蓖麻籽含油率測定的近紅外模型

摘 要：為快速測定蓖麻籽的含油率，縮短采購檢驗的時間，保持被檢測樣品的完整性，使用Perten DA7200型近紅外儀測定了46份蓖麻籽樣品的近紅外光譜值，并用常規化學分析方法測定了對應蓖麻籽樣品的含油率，并將這二者擬合建立了定標模型。驗證評價結果表明：含油率的相關性為0.9655，定標方程的偏差為0.000003913，定標方程的預測能力良好，可替代傳統含油率測定方式，實現快速無損測定蓖麻籽含油率。

關鍵詞：蓖麻；含油率；近紅外模型

中圖分類號： S565.6 文獻標志碼：A 論文編號：2013-0926

Abstract： To develop a time-saving and nondestructive testing method for determination the oil content of castor seeds， Perten DA7200 near-infrared analyzer was used in this determination of near-infrared spectral values of 46 castor samples， and these samples oil content were determined by conventional chemical analysis method at the same time. Then a calibration model was established based on the combination of the two to fit. The the verification and evaluation results showed that： the oil content’s correlation coefficient was 0.9655， and the deviation of the calibration equation was 0.000003913. It proved that the calibration equation has excellent predictive capability and was a better alternative to traditional oil content measurement in rapid and nondestructive determination of caster bean oil content.

Key words： Castor； Oil Content； Near-Infrared Model

0 引言

蓖麻（Ricinus communis）是大戟科蓖麻屬1年或多年生草本植物，適應性廣，耐旱、耐鹽堿，是世界上十大油料作物之一。蓖麻油凝固點低、耐高溫，是一種不干性油，可用于生產高端潤滑油、生物柴油及200多種化工產品，應用前途十分廣泛。此外，蓖麻還可用于醫藥、農藥、養蠶、中密度板、觀賞等，綜合開發利用的經濟價值極高，已被國內外眾多科研單位所關注。早在20世紀50年代，美國和前蘇聯就開展了單雌蓖麻的研究[1]，中國從20世紀60年代也開始了蓖麻育種方面的研究，如山西省農科院經濟作物研究所和山東淄博市農科院利用蓖麻雜種之間的優勢，解決了蓖麻雌性系繁育與雜交制種中的技術難題，該技術2004年獲國家發明專利[2]。湖南省林業科學院在南方蓖麻新品種選育及蓖麻油脂加工利用方面取得了不少成績[3-5]，成功培育出南方蓖麻新品種‘湘蓖1號’，利用蓖麻油制備出生物柴油和高端潤滑油。隨著蓖麻研究與產業化的發展，對蓖麻籽含油率的檢測提出了更高的要求，特別是育種工作對無損檢測的需求以及收購對快速檢測的需求，當前的傳統方法由于需磨碎、耗時長等已經難以滿足相關需求。因此，建立大批量樣品品質性狀的快速辨別無損分析方法，對蓖麻育種及加工產業的發展具有重要的意義。

近紅外光譜技術（NIRS，near infraredspectroscopy）是在20世紀80年代后期迅速發展起來的一項物理測試技術。它能夠利用有機化學物質在近紅外光譜區的光學特性，快速估測出樣品中一種或幾種化學成分的含量[6]。近年來，國內外廣泛采用近紅外光譜無損檢測技術來測定農產品和食品中各成分的種類及含量，從而實現對農作物品質育種、食品品質和加工過程的控制[7-15]。目前國內還沒有快速無損測量蓖麻籽含油率的方法，本研究利用DA7200二極管陣列近紅外光譜對蓖麻籽樣品進行掃描，結合常規化學分析方法測定樣品的含油率，并將這二者擬合建立蓖麻籽含油率的近紅外模型，提供了一種全新的蓖麻籽含油率的檢測方法，不僅可以實現蓖麻籽含油率的快速檢測，而且還可以滿足育種工作對蓖麻無損檢測的要求，具有較大的實際應用價值。

1 材料與方法

1.1 儀器與試劑

1.1.1 主要儀器 近紅外光譜（Perten，DA7200），SZC-D脂肪測定儀，101型電熱鼓風干燥箱，AB104-N型電子天平。

1.1.2 材料與試劑 蓖麻籽來自湖南省林業科學院收集的包括山東省淄博農業科學研究院、山西省農業科學院、湖南永州職業技術學院、廣西壯族自治區林業科學研究院、北京秀禾國際農業發展有限公司等國內主要從事蓖麻育種工作單位的種子材料共計46份。所用到的化學試劑均為分析純，購于上海國藥集團化學試劑有限公司。

1.2 實驗方法

1.2.1 蓖麻籽含油率常規化學分析數據庫的創建 采集不同種源的具有代表性的蓖麻種子作為檢測樣品，采用國標GB/T 14488—2008測定樣品的含油率，建立蓖麻籽含油率常規化學分析數據庫。

由于有的品種收集的蓖麻籽數量偏少，無法大量研磨，且粘度較高，在研缽中研磨的話，容易導致測量結果偏低。因此筆者選擇在濾紙上研磨。

蓖麻籽樣品含油率計算如式（1）。其中a是蓖麻籽樣品濕重（g），b是抽提初重（g），c是抽提末重（g）。

含油率=[（b-c）/a]×100%…（1）

1.2.2 蓖麻籽近紅外光譜數據庫的創建 將樣品置于測量盤中，用DA7200近紅外儀掃描樣品，每個樣品重復測量3次，并將光譜均值化處理。

1.2.3 光譜數據的處理與分析 根據Grams32軟件系統的化學計量方法同時結合自身模型特點和測量要求選擇的回歸分析方法是MPLS（改進最小二乘法回歸技術）。MPLS在每一次循環運算后，不僅對數據進行歸一化處理而且對整段光譜進行處理，所以表現出更優的建模能力。所建模型用化學至與預測值的交互定標標注誤差（SECV）和交互定標決定系數（1-VR）來共同評價。對光譜的散射預處理方式采用了None（對光譜不進行散射校正）和SNV+Detrend（標準正常化處理+去偏異技術）兩種處理方式，數學處理技術的參數分別：①Derivative導數處理=0，Gap做導數處理計算所采用的光譜點間隔=0，Smooth平滑處理間隔=1，Smooth 2二次平滑處理間隔點= 1；②Derivative導數處理=1，Gap做導數處理計算所采用的光譜點間隔=4，Smooth平滑處理間隔=4，Smooth 2二次平滑處理間隔點=1。將上述2種光譜預處理方式建立2個定標方程，挑選交互驗證標準偏差SECV偏小，交互驗證相關系數1-VR偏大的一組為最終定標結果。

2 結果與分析

2.1 蓖麻籽樣品含油率數據

采用國標GB/T 14488—2008（索氏提取法）對46個樣品進行含油率測定，所得數據見表1。測定結果顯示，所測46份樣品最高含油率為45.27%，最低含油率為20.17%，平均含油率為39.84%。這與報道蓖麻籽含油率46.0%～57.6%[1-3]，存在一定偏差，可能主要是由于蓖麻籽含水率的差異，本研究未測定樣品的含水率。

2.2 蓖麻籽光譜數據

對46個蓖麻籽樣品進行光譜掃描，得到波長范圍900～1700 nm之間的樣品連續掃描曲線，見圖1，其橫坐標為波數（nm），縱坐標為反射吸光度lgR-1。按照軟件推薦的選擇方式，選出一個SECV值低而1-VR值較高的一組作為定標方程，最終選擇SNV+Detrend處理技術下的定標方程。

2.3 模型中含油率驗證曲線

在SNV+Detrend方程中，SECV值為0.072，而1-VR值為0.881，接近于0.9655這一數學上常用的可接受標準，定標結果較好。最后剔除掉部分超常樣品，就得到了圖2蓖麻籽含油率回歸曲線圖。

2.4 模型評價

由圖2可以看出，代表蓖麻籽含油率這一化學值的小點基本落于直線之上，偏差較小，相關系數為0.9655，定標方程的偏差為0.000003913（圖2）具有較好的預測性，這說明蓖麻籽含油率的近紅外光譜與其含油率這一化學值具有良好的對應關系，所以通過建立蓖麻籽含油率的近紅外模型，可以較好地測量出蓖麻籽的含油率。

3 結論與討論

（1）近紅外光譜法可以用于蓖麻籽含油率的測定，其中相關系數為0.9655。

（2）傳統蓖麻籽油的提取方法一般都是用有機溶劑抽提，如Folch法、Bligh-Dyer法、索氏抽提法等[16-17]。這些方法都需將蓖麻籽磨碎，不僅時間花費長，也有一定得損耗。而且有機溶劑還可能會造成人體危害和環境污染。近紅外技術具有快速、簡便、無污染，可多組分同時測定的優點，是常規分析方法難以比擬的。蓖麻籽大小與形狀較規整，近紅外光譜蓖麻籽含油率定標模型的建立，克服了以往常規方法的缺點，能夠無污染、快速、無損、大批量測定蓖麻籽含油率，特別適用于批量和少量育種材料樣板蓖麻籽含油量的測定，是一種新型測試方法，具有較大的實際應用價值。

（3）近紅外光譜定標模型其準確性取決于其標準曲線的制作，隨著模型中數據的不斷積累和優化，測試精度可以不斷提高。雖然本研究以46個小樣本建立的模型分析效果較好，但為了進一步提高模型的精確度及穩定性，還需繼續擴充樣品量，特別是含油率低和高的樣品，以便修正定標模型。

參考文獻

[1]鄭鷺，祁建民，陳紹軍，等.蓖麻遺傳育種進展及其在生物能源與醫藥綜合利用潛勢[J].中國農學通報，2006，22（9）：109-113.

[2]李紅玉，郭志強，王宏偉，等.蓖麻雜交種產業化開發的實踐與思考[J].農業科技通訊，2007（6）：8-10.

[3]張良波，李培旺，李昌珠，等.蓖麻新品種湘蓖1號的選育和栽培技術[J].農業科技通訊，2009（12）：182-184.

[4]張愛華，張玉軍，李昌珠，等.新型堿性離子液體催化蓖麻油制備生物柴油[J].應用化學，2009，38（2）：167-170.

[5]劉汝寬，肖志紅，李昌珠，等.正交法優化植物油脂調配潤滑防銹油[J].糧油加工，2009（2）：68-69.

[6]方彥，王漢寧.利用近紅外光譜法測定玉米籽粒含油量的研究[J].西北農業學報，2007，16（1）：111-113.

[7]李偉，肖愛平，冷鵑.近紅外光譜技術及其在農作物中的應用[J].中國農學通報，2009，25（3）：56-59.

[8]Hartwig R A， Charles R. Near-infrared reflectance measurement ofmoisture， protein and oil content of crambe seed[J]. JAOCS，1990，67（7）：667-672.

[9]Misra J B， Mathur R S， Bhattd M. Near-infrared transmittance spectroscopy： A potential tool fornon destructive determination of oil con-tent in groundnuts[J]. J of the science of food and agriculture，2000，80（2）：237-240.

[10]甘莉，孫秀麗，金良，等.NIRS定量分析油菜種子含油量、蛋白質含量數學模型的創建[J].中國農業科學，2003，36（12）：1609-1613.

[11]顧偉珠，汪延祥.多元線性回歸法分析油菜籽含油量的近紅外光譜數據[J].中國糧油學報，1995，10（2）：57-64.

[12]李鈞，王寧惠，余青蘭，等.傅立葉變換近紅外光譜技術分析完整油菜籽含油量數學模型的建立[J].青海大學學報：自然科學版，2006，24（6）：28-30.

[13]齊曉，韓建國，聶志東，等.利用近紅外漫反射光譜法預測紫花苜蓿莖組分營養價值的研究[J].光譜學與光譜分析，2008，28（9）：2062-2066.

[14]徐廣通，袁洪福，陸婉珍.現代近紅外光譜技術及應用進展[J].光譜學與光譜分析，2000，20（2）：134-142.

[15]Stefanis E D， Sgrulletta D. Use of NIT （near infrared transmission） spectroscopy for semolina analysis[J]. Tecnica-Molitoria，1996，47（9）：61-66.

[16]樓喬明，楊文鴿，徐大倫，等.蓖麻籽脂質提取與甲酯化衍生優化及其脂肪酸組成分析[J].中國糧油學報，2012，27（12）：69-72.

[17]曾娟，郭佩佩，歐陽勇，等.海南蓖麻籽中脂肪酸的組成分析[J].海南大學學報，2009，27（3）：259-260.