第36卷，第10期 2016年10月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 36, No. 10· pp3169-3173
October, 2016
非线性流行降维与近红外光谱分析技术的大米贮藏期快速判别
林萍1，陈永明1*，邹志勇2 1.盐城工学院电气工程学院，江苏盐城224051 2.四川农业大学机电学院，四川雅安625014
摘要提出一种基于流行降维的近红外光谱技术快速判别大米贮藏期的新方法。采用近红外光谱仪获取陈年米和新米的反射光谱特征曲线，利用直接正交信号矫正法（directorthogonalsignalcorrection，DOSC)对原始光谱进行预处理，滤除光谱数据中与因变量Y矩阵无关的信号，以消除无关信息对后续特征变量建模精度的影响，采用Durbin-Watson和Run测试法定性分析光谱数据结构的非线性性，并利用增强偏残差图(augmented partialresidual plot)定量分析大米光谱曲线的非线性程度。分别采用线性流行降维法包括主成分分析法(PCA)和多维尺度分析法（MDS)以及非线性流行降维法包括等距映射法（ISOMAP)、局部线性段人法(LLE)和拉普拉斯特征映射法(LE)提取预处理后光谱数据的本征变量，并结合核偏最小二乘方法(KPLS)建立本征变量与贮藏时间属性之间的耦合模型。实验用陈年米和新米的样本数均为200个，随机将训练集和测试集样本划分为300个和100个，通过比较各个模型的预测绪果得出，基于ISOMAP非线性降维法提取的40个本征变量建立的回归模型预测效果最好，预测相关系数（R）、预测均方根误差（RMSEP) 和预测相对分析误差值（RPD)分别为0.917，0.187和2.698，实验结果说明提出的方法对于大米贮藏期具
有很好的鉴别能力，该研究为今后大米贮藏期的快速无损检测提供了科学的手段关键词大米；贮藏期；流形降维；近红外光谱技术；核偏最小二乘
中图分类号：TH744.1
引言
文献标识码：A
D0I: 10. 3964/j. issn. 10000593 (2016)10-316905
重要。
目前，近红外光谱分析技术已经应用于食品质量的检测。肖昕等应用近红外透射光谱技术，采用不同回归统计
研究表明，指米收获存放数月后易发生质变，其营养成分往往伴随各种理化反应而大大衰减。贮藏时间较短的新米口感好、营养价值高，具有较高的市场利润，而贮藏时间较长的陈年大米口感较差、营养成分损失较为厉害，市场销量不佳。大米贮藏期限的差别导致大米市场的销售价格上存在巨大差异，因此一些不法商贩将三年以上的陈米经过抛光处理后当作新米出售，从中获取暴利1。目前，大米的贮藏期由人工根据其色泽及相关营养成分含量等进行判断，但是陈米经抛光处理后色泽几乎与新米一样，分辨难度大，而采用理化的监测方法鉴别其内部营养成分往往耗时长、操作复杂，难以满是实际应用申快速准确鉴别的需要。因此，导求一种高效、准确的检测方法对新米和陈年米的鉴别显得尤为
收稿日期：2015-07-15，修订日期：2015-11-04
分析方法建立精米蛋白质含量(PC)定量回归方程。模型具有较好的预测效果，陈孝敬等提出了一种利用多光谱图像纹理特征进行大米分类的新方法，大米识别率达到了100%。昊迪等3利用近红外光谱结合判别偏最小二乘法建立定性模型，实现对不同品牌奶粉内部营养成分的定量测量，正确识别率达100%。李晓丽等4通过对近红外光谱数据进行神经网络系统训练，成功地对杨梅品种快速判别预测。张鹏等[5] 通过近红外漫反射光谱技术建立了柿子不同品种和贮藏期的快速判别方法，不同截期的正确分类率达到97.78%。但针对大米贮藏期时间的研究鲜有报道，本研究的目的是利用近红外光谱分析技术结合现代化学计量学方法实现对大米藏时间的快速鉴别。
基金项目：国家自然科学基金项目（31501221，31601227），江苏省自然科学基金项目（BK20140467，BK20161310），江苏省高校自然科学研
究面上项目（13KJB210006），盐城市农业科技指导性计划项目（YKN2014009，YKN2014010)资助
作者简介：林葬，女，1982年生，盐城工学院电气工程学院讲师
万方数据系人e-mail：billrange@126，com
e-mail: binglvcha007@126, com