近红外光谱分析技术在糜子品质检测中的应用

田 翔 沈 群 乔治军 王海岗 曹晓宁

近红外光谱分析技术在糜子品质检测中的应用

田 翔1沈 群2乔治军1王海岗1曹晓宁1

（山西省农业科学院农作物品种资源研究所农业部黄土高原作物基因与种质创制重点实验室杂粮种质资源发掘与遗传改良山西省重点实验室1，太原 030031）
（中国农业大学食品科学与营养工程学院2，北京 100083）

为寻找一种简便易行的糜子籽粒水分、淀粉、粗蛋白、粗脂肪含量测定方法，以120个普通糜子品种为材料，采用近红外漫反射光谱（NIRS）法测定糜子籽粒水分、淀粉、粗蛋白、粗脂肪含量进行了研究。结果表明，采用一阶导数＋减去一条直线、矢量归一化光谱预处理，分别建立水分、淀粉、粗蛋白、粗脂肪含量的校正模型，校正和预测效果最佳。模型的校正决定系数（R2cal）分别为0.921 0、0.905 8，0.926 3和0.904 5，交叉验证决定系数（R2cv）分别为0.921 0、0.900 2、0.940 0和0.881 2；外部验证决定系数（R2val）分别为0.912、0.801、0.890和0.786。结果表明该模型代替化学分析法鉴定糜子品质是完全可行的。

糜子 近红外 淀粉 粗蛋白 粗脂肪 品质

糜子（Panicum miliaceum L.）属禾本科黍属，又名黍、稷和糜，主要种植在甘肃、河北、内蒙古、山西等省。糜子有糯粳之分，糯性为黍，粳性为糜，黍米称为黄米，制米酒炸糕等；粳性糜子碾成米，吃炒米。糜子中所含的营养物质较高，可平衡膳食促进人体健康，其籽粒中的淀粉、蛋白质、脂肪、微量元素等含量丰富［1］，淀粉质量分数为64.14%～72.53%，蛋白质质量分数为10.2%～20.4%，这种蛋白质构成与豆类蛋白相似，优于玉米、小麦和大米。糜子中脂肪质量分数为2.7%～5.28%，高于小麦粉和大米的含量。目前测定糜子品质成分的传统方法中淀粉含量主要有旋光法和酶水解法，粗蛋白测定基于凯氏定氮法，粗脂肪测定是基于索氏提取法，这些化学法可靠性高，但测定步骤繁琐、费用高，故不适宜对样品进行批量分析和无损检测。在糜子品质改良过程中，需要对大量种质资源、突变体、杂交后代材料及时分析鉴定和筛选，同时希望具有优良品质的籽粒经分析后能保持完好，以便进一步繁殖。因此，迫切需要一种准确、快速、非破坏籽粒的检测方法。

近红外反射光谱（Near infrared reflectance spectroscopy，NIRS）［2］是利用有机物在近红外光谱区的特征振动吸收信息而快速测定样品中多种化学成分含量，如水分、蛋白质、脂肪、糖类等。近红外光谱分析技术是一项间接的分析方法，它测定样品成分的方法是建立在化学分析法基础之上，具有操作简单、分析速度快、无损伤、无污染、低消耗等特点。近红外技术对水稻、大豆、玉米等大宗作物品质分析的报道较多［3-4］，在小杂粮品质分析上应用很少。依据糜子水分、淀粉、粗蛋白、粗脂肪的化学测定值建立近红外光谱分析模型，利用该模型快速定量检测糜子品质。为了建立糜子常规品质近红外光谱分析模型，首先用化学测定方法测定了100份糜子水分、淀粉、粗蛋白、粗脂肪的含量，利用德国Bruke公司生产的MPA傅里叶变换近红外光谱仪和OPUS建模软件，建立了糜子水分［5］、淀粉［6］、粗蛋白［7-10］、粗脂肪［11-12］近红外光谱分析模型，并用20份验证集进行预测，此法为糜子育种与品质分析提供一种方便有效的分析方法。

1 材料与方法

1.1 材料和设备

供试的120份糜子品种由山西省农科院品资所育种专家提供，其粒形多样，色泽不同，分为糯性和粳性，因此该模型品质特性具有广泛的代表性。

MPA傅里叶变换近红外光谱仪：德国Bruke；AP-300旋光仪：日本ATAGO；DHG-9140AS电热鼓风干燥箱：宁波东南。

1.2 近红外反射光谱采集与光谱分析

利用傅里叶变换近红外光谱仪，以镀金的漫反射体作参比，样品杯为带石英窗的圆形小杯，直径4.5 cm，高5.0 cm，每次装样满三分之二为宜。扫描光谱区选用4 000～12 000 cm-1，分辨率采用16 cm-1，每隔2 nm采集反射强度，重复对样品进行近红外光谱扫描采集64次后形成一条反射光谱储存。每样品重复装样扫描2次，取平均值，计算机程序自动将反射光谱信息转换成吸光度值储存。并使用OPUS建模软件对光谱进行优化处理、数学分析和回归统计。先用校正样品集建立校正模型，并做内部交叉验证，再将验正样品集进行外部验证，根据校正决定系数R2cal，校正标准误差RMSEE，交叉验证决定系数R2cv，交叉验证标准误差RMSECV，外部验证决定系数R2val，预测标准误差RMSEP等指标确定最优模型。对于同一样品集所构建的回归方程而言，校正决定系数R2cal越大，校正标准误差RMSEE越低，近红外分析结果与化学分析结果越吻合，可信度越高；交叉验证决定系数R2cv越大，交叉验证标准误差RMSECV越低，定标建模过程中进行交叉验证时得到的近红外预测值与化学分析值越接近，定标模型的准确度越高［13］。

1.3 化学测定

1.3.1 含水量测定

采用GB 5497—1985《粮食、油料检验水分测定法中定温定时烘干法》，用已烘至恒重的铝盒分别称取同一糜子样品3 g（准确至0.000 1 g），2份，置于130℃的烘箱内，干燥40 min后取出放干燥器内冷却，至恒重，计算糜子中含水量。平行测定结果允许差不超过0.2%。

1.3.2 淀粉含量测定

参照GB 5006—1985《谷物籽粒粗淀粉测定法》，重复称取同一样品2份，每份2.5 g，准确至0.001 g。将称好的样品放入100 mL粗颈容量瓶中，加入50 mL 1%盐酸溶液，摇匀分散，加热15 min后冷却至室温。向水解液中加入1 mL 30%硫酸锌溶液和1 mL 15%亚铁氰化钾溶液，沉淀蛋白质，定容，静置约60 min后过滤。在室温20℃时用旋光仪测定，计算粗淀粉百分含量。结果以干基（%）表示，2个平行测定结果的相对误差不得大于1.0%。

1.3.3 粗蛋白含量测定

参照GB／T 5511—2008谷物和豆类氮含量测定和粗蛋白质含量计算凯氏法，称取0.500 0 g试样2份置于250 mL消化管中，依次加入消化片5 g和12 mL浓硫酸，摇匀。将消化管放入420℃消化炉中消煮约90 min，样品消化至透明蓝绿色液体，取出冷却至室温。把消化管放入8400型全自动凯氏定氮仪，设定分析程序后仪器依次进行自动蒸馏、滴定、结果计算和清洗。结果以干基（%）表示，2次测定的相对误差小于2%。

1.3.4 粗脂肪含量测定

采用NY／T 4-82谷类、油料作物粗脂肪测定方法，称取3.000 g试样2份置于滤纸筒内，将装样品的滤纸筒放入浸提杯中上索氏提取仪，加80 mL乙醚萃取，经过浸提，淋洗和干燥，最后取下浸提杯放入烘箱130℃烘40 min至恒重，称量浸提杯增重，计算粗脂肪含量。结果以干基（%）表示，2次测定的相对误差小于3%。

2 结果与分析

2.1 样品的化学分析结果

120糜子样品的品质成分分析结果见表1。其中包括校正集和验证集。由表1可知，构建定标模型的糜子籽粒含水量为8.91%～11.53%，淀粉质量分数为65.76%～73.94%，粗蛋白质量分数为12.82%～21.40%，粗脂肪质量分数为2.58%～4.63%，数据变幅较大，建立的模型有较好的适用性。

表1 校正集和验证集样品中品质成分分布／%

2.2 近红外定标模型的建立

利用OPUS／QUANT软件中的自动优化功能，筛选建模的最佳光谱预处理方法、谱区范围和主因子数。通过交叉验证，比较不同光谱预处理方法与谱区范围组合的交叉验证决定系数R2cv、交叉验证标准误差RMSECV等参数，确定最优校正模型［14］。糜子籽粒水分、淀粉、粗蛋白、粗脂肪定标模型校正决定系数（R2cal）分别为0.921 0、0.905 8，0.926 3 和0.904 5。

2.3 定标模型的验证

2.3.1 内部交叉验证

图1 含水量预测值与真实值的相关关系

图2 淀粉含量预测值与真实值的相关关系

图3 粗蛋白含量预测值与真实值的相关关系

图4 粗脂肪含量预测值与真实值的相关关系

根据样品的NIRS特征，利用软件的自动验证功能，软件每次在100份定标样品中随机选取1份样品作为验证样品，用其余的样品（99份）建立定标模型，并对验证样品做预测，自动重复至所有样品均被做为验证样品。糜子水分、淀粉、粗蛋白和粗脂肪含量的交叉验证结果如图1～图4，其交叉验证决定系数R2cv，交叉验证标准误差RMSECV，见表2。

表2 糜子近红外定标统计值

2.3.2 外部验证

采用未参加模型建立的、化学成分已知的验证集样品对所建模型的实际预测效果进行评价［15-16］。预测结果如表3所示。由表3可知，糜子水分、淀粉、粗蛋白和粗脂肪外部验证决定系数（R2val）分别为0.912，0.801，0.890，0.786，预测标准误差（RMSEP）分别为0.682，0.879，0.315，1.125，预测值与化学值间平均偏差均较小。对于水分、淀粉、粗蛋白和粗脂肪的预测，化学法和近红外仪器法测定间无显著差异，近红外测定结果是准确可靠的。说明采用NIRS分析技术能够满足对糜子常规品质成分的检测。

表3 糜子品质成分分析模型的外部验证

3 讨论与结论

采用Bruker MPA傅里叶变换近红外光谱仪对120份糜子种子样本进行光谱扫描，利用光谱定量分析软件进行光谱预处理、数学方法运算及回归统计分析，得到了糜子种子水分、淀粉、粗蛋白和粗脂肪的近红外定标模型。该模型决定系数较高、误差较小，在糜子品质育种中的早代材料筛选上是可行的，能够满足大批量品种的快速、无损检测要求，有效地提高糜子品质育种效率，为糜子品质育种提供了一种新的、有效的技术手段。

孙群等［17］研究结果表明，谷物表面的色泽和外壳对近红外光谱的影响会降低定标模型的准确度。为了减少色泽及外壳的影响，在以后的研究中，如果仅评价糜子可食部分的品质，可以考虑将籽粒脱壳后的黄米为检测对象建立近红外定标分析模型［18］。如果为了提高糜子品质育种工作效率、加快育种进程，在实际应用中需不断补充新样品进行模型矫正和升级优化，进一步提高模型的准确性和保持模型的稳定性。

［1］王纶，王星玉，温琪汾，等.中国黍程种质资源研究与利用［J］.植物遗传资源学报，2005，6（4）：474-477

Wang Lun，Wang Xingyu，Wen Qifen，et al.Research and U-tilization of Proso Millet Germplasm Resource in China［J］.Journal of Plant Genetic Resources，2005，6（4）：474-477

［2］陆婉珍.现代近红一外光谱分析技术［M］.北京：中国石化出版社，2007

Lu Wanzhen.Modern Near Infrared Spectroscopy a Foreign Technology［M］.Beijing：China Petrochemical Press，2007

［3］谢新华，肖昕，李晓方，等.用近红外透射光谱技术测定精米直链淀粉含量研究［J］.食品科学，2004，25（1）：118-121

Xie Xinhua，Xiao Xin，Li Xiaofang et al.Study on Calibration of Polished Rice Amylose By NITS［J］.Food Science，2004，25（1）：118-121

［4］韩熹，严红兵，卢福洁，等.基于国产近红外谷物分析仪的大豆中粗蛋白与粗脂肪含量的检测研究［J］.现代科学仪器，2009（2）：119-121

Han Xi，Yan Hongbin，Lu Fujie，et al.Determination of Protein and Oil Contents of Soybean by Homemade Near Infrared Grain Analyzer.［J］.Modern Scientific Instruments，2009（2）：119-121

［5］白琪林，陈绍江，严衍禄，等.近红外漫反射光谱法测定青贮玉米品质性状的研究［J］.中国农业科学，2006（7）：1346-1351

Bai Qilin，Chen Shaojiang，Yan Yanlu，et al.Prediction of Ensiled Maize Quality Traits with Near Infrared Diffuse Reflectance Spectroscopy （NIDRS）［J］.Scientia Agricultura Sinica，2006（7）：1346-1351

［6］金华丽，卞科.近红外光谱法检测小麦粉中的水分含量［J］.中国粮油学报，2010（8）：109-112

Jin Huali，Bian Ke.Determination of Moisture of Wheat Flour Using Near Infrared Spectroscopy［J］.Journal of the Chinese Cereals and Oils Association，2010（08）：109-112

［7］彭建，张正茂.小麦籽粒淀粉和直链淀粉含量的近红外漫反射光谱法快速检测［J］.麦类作物学报，2010（2）：276-279

Peng Jian，Zhang Zhengmao.Rapid Determination of Starchand Amylose Content in Whole Wheat Seeds By Near Infrared Reflectance Spectroscopy（NIRS）［J］.Journal of Triticeae Crops，2010（2）：276-279

［8］王卫东，谷运红，秦广雍，等.近红外漫反射光谱法测定整粒小麦单株蛋白质含量［J］.光谱学与光谱分析，2007（4）：697-701

Wang Weidong，Gu Yunhong，Qin Guangyong，et al.Prediction of Protein Content of Intact Wheat Seeds with Near Infrared Reflectance Spectroscopy（NIRS）［J］.Spectroscopy and Spectral Analysis，2007（4）：697-701

［9］尚晨，张月学，李炎，等.紫花苜蓿粗蛋白和粗纤维近红外分析模型的建立［J］.光谱学与光谱分析，2009，12：3250-3253

Shang Chen，Zhang Yue-xue，Li Yan，et al.Near-Infrared Reflectance Spectroscopy Analytic Models Established for The Crude Protein and Crude Fiber of Alfalfa Property［J］.Spectroscopy and Spectral Analysis，2009（12）：3250-3253

［10］牛宇，蒙秋霞，张丽珍，等.近红外透射光谱技术测定糜子蛋白含量的研究（英文）［J］.Agricultural Science＆Technology，2012（5）：965-968

Niu Yu，Meng Qiuxia，Zhang Lizhen，et al.Analysis of Protein Content in Panicum miliaceum L.Using Near Infrared Transmittance Spectroscopy［J］.Agricultural Science ＆Technology，2012（5）：965-968

［11］俞法明，陆艳婷，严文潮，等.用近红外光谱技术快速测定籼稻品种的蛋白质含量［J］.中国粮油学报，2009，24（5）：134-138

Yu Faming，LuYanting，YanWenchao，et al.Rapid Determination of Protein Content in Long Grain Rice by Near Infrared Spectroscopy［J］.Journal of the Chinese Cereals and Oils Association，2009，24（5）：134-138

［12］孙来军，王乐凯，钱海波，等.基于近红外透射光谱分析技术的小麦蛋白质含量测定［J］.中国农学通报，2011（3）：35-39

Sun Laijun，Wang Lekai，Qian Haibo，et al.Determination of Protein Contentin Wheat Based on Near Infrared Transmittance Spectroscopy ［J］.Chinese Agricultural Science Bulletin，2011，03：35-39.

［13］Jana K，Jan M.Content and Quality of Protein in Proso Millet（Panicum miliaceum L.）Varieties［J］.Plant Foods for Human Nutrition，2006

［14］吴建国，石春海，张海珍，等.应用近红外反射光谱法整粒测定小样品油菜籽含油量的研究［J］.作物学报，2002，28（3）：421-425

Wu Jianguo，Shi Chunhai，Zhang Haizheng，et al.Study on Analysis of oi1 Content in Intact Rapeseed wite Few Samp1e Size by Near Infrared Reflectance Spectroscopy［J］.Acta Agronomica Sinica，2002，28（3）：421-425

［15］李建蕊，李九生.利用近红外光谱和偏最小二乘回归法预测脂肪酸组成［J］. 中国粮油学报，2010（6）：107-110

Li Jianrui，Li Jiusheng.Determination of Vegetable Oil Compositions by Near Infrared Spectroscopy and PartialLeast Squares Regression［J］.Journal of the Chinese Cereals and Oils Association，2010（6）：107-110

［16］李伟，肖爱平，冷鹃.近红外光谱技术及其在农作物中的应用［J］.中国农学通报，2009，25 （3）：56-59

Li Wei，Xiao Aiping，Leng Juan.Near-infrared Spectroscopy and its Applications in Crops［J］.Chinese Agricultural Science Bulletin，2009，25 （3）：56-59

［17］孙群，李军会，王建华，等.乌拉尔甘草单粒种子硬实特性的近红外光谱分析［J］.光谱学与光谱分析，2009，29（10）：2669-2672

Sun Qun，Li Junhui，Wang Jianhua，et al.Identification of Hardness of Licorice Single Seed Using Near Infrared Spectroscopy［J］.Spectroscopy and Spectral Analysis，2009，29（10）：2669-2672

［18］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，2010（4）：108-115

Lin Jiayong.Application of Near Infrared Spectroscopy Technique for Maize Quality Analysis［J］.Journal of the Chinese Cereals and Oils Association，2010（4）：108-115.

Application of Near Infrared Reflectance Spectroscopy （NIRS）Analysis Technology in Quality Detection of Panicum Miliaceum L.

Tian Xiang1Shen Qun2Qiao Zhijun1Wang Haigang1Cao Xiaoning1
（Institute of Crop Germplasm Resources，Shanxi Academy of Agricultural Sciences，Key Laboratory of Crop Gene Resources ＆ Germplasm Enhancement on Loess Plateau，Ministry of Agriculture，Shanxi Key Laboratory of Genetic Resources and Genetic Improvement of Minor Crops1，Taiyuan 030031）
（College of Food Science and Nutritional Engineering，China Agricultural University2，Beijing 100083）

Totally 120 varieties of Panicum miliaceum L.were used as materials to seek a simple and feasible method to measure moisture，starch，crude protein and crude fat content in Panicum miliaceum L..Near Infrared Reflectance Spectroscopy（NIRS）analytical technology was used to research the component concentration of Panicum miliaceum L.The results indicated that the calibration models for estimating the content of moisture，starch，crude protein and crude fat based on the combination method of first derivation，straight line subtraction and vector normalized spectrum pre-treatment.The calibration determination coefficients（R2cal）of the models were 0.921 0，0.905 8，0.926 3 and 0.904 5 respectively，the cross validation determination coefficients（R2cv）were 0.921 0，0.900 2，0.940 0 and 0.881 2 respectively；and the external validation determination coefficients（R2val）were 0.912，0.801，0.890 and 0.786 respectively.The result shows that it is completely feasible that the models can take the place of the quality of Panicum miliaceum L..

Panicum miliaceum L.，NIRS，starch，crude protein，crude fat，quality

TS210.7

A

1003-0174（2016）09-0131-05

现代农业产业技术体系建设专项资金（CARS-07-12.5-A12）

2014-11-29

田翔，女，1982年出生，助理研究员，农作物品质分析

乔治军，男，1964年出生，研究员，作物种质资源