近红外光谱与多元分析联用技术在白米和蒸谷米加工品质评价中的创新应用

本研究针对传统大米品质评价方法的局限性，创新性地采用近红外光谱（NIR）结合多元统计分析技术，系统分析了白米和蒸谷米的理化特性差异。研究人员通过缺陷分级、近红外光谱扫描、皮尔逊相关性分析和主成分分析（PCA），首次揭示了Type 1白米的高淀粉低水分特性与蒸煮质构的关联性，以及蒸谷米加工工艺对营养保留的优化作用。该研究为粮食加工业提供了快速、无损的质量监控新范式，相关成果发表于《Journal of Cereal Science》。

　　

在全球粮食安全格局中，大米作为超过半数人口的主粮，其加工品质直接影响营养供给与产业效益。然而传统品质评价方法存在效率低、破坏样本、难以捕捉多维理化参数关联等痛点。巴西作为拉丁美洲最大的稻米生产国，其南部产区贡献了全国70%的产量，但工业界仍缺乏实时监控加工品质的技术手段。与此同时，消费者对高营养保留型大米（如蒸谷米）的需求持续增长，亟需建立更精准的质量评价体系。

针对这一产业需求，联邦大学圣玛丽亚分校与帕苏丰杜大学的研究团队创新性地将近红外光谱技术（NIR）引入大米加工领域。该技术通过检测分子键振动产生的特征光谱，可在30秒内完成淀粉、蛋白质等成分的无损检测。研究团队进一步结合化学计量学方法，构建了包含皮尔逊相关性分析、主成分分析（PCA）在内的多维评价模型，实现了对白米和蒸谷米加工品质的系统解析。

关键实验方法
研究采用两类样本：精磨白米和蒸煮后精磨的蒸谷米，均来自巴西商业加工厂。通过视觉缺陷分级将样品分为Type 1至Type 5及Off-type六类，采用NIR光谱仪（波长范围1100-2500 nm）扫描获取光谱数据，结合AOAC标准方法测定水分、蛋白质等基础成分。采用SIMCA 16.0软件进行PCA降维分析和皮尔逊相关性建模。

Evaluation of the quality of parboiled rice
通过对比蒸谷米缺陷粒与健康粒的理化差异发现：Type 1样品具有显著更高的淀粉含量（p≤0.05）和更均匀的营养保留，这归因于蒸煮工艺引发的淀粉凝胶化（gelatinization）效应。而Off-type样品虽外观缺陷明显，但其部分营养指标（如维生素B₁
）反而优于中等等级样品，提示传统分级标准存在优化空间。

Conclusions
研究证实NIR-PCA联用技术可突破传统方法的三大局限：①实现分钟级快速检测，较传统化学分析法效率提升20倍；②发现淀粉含量与蒸煮质构的隐性关联（r=0.82），为定制化加工提供新依据；③揭示蒸谷工艺通过改变淀粉分子结构（ΔH=3.2 J/g）提升营养保留率的机制。该成果为粮食加工业数字化转型提供了关键技术支撑，相关模型已应用于巴西头部米企的智能分选系统。

讨论部分特别指出，该技术的推广需解决两大挑战：一是建立适应不同稻米品种的光谱数据库，二是开发适用于生产线的高速检测模块。研究者建议将此类分析方法纳入国际贸易标准，如同大豆品质评价体系那样，以提升全球稻米产业链的价值透明度。这项发表于《Journal of Cereal Science》的研究，标志着谷物质量评价从经验导向向数据驱动的范式转变。