張 嚴(yán)，謝巖黎，孫淑敏，馬明揚(yáng)，李琳琳

（河南工業(yè)大學(xué) 糧油食品學(xué)院，河南 鄭州 450001）

0 引言

花生含油量高達(dá)50%，其榨出的花生油，色澤清亮，營(yíng)養(yǎng)美味，氣味清香，品質(zhì)優(yōu)良，是目前我國(guó)主要的食用植物油之一[1].花生油中含有非常豐富的脂肪酸，包括棕櫚酸、油酸、亞油酸、花生四烯酸等對(duì)人體健康十分有益的脂肪酸，有“健康食用油”的美稱，其脂肪酸的組成對(duì)花生籽粒的營(yíng)養(yǎng)品質(zhì)和加工特性都有著非常重要的影響，是油料品質(zhì)評(píng)價(jià)中的重要基本指標(biāo).目前常用的脂肪酸分析方法有氣相色譜法、高效液相色譜法、氣相色譜-質(zhì)譜聯(lián)用分析法等[2].在這些方法中，HPLC 法分離效率稍低，且檢測(cè)困難；GC-MC 法是最有效的，但分析時(shí)間較長(zhǎng)，費(fèi)用較高，需要破壞籽粒的完整性，需要對(duì)樣品進(jìn)行甲酯化前處理；而氣相色譜法在實(shí)際應(yīng)用的過(guò)程中存在著一定的局限性.近紅外光譜技術(shù)（Near-Infrared Reflectance Spectroscopy，NIRS）是20世紀(jì)80 年代后期發(fā)展起來(lái)的一項(xiàng)物理測(cè)試技術(shù)[3]，它是指利用近紅外譜區(qū)包含的物質(zhì)信息，主要用于有機(jī)物質(zhì)定性和定量分析的一種分析技術(shù)，它的最大特點(diǎn)是對(duì)樣品無(wú)破壞性、操作簡(jiǎn)便、分析迅速，測(cè)量信號(hào)可以遠(yuǎn)距離傳輸和分析，特別是與計(jì)算機(jī)技術(shù)和光導(dǎo)纖維技術(shù)相結(jié)合，采用近紅外透射、散射、漫反射法可直接對(duì)樣品進(jìn)行分析[4].

本試驗(yàn)主要采用氣相色譜法測(cè)定花生油樣中脂肪酸的含量，再通過(guò)近紅外光譜測(cè)定方法對(duì)花生籽粒中脂肪酸組分進(jìn)行測(cè)定，并建立近紅外光譜模型.研究的目的致力于建立一種簡(jiǎn)便、快速、無(wú)污染的測(cè)定花生籽粒中脂肪酸含量的方法，可準(zhǔn)確檢測(cè)出花生籽粒中的主要脂肪酸的含量.

1 材料與方法

1.1 試驗(yàn)材料

從市場(chǎng)、超市、農(nóng)戶收集花生50 種，其中包括小白沙、海花1 號(hào)、花育16 號(hào)、豫花14 號(hào)、豫花15號(hào)等不同品種.樣品分為定標(biāo)集和檢驗(yàn)集，定標(biāo)集樣品共40 個(gè)，用于建立5 種脂肪酸的模型和模型內(nèi)部交叉驗(yàn)證；檢驗(yàn)集樣品共10 個(gè)，用于模型的外部驗(yàn)證.

1.2 試驗(yàn)儀器與試劑

InfratecTM 1241 型近紅外谷物分析儀：FOSS公司；GC9800 氣相色譜儀：島津國(guó)際貿(mào)易有限公司；益康源微型榨油機(jī)：龍巖中農(nóng)機(jī)械制造有限公司；電熱鼓風(fēng)干燥箱：樹(shù)立儀器儀表有限公司.

試劑：氫氧化鉀（AR）、石油醚（AR）、石油醚（AR）、無(wú)水乙醇（AR）.

1.3 試驗(yàn)方法

1.3.1 樣品前處理

從50 種花生籽粒中各取適量，不進(jìn)行任何處理，利用微型榨油機(jī)冷榨出油，將收集到的油樣靜置后過(guò)濾，獲得澄清透明的油樣裝入試管中.通過(guò)移液管取兩滴油樣到試管中，加入石油醚溶解試樣，再加預(yù)先配置的氫氧化鉀-甲醇溶液，劇烈振搖1 min，室溫下靜置后加蒸餾水至10 mL，輕搖幾次，靜置至溶液分層.如果出現(xiàn)乳化，加入幾滴無(wú)水乙醇.待有機(jī)層清澈透明后，取上層樣品1 μL進(jìn)樣到氣相色譜儀中進(jìn)行分析.

1.3.2 氣相色譜法測(cè)定花生籽粒中脂肪酸含量

采用氣相色譜法[5]測(cè)定50 種花生油樣中5 種脂肪酸（棕櫚酸、油酸、亞油酸、花生酸、山崳酸）的含量.

1.3.3 近紅外光譜測(cè)定花生籽粒中脂肪酸組分

將50 種花生籽粒樣品不經(jīng)任何化學(xué)預(yù)處理，直接進(jìn)行近紅外光譜的測(cè)定，測(cè)定的方法是取合適質(zhì)量的樣品倒入儀器頂部的漏斗中，每個(gè)樣品重復(fù)掃描20 次得到樣品的近紅外光譜.傳送帶選擇光程為30，光譜范圍選取570～1 098 nm，波長(zhǎng)取點(diǎn)的間隔為2 nm，測(cè)定得到50 種花生籽粒樣品的近紅外光譜圖.

1.3.4 近紅外光譜模型的建立

利用WinISI Ⅲ分析軟件進(jìn)行定標(biāo)模型構(gòu)建，將樣品的化學(xué)測(cè)定值輸入建模程序中，使每個(gè)樣品的近紅外光譜與化學(xué)測(cè)定值一一對(duì)應(yīng).而在建立近紅外模型時(shí)，為避免光譜中其他數(shù)據(jù)信息的干擾并減少樣品散射對(duì)光譜的影響，必須選擇合適的光譜預(yù)處理方法[6].散射處理技術(shù)采用無(wú)散射處理（None）、標(biāo)準(zhǔn)正?；Y(jié)合散射處理（SNV and Detrend）、標(biāo)準(zhǔn)正?；幚恚⊿NV only）、去偏導(dǎo)技術(shù)（Detrend only）、標(biāo)準(zhǔn)化多元散射校正（Standard MSC）、加權(quán)散射校正（Weighted MSC）、反相多元散射校正（inverse MSC）等7 種.數(shù)學(xué)處理分別采用不做導(dǎo)數(shù)處理，一階、二階、三階、四階求導(dǎo)；平滑光譜間隔點(diǎn)為1、4；不做二次平滑，具體光譜數(shù)據(jù)預(yù)處理方法見(jiàn)表1.

表1 光譜數(shù)據(jù)預(yù)處理方法

采用光譜散射處理方法和數(shù)學(xué)處理方法組合的方式對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理，處理后的光譜采用改進(jìn)偏最小二乘法（MPLS），即每個(gè)脂肪酸模型所形成的35 個(gè)定標(biāo)方程進(jìn)行考察.對(duì)定標(biāo)方程考察的主要參數(shù)為交互定標(biāo)決定系數(shù)（1-VR）、定標(biāo)決定系數(shù)（R2）、定標(biāo)標(biāo)準(zhǔn)偏差（SEC）、交叉驗(yàn)證標(biāo)準(zhǔn)偏差（SECV）等，1-VR、R2越高和SEC、SECV 越小為選擇最優(yōu)模型的條件[7]，通過(guò)比較選出最優(yōu)的建模參數(shù).

3 結(jié)果與分析

3.1 氣相色譜法測(cè)定花生籽粒中5 種脂肪酸的含量

用氣相色譜法測(cè)得50 種花生油樣中棕櫚酸、油酸、亞油酸、花生酸和山崳酸的含量分布如圖1所示，各個(gè)脂肪酸的組成結(jié)果見(jiàn)表2.

定標(biāo)樣品組分含量的準(zhǔn)確性決定數(shù)學(xué)模型的準(zhǔn)確性，含量范圍決定模型適應(yīng)性的好壞[8].從圖1 可以宏觀地看出50 種樣品中油酸、亞油酸的分布范圍較廣，而棕櫚酸、花生酸和山崳酸的含量分布比較集中；而實(shí)際參與定標(biāo)模型構(gòu)建的樣品數(shù)、均值、范圍和標(biāo)準(zhǔn)差如表2 所示，從表2 可以看出，油酸、亞油酸的標(biāo)準(zhǔn)差分別為0.36%和0.38%，而棕櫚酸、花生酸和山崳酸的標(biāo)準(zhǔn)差分別為0.14%、0.19%和0.11%.綜上分析，油酸和亞油酸具有很好的代表性，建立的模型可以用于花生籽粒的定量分析，而剩下3 種脂肪酸還不能很好滿足建模的要求.

3.2 近紅外光譜測(cè)定花生籽粒

50 種花生籽粒樣品的近紅外光譜圖如圖2 所示.

作者采用波長(zhǎng)在570～1 098 nm 內(nèi)的吸收光譜進(jìn)行分析，原因是由于相比較于長(zhǎng)波近紅外，短波具有能量大、穿透能力強(qiáng)、容易獲取等特點(diǎn)[9].并且短波近紅外方法對(duì)檢測(cè)樣品的外形和檢測(cè)樣品池?zé)o特別嚴(yán)格的一致性要求，因而采用短波近紅外分析不會(huì)因?yàn)榛ㄉ蚜５牟灰?guī)則性對(duì)分析結(jié)果產(chǎn)生大的影響.

圖1 花生油樣中5 種脂肪酸的含量分布

表2 氣相色譜法測(cè)得各成分結(jié)果

圖2 花生籽粒近紅外掃描光譜圖

由圖2 可看出，50 種花生籽粒樣品的近紅外光譜曲線趨勢(shì)大致相同，但不同樣品的吸收峰強(qiáng)度不同，即含量不同，這是花生籽粒的近紅外光譜圖可以作為定量分析的依據(jù).

3.3 近紅外模型的內(nèi)部交叉驗(yàn)證

通過(guò)各個(gè)參數(shù)之間的比較，選出最優(yōu)模型中各脂肪酸定標(biāo)方程參數(shù)如表3 所示.

表3 各脂肪酸定標(biāo)方程參數(shù)

表3 表明，油酸和亞油酸的定標(biāo)決定系數(shù)分別為0.978 9 和0.950 9，交互定標(biāo)決定系數(shù)分別為0.933 0 和0.924 9，定標(biāo)標(biāo)準(zhǔn)偏差和交叉驗(yàn)證標(biāo)準(zhǔn)偏差均小于0.56%[10]，說(shuō)明這兩種成分的定標(biāo)模型均可用于花生籽粒樣品的定量分析.棕櫚酸、花生酸和山崳酸的定標(biāo)決定系數(shù)分別為0.668 2、0.629 1、0.575 2，交互定標(biāo)決定系數(shù)分別為0.668 2、0.571 8 和0.517 6，說(shuō)明這3 種成分所建立的定標(biāo)模型精度還不夠.

3.4 模型的外部檢驗(yàn)

建立定標(biāo)模型后，再用10 個(gè)檢驗(yàn)樣品集進(jìn)行外部驗(yàn)證，對(duì)所建模型的實(shí)際預(yù)測(cè)能力進(jìn)行驗(yàn)證.預(yù)測(cè)模型的預(yù)測(cè)性能可以用檢驗(yàn)集樣品的化學(xué)值、檢驗(yàn)集標(biāo)準(zhǔn)偏差（SD）、外部驗(yàn)證決定系數(shù)（RSQ）、預(yù)測(cè)標(biāo)準(zhǔn)偏差（SEP）以及相對(duì)分析誤差（RPD）這幾個(gè)參數(shù)來(lái)共同評(píng)價(jià)[11].其中，如果RPD≥3，說(shuō)明預(yù)測(cè)效果良好，建立的定量分析模型可用于實(shí)際檢測(cè)；如果2.5＜RPD＜3，說(shuō)明利用NIRS定量分析是可行的，但預(yù)測(cè)精度有待于進(jìn)一步提高；如果RPD≤2.5 則說(shuō)明難于進(jìn)行NIRS 定量分析[12]，各脂肪酸預(yù)測(cè)結(jié)果參數(shù)見(jiàn)表4，檢驗(yàn)集中油酸和亞油酸的化學(xué)值與近紅外預(yù)測(cè)值的散點(diǎn)圖如圖3 和圖4 所示.

表4 各脂肪酸預(yù)測(cè)結(jié)果參數(shù)

圖3 檢驗(yàn)集中油酸化學(xué)值與近紅外預(yù)測(cè)值的散點(diǎn)圖

圖4 檢驗(yàn)集中亞油酸化學(xué)值與近紅外預(yù)測(cè)值的散點(diǎn)圖

從表4 可以看出，油酸、亞油酸的外部驗(yàn)證決定系數(shù)分別為0.940 1 和0.948 7，相對(duì)分析誤差分別為3.98 和2.57，均大于2.5，說(shuō)明這2 種成分的實(shí)際預(yù)測(cè)能力較好，同時(shí)從圖3 和圖4 可知，應(yīng)用氣相色譜法測(cè)得的這兩種脂肪酸組分含量與近紅外預(yù)測(cè)值之間存在較好的線性關(guān)系.棕櫚酸、花生酸和山崳酸雖然外部驗(yàn)證標(biāo)準(zhǔn)偏差較小，但外部驗(yàn)證決定系數(shù)均小于0.8，相對(duì)分析誤差也都小于2.5，說(shuō)明這3 種成分所建的模型較難用于樣品的準(zhǔn)確預(yù)測(cè).

4 結(jié)論

本研究對(duì)50 種花生籽粒樣品通過(guò)交叉驗(yàn)證和外部驗(yàn)證，建立了花生籽粒中油酸和亞油酸這兩種成分的定標(biāo)模型，可以準(zhǔn)確和可靠地預(yù)測(cè)實(shí)際值.該方法可以進(jìn)行同一樣品的多組分檢測(cè)，大大縮短了檢測(cè)時(shí)間.與色譜法檢測(cè)一個(gè)樣品需要5～8 h 相比，該檢測(cè)方法只需要1～2 min，提高了檢測(cè)效率，同時(shí)近紅外光譜法又是一種非破壞性的分析方法，測(cè)試后的花生籽?？衫^續(xù)用于其他用途，因此該檢測(cè)方法有很大的應(yīng)用前景，必將以獨(dú)特的優(yōu)勢(shì)在檢測(cè)方面發(fā)揮重要作用.

但是，棕櫚酸、花生酸和山崳酸所建模型不夠理想，由于這3 種脂肪酸在花生籽粒中含量很低，整個(gè)定標(biāo)樣品集的這些成分變異度較低，因此這3種成分所建模型的預(yù)測(cè)精度不能滿足實(shí)際需要，在NIRS 建模中還有待進(jìn)一步改進(jìn).

［1］盧中憲，富恩承.我國(guó)花生的品質(zhì)缺點(diǎn)和改進(jìn)對(duì)策［J］.現(xiàn)代商檢科技，1993，3（6）:2-3.

［2］楊美艷.多不飽和脂肪酸快速檢測(cè)模型的建立［D］.南昌：南昌大學(xué)，2009.

［3］Blanco M，Villarroya I.NIR spectroscopy:a rapid-response analytical tool［J］.Trends in Analytical Chemistry，2002，21（4）:240-250.

［4］嚴(yán)衍祿，趙龍蓮，韓東海，等.近紅外光譜分析基礎(chǔ)與應(yīng)用［M］.北京:中國(guó)輕工業(yè)出版社，2005.

［5］GB/T 17377—2008，動(dòng)植物油脂-脂肪酸甲脂的氣相色譜分析［S］.

［6］尼珍，胡昌勤，馮芳.近紅外光譜分析中光譜預(yù)處理方法的作用及其發(fā)展［J］.藥物分析雜志，2008，28（5）:23-25.

［7］王雪蓮，薛雅琳，趙會(huì)義，等.近紅外法測(cè)定大豆脂肪酸值方法的研究［J］.中國(guó)糧油學(xué)報(bào)，2009，24（8）:152-154.

［8］高建芹，張潔夫，浦惠明，等.近紅外光譜法在測(cè)定油菜籽含油量及脂肪酸組成中的應(yīng)用［J］.江蘇農(nóng)業(yè)學(xué)報(bào)，2007，23（3）:189-195.

［9］熊艷梅，王冬，閔順耕.短波近紅外模擬測(cè)定農(nóng)藥乳油中的有效成分含量［J］.現(xiàn)代科學(xué)儀器，2010，4（8）:85-86.

［10］楊小紅，郭玉秋，傅旸，等.利用近紅外光譜法分析玉米籽粒脂肪酸含量的研究［J］.光譜學(xué)與光譜分析，2009，29（1）:106-109.

［11］于燕波，臧鵬，付元華，等，近紅外光譜法快速測(cè)定植物油中脂肪酸含量［J］.光譜學(xué)與光譜分析，2008，28（7）:1554-1558.

［12］Malley D F，Mcclure C，Martin P D.Compositional analysis of cattle manure during composting using a Field-Portable Near-Infrared Spectrometer［J］.Communications in Soil Science &Plant Analysis，2005，36（4-5）:455-475.