论文部分内容阅读
随着食品贸易的全球化发展和粮食供给策改革的推进,具有原产地标志保护和地域特色的农产品受到消费者普遍的认可。消费者青睐于具有独特生态环境优势的吉林地理标志大米的同时,并对其产地真实性有了更多的关注。相应的地理标志大米产地确证技术也开始得到国内外研究人员的高度关注。为保护地理标志产品的真实性提供技术支撑,近红外光谱已经成为主要分析技术之一。本研究利用近红外光谱技术对辉南县地理标志火山岩大米与地域内非火山岩大米的真实性进行分析。将辉南县划分7个采样区,根据采样区的水田面积大小,设置47个采样点,选取148个具有代表性的大米样品,进行光谱分析,结果显示由于信息重叠,无法分辨火山岩大米;进行一阶导数发现,火山岩大米图谱有明显的差异。截取了全波段中9000-3710cm-1进行主成分分析（PCA）,结果得出剔除异常值后,火山岩大米与非火山岩大米分别在单一的主簇内,同时存在个别样本与主簇分离。在PCA降维分析的处理基础上,利用SIMCA法对140个样本进行聚类分析,截取的特征波段对于火山岩大米和非火山岩大米的聚类效果能达到100%正确。说明应用特征波段分析,可以代表不同产区大米的特征信息。使用前9个典型判别式函数,对火山岩大米和非火山岩大米的判别正确率为100%。进一步对非火山岩大米具体产地进行判别和交叉验证,结果可看出,火山岩大米在该平面上的分布远离于其他样本,可以非常准确的判别。其中,2、5、4、7组交集比较严重,容易产生误判。利用pH值与直链淀粉之间的关系,利用独立分量分析（ICA）结合近红外光谱以大米pH值作为产地鉴别的代表值,对水稻的内部品质进行定量建模。对5种不同处理光谱模型进行交叉验证,结果表明,经预处理光谱和交叉验证显著提高校准模型的准确性;一阶导数+SG11点平滑预处理模型最佳模型;火山岩大米通过校准模型进行产地鉴别效果达到100%。证明独立分量分析方法结合近红外光谱技术可对辉南县火山岩大米产地进行鉴定。