如何使用近红外光谱仪对米糠的三粗进行分析？

水稻是世界人口，尤其是亚洲人口的主要营养来源。全球水稻产量估计约为6.8亿吨，相当于小麦产量。稻谷从地里收割后，要经过一个碾磨过程，机械地去除谷壳和麸皮，留下精米(68%~70%)，即大米谷壳(20%)、米糠(5%-10%)和米胚芽(2%)。大米主要以抛光的白色颗粒形式食用。米糠是糙米的外层，是大米加工的副产品，是碳水化合物、蛋白质、脂类、不溶性纤维、维生素和矿物质的良好来源，小麦粉的良好替代品。此外，米糠中含有多种抗氧化化合物：如多酚、生育酚、生育三烯酚和谷维素，可防止引起组织和DNA损伤的细胞氧化反应。

我国米糠产量居****位，但一般用来当作饲料或者直接丢弃，造成了这一资源极大的浪费。由于米糠本身的不稳定性，加之目前对于蛋白、脂肪以及纤维等营养指标的测定多采用经典的化学分析手段，但这种手段往往存在耗时长、成本高、人为误差大、破坏样品、污染环境且对检测人员要求高等一系列缺点。因此近红外光谱作为一种快速、准确的测量手段，能替代传统分析方法加大米糠的综合利用、更好地发挥其营养价值。

是否采用样品旋转装置

不同近红外光谱仪器配置不同，有些光谱仪没有配置样品旋转装置，样品旋转装置是否必需，做了以下实验进行论证。采集样品旋转状态下的样品的光谱信息图及样品固定不动状态下的同样样品的5个光谱信息图，分别计算标准差，比较标准差的大小。

从图1可以看出，样品在固定状态下标准差明显大于在旋转状态下的标准差，说明样品在旋转时采集的信息更加**，固定状态下采集米糠样品信息，会因为米糠的不均匀性导致实验较大的误差，因此，为了提高实验的准确度，米糠样品在采集时需要将样品皿置于旋转装置中。

扫描次数的优化

在采集样品光谱时，平均技术是一种常用的有效方法，它能提高光谱的信噪比，即对需要测定的样品，进行多次扫描，经过多次叠加求平均，可消减与信号无关的噪声。扫描次数的适度增加对提高信噪比有一定的帮助，从而改善分析结果。但并不是采用扫描次数越多结果越好，这是因为：首先，扫描样品所消耗的时间会随着扫描次数的增加而增加，并且随着扫描次数的增加，导致操作效率的降低：另外，通过利用增加扫描次数来达到消减噪声的目的，只是在次数相对较少的时候才有较为明显的作用，而次数越多反而效果越不明显，所以，采集样品的近红外光谱会存在*佳扫描次数。

图2为样品在3594.8-12489.3cm^-1范围内不同扫描次数下的标准差比较，从图中可以明显地看出当扫描次数为16及32 Scans时，标准差曲线位于*上面，即标准差较大，且不稳定；从整体来看，扫描次数为64 Scans及128 Scans的标准差曲线随着波数的变化而波动不大，标准差较小，且二者无明显区别，因此，综合考虑，本实验选取64 Scans为*佳扫描次数。

装样厚度的确定

采集米糠样品光谱时，样品的装样厚度对光谱有一定的影响，装样太薄无法保证光谱所含信息的**，装样过厚则光程变化较大，所以为确定采集样品光谱时的适当厚度，选择了4个样品进行试验，分别在饲料样品的装样厚度为1、2、3、4、5、6mm时进行光谱采集。

图3为样品在不同厚度下的光谱图，样品厚度为5mm后，光谱达到稳定，因此光谱采集时，装样厚度至少需要5mm或者5mm以上，太薄采集到的光谱不够稳定准确，因此，为了光谱采集的稳定性和准确度，本研究采用5mm为装样厚度。

米糠近红外模型的建立

表1为200个米糠样品营养指标的测定结果。通过比较可以看出粳米米糠的粗脂肪以及粗纤维含量略高于籼米米糠，籼米米糠的粗蛋白含量略高于粳米米糠。根据粮食行业推荐性标准LS/T3320—2020规定米糠水分≤13%即为**品可以看出所选米糠水分含量均可达到**质量标准，具有可分析性。利用SPSS22对测定结果进行统计学分析得出测定结果符合正态分布，表明测定结果具有统计学意义，可以用于建模分析。

对粳米米糠，籼米米糠，总米糠的营养指标进行近红外光谱建模，根据R²_cal、RMSECV、RPD判断*优模型，*终确定粳米米糠的粗蛋白、粗脂肪以及粗纤维的*优预处理方法分别为：二阶导数、一阶导数+矢量归一化和二阶导数。籼米米糠的粗蛋白、粗脂肪以及粗纤维的*优预处理方法分别为：二阶导数、矢量归一化和二阶导数。 粗蛋白、粗脂肪以及粗纤维的*优预处理方法分别为：多元散射校正、一阶导数+矢量归一化和二阶导数。

利用验证集的40个样品（粳米米糠、籼米米糠各20个）对所建立的模型进行验证,实际值与模型预测值的R²_val如表3所示。

对所建立的模型进行检验，以验证模型的决定系数R²_val为判定指标，由表3可以看出验证模型的决定系数R²_val均大于90%,说明所建立的模型具有较高的准确度。

针对粳米米糠、粘米米糠和总米糠(包括粳米和粘米)的粗蛋白、粗纤维及粗脂肪指标分别建立近红外光谱技术快速预测模型,采用多种光谱预处理方法对米糠的原始光谱进行预处理，利用预处理后的光谱进行模型建立及优化，所建立的模型决定系数R²均大于90%，且所建模型的预测值与国标方法测定值间的相对偏差范围均在±5%以内，说明模型具有良好的预测效果。

该实验使用傅里叶变换近红外光谱仪MPA II进行。

傅里叶变换近红外光谱仪MPA II是一种快速、**的液体、固体和半固体材料的无损分析工具，通过减少时间和试剂的使用节省了成本。它在很大程度上取代了许多湿化学分析方法在所有类型的工业，包括食品和饲料工业，以及化学和制药工业。其应用软件OPUS兼具测量与建模功能，特有的辅助功能能帮助客户进行简单快速的建模。