大米是我国最重要的谷类作物。 如何准确的实现地理标志性大米的品种鉴别和外观品质评价, 不仅关乎消费者切身利益, 而且关乎零售商和生产商信誉, 是一项广泛关注的问题。 首先, 为实现集成化的精米品种识别和外观品质检测应用, 建立一种精米品种分类与外观品质多参数检测系统。 该系统采用近红外光谱仪搭配漫反射附件采集米粉光谱信息, 可以实现基于近红外光谱法的精米品种分类; 采用互补金属氧化物半导体(CMOS)显微相机配合机电控制系统采集米粒图像, 基于图像法实现精米外观品质多参数检测, 检测对象包括裂纹、 长宽、 垩白、 碎粒和黄粒。 以上述系统为基础, 为提高精米品种分类精度, 提出一种基于光谱-图像特征模型融合的精米品种分类方法。 以近红外光谱特征与多图像特征作为输入参数, 以精米品种编号作为输出参数, 基于偏最小二乘方法(PLS)建立品种分类融合模型。 在不同融合方案的建模过程中, 每种融合方案都采用变量投影重要性分析方法(VIP)实现融合模型输入参数的最优筛选, 然后通过不同融合方案分类精度对比确定最优融合模型。 最后, 开展精米外观品质多参数检测和不同精米品种分类方法性能对比实验。 结果表明, 建立的精米品种分类与外观品质多参数检测系统可以实现包括裂纹米率、 粒型、 垩白米率、 碎米率和黄粒米率的精米外观品质多参数检测, 检测精度范围为89.2%～97.0%; 提出的基于光谱-图像特征模型融合的精米品种分类方法相比于传统方法可以提高精米品种分类精度, 相比于传统方法中效果较好的近红外光谱法, 面向五常、 响水、 银水、 越光四种大米的分类精度可提高2.5%～7.5%。

色氨酸是人类一种必需氨基酸, 也是稻米中一种重要的限制性氨基酸。 从4年份1256份材料中选择出272份有代表性的样品, 采用碱水解-分光光度法测定了其色氨酸含量。 比较不同定标方法的预测结果发现, 运用改良的偏最小二乘法(modified partial least square, MPLS）的全局(Global）定标方法和局部(Local）飞速定标方法的预测效果较佳, 基于精米粉光谱建立的方程的预测标准误差均为0.007%, 外部验证决定系数分别为87.1%和87.4%, 可用于定量分析; 而基于糙米光谱建立的定标方程的预测效果略差, 但仍具有良好的预测能力。 研究结果表明, 近红外光谱技术可作为水稻育种中间材料的快速筛选和食品工业中稻米原料的品质监控手段。

用电感耦合等离子体原子发射光谱法(ICP-AES)对55个云南省水稻改良品种精米、 糙米及其相应的土壤18种矿质元素进行测定与分析, 加标回收率在93.1%～110.2%之间, RSD为0.8%～5.1%。 18种矿质元素(S, Mo, Ba, Ni, Fe, Cr, Na, Al, Cu, P, Sn, Zn, B, Mn, Mg, Ca, Sr和K)是功能稻米活性成分的重要部分, 精米的平均含量依次为P>K>S>Mg>Ca>Zn>Na>Al>Mn>Fe>Cu>B>Mo>Ni>Sn>Cr>Ba>Sr, 糙米P>K>Mg>S>Ca>Zn>Mn>Al>Na>Fe>Cu>B>Mo>Sn>Ni>Cr>Ba>Sr, 而土壤则为Fe>Al> Ca>K>Mg>P>S>Mn>B>Na>Ba>Zn>Cr>Cu>Ni>Sn>Mo>Sr； 精米和糙米除S和P外, 16种矿质元素含量均明显低于土壤； 精米和糙米间八种微量元素(Mo, Ni, Cr, Sr, Mn, Zn, Cu, Na)间相关性明显比六种宏量元素(P, K, Mg, Ca, S和Al)间关系密切。 云南土壤以富铁铝高钙为主而精米和糙米则以磷钾镁硫为主； 以精米为主食比糙米更易诱发慢性病。 文章结果可能为功能稻米遗传育种、 生产以及人类慢性病和矿质营养不良(Fe, Zn和Ca)问题研究的参考。