解锁光谱技术 “密码”：探寻不同样品类型下水稻品质无损检测新路径

为解决光谱技术在作物品质检测中缺乏对比分析及忽视样品类型影响的问题，华中农业大学研究人员开展水稻相关研究。结果显示不同光谱技术检测效果各异，该研究为光谱技术在作物品质检测的应用提供参考，值得一读。

　　

在全球粮食体系里，水稻可是当之无愧的 “顶梁柱”，养活了将近一半的世界人口。随着大家生活水平 “蹭蹭” 往上涨，对高品质大米的需求也越来越旺盛。毕竟，大米的品质直接关系到咱吃饭的口感和营养，还影响着品种培育的方向，对全球粮食供应链的稳定也起着关键作用。

淀粉和蛋白质作为大米的两大 “核心成分”，对其品质影响巨大。淀粉在大米化学成分里占比高达 80 - 90%，其中直链淀粉和支链淀粉是主要 “成员”，它们决定着淀粉颗粒的结晶度和热稳定性，进而影响大米的口感。蛋白质约占大米总含量的 6% - 9%，通过调节大米淀粉的糊化特性，也在默默影响着大米的品质。所以，精准分析大米里淀粉和蛋白质的含量，就成了提升大米品质的关键。

光谱技术的出现，给作物分析带来了一场 “革命”。它能在不破坏样品的情况下，快速检测作物的各种指标，就像给作物做了一场 “透视体检”。比如，高光谱成像技术凭借超多的光谱波段和高分辨率图像，能提供丰富的光谱和空间信息；拉曼光谱利用分子结构和振动模式产生的独特拉曼位移，被称为 “指纹光谱”，可以定量分析物质；激光诱导击穿光谱（LIBS）则能快速分析多种元素，而且不用复杂的样品前处理。

不过呢，这些光谱技术在实际应用中存在不少问题。大家大多是单独使用某一种光谱技术，很少把不同的光谱方法放在一起比较分析。而且，研究往往只盯着某一种特定类型的样品，对原始状态的样品以及加工过程中各个阶段的样品关注不够。这样一来，我们就不清楚不同样品类型会不会影响作物品质检测的结果，也不知道它们能不能为作物品质的无损检测提供有价值的信息。

为了解决这些问题，华中农业大学作物遗传改良国家重点实验室作物表型中心的研究人员在《Plant Methods》期刊上发表了一篇名为 “Effects of different sample types on the application of spectral techniques in non - destructive testing of rice quality” 的论文。研究人员经过一系列实验，得出了不少重要结论。这不仅让我们更清楚不同光谱技术在检测大米成分时的表现，还为光谱技术在作物籽粒品质检测领域的应用提供了重要参考。

研究人员在这项研究中用到了几种关键技术方法。首先是样品准备，他们从 533 份水稻核心种质资源里随机挑出 20 个不同品种，把这些水稻依次处理成稻谷、糙米、精米，最后把精米磨成米粉。然后，利用便携式拉曼光谱仪、LIBS 光谱仪和显微高光谱成像仪这三种光谱检测仪器采集光谱数据。采集完数据后，再用近红外谷物分析仪测定大米样品中支链淀粉和蛋白质的含量。最后，通过数据处理和分析，包括光谱数据预处理、相关性分析以及回归建模，来探究光谱数据和大米品质指标之间的关系 。

下面我们来详细看看研究结果。

显微高光谱原始曲线

研究人员对 20 个品种的稻谷、糙米、精米和米粉样品进行显微高光谱检测，发现不同处理的样品反射率曲线趋势一致，但峰值反射率有差异。稻谷因为表面粗糙，反射率较低；米粉表面光滑，反射率峰值就高一些；糙米和精米的反射率曲线差别不大。而且，同一类型不同品种的样品在 500 - 700nm 范围内光谱曲线差异明显。这些差异反映出不同水稻类型和品种在结构和成分上的不同，就像每个人都有独特的 “指纹” 一样，不同的水稻也有自己独特的光谱 “指纹”。

拉曼数据分析

1. 拉曼光谱原始曲线：拉曼光谱检测结果显示，不同品种的稻谷、糙米、精米和米粉样品光谱特征差异明显。稻谷在 200 - 500有明显峰值，1500 - 2500波形密集振荡，这和样品里多糖分子的振动有关，稻谷表面的不规则凹槽也可能影响了光谱曲线。糙米和精米光谱特征相似，但强度不同，这和它们的表面性质差异有关。米粉是由精米研磨而来，虽然成分一样，但光谱却很独特，200 - 500有突出且变宽的峰值，而且不同品种米粉的光谱曲线形状也不一样。这是因为研磨过程会破坏淀粉晶体结构，还会加速脂肪酸氧化，而拉曼光谱对分子结构和状态很敏感，所以能检测到这些变化。
2. 拉曼曲线波段分析和物质归属：为了搞清楚拉曼光谱曲线里特征峰代表的物质，研究人员用 NGSLabSpe 软件进行分析。稻谷外壳主要由纤维素、半纤维素和果胶组成，在不同波段有不同的特征峰。糙米、精米和米粉主要成分是淀粉和蛋白质，淀粉在不同光谱范围的特征峰对应着不同的分子振动。蛋白质的拉曼光谱带归属比较复杂，要参考氨基酸和短肽等模型化合物，不同的化学键振动对应着不同波段的特征峰。

LIBS 数据分析

1. LIBS 光谱原始曲线：分析不同类型大米样品的 LIBS 光谱曲线发现，所有样品在 700 - 800nm 都有突出峰值，可能和水稻里常见的钾、钙等元素有关。300 - 600nm 有多个强弱不同的峰值，代表着不同元素。稻谷的最大峰值强度比其他样品低，这可能是因为稻谷外壳影响了激光诱导等离子体和光谱强度。糙米光谱有两个突出特征，精米光谱比较稳定，米粉在 300 - 700nm 的峰值簇更密集，这和样品的表面性质、加工过程都有关系。而且，仪器参数、激光能量波动等外部因素也会影响 LIBS 光谱信号。
2. LIBS 曲线波段分析和物质归属：研究人员利用 NIST 原子光谱和分子光谱识别数据库对 LIBS 曲线进行元素分析，找到了对应波长有明显峰值的元素，数据结果和其他文献很吻合，说明数据可靠。

光谱数据与真实值的相关性分析

研究人员对 LIBS、拉曼和显微高光谱数据与支链淀粉和蛋白质含量进行相关性分析。结果发现，排除相关性不高的变量后，三种光谱变量与支链淀粉、蛋白质含量的绝对相关值大多在 0.2 - 0.4 之间，部分变量相关性更强。LIBS 和拉曼光谱变量相关性范围更广，有正有负；显微高光谱变量相关性在不同样品类型上有差异，比如米粉大多是负相关，精米大多是正相关。

光谱数据与品质指标的回归建模

1. 显微高光谱回归建模结果分析：用显微高光谱数据预测支链淀粉和蛋白质含量时，发现最大曲线受回归方法影响大，平均曲线更稳定，但整体值较低，不同样品类型的建模性能差异不明显。这是因为显微高光谱成像采集的光谱信息有限，不能很好地表征大米整体的支链淀粉和蛋白质含量。
2. 拉曼回归建模结果分析：拉曼光谱数据建模时，支链淀粉建模的平均曲线稳定，最大值达到 0.52；蛋白质建模的平均曲线有波动，最大值为 0.47。精米对支链淀粉建模效果最好，不同样品类型对蛋白质建模结果的影响和支链淀粉类似。拉曼光谱在预测大米成分含量上有潜力，但样品的表面性质和加工过程会影响光谱信号。
3. LIBS 回归建模结果分析：LIBS 光谱数据建模时，支链淀粉和蛋白质含量的最大和平均曲线变化不大，不同样品类型有明显差异。在支链淀粉建模中，稻谷的稳定性和有效性最好；在蛋白质建模中，精米表现最佳。LIBS 光谱数据能有效表征大米中的成分含量，谷物和精米的光谱数据建模效果更好。

建模中的特征选择和分析

1. 拉曼回归筛选出的共同特征：对拉曼光谱数据的独立变量进行统计分析，发现筛选出的部分变量能和支链淀粉、蛋白质的拉曼特征变量对应，但比例不高。很多筛选出的变量在 1700 - 2500，这个区域在样品光谱里没有明显峰值，强度也低。精米光谱数据建模时特征变量更集中，和曲线吻合。
2. LIBS 回归筛选出的共同特征：对 LIBS 光谱数据和大米成分含量的回归建模结果进行统计分析，发现大部分筛选出的变量能和支链淀粉、蛋白质相关的元素对应，说明利用 LIBS 数据进行回归建模是合理的，而且 LIBS 光谱变量信息更丰富，回归效果更好。

在这项研究中，研究人员全面评估了显微高光谱成像、拉曼光谱和 LIBS 这三种光谱技术在无损检测大米品质方面的适用性，还考虑了不同样品类型对检测结果的影响。结果发现，LIBS 在直接对稻谷进行数据建模时，较高，检测效率不错，对糙米、精米和米粉数据建模也有类似效果，不过它会消耗少量样品。拉曼光谱用低功率可调激光器，在检测表面光滑、分子稳定的样品时有潜力，能保证样品完整性，但对糙米和整粒谷物检测效果受影响，米粉样品的加工过程也会降低光谱建模的准确性，所以实验条件和样品标准化要求比较高。显微高光谱成像由于样品尺寸限制，在检测大米成分时存在局限。

这项研究的结论意义重大，为作物籽粒品质检测提供了重要参考。它让我们知道不同光谱技术的优缺点，在实际应用中就能根据样品特点和检测需求，选择最合适的光谱技术，提高检测的准确性和效率，对推动作物品质检测技术的发展有很大帮助，也为培育高品质水稻品种提供了有力支持。