实验用大米样品共186份, 其中五常大米36份, 均采集于黑龙江省哈尔滨市五常市, 品种为稻花香2号粳米; 东北大米108份, 采集于黑龙江省(牡丹市、 哈尔滨市非五常地区、 宁安市, 鸡西市)、 吉林省(德惠市、 吉林市)、 辽宁省(沈阳市、 朝阳市), 品种均为粳米; 南方大米42份, 采集于江苏省(南通市、 泰州市)、 广东省(深圳市、 东菀市), 品种均为粳米。

傅里叶变换近红外光谱仪(MPAⅡ ), 德国布鲁克(北京)有限公司; 傅里叶变换中红外光谱仪(NICOLET IS50), 赛默飞世尔科技(中国)有限公司; 智能DXR拉曼光谱仪, 赛默飞世尔科技(中国)有限公司; 粉碎机, 德国IKA/艾卡(广州)仪器设备有限公司; 粉末压机(BJ-15), 天津博君科技有限公司。

大米样品经粉碎机研磨成粉末通过100目筛, 筛过的样品放入样品瓶, 不要挤压样品, 以保持蓬松和良好的混合度以供近红外光谱仪测试。 准确称取100 mg大米粉末样品, 在20 MPa压力下放置5 min压成片, 每个样品压6个片待中红外和拉曼光谱仪检测使用, 如图1所示。 采集样品光谱时, 环境温度为室温(25± 1) ℃, 均对样品进行三次扫描求平均以减少噪声干扰。

1.4.1 近红外光谱采集

取不少于样品杯1/3体积的大米粉末样品, 采用积分球漫反射模式, 分辨率为16 cm^-1, 样品扫描次数为64次, 样品厚度为2 cm, 扫描谱区波数为3 600~12 500 cm^-1。

1.4.2 中红外光谱采集

采用衰减全反射(attenuated total reflection, ATR)模式, 扫描次数为32次, 分辨率为4 cm^-1, 扫描谱区波数为500~4 000 cm^-1。

1.4.3 拉曼光谱采集

拉曼光谱仪的波长为780 nm, 激光能量为24 mW, 积分时间为16 s, 积分次数为10次, 样品扫描谱区波数为50~3 500 cm^-1。

1.5.1 光谱数据预处理

由于样品颗粒大小和均匀性不同, 采集到的原始光谱包含了荧光背景、 探测器噪声和激光功率波动等干扰信息。 对近红外光谱、 中红外光谱及拉曼光谱原始数据均使用5种预处理方法消除干扰信息, 如标准归一化(standard normal variable, SNV)、 一阶微分(1st)、 二阶微分(2nd)以及叠加预处理方法(SNV+1st, SNV+2nd), 选取大米产地鉴别最优模型。

由于预处理后的光谱数据分类特征不突出, 需对其进行特征波长的筛选使数据降维, 故使用竞争性自适应重加权采样法^[10](competitive adapative reweighted sampling, CARS)算法采用5折交叉验证, 重复筛选特征波长2 000次选择最优筛选结果, 最优模型的近红外光谱、 中红外光谱及拉曼光谱数据筛选特征波长个数分别为57、 216及134。 主要集中在近红外光谱的4 000~5 500和6 000~7 000 cm^-1波段, 中红外光谱的3 000~3 600和800~1 500 cm^-1波段, 拉曼光谱的1 000~1 500和2 800~3 200 cm^-1波段。

1.5.2 样品分组

将186份大米样品按照产地定义为3类, 五常大米36份、 南方大米42份、 东北大米108份。 按照校正集:验证集=3:1的比例, 对样品隔三取一分组以保证校正集数据的均匀性, 具体见表1。

表1

Table 1

表1(Table 1)

表1 大米校正集和验证集样本分组情况 Table 1 Sample grouping of rice calibration set and validation set 样品类型 五常大米 南方大米 东北大米 总计 样品数 36 42 108 186 校正集 27 32 81 140 验证集 9 10 27 46

表1 大米校正集和验证集样本分组情况 Table 1 Sample grouping of rice calibration set and validation set

1.5.3 数据融合技术

融合方式的选择是数据融合技术的关键, 本研究采用数据层融合、 特征层融合及决策层融合3种融合方法。

数据层融合是将所有样品的近红外、 中红外及拉曼光谱原始数据均采用5种方法进行预处理, 将3种光谱相同预处理的数据逐个连接串联成单个矩阵, 经CARS算法提取5个光谱融合矩阵的特征波长, 筛选出来的5个特征矩阵结合KNN算法、 LDA算法和LS-SVM算法三种化学计量分析方法建立15个大米产地鉴别模型。

特征层融合是将所有样品的近红外、 中红外及拉曼光谱原始数据均采用5种方法进行预处理, 经CARS算法提取15个预处理数据的特征波长, 将3种光谱相同预处理的特征信息串联在单个矩阵中, 结合化学计量分析方法KNN、 LDA及LS-SVM算法建立15个大米产地鉴别模型。

决策层融合是将所有样品的近红外、 中红外及拉曼光谱原始数据均采用5种方法进行预处理得到15个光谱预处理矩阵, 经CARS筛选矩阵的特征信息, 结合KNN、 LDA及LS-SVM算法建立单一光谱大米产地鉴别模型, 共计45个。 将近红外光谱、 中红外光谱及拉曼光谱模型的相同化学计量分析方法的预测结果集成到最终响应中进行多元线性回归, 得到校正集及预测集的正确率。

近红外光谱波数范围在4 000~12 500 cm^-1, 如图2(a)所示, 在波段7 500~9 000 cm^-1的峰为C— H的伸缩振动峰, 在波数8 321 cm^-1左右的吸收峰是由脂肪中的C— H伸缩振动引起的; 6 846 cm^-1处的吸收峰是由氨基酸的N— H不对称振动引起的; 4 000~5 500 cm^-1波段吸收峰是C— H的第一组合频区, 其中4 700 cm^-1表征的是大米样品中糖类及蛋白质含量^[5], 5 200 cm^-1附近的峰为O— H键, 表征水分含量。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 三类大米样品的平均原始光谱: 近红外光谱(a)、 中红外光谱(b)及拉曼光谱(c); 三类大米样品的平均SNV+2nd预处理光谱图: 近红外光谱(d)、 中红外光谱(e)及拉曼光谱(f)Fig.2 Average spectra of three types of rice samples: NIR (a), MIR (b) and Raman (c); Average SNV+2nd pretreated spectra of three types of rice samples: NIR (d), MIR (e) and Raman (f)

中红外光谱波数范围在400~4 000 cm^-1, 如图2(b)所示, 在波数3 300 cm^-1的吸收峰为O— H或N— H伸缩振动吸收峰; 在波数2 930 cm^-1的吸收峰为C— H伸缩振动吸收峰; 在波数1 632 cm^-1的峰为C=O伸缩振动和N— H弯曲振动特征峰; 在波段1 000~1 500 cm^-1的峰为蛋白质、 淀粉及脂肪中的O— H、 C— H及O— C— C的振动吸收峰; 1 000 cm^-1以下的的指纹特征峰为糖骨架振动吸收峰^[8]。

拉曼光谱的波数范围在50~4 000 cm^-1, 如图2(c)所示, 波数477 cm^-1处的峰是由大米中淀粉的环骨架振矾和扭动振动形成; 波数1 082 cm^-1处的峰表征了直链淀粉C— O— H的弯曲振动; 波数为1 124 cm^-1处的峰为糖苷的C— O伸缩振动和C— O— H弯曲变形振动; 在波数1 262 cm^-1处的峰为蛋白质的C— N伸缩振动; 在波数2 911 cm^-1的峰为淀粉H— C— C和H— N— H伸缩振动^[9]。

综上所述, 由于不同地区环境的差异, 使得不同产地大米中淀粉、 糖苷及氨基酸等物质有一定差别, 光谱具有不同特征。 如图2所示三类大米样品的近红外光谱、 中红外光谱及拉曼光谱, 在一些波长范围内不同类别样品的光谱有较明显的区别。 如近红外光谱4 000~5 500 cm^-1波段, 为C— H、 N— H、 O— H及C=O键的吸收波段, 此波段五常大米吸光度较高; 中红外光谱在波数3 300 cm^-1和波段1 000~1 500 cm^-1, 为O— H、 N— H、 C— H及O— C— C键的振动峰, 南方大米光谱透过率较低; 拉曼光谱波数2 911 cm^-1处, 为H— C— C和H— N— H伸缩振动峰, 东北大米光谱拉曼强度较高。 红外光谱和拉曼光谱都是研究分子结构的有效手段, 3种光谱表征的大米化学结构相互关联, 互相补充。

将近红外光谱、 中红外光谱及拉曼光谱分别结合KNN、 LDA及LS-SVM算法3种化学计量分析方法建立45个大米产地鉴别模型, 较优模型鉴别结果如表2所示。 研究结果表明, 3种光谱技术均可对大米产地进行识别和分析, 不同预处理方法对模型识别效果的影响均有差异。

表2

Table 2

表2(Table 2)

表2 单一光谱模型的最优鉴别结果 Table 2 Optimal identification results of models using one type of spectral data 光谱 建模方法 最优预处理 方法 校正集正确率/% 验证集正确率/% 五常大米 南方大米 东北大米 平均 五常大米 南方大米 东北大米 平均 KNN SNV+2nd 77.78 88.89 95.06 89.29 88.89 90.00 85.19 86.96 近红外光谱 LDA 2nd 92.59 71.88 80.25 80.71 100.00 80.00 66.67 76.09 LS-SVM SNV+2nd 85.19 93.75 100.00 95.71 66.67 100.00 92.59 86.96 KNN SNV+1st 96.30 84.38 100.00 95.00 88.89 80.00 92.59 89.13 中红外光谱 LDA SNV+1st 81.48 84.38 92.59 87.86 100.00 60.00 85.19 80.43 LS-SVM 1st 96.30 90.63 100.00 97.14 88.89 90.00 92.59 91.30 KNN SNV+2nd 88.89 90.63 100.00 95.71 88.89 90.00 92.59 91.30 拉曼光谱 LDA 1st 92.59 71.88 98.77 90.71 88.89 60.00 88.89 82.61 LS-SVM SNV+2nd 100.00 100.00 100.00 100.00 88.89 90.00 96.29 93.48

表2 单一光谱模型的最优鉴别结果 Table 2 Optimal identification results of models using one type of spectral data

近红外光谱大米产地鉴别模型中, LS-SVM算法结合SNV+2nd预处理方法模型最优, 其校正集和验证集识别正确率分别为95.71%和86.96%, 说明近红外光谱法结合化学计量分析方法建立大米产地鉴别模型是可行的。 中红外光谱大米产地鉴别模型中, LS-SVM算法结合1st预处理方法模型最优, 其校正集和验证集识别正确率分别为97.14%和91.30%, 其验证集正确率较近红外光谱最优模型提高了4.34%。 拉曼光谱大米产地鉴别模型中, LS-SVM算法结合SNV+2nd预处理方法模型最优, 其校正集和验证集识别正确率分别为100%和93.48%, 该模型验证集正确率较近红外光谱和中红外光谱最优模型分别提高了6.52%和2.18%。

近红外光谱最优模型将3个五常大米样品错误识别为东北大米, 将2个东北大米样品错误识别为南方大米。 近红外光谱主要记录含氢集团振动的倍频和合频吸收, 而中红外光谱为分子基频振动光谱, 可以获得更多的大米样品信息, 中红外光谱最优模型将1个五常大米样品错误识别为东北大米, 将1个南方大米样品和2个东北大米样品误判为五常大米, 优于近红外光谱模型。 由于拉曼与红外的机理不同, 红外容易测定链上的取代基, 而拉曼光谱可以检测与对称中心有对称关系的分子, 容易表征碳链振动, 适合研究高分子的骨架结构。 其最优模型将1个五常大米错误识别为南方大米, 将1个南方大米和1个东北大米样品错误识别为五常大米, 优于中红外光谱模型。

结果表明, 3种光谱法均可建立大米产地鉴别模型且取得良好的效果, 3种化学计量分析方法中LS-SVM算法的模型鉴别正确率最高, 3种光谱法中拉曼光谱法最适合大米产地鉴别研究。 但是单一光谱模型验证集正确率均未达到100%, 无法达到快速准确鉴别大米产地的需求。

为进一步提升大米产地鉴别模型的识别正确率, 将近红外光谱、 中红外光谱和拉曼光谱两两结合进行数据层融合、 特征层融合及决策层融合, 建立大米产地鉴别模型。 结果表明, 中红外光谱和拉曼光谱特征层融合的LS-SVM算法结合SNV+1st预处理方法模型最优, 较单一光谱最优模型验证集正确率提高了2.17%, 但正确率未达到100%。 为进一步实现对大米产地的精准识别, 采用基于近红外光谱-中红外光谱-拉曼光谱的三种融合方法: 数据层融合、 特征层融合和决策层融合, 3种融合模型较优结果如表3所示, 3种光谱信息特征层融合结合LS-SVM算法大米产地鉴别模型最优, 其校正集和验证集正确率均达到100%, 可以实现对五常大米、 东北大米和南方大米产地快速准确的识别。

表3

Table 3

表3(Table 3)

表3 数据融合模型验证结果 Table 3 Identification results of data fusion model 光谱 建模方法 最优预处理 方法 校正集正确率/% 验证集正确率/% 五常大米 南方大米 东北大米 平均 五常大米 南方大米 东北大米 平均 KNN SNV+1st 96.30 100.00 100.00 99.29 88.89 90.00 100.00 95.65 数据层融合 LDA 1st 100.00 71.88 100.00 93.57 100.00 70.00 100.00 93.48 LS-SVM SNV+2nd 100.00 100.00 100.00 100.00 88.89 90.00 100.00 95.65 KNN SNV+2nd 100.00 100.00 100.00 100.00 77.80 100.00 100.00 95.65 特征层融合 LDA 1st 100.00 81.25 100.00 95.71 77.80 100.00 100.00 95.65 LS-SVM SNV+2nd 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 KNN SNV+2nd 100.00 100.00 100.00 100.00 100.00 80.00 100.00 95.65 决策层融合 LDA 2nd 100.00 83.86 100.00 96.43 100.00 70.00 100.00 93.48 LS-SVM SNV+1st 100.00 100.00 100.00 100.00 88.89 100.00 100.00 97.83

表3 数据融合模型验证结果 Table 3 Identification results of data fusion model

数据层融合大米产地鉴别模型中, LS-SVM算法结合SNV+2nd预处理方法模型和KNN算法结合SNV+1st预处理方法模型最优, 验证集正确率均达95.65%, 均误判了1个五常大米和1个南方大米样品。 LDA算法模型将3个南方大米样品误判为东北大米。 对比表2、 表3可知, 数据层融合最优模型验证集正确率较单一光谱最优模型提高了2.17%, 数据层融合直接对原始数据进行融合处理, 最大限度的保留了原始信息, 不同数据源结合可以获得更为全面的特征信息, 从而提高鉴别模型的识别正确率。 由于所采集的信息量大, 包含大量的无关信息, 噪声信号多, 其模型识别正确率均未达到100%。

决策层融合大米产地鉴别模型中, 将五常大米、 南方大米以及东北大米样品分别定义为数值1、 数值2及数值3, 定义预测结果在0.5~1.5范围内为五常大米, 1.5~2.5范围内为南方大米, 2.5~3.5范围内为东北大米。 LS-SVM算法结合SNV+1st预处理方法模型最优, 其验证集正确率为97.83%, 将1个五常大米样品误判为南方大米, 该模型校正集和验证集参考值和预测值关系如图3所示。 KNN算法结合SNV+2nd预处理方法模型验证集正确率为95.65%, 将2个南方大米样品误判为东北大米。 决策层融合是建立在单一光谱模型的基础上对最终的预测结果进行综合的决策, 抗干扰性强, 其验证集正确率较单一光谱最优模型提升了2.18%, 但均未达到100%。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 决策层融合最优模型校正集(a)和验证集(b)的参考值和预测值关系图Fig.3 Reference and prediction values of calibration set (a) and validation set (b) by using decision level fusion optimal model

特征层融合大米产地鉴别模型中, LS-SVM算法结合SNV+2nd预处理方法鉴别模型最优, 其校正集和验证集识别正确率均达100%。 特征层融合可以得到比决策层融合更为丰富的样品初始信息, 对初始数据压缩可以去除大量的干扰数据, 具有较高的精度, 而决策层融合的精度较低会造成错误判断的概率增加, 特征层融合最优模型较决策层融合最优模型验证集正确率提高了2.17%。 KNN算法结合SNV+2nd预处理方法模型和LDA方法结合1st预处理方法模型验证集识别正确率均为95.65%, 各误判了1个五常大米样品。 特征层融合最优模型较单一光谱最优模型验证集正确率提高了6.52%, 可以满足快速准确检测五常大米、 南方大米和东北大米产地的需求。