唐保山,李 坤， 張 弘， 張雯雯， 關慶芳， 史正軍

(1.西南林業(yè)大學 林學院，云南 昆明 650224； 2.中國林業(yè)科學研究院資源昆蟲研究所國家林業(yè)和草原局特色森林資源工程技術研究中心，云南 昆明 650233；3.安寧戴科精細化工有限公司，云南 昆明 650301)

紫膠又名蟲膠、赤膠、紫草茸，是紫膠蟲吸食寄主植物汁液后分泌的一種純天然樹脂混合物[1-4]。紫膠是我國重要的工業(yè)原料，因其具有優(yōu)良的抗酸、防銹、耐油、電絕緣性和熱塑性能，廣泛用于國防、涂料、機械、醫(yī)藥、印刷和食品行業(yè)[5-7]。依據(jù)紫膠的不同加工階段和產品形態(tài)，紫膠又可分為紫膠原膠、顆粒紫膠、片膠、漂白紫膠等。紫膠原膠是直接從寄主樹上采收下來的成熟膠梗，也是紫膠其他產品加工的原料，主要由紫膠樹脂、蠟質和色素組成[8-10]。長期以來，紫膠原膠的質量評價多依據(jù)國標法，盡管國標法具有可靠性、普適性強的特點，但操作復雜、對人員和熟練程度要求高、檢測耗時等缺點已在很大程度上妨礙了國標法在行業(yè)，尤其在流通領域及企業(yè)中的普及和應用。在工業(yè)快速發(fā)展的今天，如何提高紫膠檢測方法的準確性、時效性和便攜性已成為提高工作效率的重要環(huán)節(jié)[11-12]。近紅外光譜法是近年發(fā)展起來的一種非破壞性分析技術，具有檢測成本低、速度快、樣品預處理簡單等優(yōu)點[13-15]。近紅外光譜分析法是一種間接分析技術，是用統(tǒng)計學方法在樣品待測屬性值與近紅外光譜數(shù)據(jù)之間建立一個關聯(lián)模型，之后通過驗證完成模型的建立，利用近紅外光譜儀測得的樣品光譜數(shù)據(jù)即可通過軟件模型預測被測組分含量[16-17]。目前，近紅外光譜法已在藥品、紡織物、酒類、飼料、糧油、煙草等領域得到廣泛的應用[18-19]。其中飼料中水分、粗蛋白質、粗纖維等含量的測定[20]，玉米中淀粉含量的測定[21]已成為國標中采用的標準檢測方法。本研究依據(jù)化學法測定紫膠原膠中樹脂、蠟質和色素含量的真實值，探索基于近紅外光譜分析模型的構建方法，以期將近紅外光譜法用于紫膠的檢測，實現(xiàn)快速定量檢測紫膠原膠中主組分含量的目的，為建立科學化、自動化的紫膠現(xiàn)代質量標準評價體系提供理論依據(jù)。

1 實 驗

1.1 原料、試劑與儀器

紫膠原膠樣本(中國21、泰國2、印度2、緬甸2和越南2)，由墨江縣洪森蟲膠有限公司、墨江滇力林化廠、墨江森源科技有限公司、綠春興龍紫膠有限公司、云縣凝鑫紫膠產業(yè)發(fā)展有限公司和安寧戴科精細化工有限公司提供。為保證測試樣品的均勻性，把收集到的29個紫膠原膠樣本分別用高速粉碎機粉碎，取粒徑≤0.38 mm的樣品備用。無水碳酸鈉、鹽酸、鄰苯二甲酸氫鉀、四氯化碳、95%乙醇、無水乙醇和氫氧化鉀均為分析純。

MPA傅里葉變換近紅外光譜儀，德國Brucker公司；Agilent Cary Seties紫外(UV-vis)可見分光光度計，Agilent Technologies公司；HH- 601水浴磁力攪拌器；Testo-206便攜式pH計；SHZ-D(Ⅲ)循環(huán)水式多用真空泵。

1.2 紫膠中主組分的測定

1.2.1紫膠樹脂 紫膠樹脂的測定參照國標GB/T8143—2008[22]的方法進行。精確稱取樣品5 g放入用95%乙醇萃取過的定性濾紙中，用棉線捆緊后放入事先在100 ℃質量恒定的萃取瓶中，置入索氏提取器，用95%乙醇在80 ℃提取4 h，將萃取瓶中的溶劑減壓蒸發(fā)，在100 ℃下干燥至質量恒定，最后扣除蠟質質量，即得紫膠樹脂質量，平行測定3次。樹脂質量分數(shù)按式(1)計算。

1.2.2紫膠蠟 紫膠蠟的測定參照國標GB/T8143—2008[22]中的方法進行。精確稱取樣品10 g放入燒杯中，之后加入150 mL溶有2.5 g碳酸鈉的熱水，放在沸水浴中加熱攪拌。待試樣溶解后再加熱2～3 h(不要攪拌)，然后將燒杯從水浴中取出，冷卻至室溫，蠟質結晶析出，用四氯化碳萃取過的濾紙過濾，用水洗滌至濾液無色，將濾紙取出放在60 ℃的烘箱中烘去水分，再用一張濾紙包好，用棉線捆緊，放入事先在100 ℃質量恒定的萃取瓶中，置入索氏提取器，用四氯化碳在80 ℃提取4 h，將萃取瓶中的四氯化碳減壓蒸發(fā)，放入干燥箱中，100 ℃下干燥至質量恒定，平行測定3次。蠟質量分數(shù)按式(2)計算。

ω1=(m2-m1-m0)/m×100%

(1)

ω2=(m3-m1)/m×100%

(2)

式中：ω1—紫膠中樹脂質量分數(shù)，%；m—樣品質量，g；m0—蠟質質量，g；m1—萃取瓶質量，g；m2—萃取瓶與樹脂質量和，g；ω2—紫膠中蠟的質量分數(shù)，%；m3—萃取瓶和蠟質質量和，g。

1.2.3紫膠色素 參照文獻[23]測定水溶物。精確稱取樣品10 g放入250 mL燒杯中，加入150 mL去離子水浸泡過夜，之后抽濾，用水洗至無色，最后濾液倒入燒杯中在80 ℃鼓風干燥箱烘至質量恒定，平行測定3次。水溶物質量=燒杯與水溶物質量之和-燒杯質量。

參照國標GB1886.17—2015[24]方法進行色價測定。稱取干燥水溶物0.1 g置于50 mL燒杯中，加入10 g/L碳酸鈉溶液10 mL攪勻、溶解，傾入100 mL容量瓶中，用少量水洗滌燒杯，洗滌液并入100 mL容量瓶中，用水稀釋至刻度、搖勻。準確吸取5 mL置于100 mL容量瓶中，用0.1 mol/L鹽酸溶液調pH值至3.0左右，用pH值3.0緩沖溶液稀釋至刻度、搖勻，即為試樣溶液。取出試樣溶液置于1 cm比色皿中，于紫外分光光度計為490 nm波長處測量吸光度，平行測定3次。色價按式(3)計算。

參照文獻[25]方法測定色素含量。已知色素標準品的含量，測出色素標準品的色價，樣品通過測定其色價，按照色素標準品折合試樣色素含量，最后計算出紫膠原膠中的色素，平行測定3次。色素按式(4)計算。

(3)

ω3=m4/m×ω4

(4)

1.3 模型的建立

1.3.2模型建立的方法和步驟 一個完整的近紅外預測模型包括6個部分，具體包括：樣本數(shù)據(jù)采集及樣品集劃分、近紅外光譜測定條件設定及光譜圖采集、確定數(shù)據(jù)樣本預處理方法、樣品近紅外光譜區(qū)域的劃分及最優(yōu)波段的選取、主成分數(shù)的選擇和模型質量評價。

1.3.2.1樣本數(shù)據(jù)采集及樣品集劃分 所收集的樣本見表1，囊括了中國、越南、泰國、緬甸和印度等紫膠主產國，為基于近紅外法的紫膠原膠主組分快速預測模型構建提供了數(shù)據(jù)支撐。

表1 不同來源紫膠樣本中樹脂、蠟質及色素含量1)

紫膠樣本按4.5 ∶1隨機分選為校正集和驗證集，通過表2可知，校正集和驗證集中樹脂、蠟質和色素的含量范圍、平均值和極差表明，所選樣品中各組分含量范圍較寬，代表性較強，且校正集樣品范圍包含驗證集所有樣品的組成范圍，符合建立模型樣品選擇的原則。

表2 紫膠原膠中樹脂、蠟質和色素樣品集的劃分

1.3.2.2測定條件設定及光譜圖采集 為保證儀器的穩(wěn)定性，開機后預熱30 min；設置掃描時儀器分辨率為8 cm-1，掃描次數(shù)為64次，光譜范圍為波數(shù)12500～4000 cm-1；以空IN312-SH型樣品杯(Φ=97 mm)作為參比樣品進行光譜采集，上樣量以樣品體積的2/3為宜，為確保樣品采集的均勻性，采用旋轉模式，每個紫膠原膠樣品重復采集3次[27]，取其平均光譜作為樣品代表性光譜。

1.3.2.3確定數(shù)據(jù)樣本預處理方法 近紅外光譜易受到樣品的均勻性、噪音信號以及雜散光等影響，為保證譜圖基線平穩(wěn)和所建立校正模型的準確性，必須對原始光譜進行預處理。常用的預處理方法有無光譜處理、多元散射校正(MSC) 、消除常量偏移量(ECO)、矢量歸一化(VN)、最小-最大歸一化(M-MN)、一階導數(shù)+矢量歸一化 (FD+VN)[28]。

1.3.2.4區(qū)域劃分及最優(yōu)波段選取 偏最小二乘法(PLS) 雖然可以處理全譜信息，但全譜中往往包含了過多的冗余信息，這既影響了建模的準確性，過大的數(shù)據(jù)量也降低了模型預測的計算速率[29]。因此，需要對光譜波段進行提取，改善模型性能。依據(jù)紫膠原膠主組分近紅外譜圖的吸收特征，將原始光譜分為5個波段范圍進行交互建模，并考察各個波段的模型與組分含量間的相關性，探索最優(yōu)波段，5個 波段分別為9400～7500、7500～6100、6100～5450、5450～4600和4600～4250 cm-1。

1.3.2.5主成分數(shù)的選擇 在建模過程中，采用不同的主成分數(shù)，模型的預測能力也會有較大的差異。因此合理確定參加建模的主成分數(shù)是充分利用光譜信息和濾除噪音的有效方法之一。通常數(shù)值過大，所建模型包含太多的噪音，會出現(xiàn)過擬合現(xiàn)象；主成分太小，則導致建模信息不全，模型預測能力相對較差。當RMSECV最小時，對應主成分數(shù)最佳。

(5)

(6)

(7)

(8)

2 結果與分析

2.1 光譜的預處理

利用近紅外儀器自帶的OPUS 7.5分析軟件采集的紫膠樣品的近紅外光譜，原始光譜如圖1(a)所示。從圖1(a)可以看出，紫膠主組分在峰位、峰強和峰形等方面重疊嚴重，很難直觀分析，就需要對近紅外光譜信號進行分析處理，不同的預處理方法得到的譜圖見圖1(b)、1(c)和1(d)所示。

通過對不同波段的篩選，由表3可知，樹脂、蠟質和色素的最優(yōu)建模波段分別為9403.7～5446.3、4601.6～4246.7 cm-1，9403.7～7498.3、6102～5446.7 cm-1和7502.1～6098.1、5450.1～4246.7cm-1，說明在該波數(shù)范圍內，組分與模型的相關性最佳。

2.2 各個模型的參數(shù)及測定效果

為更好的驗證上述最優(yōu)波段選擇的可靠性，選擇了脫蠟脫色片膠、紫膠蠟和紫膠紅色素作為紫膠樹脂、蠟質和色素的純凈物分別進行全譜掃描。

a.紫膠原始圖original spectra of sticklac； b.矢量歸一化處理vector normalization (VN)；c.最小-最大歸一化處理

表3 樹脂、蠟質和色素最佳預處理方法和最優(yōu)波段的選擇

續(xù)表3

a.樹脂resin; b.蠟質wax; c.色素pigment圖2 不同樣品的近紅外光譜圖Fig.2 Near infrared spectra of different samples

由圖2可知，純樹脂的近紅外光譜圖與紫膠原膠的光譜圖幾乎一致，是因為紫膠原膠中樹脂是主要組分，樹脂吸收強度最強，在譜圖疊加中占據(jù)主導，故從純樹脂的光譜圖上很難找到最優(yōu)波段。由表3得到蠟質的最優(yōu)建模波數(shù)為9403.7～7498.3 cm-1、6102.0～5446.7 cm-1，對比圖2蠟質圖譜可知，此波數(shù)范圍正好在蠟質特征吸收范圍內。由色素近紅外光譜可知，色素主要吸收波段為7378.0～6258.0 cm-1和5411.0～4511.0 cm-1，而通過不同光譜段處理得到最優(yōu)波段為7502.1～6098.1、5450.1～4246.7 cm-1，與色素主要吸收波段吻合。

樹脂、蠟質和色素的主成分數(shù)與RMSECV的關系如圖3所示，主成分數(shù)的大小影響模型的質量，一般認為RMSECV最小時，對應主成分數(shù)最優(yōu)。由圖3可知，樹脂、蠟質和色素主成分數(shù)分別為8、10、6時，對應的RMSECV最小，說明在該主成分數(shù)下，該模型的誤差最低。

a.樹脂resin; b.蠟質wax; c.色素pigment

2.3 模型驗證

利用以上建模條件，對樹脂、蠟質和色素校正集進行內部交叉驗證，建立校正模型的樣品數(shù)為24個，分別剔除0、0、2個光譜異常的樣品，實際采用的樣品只有24、24、22個，利用建立的樹脂、蠟質和色素定量模型預測驗證集為5個樣品。樹脂、蠟質和色素的校正集和驗證集的預測值和真實值的關系如圖4所示。

△校正集calibration sets； ○驗證集validation sets

所建模型的各項數(shù)理統(tǒng)計指標都達到預期值，所有樣品的近紅外光譜測定結果和標準方法之間的相關性以及誤差基本都在要求的再現(xiàn)性范圍以內，近紅外光譜所建紫膠原膠中3種主組分模型預測樣品的預測值與國標方法測得的化學值基本一致，說明所建模型的預測效果良好。

由表4可知，對樹脂、蠟質和色素的預測值和真實值做了比較，每個樣品的5次預測結果平均差異都小于0.10%；并且對每個樣品的5次預測值做了顯著性分析，結果P>0.05，均無顯著性差異，可見所建模型精密度和穩(wěn)定性良好。

表4 模型預測樣品的精密度和穩(wěn)定性檢驗(n=5)

3 結 論