[发明专利]用于鉴别稻米镉含量超标的NIR光谱分析模型及鉴别方法

说明书

技术领域

本发明涉及近红外光谱检测技术领域，尤其涉及用于鉴别稻米镉含量超标的NIR光谱分析模型及采用该NIR光谱分析模型鉴别稻米中镉含量是否超标的方法。

背景技术

水稻是我国主要的粮食作物，65％的中国人以稻米为主食，稻米品质的优劣直接关系到人们的健康水平。镉(cadmium，Cd)是自然界中广泛存在的重金属元素，具有较强的毒性。水稻被认为是镉吸收最强的大宗谷类作物，镉容易被水稻吸收并积累。稻田镉污染不仅导致水稻产量下降，更严重的是镉元素在水稻植株内大量累积，通过土壤—植物—人体的食物链途径传递，严重威胁到人类健康，直接影响我国的粮食安全。

世界各国已经对稻米中的镉含量制定了严格的限量标准。我国食品卫生标准(GB-2762-2012)规定稻米中镉的最高限量为0.2mg·kg^-1。因此，对稻米中镉含量进行质量控制，保障稻米食用安全，采用快速、无损的检测方法对稻米镉含量进行筛查尤为重要。目前，火焰原子吸收光谱法、石墨炉原子吸收光谱法，电感耦合等离子体原子发射光谱和电感耦合等离子体质谱等分析方法被广泛用于农产品(食品)中重金属元素含量的测定。这些方法虽然灵敏度高、准确性好，但也存在着需要专业人员操作、需要繁杂的样品前处理以及消耗大量的强酸试剂等缺点。

近红外光谱作为一种分子光谱分析手段，具有快速、便捷、非破坏性等优点，其在稻米中淀粉、蛋白质、氨基酸、脂肪、矿质元素、水分、脂肪酸值等指标的含量检测以及稻米的品种鉴别等领域均有应用，然而，上述应用的领域、检测的对象、项目及检测分析的具体方法都存在较大差异，而且迄今仍未有人提出将近红外光谱技术应用于稻米中重金属镉元素的含量水平检测，这不仅是因为稻米中镉含量较低，而且本领域技术人员很少会将稻米重金属镉含量是否超标的定性检测与近红外光谱技术的应用联系起来。

发明内容

本发明要解决的技术问题是克服现有技术的不足，提供一种操作简单、检测迅速、安全环保、检测精度高的用于鉴别稻米镉含量超标的NIR光谱分析模型及采用该NIR光谱分析模型鉴别稻米镉含量是否超标的鉴别方法。

为解决上述技术问题，提供了一种用于鉴别稻米镉含量超标的NIR光谱分析模型，所述NIR光谱分析模型的建立包括以下步骤：

(1)样本选取及其合格稻米的判定：随机选择足够数量的不同稻米样本，并采用石墨炉原子吸收法测定所选择的每个稻米样本中镉含量，将镉含量合格的稻米样本的判定值设为-1，镉含量超标的稻米样本的判定值设为1；

(2)样本光谱数据的采集：采用近红外光谱法分别对选择的每个稻米样本进行光谱采集，并将采集到的稻米样本的标准光谱数据随机分为训练集和预测集两部分；

(3)样本光谱数据的处理：对步骤(2)中采集到的训练集的标准光谱数据进行数据处理，以消除随机噪音、斜坡背景的干扰，校正光谱散射的影响；

(4)样本光谱数据的筛选：以上述步骤(3)中处理过的训练集的标准光谱数据作为选择来源对象，采用CARS法筛选出建模用光谱数据；

(5)初步分析模型的确立：根据所述建模用光谱数据测定出所述训练集中每个稻米样本的标准变量得分，并结合步骤(1)中测定的所述训练集中对应稻米样本的判定值，建立初步分析模型；

(6)初步分析模型的验证：将上述步骤(2)中预测集的标准光谱数据进行上述步骤(3)的数据处理，并结合(4)步骤的筛选方法筛选出验证用光谱数据；然后根据所述验证用光谱数据测定出所述预测集中各个稻米样本的标准变量得分，并结合所述步骤(5)的初步分析模型进行验证，完成所述鉴别稻米镉含量超标的NIR光谱分析模型的建立。

进一步的，步骤(2)中近红外光谱法的采集参数为：

近红外光谱扫描波数为10000cm^-1～4000cm^-1，

近红外光谱扫描次数为16～64次，

分辨率为4cm^-1～16cm^-1。

进一步的，所述步骤(3)中所述数据处理的方法为：对所述训练集的标准光谱数据先进行平滑处理，对平滑处理后的标准光谱数据再进行二阶导数处理，对二阶导数处理后的标准光谱数据再进行自归一化处理。

进一步的，所述步骤(4)中所述CARS法具体包括以下步骤：将训练集的光谱数据中每个变量看作一个个体，通过自适应加权采样技术筛选出回归系数绝对值＞0.02，权重＞0且通过交叉验证选出RMSECV＝0时所对应的波数变量，所述波数变量共有45个。