CN106198442A - 一种鉴别盘锦大米的光谱分析方法 - Google Patents
一种鉴别盘锦大米的光谱分析方法 Download PDFInfo
- Publication number
- CN106198442A CN106198442A CN201610822944.6A CN201610822944A CN106198442A CN 106198442 A CN106198442 A CN 106198442A CN 201610822944 A CN201610822944 A CN 201610822944A CN 106198442 A CN106198442 A CN 106198442A
- Authority
- CN
- China
- Prior art keywords
- rice
- panjin
- sample
- place
- production
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 52
- 235000009566 rice Nutrition 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000004611 spectroscopical analysis Methods 0.000 title claims abstract description 10
- 240000007594 Oryza sativa Species 0.000 title claims description 4
- 241000209094 Oryza Species 0.000 claims abstract description 49
- 238000004519 manufacturing process Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000001228 spectrum Methods 0.000 claims description 13
- 239000000470 constituent Substances 0.000 claims description 8
- 238000002329 infrared spectrum Methods 0.000 claims description 7
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 239000010903 husk Substances 0.000 claims description 3
- 238000002203 pretreatment Methods 0.000 abstract description 3
- 230000001066 destructive effect Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 238000001157 Fourier transform infrared spectrum Methods 0.000 description 2
- 238000001237 Raman spectrum Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000002189 fluorescence spectrum Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004164 analytical calibration Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种鉴别盘锦大米的光谱分析方法，将待测大米进行粉碎预处理，利用傅里叶红外光谱仪采集预处理样品的光谱数据，结合化学计量法，建立判别模型，达到鉴别大米产地的目的。与现有技术相比，具有无前处理，无污染，无破坏性，可同时检测多项性能指标，成本低，判别精密度高等优点。
Description
技术领域
本发明属于农产品质量分析检测技术领域，具体涉及一种鉴别盘锦大米的光谱分析方法。
背景技术
盘锦大米产自我国黑龙江省盘锦市。盘锦处于辽河三角洲的中心地带，由于土壤返碱使得土壤中的矿物质和微量元素始终处于饱和状态，造就了上乘品质的盘锦作物。盘锦大米具有晶莹饱满，糊化度低，粘稠度高，清香浓郁等品质。2003年被国家质检总局认定为地理标志产品。由于盘锦大米的独特，许多商家为了牟取暴利，以假乱真，以次充好，使得整个盘锦大米市场变得非常混乱。因此，从技术上实现真伪鉴别对于品牌的保护具有重要的意义。
目前常用的光谱检测技术有拉曼光谱，荧光光谱，红外光谱技术等。拉曼光谱检测是基于拉曼散色效应，对与入射光频率不同的散射光谱进行分析以得到分子振动、转动方面信息，并应用于分子结构研究的一种分析方法。样品前处理较为繁琐，成本较高。荧光光谱检测的原理是具有吸收光子能力的物质在特定波长光照射下在瞬间发射出比激发光波长长的荧光，利用物质的荧光光谱进行定性、定量分析。由于大多数分子不发荧光，因此检测具有一定的局限性。红外光谱中的近红外光谱是波数为4000-14300cm-1，介于可见光和中红外之间的电磁辐射波，用来定量分析待测组分浓度高于0.1%的有机物。
公开号CN101957316A的专利公开一种鉴别响水大米的方法，以近红外光谱检测技术为基础，预处理光谱图，建立聚类判别和合格判别模型达到鉴别的目的。公开号CN104502299A的专利公开一种鉴别五常大米的方法，以近红外检测技术为基础，利用软件编程建立判别模型，达到样品鉴别的目的。上述鉴别方法操作较为繁琐，工作量大，难以实现大米样品的快速鉴别。
发明内容
本发明目的在于公开一种鉴别盘锦大米的光谱分析方法，将待测大米进行粉碎预处理，利用傅里叶红外光谱仪采集预处理样品的光谱数据，结合化学计量法，建立判别模型，达到鉴别大米产地的目的。
具体步骤如下：
（1）样品预处理：采集盘锦、其它任意产地A和产地B的稻谷，经过砻谷，碾米得到精米，利用粉碎机粉碎样品，过200目筛，得到预处理样品；
（2）光谱图像的采集：利用傅里叶红外光谱仪采集步骤（1）所得的预处理样品的光谱图像；在光谱波数范围为400-4000cm-1的条件下，对大米样品进行扫描，得到样品的红外光谱数据；
（3）可行性分析：根据步骤（2）所得的红外光谱数据，用TQAnalyst v6光谱分析软件进行主成分分析，以主成分PC1和PC2得分作图，判定利用傅里叶红外光谱仪鉴别盘锦大米的可行性；
（4）建立判别模型：根据步骤（3）中的主成分分析，利用逐步判别分析法对主成分得分进行判别分析，建立如下判别模型：
盘锦=-1.909×105+83.812PC1-1.150×103PC2+48.491PC3-4.787×103PC4+2.439×103PC5
+4.840×103PC6+8.985×103PC7-9.355×103PC8+8.559×103PC9-52.624PC10；
产地A=-1.902×105+66.539 PC1-1.026×103PC2-21.131PC3-4.762×103 PC4+2.498×103PC5
+4.909×103PC6+8.871×103PC7-9.300×103PC8+8.680×103PC9-62.839 PC10；
产地B=-1.902×105+74.836 PC1-1.059×103PC2-34.366PC3-4.780×103PC4+2.446×103 PC5
+4.932×103 PC6+8.842×103 PC7-9.283×103 PC8+8.623×103 PC9-76.589 PC10；
（5）盘锦大米的判定：根据步骤（4）所建立的判别模型鉴定样品的产地。
本发明以傅里叶红外光谱采集大米样品分子结构指纹信息为基础，结合化学计量法，建立判别模型，达到鉴别盘锦大米的目的；与现有技术相比，具有无前处理，无污染，无破坏性，可同时检测多项性能指标，成本低，判别精密度高等优点。
附图说明
图1为本发明实施例1中的样品光谱图；
图2为本发明实施例2中的主成分得分图；
图3为本发明实施例3中的判别函数得分图。
具体实施方式
实施例1：样品的预处理和光谱图像分析
产地A和产地B分别选择射阳和五常。分别从盘锦、射阳和五常收取稻谷样品，将采集的水稻砻谷，碾米，粉碎机粉碎30s，过200目筛待测。
光谱图像的采集：采用傅里叶红外光谱仪，（1）空白扫描：仪器校准。（2）样品扫描：取处理后的样品适量，置于直径为13mm的压膜中，铺布均匀，加压至0.8GPa，保持1min，扫描样品，得到样品的光谱图像，如图1所示。盘锦大米的红外光谱与射阳和五常大米的红外光谱相比，在1000cm-1、1625cm-1和3250cm-1处的吸收峰与其他产地大米有所不同，1000cm-1处吸收峰为样品中X-Y伸缩区和X-H变形振动区，1625 cm-1光谱信息与样品中C=O结构相关，3250cm-1处光谱信息与样品中≡C-H结构相关。
实施例2：傅里叶红外光谱仪检测技术鉴别盘锦大米的可行性分析
傅里叶红外光谱是对样品中分子结构和物质化学组成信息的表征，信息量较大，需要结合化学计量法选取有效的信息。主成分分析法即利用降维思想，将多指标转为少数综合指标（主成分），其中每个主成分都能反映原始变量的大部分信息，并且所含信息不重复。以一定范围内样品的吸光度为指标，利用Spss统计分析软件进行主成分分析，利用主成分PC1和PC2的标准化得分作图，从图2中可以看出盘锦大米样品可以区分于射阳和五常的大米。因此，使用傅里叶红外光谱仪鉴别盘锦大米是可行的。
实施例3：线性判别分析法建立判别模型
线性判别分析是按照一定的判别准则，建立一个或多个判别函数，用研究对象的大量资料确定判别函数中的待定系数，计算判别指标，据此确定类别的一种分析方法。从主成分分析的结果可知，傅里叶红外光谱仪分析鉴别盘锦大米是可行的。为了进一步了解分子结构对大米样品鉴别的结果，在主成分得分结果的基础上，对不同样品进行线性判别分析，筛选出对地域判别有效的主成分，其中PC1、PC2、PC3、PC4、PC5、PC6、PC7、PC8、PC9和PC10十个主成分引入判别模型，具体模型如下：
盘锦=-1.909×105+83.812PC1-1.150×103PC2+48.491PC3-4.787×103PC4+2.439×103PC5
+4.840×103PC6+8.985×103PC7-9.355×103PC8+8.559×103PC9-52.624PC10；
射阳=-1.902×105+66.539 PC1-1.026×103PC2-21.131PC3-4.762×103 PC4+2.498×103PC5
+4.909×103PC6+8.871×103PC7-9.300×103PC8+8.680×103PC9-62.839 PC10；
五常=-1.902×105+74.836 PC1-1.059×103PC2-34.366PC3-4.780×103PC4+2.446×103 PC5
+4.932×103 PC6+8.842×103 PC7-9.283×103 PC8+8.623×103 PC9-76.589 PC10。
并进行交叉验证进一步确认模型的可靠性，如下表1所示。
表1 Fisher判别分析分类结果
实验结果表明，初始检验对大米产地鉴别正确率为98.1%，交叉验证判别正确率为94.4%。判别函数得分图如图3所示，盘锦大米与射阳和五常大米样品分布在不同的区域，表明建立的判别模型可以进行盘锦大米的真伪鉴别。
Claims (3)
1.一种鉴别盘锦大米的光谱分析方法，其特征在于，将待测大米进行粉碎预处理，利用傅里叶红外光谱仪采集预处理样品的光谱数据，结合化学计量法，建立判别模型，鉴别大米产地。
2.根据权利要求1所述的鉴别盘锦大米的光谱分析方法，其特征在于，具体步骤如下：
（1）样品预处理：采集盘锦、其它任意产地A和产地B的稻谷，经过砻谷，碾米得到精米，利用粉碎机粉碎样品，过200目筛，得到预处理样品；
（2）光谱图像的采集：利用傅里叶红外光谱仪采集步骤（1）所得的预处理样品的光谱图像；在光谱波数范围为400-4000cm-1的条件下，对大米样品进行扫描，得到样品的红外光谱数据；
（3）可行性分析：根据步骤（2）所得的红外光谱数据，用TQAnalyst v6光谱分析软件进行主成分分析，以主成分PC1和PC2得分作图，判定利用傅里叶红外光谱仪鉴别盘锦大米的可行性；
（4）建立判别模型：根据步骤（3）中的主成分分析，利用逐步判别分析法对主成分得分进行判别分析，建立判别模型；
（5）盘锦大米的判定：根据步骤（4）所建立的判别模型鉴定样品的产地。
3.根据权利要求2所述的鉴别盘锦大米的光谱分析方法，其特征在于，所述判别模型为：
盘锦=-1.909×105+83.812PC1-1.150×103PC2+48.491PC3-4.787×103PC4+2.439×103PC5
+4.840×103PC6+8.985×103PC7-9.355×103PC8+8.559×103PC9-52.624PC10；
产地A=-1.902×105+66.539 PC1-1.026×103PC2-21.131PC3-4.762×103 PC4+2.498×103PC5
+4.909×103PC6+8.871×103PC7-9.300×103PC8+8.680×103PC9-62.839 PC10；
产地B=-1.902×105+74.836 PC1-1.059×103PC2-34.366PC3-4.780×103PC4+2.446×103 PC5
+4.932×103 PC6+8.842×103 PC7-9.283×103 PC8+8.623×103 PC9-76.589 PC10。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610822944.6A CN106198442A (zh) | 2016-09-14 | 2016-09-14 | 一种鉴别盘锦大米的光谱分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610822944.6A CN106198442A (zh) | 2016-09-14 | 2016-09-14 | 一种鉴别盘锦大米的光谱分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106198442A true CN106198442A (zh) | 2016-12-07 |
Family
ID=58066685
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610822944.6A Pending CN106198442A (zh) | 2016-09-14 | 2016-09-14 | 一种鉴别盘锦大米的光谱分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106198442A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106908527A (zh) * | 2017-01-23 | 2017-06-30 | 中国农业科学院蜜蜂研究所 | 一种鉴别荔枝蜜产地的方法 |
| CN108844942A (zh) * | 2018-06-08 | 2018-11-20 | 南京财经大学 | 粉碎粒度对大米拉曼光谱影响的研究方法 |
| CN109211830A (zh) * | 2018-08-01 | 2019-01-15 | 嘉兴市皮毛和制鞋工业研究所 | 一种主成分分析和多类判别联用鉴别易混毛皮的方法 |
| CN110610183A (zh) * | 2018-06-15 | 2019-12-24 | 佛山市顺德区美的电热电器制造有限公司 | 谷物评估方法、装置和存储介质 |
| CN111562273A (zh) * | 2020-06-05 | 2020-08-21 | 大连工业大学 | 基于高光谱的鱼水射流除鳞轻微损伤可视化方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957316A (zh) * | 2010-01-18 | 2011-01-26 | 河北大学 | 一种用近红外光谱技术鉴别响水大米的方法 |
| CN102087212A (zh) * | 2010-11-25 | 2011-06-08 | 西南大学 | 基于主成份分析的葛粉掺假鉴别方法 |
| KR20110085084A (ko) * | 2010-01-19 | 2011-07-27 | 경기도 | 근적외선 분광기를 이용하여 고수분 현미로부터 비파괴적으로 백미 상태의 단백질함량을 측정하는 방법 |
| CN102564993A (zh) * | 2011-12-31 | 2012-07-11 | 江南大学 | 一种利用傅里叶变换红外光谱识别大米品种方法及其应用 |
| CN102841072A (zh) * | 2012-08-13 | 2012-12-26 | 中国计量学院 | 基于近红外光谱鉴别转基因水稻和非转基因水稻的方法 |
| CN104502299A (zh) * | 2014-12-12 | 2015-04-08 | 深圳市计量质量检测研究院 | 一种利用近红外光谱技术鉴别五常稻花香大米的方法 |
| CN105021562A (zh) * | 2015-07-06 | 2015-11-04 | 黑龙江八一农垦大学 | 一种大米产地溯源方法及其应用 |
-
2016
- 2016-09-14 CN CN201610822944.6A patent/CN106198442A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957316A (zh) * | 2010-01-18 | 2011-01-26 | 河北大学 | 一种用近红外光谱技术鉴别响水大米的方法 |
| KR20110085084A (ko) * | 2010-01-19 | 2011-07-27 | 경기도 | 근적외선 분광기를 이용하여 고수분 현미로부터 비파괴적으로 백미 상태의 단백질함량을 측정하는 방법 |
| CN102087212A (zh) * | 2010-11-25 | 2011-06-08 | 西南大学 | 基于主成份分析的葛粉掺假鉴别方法 |
| CN102564993A (zh) * | 2011-12-31 | 2012-07-11 | 江南大学 | 一种利用傅里叶变换红外光谱识别大米品种方法及其应用 |
| CN102841072A (zh) * | 2012-08-13 | 2012-12-26 | 中国计量学院 | 基于近红外光谱鉴别转基因水稻和非转基因水稻的方法 |
| CN104502299A (zh) * | 2014-12-12 | 2015-04-08 | 深圳市计量质量检测研究院 | 一种利用近红外光谱技术鉴别五常稻花香大米的方法 |
| CN105021562A (zh) * | 2015-07-06 | 2015-11-04 | 黑龙江八一农垦大学 | 一种大米产地溯源方法及其应用 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106908527A (zh) * | 2017-01-23 | 2017-06-30 | 中国农业科学院蜜蜂研究所 | 一种鉴别荔枝蜜产地的方法 |
| CN106908527B (zh) * | 2017-01-23 | 2019-08-20 | 中国农业科学院蜜蜂研究所 | 一种鉴别荔枝蜜产地的方法 |
| CN108844942A (zh) * | 2018-06-08 | 2018-11-20 | 南京财经大学 | 粉碎粒度对大米拉曼光谱影响的研究方法 |
| CN110610183A (zh) * | 2018-06-15 | 2019-12-24 | 佛山市顺德区美的电热电器制造有限公司 | 谷物评估方法、装置和存储介质 |
| CN109211830A (zh) * | 2018-08-01 | 2019-01-15 | 嘉兴市皮毛和制鞋工业研究所 | 一种主成分分析和多类判别联用鉴别易混毛皮的方法 |
| CN111562273A (zh) * | 2020-06-05 | 2020-08-21 | 大连工业大学 | 基于高光谱的鱼水射流除鳞轻微损伤可视化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106198442A (zh) | 一种鉴别盘锦大米的光谱分析方法 | |
| Modupalli et al. | Emerging non-destructive methods for quality and safety monitoring of spices | |
| Pilling et al. | High-throughput quantum cascade laser (QCL) spectral histopathology: a practical approach towards clinical translation | |
| Cheng et al. | Infrared spectroscopic studies of Chinese medicines | |
| Zimmerman et al. | Analysis of allergenic pollen by FTIR microspectroscopy | |
| Ryder | Classification of narcotics in solid mixtures using principal component analysis and Raman spectroscopy | |
| CN102087212B (zh) | 基于主成份分析的葛粉掺假鉴别方法 | |
| González-Martín et al. | Chilean flour and wheat grain: Tracing their origin using near infrared spectroscopy and chemometrics | |
| CN102706813B (zh) | 基于高光谱图像的草地早熟禾品种识别方法 | |
| CN107478595B (zh) | 一种快速鉴别珍珠粉真伪及定量预测掺伪贝壳粉含量的方法 | |
| CN101961360A (zh) | 三七的近红外光谱鉴别方法 | |
| CN106501208A (zh) | 一种基于近红外光谱特征的烟叶风格相似性分类方法 | |
| CN106124445A (zh) | 一种快速、无损鉴别转基因大豆方法 | |
| Chen et al. | Rapid identification of three varieties of Chrysanthemum with near infrared spectroscopy | |
| Sha et al. | Evaluation of sample pretreatment method for geographic authentication of rice using Raman spectroscopy | |
| CN104020128A (zh) | 一种快速鉴别蜂胶胶源的方法 | |
| CN107132194A (zh) | 一种基于紫外可见光谱及化学模式识别的三七及其伪品鉴别方法 | |
| Wu et al. | FT-MIR and UV–vis data fusion strategy for origins discrimination of wild Paris Polyphylla Smith var. yunnanensis | |
| CN108760677A (zh) | 一种基于近红外光谱技术的法半夏掺伪鉴别方法 | |
| CN104345045A (zh) | 一种基于化学模式识别和近红外光谱的相似药材鉴别方法 | |
| Dong et al. | A chemometric modeling-free near infrared barcode strategy for smart authentication and geographical origin discrimination of Chinese ginseng | |
| Hu et al. | Comparison and application of fluorescence EEMs and DRIFTS combined with chemometrics for tracing the geographical origin of Radix Astragali | |
| Yue et al. | Extended application of deep learning combined with 2DCOS: Study on origin identification in the medicinal plant of Paris polyphylla var. yunnanensis | |
| CN108844942A (zh) | 粉碎粒度对大米拉曼光谱影响的研究方法 | |
| Yang et al. | Characterization of Paris polyphylla var. yunnanensis by infrared and ultraviolet spectroscopies with chemometric data fusion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |
|
| RJ01 | Rejection of invention patent application after publication |