本發(fā)明涉及一種馬鈴薯生全粉近紅外光譜快速鑒別的方法，對馬鈴薯生全粉樣品進(jìn)行真實(shí)性鑒別，屬于農(nóng)產(chǎn)品品質(zhì)無損檢測技術(shù)領(lǐng)域。

背景技術(shù)：

馬鈴薯是一種全球公認(rèn)的具有高營養(yǎng)價(jià)值的農(nóng)產(chǎn)食品，亦是我國重要的糧食及經(jīng)濟(jì)作物。馬鈴薯富含多種氨基酸和豐富的維生素，其蛋白質(zhì)營養(yǎng)價(jià)值高，品質(zhì)與動(dòng)物蛋白接近。在我國，馬鈴薯種植面積超過560萬公頃，年產(chǎn)量超過9000萬噸，種植面積和總產(chǎn)量居世界第一。近年來，隨著我國馬鈴薯主食化戰(zhàn)略的不斷深入，馬鈴薯主食產(chǎn)品也受到了各方關(guān)注。2015年1月中央一號文件和農(nóng)業(yè)部將馬鈴薯作為主糧化戰(zhàn)略發(fā)展,在保障國家糧食安全與促進(jìn)國民社會經(jīng)濟(jì)發(fā)展中將具有更加重要的意義。

馬鈴薯全粉屬于一種脫水馬鈴薯制品，幾乎保留了馬鈴薯的全部營養(yǎng)和風(fēng)味，同時(shí)也是薯類主食新產(chǎn)品開發(fā)的重要原料。加工過程中工藝參數(shù)的不同，形成的馬鈴薯粉成分、生熟度各異。不同特性的馬鈴薯粉在食品加工中用途各不相同。例如，與馬鈴薯全粉相對應(yīng)的一種馬鈴薯產(chǎn)品是馬鈴薯生粉，主要成分是馬鈴薯淀粉，又稱太白粉，其特點(diǎn)是粘性足，質(zhì)地細(xì)膩，色潔白，但吸水性差，主要用于烹飪過程中勾芡，上漿嫩肉。另一種與馬鈴薯生全粉對應(yīng)的，也是目前市面上常見的馬鈴薯熟全粉即為“土豆粉”，它是以新鮮馬鈴薯為原料，經(jīng)清洗、去皮、挑選、切片、漂洗、預(yù)煮、冷卻、蒸煮、搗泥等工藝過程，經(jīng)脫水干燥而得的細(xì)顆粒狀、片屑狀或粉末狀產(chǎn)品。馬鈴薯熟全粉加工過程中一般需要高溫加熱蒸煮還原變成馬鈴薯泥，主要用于生產(chǎn)方便即食食品或西式面點(diǎn)。由于馬鈴薯淀粉糊化開始溫度為56℃，糊化完全溫度為67℃，經(jīng)高溫加熱處理的馬鈴薯全粉中淀粉發(fā)生糊化，蛋白質(zhì)改性、維生素遭到破壞，其相應(yīng)的加工特性發(fā)生變化。若將此類熟化的馬鈴薯全粉作為薯類主食制品的原料，則會對面團(tuán)的流變特性、理化性質(zhì)、粉質(zhì)參數(shù)及拉伸特性產(chǎn)生不利影響，也影響主食制品的營養(yǎng)價(jià)值。

馬鈴薯生全粉的生產(chǎn)主要是在加工過程中采用低溫干燥（一般低于55℃），避免淀粉糊化和蛋白質(zhì)變性，以保證主食制品原料面團(tuán)的加工性能。在我國馬鈴薯主食化生產(chǎn)中，制作饅頭、包子、面條、粉條等食品應(yīng)以馬鈴薯生全粉為原料。

但是，目前馬鈴薯生全粉生產(chǎn)加工缺乏相關(guān)標(biāo)準(zhǔn)，導(dǎo)致市場上馬鈴薯粉品質(zhì)參差不齊，價(jià)格各異。如不法商販以次充好，用低價(jià)淀粉類代替生全粉或者在產(chǎn)品中摻入低價(jià)淀粉類物質(zhì)；或者為追求加工高效低成本，提高干燥溫度、簡化工藝路線，致使所生產(chǎn)的馬鈴薯粉已熟化改性，不具備主食化所需特質(zhì)。

因此，保障馬鈴薯生全粉原料的真實(shí)性、規(guī)范化，是我國馬鈴薯主食化的首要目標(biāo)，而目前市場上缺乏一種快速鑒別馬鈴薯生全粉的有效方法，因此開發(fā)一種快速、無損的馬鈴薯生全粉鑒別方法，對于提高馬鈴薯生全粉質(zhì)量，開發(fā)高品質(zhì)馬鈴薯傳統(tǒng)主食產(chǎn)品，促進(jìn)馬鈴薯主食化進(jìn)程具有重要意義。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于近紅外光譜技術(shù)的馬鈴薯生熟全粉快速鑒別的方法，具有快速無損、準(zhǔn)確性高的特點(diǎn)。通過近紅外光譜檢測系統(tǒng)采集馬鈴薯生全粉樣品的反射光譜信息，通過光譜特征差異性分析，特征變量篩選，建立生全粉快速鑒別模型。

本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)：一種馬鈴薯生全粉近紅外光譜快速鑒別的方法，按照下述步驟進(jìn)行

（1）利用傅里葉變換近紅外光譜儀掃描馬鈴薯粉樣品，采集樣品的近紅外光譜曲線；

（2）對掃描的樣品近紅外光譜信號進(jìn)行預(yù)處理；

（3）近紅外光譜特征差異性分析，篩選特征波長；

（4）構(gòu)建馬鈴薯生全粉的判別模型并驗(yàn)證判別模型；

（5）利用判別模型對未知的馬鈴薯生全粉樣品進(jìn)行真實(shí)性鑒別。

其中所述步驟（1）中，利用傅里葉變換近紅外光譜儀掃描馬鈴薯粉樣品，其特征在于，首先設(shè)置傅里葉變換近紅外光譜儀掃描參數(shù)并采集樣品杯背景，掃描范圍為4000~10000cm^-1，平滑次數(shù)為16；然后將等量的馬鈴薯粉樣品逐次置于樣品杯中刮平，每個(gè)樣品掃描4次。

其中所述步驟（2）中，對近紅外光譜信號進(jìn)行預(yù)處理，其特征在于，計(jì)算每個(gè)樣品的平均光譜曲線，將樣品的平均光譜進(jìn)行歸一化處理，進(jìn)一步減小信號漂移。

其中所述步驟（3）中，對近紅外光譜特征差異性分析及特征波長篩選，其特征在于，應(yīng)用主成分分析法計(jì)算累積貢獻(xiàn)率超過85%的第一、第二主成分載荷，由載荷圖選出相關(guān)性較高的特征波段4810~5350cm^-1，6450~8450cm^-1。但由于輸入變量個(gè)數(shù)較多，需要采用連續(xù)投影算法（spa）進(jìn)一步壓縮數(shù)據(jù)量，優(yōu)選特征波長，最終選擇4810cm^-1，4860cm^-1，4900cm^-1，4980cm^-1，4980cm^-1，5130cm^-1，5190cm^-1，7070cm^-1，7420cm^-1，7560cm^-1，7720cm^-1，8030cm^-1，8180cm^-1，8280cm^-1，8320cm^-1等15個(gè)光譜值作為判別模型的輸入變量。

其中所述步驟（4）中，建立馬鈴薯生全粉的判別模型，以步驟（3）中優(yōu)選的特征波長為輸入變量，首先構(gòu)建偏最小二乘判別分析模型，初步鑒別馬鈴薯粉樣品是否為全粉，對非全粉類物料進(jìn)行初步篩除。其次建立基于支持向量機(jī)，判別馬鈴薯粉樣品是否為生全粉，并將驗(yàn)證集樣品帶入模型進(jìn)行驗(yàn)證。其中，所構(gòu)建的模型如下所述：

a）構(gòu)建的偏最小二乘判別分析模型，其特征在于，設(shè)置馬鈴薯全粉樣品（包括生全粉與熟全粉）標(biāo)簽為1，馬鈴薯淀粉標(biāo)簽為0。以校正后的特征光譜吸收值a作為輸入變量，馬鈴薯粉是否為全粉作為輸出結(jié)果，最后輸出的每個(gè)樣品判別結(jié)果用y0表征；

b）構(gòu)建的支持向量機(jī)模型，其特征在于，選取上述y0結(jié)果中判別為馬鈴薯全粉的樣品，設(shè)置馬鈴薯生全粉樣品標(biāo)簽為2，熟全粉標(biāo)簽為3。以對應(yīng)樣品校正后的特征光譜吸收值a作為輸入變量，馬鈴薯粉是否為生全粉作為輸出結(jié)果，核函數(shù)為徑向基函數(shù)，核函數(shù)參數(shù)g值為10⁴，懲罰系數(shù)c值為100，最后輸出的每個(gè)樣品判別結(jié)果用y1表征。

其中所述步驟（5）中，利用判別模型對未知的馬鈴薯生全粉樣品進(jìn)行真實(shí)性鑒別，其特征在于，根據(jù)步驟（4）中模型的判別結(jié)果，鑒定馬鈴薯生全粉樣品的真實(shí)性，其步驟如下：

a）采集未知馬鈴薯粉樣品的平均光譜并進(jìn)行歸一化校正；

b）選擇4810cm^-1，4860cm^-1，4900cm^-1，4980cm^-1，4980cm^-1，5130cm^-1，5190cm^-1，7070cm^-1，7420cm^-1，7560cm^-1，7720cm^-1，8030cm^-1，8180cm^-1，8280cm^-1，8320cm^-1等15個(gè)光譜值代入判別模型，進(jìn)行樣品判別；

c）根據(jù)偏最小二乘判別分析模型輸出的判別結(jié)果y0，可判別馬鈴薯粉樣品是否為全粉，將判別為非全粉的樣品剔除；

d）根據(jù)支持向量機(jī)模型輸出的判別結(jié)果y1，可判別馬鈴薯粉樣品是否為生全粉。

本發(fā)明建立了一套高效、快速的馬鈴薯生熟全粉近紅外光譜快速鑒別的方法，可依次判別分選出馬鈴薯全粉，以及生全粉、熟全粉，可用于國家食品質(zhì)量與安全監(jiān)管，還可用于馬鈴薯全粉加工過程生產(chǎn)關(guān)鍵品質(zhì)控制以及馬鈴薯主食制品原料質(zhì)量控制，對于提升薯類生全粉質(zhì)量，開發(fā)高品質(zhì)馬鈴薯傳統(tǒng)主食產(chǎn)品，促進(jìn)馬鈴薯主食化進(jìn)程具有重要意義。

附圖說明：

圖1是本發(fā)明一種基于近紅外光譜技術(shù)對馬鈴薯生熟全粉快速鑒別的方法流程圖；

圖2是本發(fā)明實(shí)施例1中所述的歸一化校正后的平均光譜曲線圖；

圖3是本發(fā)明實(shí)施例1中所述的樣品吸收光譜的主成分pc1、pc2載荷分析圖；

圖4是本發(fā)明實(shí)施例1中所述的樣本吸收光譜主成分pc1、pc2得分散點(diǎn)圖。

具體實(shí)施方式：

下面結(jié)合附圖和實(shí)施例，對本發(fā)明的具體實(shí)施方式做進(jìn)一步詳細(xì)的描述。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

圖1是本發(fā)明一種基于近紅外光譜技術(shù)對馬鈴薯生熟全粉快速鑒別的方法流程圖。如圖1所示，應(yīng)用近紅外光譜技術(shù)快速鑒別馬鈴薯生熟全粉的方法，包括以下步驟：

1）采集馬鈴薯粉樣品，包括馬鈴薯生全粉、熟全粉以及馬鈴薯生淀粉或混摻粉等，共100個(gè)樣品；

2）設(shè)置傅里葉變換近紅外光譜儀掃描參數(shù)并采集樣品杯背景，掃描范圍為4000~10000cm-1，平滑次數(shù)為16。

3）利用傅里葉變換近紅外光譜儀掃描采集100個(gè)樣品的近紅外光譜曲線，將等量的馬鈴薯粉樣品逐次置于樣品杯中刮平，每個(gè)樣品掃描4次。

4）對近紅外光譜信號進(jìn)行預(yù)處理，計(jì)算每個(gè)樣品的平均光譜曲線，將樣品的平均光譜進(jìn)行歸一化處理，進(jìn)一步減小信號漂移。

5）對近紅外光譜特征差異性分析及特征波長篩選，應(yīng)用主成分分析法計(jì)算累積貢獻(xiàn)率超過85%的第一、第二主成分載荷，由載荷圖選出相關(guān)性較高的特征波段分別為4810~5350cm^-1，6450~8450cm^-1。但由于輸入變量個(gè)數(shù)較多，需要采用連續(xù)投影算法進(jìn)一步壓縮數(shù)據(jù)量，優(yōu)選特征波長，最終選擇4810cm^-1，4860cm^-1，4900cm^-1，4980cm^-1，4980cm^-1，5130cm^-1，5190cm^-1，7070cm^-1，7420cm^-1，7560cm^-1，7720cm^-1，8030cm^-1，8180cm^-1，8280cm^-1，8320cm^-1等15個(gè)光譜值作為判別模型的輸入變量。

6）對近紅外光譜特征差異性分析及特征波長篩選，以優(yōu)選的特征波長為輸入變量，建立構(gòu)建偏最小二乘判別分析模型，初步鑒別馬鈴薯粉樣品是否為全粉。設(shè)置馬鈴薯全粉樣品（包括生全粉與熟全粉）標(biāo)簽為1，馬鈴薯淀粉標(biāo)簽為0。以校正后的特征光譜吸收值a作為輸入變量，馬鈴薯粉是否為全粉作為輸出結(jié)果，潛在變量個(gè)數(shù)為1，最后輸出的每個(gè)樣品判別結(jié)果用y0表征；根據(jù)y0判別結(jié)果，可判別馬鈴薯粉樣品是否為全粉，將判別為非全粉的樣品剔除。

7）建立基于支持向量機(jī)，判別馬鈴薯粉樣品是否為生全粉。構(gòu)建支持向量機(jī)模型，選取上述y0結(jié)果中判別為馬鈴薯全粉的樣品，設(shè)置馬鈴薯生全粉樣品標(biāo)簽為2，熟全粉標(biāo)簽為3。以對應(yīng)樣品校正后的特征光譜吸收值a作為輸入變量，馬鈴薯粉是否為生全粉作為輸出結(jié)果，核函數(shù)為徑向基函數(shù)，核函數(shù)參數(shù)g值為106，懲罰系數(shù)c值為100，最后輸出的每個(gè)樣品判別結(jié)果用y1表征。

8）利用判別模型對未知的馬鈴薯生全粉樣品進(jìn)行真實(shí)性鑒別。其步驟如下：

a）采集未知馬鈴薯粉樣品的平均光譜并進(jìn)行歸一化校正；

b）選擇4810cm^-1，4860cm^-1，4900cm^-1，4980cm^-1，4980cm^-1，5130cm^-1，5190cm^-1，7070cm^-1，7420cm^-1，7560cm^-1，7720cm^-1，8030cm^-1，8180cm^-1，8280cm^-1，8320cm^-1等15個(gè)光譜值代入判別模型，進(jìn)行樣品判別；

c）根據(jù)偏最小二乘判別分析模型輸出的判別結(jié)果y0，可判別馬鈴薯粉樣品是否為全粉，將判別為非全粉的樣品剔除；

d）根據(jù)支持向量機(jī)模型輸出的判別結(jié)果y1，可判別馬鈴薯粉樣品是否為生全粉。