利用光譜趨勢(shì)參數(shù)快速判定小麥粉DON等級(jí)的研究

吳 威, 祖廣鵬, 陳桂云, 徐劍宏, 陳坤杰*

1. 南京農(nóng)業(yè)大學(xué)工學(xué)院，江蘇 南京 210031 2. 江蘇省農(nóng)業(yè)科學(xué)院食品質(zhì)量安全與檢測(cè)研究所，江蘇 南京 210014

引 言

脫氧雪腐鐮刀菌烯醇(DON)，屬單端孢霉烯族化合物，通常存在于感染了赤霉病的谷物中。DON含量超標(biāo)的食物具有致癌、致畸、致突變的作用，危害人類(lèi)和家畜的生命健康[1-2]。我國(guó)在《食品中真菌毒素限量》(GB2761—2011)標(biāo)準(zhǔn)中規(guī)定了小麥等制品 DON 的限量指標(biāo)為1 000 μg·kg-1 [3]。

1 實(shí)驗(yàn)部分

1.1 樣本制備和光譜采集

實(shí)驗(yàn)共采集了102個(gè)具有不同DON濃度的小麥樣品，品種為鎮(zhèn)麥168。這些小麥樣本在揚(yáng)花期接種了赤霉菌毒素。樣本經(jīng)過(guò)去皮、磨粉、過(guò)篩，其粗細(xì)程度滿足我國(guó)標(biāo)準(zhǔn)粉規(guī)格。使用近紅外光譜儀InfraXact(Foss，USA)收集樣品光譜。光譜儀配備硅探測(cè)器(570～1 100 nm), 銦鎵砷探測(cè)器(1 100～1 850 nm)。樣品以2 nm間隔在570～1 848 nm范圍內(nèi)掃描，數(shù)據(jù)采集的頻率為每次掃描3 s。每個(gè)樣品掃描兩次，取其平均值。通過(guò)ISIscan(Infrasoft International，Port Matilda，PA，USA)收集光譜數(shù)據(jù)。

1.2 DON測(cè)定

DON含量參考值按照《GB 5009.111—2016 食品安全國(guó)家標(biāo)準(zhǔn)食品中脫氧雪腐鐮刀菌烯醇及其乙酰化衍生物的測(cè)定》[15](第二法免疫親和層析凈化高效液相色譜法HPLC)，使用HPLC系統(tǒng)(SHIMADZU，SPD-10A，UV-VIS DETECTOR ； LC-10AT VP)進(jìn)行定量測(cè)定。

1.3 數(shù)據(jù)預(yù)處理

利用Unscrambler?X，v10.1(CAMO Software AS，Oslo，Norway，2011)軟件進(jìn)行數(shù)據(jù)預(yù)處理。所有樣本的光譜首先通過(guò)15點(diǎn)Savitzky-Golay函數(shù)平滑，然后通過(guò)去趨勢(shì)處理，最后進(jìn)行乘法散射校正(MSC)。

1.4 基于趨勢(shì)參數(shù)的特征波長(zhǎng)選取方法

在光譜矩陣中，每一行對(duì)應(yīng)一個(gè)樣本的光譜，并把樣本按DON濃度從低到高進(jìn)行排列。第一列為樣本的DON濃度，其后的640列為570～1 848 nm波段下的光譜值(吸光度)。選取其中所有的奇數(shù)行作為校正集光譜，所有偶數(shù)行數(shù)據(jù)作為驗(yàn)證集光譜，校正集和驗(yàn)證集均有51個(gè)樣本。在這樣的光譜矩陣中，單波段下所有樣本的吸光度從上到下的遞增趨勢(shì)越強(qiáng)，則說(shuō)明該波段下的吸光度與DON濃度的變化趨勢(shì)越是一致，則該波段可以作為評(píng)估DON濃度的特征波段。據(jù)此，可以為每一個(gè)波段定義一個(gè)判斷遞增趨勢(shì)的趨勢(shì)參數(shù)，以期找到遞增趨勢(shì)最強(qiáng)的特征波段，具體做法如下：

1.5 二次判別分析QDA模型

利用Unscrambler?X，v10.1軟件中的二次判別分析QDA模塊進(jìn)行分析建模。提取校正集中特征波段下的光譜，采用兩個(gè)閾值1 000和2 000 μg·kg-1，將校正集數(shù)據(jù)分成低、中、高程度三類(lèi)污染水平，因此QDA建模的類(lèi)別數(shù)為3。假設(shè)所有變量的先驗(yàn)概率均相等，權(quán)重均為1.00。所構(gòu)建的模型在驗(yàn)證集特征波段的光譜下進(jìn)行模型檢驗(yàn)。DON的分類(lèi)準(zhǔn)確性通過(guò)計(jì)算被正確分類(lèi)的樣本數(shù)占樣本總數(shù)的百分比來(lái)評(píng)估。

2 結(jié)果與討論

2.1 樣本中的DON含量分布

在102個(gè)小麥樣品中，DON水平為319～31 437 μg·kg-1不等，通過(guò)可見(jiàn)光-近紅外光譜法分析小麥樣品，并且以570～1 848 nm之間的吸光度記錄光譜。圖1顯示了6種不同DON濃度小麥樣品的Vis-NIR原始光譜，其范圍在319～5 895 μg·kg-1DON范圍內(nèi)。從這些譜圖的比較來(lái)看，低DON水平的小麥樣品與含有高DON水平的小麥樣品具有相同的Vis-NIR譜帶，因此表明兩種樣品中的主要官能團(tuán)和化學(xué)成分是共存的。

圖1 六種不同DON濃度(用高效液相色譜法測(cè)量)小麥樣品的Vis-NIR光譜

Fig.1 Vis-NIR spectra of wheat samples with six different DON concentrations (measured by high performance liquid chromatography)

2.2 選取的特征波段

按照1.4節(jié)的特征波長(zhǎng)選取方法，計(jì)算各個(gè)波段對(duì)應(yīng)的趨勢(shì)參數(shù)，結(jié)果如圖2所示，可見(jiàn)在666，1 238和1 660 nm波段處出現(xiàn)三個(gè)局部最大值，將其提取作為評(píng)估DON濃度的特征波段。

圖2 各個(gè)波段下趨勢(shì)參數(shù)分布圖Fig.2 Distribution of trend parameter of each band

2.3 二次判別分析QDA分類(lèi)結(jié)果

只提取校正集樣本的三個(gè)特征波段(666，1 238和1 660 nm)下的光譜。采用兩個(gè)閾值1 000和2 000 μg·kg-1，事先將校正集數(shù)據(jù)分成低、中、高程度污染。利用QDA將校正集樣本分成三類(lèi)，結(jié)果的混淆矩陣如表1(左側(cè))所示，校正過(guò)程中整體分類(lèi)正確率為88.24%。低和中度污染水平樣本都100%被正確分類(lèi); 重度污染的31個(gè)樣本中只有6個(gè)樣本被誤判為中度污染，剩余的25個(gè)(80.64%)的重度污染樣本被正確分類(lèi)。利用校正集構(gòu)建的TP-QDA模型去判定驗(yàn)證集合中的樣本，驗(yàn)證集也只選取三個(gè)特征波段的光譜，驗(yàn)證結(jié)果如表1(右側(cè))所示。驗(yàn)證集總體判斷正確率為86.27%。

表1 趨勢(shì)參數(shù)(TP)-二次判別分析(QDA)模型的校正及驗(yàn)證結(jié)果

Table 1 The calibration and validation results of Trend Parameter(TP)-Quadratic Discriminant Analysis (QDA) model

參考類(lèi)別(HPLC測(cè)量結(jié)果)校正分類(lèi)結(jié)果驗(yàn)證分類(lèi)結(jié)果輕度中度重度輕度中度重度輕度400200中度01661144重度00250228

主成分分析PCA是選取特征波段最有效的方法之一，谷物中DON含量檢測(cè)的文章中很多都采用了主成分分析[11-15]，從而對(duì)數(shù)據(jù)進(jìn)行降維。以下將對(duì)相同的校正集樣本，采用PCA選取特征波段，建模方式仍為QDA分析，PCA-QDA模型檢測(cè)的準(zhǔn)確率仍在原來(lái)的驗(yàn)證集樣本中測(cè)試，從而對(duì)趨勢(shì)參數(shù)法和主成分分析法選取特征波段的有效性做一一對(duì)比。

對(duì)校正集全光譜數(shù)據(jù)進(jìn)行主成分分析，選取前2個(gè)主成分，解釋了91%的變量。QDA分析時(shí)采用PCA的選取的兩個(gè)主成分，PCA-QDA模型的校正和驗(yàn)證集分類(lèi)結(jié)果，以及其與TP-QDA模型檢測(cè)結(jié)果的對(duì)比如表2所示?？梢?jiàn)，除了驗(yàn)證集中的輕度污染樣本，TP-QDA模型在各個(gè)分類(lèi)中的分類(lèi)正確率以及整體分類(lèi)正確率都高于PCA-QDA模型，因此，趨勢(shì)參數(shù)法選擇的特征波段能獲得更高的識(shí)別率。

表2 TP-QDA和PCA-QDA模型校正和驗(yàn)證識(shí)別準(zhǔn)確率對(duì)比結(jié)果

Table 2 The classification accuracy comparison of TP-QDA and PCA-QDA model in calibration and verification sets

準(zhǔn)確率TP-QDAPCA-QDA校正驗(yàn)證校正驗(yàn)證輕度分類(lèi)準(zhǔn)確率/%10066.6750100中度分類(lèi)準(zhǔn)確率/%10087.5062.5081.25重度分類(lèi)準(zhǔn)確率/%80.6481.8174.1965.62整體分類(lèi)準(zhǔn)確率/%88.2486.2768.6272.55

3 結(jié) 論

通過(guò)定義各個(gè)波段下光譜的趨勢(shì)參數(shù)，可以得到與小麥粉中DON濃度最相關(guān)的特征波段，選出的特征波段有助于快速準(zhǔn)確地判定小麥粉中DON含量的等級(jí)。分類(lèi)模型表現(xiàn)出良好的預(yù)測(cè)性能，總體分類(lèi)率高，小分類(lèi)錯(cuò)誤率低，模型簡(jiǎn)單，無(wú)需昂貴耗材，能快速分析大量的樣品，所提出的分類(lèi)模型在篩選小麥樣品的脫氧雪腐鐮刀菌烯醇含量方面具有實(shí)際應(yīng)用價(jià)值，使得NIR光譜學(xué)成為監(jiān)測(cè)安全程序的強(qiáng)有力的工具。但是該方法還需要在更多品種小麥樣本中進(jìn)行普適性驗(yàn)證。