薏仁种类的近红外光谱技术快速鉴别.docVIP

第３４卷，第５期　　　　　　　　　　　　光谱学与光谱分析２０１４年５月　　　　　　　　　　　　Spectroscopy and Spectral Analysis Vol 畅３４，No 畅５，pp １２５９‐１２６３ May ，２０１４　 薏仁种类的近红外光谱技术快速鉴别 刘　星１，毛丹卓２，王正武１倡，杨永健２ １畅上海交通大学农业与生物学院食品科学与工程系，上海　２００２４０２畅上海市食品药品检验所，上海　２０１２０３ 摘　要　薏仁是一种药食两用资源，对其品质快速鉴别的需求也越来越多，近红外光谱技术（near infrared spectroscopy ，NIRS ）作为一种快速、无损且环保的方法正适合这一需求。以不同产地和品种薏仁的近红外光谱为基础，结合化学计量学方法对薏仁种类进行鉴别。对原光谱用无监督学习算法主成分分析（p rincipal component analysis ，PCA ）和有监督学习算法学习向量量化（learning vector quantization ，LVQ ）神经网络、支持向量机（support vector machine ，SVM ）进行定性判别分析。由于不同地区和不同品种的薏仁营养物质组成复杂且含量相近，所选两类薏仁的特征变量很相似，因而PCA 得分图重叠严重，很难区分；而LVQ 神经网络和SVM 都能得到满意结果，LVQ 神经网络的预测正确率为９０畅９１％，SVM 在经过惩罚参数和核函数参数优选后，分类准确率能达到１００％。结果表明：近红外光谱技术结合化学计量学方法可作为一种快速、无损、可靠的方法用于薏仁种类的鉴别，并为市场规范提供技术参考。 关键词　薏仁；近红外光谱；支持向量机；学习向量量化神经网络；定性判别 中图分类号：O ６５７畅３　　文献标识码：A 　　　DOI ：１０畅３９６４／j 畅issn 畅１０００‐０５９３（２０１４）０５‐１２５９‐０５ 学计量学方法开展了这方面的研究，以期为薏仁市场的规范提供技术参考。 由于近红外光谱含有的大量数据信息是来源于分子振动的倍频与合频，很难从光谱图中直接得出物质组成信息，必须依靠化学计量学方法［５］。本研究采用了主成分分析［６］、支持向量机［７，８］和学习向量量化［８］神经网络三种方法分别进行薏仁品种的定性判别分析，取得了满意的结果。 引　言 　　薏苡（Coix lachryma ‐j obi L 畅var 畅ma ‐y uen Stapf ）为一年或多年生的草本植物，主产于亚洲国家，如中国、泰国、缅甸、韩国、日本等，在我国福建、贵州、辽宁、河北、江苏等省都有广泛种植［１］。其干燥成熟种仁称为薏仁，性甘、微寒、无毒。薏仁所含油脂和蛋白质都高于一般的谷物，且油脂含有抗肿瘤［２］、免疫调节［３］等多种药理作用的成分，蛋白质中含有其他谷物缺少的赖氨酸、蛋氨酸等 ［４］ １　实验部分 1畅1　仪器与试剂 ASE ３５０加速溶剂萃取仪（美国ThermoFisher 公司）； ，因此被誉为“世 界禾本科植物之王”，在欧洲也被称为“生命健康之友”，被广泛用作药食两用资源。 薏仁所含营养价值会因不同品种而有差异，最直观的品种差异即颗粒的大小，其市场价格也有悬殊，一般小薏仁的市场价格高于大薏仁。现在人们对饮食健康的追求超过以往任何时代，对于薏仁的食用量也在逐年增加，出现各种的薏仁产品，如薏仁粉等产品。由于薏仁形态的改变，人们很难通过肉眼辨识薏仁品种，一些投机商家则乘机以大充小来获取更多的利润，而目前国内外对于大小薏仁的鉴别研究还处于空白，本工作借助近年来兴起的近红外光谱技术，结合化　收稿日期：２０１３‐０７‐０６，修订日期：２０１３‐１１‐０５ L ‐８９００氨基酸分析仪（日本日立公司）；Kjeltec ８２００自动凯氏定氮仪（丹麦FOSS 公司）；M PA 傅里叶变换近红外光谱仪（德国Bruker 公司），InGaAs 检测器，使用积分球模式采样系统和样品旋转器采样附件，采用OPUS ６畅５光谱分析软件，Matlab R ２００９a （Mathwork Inc 畅）为数据处理软件。 丙酮（分析纯，上海凌峰化学试剂有限公司），凯氏定氮 催化剂（FOSS 公司），氨基酸标准溶液（日本日立公司）；硫酸，盐酸，硼酸，甲基红，亚甲基蓝，乙醇，浓盐酸，苯酚， 　基金项目：国家自然科学基金项目３１１７１６４２）和科技部农业科技成果转化资金项目（２０１１GB ２C ０００００８）资助　作者简介：刘　星，女，１９８６年生，上海交通大学农业与生物学院博士研究生　　e ‐mail ：liuxinglyg ＠１２６畅com 倡通讯联系人　　e ‐mail ：zhengw uw ang ＠sjtu 畅edu 畅cn 态改变后很难区分。 Table 1　C