朱向榮 李高陽 江 靖 謝運河 單 楊 *

（1湖南省農(nóng)業(yè)科學(xué)院 湖南省農(nóng)產(chǎn)品加工研究所 長沙 410125

2湖南大學(xué)研究生院隆平分院 長沙 410125

3湖南省土壤肥料研究所 長沙 410125）

水稻是全球重要的糧食作物，然而由于水稻自身擁有的某些獨特基因，使水稻米粒吸收土壤中某些重金屬，特別是吸鎘能力明顯強于玉米、大豆等其它作物品種。水稻鎘污染對稻米生產(chǎn)、加工及質(zhì)量安全構(gòu)成了潛在威脅。目前，原子吸收光譜法[1]、原子熒光法[2]及電感耦合等離子體質(zhì)譜法[3]等分析方法常用于稻米中鎘含量的測定。這些方法準(zhǔn)確性好、靈敏度高，然而存在著儀器設(shè)備昂貴、樣品前處理繁雜以及環(huán)境不友好等缺點。近紅外 （near infrared spectroscopy，NIR） 光譜具有快速、高效、環(huán)保等優(yōu)點，在稻米的營養(yǎng)品質(zhì)檢測中均有應(yīng)用[4-7]。無機元素在近紅外光譜區(qū)并沒有吸收，而蛋白質(zhì)、淀粉、纖維素與半纖維素等有機物質(zhì)與無機元素結(jié)合，形成的絡(luò)合物和螯合物能夠在NIR光譜區(qū)反映出來[8-9]，這為NIR光譜檢測鎘稻米提供理論依據(jù)。國內(nèi)外學(xué)者采用NIR光譜對動物源食品[10-12]、植物源食品[13-16]、農(nóng)作物[17-19]以及水樣[20-22]中的重金屬元素進行定性、定量分析，而對鎘污染稻米鮮有研究報道。稻米待檢的Cd含量低，特征變量較難識別。作者在前期研究中，采用NIR光譜結(jié)合變量篩選方法對鎘稻米進行二分類識別[23]、定量檢測[24]，取得滿意的效果。

鎘超標(biāo)稻米中雖有鎘超標(biāo)較嚴(yán)重的稻米，但更多的是鎘輕微超標(biāo)稻米。后者鎘含量超過現(xiàn)有國家標(biāo)準(zhǔn)0.2 mg/kg，普遍低于0.4 mg/kg。鎘污染稻米可以通過淀粉提取工藝優(yōu)化，提取到的淀粉中鎘含量顯著下降[25]。本文將鎘污染稻米分為4類：合格稻米（小于 0.2 mg/kg），輕度污染（0.2～0.4 mg/kg），中度污染（0.4～1.0 mg/kg）以及重度污染（大于1.0 mg/kg）。首先采用主成分分析法（partial component analysis，PCA）對光譜進行解析，然后采用偏最小二乘識別分析 （partial least squares discriminant analysis，PLS-DA）、 徑向基人工神經(jīng)網(wǎng)絡(luò) （radical basis function-artificial neural network，RBF-ANN） 及支持向量機 （support vector machine，SVM）3種多分類模式識別算法進行識別分析，系統(tǒng)研究不同的光譜預(yù)處理方法對模型的影響，同時比較不同方法的建模效果差異，為稻米食用安全以及鎘污染稻米加工利用奠定基礎(chǔ)。

1 材料與方法

1.1 樣本收集

2014年10月在湖南省湘潭、婁底、衡陽等地采集281個稻米樣本，均為晚秈稻谷。所有樣品在85℃烘干4 h，冷卻至常溫，用礱谷機脫殼，用粉碎機粉碎至40目，備用。

1.2 儀器與試劑

Nicolet AntarisⅡ傅里葉變換近紅外光譜儀，配有積分球漫反射采樣系統(tǒng)與銦鎵砷（In-GaAs）檢測器，Omnic7.3光譜采集軟件，TQ Analyst v6.2.1分析軟件，美國熱電尼高力公司；Agilent 7700X電感耦合等離子體質(zhì)譜儀，美國安捷倫科技有限公司；JLG-1礱谷機，國家糧食儲備局成都糧食儲藏科學(xué)研究所；，F(xiàn)W80高速萬能粉碎機，天津泰斯特有限公司；SY-2恒溫沙浴鍋，江蘇金壇市成輝儀器廠；BSA124S分析天平，賽多利斯北京科學(xué)儀器有限公司；實驗用硝酸為優(yōu)級純，西隴化工有限公司；鎘標(biāo)準(zhǔn)貯備液（1 000 mg/L）與大米粉中鎘成分分析標(biāo)準(zhǔn)物質(zhì)（GBW08511）（0.504 mg/L），國家標(biāo)準(zhǔn)物質(zhì)中心提供。實驗用水為18 MΩ去離子水，美國Millipore超純水系統(tǒng)。其它試劑均為分析純級。

1.3 試驗方法

1.3.1 樣品前處理 采用GB/T 5009/15-2003《食品中鎘的測定》方法測定。準(zhǔn)確稱量0.5 g樣品，置250 mL錐形瓶中，加入20 mL硝酸，加蓋浸泡過夜。采用沙浴加熱進行消化，加熱至錐形瓶中的溶液澄清停止加熱。冷卻后，用去離子水溶解并定容25 mL容量瓶中，待上機。每批均采用含鎘稻米標(biāo)準(zhǔn)物質(zhì)進行質(zhì)控，并以空白樣品（僅試劑）消除背景。試驗用玻璃器皿包括容量瓶、移液管、燒杯等均用（1+4）硝酸浸泡24 h，然后依次用自來水、蒸餾水、超純水沖洗3次，烘干備用。

1.3.2 電感耦合等離子體質(zhì)譜測定條件 儀器工作條件：高頻發(fā)射功率1 500 W，蠕動泵0.1 rps，載氣流量1.05 L/min，輔助器流量0.36 L/min，霧化室溫度2℃，溶液提升比1.0 mL/min，等離子體氣體15 L/min，采樣深度8 mm，掃描方式為跳峰，每點積分時間0.3 s，重復(fù)測量2次。電感耦合等離子體質(zhì)譜儀經(jīng)調(diào)諧使儀器處于最佳狀態(tài)，依次測定元素標(biāo)準(zhǔn)溶液，方法空白和稻米消解待測液，儀器自動繪制標(biāo)準(zhǔn)曲線，計算待測液中Cd元素的含量。

1.3.3 近紅外光譜方法 近紅外光譜掃描采用漫反射檢測系統(tǒng)，NIR光譜掃描波數(shù)范圍10 000～4 000 cm-1，優(yōu)化光譜掃描條件，確定掃描次數(shù)32次，分辨率8 cm-1，增益2。內(nèi)置背景為參照。每次試驗前先掃描背景光譜，所有掃描得到的譜圖都是扣除背景光譜后的樣本NIR純光譜。每批樣品做3次平行試驗，取其平均光譜，以消除樣品不均勻性帶來的干擾。

1.3.4 數(shù)據(jù)處理軟件 所有程序均在Matlab7.1軟件（Mathwork Inc.）實現(xiàn)，SVM算法由臺灣大學(xué)林智仁（Lin Chin-Jen）提供“LibSVM”改編。 此外還使用classification_toolbox_3.0工具箱 （下載網(wǎng)址：www.disat.unimib.it/chm）進行分類模式識別，人工神經(jīng)網(wǎng)絡(luò)工具包由MATLAB7.1軟件自帶。其它程序為本實驗室自行編制。

2 結(jié)果與分析

2.1 NIR光譜分析

圖1為樣本的近紅外光譜圖，記錄了10 000～4 000 cm-1波數(shù)樣本的NIR光譜曲線。所有樣本的NIR光譜無明顯差異，肉眼很難辨別，必須采用化學(xué)計量學(xué)方法進行數(shù)據(jù)預(yù)處理和建立模型。

2.2 樣本集劃分

采用Kennard Stone（KS）法從281個樣本挑選出211個樣本作為校正集，其余的70個樣本作為預(yù)測集。圖2為采用PCA法樣本的主成分得分圖，可以看出，校正集樣本（“o”形）在主成分上分布均勻，預(yù)測集樣本被包括在校正集樣本（“*”形）的分布空間中，這使得校正集樣本的光譜信息包括預(yù)測集樣品的光譜信息。通過上述劃分，能夠提高鑒別模型的泛化能力。然而，樣本的NIR光譜差異太小，PCA得分圖重疊嚴(yán)重，很難采用PCA對不同污染程度的鎘稻米進行區(qū)分。

表1列出4類樣品在校正集與預(yù)測集中的分配情況。數(shù)據(jù)集211個樣品被分配成4類，其中合格（qualified）樣品所占比例較高，達到 146/281×100%=69%，輕度污染（lightly polluted）樣品所占比例為64/281×100%=22.7%，中度污染（moderate-ly polluted） 所占比例為51/281×100%=18.1%，重度污染（severely polluted）較少，所占比例為 24/281×100%=8.8%。

圖1 樣本的近紅外光譜圖Fig.1 The near infrared spectra of representative samples

圖2 樣本的第1主成分與第2主成分分布圖Fig.2 Distribution of PC1 and PC2 for the samples

表1 樣本集中4類樣本的劃分情況Table1 The partition of four classes in data set

2.3 光譜預(yù)處理優(yōu)化

采集的NIR原始光譜分別經(jīng)過無處理（none）、范圍歸一化（range scaling）、均值中心化（mean centering）、自歸一化（autoscaling）、多元散射校正（MSC）、一階導(dǎo)數(shù)（D1）及其組合共11種預(yù)處理方法，如表2所示。以交叉驗證準(zhǔn)確率為指標(biāo)，最終確定最優(yōu)的預(yù)處理autoscaling方法。

2.4 PLS-DA模型的建立

采用PLS-DA建立稻米鎘4種類別的分類模型。采用十折法（10-fold）交叉驗證，確定了最佳的潛變量數(shù)為8。模型的校正集鑒別準(zhǔn)確率為80.1%，模型的預(yù)測集鑒別準(zhǔn)確率為77.1%。采用特異度（1-specificity）和靈敏度（sensitivity）為評價指標(biāo)，對模型進行評價。圖3左為4類樣本的ROC曲線圖，其中，第1類樣本（圖3左-a）與第4類樣本（圖3左-d）的ROC曲線下面積最大，識別率較高；第2類樣本的ROC曲線下面積（圖3左-b）最小，識別率最低。圖2右為4類樣本的閾值變化圖，由于分配給每個樣本分類閾值 （the class threshold）的靈敏度與特異度是發(fā)生變化的，在靈敏度線與特異度線交叉時，此時的假陽性與假陰性最小，分類閾值就可以確定[26]。以分類準(zhǔn)確率最高的第4類樣本為例（圖3右-d），其分類閾值為0.05，而高于0.05的閾值都可以劃分鎘重度污染稻米。

表2 PLS-DA模型光譜預(yù)處理優(yōu)化Table2 The optimization of spectral pretreatment of PLS-DA models

圖3 4類樣本的ROC曲線圖（左）及閾值變化圖（右）Fig.3 ROC curves （left） and plots of the class threshold change （right） for four classes

2.5 SVM模型的建立

采用RBF核時，要對懲罰參數(shù)cost（C）與徑向核函數(shù)gamma（γ）這兩個最重要參數(shù)進行選擇[27-28]。本文采用SVM中的徑向基核函數(shù)，利用五折交叉驗證法（five-fold cross validation）進行交叉驗證[29]。通過Python3.5軟件自動參數(shù)優(yōu)化，采用Gnuplot5.0軟件畫出等高線圖。SVM校正模型的參數(shù)優(yōu)化得到的徑向基系數(shù)γ=0.036，懲罰參數(shù)C=256，交叉驗證準(zhǔn)確率為71.1%。對預(yù)測集進行驗證，預(yù)測準(zhǔn)確率為67.2%。

2.6 RBF-ANN模型的建立

在RBF-ANN網(wǎng)絡(luò)訓(xùn)練中，如預(yù)定的最大神經(jīng)元個數(shù)比指定的樣本數(shù)量小很多，那么ANN達不到給定的誤差，模型精度就會降低；而最大神經(jīng)元個數(shù)又不能太大，如太大會導(dǎo)致模型輸出結(jié)果錯誤[30]。本文將最大神經(jīng)元個數(shù)設(shè)為其樣本數(shù)211個，不會對運算造成負擔(dān)。采用newrb函數(shù)對散布常數(shù)（spread）進行優(yōu)化。采用多輸出 RBF神經(jīng)網(wǎng)絡(luò)，將歸一后的NIR光譜變量作為4類不同稻米鎘樣本的輸出，其中（1001）為合格稻米，（0100）為輕度鎘污染稻米，（0010）為中度鎘污染稻米，（00 01）為重度鎘污染稻米。通過優(yōu)化確定，最佳的spread常數(shù)為3.5時，預(yù)測集的識別率最高，預(yù)測集中70個樣本有48個預(yù)測正確，22個預(yù)測錯誤，正確識別率為68.5%。

2.7 建模方法的比較

表3比較了3種建模方法的鑒別正確率差異，其中PLS-DA的分類結(jié)果最好，優(yōu)于SVM與RBF-ANN，校正集與預(yù)測集的鑒別準(zhǔn)確率分別達到80.1%與77.1%。這是由于PLS-DA是基于PLS回歸的模式識別方法，將NIR光譜數(shù)據(jù)與樣本屬性進行回歸后，通過建立判定函數(shù)更容易得到精度更高的預(yù)測集鑒別結(jié)果。而在多分類SVM中，通過核函數(shù)構(gòu)建可分的稻米鎘多分類超平面非常困難，導(dǎo)致分類結(jié)果較差；訓(xùn)練樣本的數(shù)量嚴(yán)重影響訓(xùn)練的速度與支持向量的數(shù)量，導(dǎo)致SVM模型的泛化能力下降。由于樣本的NIR光譜數(shù)據(jù)特征并不具有完全的代表性和典型性，不能完全表征每類樣本的屬性狀態(tài)，因此，樣本的質(zhì)量能夠在很大程度上影響RBF-ANN的識別精度，導(dǎo)致RBF-ANN也難獲得最優(yōu)解。

表3 3種建模方法的比較Table3 Comparisons of three modeling methods

3 結(jié)論

1）采用傅里葉變換近紅外光譜結(jié)合模式識別分析方法，初步實現(xiàn)了不同污染程度的稻米多分類識別。

2）3種建模方法中，PLS-DA法建立的模型性能最優(yōu)，預(yù)測集準(zhǔn)確率為77.1%。對比3種判別分析方法，PLS-DA是最為經(jīng)典、常用的線性判別方法。ANN與SVM均為非線性判別分析方法，這兩種分析方法對于非線性數(shù)據(jù)來說，通?？扇〉幂^好的判別結(jié)果，而對于本研究中復(fù)雜的多分類數(shù)據(jù)卻沒有取得最優(yōu)解，說明在特定的研究對象下，選擇合適的建模方法尤為重要。

3）將擴大樣品量，提高模型的穩(wěn)健性與準(zhǔn)確性。

本研究結(jié)果為近紅外光譜技術(shù)在不同鎘污染程度的稻米樣品類型快速識別上提供試驗依據(jù)。