一种马铃薯生全粉近红外光谱快速鉴别的方法与流程

本发明涉及一种马铃薯生全粉近红外光谱快速鉴别的方法，对马铃薯生全粉样品进行真实性鉴别，属于农产品品质无损检测技术领域。

背景技术：

马铃薯是一种全球公认的具有高营养价值的农产食品，亦是我国重要的粮食及经济作物。马铃薯富含多种氨基酸和丰富的维生素，其蛋白质营养价值高，品质与动物蛋白接近。在我国，马铃薯种植面积超过560万公顷，年产量超过9000万吨，种植面积和总产量居世界第一。近年来，随着我国马铃薯主食化战略的不断深入，马铃薯主食产品也受到了各方关注。2015年1月中央一号文件和农业部将马铃薯作为主粮化战略发展,在保障国家粮食安全与促进国民社会经济发展中将具有更加重要的意义。

马铃薯全粉属于一种脱水马铃薯制品，几乎保留了马铃薯的全部营养和风味，同时也是薯类主食新产品开发的重要原料。加工过程中工艺参数的不同，形成的马铃薯粉成分、生熟度各异。不同特性的马铃薯粉在食品加工中用途各不相同。例如，与马铃薯全粉相对应的一种马铃薯产品是马铃薯生粉，主要成分是马铃薯淀粉，又称太白粉，其特点是粘性足，质地细腻，色洁白，但吸水性差，主要用于烹饪过程中勾芡，上浆嫩肉。另一种与马铃薯生全粉对应的，也是目前市面上常见的马铃薯熟全粉即为“土豆粉”，它是以新鲜马铃薯为原料，经清洗、去皮、挑选、切片、漂洗、预煮、冷却、蒸煮、捣泥等工艺过程，经脱水干燥而得的细颗粒状、片屑状或粉末状产品。马铃薯熟全粉加工过程中一般需要高温加热蒸煮还原变成马铃薯泥，主要用于生产方便即食食品或西式面点。由于马铃薯淀粉糊化开始温度为56℃，糊化完全温度为67℃，经高温加热处理的马铃薯全粉中淀粉发生糊化，蛋白质改性、维生素遭到破坏，其相应的加工特性发生变化。若将此类熟化的马铃薯全粉作为薯类主食制品的原料，则会对面团的流变特性、理化性质、粉质参数及拉伸特性产生不利影响，也影响主食制品的营养价值。

马铃薯生全粉的生产主要是在加工过程中采用低温干燥（一般低于55℃），避免淀粉糊化和蛋白质变性，以保证主食制品原料面团的加工性能。在我国马铃薯主食化生产中，制作馒头、包子、面条、粉条等食品应以马铃薯生全粉为原料。

但是，目前马铃薯生全粉生产加工缺乏相关标准，导致市场上马铃薯粉品质参差不齐，价格各异。如不法商贩以次充好，用低价淀粉类代替生全粉或者在产品中掺入低价淀粉类物质；或者为追求加工高效低成本，提高干燥温度、简化工艺路线，致使所生产的马铃薯粉已熟化改性，不具备主食化所需特质。

因此，保障马铃薯生全粉原料的真实性、规范化，是我国马铃薯主食化的首要目标，而目前市场上缺乏一种快速鉴别马铃薯生全粉的有效方法，因此开发一种快速、无损的马铃薯生全粉鉴别方法，对于提高马铃薯生全粉质量，开发高品质马铃薯传统主食产品，促进马铃薯主食化进程具有重要意义。

技术实现要素：

本发明的目的是提供一种基于近红外光谱技术的马铃薯生熟全粉快速鉴别的方法，具有快速无损、准确性高的特点。通过近红外光谱检测系统采集马铃薯生全粉样品的反射光谱信息，通过光谱特征差异性分析，特征变量筛选，建立生全粉快速鉴别模型。

本发明通过以下技术方案实现：一种马铃薯生全粉近红外光谱快速鉴别的方法，按照下述步骤进行

（1）利用傅里叶变换近红外光谱仪扫描马铃薯粉样品，采集样品的近红外光谱曲线；

（2）对扫描的样品近红外光谱信号进行预处理；

（3）近红外光谱特征差异性分析，筛选特征波长；

（4）构建马铃薯生全粉的判别模型并验证判别模型；

（5）利用判别模型对未知的马铃薯生全粉样品进行真实性鉴别。

其中所述步骤（1）中，利用傅里叶变换近红外光谱仪扫描马铃薯粉样品，其特征在于，首先设置傅里叶变换近红外光谱仪扫描参数并采集样品杯背景，扫描范围为4000~10000cm^-1，平滑次数为16；然后将等量的马铃薯粉样品逐次置于样品杯中刮平，每个样品扫描4次。

其中所述步骤（2）中，对近红外光谱信号进行预处理，其特征在于，计算每个样品的平均光谱曲线，将样品的平均光谱进行归一化处理，进一步减小信号漂移。

其中所述步骤（3）中，对近红外光谱特征差异性分析及特征波长筛选，其特征在于，应用主成分分析法计算累积贡献率超过85%的第一、第二主成分载荷，由载荷图选出相关性较高的特征波段4810~5350cm^-1，6450~8450cm^-1。但由于输入变量个数较多，需要采用连续投影算法（spa）进一步压缩数据量，优选特征波长，最终选择4810cm^-1，4860cm^-1，4900cm^-1，4980cm^-1，4980cm^-1，5130cm^-1，5190cm^-1，7070cm^-1，7420cm^-1，7560cm^-1，7720cm^-1，8030cm^-1，8180cm^-1，8280cm^-1，8320cm^-1等15个光谱值作为判别模型的输入变量。

其中所述步骤（4）中，建立马铃薯生全粉的判别模型，以步骤（3）中优选的特征波长为输入变量，首先构建偏最小二乘判别分析模型，初步鉴别马铃薯粉样品是否为全粉，对非全粉类物料进行初步筛除。其次建立基于支持向量机，判别马铃薯粉样品是否为生全粉，并将验证集样品带入模型进行验证。其中，所构建的模型如下所述：

a）构建的偏最小二乘判别分析模型，其特征在于，设置马铃薯全粉样品（包括生全粉与熟全粉）标签为1，马铃薯淀粉标签为0。以校正后的特征光谱吸收值a作为输入变量，马铃薯粉是否为全粉作为输出结果，最后输出的每个样品判别结果用y0表征；

b）构建的支持向量机模型，其特征在于，选取上述y0结果中判别为马铃薯全粉的样品，设置马铃薯生全粉样品标签为2，熟全粉标签为3。以对应样品校正后的特征光谱吸收值a作为输入变量，马铃薯粉是否为生全粉作为输出结果，核函数为径向基函数，核函数参数g值为10⁴，惩罚系数c值为100，最后输出的每个样品判别结果用y1表征。

其中所述步骤（5）中，利用判别模型对未知的马铃薯生全粉样品进行真实性鉴别，其特征在于，根据步骤（4）中模型的判别结果，鉴定马铃薯生全粉样品的真实性，其步骤如下：

a）采集未知马铃薯粉样品的平均光谱并进行归一化校正；

b）选择4810cm^-1，4860cm^-1，4900cm^-1，4980cm^-1，4980cm^-1，5130cm^-1，5190cm^-1，7070cm^-1，7420cm^-1，7560cm^-1，7720cm^-1，8030cm^-1，8180cm^-1，8280cm^-1，8320cm^-1等15个光谱值代入判别模型，进行样品判别；

c）根据偏最小二乘判别分析模型输出的判别结果y0，可判别马铃薯粉样品是否为全粉，将判别为非全粉的样品剔除；

d）根据支持向量机模型输出的判别结果y1，可判别马铃薯粉样品是否为生全粉。

本发明建立了一套高效、快速的马铃薯生熟全粉近红外光谱快速鉴别的方法，可依次判别分选出马铃薯全粉，以及生全粉、熟全粉，可用于国家食品质量与安全监管，还可用于马铃薯全粉加工过程生产关键品质控制以及马铃薯主食制品原料质量控制，对于提升薯类生全粉质量，开发高品质马铃薯传统主食产品，促进马铃薯主食化进程具有重要意义。

附图说明：

图1是本发明一种基于近红外光谱技术对马铃薯生熟全粉快速鉴别的方法流程图；

图2是本发明实施例1中所述的归一化校正后的平均光谱曲线图；

图3是本发明实施例1中所述的样品吸收光谱的主成分pc1、pc2载荷分析图；

图4是本发明实施例1中所述的样本吸收光谱主成分pc1、pc2得分散点图。

具体实施方式：

下面结合附图和实施例，对本发明的具体实施方式做进一步详细的描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1是本发明一种基于近红外光谱技术对马铃薯生熟全粉快速鉴别的方法流程图。如图1所示，应用近红外光谱技术快速鉴别马铃薯生熟全粉的方法，包括以下步骤：

1）采集马铃薯粉样品，包括马铃薯生全粉、熟全粉以及马铃薯生淀粉或混掺粉等，共100个样品；

2）设置傅里叶变换近红外光谱仪扫描参数并采集样品杯背景，扫描范围为4000~10000cm-1，平滑次数为16。

3）利用傅里叶变换近红外光谱仪扫描采集100个样品的近红外光谱曲线，将等量的马铃薯粉样品逐次置于样品杯中刮平，每个样品扫描4次。

4）对近红外光谱信号进行预处理，计算每个样品的平均光谱曲线，将样品的平均光谱进行归一化处理，进一步减小信号漂移。

5）对近红外光谱特征差异性分析及特征波长筛选，应用主成分分析法计算累积贡献率超过85%的第一、第二主成分载荷，由载荷图选出相关性较高的特征波段分别为4810~5350cm^-1，6450~8450cm^-1。但由于输入变量个数较多，需要采用连续投影算法进一步压缩数据量，优选特征波长，最终选择4810cm^-1，4860cm^-1，4900cm^-1，4980cm^-1，4980cm^-1，5130cm^-1，5190cm^-1，7070cm^-1，7420cm^-1，7560cm^-1，7720cm^-1，8030cm^-1，8180cm^-1，8280cm^-1，8320cm^-1等15个光谱值作为判别模型的输入变量。

6）对近红外光谱特征差异性分析及特征波长筛选，以优选的特征波长为输入变量，建立构建偏最小二乘判别分析模型，初步鉴别马铃薯粉样品是否为全粉。设置马铃薯全粉样品（包括生全粉与熟全粉）标签为1，马铃薯淀粉标签为0。以校正后的特征光谱吸收值a作为输入变量，马铃薯粉是否为全粉作为输出结果，潜在变量个数为1，最后输出的每个样品判别结果用y0表征；根据y0判别结果，可判别马铃薯粉样品是否为全粉，将判别为非全粉的样品剔除。

7）建立基于支持向量机，判别马铃薯粉样品是否为生全粉。构建支持向量机模型，选取上述y0结果中判别为马铃薯全粉的样品，设置马铃薯生全粉样品标签为2，熟全粉标签为3。以对应样品校正后的特征光谱吸收值a作为输入变量，马铃薯粉是否为生全粉作为输出结果，核函数为径向基函数，核函数参数g值为106，惩罚系数c值为100，最后输出的每个样品判别结果用y1表征。

8）利用判别模型对未知的马铃薯生全粉样品进行真实性鉴别。其步骤如下：

a）采集未知马铃薯粉样品的平均光谱并进行归一化校正；

b）选择4810cm^-1，4860cm^-1，4900cm^-1，4980cm^-1，4980cm^-1，5130cm^-1，5190cm^-1，7070cm^-1，7420cm^-1，7560cm^-1，7720cm^-1，8030cm^-1，8180cm^-1，8280cm^-1，8320cm^-1等15个光谱值代入判别模型，进行样品判别；

c）根据偏最小二乘判别分析模型输出的判别结果y0，可判别马铃薯粉样品是否为全粉，将判别为非全粉的样品剔除；

d）根据支持向量机模型输出的判别结果y1，可判别马铃薯粉样品是否为生全粉。