FT-NIR在油菜籽品質指標快速檢測中的應用研究

袁 建 朱貞映 鞠興榮 何 榮 后其軍 袁翔宇 魏孟輝

(南京財經大學食品科學與工程學院，南京 210046)

FT-NIR在油菜籽品質指標快速檢測中的應用研究

袁 建 朱貞映 鞠興榮 何 榮 后其軍 袁翔宇 魏孟輝

(南京財經大學食品科學與工程學院，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、蛋白質和粗脂肪含量的近紅外研究。研究結果顯示：油菜籽整籽粒和粉碎樣品的水分含量近紅外檢測模型的內部交叉驗證決定系數R2分別為0.967和0.953，油菜籽整籽粒和粉碎樣品的蛋白質含量的近紅外檢測模型的內部交叉驗證決定系數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模型的內部交叉驗證決定系數R2分別為 0.776和0.896。同時，測定水分時可采用整籽粒掃描，而粉碎試樣所建的蛋白質和粗脂肪模型優于整籽粒掃描。油菜籽粉碎樣品的外部驗證模型評價效果較好，外部驗證水分、蛋白質和粗脂肪決定系數R2分別為0.966、0.937和0.918。結果表明，近紅外光譜技術可用于油菜籽品質指標的檢測。

近紅外 油菜籽 水分 蛋白質 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80%以上，營養價值高，人體對其吸收率高達99%，是我國非常重要的食用植物油源。油菜籽餅粕中含有34%～45%蛋白質，必需氨基酸含量高，尤其是賴氨酸和含硫氨基酸，是優質植物蛋白源。目前，我國頒布的有關蛋白質和粗脂肪的標準測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，迫切需要一種準確而又快速的檢測方法。

近紅外光譜法(NIRS)是近年發展起來的一種快速測定方法[1-4]，Norris將近紅外光譜技術應用到農業領域[5]，后來廣泛應用于小麥、玉米、芝麻等農產品的品質檢測中[6-9]。NIRS用于油菜籽品質分析已有報道，不但探討了光譜預處理和不同統計方法對油菜籽中芥酸和硫甙的含量測定的影響[10]，而且在近紅外光譜法數學模型的構建和品質參數的預測以及將NIRS用于小樣品油菜籽分析方面也取得了較好的進展[11-14]。

本研究采用近紅外漫反射光譜技術分析測定了203份油菜籽樣品水分、蛋白質和粗脂肪含量。首先，對油菜籽整籽粒和粉碎樣品進行常規實驗的測定和近紅外的掃描工作，并建立模型；其次，對油菜籽整籽粒和粉碎樣品分別建模進行分析，為如何快速且更準確檢測油菜籽各品質指標提供參考；最后，對模型的預測能力進行外部驗證，為近紅外漫反射光譜技術在我國油菜籽品質指標快速檢測的應用提供參考。

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，所有樣品均經過預處理，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脂肪測定儀：瑞士步琪有限公司；FW100高速萬能粉碎機：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)作為定標樣品集，用于模型的建立，對于油菜籽的定標集樣品分別采集整籽粒和粉碎的近紅外光譜，其余30%(61份)用作外部驗證，驗證集用于定標模型預測的性能評價。

1.2.2 化學值的測定

采用105 ℃烘干法測定油菜籽中的含水量[15]；采用凱氏定氮法測定油菜籽中的蛋白質含量[16]；按照 采用索氏抽提法測定油菜籽中的粗脂肪含量[17]。每個樣品重復測定3次，取其平均值作為最終結果。

1.2.3 近紅外光譜掃描

將傅里葉變換近紅外光譜儀開機預熱30 min，對油菜籽定標的142個樣品整籽粒和粉碎形態都進行光譜掃描并存儲，掃描光譜范圍為4 000～12 000 cm-1,分辨率16 cm-1，掃描次數64次，每個樣品重復2次。

1.2.4 近紅外建模與評價

對油菜籽粉碎樣品最優數學方法和回歸技術的研究，采用Horizon MB化學計量軟件建模分析，通過對定標集樣品適當的數學方法和回歸技術處理，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、蛋白質和粗脂肪含量檢測模型，同時應用到整籽粒樣品的建模。

采用內部交叉驗證和外部驗證兩種方法評價模型的預測性能。內部交叉驗證通過校正標準差(RMSEC)、交互驗證標準誤差(SECV)和交叉驗證決定系數R2評價檢測模型的優越性，RMSEC和SECV 越小，R2越大，模型預測性能越好。外部驗證是驗證集樣品用于定標模型預測的性能評價，通過決定系數(R2)和顯著性P值評價模型的預測性能，R2越大，P值小于0.05，模型預測性能越好。

2 結果與討論

2.1油菜籽水分、蛋白質和粗脂肪的化學計量值評價

203個樣品油菜籽水分、蛋白質和粗脂肪質量分數范圍分別為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個定標集樣品中油菜籽蛋白質和粗脂肪質量分數范圍分別為20.123%～30.488%(均值24.830%)和34.492%～49.290%(均值40.745%)； 61個驗證集樣品中油菜籽蛋白質和粗脂肪質量分數范圍分別為18.468%～28.550%(均值24.286%)和35.489%～46.427%(均值40.693%)。油菜籽各指標含量范圍覆蓋面廣，不同樣品各指標測定值存在差異，為建立優質的模型提供了有利條件。

2.2 油菜籽的近紅外光譜圖與預處理

圖1為經過傅里葉變換近紅外光譜儀掃描得到142個油菜籽粉樣品的近紅外光譜圖, 可以看出各個樣品的譜線具有基本相同的變化趨勢，不同樣品的譜線可能存在漂移和噪音等，對不同樣品進行基線校準、平滑處理和一階求導，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 經基線校準、平滑和一階求導處理的近紅外光譜圖

2.3 近紅外測定模型的建立與優化

2.3.1 校正方法的選擇

利用Horizon MB化學計量軟件建模分析，對定標集樣品做預處理后經適當的數學處理，例如多元散射校正(MSC)，一階求導(Derivative)、偏差校正(Offset Correction)、趨勢變換法(Detrending)，標準化(Normalization)等，建立最佳的油菜籽水分、蛋白質和粗脂肪含量檢測模型。由表1分析結果可知，對于油菜籽粉水分采用多元散射校正的一階求導方法處理最好，交叉驗證決定系數R2達0.951，SECV為0.202，RMSEC為0.450；蛋白質采用一階求導的標準化方法處理最好，交叉驗證決定系數R2達0.928，SECV為0.486，RMSEC為0.697；粗脂肪采用趨勢變換的一階求導方法處理最好，交叉驗證決定系數R2達0.883，SECV為0.807，RMSEC為0.898。

表1 不同校正方法對油菜籽粉各品質近紅外檢測模型的影響

續表

2.3.2 回歸技術的選擇

異常樣品的存在將嚴重影響模型的預測精度[18]，在回歸技術建模時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的分析結果，采用多元散射校正的一階求導方法和偏最小二乘法(PLS)回歸技術對油菜籽粉水分建模效果最好，交叉驗證決定系數R2達0.953，SECV為0.189，RMSEC為0.434；采用一階求導的標準化方法和偏最小二乘法(PLS)回歸技術對油菜籽粉蛋白質建模效果最好，交叉驗證決定系數R2達0.947，SECV為0.420，RMSEC為0.648；采用趨勢變換的一階求導方法和偏最小二乘法(PLS)回歸技術對油菜籽粗脂肪建模效果最好，交叉驗證決定系數R2達0.896，SECV為0.727，RMSEC為0.853。

表2 不同回歸技術對油菜籽粉近紅外檢測模型的影響

2.3.3 油菜籽不同形態近紅外結果與分析

通過最優校正方法和回歸技術分析不同形態的油菜籽，見表3。對于油菜籽水分、蛋白質和粗脂肪的近紅外建模的結果分析，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，相對于單個指標的分析，油菜籽整籽粒水分的建模效果比粉碎要好，這也是因為近紅外對水分的吸收比較強烈導致，但是對于整籽粒的蛋白質和粗脂肪模型，相對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果

2.3.4 油菜籽近紅外定標集建模結果

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

圖3 油菜籽粉水分、蛋白質和粗脂肪定標集模型

圖4 油菜籽粉驗證集樣品的水分、蛋白質和粗脂肪含量的預測值與真實值的關系

2.4 近紅模型的外部驗證

圖4為油菜籽水分、蛋白質和粗脂肪模型外部驗證(油菜籽粉狀)結果。由表4和表5知，水分含量、蛋白質含量、粗脂肪含量的擬合度非常高。通過對油菜籽粉水分、蛋白質和粗脂肪外部驗證進行Durbin-Wstson統計量分析，油菜籽各指標Durbin-Wstson統計量的值都很接近2，說明模型的殘差不存在自相關，可以認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測值對樣品的真實值解釋非常顯著，綜合外部驗證的結果分析知定標模型對外部驗證集樣品預測的性能是可信的，說明油菜籽粉水分、蛋白質和粗脂肪含量的近紅外模型有良好代表性和預測能力。

表4 外部驗證真實值與預測值對比

表5 外部驗證評價模型的統計量

3 結論

3.1 基于傅里葉變換近紅外光譜分析技術，開展了選取最優數學處理方法和回歸技術對油菜籽整籽粒和粉碎樣品的近紅外檢測模型的研究，并對模型進行內部交叉驗證和外部驗證。對于油菜籽水分的近紅外快速預測，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和粗脂肪模型優于整籽粒掃描。油菜籽粉碎樣品的外部驗證通過對模型預測性能的決定系數R2和顯著性P值驗證，外部驗證水分、蛋白質和粗脂肪R2分別為0.966、0.937和0.918，說明擬合性很好且Durbin-Wstson統計量的值都很接近2，說明模型的殘差不存在自相關，可以認為回歸方程能夠概括預測值對真實值的變化；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測值對樣品的真實值解釋非常顯著。綜合外部驗證的結果分析，研究認為油菜籽近紅外定標集建立的模型對外部驗證集樣品預測的性能是可信的，說明應用近紅外光譜分析技術建立油菜籽主要成分含量的近紅外檢測模型是可行的。

3.2 開展了油菜籽整籽粒和粉碎樣品的水分、蛋白質和粗脂肪含量的近紅外快速檢測技術研究，用于油菜籽收購環節質量快速檢測。既可以直接采用整籽粒掃描測定水分，在要求不高的情況下也可以整籽粒測定蛋白質和粗脂肪。

[1]陸婉珍，袁洪福，褚小立.當代中國近紅外光譜技術—全國第一屆紅外光譜學術會議論文集[M].中國石化出版社，2006

[2]陸婉珍.現代近紅外光譜分析技術[M].中國石化出版社，2007

[3]劉曉庚.近紅外光譜技術在糧油儲藏及其品質分析中的應用[J].糧食儲藏，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)分析大豆品質的研究[J].大豆科學， 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測定芝麻水分含量的研究[J].現代食品科技， 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定研究[J].現代食品科技， 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，石春海，樊龍江.油菜籽芥酸和硫甙含量近紅外反射光譜測定技術的優化設置[J]. 中國糧油學報，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定完整油菜籽三種品質性狀的初步研究[J]. 激光生物學報，1998(2)：138-141

[12]吳建國，石春海，張海珍，等.應用近紅外反射光譜法整粒測定小樣品油菜籽含油量的研究[J].作物學報，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測定完整油菜籽中芥酸和硫甙含量[J].中國油料作物學報，2004，26(3)：76-79

[14]楊翠玲，陳文杰，趙興忠，等.近紅外光譜法同時分析油菜9種品質參數的研究[J].西北農林科技大學學報：自然科學版，2006，34(3)：61-67

[15]GB/T 5497—1985 糧食、油料檢測 水分測定法[S]

[16]GB/T 5511—2008 谷物和豆類 氮含量測定和粗蛋白質含量計算 凱氏法[S]

[17]GB/T 5512—2008 糧油檢測 糧食中粗脂肪含量測定[S]

[18]祝詩平，王一鳴，張小超，等.近紅外光譜建模異常樣品剔除準則與方法[J].農業機械學報， 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”國家科技支撐計劃(2013BAD17B00)

2015-06-07

袁建，男，1965年出生，教授，食品質量與安全