CN106599578B - 一种预测精米中重金属含量的方法 - Google Patents

一种预测精米中重金属含量的方法 Download PDF

Info

Publication number
CN106599578B
CN106599578B CN201611147964.4A CN201611147964A CN106599578B CN 106599578 B CN106599578 B CN 106599578B CN 201611147964 A CN201611147964 A CN 201611147964A CN 106599578 B CN106599578 B CN 106599578B
Authority
CN
China
Prior art keywords
content
polished rice
rice
beary metal
rough
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.)
Active
Application number
CN201611147964.4A
Other languages
English (en)
Other versions
CN106599578A (zh
Inventor
何荣
鞠兴荣
袁建
王立峰
魏孟辉
丁哲慧
何海艳
吴学友
贾继荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Finance and Economics
Original Assignee
Nanjing University of Finance and Economics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Finance and Economics filed Critical Nanjing University of Finance and Economics
Priority to CN201611147964.4A priority Critical patent/CN106599578B/zh
Publication of CN106599578A publication Critical patent/CN106599578A/zh
Application granted granted Critical
Publication of CN106599578B publication Critical patent/CN106599578B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Cereal-Derived Products (AREA)
  • Adjustment And Processing Of Grains (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供一种预测精米中重金属含量的方法，属于食品安全领域。该预测精米中重金属含量的方法，所述精米由糙米加工而成，包括如下步骤：（1）将糙米加工成精米之前，检测所述糙米中重金属的含量；（2）计算糙出白率；（3）根据预测模型来预测精米中重金属含量，所述预测模型为精米中重金属含量与糙米中重金属含量和糙出白率的关系模型。本发明预测精米中重金属含量的方法，简单、方便、准确。

Description

一种预测精米中重金属含量的方法
技术领域
本发明属于食品安全领域，具体涉及一种预测精米中重金属含量的方法。
背景技术
随着我国工业发展，重金属污染越来越严重。重金属污染是指密度不低于5g/cm3的金属过量累积引起的污染，包括汞(Hg)、镉(Cd)、铬(Cr)、铅(Pb)及砷(As)等生物毒性显著的重金属元素及其化合物对环境的污染。水稻是对重金属(例如镉)富集能力较强的粮食作物，水稻重金属污染对大米生产、加工及质量安全构成了潜在威胁。若能够通过糙米中重金属含量，对精米中重金属含量进行预测，就能将重金属污染的糙米加工成安全的精米，不仅能够减少浪费，而且保证了食品安全。但是，现有技术中没有方法能够准确预测精米中重金属含量。
发明内容
本发明的目的是提供一种预测精米中重金属含量的方法，该方法简单、方便、准确。
本发明的目的通过下述技术方案来实现：
一种预测精米中重金属含量的方法，所述精米由糙米加工而成，包括如下步骤：
(1)将糙米加工成精米之前，检测所述糙米中重金属的含量；
(2)计算糙出白率；
(3)根据预测模型来预测精米中重金属含量，所述预测模型为精米中重金属含量与糙米中重金属含量和糙出白率的关系模型。
在本发明中，所述重金属为As、Cd、Pb中的一种或两种以上。
在本发明中，当所述重金属为As时，所述关系模型为公式(a)；
Y1＝124.08+19.89x1+22.35x12-3.50x1 2-9.38x12 2+12.24x1x12公式(a)；
其中Y1为精米中As含量，x1＝(X1-85.58)/3.11，x12＝(X12-175.30)/44.97，X1为糙出白率，X12为糙米中As含量。
在本发明中，当所述重金属为Cd时，所述关系模型为公式(b)；
Y2＝680.64+16.47x1+304.14x22-4.43x1 2-20.34x22 2-0.20x1x22公式(b)；
其中Y2为精米中Cd含量，x1＝(X1-85.58)/3.11，x22＝(X22-720.72)/340.1，X1为糙出白率，X22为糙米中Cd含量。
在本发明中，当所述重金属为Pb时，所述关系模型为公式(c)；
Y3＝67.16+15.90x1+54.83x32+6.16x1 2+22.81x32 2+2.04x1x32公式(c)；
其中Y3为精米中Pb含量，x1＝(X1-85.58)/3.11，x32＝(X32-175.00)/169.7，X1为糙出白率，X32为糙米中Pb含量。
本发明方法能够预测精米中重金属为As、Cd、Pb中的一种或两种以上，简单、方便、准确。
具体实施方式
实施例1构建精米中重金属含量的预测模型
(1)试验设计思路
精米由糙米加工而成。为了预测精米中重金属含量，采用Des ign Expert软件中的Central Composite Design模型，以加工前糙米中重金属含量、糙出白率为主要的考察因子(自变量)，以X1表示糙出白率(％)，以X12、X22、X32分别表示糙米中As、Cd、Pb的含量(mg/kg)，并以+1、0、-1分别代表自变量的高、中、低水平。按方程xij＝(Xij-X0)/X对各自变量进行编码，xij为自变量的编码值，Xij为自变量(X1、X12、X22或X32)的真实值，X0为试验中心点处自变量的真实值，X为自变量的变化步长，试验因素水平及编码见表1。
表1 试验因素水平及编码
注：表1中x1＝(X1-85.58)/3.11；x12＝(X12-175.30)/44.97；x22＝(X22-720.72)/340.1；x32＝(X32-175.00)/169.7。
精米中As、Cd、Pb含量Y1、Y2、Y3为评价指标(响应值)，设不同糙出白率条件下精米中As、Cd、Pb含量(mg/kg)的预测模型是由最小二乘法拟合的二次多项方程。具体方程如下：
Y1＝A0+A1x1+A2x12+A12x1x12+A11x1 2+A22x12 2
(a)Y2＝B0+B1x1+B2x22+B12x1x22+B11x1 2+B22x22 2(b)Y3＝C0+C1x1+C2x32+C12x1x32+C11x1 2+C22x32 2
(c)
其中，(a)、(b)、(c)中A0、B0、C0为常数项，A1、A2、B1、B2、C1、C2分别为线性系数，A12、B12、C12为交互项系数，A11、A22、B11、B22、C11、C22为二次项系数。
(2)精米中重金属含量预测模型的建立
采用Design Expert软件中的Central Composite Design设计13组实验，然后对数据进行分析、对二项方程式进行求解以确定上述模型(a)、(b)、(c)方程的各项系数中的系数。
表2 As含量试验设计及其结果
表3 Cd含量试验设计及其结果
表4 Pb含量试验设计及其结果
各组实验的条件及结果见表2-4。采用Design Expert软件对上述3个表中的试验数据进行多元回归拟合，分别得精米中As、Cd、Pb含量对自变量糙出白率(X1)、糙米中As、Cd、Pb含量(X12)、(X22)、(X32)的二次多项回归预测模型方程。
方程(a)为Y1＝+124.08+19.89x1+22.35x12-3.50x1 2-9.38x12 2+12.24x1x12；
方程(b)为Y2＝+680.64+16.47x1+304.14x22-4.43x1 2-20.34x22 2-0.20x1x22；
方程(c)为Y3＝+67.16+15.90x1+54.83x32+6.16x1 2+22.81x32 2+2.04x1x32。
实施例2采用本发明方法预测精米中重金属含量
将不同的糙米样品分别加工成精米，按照常规方法计算糙出白率X1。将糙米加工成精米之前，检测各糙米样品中重金属含量，糙米样品中As的含量为X12、糙米样品中Cd的含量为X22、糙米样品中Pb的含量为X32。各实验组别的糙出白率及糙米样品中重金属含量具体见表5-7。
根据公式(a)、(b)和(c)，分别预测精米中重金属As含量Y1、Cd含量Y2、Pb含量Y3(预测值)。
Y1＝+124.08+19.89x1+22.35x12-3.50x1 2-9.38x12 2+12.24x1x12公式(a)；
Y2＝+680.64+16.47x1+304.14x22-4.43x1 2-20.34x22 2-0.20x1x22公式(b)；
Y3＝+67.16+15.90x1+54.83x32+6.16x1 2+22.81x32 2+2.04x1x32公式(c)。
其中Y1为精米中As含量，Y2为精米中Cd含量，Y3为精米中Pb含量，x1＝(X1-85.58)/3.11，x12＝(X12-175.30)/44.97，x22＝(X22-720.72)/340.1，x32＝(X32-175.00)/169.7，X1为糙出白率，X12为糙米中As含量，X22为糙米中Cd含量，X32为糙米中Pb含量，糙米或精米中As、Cd、Pb含量的单位均为mg/kg，糙出白率的单位为％。
检测各糙米样品在表5-7中糙出白率条件下获得的精米中As、Cd、Pb含量的真实值，以验证本发明预测方法的合适性和有效性。具体结果见表5-7。
表5 As含量预测模型的验证结果
表6 Cd含量预测模型的验证结果
表7 Pb含量预测模型的验证结果
对以上三个表中数据进行相关性分析，精米中As含量Y1实测值和预测值的相关系数为0.9448；精米中Cd含量Y2实测值和预测值的相关系数为0.9954；精米中Pb含量Y3实测值和预测值的相关系数为0.9916，证实本发明方法是合适有效的，而且准确性较高。

Claims (3)

1.一种预测精米中重金属含量的方法，所述精米由糙米加工而成，其特征在于包括如下步骤：
(1)将糙米加工成精米之前，检测所述糙米中重金属的含量；
(2)计算糙出白率；
(3)根据预测模型来预测精米中重金属含量，所述预测模型为精米中重金属含量与糙米中重金属含量和糙出白率的关系模型；
所述重金属为As、Cd、Pb中的一种或两种以上；
所述重金属为As时，所述关系模型为公式(a)：
Y1＝124.08+19.89x1+22.35x12-3.50x1 2-9.38x12 2+12.24x1x12 公式(a)；
其中Y1为精米中As含量，x1＝(X1-85.58)/3.11，x12＝(X12-175.30)/44.97，X1为糙出白率，X12为糙米中As含量。
2.根据权利要求1所述预测精米中重金属含量的方法，其特征在于所述重金属为Cd时，所述关系模型为公式(b)；
Y2＝680.64+16.47x1+304.14x22-4.43x1 2-20.34x22 2-0.20x1x22 公式(b)；
其中Y2为精米中Cd含量，x1＝(X1-85.58)/3.11，x22＝(X22-720.72)/340.1，X1为糙出白率，X22为糙米中Cd含量。
3.根据权利要求2所述预测精米中重金属含量的方法，其特征在于所述重金属为Pb时，所述关系模型为公式(c)；
Y3＝67.16+15.90x1+54.83x32+6.16x1 2+22.81x32 2+2.04x1x32 公式(c)；
其中Y3为精米中Pb含量，x1＝(X1-85.58)/3.11，x32＝(X32-175.00)/169.7，X1为糙出白率，X32为糙米中Pb含量。
CN201611147964.4A 2016-12-13 2016-12-13 一种预测精米中重金属含量的方法 Active CN106599578B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611147964.4A CN106599578B (zh) 2016-12-13 2016-12-13 一种预测精米中重金属含量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611147964.4A CN106599578B (zh) 2016-12-13 2016-12-13 一种预测精米中重金属含量的方法

Publications (2)

Publication Number Publication Date
CN106599578A CN106599578A (zh) 2017-04-26
CN106599578B true CN106599578B (zh) 2018-10-16

Family

ID=58801004

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611147964.4A Active CN106599578B (zh) 2016-12-13 2016-12-13 一种预测精米中重金属含量的方法

Country Status (1)

Country Link
CN (1) CN106599578B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103616368A (zh) * 2013-11-26 2014-03-05 浙江省嘉兴市农业科学研究院（所） 一种基于土壤重金属dtpa提取态含量的水稻籽粒重金属污染风险预测方法
CN105243599A (zh) * 2015-10-13 2016-01-13 南京财经大学 一种大米储藏品质评价模型的构建方法
CN105595155A (zh) * 2015-12-28 2016-05-25 南京财经大学 一种大米中重金属的去除方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103616368A (zh) * 2013-11-26 2014-03-05 浙江省嘉兴市农业科学研究院（所） 一种基于土壤重金属dtpa提取态含量的水稻籽粒重金属污染风险预测方法
CN105243599A (zh) * 2015-10-13 2016-01-13 南京财经大学 一种大米储藏品质评价模型的构建方法
CN105595155A (zh) * 2015-12-28 2016-05-25 南京财经大学 一种大米中重金属的去除方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"米糠中砷、镉、铅分布规律的初探";鞠兴荣等;《粮食与饲料工业》;20160815(第8期);第5页第1段,表2 -表6 *
"重金属在水稻中的分布及加工过程对其影响的探讨";鞠兴荣等;《粮食与食品工业》;20160615;第23卷(第3期);第1-5页 *
"重金属污染土壤中Cd、Cr、Pb 元素向水稻的迁移累积研究";陈慧茹等;《中国农学通报》;20150425;第31卷(第12期);第236-241页 *

Also Published As

Publication number Publication date
CN106599578A (zh) 2017-04-26

Similar Documents

Publication Publication Date Title
CN102567812B (zh) 一种烟草加工工序中用加工参数预测控制指标的方法
Hong et al. Combination of diffusive gradient in a thin film probe and IC-ICP-MS for the simultaneous determination of CH3Hg+ and Hg2+ in oxic water
CN101520421B (zh) 一种土壤重金属含量检测模型的建模方法及其应用
CN104820771B (zh) 一种航天工程制造成熟度等级确定方法
Koyanaka et al. Incorporation of neural network analysis into a technique for automatically sorting lightweight metal scrap generated by ELV shredder facilities
Rattanapan et al. Development of eco-efficiency indicators for rubber glove product by material flow analysis
CN107944213A (zh) Pmf在线源解析方法、系统、终端设备及计算机可读存储介质
Hou et al. Detection of bioavailable cadmium, lead, and arsenic in polluted soil by tailored multiple Escherichia coli whole-cell sensor set
CN102798605A (zh) 红外分光光度法测定水样中油类物质的方法
CN111398213A (zh) 一种判断酒醅模型合格性的方法
CN110619691B (zh) 一种板坯表面裂纹的预测方法及装置
CN106706558A (zh) 一种剔除校正集异常样本的方法
CN114062649A (zh) 一种土壤污染趋势分析方法
Zhang et al. Predicting soluble nickel in soils using soil properties and total nickel
Xu et al. Optimization of sand casting performance parameters and missing data prediction
CN106599578B (zh) 一种预测精米中重金属含量的方法
CN110706757B (zh) 预测选矿回水中残留絮凝剂浓度的方法
Wang et al. Multielement Principal Component Analysis and Origin Traceability of Rice Based on ICP‐MS/MS
CN102749285A (zh) 一种红外分光光度法测定水样中油类物质的方法
Dunne et al. Predicting phosphorus sorption isotherm parameters in soil using data of routine laboratory tests
CN105628646B (zh) 一种卷烟在线焦油预测及预警方法
Du et al. Rapid determination of Staphylococcus aureus enterotoxin B in milk using Raman spectroscopy and chemometric methods
CN108982402B (zh) 一种同类有机污染物对环境危害性的预测方法及系统
CN108898292A (zh) 一种桥梁健康状态的安全评估方法
CN104807844A (zh) 一种稻谷及其制品中镉含量的快速筛查检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant