一种抛光粮食的快速无损鉴别方法技术

本发明专利技术提供一种抛光粮食的快速无损鉴别方法，包括以下步骤：用已知抛光情况的粮食样品构建训练集，采集训练集中各样品在特征波段下的近红外吸收光谱，对所述训练集中的抛光样品和未抛光样品分别赋予不同数值后提取两组特征向量，并求出对应的两组得分值，以得分值为横纵坐标绘制训练集样品的二维得分散点图，划分抛光区域和未抛光区域；扫描待测样品光谱并求出待测样品的两组得分值，在上述散点图中绘出对应的待测点，根据所述待测点所在区域，鉴别待测样品是否为抛光粮食。本发明专利技术可以实现对矿物油抛光粮食的快速无损检测，操作简单，无污染，易实现智能化、信息化，为保障农产品质量安全、快速无损检测仪器的研发等提供重要技术手段与支持。

【技术实现步骤摘要】

本专利技术涉及农产品质量安全领域，具体地说，涉及一种基于振动光谱的矿物油抛光粮食快速无损检测方法。
技术介绍
农产品是迄今为止人类赖以生存的食物重要来源。随着生产力的发展和社会的进步，对农产品质量安全的关注日益提高。农产品质量安全包含两个方面的含义，其一是质量，即营养成分的含量是否达标、风味是否良好；其二是安全，即是否存在危害或潜在危害人类健康的物理、化学、生物及其他各方面可能的因素。质量良好的农产品可以给人类提供优质的能量、营养来源，对保障人类生存、繁衍具有重要意义。然而近年来，不法商贩对劣质农产品以次充好、造假制假等行为屡见不鲜。以大米为例，已有报道称不法商贩用矿物油抛光陈旧大米，使其“油光可鉴”，以冒充优质大米出售给消费者。食用上述矿物油抛光大米对人存在这极大的安全隐患，甚至直接危害消费者身体健康。并且，大米是我国大宗农产品，拥有巨大的消费人群和消费市场。因此，针对矿物油抛光大米的快速无损检测成为亟待解决的问题。矿物油是石油化工产品，以脂肪烃为主。由于其中几乎不含有芳香烃，因此采用传统的荧光法很难对其进行检测。采用传统的感官评价方法则具有较强的主观因素，容易形成误判。现代大型仪器方法虽然可以得到精准的检测结果，但是操作繁琐、对检测人员的专业性要求高、检测过程需要使用化学试剂、检测周期长、检测效率低、难以适应大宗农产品的快速检测需求。振动光谱是一种基于物质分子的振动、转动能级跃迁对电磁波产生吸收的光谱。根据量子力学原理，当电磁波的能量和物质分子的振动、转动能级跃迁能量差相等，且满足振动光谱发生条件时，会产生振动光谱吸收。常见的振动光谱有：近红外光谱、中红外光谱、拉曼光谱、太赫兹波谱等。振动光谱技术具有采样速度快、分析效率高、绿色无污染等特点，目前已在生命科学、医学及生理学、药物学、农学、化学等诸多领域具有广泛应用。本专利技术提出一种基于振动光谱的矿物油抛光粮食快速无损检测方法。该方法具有快速、准确、高效、绿色无污染等特点，可以对矿物油抛光粮食进行快速无损鉴别，并且对保障农产品质量安全、提高工农业生产效率、促进农产品市场健康发展、快速无损检测仪器的研发等方面具有积极作用。
技术实现思路
本专利技术针对矿物油抛光粮食的快速无损鉴别难题，提供一种基于振动光谱的矿物油抛光粮食快速无损检测方法，其目的是对矿物油抛光粮食进行快速无损检测与鉴别。本专利技术提供的一种抛光粮食的快速无损检测方法，所述方法的流程可参考图1所示。具体而言，所述方法包括以下步骤：(1)用已知的抛光粮食和未抛光粮食为样品，构建样本总组数为n的训练集；所述训练集中，n≥50，抛光样品与未抛光样品的组数之比为1～3.5:1；(2)采集所述训练集中每组样品在8900cm-1～12000cm-1波长范围内的近红外吸收光谱，每组样品的近红外吸收光谱以1cm-1～3cm-1为间隔包括m个光谱数据；(3)以所述训练集中全部样品的近红外吸收光谱数据构建n×m阶矩阵，对所述训练集中的抛光样品和未抛光样品分别赋予不同的数值，依据所述数值用回归算法提取所述矩阵的若干组特征向量并获得与所述特征向量一一对应的特征值，以特征值最高的两组特征向量作为第1特征向量和第2特征向量；(4)依据训练集中每组样品的近红外吸收光谱数据，求出分别与所述第1特征向量和第2特征向量对应的权重值，作为各训练集样品的得分值1和得分值2，并以其分别为横、纵坐标，绘制训练集样品的二维得分散点图(一组样品对应图中的一个点)；在该图上标记一条抛光样品与未抛光样品的分界线，所述分界线两侧分别为抛光区域和未抛光区域；(5)用与步骤(2)相同的方法采集待测样品的近红外吸收光谱数据，据此数据求出分别与所述第1特征向量和第2特征向量对应的权重值，作为待测样品的得分值1和得分值2；(6)以待测样品的得分值1和得分值2分别为横、纵坐标，在所述二维得分散点图中绘出对应的待测点，根据所述待测点所在的区域，鉴别待测样品是否为抛光粮食。本专利技术所述抛光粮食是指经矿物油抛光处理后的粮食，所述未抛光粮食是指未经过任何矿物油抛光处理的粮食。具体而言，本专利技术所述未抛光样品中的矿物油含量为0；所述抛光样品中的矿物油含量为0.4～0.6％。所述矿物油指石油裂解成分中的脂肪烃类物质，优选液体石蜡。所述粮食为优选为谷物，进一步优选为大米。本专利技术所述方法中，样品的单位为组，即训练集中包括n组样品。每组样品的取样方法为：取相同品种、产地以及采收时间的粮食不少于3kg，采用堆锥四分缩分法获得一组样品，每组样品的质量为200±5g。所述步骤(1)中，抛光样品和未抛光样品的组数可以相同，也可以不同；具体而言，所述抛光样品数量与未抛光样品组数之比为1～3.5:1。为了确保检测结果的准确性，所述训练集中，优选所述抛光样品和未抛光样品的组数均不小于40。本专利技术所述方法中，为了确保检测结果的客观性，选取抛光样品和未抛光样品时，应确保其代表性；所述代表性具体是指样品的品种、产地以及采收时间全面覆盖客观情况。本专利技术用于采集所述近红外吸收光谱数据的光谱仪分辨率为1cm-1～64cm-1，优选为4cm-1～16cm-1。所述步骤(2)中，每组样品近红外吸收光谱所含的光谱数据之间的间隔相等，具体为1cm-1～3cm-1，优选为2cm-1。所述步骤(2)还可以包括对所述近红外吸收光谱数据进行处理，以使检测结果更加准确。所述处理包括平滑、微分、基线校正、数据标准正态化中的一种或几种；优选为数据标准正态化。具体而言，所述数据标准正态化处理，是针对每组样品的近红外吸收光谱数据，即每一条光谱数据自身所做的标准正态化变换，其计算公式如公式(I)所示。XSNV=X-XMS---(I)]]>所述公式(I)中，X中是处理前的光谱数据，XSNV是处理后的光谱数据；每组样品的近红外吸收光谱数据中，即每一条光谱数据中，包含m个数据，经过处理后，得到m个标准正态化处理后的数据，即SNV处理后的一条光谱数据。其中，XM是该条光谱数据处理前的平均值，其计算公式如公式(II)所示；S是该条光谱数据处理前的标准差，其计算公式(III)所示。XM=1mΣi=1mXi---(II)]]>S=Σi=1m(Xi-XM)2m-1---(III)]]>本专利技术步骤(3)提取所述特征向量的回归方法选自本文档来自技高网...

【技术保护点】
一种抛光粮食的快速无损鉴别方法，其特征在于，所述方法包括以下步骤：(1)用已知的抛光粮食和未抛光粮食为样品，构建样本总组数为n的训练集；所述训练集中，n≥50，抛光样品与未抛光样品的组数之比为1～3.5:1；(2)采集所述训练集中每组样品在8900cm‑1～12000cm‑1波长范围内的近红外吸收光谱，每组样品的近红外吸收光谱以1cm‑1～3cm‑1为间隔包括m个光谱数据；(3)以所述训练集中全部样品的近红外吸收光谱数据构建n×m阶矩阵，对所述训练集中的抛光样品和未抛光样品分别赋予不同的数值，依据所述数值用回归算法提取所述矩阵的若干组特征向量并获得与所述特征向量一一对应的特征值，以特征值最高的两组特征向量作为第1特征向量和第2特征向量；(4)依据训练集中每组样品的近红外吸收光谱数据，求出分别与所述第1特征向量和第2特征向量对应的权重值，作为各训练集样品的得分值1和得分值2，并以其分别为横、纵坐标，绘制训练集样品的二维得分散点图；在该图上标记一条抛光样品与未抛光样品的分界线，所述分界线两侧分别为抛光区域和未抛光区域；(5)用与步骤(2)相同的方法采集待测样品的近红外吸收光谱数据，据此数据求出分别与所述第1特征向量和第2特征向量对应的权重值，作为待测样品的得分值1和得分值2；(6)以待测样品的得分值1和得分值2分别为横、纵坐标，在所述二维得分散点图中绘出对应的待测点，根据所述待测点所在的区域，鉴别待测样品是否为抛光粮食。...

【技术特征摘要】
1.一种抛光粮食的快速无损鉴别方法，其特征在于，所述方法
包括以下步骤：
(1)用已知的抛光粮食和未抛光粮食为样品，构建样本总组数
为n的训练集；所述训练集中，n≥50，抛光样品与未抛光样品的组数
之比为1～3.5:1；
(2)采集所述训练集中每组样品在8900cm-1～12000cm-1波长范围
内的近红外吸收光谱，每组样品的近红外吸收光谱以1cm-1～3cm-1为间
隔包括m个光谱数据；
(3)以所述训练集中全部样品的近红外吸收光谱数据构建n×m
阶矩阵，对所述训练集中的抛光样品和未抛光样品分别赋予不同的数
值，依据所述数值用回归算法提取所述矩阵的若干组特征向量并获得
与所述特征向量一一对应的特征值，以特征值最高的两组特征向量作
为第1特征向量和第2特征向量；
(4)依据训练集中每组样品的近红外吸收光谱数据，求出分别
与所述第1特征向量和第2特征向量对应的权重值，作为各训练集样品
的得分值1和得分值2，并以其分别为横、纵坐标，绘制训练集样品的
二维得分散点图；在该图上标记一条抛光样品与未抛光样品的分界
线，所述分界线两侧分别为抛光区域和未抛光区域；
(5)用与步骤(2)相同的方法采集待测样品的近红外吸收光谱
数据，据此数据求出分别与所述第1特征向量和第2特征向量对应的权
重值，作为待测样品的得分值1和得分值2；
(6)以待测样品的得分值1和得分值2分别为横、纵坐标，在所
述二维得分散点图中绘出对应的待测点，根据所述待测点所在的区
域，鉴别待测样品是否为抛光粮食。
2.根据权利要求1所述的方法，其特征在于，每组样品的取样方
法为：取相同品种、产地以及采收时间的粮食不少于3kg，采用堆锥

\t四分缩分法获得一组样品，每组样品的质量为200±5g。
3.根据权利要求1或2所述的方法，其特征在于，所述粮食为谷
物，优选为大米；
所述矿物油为液体石蜡。
4.根据权利要求1～3任意一项所述的方法，其特征在于，所述训
练集中，抛光样品和未抛光样品的数量均不小于40。
5.根据权利要求1～4任意一项所述的方法，其特征在于，所述未
抛光样品的矿物油含量为0；所述抛光样品中的矿物油含量为
0.4～0.6％。
6.根据权利要求1～5任意一项所述的方法，其特征在于，用于采
集所述近红外吸收光谱数据的光谱仪分辨率为1cm-1～64cm-1，优选
为4cm-1～16cm-1。
7.根据权利要求1～6任意一项所述的方...

【专利技术属性】
技术研发人员：王冬，潘立刚，马智宏，王纪华，韩平，贾文珅，
申请(专利权)人：北京市农林科学院，
类型：发明
国别省市：北京;11