近红外分析花生籽粒脂肪酸含量的研究

张 严，谢岩黎，孙淑敏，马明扬，李琳琳

（河南工业大学 粮油食品学院，河南 郑州 450001）

0 引言

花生含油量高达50%，其榨出的花生油，色泽清亮，营养美味，气味清香，品质优良，是目前我国主要的食用植物油之一[1].花生油中含有非常丰富的脂肪酸，包括棕榈酸、油酸、亚油酸、花生四烯酸等对人体健康十分有益的脂肪酸，有“健康食用油”的美称，其脂肪酸的组成对花生籽粒的营养品质和加工特性都有着非常重要的影响，是油料品质评价中的重要基本指标.目前常用的脂肪酸分析方法有气相色谱法、高效液相色谱法、气相色谱-质谱联用分析法等[2].在这些方法中，HPLC 法分离效率稍低，且检测困难；GC-MC 法是最有效的，但分析时间较长，费用较高，需要破坏籽粒的完整性，需要对样品进行甲酯化前处理；而气相色谱法在实际应用的过程中存在着一定的局限性.近红外光谱技术（Near-Infrared Reflectance Spectroscopy，NIRS）是20世纪80 年代后期发展起来的一项物理测试技术[3]，它是指利用近红外谱区包含的物质信息，主要用于有机物质定性和定量分析的一种分析技术，它的最大特点是对样品无破坏性、操作简便、分析迅速，测量信号可以远距离传输和分析，特别是与计算机技术和光导纤维技术相结合，采用近红外透射、散射、漫反射法可直接对样品进行分析[4].

本试验主要采用气相色谱法测定花生油样中脂肪酸的含量，再通过近红外光谱测定方法对花生籽粒中脂肪酸组分进行测定，并建立近红外光谱模型.研究的目的致力于建立一种简便、快速、无污染的测定花生籽粒中脂肪酸含量的方法，可准确检测出花生籽粒中的主要脂肪酸的含量.

1 材料与方法

1.1 试验材料

从市场、超市、农户收集花生50 种，其中包括小白沙、海花1 号、花育16 号、豫花14 号、豫花15号等不同品种.样品分为定标集和检验集，定标集样品共40 个，用于建立5 种脂肪酸的模型和模型内部交叉验证；检验集样品共10 个，用于模型的外部验证.

1.2 试验仪器与试剂

InfratecTM 1241 型近红外谷物分析仪：FOSS公司；GC9800 气相色谱仪：岛津国际贸易有限公司；益康源微型榨油机：龙岩中农机械制造有限公司；电热鼓风干燥箱：树立仪器仪表有限公司.

试剂：氢氧化钾（AR）、石油醚（AR）、石油醚（AR）、无水乙醇（AR）.

1.3 试验方法

1.3.1 样品前处理

从50 种花生籽粒中各取适量，不进行任何处理，利用微型榨油机冷榨出油，将收集到的油样静置后过滤，获得澄清透明的油样装入试管中.通过移液管取两滴油样到试管中，加入石油醚溶解试样，再加预先配置的氢氧化钾-甲醇溶液，剧烈振摇1 min，室温下静置后加蒸馏水至10 mL，轻摇几次，静置至溶液分层.如果出现乳化，加入几滴无水乙醇.待有机层清澈透明后，取上层样品1 μL进样到气相色谱仪中进行分析.

1.3.2 气相色谱法测定花生籽粒中脂肪酸含量

采用气相色谱法[5]测定50 种花生油样中5 种脂肪酸（棕榈酸、油酸、亚油酸、花生酸、山嵛酸）的含量.

1.3.3 近红外光谱测定花生籽粒中脂肪酸组分

将50 种花生籽粒样品不经任何化学预处理，直接进行近红外光谱的测定，测定的方法是取合适质量的样品倒入仪器顶部的漏斗中，每个样品重复扫描20 次得到样品的近红外光谱.传送带选择光程为30，光谱范围选取570～1 098 nm，波长取点的间隔为2 nm，测定得到50 种花生籽粒样品的近红外光谱图.

1.3.4 近红外光谱模型的建立

利用WinISI Ⅲ分析软件进行定标模型构建，将样品的化学测定值输入建模程序中，使每个样品的近红外光谱与化学测定值一一对应.而在建立近红外模型时，为避免光谱中其他数据信息的干扰并减少样品散射对光谱的影响，必须选择合适的光谱预处理方法[6].散射处理技术采用无散射处理（None）、标准正常化结合散射处理（SNV and Detrend）、标准正常化处理（SNV only）、去偏导技术（Detrend only）、标准化多元散射校正（Standard MSC）、加权散射校正（Weighted MSC）、反相多元散射校正（inverse MSC）等7 种.数学处理分别采用不做导数处理，一阶、二阶、三阶、四阶求导；平滑光谱间隔点为1、4；不做二次平滑，具体光谱数据预处理方法见表1.

表1 光谱数据预处理方法

采用光谱散射处理方法和数学处理方法组合的方式对光谱数据进行预处理，处理后的光谱采用改进偏最小二乘法（MPLS），即每个脂肪酸模型所形成的35 个定标方程进行考察.对定标方程考察的主要参数为交互定标决定系数（1-VR）、定标决定系数（R2）、定标标准偏差（SEC）、交叉验证标准偏差（SECV）等，1-VR、R2越高和SEC、SECV 越小为选择最优模型的条件[7]，通过比较选出最优的建模参数.

3 结果与分析

3.1 气相色谱法测定花生籽粒中5 种脂肪酸的含量

用气相色谱法测得50 种花生油样中棕榈酸、油酸、亚油酸、花生酸和山嵛酸的含量分布如图1所示，各个脂肪酸的组成结果见表2.

定标样品组分含量的准确性决定数学模型的准确性，含量范围决定模型适应性的好坏[8].从图1 可以宏观地看出50 种样品中油酸、亚油酸的分布范围较广，而棕榈酸、花生酸和山嵛酸的含量分布比较集中；而实际参与定标模型构建的样品数、均值、范围和标准差如表2 所示，从表2 可以看出，油酸、亚油酸的标准差分别为0.36%和0.38%，而棕榈酸、花生酸和山嵛酸的标准差分别为0.14%、0.19%和0.11%.综上分析，油酸和亚油酸具有很好的代表性，建立的模型可以用于花生籽粒的定量分析，而剩下3 种脂肪酸还不能很好满足建模的要求.

3.2 近红外光谱测定花生籽粒

50 种花生籽粒样品的近红外光谱图如图2 所示.

作者采用波长在570～1 098 nm 内的吸收光谱进行分析，原因是由于相比较于长波近红外，短波具有能量大、穿透能力强、容易获取等特点[9].并且短波近红外方法对检测样品的外形和检测样品池无特别严格的一致性要求，因而采用短波近红外分析不会因为花生籽粒的不规则性对分析结果产生大的影响.

图1 花生油样中5 种脂肪酸的含量分布

表2 气相色谱法测得各成分结果

图2 花生籽粒近红外扫描光谱图

由图2 可看出，50 种花生籽粒样品的近红外光谱曲线趋势大致相同，但不同样品的吸收峰强度不同，即含量不同，这是花生籽粒的近红外光谱图可以作为定量分析的依据.

3.3 近红外模型的内部交叉验证

通过各个参数之间的比较，选出最优模型中各脂肪酸定标方程参数如表3 所示.

表3 各脂肪酸定标方程参数

表3 表明，油酸和亚油酸的定标决定系数分别为0.978 9 和0.950 9，交互定标决定系数分别为0.933 0 和0.924 9，定标标准偏差和交叉验证标准偏差均小于0.56%[10]，说明这两种成分的定标模型均可用于花生籽粒样品的定量分析.棕榈酸、花生酸和山嵛酸的定标决定系数分别为0.668 2、0.629 1、0.575 2，交互定标决定系数分别为0.668 2、0.571 8 和0.517 6，说明这3 种成分所建立的定标模型精度还不够.

3.4 模型的外部检验

建立定标模型后，再用10 个检验样品集进行外部验证，对所建模型的实际预测能力进行验证.预测模型的预测性能可以用检验集样品的化学值、检验集标准偏差（SD）、外部验证决定系数（RSQ）、预测标准偏差（SEP）以及相对分析误差（RPD）这几个参数来共同评价[11].其中，如果RPD≥3，说明预测效果良好，建立的定量分析模型可用于实际检测；如果2.5＜RPD＜3，说明利用NIRS定量分析是可行的，但预测精度有待于进一步提高；如果RPD≤2.5 则说明难于进行NIRS 定量分析[12]，各脂肪酸预测结果参数见表4，检验集中油酸和亚油酸的化学值与近红外预测值的散点图如图3 和图4 所示.

表4 各脂肪酸预测结果参数

图3 检验集中油酸化学值与近红外预测值的散点图

图4 检验集中亚油酸化学值与近红外预测值的散点图

从表4 可以看出，油酸、亚油酸的外部验证决定系数分别为0.940 1 和0.948 7，相对分析误差分别为3.98 和2.57，均大于2.5，说明这2 种成分的实际预测能力较好，同时从图3 和图4 可知，应用气相色谱法测得的这两种脂肪酸组分含量与近红外预测值之间存在较好的线性关系.棕榈酸、花生酸和山嵛酸虽然外部验证标准偏差较小，但外部验证决定系数均小于0.8，相对分析误差也都小于2.5，说明这3 种成分所建的模型较难用于样品的准确预测.

4 结论

本研究对50 种花生籽粒样品通过交叉验证和外部验证，建立了花生籽粒中油酸和亚油酸这两种成分的定标模型，可以准确和可靠地预测实际值.该方法可以进行同一样品的多组分检测，大大缩短了检测时间.与色谱法检测一个样品需要5～8 h 相比，该检测方法只需要1～2 min，提高了检测效率，同时近红外光谱法又是一种非破坏性的分析方法，测试后的花生籽粒可继续用于其他用途，因此该检测方法有很大的应用前景，必将以独特的优势在检测方面发挥重要作用.

但是，棕榈酸、花生酸和山嵛酸所建模型不够理想，由于这3 种脂肪酸在花生籽粒中含量很低，整个定标样品集的这些成分变异度较低，因此这3种成分所建模型的预测精度不能满足实际需要，在NIRS 建模中还有待进一步改进.

［1］卢中宪，富恩承.我国花生的品质缺点和改进对策［J］.现代商检科技，1993，3（6）:2-3.

［2］杨美艳.多不饱和脂肪酸快速检测模型的建立［D］.南昌：南昌大学，2009.

［3］Blanco M，Villarroya I.NIR spectroscopy:a rapid-response analytical tool［J］.Trends in Analytical Chemistry，2002，21（4）:240-250.

［4］严衍禄，赵龙莲，韩东海，等.近红外光谱分析基础与应用［M］.北京:中国轻工业出版社，2005.

［5］GB/T 17377—2008，动植物油脂-脂肪酸甲脂的气相色谱分析［S］.

［6］尼珍，胡昌勤，冯芳.近红外光谱分析中光谱预处理方法的作用及其发展［J］.药物分析杂志，2008，28（5）:23-25.

［7］王雪莲，薛雅琳，赵会义，等.近红外法测定大豆脂肪酸值方法的研究［J］.中国粮油学报，2009，24（8）:152-154.

［8］高建芹，张洁夫，浦惠明，等.近红外光谱法在测定油菜籽含油量及脂肪酸组成中的应用［J］.江苏农业学报，2007，23（3）:189-195.

［9］熊艳梅，王冬，闵顺耕.短波近红外模拟测定农药乳油中的有效成分含量［J］.现代科学仪器，2010，4（8）:85-86.

［10］杨小红，郭玉秋，傅旸，等.利用近红外光谱法分析玉米籽粒脂肪酸含量的研究［J］.光谱学与光谱分析，2009，29（1）:106-109.

［11］于燕波，臧鹏，付元华，等，近红外光谱法快速测定植物油中脂肪酸含量［J］.光谱学与光谱分析，2008，28（7）:1554-1558.

［12］Malley D F，Mcclure C，Martin P D.Compositional analysis of cattle manure during composting using a Field-Portable Near-Infrared Spectrometer［J］.Communications in Soil Science &Plant Analysis，2005，36（4-5）:455-475.