基干近红外光谱法藜麦脂肪含量快速检测.docVIP

基于近红外光谱法的藜麦脂肪含量快速检测 　　摘要：为了探索一种快速测定完整藜麦（Chenopodium quinoa Willd）子粒脂肪含量的方法，采集100个藜麦样品的近红外光谱，运用近红外光谱法建立数学模型并进行预测。结果表明，在10 000～4 000 cm-1波长范围内，运用一阶导数+矢量归一化光谱方法进行预处理，结合化学方法所得数据建立藜麦粗脂肪近红外光谱定量模型，校正和预测效果最佳，所得的粗脂肪近红外定量模型的交叉验证决定系数（R2cv）为0.939 3，外部验证决定系数（R2val）为0.9235。建立的脂肪近红外光谱模型，可以用于藜麦脂肪含量的快速检测 关键词：藜麦（Chenopodium quinoa Willd）；脂肪；近红外光谱；快速检测 中图分类号：O657.33 文献标识码：A 文章编号：0439-8114（2016）18-4796-03 DOI：10.14088/j.cnki.issn0439-8114.2016.18.041 藜麦（Chenopodium quinoa Willd）又称南美藜、奎藜等，是有着 5 000～7 000年种植历史的一年生双子叶植物，为印加人的传统食物，主要分布在南美洲安第斯高原[1，2]。藜麦具有耐寒、耐旱、耐瘠薄、耐盐碱等特性，其子粒不仅含有丰富的蛋白质及均衡的氨基酸组成，而且含有丰富的不饱和脂肪酸。不饱和脂肪酸大部分含有碳碳双键，如亚油酸、亚麻酸、花生四烯酸，是人体的必需脂肪酸。不饱和脂肪酸及其代谢物对防治前列腺素、血栓、动脉粥样硬化，免疫、抗炎和膜功能有重要作用[3]。Bligh等[4]运用萃取提纯方法测得粗脂肪含量。Ory等[5]、St Angelo等[6]运用沉淀法检测脂肪含量。这些方法测定脂肪含量存在步骤繁琐、测定速度慢、成本高、子粒破损等问题 近红外光谱法是近年来迅速发展的检测分析技术，具有快速、高效、制样简单以及无污染等优点[7]。它是利用有机化学物质在其近红外光谱区内（780～2 500 nm）的光学特性快速估测样品中的一种或多种化学成分含量，是分析农作物品质的重要手段[8-10]。利用近红外反射光谱进行藜麦完整子粒的脂肪测量，可以避免化学方法对藜麦子粒造成破坏，对藜麦品质育种工作有重要的实践意义。本研究利用化学方法测定了100份藜麦水分和粗脂肪的含量，然后将其分为校正集和验证集，建立了脂肪近红外光谱法快速检测预处理模型，为进一步的农作物子粒分析奠定基础 1 材料与方法 1.1 材料 供试的100份藜麦品种（系）由中国农业科学院作物科学研究所外引室陆平研究员和陶梅研究员以及山西省农业科学院农作物品种资源研究所提供 1.2 仪器 BSA124S型分析天平，德国Sartorius公司；Cyclotec1093型旋风磨、Soxtec 2055型索氏提取仪，丹麦Foss公司；电热恒温鼓风干燥箱，宁波东南仪器有限公司；MPA傅里叶变换近红外光谱仪，德国Bruke公司 1.3 方法 1.3.1 藜麦脂肪测定方法 粗脂肪测定：参考GB2906-82，重复称取同一样品两份，每份2 g，准确至0.001 g。利用索氏提取仪测定计算粗脂肪百分含量 1.3.2 近红外光谱采集 为了获得最佳的模型建立及预测效果，将收集的藜麦样品于室温下放置一周左右，平衡水分，同时去除每一样品中的杂质及外形明显不同的子粒（一类脱壳，另一类脱壳后磨粉过60目筛）。将近红外光谱仪器预热30 min，进行性能测试和白板参比后开始测定样品。工作谱区选用12 000～4 000 cm-1，扫描次数64次，分辨率16 cm-1，扫描温度25 ℃，每份样品均扫描2次。光谱用Bruker公司OPUS 5.5近红外处理软件得到平均光谱，计算机自动将反射光谱信息转换成吸光度储存，然后在OPUS建模软件上分析试验数据 1.3.3 近红外数学模型的建立 采用Bruker公司OPUS/QUAN T5.5光谱定量分析软件和DPS软件，进行上述光谱数据预处理、剔除异常样品以及回归统计分析。根据徐广通等[11]对建数据的要求，将100个藜麦样品数据进行分组，其中80%用于建立近红外模型，为校正集；20%用于检验所建模型的精度，为验证集。为寻找各模型的最优建模方法，选用不同的建模方法建立藜麦主要成分定量模型，先用校正集进行内部验证，最后通过随机选取的建模之外样品对模型进行外部检验，考察模型的适应性和精度，即根据校正决定系数R2cal，校正标准误RMSEE，交叉验证决定系数R2cv，交叉验证标准误RMSECV，外部验证决定系数R2val，预测标准误RMSEP等指标确定最优模型 2 结果与分析 2.1 藜麦原始光谱与化学值表 100个藜麦样品的