本发明专利技术公开了一种用于鉴别稻米镉含量超标的MIR光谱分析模型及鉴别方法，分析模型的建立包括：样本选取及合格稻米的判定、样本光谱数据的采集、样本光谱数据的处理、样本光谱数据的筛选、初步分析模型的确立、初步分析模型的验证等步骤，确定用于鉴别稻米镉含量超标的MIR光谱分析模型。还包括采用该MIR光谱分析模型鉴别稻米中镉含量是否超标的方法。本发明专利技术在采用化学方法鉴别所选择大量稻米样本的镉含量是否超标的基础上，采集稻米样本的中红外光谱，结合最小二乘支持向量机分类方法，建立基于中红外光谱技术和化学计量学方法的稻米镉含量是否超标的MIR分析模型，准确率达到93.1％以上，具有操作简单、检测迅速、安全环保等优势。
【技术实现步骤摘要】
用于鉴别稻米镉含量超标的MIR光谱分析模型及鉴别方法
本专利技术属于中红外（Mid infrared，MIR)光谱检测涉
，涉及一种用于鉴别 稻米镉含量超标的MIR光谱分析模型及鉴别方法。
技术介绍
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，通过土壤一植物一人 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OJmg^kg'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。 中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 农业、食品、医药等领域均有应用，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中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中红外光谱技术的应用联系起来。
技术实现思路
本专利技术的目的在于克服上述技术存在的模型鉴别率低、运算速度慢与模型复杂等 缺陷，提供一种操作简单、检测迅速、安全环保、模型运算简单、计算速度快与检测精度高用 于鉴别稻米镉含量超标的MIR光谱分析模型及鉴别方法。 本专利技术提供的用于鉴别稻米中镉含量超标的MIR光谱分析模型，采用化学方法鉴 别所选择大量稻米样本的镉含量是否超标的基础上，采集样本的中红外透反射光谱，结合 最小二乘支持向量机方法，建立基于中红外光谱技术和化学计量学方法的稻米镉是否超标 的鉴别模型。充分考虑了用于鉴别模型的稻米样本的代表性，准确地选取了波数变量；还使 用了平滑、微分、自归一化相结合的数据处理方法，消除了光谱散射影响与量纲以及数量级 的限制，提高了检测的准确性和稳定性。同时，校正后的MIR光谱分析模型还考虑到镉元素 与稻米中淀粉、蛋白质等成分形成有机络合物，采用WT方法对全光谱变量进行压缩，得到 该络合物在中红外光谱中的响应波段，以达到鉴别稻米镉含量是否超标的目的。 其具体技术方案为： -种用于鉴别稻米镉含量超标的MIR光谱分析模型，所述MIR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：采用中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，以抵消斜坡背景干扰，提高中红外光谱信噪比； (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，采用小波变换（Wavelet Transformation，WT)法对光谱数据进行压缩，提 取特征变量； (5)LS-SVM参数优化：采用二次格点搜索法（two-grid searching technique)和 交叉验证（cross validation)对上述步骤（4)采用WT压缩过的训练集进行训练以得到最 佳参数。 (6)初步分析模型的确立：根据所述建模用光谱数据并结合步骤（1)中测定的所 述训练集中对应稻米样本的判定值与步骤（5)优化的参数，建立初步分析模型； (7)模型的评价：采用总正确率（Total)和ROC下的面积对步骤（6)初步分析模 型进行评价； (8)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)步骤的压缩方法提取出验证用光谱数据；然后根据所述验证 用光谱数据并结合所述步骤（7)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MIR光谱分析模型的建立。 优选地，步骤（2)中红外光谱法的采集参数为： 中红外光谱扫描波数为4000CHT1?500CHT1， 中红外光谱扫描次数为8次， 分辨率为4CHT1。 优选地，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。 优选地，所述步骤⑷中所述WT法具体包括以下步骤：将光谱数据导入 MATLAB7. 1小波分析工具箱中，根据光谱信号的性质，选择具有正交性和离散小波变换功能 的 Daubechiesl，Daubechies2，Daubechies3 和 Daubechies4 小波，分别对信号进行 1，2, 3， 4, 5,6尺度水平分解和消噪，消噪时选择固定软阈值（fixed from soft threshold)。最终， 确定了具有正交性和离散Daubechied小波为最佳小波函数，变换功能的4尺度水平为最 佳分解尺度。通过WT压缩，原始光谱1557个变量被压缩成106个变量。 -种采用本专利技术所述的MIR光谱分析模型对稻米中镉含量超标的鉴别方法，包括 以下步骤： (a)中红外光谱仪采集待检测稻米样本的标准光谱数据； (b)在步骤（a)采集的标准光谱数据中选择谱带在4000CHT1?500CHT 1范围内的 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； (c)将所述经过步骤（b)处理过的标准光谱数据进行WT方法压缩得到特征光谱数 据； (d)分析模型的判定：将步骤（c)中筛选出的所述特征光谱数据输入到前述的MIR 光谱分析模型中，利用最小二乘支持向量机（LS-SVM)法对所述特征光谱数据建立定性模 型，并根据建立的定性模型鉴别所述待检测稻米样本的镉含量是否超标。 优选地，中红外光谱仪的参数控制如下： 中红外光谱扫描波数为4000CHT1?500CHT1，取0. 2g试样在玛瑙研钵中磨细后，力口 20g已干燥磨细的溴化钾粉末，试样与溴化钾质量比约为1 :100,充分混合并研磨；将研磨 好的混合物均匀地放入模具的顶模与底模之间，然后把模具放入压力机中，在12Pa的压力 下处理I. 5min即可得到均匀半透明的锭片；将锭片放入仪器本文档来自技高网...
【技术保护点】
一种用于鉴别稻米镉含量超标的MIR光谱分析模型，其特征在于，所述分析模型采用以下方法建立：(1)样本选取及其合格稻米的判定：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：采用中红外光谱法分别对所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，以抵消背景干扰；(4)样本光谱数据的筛选：以所述步骤(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WT法压缩得到建模用光谱数据；(5)LS‑SVM参数优化：采用二次格点搜索法、和交叉验证对训练集进行训练以得到最佳参数；(6)初步分析模型的确立：根据所述建模用光谱数据，采用LS‑SVM法建立所述训练集中稻米样本的初步分析模型，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进行判定；(7)模型的评价：采用总正确率Total和ROC下的面积对模型进行评价；(8)初步分析模型的验证：将所述步骤(2)中预测集的标准光谱数据进行所述步骤(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；然后将所述验证用光谱数据代入模型，并结合所述步骤(6)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MIR光谱分析模型的预测。...
【技术特征摘要】
1. 一种用于鉴别稻米镉含量超标的MIR光谱分析模型，其特征在于，所述分析模型采 用以下方法建立： (1) 样本选取及其合格稻米的判定：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：采用中红外光谱法分别对所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，以抵消背景干扰； (4) 样本光谱数据的筛选：以所述步骤（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WT法压缩得到建模用光谱数据； (5) LS-SVM参数优化：采用二次格点搜索法、和交叉验证对训练集进行训练以得到最 佳参数； (6) 初步分析模型的确立：根据所述建模用光谱数据，采用LS-SVM法建立所述训练集 中稻米样本的初步分析模型，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 值进行判定； (7) 模型的评价：采用总正确率Total和ROC下的面积对模型进行评价； (8) 初步分析模型的验证：将所述步骤（2)中预测集的标准光谱数据进行所述步骤（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；然后将所述验证用光谱 数据代入模型，并结合所述步骤（6)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MIR光谱分析模型的预测。2. 根据权利要求1所述的用于鉴别稻米镉含量超标的MIR光谱分析模型，其特征在于， 所述步骤（2)中中红外光谱法的采集参数为： 中红外光谱扫描波数为4000CHT1?500CHT1， 中红外光谱扫描次数为8次， 分辨率为4cm、3. 根据权利要求1所述的用于鉴别稻米镉含量超标的MIR光谱分析模型，其特征在于， 所述步骤（3)中...
【专利技术属性】
技术研发人员：单杨，朱向荣，李高阳，苏东林，刘伟，张菊华，
申请(专利权)人：湖南省食品测试分析中心，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。