《用于鉴别稻米镉含量超标的MIR光谱分析模型及鉴别方法.pdf》由会员分享，可在线阅读，更多相关《用于鉴别稻米镉含量超标的MIR光谱分析模型及鉴别方法.pdf（13页珍藏版）》请在专利查询网上搜索。
1、10申请公布号43申请公布日21申请号201410657616622申请日20141118G01N21/3563201401G06F19/0020110171申请人湖南省食品测试分析中心地址410125湖南省长沙市芙蓉区马坡岭72发明人单杨朱向荣李高阳苏东林刘伟张菊华74专利代理机构北京科亿知识产权代理事务所普通合伙11350代理人汤东凤54发明名称用于鉴别稻米镉含量超标的MIR光谱分析模型及鉴别方法57摘要本发明公开了一种用于鉴别稻米镉含量超标的MIR光谱分析模型及鉴别方法，分析模型的建立包括样本选取及合格稻米的判定、样本光谱数据的采集、样本光谱数据的处理、样本光谱数据的筛选、初步分析模型的。
2、确立、初步分析模型的验证等步骤，确定用于鉴别稻米镉含量超标的MIR光谱分析模型。还包括采用该MIR光谱分析模型鉴别稻米中镉含量是否超标的方法。本发明在采用化学方法鉴别所选择大量稻米样本的镉含量是否超标的基础上，采集稻米样本的中红外光谱，结合最小二乘支持向量机分类方法，建立基于中红外光谱技术和化学计量学方法的稻米镉含量是否超标的MIR分析模型，准确率达到931以上，具有操作简单、检测迅速、安全环保等优势。51INTCL19中华人民共和国国家知识产权局12发明专利申请权利要求书2页说明书8页附图2页10申请公布号CN104374731A43申请公布日20150225CN104374731A1/2页。
3、21一种用于鉴别稻米镉含量超标的MIR光谱分析模型，其特征在于，所述分析模型采用以下方法建立1样本选取及其合格稻米的判定选择足够数量的不同稻米样本，并采用石墨炉原子吸收法测定所选择的每个稻米样本中镉含量，将镉含量合格的稻米样本的判定值设为1，镉含量超标的稻米样本的判定值设为1；2样本光谱数据的采集采用中红外光谱法分别对所选择的每个稻米样本进行光谱采集，并将采集到的稻米样本的标准光谱数据随机分为训练集和预测集两部分；3样本光谱数据的处理对步骤2中采集到的训练集的标准光谱数据进行数据处理，以抵消背景干扰；4样本光谱数据的筛选以所述步骤3中处理过的训练集的标准光谱数据作为选择来源对象，采用WT法压缩。
4、得到建模用光谱数据；5LSSVM参数优化采用二次格点搜索法、和交叉验证对训练集进行训练以得到最佳参数；6初步分析模型的确立根据所述建模用光谱数据，采用LSSVM法建立所述训练集中稻米样本的初步分析模型，并结合步骤1中测定的所述训练集中对应稻米样本的判定值进行判定；7模型的评价采用总正确率TOTAL和ROC下的面积对模型进行评价；8初步分析模型的验证将所述步骤2中预测集的标准光谱数据进行所述步骤3的数据处理，并结合4步骤的筛选方法筛选出验证用光谱数据；然后将所述验证用光谱数据代入模型，并结合所述步骤6的初步分析模型进行验证，完成所述鉴别稻米镉含量超标的MIR光谱分析模型的预测。2根据权利要求1所。
5、述的用于鉴别稻米镉含量超标的MIR光谱分析模型，其特征在于，所述步骤2中中红外光谱法的采集参数为中红外光谱扫描波数为4000CM1500CM1，中红外光谱扫描次数为8次，分辨率为4CM1。3根据权利要求1所述的用于鉴别稻米镉含量超标的MIR光谱分析模型，其特征在于，所述步骤3中所述数据处理的方法为对所述训练集的标准光谱数据先进行平滑处理，对平滑处理后的标准光谱数据再进行二阶导数处理，对二阶导数处理后的标准光谱数据再进行自归一化处理。4根据权利要求1所述的用于鉴别稻米镉含量超标的MIR光谱分析模型，其特征在于，所述步骤4中所述WT法具体包括以下步骤选择波长范围在4000CM1500CM1区域内全。
6、光谱，采用DB2小波函数，压缩尺度设置为4，通过留一交叉验证选出模型鉴别准确率最高时所对应的波数变量。5根据权利要求4所述的用于鉴别稻米镉含量超标的MIR光谱分析模型，所述波数变量为106个。6一种采用权利要求1至5中任一项所述的MIR光谱分析模型对稻米中镉含量超标的鉴别方法，其特征在于，包括以下步骤A中红外光谱仪采集待检测稻米样本的标准光谱数据；权利要求书CN104374731A2/2页3B在步骤A采集的标准光谱数据中选择谱带在4000CM1500CM1范围内的标准光谱数据，先进行平滑处理，对平滑处理后的标准光谱数据进行二阶导数处理，对二阶导数处理后的标准光谱数据再进行自归一化处理；C将所述。
7、经过步骤B处理过的标准光谱数据进行WT方法压缩得到特征光谱数据；D分析模型的判定将步骤C中筛选出的所述特征光谱数据输入到所述MIR光谱分析模型中，利用最小二乘支持向量机方法LSSVM建立稻米镉定性模型，采用优化好的模型对所述待检测稻米样本的镉含量鉴别是否超标。7根据权利要求6所述的鉴别方法，其特征在于，所述中红外光谱仪的参数控制如下中红外光谱扫描波数为4000CM1500CM1，取02G试样在玛瑙研钵中磨细后，加20G已干燥磨细的溴化钾粉末，试样与溴化钾质量比约为1100，充分混合并研磨；将研磨好的混合物均匀地放入模具的顶模与底模之间，然后把模具放入压力机中，在12PA的压力下处理15MIN即。
8、得到均匀半透明的锭片；将锭片放入仪器支架中测量，保存数据。权利要求书CN104374731A1/8页4用于鉴别稻米镉含量超标的MIR光谱分析模型及鉴别方法技术领域0001本发明属于中红外MIDINFRARED，MIR光谱检测涉技术领域，涉及一种用于鉴别稻米镉含量超标的MIR光谱分析模型及鉴别方法。背景技术0002水稻是我国主要的粮食作物，65的中国人以稻米为主食，稻米品质的优劣直接关系到人们的健康水平。镉CADMIUM，CD是自然界中广泛存在的重金属元素，具有较强的毒性。水稻被认为是镉吸收最强的大宗谷类作物，镉容易被水稻吸收并积累。稻田镉污染不仅导致水稻产量下降，更严重的是镉元素在水稻植株内大。
9、量累积，通过土壤植物人体的食物链途径传递，严重威胁到人类健康，直接影响我国的粮食安全。0003世界各国已经对稻米中的镉含量制定了严格的限量标准。我国食品卫生标准GB27622012规定稻米中镉的最高限量为02MGKG1。因此，对稻米中镉含量进行质量控制，保障稻米食用安全，采用快速、无损的检测方法对稻米镉含量进行筛查尤为重要。目前，火焰原子吸收光谱法、石墨炉原子吸收光谱法，电感耦合等离子体原子发射光谱和电感耦合等离子体质谱等分析方法被广泛用于农产品食品中重金属元素含量的测定。这些方法虽然灵敏度高、准确性好，但也存在着需要专业人员操作、需要繁杂的样品前处理以及消耗大量的强酸试剂等缺点。0004中红。
10、外光谱作为一种分子光谱分析手段，具有快速、便捷、非破坏性等优点，其在农业、食品、医药等领域均有应用，然而，上述应用的领域、检测的对象、项目及检测分析的具体方法都存在较大差异，而且迄今仍未有人提出将中红外光谱技术应用于稻米中重金属镉元素的含量水平检测，这不仅是因为稻米中镉含量较低，而且本领域技术人员很少会将稻米重金属镉含量是否超标的定性检测与中红外光谱技术的应用联系起来。发明内容0005本发明的目的在于克服上述技术存在的模型鉴别率低、运算速度慢与模型复杂等缺陷，提供一种操作简单、检测迅速、安全环保、模型运算简单、计算速度快与检测精度高用于鉴别稻米镉含量超标的MIR光谱分析模型及鉴别方法。0006。
11、本发明提供的用于鉴别稻米中镉含量超标的MIR光谱分析模型，采用化学方法鉴别所选择大量稻米样本的镉含量是否超标的基础上，采集样本的中红外透反射光谱，结合最小二乘支持向量机方法，建立基于中红外光谱技术和化学计量学方法的稻米镉是否超标的鉴别模型。充分考虑了用于鉴别模型的稻米样本的代表性，准确地选取了波数变量；还使用了平滑、微分、自归一化相结合的数据处理方法，消除了光谱散射影响与量纲以及数量级的限制，提高了检测的准确性和稳定性。同时，校正后的MIR光谱分析模型还考虑到镉元素与稻米中淀粉、蛋白质等成分形成有机络合物，采用WT方法对全光谱变量进行压缩，得到该络合物在中红外光谱中的响应波段，以达到鉴别稻米镉。
12、含量是否超标的目的。0007其具体技术方案为说明书CN104374731A2/8页50008一种用于鉴别稻米镉含量超标的MIR光谱分析模型，所述MIR光谱分析模型的建立包括以下步骤00091样本选取及其合格稻米的判定随机选择足够数量的不同稻米样本，并采用石墨炉原子吸收法测定所选择的每个稻米样本中镉含量，将镉含量合格的稻米样本的判定值设为1，镉含量超标的稻米样本的判定值设为1；00102样本光谱数据的采集采用中红外光谱法分别对选择的每个稻米样本进行光谱采集，并将采集到的稻米样本的标准光谱数据随机分为训练集和预测集两部分；00113样本光谱数据的处理对步骤2中采集到的训练集的标准光谱数据进行数据处。
13、理，以抵消斜坡背景干扰，提高中红外光谱信噪比；00124样本光谱数据的筛选以上述步骤3中处理过的训练集的标准光谱数据作为选择来源对象，采用小波变换WAVELETTRANSFORMATION，WT法对光谱数据进行压缩，提取特征变量；00135LSSVM参数优化采用二次格点搜索法TWOGRIDSEARCHINGTECHNIQUE和交叉验证CROSSVALIDATION对上述步骤4采用WT压缩过的训练集进行训练以得到最佳参数。00146初步分析模型的确立根据所述建模用光谱数据并结合步骤1中测定的所述训练集中对应稻米样本的判定值与步骤5优化的参数，建立初步分析模型；00157模型的评价采用总正确率TO。
14、TAL和ROC下的面积对步骤6初步分析模型进行评价；00168初步分析模型的验证将上述步骤2中预测集的标准光谱数据进行上述步骤3的数据处理，并结合4步骤的压缩方法提取出验证用光谱数据；然后根据所述验证用光谱数据并结合所述步骤7的初步分析模型进行验证，完成所述鉴别稻米镉含量超标的MIR光谱分析模型的建立。0017优选地，步骤2中红外光谱法的采集参数为0018中红外光谱扫描波数为4000CM1500CM1，0019中红外光谱扫描次数为8次，0020分辨率为4CM1。0021优选地，所述步骤3中所述数据处理的方法为对所述训练集的标准光谱数据先进行平滑处理，对平滑处理后的标准光谱数据再进行二阶导数处理。
15、，对二阶导数处理后的标准光谱数据再进行自归一化处理。0022优选地，所述步骤4中所述WT法具体包括以下步骤将光谱数据导入MATLAB71小波分析工具箱中，根据光谱信号的性质，选择具有正交性和离散小波变换功能的DAUBECHIES1，DAUBECHIES2，DAUBECHIES3和DAUBECHIES4小波，分别对信号进行1，2，3，4，5，6尺度水平分解和消噪，消噪时选择固定软阈值XEDFROMSOFTTHRESHOLD。最终，确定了具有正交性和离散DAUBECHIES2小波为最佳小波函数，变换功能的4尺度水平为最佳分解尺度。通过WT压缩，原始光谱1557个变量被压缩成106个变量。0023一。
16、种采用本发明所述的MIR光谱分析模型对稻米中镉含量超标的鉴别方法，包括以下步骤0024A中红外光谱仪采集待检测稻米样本的标准光谱数据；说明书CN104374731A3/8页60025B在步骤A采集的标准光谱数据中选择谱带在4000CM1500CM1范围内的标准光谱数据先进行平滑处理，对平滑处理后的标准光谱数据进行二阶导数处理，对二阶导数处理后的标准光谱数据再进行自归一化处理；0026C将所述经过步骤B处理过的标准光谱数据进行WT方法压缩得到特征光谱数据；0027D分析模型的判定将步骤C中筛选出的所述特征光谱数据输入到前述的MIR光谱分析模型中，利用最小二乘支持向量机LSSVM法对所述特征光谱数。
17、据建立定性模型，并根据建立的定性模型鉴别所述待检测稻米样本的镉含量是否超标。0028优选地，中红外光谱仪的参数控制如下0029中红外光谱扫描波数为4000CM1500CM1，取02G试样在玛瑙研钵中磨细后，加20G已干燥磨细的溴化钾粉末，试样与溴化钾质量比约为1100，充分混合并研磨；将研磨好的混合物均匀地放入模具的顶模与底模之间，然后把模具放入压力机中，在12PA的压力下处理15MIN即可得到均匀半透明的锭片；将锭片放入仪器支架中测量，保存数据。0030与现有技术相比，本发明的有益效果为00311本发明提供的鉴别稻米镉含量是否超标的MIR光谱分析模型，消除了光谱散射影响与量纲以及数量级的限制。
18、，还考虑到镉元素与稻米中淀粉、蛋白质等成分形成有机络合物的影响因素，准确率高达931以上，相比于其他的检测模型，其准确率更高，检测精度更高，模型性能更好。00322本发明提供的鉴别稻米镉含量的方法，克服了现有稻米镉元素分析检测方法中操作烦琐、消化时间长、化学试剂用量多、成本高等缺点，操作非常简单，只需将样品粉末倒入反射杯中就可进行光谱采集。00333本发明提供的鉴别稻米镉含量的方法，检测过程时间短，采集稻米样品的中红外光谱后就可进行预测和属性判定，整个检测过程仅需23分钟，便于控制。00344与其他方法比较，采用LSSVM方法建模的模型鉴别准确率更高，运算速度更快。00355与其他方法比较，采。
19、用WT对MIR光谱中1659个变量进行压缩，最后得到106个特征变量，模型得到简化，鉴别率得到提高。00366本发明的检测方法不需要加入有机试剂，对待测样品没有任何损坏，也不会损害检测人员的健康；更不会发生因使用化学试剂所导致的环境污染问题，可用于大批量样品的快速检测，适宜于粮食部门与农业部门大规模收购粮食时的现场品质监控及市场监督抽样检测，具有快速、高效、环保等优势。附图说明0037图1为本发明实施例1中选取的稻米样本的中红外光谱图；0038图2为本发明实施例1中稻米样本的红外光谱数据经平滑、二阶导数和自归一化处理后的中红外光谱图；0039图3为本发明实施例1中LSSVM模型参数优化图；00。
20、40图4为本发明实施例1中LSSVM模型ROC曲线评价图。说明书CN104374731A4/8页7具体实施方式0041为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图和具体实例进一步阐述本发明。0042以下实施例中所采用的材料和仪器均为市售；其中中红外MIR光谱仪采用美国THERMO公司的NICOLETAVATAR360FTIR光谱仪。分析模型建立方法中120个稻米样本中，63个样本选自长沙县干杉镇湘晚籼12号，38个样本选自长沙县北山镇湘晚籼12号，19个稻米样本选自长沙县大同桥镇湘晚籼12号。但本发明所建立的MIR光谱分析模型并不仅仅限于对湘晚籼12号稻米的检。
21、测，各种品种的稻米均可用于本发明的MIR光谱分析模型。0043实施例10044一种用于鉴别稻米镉含量超标的MIR光谱分析模型，该MIR光谱分析模型采用以下方法建立00451、样本选取及其合格稻米的判定随机选择120个的不同稻米样本，采用石墨炉原子吸收法分别测定120个稻米样本中镉含量，将测得的镉含量对照GB27622012食品中污染物限量中稻米镉含量限量的要求，确定出每个稻米样本的是否超标，并将符合GB27622012食品中污染物限量标准中稻米镉含量限量要求的稻米即镉含量合格的稻米，120个稻米样本中镉含量合格的稻米共49个的判定值设为1，将超过稻米镉含量限量要求的镉含量超标的稻米120个稻米。
22、样本中镉含量超标的稻米共71个的判定值设为1。0046本实施例中采用的石墨炉原子吸收法根据GB/T5009/152003食品中镉的测定进行操作，具体是指分别准确称取每个稻米样本粉末05G至250ML锥形瓶中，用移液管移取20ML硝酸优级纯溶解稻米样本粉末，在沙浴中进行加热消化，直至锥形瓶中的溶液变澄清停止加热。待锥形瓶中的溶液冷却后用去离子水溶解并定容至25毫升的容量瓶中做为待测溶液，将待测溶液于石墨炉原子吸收分光光度计中检测吸收值。根据检测得到的吸收值计算待测溶液中镉的含量。00472、样本光谱数据的采集以MIR光谱仪作为采样设备，分别采集步骤1中120个稻米样本的标准光谱数据，将采集到的所。
23、有稻米样本的标准光谱数据随机分为训练集训练集稻米样本数84个和预测集预测集稻米样本数36个两部分。0048MIR光谱仪采集标准光谱的步骤为中红外光谱扫描波数为4000CM1500CM1，取2G试样在玛瑙研钵中磨细后，加适量已干燥磨细的溴化钾粉末，试样与溴化钾质量比约为1100，充分混合并研磨；将研磨好的混合物均匀地放入模具的顶模与底模之间，然后把模具放入压力机中，在12PA左右的压力下处理15MIN即可得到均匀半透明的锭片；将锭片放入仪器支架中测量，保存数据。0049图1为120个稻米样本中具有代表性的稻米样本的MIR光谱图。00503、样本的标准光谱数据的处理对步骤中采集到的训练集的标准光谱。
24、数据共84个稻米样本的标准光谱数据进行数据处理，具体的数据处理方法为运用MATLAB71分析软件分析软件由美国MATHWORK公司提供在4000CM1500CM1的光谱区域内，分别采用表1中9种数据处理的方法对标准光谱数据进行数据处理，根据稻米样本的中红外光谱数据的特殊性，验证出最适合稻米样本、准确率最高的数据处理方法。说明书CN104374731A5/8页80051表1九种数据预处理组合方法准确率结果表00520053从表1中可知采用方法7中的平滑二阶导数自归一化结合的数据处理方法，准确率更高。0054从图2可知经平滑二阶导数自归一化处理后中红外光谱图可以有效地抵消背景干扰，较大程度地提高光。
25、谱的分辨率。00554、样本光谱数据的筛选以经过上述步骤3处理的训练集的标准光谱数据作为选择来源对象，采用WT方法对建模用光谱数据进行压缩，具体的压缩方法为0056将光谱数据导入MATLAB71小波分析工具箱中，根据光谱信号的性质，选择具有正交性和离散小波变换功能的DAUBECHIES1，DAUBECHIES2，DAUBECHIES3和DAUBECHIES4小波，分别对信号进行1，2，3，4，5，6尺度水平分解和消噪，消噪时选择固定软阈值XEDFROMSOFTTHRESHOLD。最终，确定了具有正交性和离散DAUBECHIES2小波为最佳小波函数，变换功能的4尺度水平为最佳分解尺度。通过WT压。
26、缩，原始光谱1557个变量被压缩成106个变量。00575、LSSVM建模方法参数调节。LSSVM中的参数对计算结果有很大的影响，采用径向基核函数RBF，它需要调节两个参数2RBF核的核参数和回归误差的权重。2的值太小，会对样本数据造成过学习的现象；2的值太大，会对样本数据造成欠学习现象。LSSVM采用二次格点搜索法TWOGRIDSEARCHINGTECHNIQUE和交叉验证CROSSVALIDATION对训练集进行训练以得到最佳参数。网格搜索选择参数时，先选定参数和2，在2坐标系上构成一个二维网格，对每一组和2利用交叉验证评价算法，找到结果最好的一组参数和2，然后以该组参数为中心选定一个小的。
27、搜索区域再进行细搜索，从而找到使模型结果最优的一组参数和2。0058和2的搜索范围分别设为1100，由于数量级相差较大，对和2作对数处理。寻优过程由粗选和精选两个步骤组成粗选格点数1010，用“”表示，搜索步说明书CN104374731A6/8页9长较大，采用误差等高线确立最优参数范围；精选格点数仍为1010，用“”表示，在粗选基础上，以较小步长更加细致地搜索。图3为参数优化图，最优和2分别为1684和75414。00596、初步分析模型的确立根据步骤4中建模用和2最优值，同时结合步骤1中测定的训练集中各个稻米样本的判定值，通过判别分析对镉含量合格的稻米与镉含量超标的稻米进行分类。00607、。
28、LSSVM模型评价正确率能通过下面四个指示器来评价，真阳性TP，真阴性TN，总正确率TOTAL和ROC下的面积。TN、TP、FN和FP分别表示真阴性、真阳性、假阴性以及假阳性。阳性和阴性分别表示合格与不合格的稻米镉是否超标样本。ROC曲线RECEIVEROPERATINGCHARACTERISTICCURVE经常用来评价二分类模型性能。一个完美的分类器，ROC下的面积等于1；当ROC下的面积小于05时，即可认为所建之分类模型已不具备判别能力。ROC下的面积越大，模型的分类能力也就越强。当使用ROC曲线分析时，以TP真阳性率作为X轴，FP假阳性率为Y轴，TP和FP也分别称之为敏感度SENSITI。
29、VITY和1特异度1SPECICITY，分别表示两类样本的分类准确率。图4为ROC曲线图，通过建立上述定性鉴别模型，ROC曲线下面积为0873。训练集的鉴别准确率为100，预测集的鉴别准确率为861，总准确率为931。00618、初步分析模型的验证以上述步骤2中预测集的标准光谱数据作为选择来源对象，进行上述步骤3的数据处理，将经过步骤3数据处理过的标准光谱数据进行WT压缩，选择谱带在40001CM1500CM1范围内的共106个波数变量对应的标准光谱数据作为验证用光谱数据，并结合步骤5中建立的初步分析模型进行验证，确定出稻米镉含量鉴别的MIR光谱分析模型预测集的属性。0062实施例20063一。
30、种采用实施例1的MIR光谱分析模型对稻米中镉含量是否超标的鉴别方法，具体包括以下步骤0064A、采集待测稻米光谱数据以MIR光谱仪作为采样设备，分别采集20个市售的待测稻米样本待测稻米样本购于长沙县北山镇，品种湘晚籼12号的标准光谱数据。0065MIR光谱仪采集标准光谱的步骤为中红外光谱扫描波数为4000CM1500CM1，取2G试样在玛瑙研钵中磨细后，加适量已干燥磨细的溴化钾粉末，试样与溴化钾质量比约为1100，充分混合并研磨；将研磨好的混合物均匀地放入模具的顶模与底模之间，然后把模具放入压力机中，在12PA左右的压力下处理15MIN即可得到均匀半透明的锭片；将锭片放入仪器支架中测量，保存数。
31、据。0066B、光谱数据的处理在步骤A采集的20个待测稻米样本的标准光谱数据中，选择全光谱在4000CM1500CM1范围内的标准光谱数据作为处理对象，然后打开MIR光谱分析模型，对前述的待测稻米样本的标准光谱数据先进行平滑处理，对平滑处理后的标准光谱数据再进行二阶导数处理，对二阶导数处理后的标准光谱数据再进行自归一化处理；0067C、特征变量的筛选将所述经过步骤B处理过的标准光谱数据作为选择来源对象，采用前述WT方法压缩得到的106个波数变量所对应的光谱数据作为建模用光谱数据。0068D、分析模型的判定经步骤C特征变量压缩后的建模用光谱数据输入到已建立好的MIR光谱最小二乘支持向量机LSSV。
32、M分析模型，利用建立MIR光谱分析模型，对样本说明书CN104374731A7/8页10属性进行判定。如果该样本为合格样本，则判定值显示为1，待测稻米样本为镉含量合格的稻米。如果该样本为不合格样本，则判定值显示为1，待测稻米样本为镉含量超标的稻米。本实施例中，待测的20个稻米样本的判别结果显示其中的8个判定值为1，属镉含量合格的稻米样本，12个判定值为1，属镉含量超标的稻米样本。0069E、检测结果的检验0070采用实施例1中步骤1中GB/T5009/152003食品中镉的测定的方法测定20个待测稻米样本的重金属镉元素含量。并依据GB27622012食品中污染物限量中稻米镉限量进行判定。判定结。
33、果为按照实施例2的鉴别方法鉴别的8个合格稻米样本中镉含量均小于02MG/KG，符合GB27622012食品中污染物限量标准中稻米镉含量限量要求；而按照实施例2的鉴别方法鉴别的12个镉含量超标样本，镉含量均大于02MG/KG，不符合GB27622012食品中污染物限量标准中稻米镉含量限量要求。可见，本发明的鉴别方法与现有原子吸收光谱法的检测结果完全一致，本实施例中20个待测样品的检测精度达到100。0071由上述实施例可见，现有重金属镉含量测定原子吸收光谱法分析操作烦琐、检测时间长，检测20个待测稻米样本需要进行试剂配制、样品消化前处理、上仪器分析采用手动进样、数据处理等操作过程，需要耗时两天才。
34、能完成，化学试剂用量较多，检测过程的运行成本高。而采用本发明的实施例2的鉴别方法不仅操作简单，只需将待测稻米样本倒入反射杯中就可进行光谱采集，而且检测过程迅速，每个待测样品仅需2MIN3MIN，20个待测样品只需60MIN就有鉴定结果。检测过程对样品没有损坏，在检测过程中不消耗有机试剂，不会损害检测人员健康，不会发生使用化学试剂而使环境遭受污染的后果。0072对比例10073步骤D采用偏最小二乘识别分析PLSDA建立MIR光谱数据分析模型，其余步骤与实施例2相同。0074对比例20075步骤D采用主成分分析判别分析PCADA建立MIR光谱数据分析模型，其余步骤与实施例2相同。0076对比例30。
35、077步骤D采用K最近邻法KNN建立MIR光谱数据分析模型，其余步骤与实施例2相同。0078对实施例2和对比例1至3的鉴别方法进行准确率分析，分析结果列于表2中。0079表2实施例和对比例的准确率结果表0080实施例训练集准确率预测集准确率模型总正确率实施例2100861931对比例1750833792对比例2722694708说明书CN104374731A108/8页11对比例37507787650081从表1中可以看出，四种方法中最小二乘支持向量机LSSVM的预测结果最好，总正确率最高，模型性能最好。0082以上所述，仅为本发明最佳实施方式，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。说明书CN104374731A111/2页12图1图2说明书附图CN104374731A122/2页13图3图4说明书附图CN104374731A13。