基于近红外光谱结合化学计量学的转基因大豆产地判别

作者：雷渊雄; 夏阿林^*; 黄炜; 侯泰东; 王宏

来源：食品与发酵工业, 2022, 48(12): 275-280.

DOI：10.13995/j.cnki.11-1802/ts.028608

• 近红外光谱
• 化学计量学
• 转基因大豆
• 朔源

为探求无损、快速和准确判别转基因大豆产地的方法，该研究选取阿根廷转基因大豆、巴西转基因大豆、美国转基因大豆和加拿大转基因大豆样品共260份，将近红外光谱结合化学计量学对4种转基因大豆进行判别分析。利用近红外光谱仪采集260份样品的原始光谱，采用平滑+标准正态变量变换(standard normal variate transformation, SNV)方法对近红外光谱预处理。选取阿根廷转基因大豆、巴西转基因大豆、美国转基因大豆和加拿大转基因大豆样品共240份参与建模，Kennard-Stone(KS)算法划分训练集和预测集，主成分分析法(principal component analysis, PCA)、偏最小二乘判别分析(partial least squares-discriminate analysis, PLS-DA)和误差反向传播人工神经网络(back-propagation artificial neural network, BP-ANN)对预处理后的光谱数据进行分析。试验结果表明平滑+SNV的预处理方法能有效减少近红外光谱的噪音；PCA方法能判别出4种转基因大豆中的3种，阿根廷转基因大豆和加拿大转基因大豆不能同时判别；PLS-DA方法对训练集转基因大豆的判别正确率为93.9%,预测集判别正确率为88.3%;BP-ANN方法能够准确的判别4种转基因大豆，判别正确率为100%。用未参与建模的4种转基因大豆作为验证集对PLS-DA方法模型和BP-ANN方法模型进行验证，验证集中PLS-DA方法模型判别正确率为90.0%,BP-ANN方法模型判别正确率为100%。因此近红外光谱结合化学计量学可为转基因大豆的朔源提供较好的技术支持。

• 单位
  邵阳学院