近红外光谱法无损测定光皮树果实内含物含量

刘汝宽 肖志红 姜 莎 李昌珠

(湖南省林业科学院1，长沙 410004)(中南大学化学与化工学院2，长沙 410083)

光皮树为落叶乔木，山茱萸科梾木属，是一种理想的多用途油料树种[1-2]，综合利用价值高。木材可作建筑、家具、雕刻、农具及工业制板等用；光皮树果实全果含油,含油率30%以上[3]，油脂可作为生产生物柴油的原料。生物柴油生产中的原料成本占60%～70%[4]，因此积极开展高产、高含油的光皮树果实良种选育工作，能极大地推进生物质能产业的发展。开展良种选育工作，以果实内含物的控制为主要目标，多采用化学法来测定内含物的含量，这些操作需要对样品进行处理，而且有机溶剂的使用也会带来环境问题或者对身体造成潜在的伤害[5]。因此，建立大批量样品品质性状的快速判别的无损分析方法，对木本油料良种选育工作的开展具有重要意义。

近年来，国内外广泛采用近红外光谱无损检测技术测定农产品和食品的淀粉、纤维、蛋白、脂肪、水分等营养成分[6-8]，用于农作物品质育种、食品品质和加工过程的控制[9]。

本研究利用DA7200二极管阵列近红外光谱、以湖南地区52个光皮树果实为小样本，初步建立了光皮树果实粗脂肪、热值、水分和粗蛋白质的近红外定标模型，为近红外光谱法无损测定光皮树果实主要内含物含量提供了基础数据。

1 材料与方法

1.1 仪器与试剂

1.1.1 主要仪器

DA7200近红外光谱：瑞典Perten仪器有限公司；SDC311量热仪：湖南三德科技发展有限公司；SZF-06脂肪测定仪：上海新家仪器有限公司；KDN-04A蛋白质测定仪：浙江托普仪器有限公司；DHG-9203烘箱：上海和呈仪器制造有限公司。

1.1.2 化学试剂

52份光皮树果实：湖南省林业科技示范园(湖南长沙)；其他所用到的化学试剂均为分析纯。

1.2 方法

1.2.1 样品的基础数据测定

粗脂肪含量：GB/T 5512—2008；水分含量：GB/T 14489.1—2008；粗蛋白含量：GB/T 14489.2—2008。热值：GB/T 384—1981。

1.2.2 样品光谱采集

将光皮树果实样品置于近红外光谱仪的测量盘中，进行光谱扫描；每个样品重复测量2次，并将光谱作均值化处理。

1.2.3 光谱数据的处理与分析

使用CAMO公司的The Unscrambler软件进行数据处理，在其软件系统的化学计量方法中，选用偏最小二乘法(partial least square，简称PLS)分别对经过不同预处理后的光谱进行回归模型的建立并分析。

光谱预处理方式是将乘积分散校正法(MSC)、标准正态变量转换法(SNV)、标准化处理(Normalization)与一阶、二阶(sg1.2)导数处理相结合对光谱进行预处理，并以交互验证的标准偏差(SECV)、所建模型的相关系数(Rcal2)以及F检验的F值为衡量曲线预测效果的主要参数，根据马氏距离、主因素分析以及光谱残差和浓度残差等分析结果剔除特异样品。

最后，分别选择不同的波段，比较各波段的预测效果，从而确定定标模型。在两定标模型预测效果接近状态时，则需根据其对验证样品的分析结果预测标准差(SEP)以及预测集相关系数(Rval2)进行最终取舍。

2 结果与分析

2.1 光皮树果实近红外检测的基础数据

收集不同产地和不同种属的光皮树样品52个，采用常规化学分析方法进行果实中油脂、热值、水分和粗蛋白质4个指标的测量，检测结果作为近红外检测模型构建的基础数据。受光皮树果实样品采集数量的限制，表1列出了46个光皮树果实样品内含物的化学值。

表1(续)

2.2 光皮树果实的原始光谱及其处理图

对光皮树果实样品(52个)进行光谱扫描，得到了波长范围950～1 650 nm之间的样品连续扫描曲线，见图1。采用CAMO公司的The Unscrambler软件系统，对光谱进行预处理，得到采用Derivatives SG7+SNV方法处理后结果，如图2所示。

图1 光皮树果实近红外扫描原始光谱图

图2 光皮树果实近红外光谱处理

2.3 光皮树果实内含物含量的回归模型曲线图

粗脂肪、热值、水分和粗蛋白的回归模型曲线见图3～图6，其横、纵坐标分别对应4个内含物指标的测量值和近红外预测值。

图3 光皮树果实粗脂肪含量回归模型曲线

图4 光皮树果实热值回归模型曲线

图5 光皮树果实水分含量回归模型曲线

图6 光皮树果实粗蛋白质含量回归模型曲线

2.4 模型评价

对异常结果在与两定标模型预测效果接近时，则需根据其对验证样品的分析结果预测标准差以及预测集相关系数进行最终取舍。表2列出了光皮树果实内含物含量的化学值与近红外光谱分析模型测定内含物含量的评价参数。

表2 光皮树果实近红外扫描分析表

注：*实际样品52个，受样品采集量限制，部分内含物的光谱数据不足52个。

表2分析结果表明：采用化学法测定光皮树果实与采用近红外法测定相应的数值，结果没有显著化差异。其中，粗脂肪的相关系数为0.99，标准偏差为0.29，检测精度较高，主要是因为建模的种子样品经过优选，因此分布均匀，代表性强；热值的相关系数为0.96，其数值受内含物中油脂、蛋白质、纤维素和水分等多种因素的影响(不同的内含物燃烧时所释放的热量不同)，检测精度相对较好，可以在特定条件下作为快速测定批量样品热值的一种手段；水分的相关系数为0.95，因其较容易受到天气的影响，在近红外光谱扫描的过程中，受热影响较大，因此在采用近红外法检测的时候，需要尽快测量，以尽量减少水分的丢失。蛋白质含量的相关系数为0.91，为4个检测指标中相对最差的，只能作为特定条件的快速分析检测。

3 结论

3.1 近红外光谱法可以用于光皮树果实主要内含物含量的测定，其中粗脂肪的检测精度较高，相关系数为0.99；水分的变化受实际测量时温度的影响较大，因此相关系数为0.95；首次采用近红外光谱仪进行果实热值的测定，效果良好，其相关系数为0.96。

3.2 光皮树果实大小与形状较规整，利用DA7200扫描与测定内含物果实无需破碎，分析过程更易于操作。虽然以52个小样本建立的模型分析效果较好，但是理想的定标模型需要多次的丰富及完善、更新，以便提高检测的精度。

[1]刘汝宽，李昌珠, 肖志红. 高温水化法在光皮树果实油脱胶中的应用研究[J]. 粮油加工, 2013(7): 56-57

[2]李昌珠, 肖志红, 刘汝宽. 光皮树果实专用型螺旋冷榨机的压榨性能研究[J]. 湖南林业科技，2013(2): 6-8

[3]肖志红，李昌珠，陈景震，等. 光皮树果实不同部位油脂组成分析[J]. 中国油脂，2009，34(2): 72-74

[4]刘汝宽, 杨喜平, 王瑞霞, 等. 制备生物柴油的催化剂研究进展[J]. 中国粮油学报, 2006, 21(3): 273-276

[5]Baptista P, Felizardo P, Menezes J C, et al. Monitoring the quality of oils for biodiesel production using multivariate near infrared spectroscopy models[J]. Journal of Near Infrared Spectroscopy，2008, 16(5): 445-454

[6]林家永. 近红外光谱分析技术在玉米品质分析中的研究进展[J]. 中国粮油学报，2012,25(4)：108-115

[7]Van de Voort F R, Sedman J, Ismail A A. Edible oil analysis by FTIR spectroscopy[J]. Laboratory Robotics and Automation, 1998, 8(4): 205-212

[8]张晓芳, 俞信, 阎吉祥, 等. 近红外反射技术开放式检测棉籽中水分和油含量的研究[J]. 光谱学与光谱分析， 2007(3): 473-476

[9]陆婉珍. 近红外光谱仪器[M]. 北京: 化学工业出版社, 2009: 162-168.