玉米霉变程度拉曼光谱检测及AFB1与ZEN毒素定量预测.pdfVIP

摘要 摘 要 玉米是重要的粮食作物和生产原料，可以加工成各种食物、饲料和工业产品， 但在运输和储藏过程中极易发生霉变，导致品质劣变，不但引发食品安全问题， 也造成重大经济损失。黄曲霉毒素 B （AFB ）和玉米赤霉烯酮 （ZEN ）是在玉 1 1 米霉变过程中产生的2 种真菌毒素，具有极强致病性，是表征玉米霉变程度的重 要指标。 玉米霉变毒素的常规检测技术虽然具有高灵敏度等优点，但存在操作复杂， 耗时费力等不足。拉曼光谱技术因其精度高、采样方式灵活等优点，在农产品品 质检测方面引起越来越多的关注。 因此，本文采用拉曼光谱检测对不同霉变程度玉米样品的 AFB1 和 ZEN 含 量进行检测。基于拉曼光谱信息构建霉变玉米定性判别模型和含量预测模型，论 文的主要工作如下： （1）参照国标方法测定玉米样品中AFB1 和 ZEN 的理化含量，根据含量的 变化情况划分霉变程度。测定结果发现，第3 级到第4 级霉变程度的2 种毒素含 量变化明显，且从第4 级后2 种毒素的含量均超过国家标准。 （2 ）拉曼光谱预处理：采用迭代多项式拟合基线校正 （IPF ）方法去除了荧 光背景干扰；采用多元散射校正（MSC ）、标准正态变量变换（SNV ）、高斯- 洛伦兹混合函数峰位拟合方法（GaussLor ）消除噪声干扰，对比建立偏最小二乘 （PLS ）模型的R2 和RMSE ，确定GaussLor 方法更为合适。 （3 ）拉曼光谱异常值样本剔除：利用主成分分析- 马氏距离算法（PCA- MD ），不同霉变程度玉米的异常值样本不同，根据距离大于预设阈值的标准判 定为异常值样本并进行剔除，不同霉变程度剔除6 个异常值样本，结果为每一程 度保留44 个样品。 （4 ）拉曼光谱特征波长选择：采用间隔偏最小二乘（iPLS ）方法选择有效 区间，针对2 种毒素分别从划分的8 个间隔区间选取了5 个有效区间；采用无信 息变量算法（UVE ）和连续投影算法（SPA ）选择特征波长，针对 2 种毒素，2 种算法分别筛选了51 、7 和 10、3 个特征波长。 （5 ）判别模型构建：采用 BP 神经网络（BPNN ）对样品中 AFB1 含量进行 判别分析。结果表明，基于UVE 和 SPA 算法的判别正确率为 98.33%和 98.33% 。 采用BPNN 对ZEN 含量进行判别分析，基于UVE 和SPA 算法正确率为96.67% 和95% 。综合来看，利用UVE 算法选取的特征波长所构建BPNN 判别模型预测 的准确率略高于SPA，且使用AFB1 含量进行判别的准确率高于ZEN 。 I 摘要 （6 ）预测模型构建：基于 UVE 和 SPA 提取的特征波长，分别采用 BPNN 和最小二乘-支持向量机（LS-SVM ）对 AFB 1 和 ZEN 含量进行定量预测。结果 表明，采用 UVE 进行特征提取后所建立的 LS-SVM 模型预测效果最佳，对 AFB1 和 ZEN 含量预测的指标 （R2 ，RMSEP ）分别为（0.9981 ，0.0915 ）和 （0.9890，0.6035 ）。 关 键 词：激光拉曼；霉变玉米；黄曲霉毒素B ；玉米赤霉烯酮毒素；判别 1 模型；预测模型 论文类型：研究类 选题来源：企业单位委托项目（2948 ），河南科技大学实验技术开发基金 （SY1819011 ） II 目录