劉蕊 張軍 范海闊

(1中國(guó)熱帶農(nóng)業(yè)科學(xué)院椰子研究所海南文昌571339;2農(nóng)業(yè)農(nóng)村部文昌椰子種質(zhì)資源圃海南文昌571339)

椰子樹(shù)是熱帶地區(qū)重要的木本油料作物［1］，椰子油是從新鮮成熟椰肉中制得的一種油脂［2］。具備藥用、抗氧化活性、減肥美容等［3-5］功效，受到消費(fèi)者青睞。作為一種功能性油脂，椰子油可用于食品加工、護(hù)膚品和生物燃料生產(chǎn)等［6-8］，應(yīng)用十分廣泛。椰子油是椰子的重要加工產(chǎn)品，根據(jù)USDA數(shù)據(jù)，2016年世界椰子油消費(fèi)總量達(dá)到321萬(wàn)噸。鑒于椰子油的重要性，選育含油量高的品種是椰子的重要育種方向，篩選高含油量的優(yōu)良種質(zhì)是椰子育種的重要內(nèi)容。傳統(tǒng)的油料作物含油量檢測(cè)主要通過(guò)索氏抽提等方法，檢測(cè)步驟繁瑣，所需時(shí)間較長(zhǎng)，不能實(shí)現(xiàn)高通量快速檢測(cè)。在科研與實(shí)際生產(chǎn)中，需要建立一種椰子肉含油量的快速檢測(cè)方法，這對(duì)于椰子種質(zhì)的高效鑒定評(píng)價(jià)以及椰子油產(chǎn)量的預(yù)測(cè)十分必要。近紅外光譜是一種高效、無(wú)損、易操作、可實(shí)時(shí)在線檢測(cè)的技術(shù)，已經(jīng)被廣泛應(yīng)用于醫(yī)藥、食品、農(nóng)產(chǎn)品［9-12］等檢測(cè)中。有關(guān)近紅外光譜技術(shù)在油脂檢測(cè)方面的報(bào)道較多，主要應(yīng)用于油料作物含油量檢測(cè)等方面。奚如春等［13］依據(jù)油茶種子吸收光譜與化學(xué)特征分析數(shù)據(jù)，建立了油茶種仁含油率定標(biāo)模型。金華麗等［14］結(jié)合近紅外光譜掃描和索氏抽提法建立了花生種質(zhì)含油量的近紅外測(cè)定模型。林艷等［15］采用近紅外光譜技術(shù)建立了沉香含油量近紅外光譜預(yù)測(cè)模型。Novianty等［16］同樣采用近紅外光譜技術(shù)建立了油棕鮮果的含油量檢測(cè)模型，并比較了偏最小二乘法（PLS）和多元線性回歸（MLR）法預(yù)測(cè)含油量的準(zhǔn)確性。由于近紅外光譜分析技術(shù)是一種間接測(cè)量手段，是依賴復(fù)雜的化學(xué)計(jì)量學(xué)校準(zhǔn)算法的間接定性定量分析技術(shù)，因此分析過(guò)程受到許多因素的影響［17］，主要包括樣品因素、儀器參數(shù)、實(shí)驗(yàn)操作等。有關(guān)學(xué)者在此方面進(jìn)行了大量研究，如李軍會(huì)等［18］研究發(fā)現(xiàn)，提高儀器信噪比、樣品重復(fù)測(cè)量取平均次數(shù)等方法可以提高測(cè)試精度。王斌等［19］分析了掃描次數(shù)對(duì)鮮棗近紅外光譜響應(yīng)特性的影響；趙怡錕等［20］發(fā)現(xiàn)儲(chǔ)存時(shí)間對(duì)玉米單籽粒近紅外光譜檢測(cè)結(jié)果有著重要的影響。在椰子油研究方面，尚未見(jiàn)采用近紅外光譜技術(shù)的報(bào)道，也并未開(kāi)展掃描條件對(duì)相關(guān)模型建立的影響研究。本研究以成熟椰肉為試驗(yàn)材料，分析不同掃描次數(shù)對(duì)椰肉含油量建模的影響，擬篩選適合椰肉含油量近紅外定量模型建立的最佳掃描次數(shù)，為將來(lái)建立實(shí)際應(yīng)用模型時(shí)選擇最佳的檢測(cè)條件提供參考。

1 材料與方法

1.1 材料

1.1.1 儀器設(shè)備

S400型近紅外農(nóng)產(chǎn)品品質(zhì)測(cè)定儀（上海棱光技術(shù)有限公司），F(xiàn)A1204B電子天平（上海天美天平儀器有限公司），DHG-9140A電熱恒溫鼓風(fēng)干燥箱（上海精宏實(shí)驗(yàn)設(shè)備有限公司），JK-CFD-6粗脂肪測(cè)定儀（上海精學(xué)科學(xué)儀器有限公司）。

1.1.2 試驗(yàn)材料

所有試驗(yàn)樣品采自海南省文昌市中國(guó)熱帶農(nóng)業(yè)科學(xué)院椰子研究所試驗(yàn)基地。

1.2 方法

1.2.1 樣品處理

選取已經(jīng)響水、健康無(wú)損的椰子果樣本38個(gè)；剖開(kāi)椰果，剝?nèi)⌒迈r椰肉并將椰肉切成6 mm×6 mm大小置于70℃鼓風(fēng)干燥箱中烘干至恒重；烘干后的樣品用粉碎機(jī)粉碎成粉末狀備用。

1.2.2 光譜數(shù)據(jù)采集

用S400型近紅外農(nóng)產(chǎn)品品質(zhì)測(cè)定儀對(duì)38份椰肉粉末進(jìn)行光譜采集，光譜采集的參數(shù)如下：數(shù)據(jù)模式為吸光度（A），采樣波段范圍為1 000～2 500 nm，光譜采樣間隔為1 nm，掃描次數(shù)分為3、8、16、32、64次。光源采用與光譜儀配套的歐司朗12 V、20 W鎢燈。為了減少樣品不均勻性帶來(lái)的誤差，試驗(yàn)過(guò)程中每個(gè)樣品都重裝樣2次并分別采集光譜。

1.2.3 含油量測(cè)定

用索氏抽提法測(cè)定38份椰肉粉末含油量。

1.2.4 光譜數(shù)據(jù)預(yù)處理與建模分析

分別將每個(gè)掃描條件下采集到的76光譜數(shù)據(jù)導(dǎo)入CAUNIR分析軟件，并輸入每一條光譜所對(duì)應(yīng)的含油量值，利用CAUNIR軟件所提供的定量偏最小二乘分析方法（Quantitative partial least squares，QPLS）建模。建模的波段1 000～2 000 nm，波長(zhǎng)間隔1 nm，試驗(yàn)樣本按光譜數(shù)量1∶1的比例分成建模集和檢驗(yàn)集。數(shù)據(jù)處理過(guò)程中，為了消除光譜采集過(guò)程中來(lái)自隨機(jī)噪音、基線漂移、樣本不均勻等的影響，采用軟件提供的一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、散射校正、矢量校正、極差歸一、中心化法等6種預(yù)處理方法對(duì)光譜進(jìn)行預(yù)處理。根據(jù)預(yù)處理方法的不同，每個(gè)掃描條件下建立6個(gè)定量模型，從中篩選1個(gè)最佳模型，5個(gè)掃描條件共篩選5個(gè)最佳定量模型。

利用相關(guān)系數(shù)r、校正樣本均方根誤差（RMSEC）、預(yù)測(cè)樣本均方根誤差（RMSEP）來(lái)評(píng)價(jià)所建模型的精確性。相關(guān)系數(shù)越接近1和均方根誤差越接近于0，并且建模樣本均方根誤差和檢驗(yàn)樣本均方根誤差越接近時(shí)，表明所建模型較優(yōu)。

1.2.5 模型預(yù)測(cè)能力檢驗(yàn)

利用1.2.4中篩選的5個(gè)模型對(duì)外部驗(yàn)證集的樣品含油量進(jìn)行預(yù)測(cè)，通過(guò)成對(duì)t檢驗(yàn)，比較實(shí)際值與預(yù)測(cè)值的差異。

2 結(jié)果與分析

2.1 近紅外光譜的采集

38份樣品含油量最小值為27.50%，最大值為60.00%，平均值為50.21%，符合建模要求。每個(gè)樣品重裝2次，因此3、8、16、32和64次每個(gè)掃描條件下均獲得76條光譜（圖1-a～e）。不同掃描次數(shù)下的近紅外光譜吸收峰基本一致。

圖1 椰肉近紅外掃描光譜

2.2 不同掃描次數(shù)對(duì)定量模型穩(wěn)定性的影響

依次將3、8、16、32、64次掃描條件下采集的光譜及其對(duì)應(yīng)的含油量數(shù)值添加入CAUNIR軟件，設(shè)置波長(zhǎng)范圍（1 000～2 000 nm）和間隔（1 nm）后，選用經(jīng)預(yù)處理的光譜進(jìn)行模型建立，檢驗(yàn)集的設(shè)置采用隨機(jī)選擇檢驗(yàn)樣品的方法，以光譜數(shù)量1∶1的比例劃分建模集和檢驗(yàn)集，模型采用的推薦主成分?jǐn)?shù)由內(nèi)部留一交叉確定。在上述參數(shù)條件下試建并保存模型。5種掃描條件下椰肉含油量QPLS定量模型的最優(yōu)結(jié)果，見(jiàn)表1。

表1 椰肉含油量檢測(cè)QPLS模型結(jié)果

理論上檢測(cè)模型校正均方根誤差（RMSEC）和預(yù)測(cè)均方根誤差（RMSEP）越小越好，兩者的值應(yīng)非常接近，且有較高的相關(guān)系數(shù)，這樣才能說(shuō)明該模型穩(wěn)定性較好。由表1可知，3次掃描條件下，采用中心化法預(yù)處理后的光譜建模效果最好；8次掃描條件下，采用極差歸一法預(yù)處理后的光譜建模效果最好；而16次掃描條件下采用二階導(dǎo)數(shù)預(yù)處理法，32次掃描條件下采用矢量校正預(yù)處理法，64次掃描條件下采用散射校正預(yù)處理法，建模效果最好。不同掃描次數(shù)相比，掃描3次的相關(guān)系數(shù)（0.838 3）最低，均方根誤差最大；掃描64次的相關(guān)系數(shù)（0.877 6）為最高，均方根誤差相對(duì)較小。

續(xù)圖1椰肉近紅外掃描光譜

2.3 不同掃描次數(shù)對(duì)模型預(yù)測(cè)能力的影響

應(yīng)用2.2所建的5個(gè)預(yù)測(cè)模型，對(duì)其外部驗(yàn)證集的38條光譜對(duì)應(yīng)的樣品含油量進(jìn)行預(yù)測(cè)，并對(duì)模型預(yù)測(cè)值與實(shí)際含油量值進(jìn)行統(tǒng)計(jì)分析；將外部驗(yàn)證集樣品所對(duì)應(yīng)的椰肉含油量與模型的預(yù)測(cè)值進(jìn)行配對(duì)t檢驗(yàn)。結(jié)果證明，掃描3、8、16、32、64次所建立的預(yù)測(cè)模型的p值（Sig.）均大于0.05（表2），說(shuō)明其含油量預(yù)測(cè)值與真實(shí)值間無(wú)顯著差異。

表2 椰肉含油量實(shí)際值與預(yù)測(cè)值t檢驗(yàn)

綜合表1～2的結(jié)果，在掃描64次條件下，采用散射校正預(yù)處理光譜所建立的模型性能較好，其實(shí)際值與預(yù)測(cè)值的相關(guān)系數(shù)可達(dá)0.877 6。

3 討論與結(jié)論

文章探討了掃描次數(shù)對(duì)椰肉含油率定量模型構(gòu)建的影響，并分析了不同掃描條件下所建立的模型對(duì)樣本含油量的預(yù)測(cè)能力。結(jié)果表明，從相關(guān)系數(shù)和均方根誤差的角度看，掃描64次所建立的模型性能比較穩(wěn)定；所建的5個(gè)預(yù)測(cè)模型，其含油量真實(shí)值與預(yù)測(cè)值均無(wú)顯著差異。由上述結(jié)果可知，相比而言，64次掃描條件最優(yōu)，但考慮到試驗(yàn)效率，在后續(xù)的大規(guī)模樣本量建模時(shí)，建議采用掃描3次的參數(shù)條件，可以節(jié)省試驗(yàn)時(shí)間，同時(shí)也可以保證較高的預(yù)測(cè)能力。本研究同時(shí)分析了不用預(yù)處理方法對(duì)模型構(gòu)建的影響，結(jié)果表明，不同預(yù)處理方法對(duì)模型的性能影響存在一定差異，需要根據(jù)實(shí)際情況篩選最佳預(yù)處理方法。

對(duì)近紅外光譜定量模型構(gòu)建有影響的因素包括很多，除了掃描次數(shù)和預(yù)處理方法，譜區(qū)范圍［21］、環(huán)境溫度［18］等都會(huì)對(duì)結(jié)果造成影響，在后續(xù)椰肉含油量的近紅外光譜建模研究中需要進(jìn)一步分析，為建立穩(wěn)定性好、實(shí)用性高的穩(wěn)健性模型提供參考。