收集来自四川、 重庆、 陕西、 云南、 贵州五省市8个产地的花椒, 其中106种为红花椒, 99种为青花椒, 经鉴定, 样品来源见表1。 每种花椒样品过80目筛滤除细小杂质, 分别称取50 g装入PP食品袋编号, 用于花椒的原产地近红外鉴别。

表1

Table 1

表1(Table 1)

表1 205份花椒样品产地状况表 Table 1 Original area of 205 Huajiao samples 序号 产地 种类 数量 1 四川茂汶 红花椒 17 2 四川汉源 红花椒 40 3 陕西韩城 红花椒 49 4 重庆江津 青花椒 16 5 云南昭通 青花椒 20 6 四川汉源 青花椒 20 7 四川金阳 青花椒 24 8 贵州关岭 青花椒 19

表1 205份花椒样品产地状况表 Table 1 Original area of 205 Huajiao samples

MPA型近红外光谱仪及漫反射附件(德国BRUKER公司), 波长范围12 500~3 800 cm^-1, 附PbS检测器及积分球, 样品杯材质为石英。

1.3.1 光谱采集

光谱扫描前将近红外光谱仪开机预热30 min, 以保证样品测定的稳定性。 光谱扫描波数12 500~3 800 cm^-1, 扫描分辨率8 cm^-1, 扫描次数32。 将样品依次取25 g装入石英样品杯中, 每个样品采集三次光谱, 取其平均光谱作为该样品的光谱进行后续分析。

实验中, 将采集的样品光谱数据分为两个部分, 第一部分为校正集, 随机从8个产地样品中取出, 数量如下: 四川茂汶红花椒14个、 四川汉源红花椒32个、 陕西韩城红花椒39个、 重庆江津青花椒12个、 云南昭通青花椒16个、 四川汉源青花椒16个、 四川金阳青花椒20个、 贵州关岭青花椒15个, 共164个样品。 第二部分为验证集, 为余下的41个样品。

光谱数据采集由近红外光谱仪自带的OPUS7.0软件采集, 操作系统为Win 7.0。

1.3.2 数据分析

1.3.2.1 主成分分析

主成分分析是一种数据降维方法, 它用数量较少的新变量成为原始变量的线性组合, 且尽可能多地表征原变量的数据结构特征, 这些新变量被称为主成分(PCs)^[15]。 主成分得分图(score)是经主成分分析降维后得到, 前三个主成分(PC1, PC2和PC3)在得分图上显示了光谱矩阵的主要信息, 相似的样品在得分图上集聚, 反映了样品总体特征的分布情况^[16]。

1.3.2.2 判别偏最小二乘法

偏最小二乘法(partial least squares, PLS)指将n个样品m个组分的浓度矩阵Y=(y_{i, j})_{n× m}和仪器测定的n个样品p个波长点处吸光度矩阵X=(x_{i, j})_{n× p}分解为特征向量形式

Y=UQ+FX=TP+E

其中U和T分别为n行d列的浓度特征因子矩阵和吸光度特征因子矩阵, Q为d× m阶浓度载荷阵, P为d× p阶吸光度载荷阵, F和E分别为n× m, n× p阶浓度残差阵和吸光度残差阵。

然后, 建立PLS回归模型

U=TB+Ed

其中E_d为随机误差矩阵, B为d维对角回归系数矩阵。

对未知待测样品, 如果吸光度向量为x, 则其浓度可以求解为

y=x(UX)'BQ

在PLS算法中, 如果用表示类别属性的二进制变量替代矩阵中的浓度变量, 以计算光谱向量与类别向量的相关关系, 称为判别偏最小二乘法^[17]。 Y=(y_{i, j})_{n× m}改为如下类别矩阵形式

Y=100…0100…0010…0010…0︙︙︙…︙000…1

其中, Y矩阵每列代表一个样品类别, 混合物中以“ 1” 表示属于此类, 以“ 0” 表示属于其他类, 即y_ij=1表示第i个样本属于第j类, y_ij=0表示第i个样本不属于第j类。 建立PLS回归模型并设定类别属性鉴别阈值θ 。 预测时, 对k个未知样品, 根据其光谱矩阵X=(x_{i, j})_{n× p}, 可求得该模型预测值y_{k× m}, 对y_{k× m}的第i行, 求出其最大值

yi=max(yi1, yi2, …, yim)

若y_i> θ 则认为y_i所在的列数j即为第i个样品的所属类别, 反之, 则第i个样品不属于已知的任何类。

1.3.2.3 鉴别指标

定性分析模型的评价指标为鉴别正确率(correct identification rate, CIR), 即正确判断的样品数占全部样品数的百分比。

数据分析在Matlab R2015a (The MathWorks, USA)完成, 操作系统为Win 10.0。

图1为花椒样品的原始近红外光谱图, 可以看出原始光谱在波数8 420, 6 750, 5 840, 5 170, 4 700和4 300 cm^-1附近有明显吸收峰, 8 420, 5 840和4 300 cm^-1处吸收峰可能是由C— H基团的合频、 二倍频和三倍频吸收造成。 因为O— H伸缩振动的二倍频区在6 700 cm^-1附近、 H₂O的一个合频吸收区在5 155 cm^-1附近, 6 750和5 170 cm^-1位置的吸收应该是由花椒中水分引起。 此外, 从图中还可以看出, 由于近红外光谱信息重叠严重, 各样品的特征信息很难从峰位等方面直观鉴别。 因此, 必须经过合适的数学方法处理提取特征信息后, 才能利用近红外结合化学计量学方法对花椒样品进行定性分析。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 样品的近红外光谱Fig.1 NIR spectra of 205 samples

在全光谱波长范围内, 对8个产地的花椒样品近红外光谱进行主成分分析, 最佳主成分数为19, 图2反映的是整个花椒样品集中样品点在PC1, PC2及PC3上的聚类, 前3个主成分的方差贡献率分别为92.17%, 4.64%和1.81%, 累计方差贡献率达到98.62%, 故样品在该平面上的投影分布可以充分表征样品在多维空间中的分布特征。 从图2中也可以看出, 对8个产地的样品光谱数据进行主成分分析, 基本可以分开, 在一定程度上反映了与样品品种、 产地相关的信息和特征。 3个红花椒和5个青花椒在距离上明显分开, 说明品种相同其内部品质的差异更小; 四川汉源红花椒和四川茂汶红花椒相距更近, 甚至有重叠, 部分重叠的情况也出现在重庆江津青花椒和四川汉源青花椒的分布上, 这可能是由于地理位置、 气候、 土壤等因素较接近引起。 因此, 仅使用主成分分析不能完全将产地识别, 故在主成分分析的基础上, 还需采用有监督的模式识别方法进行定性分析。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 花椒主成分(PC1, PC2, PC3)得分图Fig.2 PCA score (PC1, PC2, PC3) for Huajiao samples

利用校正集164个样品的全光谱数据及产地来源, 采用DPLS作为建模算法分别建立花椒产地鉴别的定性分析模型, 基于鉴别的正确率作为评价指标, 比较并选择最佳模型。 为了选择合适的因子数和避免过拟合, 首先采用了校正集的交叉验证, 在交叉验证时, 校正集的其中一个样品被用来检验余下样品所建立的校正模型, 模型被重复直至每一个样品均被检验。 为消除光谱信号的基线漂移和随机噪声, 提高模型的预测准确性和稳定性, 采用了原始光谱(None)、 一阶导数(the first derivative)、 二阶导数(the second derivative)等预处理方法, 为消除样本粒度分布不均匀引起的散射, 采用了散射校正(multiplicative scatter correction, MSC)、 标准正态变换(standard normal variate, SNV)进行光谱预处理, 模型的误判数和识别正确率见表2。 由表2可以看出, 除了“ 一阶导数” 预处理方法的DPLS模型误判数为1以外, 其他预处理方法后的校正集模型交叉验证识别正确率均为100%, 说明利用DPLS方法的模型可以很好地鉴别不同产地的花椒。

表2

Table 2

表2(Table 2)

表2 不同预处理DPLS定性分析模型交互验证结果 Table 2 Results of calibration set of analysis models with different pretreatments 光谱预处理方法 误判数 识别正确率/% None 0 100 The first derivative 1 99.39 The second derivative 0 100 Mean Centering 0 100 Auto Scaling 0 100 Range Scaling 0 100 SNV 0 100 MSC 0 100

表2 不同预处理DPLS定性分析模型交互验证结果 Table 2 Results of calibration set of analysis models with different pretreatments

使用不属于校正集中已训练样品的独立验证集41个样本来检验DPLS模型, 无预处理方法时的验证集预测结果如图3所示, 为了方便对各个产地的花椒进行区分和标识, 图3中将各产地花椒按表1中的序号(1— 8)来表示。 设定± 0.5的阈值, 即将位于值范围0.5~1.5之间的预测值判别为“ 1” , 将位于1.5~2.5之间的预测值判别为“ 2” , 以此类推, 对各个产地的花椒进行识别。 表3为各种光谱预处理下建立的DPLS模型进行检验集验证的结果, 由表可以看出, 不同的预处理方法识别正确率不同, 八种预处理方法的DPLS模型的检验集总体识别正确率在85.37%~97.56%之间, 其中四川茂汶红花椒、 云南昭通青花椒、 四川汉源青花椒和贵州关岭青花椒样本均可以被100%识别, 识别正确率最低的是重庆江津青花椒(验证集样品数为4), 最多时有2个误判数, 识别正确率只有50%, 这可能是由于该产地的样品数量较少引起, 也有可能是由于重庆和四川两地样本距离较近, 花椒生长环境差异小, 产生某些样本识别错误的结果。 总体识别率最高的预处理方法为SNV和MSC, 41个验证集样本总的误判数均只有1个, 识别正确率为97.56%, 采用DPLS建模方法可以较好地鉴别花椒的产地。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 验证集DPLS预测值(无预处理)Fig.3 Predicted value of validation set of DPLS analysis model without pretreatment

表3

Table 3

表3(Table 3)

表3 不同预处理验证集的预测结果 Table 3 Results of validation models with different pretreatments 光谱预处理方法 识别正确率/% 四川茂汶 红花椒 四川汉源 红花椒 陕西韩城 红花椒 重庆江津 青花椒 云南昭通 青花椒 四川汉源 青花椒 四川金阳 青花椒 贵州关岭 青花椒 总体 识别率 None 100 75 90 50 100 100 75 100 85.37 The first derivative 100 75 90 50 100 100 75 100 85.37 The second derivative 100 87.5 90 50 100 100 75 100 87.80 Mean Centering 100 75 90 50 100 100 75 100 85.37 Auto Scaling 100 87.5 90 50 100 100 75 100 87.80 Range Scaling 100 87.5 100 75 100 100 75 100 92.68 SNV 100 87.5 100 100 100 100 100 100 97.56 MSC 100 87.5 100 100 100 100 100 100 97.56

表3 不同预处理验证集的预测结果 Table 3 Results of validation models with different pretreatments