本發(fā)明屬于農(nóng)產(chǎn)品質(zhì)量分析檢測技術(shù)領(lǐng)域，具體涉及一種鑒別盤錦大米的光譜分析方法。

背景技術(shù)：

盤錦大米產(chǎn)自我國黑龍江省盤錦市。盤錦處于遼河三角洲的中心地帶，由于土壤返堿使得土壤中的礦物質(zhì)和微量元素始終處于飽和狀態(tài)，造就了上乘品質(zhì)的盤錦作物。盤錦大米具有晶瑩飽滿，糊化度低，粘稠度高，清香濃郁等品質(zhì)。2003年被國家質(zhì)檢總局認定為地理標志產(chǎn)品。由于盤錦大米的獨特，許多商家為了牟取暴利，以假亂真，以次充好，使得整個盤錦大米市場變得非?；靵y。因此，從技術(shù)上實現(xiàn)真?zhèn)舞b別對于品牌的保護具有重要的意義。

目前常用的光譜檢測技術(shù)有拉曼光譜，熒光光譜，紅外光譜技術(shù)等。拉曼光譜檢測是基于拉曼散色效應(yīng)，對與入射光頻率不同的散射光譜進行分析以得到分子振動、轉(zhuǎn)動方面信息，并應(yīng)用于分子結(jié)構(gòu)研究的一種分析方法。樣品前處理較為繁瑣，成本較高。熒光光譜檢測的原理是具有吸收光子能力的物質(zhì)在特定波長光照射下在瞬間發(fā)射出比激發(fā)光波長長的熒光，利用物質(zhì)的熒光光譜進行定性、定量分析。由于大多數(shù)分子不發(fā)熒光，因此檢測具有一定的局限性。紅外光譜中的近紅外光譜是波數(shù)為4000-14300cm^-1，介于可見光和中紅外之間的電磁輻射波，用來定量分析待測組分濃度高于0.1%的有機物。

公開號CN101957316A的專利公開一種鑒別響水大米的方法，以近紅外光譜檢測技術(shù)為基礎(chǔ)，預(yù)處理光譜圖，建立聚類判別和合格判別模型達到鑒別的目的。公開號CN104502299A的專利公開一種鑒別五常大米的方法，以近紅外檢測技術(shù)為基礎(chǔ)，利用軟件編程建立判別模型，達到樣品鑒別的目的。上述鑒別方法操作較為繁瑣，工作量大，難以實現(xiàn)大米樣品的快速鑒別。

技術(shù)實現(xiàn)要素：

本發(fā)明目的在于公開一種鑒別盤錦大米的光譜分析方法，將待測大米進行粉碎預(yù)處理，利用傅里葉紅外光譜儀采集預(yù)處理樣品的光譜數(shù)據(jù)，結(jié)合化學(xué)計量法，建立判別模型，達到鑒別大米產(chǎn)地的目的。

具體步驟如下：

（1）樣品預(yù)處理：采集盤錦、其它任意產(chǎn)地A和產(chǎn)地B的稻谷，經(jīng)過礱谷，碾米得到精米，利用粉碎機粉碎樣品，過200目篩，得到預(yù)處理樣品；

（2）光譜圖像的采集：利用傅里葉紅外光譜儀采集步驟（1）所得的預(yù)處理樣品的光譜圖像；在光譜波數(shù)范圍為400-4000cm^-1的條件下，對大米樣品進行掃描，得到樣品的紅外光譜數(shù)據(jù)；

（3）可行性分析：根據(jù)步驟（2）所得的紅外光譜數(shù)據(jù)，用TQAnalyst v6光譜分析軟件進行主成分分析，以主成分PC1和PC2得分作圖，判定利用傅里葉紅外光譜儀鑒別盤錦大米的可行性；

（4）建立判別模型：根據(jù)步驟（3）中的主成分分析，利用逐步判別分析法對主成分得分進行判別分析，建立如下判別模型：

盤錦=-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；

產(chǎn)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；

產(chǎn)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）盤錦大米的判定：根據(jù)步驟（4）所建立的判別模型鑒定樣品的產(chǎn)地。

本發(fā)明以傅里葉紅外光譜采集大米樣品分子結(jié)構(gòu)指紋信息為基礎(chǔ)，結(jié)合化學(xué)計量法，建立判別模型，達到鑒別盤錦大米的目的；與現(xiàn)有技術(shù)相比，具有無前處理，無污染，無破壞性，可同時檢測多項性能指標，成本低，判別精密度高等優(yōu)點。

附圖說明

圖1為本發(fā)明實施例1中的樣品光譜圖；

圖2為本發(fā)明實施例2中的主成分得分圖；

圖3為本發(fā)明實施例3中的判別函數(shù)得分圖。

具體實施方式

實施例1：樣品的預(yù)處理和光譜圖像分析

產(chǎn)地A和產(chǎn)地B分別選擇射陽和五常。分別從盤錦、射陽和五常收取稻谷樣品，將采集的水稻礱谷，碾米，粉碎機粉碎30s，過200目篩待測。

光譜圖像的采集：采用傅里葉紅外光譜儀，（1）空白掃描：儀器校準。（2）樣品掃描：取處理后的樣品適量，置于直徑為13mm的壓膜中，鋪布均勻，加壓至0.8GPa，保持1min，掃描樣品，得到樣品的光譜圖像，如圖1所示。盤錦大米的紅外光譜與射陽和五常大米的紅外光譜相比，在1000cm^-1、1625cm^-1和3250cm^-1處的吸收峰與其他產(chǎn)地大米有所不同，1000cm^-1處吸收峰為樣品中X-Y伸縮區(qū)和X-H變形振動區(qū)，1625 cm^-1光譜信息與樣品中C=O結(jié)構(gòu)相關(guān)，3250cm^-1處光譜信息與樣品中≡C-H結(jié)構(gòu)相關(guān)。

實施例2：傅里葉紅外光譜儀檢測技術(shù)鑒別盤錦大米的可行性分析

傅里葉紅外光譜是對樣品中分子結(jié)構(gòu)和物質(zhì)化學(xué)組成信息的表征，信息量較大，需要結(jié)合化學(xué)計量法選取有效的信息。主成分分析法即利用降維思想，將多指標轉(zhuǎn)為少數(shù)綜合指標（主成分），其中每個主成分都能反映原始變量的大部分信息，并且所含信息不重復(fù)。以一定范圍內(nèi)樣品的吸光度為指標，利用Spss統(tǒng)計分析軟件進行主成分分析，利用主成分PC1和PC2的標準化得分作圖，從圖2中可以看出盤錦大米樣品可以區(qū)分于射陽和五常的大米。因此，使用傅里葉紅外光譜儀鑒別盤錦大米是可行的。

實施例3：線性判別分析法建立判別模型

線性判別分析是按照一定的判別準則，建立一個或多個判別函數(shù)，用研究對象的大量資料確定判別函數(shù)中的待定系數(shù)，計算判別指標，據(jù)此確定類別的一種分析方法。從主成分分析的結(jié)果可知，傅里葉紅外光譜儀分析鑒別盤錦大米是可行的。為了進一步了解分子結(jié)構(gòu)對大米樣品鑒別的結(jié)果，在主成分得分結(jié)果的基礎(chǔ)上，對不同樣品進行線性判別分析，篩選出對地域判別有效的主成分，其中PC1、PC2、PC3、PC4、PC5、PC6、PC7、PC8、PC9和PC10十個主成分引入判別模型，具體模型如下：

盤錦=-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；

射陽=-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。

并進行交叉驗證進一步確認模型的可靠性，如下表1所示。

表1 Fisher判別分析分類結(jié)果

實驗結(jié)果表明，初始檢驗對大米產(chǎn)地鑒別正確率為98.1%，交叉驗證判別正確率為94.4%。判別函數(shù)得分圖如圖3所示，盤錦大米與射陽和五常大米樣品分布在不同的區(qū)域，表明建立的判別模型可以進行盤錦大米的真?zhèn)舞b別。