近红外光谱技术在油料作物快速检测中的应用研究进展

汪鑫，田花丽，马卓，李玉鹏，郭双双，黄冉涛，赵民新

（1.南阳农业职业学院，河南 南阳 473000；2.南阳市科学院，河南 南阳 473000）

食用油品质量关系到千家万户的饮食健康，需要我们从源头上关注，油料作物的品质决定食用油的质量。油料作物品质鉴定包括种子质量、出油率、脂肪酸指标类型等。采用传统方法进行鉴定费工费时，且成本高、时效性差，不利于生产效率的提高。自20世纪70年代以来，近红外光谱技术以其测试方便、高效、性价比高等优势，迅速成为农业和商业领域质量检测的重要手段。近红外光谱分析技术适应了社会和生产快速发展的需求，应用前景好[1-5]。在油菜、花生等油料作物的主要品质指标分析方面已取得了阶段性进展，并初步用于育种及食用油品质分析领域[6-8]。

1 近红外光谱技术原理及特点

近红外光谱技术是利用化合物中特定官能团引起振动造成近红外吸收峰不同，不同化合物呈现不同的峰值。生物体内所有有机物都含有含氢官能团（主要是O-H、C-H、N-H、S-H等），近红外光对这些化学键的振动频率有特定的吸收峰，如淀粉、蛋白质、脂肪酸、糖类和水分等[9]；生物体内的无机物可以借助与它共存物质的振动频率，引起特定近红外光谱峰值变化，利用这些特定峰值可以对各种物质进行定性、定量鉴定。近红外作为短光谱，绝大多数化合物的信息均可以在其吸收峰范围内显现出来。利用近红外光谱（near infrared spectroscopy，NIRS）技术测定某特定成分或者多种组合成分结合化学计量法建立测定模型，可以稳定、高效地对该成分进行定性、定理分析[10]。

近红外光谱法作为几十年来快速兴起的一种检测手段，在检测领域早已占有一席之地[11]。但是，该检测技术也不是尽善尽美。其优点如下：1）检测方便、高效、性价比高、多指标可同时检测。2）可以实现在线不破损检测，在模型构建完成后能够做到不使用任何试剂，科学环保。其缺点有：1）对检测物质的内部成分要求高，要求成分均匀，对受检对象的温度有要求，否则容易造成数据偏差大，检测结果也受受检部位的影响。2）需依靠其他学科建立模型，方可进行下一步的分析鉴定。3）扫描出的某些光谱带特征性不强，峰值不强，重叠谱带多造成测定结果不太灵敏，易受样品成分复杂程度的影响[12]。

2 近红外光谱技术在油料作物种子品质鉴定方面的应用

种质好坏影响植物的生长发育情况。种子存放的外界环境变化直接影响其发芽情况。油料作物的种子作为该作物的果实，其质量直接决定后期加工情况，及其副产品用途。种子质量鉴定分级是一项工作量大、费工费时的工作，且检测结果易受主观能动性的影响。

刘勋[13]以442份油菜种子为材料，利用近红外光谱法取得油菜种子颜色图像的扫描信息，并将该信息进行转化，建立了油菜籽颜色中主要颜色值的近红外光谱模型。该方法将近红外光谱和计算机技术相结合，将油菜籽粒色利用R值进行分级，与目测法得到的结果极为一致。在此基础上构建的模型准确性强、重复性高，可以作为分析油菜籽粒色的基础，克服了主观判断性缺陷，为油菜籽粒色划分提供了数据支撑，也为今后油菜的育种工作提供便利，也为其他作物种色分级鉴定提供了参考。罗龙强等[14]利用近红外光谱技术对水稻种子进行处理，结合多种计量方法发现水稻种子的出芽率也有显著变化。赵怡锟等[15]选取10个玉米品种利用近红外光谱法研究保存时间长短对玉米籽粒的影响，发现单一时间模型无法满足任何存储时间段玉米种子的鉴定。只有将更多月份的数据整合进单月模型里获得包容性模型，方可提高玉米种质的鉴别率。郭丽娟[16]利用计算机技术对向日葵种子进行分级，分级试验结果优于传统的化学分析法，从而为市场上不同客户群体提供了一种高效、便捷的分选方法，有利于提高其经济价值。

因此，将计算机技术和近红外光谱法相结合对作物种子质量进行判断、分级，不仅克服了传统方法主观性强、数据支撑少的缺点，还能提供高效、可追溯的数据结果，经济成本低。

3 利用近红外光谱技术追溯油料作物产地的应用

油料作物产地不同，其油分组成也不尽相同。在不破坏油料作物种子性状的情况下摸清其产地具有重要的研究意义。在相关研究基础上得知通过近红外光谱法测定特定化学成分，如矿物因子、多酚、糖类、氨基酸等，确定某作物产地[17]。

利用近红外光谱技术测定农产品的产地已被应用于茶叶、橄榄油、肉类、酒类等作物上。李楠等[18]以11个省份小米为材料，采用便携式近红外光谱仪建立了小米产地的多层感知器神经网络、费舍尔线性判别模型。两种模型可以检测出8个省份的小米产地，且多层感知器神经网络模型可以有效地检测出小米的产地溯源。张勇等[17]介绍了主要农产品产地溯源研究中近红外光谱分析技术的应用，分析了食用油产地溯源的概况，为该领域的进一步应用研究提供参考。胡圣英等[19]详述了大米产地溯源方法，具体介绍6种分析技术方法，发现产地溯源的研究还不多，比较浅显，精准度不高；追溯大米产地的鉴定方法的普适性不强。

采用NIRS追溯产地已经得到大家的认可，普适性强、前景好、易操作。目前大多数采用的近红外光谱仪器体积大、性价比不高。因而，便携式、物美价廉且辨别度精准的近红外检测仪器将是未来市场发展的主导方向。便携式近红外检测仪器将给人们的生活带来巨大便利，可以帮助人们更好的辨别真伪。

4 近红外光谱分析技术在油料脂肪酸含量检测中的应用

不同油料作物其主要成分存在差异。油菜籽中主要脂肪酸有棕榈酸、硬脂酸、油酸、亚油酸、亚麻酸、芥酸等[20]。花生种子以油酸、亚油酸、棕榈酸为主，占据脂肪酸总量4/5以上，这3种脂肪酸含量是花生质量的重要影响因素[9]。由两种普适性油料作物的脂肪酸成分可以看出，棕榈酸、油酸、亚油酸及亚麻酸、硬脂酸、芥酸这6种脂肪酸可以作为NIRS技术检测的主要指标。

4.1 近红外光谱技术检测油酸情况

油酸属于单不饱和脂肪酸，它能选择性地降低人体血液中有害的低密度胆固醇，而保持有益的高密度胆固醇，增加血管弹性，防止血栓的形成，有效避免心血管疾病的发生。增加油酸含量、减少亚油酸和亚麻酸含量，可使菜籽油的存储时间延长。李建国等[8]在单粒花生主要脂肪酸含量测定中，创建了其油酸、亚油酸和棕榈酸含量的模型。因此，在油菜育种工作中，培育油酸值高、低亚麻酸值低的品种是育种工作者的目标。张鹤[7]以336份花生种质为材料进行试验，以其中218份优质花生种子为对象，建立了花生油酸含量的近红外光谱模型，经样本试验验证可知该模型可以用于花生油酸含量的检测。

4.2 近红外光谱技术检测亚油酸和亚麻酸情况

人体生命活动不可或缺的脂肪酸有亚油酸和亚麻酸。亚麻酸可以改善身体内部胆固醇，但易被氧化而导致其不耐储存。减少亚麻酸成分，可以改善油的口感，提高其稳定性[21]。叶佳丽等[22]用200个亚麻籽为材料，使用偏最小二乘法修正和光谱预处理建立了蛋白质、亚麻酸和木酚素含量的近红外模型。结果表明：蛋白质、亚麻酸和木酚素模型预测值与实测值呈显著的正相关，其相关系数分别为0.920 7、0.886 5和0.965 9。在构建模型的基础上，又选863份亚麻种质重复上述试验，得到结果一致。由此可知，一旦模型建成重复性是可信的。

4.3 近红外光谱检测芥酸情况

菜籽油的主要不饱和脂肪酸成分是芥酸，其碳链长，不易被吸收,易对心脏和肝脏造成损伤。因此，高品质菜籽油应该是低（无）芥酸成分。丁小霞等[23]用NIRS技术建立了油菜籽中芥酸、硫甙的模型，用该方法的测试结果和国标法测定结果一致，表明NIRS技术能够在油菜育种工作中满足初代材料快速筛选的要求。刘培[10]以322份典型油菜品种为材料，建立了油菜籽蛋白、脂肪酸、硫甙、含水量等7种参数模型，并进行了验证，研发出便携式近红外光谱菜籽分析仪，其结论是这7种参数的测定结果与国标检测结果基本一致，建立的模型可以满足油菜生产及后期加工过程的要求。目前双低油菜育种工作依赖近红外光谱分析技术进行多指标、无损、快速检测，可以显著提高效率。

5 油料作物中其他成分快速检测

油菜中硫甙成分的降低对未来育种工作具有重要意义，一种快速筛选硫苷的技术对油菜育种工作起到了推动作用[23]。过氧化值的高低决定食用油的保存时间，因此一种快速、无损、精确的分析方法在实践中具有重要作用[24]。油分中过氧化值、硫甙等物质的存在影响到油品质量高低。一些快速无损的检测方法可以使人们有针对性的采取措施，以开展后期的育种或食用油质量控制工作[25]。

张萍[26]以花生油、菜籽油、山茶油、玉米油等为材料，利用近红外光谱法测定其过氧化值建立了过氧化值模型，研究得出该模型准确度高，表明该方法可以有效地测定食用油中过氧化值含量。有研究者建立了山茶籽油过氧化值定量模型，其预测结果小于化学分析值所允许的误差范围[5]。李雪[12]用油菜为材料测定叶绿素成分，先运用一阶导数、标准正态法处理，再利用重加权算法选择波长，最终创建了叶绿素含量模型，可以准确预测油菜籽中叶绿素含量。王耐红[24]以266份油菜种子为材料，采用NIRS快速检测菜籽中硫甙，部分硫甙成分检测模型可以用于实践，而其它成分的数学模型还有待于进一步探索验证。吴宪[27]建立了油脂中碘值检测的近红外光谱模型，表明定标样品集范围越宽，模型适用范围越广，分析精度可能会变差；反之亦然。

这些研究表明近红外光谱技术可以实现油份中部分成分的快速检测，为人们的研究和生产实践带来巨大的便利。

6 近红外光谱分析技术在蛋白质含量检测中的应用

蛋白质含量直接决定作物油料附加产品质量的高低，尤其是一些必需氨基酸，比如花生蛋白、菜籽蛋白等。植物蛋白饲料包含各种油料残渣如豆粕、花生粕等。获取优质蛋白原料是保证蛋白饲料品质的基础[28]。随着NIRS的发展，在饲料蛋白质检测方面许多学者已进行了大量的研究。因此，利用近红外光谱技术实时检测蛋白含量具有重要的实践意义。

宋丽华[29]用凯氏定氮法和NIRS先后对75份花生的蛋白质含量进行了测定，测试结果表明两种方法的测定结果基本一致；随后又将以75个品种建立的模型应用到近百个新育品种和两个杂交后代中测量种仁中蛋白质含量，结果表明，其蛋白质含量变化合理，相对误差均小于2.49%。可以达到快速筛选高蛋白品种的需要。李壮壮等[30]利用NIRS对葵花籽的油分进行分析，用454份样本数据建立了蛋白质、水、脂肪的近红外光谱数据模型，研究发现不同物质使用不同的处理模型。田锦兰[31]以250份甘蓝型油菜为试材，建立了近红外光谱模型；经验证得知蛋白质含量的数学模型分析精准度高，可预测能力强。陈国林[28]在油菜的研究中发现不同花期、不同杂交系后代中，菜籽油中各个氨基酸组分都能成功构建近红外光谱模型，为油菜育种工作及其发育遗传研究工作奠定了基础。

7 存在问题及展望

目前市场上的近红外光谱仪器大都是体积较大的台式机，价格昂贵又不方便移动；迫切需要一些小型化、成本不高的仪器。便携式检测仪器可以满足农作物育种和粮油收购、果品质量把控过程中的现场分析需求。近红外光谱分析仪大多数是通用型的，缺乏专业的油料作物品质预测模型，因此迫切需要有针对性的建模研究以满足市场发展的需要。油料作物育种过程中，在原始材料筛选时，需要对单粒种子进行检测，而目前针对群体种子进行测量的仪器不能满足该需求，迫切需要在单粒种子检测方面加大研究力度。

在互联网+农业的发展趋势下，近红外光谱网络技术起到越来越显著的作用。探索出一种同时可以多级访问，实时共享的近红外光谱网络管理系统是未来发展的方向。此系统对数据传输和稳定性的要求高。在仪器硬件方面，需要由网络接口或蓝牙连接装置，方便从网络上下载近红外光谱分析模型。将近红外光谱技术和物联网技术相结合，能够充分发挥NIRS技术的优势。

在信息化、大数据育种发展趋势下，近红外光谱仪需要开发网络育种管理系统，建立育种材料的编码系统以实现信息的自动输入、获取等快速查询路径，以实现数据共享、资源共享。

在建立各成分分析模型时，尽可能地消除样本集对近红外光谱的影响，减少干扰因素，使模型更稳定，数据更精确。建立油料作物各成分指标的近红外光谱分析模型，对油料作物育种工作的初选带来巨大便利，有效地加快了品种改良；油脂成分的分析有利于食用油品质的改善，延长保存时间，创造更多经济利益；无损的快速检测可以为油料作物发育遗传研究提供有利的平台，有利于分子遗传研究工作的开展。