大豆品质标准及检测技术研究

张园 赵远程 姜文艳 李伟 王能军

摘要：大豆中包含诸多营养物质，是我国植物油主要来源之一，同时还可将其制作成豆制品及饲料，是国家关键经济作物及最大进口量农产品。伴随我国大豆产量逐步提升，其品质标准及检测价值逐步突显，现阶段检验主要依靠人眼识别及化学检测技术，但均不适合运用在大规模检测中，而光谱分析及成像技术中涉及化学计量学方式，能够查看农作物中各种成分含量。本文将对大豆品质标准及检测技术进行研究，从而使此项工作高效完成。

关键词：大豆品质 标准 检测技术

引 言

近年来，在我国大豆产业逐步发展进程中，光谱分析和光谱成像技术已被广泛使用到大豆品质检测技术的各环节中，其能够融合化学计量学模式，查验大豆物质成分实际含量。同时此项技术有着速度快、精准度高、无损坏研究等特点，可与被测物质间形成数学关联，从中取得被检测样品最终结果，已经大规模应用到瓜果蔬菜、肉类、茶叶及其他农作物品质检测中，且得到一定认可。

一、大豆品质标准

依据国家标准，按照颜色可将大豆分为黄、青、黑类大豆和其他大豆以及饲料豆，同时针对互相混合限度及杂大豆做出明确规定。上述大豆根据其纯粮率可划分成五个等级，一到五等级最低标准分别为：96.0%、93.5%、91.0%、88.5%、86.0%，且杂质1.0%，水分东北及华北地区均是13.0%，我国其他地区14.0%，并要求色泽气味正常。此外还提出：第一，各品种大豆应将3等作为中等标准，若低于5等则视作等外大豆；第二，大豆外皮脫离、子叶保持完整且种皮存在白蒲并没有损害子叶的都是好粒；第三，所收取大豆水分而定最大限额与大豆正常储存水分标准，由各省、自治区、直辖市制定；第四，卫生标准和动植物检疫项目必须遵循国家有关规定实施。

二、大豆品质标准及检测技术

（一）水分检测

大豆中水分含量影响储藏时长形成，是鉴定大豆品质的核心指标，有专家借助近红外光谱仪，收集我国各区域大豆近红光谱信息154份，创建出的水分模型具有较高预测作用。同时还有国外学者采用傅里叶近红光谱技术，针对上百份巴西大豆水分以及营养物质含量实施预测，使用MSC、SNC等技术，有效处理平均光谱，同时构建预测模型，对于大豆中水分及蛋白质预测效果较为明显。我国专家积极探索大豆水分及粗脂肪含量检测，创设出MSC-PLSR及Nor-PLSR两个模型，能够分别定量且有效研究出水分及粗脂肪总量，从中得出的相应系数是0.9055及0.9295。为使预测结果真实有效，上述研究内容均将大豆样品实施粉碎，但针对大豆整体及单粒水分测验，还需要不断分析钻研，其中光谱波段保持在400nm至2500nm间，通常情况下使用PLS模型^[1]。

（二）蛋白质和脂肪检测

蛋白质和脂肪含量是作为判断大豆质量优劣的两个关键指标，在以往对其进行检测时，通常采用凯氏定氮技术及索氏抽提技术，检测结果精确度高，然而也有着操作繁杂、损害样品和污染环境等不定之处。这两种营养物质在近红外区具有充足吸收普带，能够呈现特有光谱特点，因此，现阶段在对其检测时较常应用近红外光谱技术。我国学者研究数学处理方法、去散射校正技术回归方法等对模型精确性的影响因素，从而构建出大豆蛋白质及粗脂肪含量近红外预测模型；还有学者通过二阶导数及Norris导数滤波技术针对近红外光谱数据展开预处理，同时对大豆干物质、粗蛋白质和脂肪等分别构建PLS预测模型，针对上述前三种物质在大豆中含量具有比较精确的预测结果，而针对最后一种物质含量测量精准性需要提升。

（三）营养成分检测

1. 脂肪酸。大豆中脂肪酸种类较多，且其含量和配比直接影响着大豆油质量，也决定着大豆油营养成分、储藏及加工，由此可知，对此进行有效检测是大豆培育新品种过程中，选择优质种子及大豆油加工的核心因素。在过去对其检测时，通常使用高效液相色谱法及气相色谱法，然而这两种技术需要大量时间、再加上成本较高，无法满足大批量样品检测需求。对此部分相关专业专家及学者针对此进行光谱检测技术的研究，其中有学者收集黑龙江省各区域大豆样品二十多种的光谱信息，并借助多元性回归算法及偏最小二乘法构建立定标模型，同时分别结合传统检测方式得出脂肪酸最终含量，这两项检测技术相关性是95.63%，差距是0.378。国外专家借助近红外光谱法针对大豆子叶中包含的各种氨基酸含量实施定量研究，在这五种含量中成功检测出其中四种含量。此外还有层析法及气相色谱法，前者即便检测成本较低，然而由于较难定量，因此较少应用，而后者也是主要应用方式，其属于一种较为准确的测量技术，同时还是国际及国家规准方法，应用较为广泛，其主要工作原理就是：首先将大豆油中脂肪酸甘油酯转变成脂肪酸甲酯，并将样品放到气化室中进行气化，其伴随流动相融入色谱柱，在通过固定相时，因其各组分在性质与结构方面有着一定差异，在上述部分停留时间不相同，就会按照相应次序从中流出，进而融入到检测器中实施检测、分离及研究各组分。按照色谱峰滞留时长定性，且遵循大豆油样品色谱峰面积，判定各脂肪酸含量，最后依据样品色谱峰及外表色谱峰两者面积明确决定含量^[2]。

2. 异黄酮。光谱分析及成像技术能够精准检测总异黄酮含量，然而对其各组分无法清晰预测，我国部分学者尝试着检测傅里叶近红外光谱查看大豆中总异黄酮可操作性，但由于各异黄酮组分的近红外模型系数都小于0.75，无法进行精准检测。还有研究人员根据高光谱成像技术，找到大豆高光谱成像，并从中搜集到光谱数据，挑选出特征波长后，借助支持矢量回归计算方式，构建其含量预测模型，最终效果较为理想。国外专家通过近红外光谱仪收集三千两百个单粒大豆光谱信息，构建最优预测模型，其中总皂苷成分检测效果较差，但总异黄酮总量检测效果较为优良。

3. 氨基酸。经常使用的氨基酸检测技术大致有两种类型：其一是氨基酸分析仪测定技术，其主要工作原理就是借助氨基酸专用分析仪进行分离，随后针对衍生出的反映实施检测，其结果精准性较高，同时也是当前国家标准及ISO规准模式，然而由于此仪器价格极为昂贵，且使用途径单一，通常实验室较少引进，因此，使用频次较少；其二是高效液相色谱法，国内专家利用傅里叶近红外光谱技术针对通过高效液相色谱法研究的接近200份大豆的18种氨基酸总量实施预测，从中得到此种方式能够对总量较多的15种氨基酸展开精准检测，但对含量较少的3种氨基酸检测成效不佳^[3]。

4. 膳食纤维。国外学者以传统检测模式作依据，通过VIP算法选用变量后，借助近红外光谱信息构建的PLS模型，能够精准测量出巴西大豆总膳食纤维含量。

5. 磷脂和花青素。部分學者借助近红外光谱技术查看大豆磷脂实际含量，通过偏最小二乘回归技术构建光谱与磷脂成分浓度间的模型，还有专家采用傅里叶近红外光谱及其红外光谱技术，高效检测出单颗大豆总花青素及其他种类此营养成分总量。

（四）大豆品种检测

我国大豆种类繁多，精准、迅速判定大豆品种对确保农民利益、检测种子品质和确保国家粮食食品安全至关重要，国内诸多此领域学者针对大豆品种鉴定进行深层次研究。分析范围大多是在400nm到1000nm波段之间，且较常使用高光谱成像技术，其中反向传播神经网络、极限学习机等模型对其检测结果精准性较好，经常应用到的模型就是前者，然而其所建立的模型需针对特定品种，且还需正确调整及多次使用检验后，才可对其他品种进行检测。我国学者对大豆育种环节中早代快速筛选问题展开研究，围绕SIMCAN技术对单颗种粒红外光谱信息创设立定性研究模型，可精准判别垦鉴豆43及中黄13型大豆种子。此外还有学者收集10类品种大豆高光谱图像，并对其实施预处理从中获得特殊波长，察觉到MSC-CARS-EL模型判定准确率最高。

（五）转基因及非转基因检测

一直以来转基因大豆安全性受到国民高度重视，钻研转基因和非转基因大豆的判定及检测技术有着极为关键的意义及影响。我国学者对大豆近红外反射光谱信息展开预处理，创设出PCA-反向传播神经网络模式，对22个大豆样品进行检测，准确率高达100%，然而这其中仅仅是对单一转基因大豆种类实施鉴定；还有学者对非转基因大豆亲本和其转基因大豆种类展开鉴定，借助近红外光谱成像技术，根据预处理和未预处理全谱、特征波长创设出PLS-DA模型，获得较高鉴定成功率。然而因研究包含的转基因大豆种类比较少，若想使研究成果得到加强，就需要扩宽转基因大豆种类范畴，并且深挖高光谱中图像各种信息数据，使其和光谱信息有机融合，进一步优化转基因大豆种子鉴别技术^[4]。

（六）病虫害检测

借助光谱分析及成像技术检验大豆病虫害的相关研究较少，国外该方面专家结合软X射线以及近红外高光谱成像技术构建分析模型，借此查看大豆是否遭到豇豆象甲危害，通过此种技术形成的LDA分类模型，针对未曾受到侵染和已经遭到侵染种子的精准率是86%和87%之上，随后采用QDA分析模型针对79%以上的两种种子实施正分化。

（七）外观检测

相关工作者针对采用大豆外观等级划分展开分析，其中有学者借助高光谱成像技术针对其厚度实施查验，共收集两百份此大豆高光谱图像，同时融合数字化游标卡尺检测其厚度，随后使用MSC及SNV对400nm至1000nm之间的光谱数据予以预处理，借助采用PLS与MLR构建其厚度定量分析模型，最终结果显示经过MSC预处理后的PLS模型预测精准度最佳。另外，也有外国专家借助近红外光谱等技术，针对影响大豆种子开裂因素展开研究，其精准率达到80%。（下转第47页）（上接第35页）

结 论

综上所述，近些年光谱分析技术及光谱成像技术的大多数研究结合探究提取特征波段并创建最佳模型实施，从中得出针对光谱展开预处理，能够去除无意义信息及噪音，从而使预测效果逐步提升。而为对大豆品质进行高效检测，需要创建鲁棒性较为良好的模型，建立更多样品，扩宽分析大豆品种范畴，尽可能降低人为和仪器误差，确保检验结果科学准确，对优质种子资源形成保障作用，为我国大豆种植事业提供强有力的支撑。

参考文献：

[1]姜妍，蒙何，赵熠荣等.青饲大豆主要品质参数的近红外光谱快速分析[J].光谱学与光谱分析，2022，42（03）：919-923.

[2]罗琴娟.基于高光谱技术的种子品质检测方法研究[D].北京林业大学，2021.

[3]魏剑.基于BP神经网络的大豆种子外观品质质量检测技术研究[J].黑龙江科学，2021，12（16）：12-16.

[4]贾鹏禹.植物激素与品质高效检测方法的建立及其在大豆中的应用[D].黑龙江八一农垦大学，2021.

（作者单位：中储粮合肥油脂库有限公司、中央储备粮敦化直属库有限公司）

第一作者：张园（1998-），男，大学本科，安徽潜山助理工程师，研究方向为粮油储藏及检测。

通讯作者：赵远程（1990-），男，汉族，助理工程师，大学本科，研究方向为粮油储藏及检测。