水稻是世界人口，尤其是亞洲人口的主要營(yíng)養(yǎng)來(lái)源。全球水稻產(chǎn)量估計(jì)約為6.8億噸，相當(dāng)于小麥產(chǎn)量。稻谷從地里收割后，要經(jīng)過(guò)一個(gè)碾磨過(guò)程，機(jī)械地去除谷殼和麩皮，留下精米(68%~70%)，即大米谷殼(20%)、米糠(5%-10%)和米胚芽(2%)。大米主要以拋光的白色顆粒形式食用。米糠是糙米的外層，是大米加工的副產(chǎn)品，是碳水化合物、蛋白質(zhì)、脂類、不溶性纖維、維生素和礦物質(zhì)的良好來(lái)源，小麥粉的良好替代品。此外，米糠中含有多種抗氧化化合物：如多酚、生育酚、生育三烯酚和谷維素，可防止引起組織和DNA損傷的細(xì)胞氧化反應(yīng)。

我國(guó)米糠產(chǎn)量居****位，但一般用來(lái)當(dāng)作飼料或者直接丟棄，造成了這一資源極大的浪費(fèi)。由于米糠本身的不穩(wěn)定性，加之目前對(duì)于蛋白、脂肪以及纖維等營(yíng)養(yǎng)指標(biāo)的測(cè)定多采用經(jīng)典的化學(xué)分析手段，但這種手段往往存在耗時(shí)長(zhǎng)、成本高、人為誤差大、破壞樣品、污染環(huán)境且對(duì)檢測(cè)人員要求高等一系列缺點(diǎn)。因此近紅外光譜作為一種快速、準(zhǔn)確的測(cè)量手段，能替代傳統(tǒng)分析方法加大米糠的綜合利用、更好地發(fā)揮其營(yíng)養(yǎng)價(jià)值。

是否采用樣品旋轉(zhuǎn)裝置

不同近紅外光譜儀器配置不同，有些光譜儀沒(méi)有配置樣品旋轉(zhuǎn)裝置，樣品旋轉(zhuǎn)裝置是否必需，做了以下實(shí)驗(yàn)進(jìn)行論證。采集樣品旋轉(zhuǎn)狀態(tài)下的樣品的光譜信息圖及樣品固定不動(dòng)狀態(tài)下的同樣樣品的5個(gè)光譜信息圖，分別計(jì)算標(biāo)準(zhǔn)差，比較標(biāo)準(zhǔn)差的大小。

從圖1可以看出，樣品在固定狀態(tài)下標(biāo)準(zhǔn)差明顯大于在旋轉(zhuǎn)狀態(tài)下的標(biāo)準(zhǔn)差，說(shuō)明樣品在旋轉(zhuǎn)時(shí)采集的信息更加**，固定狀態(tài)下采集米糠樣品信息，會(huì)因?yàn)槊卓返牟痪鶆蛐詫?dǎo)致實(shí)驗(yàn)較大的誤差，因此，為了提高實(shí)驗(yàn)的準(zhǔn)確度，米糠樣品在采集時(shí)需要將樣品皿置于旋轉(zhuǎn)裝置中。

掃描次數(shù)的優(yōu)化

在采集樣品光譜時(shí)，平均技術(shù)是一種常用的有效方法，它能提高光譜的信噪比，即對(duì)需要測(cè)定的樣品，進(jìn)行多次掃描，經(jīng)過(guò)多次疊加求平均，可消減與信號(hào)無(wú)關(guān)的噪聲。掃描次數(shù)的適度增加對(duì)提高信噪比有一定的幫助，從而改善分析結(jié)果。但并不是采用掃描次數(shù)越多結(jié)果越好，這是因?yàn)椋菏紫?，掃描樣品所消耗的時(shí)間會(huì)隨著掃描次數(shù)的增加而增加，并且隨著掃描次數(shù)的增加，導(dǎo)致操作效率的降低：另外，通過(guò)利用增加掃描次數(shù)來(lái)達(dá)到消減噪聲的目的，只是在次數(shù)相對(duì)較少的時(shí)候才有較為明顯的作用，而次數(shù)越多反而效果越不明顯，所以，采集樣品的近紅外光譜會(huì)存在*佳掃描次數(shù)。

圖2為樣品在3594.8-12489.3cm^-1范圍內(nèi)不同掃描次數(shù)下的標(biāo)準(zhǔn)差比較，從圖中可以明顯地看出當(dāng)掃描次數(shù)為16及32 Scans時(shí)，標(biāo)準(zhǔn)差曲線位于*上面，即標(biāo)準(zhǔn)差較大，且不穩(wěn)定；從整體來(lái)看，掃描次數(shù)為64 Scans及128 Scans的標(biāo)準(zhǔn)差曲線隨著波數(shù)的變化而波動(dòng)不大，標(biāo)準(zhǔn)差較小，且二者無(wú)明顯區(qū)別，因此，綜合考慮，本實(shí)驗(yàn)選取64 Scans為*佳掃描次數(shù)。

裝樣厚度的確定

采集米糠樣品光譜時(shí)，樣品的裝樣厚度對(duì)光譜有一定的影響，裝樣太薄無(wú)法保證光譜所含信息的**，裝樣過(guò)厚則光程變化較大，所以為確定采集樣品光譜時(shí)的適當(dāng)厚度，選擇了4個(gè)樣品進(jìn)行試驗(yàn)，分別在飼料樣品的裝樣厚度為1、2、3、4、5、6mm時(shí)進(jìn)行光譜采集。

圖3為樣品在不同厚度下的光譜圖，樣品厚度為5mm后，光譜達(dá)到穩(wěn)定，因此光譜采集時(shí)，裝樣厚度至少需要5mm或者5mm以上，太薄采集到的光譜不夠穩(wěn)定準(zhǔn)確，因此，為了光譜采集的穩(wěn)定性和準(zhǔn)確度，本研究采用5mm為裝樣厚度。

米糠近紅外模型的建立

表1為200個(gè)米糠樣品營(yíng)養(yǎng)指標(biāo)的測(cè)定結(jié)果。通過(guò)比較可以看出粳米米糠的粗脂肪以及粗纖維含量略高于秈米米糠，秈米米糠的粗蛋白含量略高于粳米米糠。根據(jù)糧食行業(yè)推薦性標(biāo)準(zhǔn)LS/T3320—2020規(guī)定米糠水分≤13%即為**品可以看出所選米糠水分含量均可達(dá)到**質(zhì)量標(biāo)準(zhǔn)，具有可分析性。利用SPSS22對(duì)測(cè)定結(jié)果進(jìn)行統(tǒng)計(jì)學(xué)分析得出測(cè)定結(jié)果符合正態(tài)分布，表明測(cè)定結(jié)果具有統(tǒng)計(jì)學(xué)意義，可以用于建模分析。

對(duì)粳米米糠，秈米米糠，總米糠的營(yíng)養(yǎng)指標(biāo)進(jìn)行近紅外光譜建模，根據(jù)R²_cal、RMSECV、RPD判斷*優(yōu)模型，*終確定粳米米糠的粗蛋白、粗脂肪以及粗纖維的*優(yōu)預(yù)處理方法分別為：二階導(dǎo)數(shù)、一階導(dǎo)數(shù)+矢量歸一化和二階導(dǎo)數(shù)。秈米米糠的粗蛋白、粗脂肪以及粗纖維的*優(yōu)預(yù)處理方法分別為：二階導(dǎo)數(shù)、矢量歸一化和二階導(dǎo)數(shù)。 粗蛋白、粗脂肪以及粗纖維的*優(yōu)預(yù)處理方法分別為：多元散射校正、一階導(dǎo)數(shù)+矢量歸一化和二階導(dǎo)數(shù)。

利用驗(yàn)證集的40個(gè)樣品（粳米米糠、秈米米糠各20個(gè)）對(duì)所建立的模型進(jìn)行驗(yàn)證,實(shí)際值與模型預(yù)測(cè)值的R²_val如表3所示。

對(duì)所建立的模型進(jìn)行檢驗(yàn)，以驗(yàn)證模型的決定系數(shù)R²_val為判定指標(biāo)，由表3可以看出驗(yàn)證模型的決定系數(shù)R²_val均大于90%,說(shuō)明所建立的模型具有較高的準(zhǔn)確度。

針對(duì)粳米米糠、粘米米糠和總米糠(包括粳米和粘米)的粗蛋白、粗纖維及粗脂肪指標(biāo)分別建立近紅外光譜技術(shù)快速預(yù)測(cè)模型,采用多種光譜預(yù)處理方法對(duì)米糠的原始光譜進(jìn)行預(yù)處理，利用預(yù)處理后的光譜進(jìn)行模型建立及優(yōu)化，所建立的模型決定系數(shù)R²均大于90%，且所建模型的預(yù)測(cè)值與國(guó)標(biāo)方法測(cè)定值間的相對(duì)偏差范圍均在±5%以內(nèi)，說(shuō)明模型具有良好的預(yù)測(cè)效果。

該實(shí)驗(yàn)使用傅里葉變換近紅外光譜儀MPA II進(jìn)行。

傅里葉變換近紅外光譜儀MPA II是一種快速、**的液體、固體和半固體材料的無(wú)損分析工具，通過(guò)減少時(shí)間和試劑的使用節(jié)省了成本。它在很大程度上取代了許多濕化學(xué)分析方法在所有類型的工業(yè)，包括食品和飼料工業(yè)，以及化學(xué)和制藥工業(yè)。其應(yīng)用軟件OPUS兼具測(cè)量與建模功能，特有的輔助功能能幫助客戶進(jìn)行簡(jiǎn)單快速的建模。