袁 建 朱貞映 鞠興榮 何 榮 后其軍 袁翔宇 魏孟輝

(南京財(cái)經(jīng)大學(xué)食品科學(xué)與工程學(xué)院，南京 210046)

FT-NIR在油菜籽品質(zhì)指標(biāo)快速檢測(cè)中的應(yīng)用研究

袁 建 朱貞映 鞠興榮 何 榮 后其軍 袁翔宇 魏孟輝

(南京財(cái)經(jīng)大學(xué)食品科學(xué)與工程學(xué)院，南京 210046)

以203份不同品種的油菜籽為原料，開展了油菜籽整籽粒和粉碎樣品的水分、蛋白質(zhì)和粗脂肪含量的近紅外研究。研究結(jié)果顯示：油菜籽整籽粒和粉碎樣品的水分含量近紅外檢測(cè)模型的內(nèi)部交叉驗(yàn)證決定系數(shù)R2分別為0.967和0.953，油菜籽整籽粒和粉碎樣品的蛋白質(zhì)含量的近紅外檢測(cè)模型的內(nèi)部交叉驗(yàn)證決定系數(shù)R2分別為 0.810和0.947，油菜籽整籽粒和粉碎樣品的粗脂肪含量的近紅外檢測(cè)模型的內(nèi)部交叉驗(yàn)證決定系數(shù)R2分別為 0.776和0.896。同時(shí)，測(cè)定水分時(shí)可采用整籽粒掃描，而粉碎試樣所建的蛋白質(zhì)和粗脂肪模型優(yōu)于整籽粒掃描。油菜籽粉碎樣品的外部驗(yàn)證模型評(píng)價(jià)效果較好，外部驗(yàn)證水分、蛋白質(zhì)和粗脂肪決定系數(shù)R2分別為0.966、0.937和0.918。結(jié)果表明，近紅外光譜技術(shù)可用于油菜籽品質(zhì)指標(biāo)的檢測(cè)。

近紅外 油菜籽 水分 蛋白質(zhì) 脂肪

油菜籽中含有約40%的脂肪，而且它的不飽和脂肪酸含量高達(dá)80%以上，營(yíng)養(yǎng)價(jià)值高，人體對(duì)其吸收率高達(dá)99%，是我國(guó)非常重要的食用植物油源。油菜籽餅粕中含有34%～45%蛋白質(zhì)，必需氨基酸含量高，尤其是賴氨酸和含硫氨基酸，是優(yōu)質(zhì)植物蛋白源。目前，我國(guó)頒布的有關(guān)蛋白質(zhì)和粗脂肪的標(biāo)準(zhǔn)測(cè)定方法是凱式定氮和索式抽提法。雖然其可靠性較高，但操作步驟過于繁瑣，迫切需要一種準(zhǔn)確而又快速的檢測(cè)方法。

近紅外光譜法(NIRS)是近年發(fā)展起來的一種快速測(cè)定方法[1-4]，Norris將近紅外光譜技術(shù)應(yīng)用到農(nóng)業(yè)領(lǐng)域[5]，后來廣泛應(yīng)用于小麥、玉米、芝麻等農(nóng)產(chǎn)品的品質(zhì)檢測(cè)中[6-9]。NIRS用于油菜籽品質(zhì)分析已有報(bào)道，不但探討了光譜預(yù)處理和不同統(tǒng)計(jì)方法對(duì)油菜籽中芥酸和硫甙的含量測(cè)定的影響[10]，而且在近紅外光譜法數(shù)學(xué)模型的構(gòu)建和品質(zhì)參數(shù)的預(yù)測(cè)以及將NIRS用于小樣品油菜籽分析方面也取得了較好的進(jìn)展[11-14]。

本研究采用近紅外漫反射光譜技術(shù)分析測(cè)定了203份油菜籽樣品水分、蛋白質(zhì)和粗脂肪含量。首先，對(duì)油菜籽整籽粒和粉碎樣品進(jìn)行常規(guī)實(shí)驗(yàn)的測(cè)定和近紅外的掃描工作，并建立模型；其次，對(duì)油菜籽整籽粒和粉碎樣品分別建模進(jìn)行分析，為如何快速且更準(zhǔn)確檢測(cè)油菜籽各品質(zhì)指標(biāo)提供參考；最后，對(duì)模型的預(yù)測(cè)能力進(jìn)行外部驗(yàn)證，為近紅外漫反射光譜技術(shù)在我國(guó)油菜籽品質(zhì)指標(biāo)快速檢測(cè)的應(yīng)用提供參考。

1 材料與方法

1.1 材料

從江蘇、安徽、湖南和湖北等地區(qū)收集到不同品種的油菜籽樣品共203份，來源均是2014年收獲的樣品。每種樣品取一定量完整籽粒備用，另取一定量經(jīng)粉碎過篩處理備用，其余完整顆粒用自封袋包裝保存，所有樣品均經(jīng)過預(yù)處理，如除雜、去生霉未熟等。

MB3600-PH高效FTIR傅里葉變換近紅外光譜儀：ABB公司，掃描光譜范圍為3 700～15 000 cm-1；BUCHI K-436快速消解儀、BUCHI B-811脂肪測(cè)定儀：瑞士步琪有限公司；FW100高速萬能粉碎機(jī)：天津市泰斯特儀器有限公司。

1.2 方法

1.2.1 油菜籽樣品集的劃分

用油菜籽樣品總量的70%(142份)作為定標(biāo)樣品集，用于模型的建立，對(duì)于油菜籽的定標(biāo)集樣品分別采集整籽粒和粉碎的近紅外光譜，其余30%(61份)用作外部驗(yàn)證，驗(yàn)證集用于定標(biāo)模型預(yù)測(cè)的性能評(píng)價(jià)。

1.2.2 化學(xué)值的測(cè)定

采用105 ℃烘干法測(cè)定油菜籽中的含水量[15]；采用凱氏定氮法測(cè)定油菜籽中的蛋白質(zhì)含量[16]；按照 采用索氏抽提法測(cè)定油菜籽中的粗脂肪含量[17]。每個(gè)樣品重復(fù)測(cè)定3次，取其平均值作為最終結(jié)果。

1.2.3 近紅外光譜掃描

將傅里葉變換近紅外光譜儀開機(jī)預(yù)熱30 min，對(duì)油菜籽定標(biāo)的142個(gè)樣品整籽粒和粉碎形態(tài)都進(jìn)行光譜掃描并存儲(chǔ)，掃描光譜范圍為4 000～12 000 cm-1,分辨率16 cm-1，掃描次數(shù)64次，每個(gè)樣品重復(fù)2次。

1.2.4 近紅外建模與評(píng)價(jià)

對(duì)油菜籽粉碎樣品最優(yōu)數(shù)學(xué)方法和回歸技術(shù)的研究，采用Horizon MB化學(xué)計(jì)量軟件建模分析，通過對(duì)定標(biāo)集樣品適當(dāng)?shù)臄?shù)學(xué)方法和回歸技術(shù)處理，例如多元散射校正(MSC)，偏最小二乘法(PLS)等，建立最佳的油菜籽水分、蛋白質(zhì)和粗脂肪含量檢測(cè)模型，同時(shí)應(yīng)用到整籽粒樣品的建模。

采用內(nèi)部交叉驗(yàn)證和外部驗(yàn)證兩種方法評(píng)價(jià)模型的預(yù)測(cè)性能。內(nèi)部交叉驗(yàn)證通過校正標(biāo)準(zhǔn)差(RMSEC)、交互驗(yàn)證標(biāo)準(zhǔn)誤差(SECV)和交叉驗(yàn)證決定系數(shù)R2評(píng)價(jià)檢測(cè)模型的優(yōu)越性，RMSEC和SECV 越小，R2越大，模型預(yù)測(cè)性能越好。外部驗(yàn)證是驗(yàn)證集樣品用于定標(biāo)模型預(yù)測(cè)的性能評(píng)價(jià)，通過決定系數(shù)(R2)和顯著性P值評(píng)價(jià)模型的預(yù)測(cè)性能，R2越大，P值小于0.05，模型預(yù)測(cè)性能越好。

2 結(jié)果與討論

2.1油菜籽水分、蛋白質(zhì)和粗脂肪的化學(xué)計(jì)量值評(píng)價(jià)

203個(gè)樣品油菜籽水分、蛋白質(zhì)和粗脂肪質(zhì)量分?jǐn)?shù)范圍分別為4.373%～12.096%(均值7.732%)、18.468%～30.488%(均值24.667%)和34.492%～49.290%(均值40.729%)； 142個(gè)定標(biāo)集樣品中油菜籽蛋白質(zhì)和粗脂肪質(zhì)量分?jǐn)?shù)范圍分別為20.123%～30.488%(均值24.830%)和34.492%～49.290%(均值40.745%)； 61個(gè)驗(yàn)證集樣品中油菜籽蛋白質(zhì)和粗脂肪質(zhì)量分?jǐn)?shù)范圍分別為18.468%～28.550%(均值24.286%)和35.489%～46.427%(均值40.693%)。油菜籽各指標(biāo)含量范圍覆蓋面廣，不同樣品各指標(biāo)測(cè)定值存在差異，為建立優(yōu)質(zhì)的模型提供了有利條件。

2.2 油菜籽的近紅外光譜圖與預(yù)處理

圖1為經(jīng)過傅里葉變換近紅外光譜儀掃描得到142個(gè)油菜籽粉樣品的近紅外光譜圖, 可以看出各個(gè)樣品的譜線具有基本相同的變化趨勢(shì)，不同樣品的譜線可能存在漂移和噪音等，對(duì)不同樣品進(jìn)行基線校準(zhǔn)、平滑處理和一階求導(dǎo)，最終得到油菜籽粉樣品的近紅外光譜圖，如圖2。

圖1 油菜籽的近紅外光譜圖

圖2 經(jīng)基線校準(zhǔn)、平滑和一階求導(dǎo)處理的近紅外光譜圖

2.3 近紅外測(cè)定模型的建立與優(yōu)化

2.3.1 校正方法的選擇

利用Horizon MB化學(xué)計(jì)量軟件建模分析，對(duì)定標(biāo)集樣品做預(yù)處理后經(jīng)適當(dāng)?shù)臄?shù)學(xué)處理，例如多元散射校正(MSC)，一階求導(dǎo)(Derivative)、偏差校正(Offset Correction)、趨勢(shì)變換法(Detrending)，標(biāo)準(zhǔn)化(Normalization)等，建立最佳的油菜籽水分、蛋白質(zhì)和粗脂肪含量檢測(cè)模型。由表1分析結(jié)果可知，對(duì)于油菜籽粉水分采用多元散射校正的一階求導(dǎo)方法處理最好，交叉驗(yàn)證決定系數(shù)R2達(dá)0.951，SECV為0.202，RMSEC為0.450；蛋白質(zhì)采用一階求導(dǎo)的標(biāo)準(zhǔn)化方法處理最好，交叉驗(yàn)證決定系數(shù)R2達(dá)0.928，SECV為0.486，RMSEC為0.697；粗脂肪采用趨勢(shì)變換的一階求導(dǎo)方法處理最好，交叉驗(yàn)證決定系數(shù)R2達(dá)0.883，SECV為0.807，RMSEC為0.898。

表1 不同校正方法對(duì)油菜籽粉各品質(zhì)近紅外檢測(cè)模型的影響

續(xù)表

2.3.2 回歸技術(shù)的選擇

異常樣品的存在將嚴(yán)重影響模型的預(yù)測(cè)精度[18]，在回歸技術(shù)建模時(shí)必須找到異常樣品且剔除。表2為剔除異常樣品后回歸技術(shù)的分析結(jié)果，采用多元散射校正的一階求導(dǎo)方法和偏最小二乘法(PLS)回歸技術(shù)對(duì)油菜籽粉水分建模效果最好，交叉驗(yàn)證決定系數(shù)R2達(dá)0.953，SECV為0.189，RMSEC為0.434；采用一階求導(dǎo)的標(biāo)準(zhǔn)化方法和偏最小二乘法(PLS)回歸技術(shù)對(duì)油菜籽粉蛋白質(zhì)建模效果最好，交叉驗(yàn)證決定系數(shù)R2達(dá)0.947，SECV為0.420，RMSEC為0.648；采用趨勢(shì)變換的一階求導(dǎo)方法和偏最小二乘法(PLS)回歸技術(shù)對(duì)油菜籽粗脂肪建模效果最好，交叉驗(yàn)證決定系數(shù)R2達(dá)0.896，SECV為0.727，RMSEC為0.853。

表2 不同回歸技術(shù)對(duì)油菜籽粉近紅外檢測(cè)模型的影響

2.3.3 油菜籽不同形態(tài)近紅外結(jié)果與分析

通過最優(yōu)校正方法和回歸技術(shù)分析不同形態(tài)的油菜籽，見表3。對(duì)于油菜籽水分、蛋白質(zhì)和粗脂肪的近紅外建模的結(jié)果分析，粉碎后的油菜籽由于粒度變小更加均勻，所以建模的總體效果都很好，相對(duì)于單個(gè)指標(biāo)的分析，油菜籽整籽粒水分的建模效果比粉碎要好，這也是因?yàn)榻t外對(duì)水分的吸收比較強(qiáng)烈導(dǎo)致，但是對(duì)于整籽粒的蛋白質(zhì)和粗脂肪模型，相對(duì)于粉碎后的模型明顯較差。

表3 油菜籽整籽粒和粉碎樣品的近紅外建模結(jié)果

2.3.4 油菜籽近紅外定標(biāo)集建模結(jié)果

圖3為剔除異常樣品后，采用最優(yōu)的校正方法和回歸技術(shù)建立的最佳油菜籽粉近紅外檢測(cè)模型，可知水分、蛋白質(zhì)和粗脂肪含量的近紅外檢測(cè)模型的外部驗(yàn)證決定系數(shù)R2分別為0.953、 0.947和0.896，接近常規(guī)方法的分析誤差。

圖3 油菜籽粉水分、蛋白質(zhì)和粗脂肪定標(biāo)集模型

圖4 油菜籽粉驗(yàn)證集樣品的水分、蛋白質(zhì)和粗脂肪含量的預(yù)測(cè)值與真實(shí)值的關(guān)系

2.4 近紅模型的外部驗(yàn)證

圖4為油菜籽水分、蛋白質(zhì)和粗脂肪模型外部驗(yàn)證(油菜籽粉狀)結(jié)果。由表4和表5知，水分含量、蛋白質(zhì)含量、粗脂肪含量的擬合度非常高。通過對(duì)油菜籽粉水分、蛋白質(zhì)和粗脂肪外部驗(yàn)證進(jìn)行Durbin-Wstson統(tǒng)計(jì)量分析，油菜籽各指標(biāo)Durbin-Wstson統(tǒng)計(jì)量的值都很接近2，說明模型的殘差不存在自相關(guān)，可以認(rèn)為回歸方程足以概括因變量的變化。由表5可見，回歸部分的顯著性P值都是0.000，小于顯著水平0.05，由此可以判斷由模型得到的樣品預(yù)測(cè)值對(duì)樣品的真實(shí)值解釋非常顯著，綜合外部驗(yàn)證的結(jié)果分析知定標(biāo)模型對(duì)外部驗(yàn)證集樣品預(yù)測(cè)的性能是可信的，說明油菜籽粉水分、蛋白質(zhì)和粗脂肪含量的近紅外模型有良好代表性和預(yù)測(cè)能力。

表4 外部驗(yàn)證真實(shí)值與預(yù)測(cè)值對(duì)比

表5 外部驗(yàn)證評(píng)價(jià)模型的統(tǒng)計(jì)量

3 結(jié)論

3.1 基于傅里葉變換近紅外光譜分析技術(shù)，開展了選取最優(yōu)數(shù)學(xué)處理方法和回歸技術(shù)對(duì)油菜籽整籽粒和粉碎樣品的近紅外檢測(cè)模型的研究，并對(duì)模型進(jìn)行內(nèi)部交叉驗(yàn)證和外部驗(yàn)證。對(duì)于油菜籽水分的近紅外快速預(yù)測(cè)，整籽粒和粉碎的油菜籽都有很好的模型效果，而粉碎試樣所建的蛋白質(zhì)和粗脂肪模型優(yōu)于整籽粒掃描。油菜籽粉碎樣品的外部驗(yàn)證通過對(duì)模型預(yù)測(cè)性能的決定系數(shù)R2和顯著性P值驗(yàn)證，外部驗(yàn)證水分、蛋白質(zhì)和粗脂肪R2分別為0.966、0.937和0.918，說明擬合性很好且Durbin-Wstson統(tǒng)計(jì)量的值都很接近2，說明模型的殘差不存在自相關(guān)，可以認(rèn)為回歸方程能夠概括預(yù)測(cè)值對(duì)真實(shí)值的變化；同樣，方差分析顯著性P值小于0.05，由此可以判斷由模型得到的樣品預(yù)測(cè)值對(duì)樣品的真實(shí)值解釋非常顯著。綜合外部驗(yàn)證的結(jié)果分析，研究認(rèn)為油菜籽近紅外定標(biāo)集建立的模型對(duì)外部驗(yàn)證集樣品預(yù)測(cè)的性能是可信的，說明應(yīng)用近紅外光譜分析技術(shù)建立油菜籽主要成分含量的近紅外檢測(cè)模型是可行的。

3.2 開展了油菜籽整籽粒和粉碎樣品的水分、蛋白質(zhì)和粗脂肪含量的近紅外快速檢測(cè)技術(shù)研究，用于油菜籽收購(gòu)環(huán)節(jié)質(zhì)量快速檢測(cè)。既可以直接采用整籽粒掃描測(cè)定水分，在要求不高的情況下也可以整籽粒測(cè)定蛋白質(zhì)和粗脂肪。

[1]陸婉珍，袁洪福，褚小立.當(dāng)代中國(guó)近紅外光譜技術(shù)—全國(guó)第一屆紅外光譜學(xué)術(shù)會(huì)議論文集[M].中國(guó)石化出版社，2006

[2]陸婉珍.現(xiàn)代近紅外光譜分析技術(shù)[M].中國(guó)石化出版社，2007

[3]劉曉庚.近紅外光譜技術(shù)在糧油儲(chǔ)藏及其品質(zhì)分析中的應(yīng)用[J].糧食儲(chǔ)藏，2007，36(1)：29-35

[4]姚鑫淼，張瑞英，李霞輝，等.近紅外透射光譜法(NITS)分析大豆品質(zhì)的研究[J].大豆科學(xué)， 2006，25(4)：417-420

[5]Williams P C, Stevenson S G, Starkey P M, et al. The application of near infrared reflectance spectroscopy to protein-testing in pulse breeding programmes[J]. Journal of the Science of Food & Agriculture, 1978, 29(3):285-292

[6]郭蕊，王金水，金華麗，等.近紅外光譜分析技術(shù)測(cè)定芝麻水分含量的研究[J].現(xiàn)代食品科技， 2011，27(3)：366-369

[7]Kovalenko I V, Rippke G R, Hurburgh C R. Determination of amino acid composition of soybeans (Glycine max) by near-infrared spectroscopy.[J]. Journal of Agricultural & Food Chemistry, 2006, 54(10):3485-3491

[8]王若蘭，王春華，黃亞偉.小麥脂肪酸值的近紅外光譜快速測(cè)定研究[J].現(xiàn)代食品科技， 2013(2)：393-396

[9]Liu F, Zhang F, Jin Z, et al. Determination of acetolactate synthase activity and protein content of oilseed rape (Brassica napus L.) leaves using visible/near[J]. Analytica Chimica Acta, 2008, 629(1-2):56-65

[10]吳建國(guó)，石春海，樊龍江.油菜籽芥酸和硫甙含量近紅外反射光譜測(cè)定技術(shù)的優(yōu)化設(shè)置[J]. 中國(guó)糧油學(xué)報(bào)，2002，17(2)：59-62

[11]張曄暉，趙龍蓮.用傅里葉變換近紅外光譜法測(cè)定完整油菜籽三種品質(zhì)性狀的初步研究[J]. 激光生物學(xué)報(bào)，1998(2)：138-141

[12]吳建國(guó)，石春海，張海珍，等.應(yīng)用近紅外反射光譜法整粒測(cè)定小樣品油菜籽含油量的研究[J].作物學(xué)報(bào)，2002，28(3)：421-425

[13]丁小霞，李培武，李光明，等.傅里葉變換近紅外光譜技術(shù)測(cè)定完整油菜籽中芥酸和硫甙含量[J].中國(guó)油料作物學(xué)報(bào)，2004，26(3)：76-79

[14]楊翠玲，陳文杰，趙興忠，等.近紅外光譜法同時(shí)分析油菜9種品質(zhì)參數(shù)的研究[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2006，34(3)：61-67

[15]GB/T 5497—1985 糧食、油料檢測(cè) 水分測(cè)定法[S]

[16]GB/T 5511—2008 谷物和豆類 氮含量測(cè)定和粗蛋白質(zhì)含量計(jì)算 凱氏法[S]

[17]GB/T 5512—2008 糧油檢測(cè) 糧食中粗脂肪含量測(cè)定[S]

[18]祝詩(shī)平，王一鳴，張小超，等.近紅外光譜建模異常樣品剔除準(zhǔn)則與方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2004，35(4)：115-119.

Applied Research on Rapid Detection of Rapeseed Quality Indicators with FT-NIR

Yuan Jian Zhu Zhenying Ju Xingrong He Rong Hou Qijun Yuan Xiangyu Wei Menghui

(College of Food Science and Engineering, Nanjing University of Finance & Economics, Nanjing 210046)

To explore the moisture, protein and fat content of whole and crushed rapeseed using FT-NIR, 203 samples of different varieties of rapeseed were prepared. CoefficientR2of determination in interned cross-validation of the moisture, protein and fat content of whole grain were 0.967, 0.810 and 0.776, while the crushed were 0.953, 0.947 and 0.896. Meanwhile, Moisture model can be established by whole grains; however, crushed grains were better for crush rapeseed. CoefficientR2of determination in external validation were good for crushed rapeseed, its moisture, protein and fat content determination coefficient were 0.966, 0.937 and 0.918, respectively. The results showed that near infrared spectroscopy can be used to detect the quality of rapeseed.

near infrared, rapeseed, moisture, protein, fat

TN219；S529

A

1003-0174(2016)06-0158-05

“十二五”國(guó)家科技支撐計(jì)劃(2013BAD17B00)

2015-06-07

袁建，男，1965年出生，教授，食品質(zhì)量與安全