波長光譜進行特征波長提取,相關(guān)性分析與產(chǎn)地判別,嘗試探究梅河大米基于高光譜成像技術(shù)的產(chǎn)地確證因子。1材料和方法1.1設備和設備1.1.1大鼠樣品預處理設備JLGJ4.5礱谷機,HNMJ3碾米機,JXFM110錘式旋風磨。1.1.2樣品、儀器和儀器ImspectorV10E-QE高光譜采集系統(tǒng)成像光譜儀,C8484-05GCCD相機,V23-f/2.4030603鏡頭,P/N9130線光源,2900ER控制器,GZ02DS20可升降樣品臺,PSA200-11-X電控位移臺,9589-EKE-ER全光譜鹵素燈光源。1.1.3蛋白質(zhì)含量檢測裝置蛋白質(zhì)檢測采用蛋白質(zhì)快速檢測儀:ATN-100型凱氏定氮全自動檢測儀。1.1.4色譜柱的選擇Agilent7890B-GC樣品檢測儀器;AgilentDB-WAX色譜柱;載氣:氮氣;燃氣:氫氣空氣;進樣口250℃、柱箱起始溫度為50℃。1.2采樣區(qū)域確定現(xiàn)階段大米產(chǎn)地確證研究中,樣品采集多依賴于市場采購,造成樣品來源不穩(wěn)定。本次實驗中,樣本采集方法采用空間網(wǎng)格布點法,該方法現(xiàn)多應用于土壤檢測、城市監(jiān)測、施工布點等方面?？臻g網(wǎng)格布點法通過對樣本分布不均勻區(qū)域進行網(wǎng)格劃分,在網(wǎng)格交界點或交界區(qū)域內(nèi)進行樣本采集,樣品具有代表性、隨機性,并且有效反映了產(chǎn)地大米總體分布特征。梅河口市作為本次試驗樣品來源地,坐落于吉林省中部和東部核心區(qū)節(jié)點城市,市內(nèi)種植區(qū)域多依傍于大柳河、大沙河、一統(tǒng)河三大河系。梅河口市四季分明,年平均氣溫為4.5～5.3℃,年均降水量750mm左右,在水稻生長期間,可保持較為優(yōu)異的生長環(huán)境。通過奧維(Omap)衛(wèi)星地圖比例尺網(wǎng)格功能對梅河口市按照5km×5km規(guī)格進行區(qū)域劃分,將地圖中網(wǎng)格交界點處的大面積梅河大米種植區(qū)域進行標記,作為目標采樣點。并通過實地調(diào)研,確定以A-海龍鎮(zhèn)B-灣龍鎮(zhèn)C-黑山頭鎮(zhèn)D-山城鎮(zhèn)E-吉樂鄉(xiāng)五個主產(chǎn)區(qū)作為采樣區(qū)域,如圖1所示。采樣區(qū)域內(nèi)以五點采樣法、蛇形采樣法、對角線采樣法等為主。每區(qū)域設置6個采樣地塊,各采樣地塊內(nèi)布置10個采樣點,共300個梅河大米樣本,收集大米植株樣本,使用取土器收集對應根系土壤并記錄采樣樣品位置空間環(huán)境信息。1.3測試方法1.3.1調(diào)節(jié)樣品水分含量,進行“分類”配置采集到樣品后,使用帶有通氣孔的包裝袋包裝,防止樣品變質(zhì)及混淆,待返回實驗室,在室內(nèi)進行常溫陰干至全部樣品水分含量穩(wěn)定在14%左右,后進行編號、去雜葉、脫殼、礱谷、精白等工作。在預留出高光譜實驗所需完整米粒樣本后,將剩余樣品根據(jù)不同實驗方法的要求進行錘式旋風磨粉碎、過篩、封裝、-4℃低溫保存。1.3.2高光譜圖像采集將高光譜數(shù)據(jù)采集裝置設定為物距為13.5cm,曝光時間為15ms,位移臺移動速度為1.62mm/s。采集高光譜圖像時,由于暗電流、光源強度及外界環(huán)境影響會對高光譜檢測帶來信號干擾,為了減除噪聲帶來的誤差影響,每次高光譜數(shù)據(jù)采集后都進行黑白板矯正。放入黑色底板后將每個采樣點大米米樣取15粒按5×3的擺放方法均勻放于底板上,對黑白色進行標準矯正,準備工作完成后,依次對各區(qū)域樣品進行圖像采集。1.3.3關(guān)注低聚物群落的選擇高光譜成像技術(shù)所獲取的初始數(shù)據(jù)為三維“超立方體”數(shù)據(jù)集,包含了樣品外部及內(nèi)部特征信息,信息量繁多,需要進行感興趣區(qū)域(RegionOFInterest,ROI)選擇,對特定區(qū)域進行光譜信息采集、提取。為后期數(shù)據(jù)的挖掘、分析奠定了基礎(chǔ)。感興趣區(qū)域(Regionofinterest,ROI),利用ENVI5.0軟件自帶的ROI提取工具進行提取。將各個采樣點內(nèi)的15粒被測樣品作為ROI選取對象,每一粒樣品大米進行10×10像素區(qū)域提取。數(shù)據(jù)通過ENVI5.0軟件提取為TXT文本格式,人工轉(zhuǎn)置為CSV文本,導出數(shù)據(jù)待后續(xù)處理。1.3.4澄清溶液的制備將13.1gKOH溶于100mL無水甲醇中,實驗過程中如KOH溶解較慢,可適當進行加熱。后加入無水硫酸鈉吸附、過濾,得到澄清溶液。將澄清溶液收集備用。米粉過100目篩,稱取60mg并加入4mL異辛烷溶解實驗樣品,經(jīng)過短暫靜置,加入200μL氫氧化鉀甲醇溶液,閉合管蓋,劇烈震蕩搖晃30s后靜置至上層澄清后,加入1g硫酸氫鈉,猛烈震搖,以將固體鹽成分沉淀,取上層清液至棕色上機瓶內(nèi),待測。1.3.5直接淀粉測定根據(jù)GB/T15683—2008/ISO6647-1:2007進行樣品檢測。2結(jié)果與分析2.1高光譜數(shù)據(jù)分析2.1.1光譜數(shù)據(jù)處理高光譜成像綜合了圖像與光譜技術(shù),其數(shù)據(jù)集包含大量樣本內(nèi)部信息與外部信息。從原有圖譜中提取與樣品食味品質(zhì)指標相關(guān)的特征波長,以代替冗余信息過多的全波長,稱之為特征波長的選取。高光譜儀器在成像過程中,會由于機器自身運行與外界環(huán)境等因素產(chǎn)生噪聲信號,故將圖譜中400～450nm及950～1000nm兩個噪聲波段進行篩除,并對原始光譜進行一階導數(shù)算法處理。待處理完畢,原始數(shù)據(jù)自動保留374個波段。但是數(shù)據(jù)量依舊龐大,不利于后續(xù)數(shù)據(jù)分析。需通過MATLAB軟件對數(shù)據(jù)進行連續(xù)投影算法(SuccessiveProjectAlgorithm,SPA)對光譜數(shù)據(jù)進行降維處理。連續(xù)投影算法在近年來多應用于谷物以及土壤方面的光譜檢測中,該方法可以從光譜全譜信息中自動剔除帶有冗余信息的變量組,將可以代表全譜變化趨勢的剩余光譜代替原始數(shù)據(jù),其中心思想為降低數(shù)據(jù)維度。將全譜數(shù)據(jù)導入MATLAB軟件內(nèi),運行連續(xù)投影算法代碼,數(shù)據(jù)降維后剩余14個波長BO2.1.2食味品質(zhì)指標的相關(guān)性分析初步得到梅河大米14個降維后的高光譜波長后,將其與梅河大米理化指標含量進行相關(guān)性分析,驗證哪些波長與指標之間存在相關(guān)關(guān)系,且可以反映出食味品質(zhì)指標的含量變化趨勢,最終檢驗特征波長是否具有產(chǎn)地判別的能力。由表1可知,梅河大米蛋白質(zhì)含量與高光譜14個降維后得到的波長中的515nm(BO結(jié)果表明,TB2.2理化指標含量區(qū)域分布屬性通過對梅河口市、舒蘭市、柳河縣、輝南縣大米樣品的食味品質(zhì)指標(蛋白質(zhì)、淀粉、棕櫚酸、硬脂酸、油酸、亞油酸、亞麻酸、肉豆蔻酸及脂肪酸總量)的方差分析,探究各理化指標含量各地區(qū)空間分布屬性,見表2。通過表2可以得出,梅河口市及其他地區(qū)不同產(chǎn)地來源大米之間蛋白質(zhì)含量、直鏈淀粉含量、棕櫚酸、油酸、亞油酸、脂肪酸總量呈現(xiàn)極顯著差異性,硬脂酸呈現(xiàn)顯著差異性。證明梅河大米食味品質(zhì)指標與其他地區(qū)大米由于不同的產(chǎn)地來源以及不同的生長環(huán)境,產(chǎn)生地區(qū)差異性。2.3調(diào)查問卷結(jié)果與分析為了驗證篩選后的九個高光譜特征波長TB將九個特征波長作為產(chǎn)地確證指標,建立FISHER判別模型。選取50個梅河大米樣品與10個柳河縣大米樣品數(shù)據(jù)建立訓練集模型。再取30個梅河大米樣品與10個柳河縣大米樣品數(shù)據(jù)建立驗證集模型。Fisher線性判別函數(shù)如下:MH=98.26TBLH=72.66TB由表3數(shù)據(jù)表明,訓練集產(chǎn)地判別正確率達到了95%。交叉驗證表明,梅河大米中92%的樣本被正確區(qū)分,柳河縣大米中有百分之90%的樣本被正確劃分。驗證集整體產(chǎn)地判別正確率達到了95%。交叉驗證表明,梅河大米中92%的樣本被正確區(qū)分,柳河縣大米中有百分之90%的樣本被正確劃分。九個特征波長可以作為產(chǎn)地確證因子對梅河大米與柳河縣大米進行產(chǎn)地判別。2.4大米的偏最小二乘判別分析圖4是用9個高光譜特征波長對梅河稻區(qū)及通化市柳河縣稻粒樣品構(gòu)建SIMCA模型,利用偏最小二乘判別分析(OPLS-DA)