水稻是世界上最重要的粮食作物之一，随着生活水平的提高，消费者对稻米品质的关注日益凸显。稻米品质受到品种、产地环境、加工技术等多因素影响，外观品质是影响稻米在目标市场销售的关键因素。本文利用电子眼、电子舌、电子鼻对45个不同产地来源的稻米样品进行外观品质、食味品质分析。
材料
从市场购入45份不同品牌不同产地的稻米样品，编号1-45，主要来自东北和长三角地区。人工感官评级将样品进行分组以及赋予不同等级分数。
电子眼的形状描述功能，能给出每组样品中的每颗米粒大小等相关信息，结合GBT1354-2018中的碎米总量的定义，筛选出大于平均米粒大小的四分之三且面积大于1000像素的大米，统计其粒数，并计算在总米粒中的比例。垩白度（D）的计算参照GBT1354-2018中的公式进行，数值以百分数（%）计：
D=垩白粒率×垩白大小×100
45个稻米样品的碎米度平均值为7.62%，垩白度的平均值为0.11%，变异系数为259.62%，表明不同样品间的垩白度差异较大，其中8号样品最高。样品6，9，11，12的碎米度和垩白度均较小，且其评级为优质一级，表明外观品质优良。
经过筛选重要颜色频谱进行PCA分析，样品间的区分指数为98，说明45批大米在色泽上存在着一定的差异，电子眼能够区分开不同的大米样品。第一主成分轴（PC1）占67.261%，第二主成分轴（PC2）占24.5%。说明主要差异集中在横轴上，即在横轴上距离越远，差异越大。样品17，18在右下角，游离在其他样品之外，说明与其他样本在色泽上的差异较大。样品3和样品7分布在相近的区域，样品2、8、13、15、36、37、40处在相近区域，其他剩余样本集中在相近区域。主成分分析能显示出45个样本间所有的差异。（如图1所示）
根据人工感官评级的结果，将所有样品分成5组。01G对应三级，02G对应二级，03G对应优质三级，04G对应优质二级，05G对应优质一级。将米粒破碎度及白垩度的数据引入数据库中，新建关于色彩和形状两者相关的数据库。并建立DFA聚类分析模型（如图2所示）。可以看出，综合了形状和颜色之后，模型能区分出优质1级，优质2级。2级和3级大米也能区分开来，而优质3级大米中有的部分则与2级3级大米有部分交集。每个评级的样品各选择1个，投射进模型中，验证模型的可靠性。分别选取来自5个不同等级的稻米样品8、10、13、28，投射进模型中，可以看出模型的识别性良好，都投射到了对的分组。
如图3所示为不同等级5组样品的主成分分析图，从图中可以看出，第一主成分（PC1）与第二主成分（PC2）的贡献率之和约为84%，此数值表明虽然在PCA上代表了样品84%的信息，但是区分指数为-119，远小于100，说明不同等级大米样品之间有重叠，其中部分样品具有相似的香气特征，仅依靠主成分分析难以将不同等级的稻米样品区分开。
将稻米样品按不同级别进行分组，二级-8、三级-28、优质一级-4、优质二级-1、优质三级-13，运行DFA模型。不同级别的样品可清晰地区分开来，将样品19的一个平行样用此模型进行识别，其被群组13-优质三级所识别（图中黑色圆点），识别指数为100，后续可尝试用于对新批次样品进行品质归属鉴别（如图4所示）。
感官拟合模型PLS
PLS模型是一种偏最小二乘回归分析模型，使用已知感官得分的参考样品来设置标准曲线，并根据变量的不同权重，计算各变量的回归系数，建立回归方程，模型相关系数＞0.8为合格。常用来预测感官得分和评级。将大米品质的不同级别分别对应1-5分，并将对应打分赋予各个样品，而后建立PLS模型（如图5所示）。由图8得出，相关系数0.9013＞0.8，模型合格。将样品19的一个平行样在模型中投射，可得模型计算得分为3.05分，属于优质三级大米，与人工评级相符，后续可尝试用此模型对新批次样品进行等级评价。
化合物定性
化合物的保留指数是指在某种固定相上使用正构烷烃作为标准来衡量化合物在色谱柱上保留程度的量化值。同一种色谱柱的某一化合物的保留指数是恒定的。化合物的保留指数可经由正构烷烃的保留时间和化合物的保留时间计算而得到，利用两根色谱柱不同的保留指数可达到在无标准物质的情况下定性化合物的效果。用AroChembase数据库对样品中的挥发性化合物（差异色谱峰）进行定性，可能含有的化合物见表2所示。阈值的大小代表了物质气味的强弱，相同含量的两种物质，阈值越低则气味越强。
每个稻米样品6次平行，计算各等级样品AHS（酸味）、PKS（通用）、CTS（咸味）、NMS（鲜味）等4个味觉传感器得分的平均值，得到雷达图（如图6所示）。不同等级稻米样品对应4个传感器的得分离散程度较大，表明4种传感器可以较好的区分不同等级的稻米样品。其中优质一级（分组4）AHS、PKS得分最高，NMS、CTS最小，三级（分组28）CTS得分最高。
PCA分析
传感器的信号被整合到可以通过多维统计工具计算的数据矩阵中，选择所有传感器的信号生成基于主成分分析（PCA）的滋味分布图（如图7所示），它显示了每个样品的味道的接近程度。从图中可以看出：第一主成分（PC1）与第二主成分（PC2）的贡献率之和达到了89%，能很好地反映样品的实际情况。样品在电子舌主成分分析图上的区分指数为-363，表明不同等级的样品的滋味有一定重叠。
判别因子分析DFA模型
优质一二三级粳米对应的品尝评分值为90/80/70，单独选择优质一二三级样品，并运行DFA模型。模型图（如图8所示）中有部分区域重叠，说明优质粳米间的滋味区分不明显。其次是国标中的品尝评分值是结合了气味/外观结构/适口性/滋味/冷饭质地得到的综合结果，数据的对应上有所偏差。
图8 45个稻米样品的电子舌DFA模型 本研究中采集的稻米样品虽然已经过生产工序筛选，但东北地区和南方地区的样品垩白度平均值差异显著，东北地区0.02%，长三角地区0.18%。
基于电子眼的颜色和形状分析功能，能结合人工评测的标准给出相似的碎米总量和白垩米含量。并基于Alphasoft中的统计学分析功能，对不同等级的样本进行归类质控。
利用电子鼻对稻米样品进行分析，能够快速有效地将不同等级的样品区分开来，利用Arochembase数据库能够对样品的挥发性差异气味成分进行定性分析，可获得挥发化合物的气味描述以及阈值等信息。通过比对峰面积的差异 可得样品间挥发性物质含量的差异。建立的判别因子分析模型DFA和PLS感官拟合模型，大米样品按等级区分开来，并且感官拟合相关系数良好，投射验证结果表明模型可准确判断样品的等级归属。
电子眼、电子鼻、电子舌的分析结果可以与人的感官评分结果进行拟合，从而实现未知样品外观表型数据及香味强度值、滋味值的预测，建立的聚类分析模型，可实现产地溯源及品种鉴定等聚类分析功能。通过同一样品不同时期的数据采集，可以建立产品货架期模型，实现对产品稳定性的有效评价。
参考文献：宋宇迎,张美景,胡德榆,等.基于电子眼、电子舌、电子鼻的45个稻米样品的品质分析[J].黑龙江粮食,2024,(06):29-34.提醒：文章仅供参考，如有不当，欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下，擅自根据文章内容采取行动，因此导致的损失，本运营方不负责。如文章涉及侵权或不愿我平台发布，请联系小编。
