花生自然风干种子蔗糖含量近红外定量分析模型构建

唐月异 王秀贞 刘婷 吴琪 孙全喜 王志伟 张欣 王传堂 邵俊飞

摘要：为快速测定花生种子蔗糖含量，筛选口感好的花生品种，本研究采集167份自然风干花生种子的近红外光谱，并利用高效液相色谱（HPLC）法测定其蔗糖含量，然后利用偏最小二乘法（Modified PLS）构建多粒自然风干花生种子样品蔗糖含量的近红外定量分析模型，经内部交叉检验和优化，确定该模型的最佳光谱预处理方法为最小-最大归一化法，蔗糖含量谱区范围为4 597.7～11 988.0 cm-1，维数为10，模型的决定系数（R2）为81.59，交叉验证根均方差（RMSECV）为0.414。经外部验证，所建模型可以较好地预测花生种子蔗糖含量。

关键词：花生；自然风干种子；蔗糖含量；近红外定量分析

中图分类号：S565.201文献标识号：A文章编号：1001-4942（2018）06-0159-04

Abstract For rapidly determining sucrose content in peanut seeds and selecting peanut varieties with good taste， the near infrared spectroscopy model was developed to predict sucrose content of sun-dried peanut seeds. Near infrared spectrum of a total of 167 peanut samples were collected， and the sucrose content of each sample was determined by high performance liquid chromatography （HPLC）. Then a NIR calibration model was established by partial least squares method （modified PLS）. Through internal cross validation and optimization， the optimized spectral preprocessing method of this model was minimum and maximum normalization， and the spectral range of sucrose， rank， determination coefficient （R2） and root-mean-squares error of cross-validation （RMSECV） were 4 597.7～11 988.0 cm-1， 10， 81.59 and 0.414， respectively. Through external validation， the model could be used to predict the sucrose content of peanut seeds very well.

Keywords Peanut； Sun-dried seed； Sucrose content； Near infrared spectroscopy （NIRS）

花生是我國重要的经济作物，其籽仁含丰富的营养物质，其中脂肪含量约占50%，蛋白质含量约占24%～36%，碳水化合物约占10%～23%。蔗糖是碳水化合物的重要成分，也是花生甜味的主要来源，其含量的多少与焙烤花生果（仁）的香气和味道有密切关系[1]。Goch等研究表明花生仁的甜度与口味品质间的相关系数达到0.88，且当蔗糖含量超过5%时这种趋势尤为突出[2]。据报道，我国和美国出产的花生比阿根廷出产的蔗糖含量低[3]。日本市场要求花生蔗糖含量达到6%以上，而国内生产上应用的多数花生品种蔗糖含量很难达到这个要求，这成为我国花生出口日本的主要限制因素[4]。Pattee等（2000）[5]发现甜味是可以遗传的性状，培育蔗糖含量高的花生品种，不仅能提升花生的感官品质，也可以更好地满足国际市场的需求。

蔗糖含量的传统测定方法有比色法、色谱法等，费时、费力、成本高，而近红外光谱分析法具有非破坏性、快速、准确、高效、低成本且可同时检测多种成分等优点[6]，已广泛应用于棉籽、油菜、玉米、大豆、芝麻等多种农作物的品质分析中[7-13]。该方法在花生籽仁脂肪、脂肪酸、蛋白质、氨基酸含量测定方面也已实现应用[14-17]，但在蔗糖含量检测方面的应用研究还较少。秦利等（2016）[18]利用瑞典波通DA7200型近红外光谱仪测定了72份花生种质的蔗糖含量，但该型号光谱仪采集的光谱无法在其它公司生产的光谱仪上应用。

为了探索近红外光谱分析法的仪器广适性及其在更多花生种质蔗糖含量测定上的应用效果，本研究以167份国内外优质花生品种（系）的自然风干种子为建模材料，用德国布鲁克光谱仪器公司生产的Matrix-Ⅰ型傅立叶变换近红外光谱仪采集光谱数据，用HPLC法测定蔗糖含量，建立快速无损测定花生种子蔗糖含量的近红外模型，以便可以快速、高效、准确且无损地测定花生种子的蔗糖含量，为花生品质育种提供高效的选择手段。

1 材料与方法

1.1 试验材料

建模所用试验材料系来自国内外的花生品种（系），共计167份，如表1所示。另取5份样品，编号S10、S11、S12、S14、S15，用于模型验证。所有样品均自然风干。

1.2 研究方法

1.2.1 光谱采集 用德国布鲁克光谱仪器公司生产的Matrix-Ⅰ型傅立叶变换近红外光谱仪采集光谱数据。光谱仪扫描谱区范围为4 000～12 000 cm-1，扫描次数为64次，分辨率为8 cm-1。开机预热30 min后检测样品，采用旋转样品台以增加采样面积，样品杯内径为5 cm，旋转后实际采集光谱的样品面积为19.64 cm2。在样品杯中装入半杯花生种子（30～50粒），测定时样品杯自动旋转，以获得较多种子的近红外光谱信息。每份材料至少测量3株，每株测量3次，取平均值[14]。

1.2.2 蔗糖含量测定 按照GB 5009.8—2016 中的高效液相色谱（HPLC）法[19]进行。

1.2.3 模型构建与优化 在德国布鲁克Matrix-Ⅰ型近红外光谱仪自带的OPUS 5.5软件上完成。将HPLC法测得的蔗糖含量化学值与采集的近红外光谱数据导入软件进行拟合光谱处理，用偏最小二乘法优化建立模型，反复采用内部交叉验证剔除奇异点（outlier）。选择最佳光谱预处理办法、最佳谱区、维数，并作进一步验证。通过比较模型的决定系数（R2）和交叉验证根均方差（RMSECV）衡量模型质量，筛选最佳模型。

所建模型的验证采用外部交叉验证，即随机挑选验证样品，利用DPS 14.50软件对样品的预测值和化学值进行配对t测验分析，根据分析结果来判断模型的可靠性。

2 结果与分析

2.1 HPLC法测得的花生种子蔗糖含量

由表2可见，167份花生种子样品的蔗糖含量均值为4.93%，最小、最大值分别为1.84%、8.23%，变异系数为21.12%，表明所选花生样品蔗糖含量变幅较大，可用于近红外光谱模型构建。

2.2 近红外模型构建

采集的花生自然风干多粒种子的近红外光谱如图1所示，符合预期。

將167份材料的近红外光谱数据和化学值导入OPUS 5.5软件，用偏最小二乘法优化建立模型，并用内部交叉验证剔除奇异点。利用软件自动优化功能，确定花生种子蔗糖含量的最佳光谱预处理方法为“最小-最大归一化”，谱区范围为4 597.7～11 988.0 cm-1，维数为10；经内部交叉检验，模型的R2为81.59，RMSECV为0.414（图2），表明所建模型较好。

2.3 模型验证

另取5份样品对所建模型进行外部验证，经配对t测验，蔗糖含量预测值与化学值的偏差较小（表3），t=0.838

3 结论

近年来，为了实现快速、绿色、无损、高效、低成本、大规模地筛选优质花生材料，山东省花生研究所分子育种课题组已利用德国布鲁克公司生产的Matrix-Ⅰ型近红外光谱仪建立了花生主要脂肪酸、脂肪、蛋白质和水分的定量分析模型[14-17]。为了充实其定量分析指标，本研究又利用该仪器扫描的近红外光谱，构建了花生籽仁蔗糖含量的测定模型，模型的内部交叉检验决定系数为81.59，交叉验证根均方差为0.414，与秦利等[18]构建模型的R2（82.20）和RMSECV（0.386）值接近。经外部验证，所建模型可以实现蔗糖含量的准确预测，为花生高蔗糖育种提供便利。

参 考 文 献：

[1] 万书波. 中国花生栽培学[M]. 上海：上海科学技术出版社，2003.

[2] Goch H. Breeding for eating quality of groundnut in Japan [M]//Nigam S N. Proceedings of an international workshop.India： International Crops Research Institute for the Semi-Arid Tropies，1992.

[3] Bert K L， Vereellorti J R， Lovegren N V， et al. A comparison of the flavor and compositional quality of peanuts from several origins [J]. Food Chem.， 1994， 51（1）：21-27.

[4] 唐月异，王传堂，王秀贞，等. 152份花生种质主要生化品质分析[C]//搭建两岸合作交流平台 促进花生科技产业发展-海峡两岸花生学术研讨会论文集. 北京：中国农业科学技术出版社，2009.

[5] Pattee H E， Isleib T G， Giesbrecht F G， et al. Relationships of sweet， bitter， and roaste peanut sensory attributes with carbohydrate components in peanuts [J]. J. Agric. Food Chem.， 2000， 48（3）：757-63.

[6] 汪旭升，陆燕，吴建国. 近红外光谱分析法（NIRS）测定棉籽粉中油分含量的研究[J].浙江农业学报，2001，13（4）：218-222.

[7] 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，2007，27（13）：473-476.

[8] Lordelo M M， Shaaban S A， Dale N M， et al.Near infrared reflectance spectroscopy for the determination of free gossypol in cotton seed meal[J]. Journal of Applied Poultry Research， 2008，17（2）：243-248.

[9] 秦利，沈晓佳，陈进红，等. 近红外反射光谱法（NIRS）测定棉仁粉中蛋白质和棉酚含量的研究[J]. 光谱学与光谱分析，2010，30（3）：635-639.

[10]康月琼，郝风，柴勇，等. 油菜品质近红外检测模型建立的研究[J].中国农学通报，2011，27（5）： 144-148.

[11]魏良明，严衍禄，戴景瑞.近红外反射光谱测定玉米完整籽粒蛋白质和淀粉含量的研究[J].中国农业科学，2004，37（5）：630-633.

[12]王铎，张力，范素杰，等. 大豆主要脂肪酸含量近红外模型的建立[J].大豆科学，2017，36（2）：295-299.

[13]刘盼，张艳欣，黎冬华，等. 基于近红外模型的芝麻核心种质油脂和蛋白质含量变异分析[J].中国油料作物学报，2016，38（6）：722-729.

[14]张建成，王传堂，王秀贞，等. 花生自然风干种子油酸、亚油酸和棕榈酸含量的近红外分析模型构建 [J]. 中国农学通报，2011，27（3）：90-93.

[15]杨传得，唐月异，王秀贞，等. 傅立叶近红外漫反射光谱技术在花生脂肪酸分析中的应用[J]. 花生学报，2015，44（1）：11-17.

[16]王秀贞，唐月异，张建成，等. 近红外技术分析化学诱变对花生脂肪、蛋白质和蔗糖含量的影响[J].花生学报，2009，38（4）：5-8.

[17]杨传得，于洪涛，关淑艳，等. 近红外反射光谱技术预测花生种子含水量

[J]. 花生学报，2012，41（1）：6-9， 20.

[18]秦利，刘华，杜培，等. 基于近红外光谱法的花生籽仁中蔗糖含量的测定[J]. 中国油料作物学报， 2016，38（5）：666-671.

[19]中华人民共和国国家卫生和计划生育委员会，国家食品药品监督管理总局发布. GB 5009.8—2016 食品安全国家标准 食品中果糖、葡萄糖、蔗糖、麦芽糖、乳糖的测定[S]. 2016-12-23.