中國(guó)是世界大米生產(chǎn)和消費(fèi)的大國(guó)之一，但不同產(chǎn)地的大米口感、營(yíng)養(yǎng)價(jià)值及品質(zhì)均具有明顯差異。為了確保大米的品種的產(chǎn)地，需要采取無(wú)損檢測(cè)技術(shù)，高光譜成像技術(shù)提供了很好的方法選擇。

?

大米溯源研究：高光譜成像技術(shù)法

本方法以大米產(chǎn)地的溯源為出發(fā)點(diǎn)，使用高光譜成像技術(shù)，以來(lái)源于5種東北和5種非東北的大米作為樣本集，對(duì)大米的產(chǎn)地進(jìn)行溯源研究。通過主成分分析法(principal component analysis，PCA)進(jìn)行主成分提取，實(shí)現(xiàn)高光譜數(shù)據(jù)降維，避免信息冗余。采用SVM建立大米產(chǎn)地溯源模型，旨在對(duì)市場(chǎng)中流通的大米產(chǎn)地進(jìn)行快速、準(zhǔn)確的判別。

通過預(yù)測(cè)結(jié)果可以發(fā)現(xiàn)，高光譜信息較為相近的大米溯源會(huì)有一定誤差，有待進(jìn)一步數(shù)據(jù)處理進(jìn)行大米產(chǎn)地溯源判斷。實(shí)驗(yàn)結(jié)果表明，高光譜成像技術(shù)可以實(shí)現(xiàn)對(duì)大米產(chǎn)地溯源的快速、準(zhǔn)確預(yù)測(cè)，在大米產(chǎn)地溯源具有廣闊的應(yīng)用前景。

?

大米溯源研究方法綜述 ?

傳統(tǒng)的檢測(cè)方法(如感官識(shí)別、近紅外光譜等)均有一定劣勢(shì)和不足。如感官識(shí)別受到主觀因素影響，檢測(cè)結(jié)果的準(zhǔn)確性和穩(wěn)定性并不高。近紅外光譜法需要對(duì)大米進(jìn)行研磨粉碎[45]，使得進(jìn)行檢測(cè)的大米樣本不能進(jìn)行后續(xù)的使用。高光譜成像技術(shù)結(jié)合了近紅外光譜和數(shù)字成像技術(shù)，具有高速、無(wú)損、精度高的特點(diǎn)，使樣本避免被破壞，被廣泛應(yīng)用于食品檢測(cè)領(lǐng)域。

PEREZ-RODRIGUEZ M等利用基于支持向量機(jī) (support vector machine，SVM) 的預(yù)測(cè)模型，建立了一種簡(jiǎn)單、快速、高效的火花放電激光誘導(dǎo)擊穿光譜方法。對(duì)四個(gè)水稻品種(古里、IRGA424、普伊特和塔伊姆)的72個(gè)樣品進(jìn)行分析，得到了按植物品種鑒別水稻樣品的最佳模型。該模型在試驗(yàn)樣本中的正確預(yù)測(cè)率達(dá)到了96.4%。

JIM等基于高光譜成像技術(shù)建立的最小二乘支持向量機(jī)模型對(duì)豬肉中的不飽和脂肪酸包括單不飽和脂肪酸和多不飽和脂肪酸進(jìn)行了檢測(cè)，并繪制了單不飽和脂肪酸和多不飽和脂肪酸含量的彩色圖，取得了良好的實(shí)驗(yàn)結(jié)果。吳寶婷等利用高光譜技術(shù)對(duì)靈武棗發(fā)酵過程中pH值和總酸含量進(jìn)行了定量分析，結(jié)合競(jìng)爭(zhēng)性自適應(yīng)加權(quán)算法(competitive adaptive reweighting sampling， CARS)和遺傳算法(genetic algorithm，GA)進(jìn)行特征波段的篩選，進(jìn)而建立偏最小二乘定量分析模型。結(jié)果表明，高光譜技術(shù)可以對(duì)靈武棗發(fā)酵過程中pH值和總酸含量進(jìn)行定量預(yù)測(cè)。可見，高光譜成像技術(shù)已經(jīng)廣泛應(yīng)用于食品檢測(cè)的各個(gè)領(lǐng)域，而大米產(chǎn)地溯源領(lǐng)域的報(bào)道并不是很多。

王璐采用隨機(jī)方法對(duì)大米樣品進(jìn)行訓(xùn)練集和測(cè)試集的劃分，根據(jù)訓(xùn)練集中樣本大米的平均光譜建立了最小二乘支持向量機(jī) (least squares support veotor maohine，LS-SVMD分類模型。選取正交信號(hào)校正法(orthogonal signal correction，OSC)作為光譜預(yù)處理方法，并利用連續(xù)投影算法(successive projections algorithm， SPA)提取特征波段建立大米產(chǎn)地分類模型，分類結(jié)果為95.36%。

王靖會(huì)等采集了吉林省梅河口市水稻主產(chǎn)區(qū)及松原、大安、輝南等其他水稻產(chǎn)區(qū)共990個(gè)大米樣本的高光譜圖像作為研究對(duì)象，利用多元散射校正(multiple scattering correction，MSC)處理方法對(duì)光譜進(jìn)行了預(yù)處理。采用了多層感知機(jī)(mul-tilayer perceptron，MLP)、極限學(xué)習(xí)機(jī)(extreme learning ma chine，ELMD與在線序列極限學(xué)習(xí)機(jī)(online sequence extreme learning machine，OS-ELM)算法，分別基于全波段高光譜數(shù)據(jù)建立產(chǎn)地溯源模型。實(shí)驗(yàn)結(jié)果表明，OS-ELM模型分類效果最好，可以準(zhǔn)確的進(jìn)行大米產(chǎn)地的溯源。

市場(chǎng)上大米產(chǎn)地來(lái)源極多，造成東北大米摻假問題嚴(yán)重。東北大米來(lái)源于多個(gè)產(chǎn)地，品種不一，不同產(chǎn)地的東北大米也存在著形態(tài)、成分組成等差異。再加上高光譜數(shù)據(jù)信息量豐富，但一些相關(guān)性不強(qiáng)的光譜信息會(huì)影響預(yù)測(cè)模型的準(zhǔn)確性，容易造成信息冗余，這就為應(yīng)用高光譜技術(shù)建立大米產(chǎn)地溯源造成了干擾和困難。