近紅外光譜技術(shù)測(cè)定花生蛋白質(zhì)含量研究

金華麗，李琳琳

（河南工業(yè)大學(xué) 糧油食品學(xué)院，河南 鄭州 450001）

0 引言

花生是一種高蛋白的植物性食物，蛋白質(zhì)含量在20%左右.花生中的蛋白質(zhì)包含了人體必需的8 種氨基酸，極易被吸收，消化系數(shù)可達(dá)90%.作為我國(guó)具有明顯競(jìng)爭(zhēng)優(yōu)勢(shì)的出口創(chuàng)匯農(nóng)產(chǎn)品，花生的蛋白質(zhì)含量也成為出口質(zhì)量標(biāo)準(zhǔn)中的一項(xiàng)重要評(píng)定指標(biāo).蛋白質(zhì)含量的傳統(tǒng)測(cè)定方法是凱氏定氮法，該方法雖然測(cè)定準(zhǔn)確性高，但必須破壞籽粒，且操作復(fù)雜，耗時(shí)長(zhǎng)，不適合用于花生品質(zhì)的準(zhǔn)確快速檢測(cè).

近紅外光譜分析技術(shù)（Near Infrared Spectroscopy，NIRS）是近年來(lái)迅速發(fā)展起來(lái)的一項(xiàng)高效、快速的檢測(cè)技術(shù).它利用含氫基團(tuán)X—H 振動(dòng)的倍頻和合頻在近紅外譜區(qū)的吸收[1]，可以測(cè)定樣品中水分、蛋白質(zhì)、脂肪等成分[2-4]的含量.與傳統(tǒng)的化學(xué)分析方法相比，近紅外光譜技術(shù)具有無(wú)損、快速、多組分同時(shí)測(cè)定等優(yōu)點(diǎn)[5]，廣泛應(yīng)用于小麥[6]、玉米[7]、大米[8]等農(nóng)產(chǎn)品的硬度、蛋白質(zhì)、粗脂肪等的測(cè)定.禹山林等[9]用傅立葉變換近紅外漫反射光譜儀對(duì)花生進(jìn)行光譜采集，采用偏最小二乘法的回歸技術(shù)建立花生蛋白質(zhì)含量的測(cè)定模型.本試驗(yàn)建立了基于Infratec 1241 型近紅外谷物分析儀的花生蛋白質(zhì)含量的測(cè)定模型，比較不同回歸技術(shù)、光譜和數(shù)學(xué)處理方法對(duì)模型的影響，建立最優(yōu)模型，實(shí)現(xiàn)對(duì)花生種子蛋白質(zhì)含量的快速無(wú)損檢測(cè)，也為其他谷物蛋白質(zhì)含量的測(cè)定提供依據(jù).

1 材料與方法

1.1 材料

從全國(guó)不同地區(qū)收集不同品種的花生樣品共65 份.

1.2 儀器與設(shè)備

Infratec 1241 型近紅外谷物分析儀：FOSS 公司；FW80 型高速萬(wàn)能粉碎機(jī)：北京中興偉業(yè)儀器有限公司.

1.3 試驗(yàn)方法

1.3.1 蛋白質(zhì)含量的測(cè)定

蛋白質(zhì)含量的測(cè)定按照GB 5009.5—2010，用凱氏定氮法測(cè)定花生中的蛋白質(zhì)含量，每個(gè)樣品重復(fù)測(cè)定3 次，取平均值作為樣品蛋白質(zhì)含量的最終值.

1.3.2 近紅外光譜數(shù)據(jù)的采集

近紅外谷物分析儀開機(jī)預(yù)熱30 min，對(duì)采集到的65 個(gè)花生樣品分別進(jìn)行光譜掃描，光譜波長(zhǎng)范圍為570～1 098 nm，每隔2 nm 采集一次光譜.樣品光程設(shè)為30 nm，子樣品數(shù)設(shè)為10，為消除樣品粒度、均勻性不一致引起的差異，每個(gè)樣品連續(xù)掃描2 次.

1.3.3 樣品集的劃分

選取1—55 號(hào)樣品作為定標(biāo)集，用于定標(biāo)模型的建立，56—65 號(hào)樣品作為驗(yàn)證集，用于模型可行性的評(píng)價(jià).

1.3.4 近紅外光譜定標(biāo)模型的建立

利用軟件自帶的WINISI 定標(biāo)軟件，對(duì)選取的定標(biāo)集樣品進(jìn)行預(yù)處理，剔除異常樣品，剩余樣品進(jìn)行建模，選擇合適的建模參數(shù)，建立最佳花生蛋白質(zhì)含量的檢測(cè)模型.

1.3.5 近紅外光譜定標(biāo)模型的驗(yàn)證

用外部驗(yàn)證法評(píng)價(jià)定標(biāo)模型的可行性，即比較驗(yàn)證集樣品的模型預(yù)測(cè)值與真實(shí)值的相關(guān)性，通過相關(guān)系數(shù)（RSQ）的大小評(píng)價(jià)定標(biāo)模型的好壞.

2 結(jié)果與分析

2.1 花生蛋白質(zhì)含量的化學(xué)測(cè)定值

用國(guó)標(biāo)方法測(cè)定的花生蛋白質(zhì)含量見表1.

由表1 可知，花生蛋白質(zhì)含量的最大值為23.37%，最小值為17.74%，平均值為19.82%，數(shù)據(jù)分布較均勻，基本覆蓋了花生蛋白質(zhì)的含量值，其中作為定標(biāo)集的55 個(gè)樣品的蛋白質(zhì)含量包含了最大值和最小值，因此，選取的花生樣品符合近紅外建模的要求.

2.2 花生樣品的近紅外掃描光譜圖

對(duì)65 個(gè)具有完整籽粒的花生樣品進(jìn)行光譜掃描，每個(gè)樣品得到20 條譜線，對(duì)其進(jìn)行平均處理，得到65 個(gè)樣品的掃描光譜，見圖1.各樣品的光譜曲線趨勢(shì)基本相同，但又不完全相同，顯示了不同樣品間的差異.

表1 花生蛋白質(zhì)含量的化學(xué)測(cè)定值 %

圖1 樣品近紅外掃描光譜

2.3 花生蛋白質(zhì)含量近紅外測(cè)定模型的建立

用WINISI 軟件對(duì)選取的定標(biāo)集樣品進(jìn)行超常樣品剔除后，對(duì)剩余樣品用不同的回歸技術(shù)做光譜處理和數(shù)學(xué)處理，比較不同回歸技術(shù)及光譜和數(shù)學(xué)處理方法對(duì)模型的影響，選擇最優(yōu)參數(shù)建立花生蛋白質(zhì)含量測(cè)定的最佳模型.衡量模型優(yōu)劣的主要參數(shù)為定標(biāo)相關(guān)系數(shù)（RSQ）、定標(biāo)標(biāo)準(zhǔn)偏差（SEC）、交叉驗(yàn)證相關(guān)系數(shù)（1-VR）、交叉驗(yàn)證標(biāo)準(zhǔn)偏差（SECV）.

2.3.1 光譜和數(shù)學(xué)處理參數(shù)的選擇

在建模過程中，不同的光譜和數(shù)學(xué)處理方法對(duì)模型的優(yōu)劣有很大影響.本試驗(yàn)討論了無(wú)散射處理（None）、標(biāo)準(zhǔn)正常化結(jié)合散射處理（SNV and Detrend）標(biāo)準(zhǔn)正?；幚恚⊿NV）、去散射處理（Detrend Only）、多元離散校正（MSC）5 種光譜處理方法和“1，4，4，1”（一階導(dǎo)數(shù)處理，導(dǎo)數(shù)處理采用光譜間隔點(diǎn)為4 nm，一次平滑處理光譜間隔點(diǎn)4 nm，不做二次平滑處理）、“2，4，4，1”、“3，4，4，1”、“4，4，4，1”4 種數(shù)學(xué)處理方法對(duì)模型的影響.不同處理方法得到的定標(biāo)方程參數(shù)見表2.

表2 不同處理方法得到的蛋白質(zhì)含量定標(biāo)參數(shù)

由表2 可知，選用標(biāo)準(zhǔn)正?；Y(jié)合散射處理（SNV and Detrend）的光譜處理方法和“2，4，4，1”的數(shù)學(xué)處理方法得到的定標(biāo)方程的SEC 值和SECV 值最低，分別為0.228 1 和0.311 9，而RSQ值和1-VR 值最高，分別為0.926 9 和0.911 7.因此，選取這兩種處理方法建立的模型會(huì)取得較好的效果.

2.3.2 回歸技術(shù)的選擇

由以上討論得到的最優(yōu)參數(shù)，在SNV and Detrend 和“2，4，4，1”的處理?xiàng)l件下，采用主成分分析法（PCR），改進(jìn)最小二乘法（Modified PLS）和最小二乘法（PLS）3 種回歸技術(shù)分別對(duì)光譜進(jìn)行處理，得到的定標(biāo)方程參數(shù)見表3.

表3 采用不同回歸技術(shù)得到的定標(biāo)方程參數(shù)

由表3 可知，采用改進(jìn)最小二乘法（Modified PLS）進(jìn)行回歸分析得到的RSQ 和1-VR 最大，同時(shí)SEC 和SECV 也最小.因此，建立花生蛋白質(zhì)含量近紅外測(cè)定模型的最佳回歸技術(shù)是改進(jìn)最小二乘法.

綜上，選用SNV and Detrend 和“2，4，4，1”的處理方法，用改進(jìn)最小二乘法做回歸分析得到花生蛋白質(zhì)含量的近紅外測(cè)定模型.

2.4 模型的驗(yàn)證

評(píng)定一個(gè)模型的好壞除了看自身的RSQ 和SEC 外，還需用未參與建模的樣品進(jìn)行驗(yàn)證，通過比較驗(yàn)證集的模型預(yù)測(cè)值和化學(xué)方法測(cè)定的真實(shí)值之間的相關(guān)性來(lái)評(píng)價(jià)模型的可行性.本試驗(yàn)用驗(yàn)證集的10 個(gè)樣品對(duì)建立的模型進(jìn)行驗(yàn)證，驗(yàn)證集樣品的模型預(yù)測(cè)值和化學(xué)測(cè)定值見表4.

驗(yàn)證集樣品的模型預(yù)測(cè)值和化學(xué)測(cè)定值間的回歸方程為y=0.923 9x+1.522 2，相關(guān)系數(shù)R2為0.919 7，說(shuō)明模型具有很好的預(yù)測(cè)能力，用近紅外光譜技術(shù)建立的花生蛋白質(zhì)含量的測(cè)定模型是可行的.

表4 花生蛋白質(zhì)化學(xué)測(cè)定值和模型預(yù)測(cè)值 %

3 結(jié)論

本試驗(yàn)運(yùn)用近紅外光譜技術(shù)建立了花生蛋白質(zhì)含量的近紅外測(cè)定模型，并通過外部驗(yàn)證評(píng)價(jià)了模型的優(yōu)劣.采用的最佳建模參數(shù)為：標(biāo)準(zhǔn)正?；Y(jié)合散射處理（SNV and Detrend）的光譜處理方法和“2，4，4，1”的數(shù)學(xué)處理方法，用改進(jìn)最小二乘法做回歸分析.得到的定標(biāo)方程的定標(biāo)相關(guān)系數(shù)為0.926 9，定標(biāo)標(biāo)準(zhǔn)偏差為0.228 1，交叉驗(yàn)證相關(guān)系數(shù)為0.911 7，交叉檢驗(yàn)標(biāo)準(zhǔn)偏差平均值為0.311 9，經(jīng)外部驗(yàn)證得到的相關(guān)系數(shù)為0.919 7.結(jié)果表明，花生蛋白質(zhì)含量的近紅外預(yù)測(cè)值與化學(xué)測(cè)定值之間有很好的相關(guān)性，近紅外光譜技術(shù)可以作為測(cè)定花生蛋白質(zhì)含量的一種方法，用于花生蛋白質(zhì)含量的快速檢測(cè)中.

［1］孫穎.近紅外光譜分析技術(shù)及應(yīng)用進(jìn)展［J］.山東化工，2010，39（2）：24-26，30.

［2］郭蕊，王金水，金華麗，等.近紅外光譜分析技術(shù)測(cè)定芝麻水分含量的研究［J］.現(xiàn)代食品科技，2011，27（3）：366-369.

［3］Wang Li，Wang Qiang，Liu Hongzhi，et al.Determining the content of protein and amino acids in peanuts using near-infrared reflectance spectroscopy［J］.Journal of the Science of Food and Agriculture，2013，93：118-124.

［4］韓熹，嚴(yán)紅兵，盧福潔，等.基于國(guó)產(chǎn)近紅外谷物分析儀的大豆中粗蛋白與粗脂肪含量的檢測(cè)研究［J］.現(xiàn)代科學(xué)儀器，2009（2）：119-121.

［5］楊瓊，項(xiàng)瑜，楊季冬.近紅外光譜分析技術(shù)的研究與應(yīng)用［J］.重慶三峽學(xué)院學(xué)報(bào)，2013（3）：89-91.

［6］Fox G P，Osborne B，Bowman J，et al.Measurement of genetic and environmental variation in barley（Hordeum vulgare）grain hardness［J］.Journal of Cereal Science，2007，46（1）：82-92.

［7］陳建紅，黃島平，黃家雄.廣西優(yōu)良玉米新品種近紅外快速化學(xué)成分檢測(cè)研究［J］.安徽農(nóng)業(yè)科學(xué)，2011，39（22）：13342-13343，13353.

［8］劉明博，唐延林，李曉利，等.大米蛋白質(zhì)含量近紅外光譜檢測(cè)模型研究［J］.中國(guó)農(nóng)學(xué)通報(bào)，2013，29（12）：212-216.

［9］禹山林，朱雨杰，閔平，等.傅立葉近紅外漫反射非破壞性測(cè)定花生種子蛋白質(zhì)及含油量［J］.花生學(xué)報(bào)，2003，32（增刊）：138-143.