现场收购冻玉米中各组份含量的近红外光谱分析.doc

现场收购“冻玉米”中各组分含量的近红外光谱（NIR）分析吉林燃料乙醇有限责任公司质检中心 杨维旭 钱世凯 132101 JFA inspection center yangweixu qianshikai 132101摘要：本文论述了采用近红外光谱DA7200检测冻玉米中主要成分含量的方法。讨论了采用偏最小二乘法（PLS）建立校正模型过程中样品预处理及利用常规吸收峰优选波长的方法。经验证：水分、淀粉测量值同浓度参考值具有良好相关性（相关系数大于0.9），测量重复性变异系数(CV)优于2%。结果表明，近红外光谱法可以满足冻玉米中主要成分的实际测量要求，为玉米深加工企业提供了冬季原料玉米“按质收购”的参考方法。 Abstract: The method of assay of principal constituents of frozen maize by DA7200 of Near-infrared spectroscopy has been expounded in this thesis. The authors has described the pre-treatment way of sample during the period of setting regression models by partial least-squares(PLS) and the way of wavelength optimum selection according to normal absorbing peak .Its test and verified that the measuring value of moisture, starch has a good correlation between prediction values with reference values (correlation coefficient is higher than 0.9), In addition, the results were reliable with coefficient of variation (CV) of repeatability below 2 percent. Therefore, Near-infrared spectroscopy of reflectance could meet practical measurement accuracy as required for principal constituents of frozen maize. This study provided a new reference method of purchase maize based on its quality in winter for those companies technicalities engaged in deep-process industry.关键词：冻玉米、近红外光谱、偏最小二乘法、基础数据、定标模型Keyword: frozen maize Near-infrared spectroscopy partial least-squares(PLS) base data Quantitative model玉米通过深加工生产出高附加值的终端产品是玉米工业发展的趋势，也是解决农民卖粮难及增收的有效途径。随着国内玉米深加工企业的规模经营和持续成长，作为玉米的需求量激增，玉米收购的按质定价便成为企业工艺管理成本的重要内容。根据GBT861399淀粉发酵工业用玉米标准，淀粉及水分含量是判定原料玉米等级的主要质量指标。淀粉是玉米的主要成分，也是进一步转化成果葡糖浆、山梨醇、燃料酒精等产品的原料；而玉米中的蛋白质含量也是确定工艺参数的重要指标。若在收购现场对玉米中的水分、淀粉、蛋白质采用常规化学分析方法进行检验，从时间上严重滞后，不能及时为等级判定及生产提供所需的分析数据。近红外光谱仪（NIR）是目前最新发展的光谱分析技术，每分钟可同时分析样品中的多个组分.且玉米样品不需制备，可直接整粒测试。近红外光谱（NIR）用于玉米的现场收购可显著提高分析速度，彻底改变玉米检验的分析面貌，而且采用仪器分析尚可获得原料供应商及农民散户的高度认可，避免质量等级判定过程的纠纷及暗箱操作造成的资金流失，真正体现“按质定价”。在东北地区，玉米收购的高峰期集中在冬季(12-03月)，因温度较低，水分较大（部分2530%），这就涉及到冻玉米的形态问题：颗粒冰冻状、外表略带冰霜、有的呈吸水膨胀性; 而近红外光谱仪的测试条件约1040，仪器在低温时其光学系统受温差影响结雾、检测器灵敏度大幅度降低，若室温解冻，则表面易形成薄的水层，且水或水蒸气对近红外光谱有着非常强烈的吸收，是近红外分析中重要的干扰组分，因此表面带水样品将大大影响光谱重现性，难以建立稳定的定标模型，对样品的定量也就无从谈起。针对冻玉米的分析我们尝试采用微波解冻方式，在不破坏其成分分子结构的情况下，使用DA7200近红外光谱(9501650nm） 建立定标数据库，经多次预测及验证调整，取得较为理想的分析效果，并为玉米深加工的同行企业提供了现场原料玉米收购的参考方法。1原理与方法：1.1 测量原理：近红外光谱是分子振动光谱的倍频及合频的吸收光谱，主要是含氢基团X-H键(X为C、O、N、S等)的特征信息。近红外光谱被划分为短波(NIT700-1100nm)及长波(NIR1100-2500nm)近红外两个波段.这两个波段的光谱信息来源有差异,长波段内主要是XH等各种有机基团的一、二、三级倍频信号、而短波内的信号主要是三级或四级倍频信号，而且部分基团键的倍频信号没有落在短波区内。因此短波区间能分析的指标有限，不如长波光谱多。此外长波区的信号强度大大超过短波，容易得到更好信噪比，分析精度会更好，可以分析千分级别的组分。不过常规谷物品质主要指标集中在水分、淀粉、蛋白、脂肪几个组分上，且其含量都处于在较高范围。且短波近红外(700-1100nm)透射能量强，可透射固体样品深度达0.6-3cm，因此NIT仪器也适合谷物验收现场分析。 DA7200波长范围为950_1650nm,兼容NIT及NIR部分，突破了不同波段、不同光波收集方式的光谱数据或定标数据不能共享的常规界限，相比较更具适用性。 近红外光谱技术的分析基础是光谱比照分析,需要预先建立定标模型.定标就是收集均匀覆盖各分析指标变化范围的代表性样品,采用常规化学分析方法检测出各样品的相关组分,同时经近红外仪扫描光谱.再通过定标软件对组分数据与样品光谱间建立起特定的回归对应关系.当再扫描未知样品时,仪器便依照对应关系,给出相关的组分值,如玉米的水分,淀粉,粗蛋白质等.近红外光谱分析的预测理论基础及光学作用原理，如下图： 近 红 外 分 析 原 理常 规 化 学 分 析值样品光谱图信息样 品 各 参 数 及 含 量各基团光谱特征位置和强度定 标 过 程光 谱 位 置_-各 参 数光 谱 强 度-参数含量近红外光与固体样品作用示意图a- 全反射； b-漫反射； c-吸收； d-透射 e-折射； f-散射 2 仪器部分：2.1 仪器：瑞典波通(Perten) 仪器公司DA7200近红外光谱。2.2波段：波长范围950-1650nm 波长精度0.3nm 波长稳定性0.2nm/年。2.3光学系统：DA7200采用全封闭光学腔体，光源灯为汞灯、参比灯为卤钨灯。其独有双光束系统自动参比分析，使样品扫描与参比扫描同步进行，免除了人工手动参比的步骤，也最大限度地消除了参比间隙中光学信号及电子噪音波动产生的影响。2.4进样系统：旋转大样品杯，该样品杯面积较大154cm2，光照边缘部位达108cm2，步进马达驱动使样品杯迅速旋转、光柱环绕转动，收集的光谱具有更大的扫描面积，光谱信号经均匀化处理，消除了整粒样品导致的漫反射光谱信号波动，达到较高的重复性。适合用于整粒及片状等不规则形态样品的分析，上样量约75g;DA7200同时配备44 cm2样品杯(通常建议使用大样品杯，其测量区域可提高测量精度，对非均匀物质样品效果明显)。2.5 检测系统：950_1100nm波段为硅检测器；1100-1650nm采用二极管阵列检测 器，由256个光电二极管排列组成：光束通过检测池时被样品特征吸收，然后被光栅分光，形成按波长顺序分布的光谱带，光谱带再被聚焦到阵列式接收器上，阵列上每个光电二极管同时收到不同波长的光信号，并通过电子学的方法依次扫描提取，储存。每分钟扫描100个光谱。DA7200的二极管阵列检测器因其光电管阴极涂附光敏性极高的InGaAs,且冷控处理，避免温度因素造成的噪音及漂移，从而对光谱的精细结构有更好的分辨能力。2.6软件系统:Simplicity ver 3.2： 用来采集光谱、处理及存储，其专有的识别(Identify)功能可寻找与样品有着最好的光谱匹配的产品，以辨别真假。 Grams32化学计量软件：对从Simplicity 导出的数据进行建模处理，并将校准模型，再导入Simplicity中应用；定量分析数据方式：多元线性回归(MLR)、偏最小二乘法(PLS)、主成分分析(PCR)。2.7样品来源与成分含量标定：吉林燃料乙醇有限责任公司粮检分析室依据气候、品系、地理分布、样品范围等因素，提供的吉林地区具有代表性的53个类马齿型玉米样品。其中为扩大用于建模的样品成分含量的覆盖范围和适用梯度，对部分样品进行浸泡，人为增加其水分含量。(具体方法可参照附件)2.8 样品成分含量参考值测定方法：水分：按GB/T5497-1985 粮油、油料检验水分测定法淀粉：按GB/T5497-1985 粮油、油料检验淀粉测定法蛋白质：由瑞士布奇(Bchi)公司生产的凯氏定氮仪Bchi_339进行测定。该方法同GB/T5511-85粮油、油料检验粗蛋白测定法相适应。3实验部分3.1定标建模： 3.1.1定标样品的收集与处理：定标样品是小的群体(几十个样品)要代表被测群体(几百以至几千样品)的计量过程。所说的代表性是指同一作物中不同类型、不同品种、不同来源和待测组分含量分布都具有代表性。其中待测组分含量范围要覆盖被测样品中该组分的含量范围，而且此范围内定标样品的分布尽量均匀。为适于定量模式，样品成份值同样品数量，最好成高斯分布(以水分为例)，见下图：3.1.2标准样品处理：样品混均后分为两份； 一份进行实验室分析，另一份光谱扫描。若不能及时扫描，则必须保证样品绝对不发生水分的丢失或其它变化，应置于自锁塑料袋中，于冰箱中，冷藏。3.1.3预测样品的微波解冻：将样品置于微波炉中（800W），将功能键调至“解冻”档，调时设定为120秒 (经多次反复实验，解冻后温度约（20-25)3.1.4 光谱采集及数据录入：将样品置于旋转杯中，近红外光谱扫描。每个样品重复测量5次，重装2次，并光谱取平均。将经化学分析得出的水分、蛋白、淀粉数据录入系统。过程如下图： 筛选一组代表性样品，准确分析测定各参数含量（水分、蛋白、淀粉）输入样品编号（I D）处理下一个样品扫描样品，自动记录光谱得到全组样品各参数的光谱库输入样品各参数含量 图1：玉米样品近红外（NIR）光谱图集：备注：从光谱图表明谱线具有较高重现性32 化学计量学校正方法： 在Grams32软件系统的化学计量方法中，我们选用偏最小二乘法（partial least_square简称PLS）回归模型。PLS法是近红外光谱分析中使用较多、效果较好的一种多变量校正方法，它主要是进行成分提取，即对变量系统中信息重新进行综合筛选。从中选取若干个对系统具有最佳解释能力的新综合变量(成分)，进行回归建模，由于对变量的综合，将可能克服多重相关性造成的信息重叠，而针对变量系统中的信息进行筛选，可有效区分系统信息和噪声，提高系统建模的准确性。PLS较常用的MLR(多元线性回归)的优势是利用了全部光谱信息，可压缩所需样品数量,有效防止过模型现象、提高分析精度。3.3 因素分析及模型的评价参数：相关系数是表征拟合效果的重要参数，因素数少，拟合精度不够，预测效果差；因素数过多，相关系数改善不明显并引起过度拟合。通常以PRESS确定最佳因素数，当因素数为5时，PRESS最小，故5最为适合；但因化学方式及其它因素影响，5-9均可接受。 玉米分析模型(Maize)评价参数组分样本数量范围（%） 因素分析相关系数SEP(%)标准方法再现性（%）水分1087.0-40.050.99860.060.20淀粉_cb10157.0-76.070.92550.351.00蛋白_cb986.0-12.090.94160.150.30将表中预测标准误差(SEP)与再现性比较：可以看出近红外方法测定的数据完全符合标准方法的再现性要求。且测量值与预测值之间具有良好的相关性（图2、3.4 分析模型的验证：为了验证分析模型的准确性，随机抽取玉米作为验证集样品中，用所建立的Maize模型进行未知样品的预测，并同标准方法的测定结果相比较。采用统计学的T检验进行评价，统计分析结果见下表：近红外分析与标准方法测定结果的对比统计结果组分样本数量范围（%）差值(%)|T|水分208.9-32.00.080.45淀粉_cb2066.0-72.00.421.27蛋白_cb208.0-10.80.260.90 注：差值为两种方法所得结果差值的平均值。 采用T 检验方法判定近红外分析方法和标准方法是否存在显著性差异？给定显著水平=0.05，查得T(0.05 19) =2.09。由此可以看出：T检验结果|T|均小于2.09，说明两种分析方法测定结果是一致的，即用近红外光谱分析技术代替标准方法进行控制分析是完全可行的。3.5 方法重复性实验：Maize模型对求救未知样品的三项指标进行15次重复性实验，预测结果证明测量方法具有较好的重复性，见下表： 玉米分析重复性实验预测结果次数(15)水分(%)淀粉_cb(%)蛋白质_cb (%)平均值25.4068.529.68STD25.5268.429.50CV0.400.860.62标准方法重复性 0.22 0.700.12 图2：水分验证曲线图3：淀粉验证曲线 图4：蛋白质验证曲线4 结果与讨论：4.1 分析结果表明：采用近红外光谱（NIR）测量冻玉米中的水分、淀粉、蛋白质，同常规化学分析相比较：测