稻谷有害霉菌侵染的近红外光谱快速检测

稻谷是我国主要储粮品种。为快速、准确鉴定稻谷霉变状态，建立了一种基于近红外光谱的稻谷霉菌污染定性、定量分析方法。首先，将四种谷物中常见有害霉菌(黄曲霉3.17、黄曲霉3.3950、寄生曲霉3.3950、灰绿曲霉3.0100)分别接种在灭菌稻谷样品上。其次，将接种霉菌样品进行人工模拟储藏(28 ℃、RH 80%)，并采集不同储藏时间(0，2，4，7和10 d)稻谷的近红外漫反射光谱信号。最后，利用主成分分析(PCA)、判别分析(DA)和偏最小二乘回归(PLSR)方法建立稻谷霉菌污染的快速分析模型。结果显示，近红外光谱可有效区分感染不同霉菌的稻谷样品，平均判别正确率达87.5%。稻谷霉变随储藏时间逐渐加深，近红外光谱对感染单一霉菌稻谷样品霉变状态的判别正确率达92.5%，多种霉菌的判别正确率达87.5%。稻谷中的菌落总数的PLSR模型定量结果为：有效决定系数(R2_P)为0.882 3、验证均方根误差(RMSEP)为0.339 Lg CFU·g-1，相对标准偏差(RPD)为2.93。结果表明，近红外光谱法可以作为一种快速、无损的分析方法来判定稻谷霉菌侵染状况，确保稻谷储运安全。     

超声波提取-氢化物发生-原子荧光光谱法测定稻米中的硒

建立了超声波提取-氢化物发生-原子荧光光谱法测定稻米硒含量的分析方法,对仪器条件和反应条件进行了选择、优化.样品加硝酸-高氯酸(3+2)混酸,超声波提取20min,热消解.在铁氰化钾-盐酸体系中,采用校准曲线法定量分析.结果表明,大米标准物质中硒的测定值与标准值相吻合.该法线性范围为0-20μg/L,检出限为0.2μg/L,回收率为92.4％-103.9％,相对标准偏差为3.1％-5.8％.方法准确、灵敏、简便、快速,是测定稻米中硒含量的理想方法.     

江西相山铀矿区与非铀矿区稻谷中天然放射性核素含量对比研究

文章对比分析研究了江西相山铀矿区和非铀矿区稻谷中天然放射性核素U和Th的含量特征。样品分别采自江西省相山铀矿区及远离铀矿区的抚州市郊丘陵水稻种植区。结果表明相山铀矿区稻谷中天然放射性核素U的含量显著高于非铀矿区的稻谷,铀矿区内稻谷中放射性核素U含量平均值是非铀矿区的5.30倍;但铀矿区内稻谷中放射性核素Th的含量却较非铀矿区稻谷含量低,仅为其Th含量的50%。另外,相山铀矿区内稻谷中放射性核素U和Th之间存在较为显著的线性关系,稻谷中放射性核素Th的含量随U含量的增加而升高。铀矿区内稻谷中放射性核素U含量显著高于非铀矿区的原因还有待于进一步深入研究,然而加强该领域的研究对于保证我国区域稻谷质量和食品安全是非常重要和有意义的。     

近红外光谱预测稻谷水分含量特征谱区选择及其效率分析

对364份水分含量在2.24%～32.66%之间的“冈优916”稻谷样品，经均值中心化、一阶微分、标准归一化和多元散射校正等预处理后，采用分段间隔法、组合分段法、滑动窗口法和反向分段法等进行特征谱区选择，分别使用偏最小二乘法(PLS)和主成分回归(PCR)两种定量分析方法，获得稻谷含水量近红外光谱预测模型最佳的特征谱区。首次给出了分段间隔法、组合分段法、滑动窗口法和反向分段法等传统的特征谱区选择方法的计算复杂度的计算公式，并对比分析了这几种特征谱区选择方法的程序运行效率。结果表明：采用PLS建模对稻谷含水量光谱的预测性能优于PCR建模，但PLS建模的效率低于PCR建模；在PLS建模中，采用反向分段法对稻谷光谱含水量的预测性能最好，其预测集的相关系数R_P为0.995 6，预测均方根偏差RMSEP为0.78%；其次是滑动窗口法，其R_P为0.994 3，RMSEP为0.89%；但这两种特征谱区选择方法的程序运行效率较低，反向分段法的平均运行时间为4.87 h，滑动窗口法的平均运行时间为29.82 h。该研究结果为今后在并行计算或分布式计算上开发近红外光谱预测模型的快速算法提供参考。     

涉铅企业周边土壤和稻谷中铅的污染现状

对涉铅企业周边土壤和稻谷进行取样调查,分别测定并分析了土壤和谷物中铅的含量.结果表明,涉铅企业周边土壤存在不同程度铅污染,涉铅企业A尤为突出.参照《食品中污染物限量》,涉铅企业A周边稻谷中存在高铅污染风险.     

微波消解-电感耦合等离子体质谱法测定稻谷中铬、镍、铜、砷、镉、铅的含量

通过对测定元素质量数和内标元素的选择,并对存在的干扰进行校正,采用电感耦合等离子体质谱(ICP-MS)法测定大米中铬、镍、铜、砷、镉、铅的含量。各元素测定值的相对标准偏差RSD(n=6)在0.61%～2.2%,加标回收率在92.8%～108%。用来测定标准物质GBW 10011、GBW10022、GBW(E)100348、GBW(E)100361,各元素的测定值与标准值一致,能够满足大米中重金属元素的测定要求。     

基于高光谱成像技术的稻谷品种鉴别研究

许多不同的稻谷品种看起来很相似，但它们的化学成分和最终产品质量却有很大差别，每年因品种混淆而造成巨大的经济损失，对稻谷品种的鉴别是发展优质粮食工程的现实需要，为此提出了一种采用高光谱成像技术实现稻谷品种无损快速鉴别的方法。主要研究内容和结果如下：（1）在全波段388～1 000 nm范围内采集5个品种共150粒的稻谷高光谱反射率数据，筛选出差异明显的波段（600～800 nm），将此波段内每个品种的反射率进行Stacked计算和curve-smoothing平滑处理以增加其区分度。（2）对5种稻谷经平滑处理后的反射率数据做主成分分析，找到权值系数最大的波长位于680 nm，将其作为特征波长。加载特征波长下的纹理图像，计算每粒稻谷样品的纹理特征参数：均值（Mean）、方差（Variance）、信息熵（Entropy）和偏差(Skewness)。利用阈值分割的方法将目标与背景区分开，计算每粒稻谷形态特征参数：面积像素数/pixels2、边界的周长/pixels、长轴长度/pixels、短轴长度/pixels。结合稻谷的纹理特征参数和形态特征参数，比较Fisher判别分析模型、偏最小二乘回归模型（PLSR）和人工神经网络模型（ANN）对稻谷品种鉴别的效果。（3）结果显示，Fisher判别分析中函数1和函数2的累计方差贡献率达到93%，能够较好地解释稻谷的品种信息。将样本的函数值与组质心的平方马氏距离（Mahalanobis）做比较，值相近的作为同一分组类别，对稻谷品种的整体识别正确率能达到95.3%；偏最小二成回归模型：Y_品种=0.03X_均值-0.36X_方差-0.24X_信息熵+0.37X_偏差+0.31X_面积-0.32X_周长-0.39X_长轴长度+0.45X_短轴长度，该回归模型相关系数r=0.98，校正均方根RMESS=0.29，交叉验证均方根PMESSCV=0.32，对稻谷的品种鉴别正确率能达到95%；构建的ANN模型为具有sigmoid隐含和softmax输出神经元的双层前馈网络，对150个样品按70%∶15%∶15%的比例随机划分训练集、测试集、验证集，选择共轭梯度法（scaled conjugate gradient）作为训练算法，以交叉熵（cross-entropy）作为模型的评价指标，对稻谷品种鉴别的正确率可达到98%。稻谷品种鉴别的ANN模型在分类精度上优于Fisher判别和PLSR，选择特征波长下的图像信息建立稻谷品种识别的ANN模型，对稻谷品种的无损快速鉴别具有重要指导意义。     

稻谷副产品中脂肪酸的气相色谱-质谱分析

对稻谷副产品脂肪酸的组成和含量进行分析测定. 采用索氏提取法提取了稻谷副产品中的脂肪油, 再进行甲酯化处理, 利用气相色谱-质谱法对其脂肪酸组成及含量进行了分析测定. 结果表明, 从稻糠、稻叶、稻秆中鉴定出的脂肪酸分别占其总检出量的96.72%、 71.77%和92.63%, 不饱和脂肪酸含量分别为72.88%、 45.26%和66.96%.     

应用超高效液相色谱-四极杆-飞行时间质谱法建立谷物中18种真菌毒素非靶向筛查数据库及确证方法

建立了基于超高效液相色谱-四极杆-飞行时间质谱(UPLC-Q-TOF/MS)的18种真菌毒素非靶向筛查方法。真菌毒素标准物质用HSS T3色谱柱进行色谱分离后在UPLC-Q-TOF/MS MS^E模式下分别用正、负离子模式采集,获取MS和MS/MS的信息,记录对应保留时间、加合物离子、碎片离子精确质量数等信息,设置保留时间偏移为0.3 min,加合物离子和碎片离子的精确质量匹配容差为5×10^-6,在UNIFI中建立18种真菌毒素的数据库。在稻谷、小麦基质中,以筛查检出限(SDL)作为主要参数对筛查方法进行了验证。18种真菌毒素分为有最大限量和无最大限量两种类型,结果有最大限量的真菌毒素均能在其限量水平被准确筛查,无最大限量的真菌毒素其SDL的范围为2～800μg/kg。基质效应考察表明,稻谷中有14种真菌毒素有中等基质效应,小麦中有11种真菌毒素有中等基质效应。样品经乙腈提取后用QuEChERS萃取盐包和HLB净化柱净化,用建立的方法对25批稻谷、小麦进行筛查,结果2批稻谷中检出4种真菌毒素,2批小麦中检出2种真菌毒素。该方法能准确筛查SDL水...     

稻谷新陈度近红外快速无损检测的研究

利用近红外技术结合化学计量学的方法建立了稻谷新陈度近红外光谱定量模型。对90个稻谷样本,通过近红外光谱仪扫描获得了从950～1 650nm的光谱信息。运用UNSCRAMBLER9.7软件进行计算,选择全谱区,结合偏最小二乘法(PLS)算法,得到光谱最佳预处理方法为一阶导加Savizky-Golay平滑,最佳主成分数为7。进行内部交叉验证,决定系数r2为0.967 9,预测误差为54.51,且预测结果与真实值通过t检验,说明模型是可行的。为稻谷新陈度的快速无损检测提供了一种新的方法。