基于近紅外光譜技術(shù)的茶油脂肪酸含量的快速檢測(cè)

文韜，鄭立章，龔中良*，李立君，謝潔飛，馬強(qiáng)

(中南林業(yè)科技大學(xué) a.機(jī)電工程學(xué)院；b.理學(xué)院，湖南 長(zhǎng)沙 410004)

基于近紅外光譜技術(shù)的茶油脂肪酸含量的快速檢測(cè)

文韜a，鄭立章a，龔中良a*，李立君a，謝潔飛a，馬強(qiáng)b

(中南林業(yè)科技大學(xué) a.機(jī)電工程學(xué)院；b.理學(xué)院，湖南 長(zhǎng)沙 410004)

為快速準(zhǔn)確地測(cè)定茶油中脂肪酸含量，建立了應(yīng)用近紅外光譜技術(shù)檢測(cè)茶油中脂肪酸含量的方法。選取市售的156份茶油樣品，利用氣相色譜儀測(cè)定其脂肪酸組成及含量，同時(shí)采用近紅外光譜儀采集油樣的光譜數(shù)據(jù)，并分析原始(R)光譜、SG平滑(SG)光譜和二階導(dǎo)數(shù)變換(SD)光譜與茶油中脂肪酸含量的相關(guān)性，采用偏最小二乘回歸法(PLSR)比較全光譜波段與顯著性波段對(duì)建模精度的影響，優(yōu)選出茶油中脂肪酸含量的定量檢測(cè)模型。結(jié)果表明：茶油中棕櫚酸、油酸和亞油酸含量較高，分別為4.428%～10.931%、78.036%～84.621%、7.013%～9.863%；采集的茶油近紅外光譜曲線特征變化較為明顯，光譜特征峰的位置分布于8 600～8 200、7 300～6 900、6 000～5 500、4 800～4 500和4 500～4 000 cm–1；茶油中棕櫚酸含量與R、SG光譜吸光度呈正相關(guān)，油酸和亞油酸含量與R、SG光譜吸光度呈負(fù)相關(guān)，SD光譜數(shù)據(jù)與棕櫚酸、油酸和亞油酸含量之間的相關(guān)系數(shù)與R和SG光譜吸光度比較，相關(guān)性極大被削弱；基于全波段建立的PLSR模型對(duì)棕櫚酸、油酸和亞油酸含量的整體預(yù)測(cè)精度略高于顯著性波段所建立的模型，校正集相關(guān)系數(shù)RC和預(yù)測(cè)集相關(guān)系數(shù)RP分別為0.837～0.956和0.818～0.938。從模型的復(fù)雜程度分析，采用顯著性波段建模的輸入變量的數(shù)量可壓縮至全波段建模的25%以下；SG–PLSR模型對(duì)棕櫚酸、油酸和亞油酸含量的綜合預(yù)測(cè)性能最優(yōu)，相應(yīng)的RP和預(yù)測(cè)集均方根誤差(RMSEP)分別為0.938、0.930、0.925和0.560、0.438、0.287。

茶油；棕櫚酸；油酸；亞油酸；近紅外光譜；偏最小二乘回歸；檢測(cè)

投稿網(wǎng)址：http：//xb.ijournal.cn

油脂中脂肪酸成分及含量的檢測(cè)，通常采用質(zhì)譜(MS)、氣相色譜(GC)以及高效液相色譜(HPLC)等結(jié)合化學(xué)計(jì)量方法來(lái)進(jìn)行，油脂送檢前，需對(duì)其添加化學(xué)溶劑或衍生化處理，不能滿足對(duì)脂肪酸快速測(cè)定的需要[1–3]。近紅外光譜檢測(cè)技術(shù)(NIRS)具有無(wú)損、快速和非接觸等特點(diǎn)，可利用它檢測(cè)有機(jī)物在光譜區(qū)的振動(dòng)信息，從而反演化學(xué)成分的含量[4]。運(yùn)用近紅外光譜對(duì)含油脂食材中脂肪酸組成和含量的檢測(cè)取得了很大的進(jìn)展[5–8]，Lars等[9]應(yīng)用NIR檢測(cè)菜籽油脂肪酸含量，其游離脂肪酸的均方根誤差范圍為0.19%～1.7%；莊小麗等[10]利用近紅外光譜技術(shù)結(jié)合判別分析對(duì)橄欖油的品質(zhì)進(jìn)行定性分析，其鑒別準(zhǔn)確率為100%，并利用偏最小二乘法對(duì)橄欖油中摻雜成分進(jìn)行了定量分析，其預(yù)測(cè)相對(duì)誤差范圍在–5.67%～5.61%；梁丹[11]應(yīng)用近紅外光譜結(jié)合PLS預(yù)測(cè)植物油脂肪酸含量，其油酸、亞油酸、亞麻酸的驗(yàn)證集相關(guān)系數(shù)分布范圍為0.961～0.973；張輝等[12]對(duì)9種植物油相互配置得到多種油脂樣品，并用NIR檢測(cè)亞油酸和亞麻酸含量，其預(yù)測(cè)集相關(guān)系數(shù)分別為0.989、0.972。上述研究結(jié)果表明，近紅外光譜檢測(cè)植物油中油脂成分及含量具有一定可行性，但植物油在近紅外光譜區(qū)實(shí)施檢測(cè)，會(huì)受到測(cè)試環(huán)境和樣品背景的影響，且上述研究方法并未對(duì)光譜數(shù)據(jù)建模效率進(jìn)行討論及優(yōu)化。

筆者選取茶油為研究對(duì)象，利用氣相色譜儀測(cè)定油茶主產(chǎn)區(qū)的156份油樣的脂肪酸組成及含量，用近紅外光譜儀采集油樣的光譜數(shù)據(jù)，分別分析原始(R)光譜、SG平滑(SG)光譜和二階導(dǎo)數(shù)變換(SD)光譜與茶油中主要脂肪酸含量的相關(guān)性，探尋全光譜波段與顯著性波段建模的適應(yīng)性，并優(yōu)選最佳的脂肪酸含量光譜檢測(cè)模型，以期為快速、無(wú)損測(cè)定茶油脂肪酸含量提供一種新方法?，F(xiàn)將結(jié)果報(bào)道如下。

1 材料與方法

1.1 材料

選用市售156份茶油樣本，主要來(lái)自于湖南、江西、安徽、浙江，其中，原油36份、成品油120份。成品油中國(guó)標(biāo)一級(jí)60份、國(guó)標(biāo)二級(jí)45份、醫(yī)用級(jí)15份。

主要儀器包括GC1120氣相色譜分析儀(江蘇舜宇恒平儀器有限公司出品)和ANTARIS II傅里葉變換近紅外光譜儀(美國(guó)Thermo公司出品)。

1.2 方法

1.2.1 茶油脂肪酸含量的測(cè)定

依據(jù)GB/T 17376—2008[13]，對(duì)茶油樣品進(jìn)行甲酯化。取1 μL甲酯化茶油，用氣相色譜儀檢測(cè)其脂肪酸組成及含量。氣相色譜條件為：DB–23毛細(xì)管柱(長(zhǎng)60 m，內(nèi)徑0.250 mm，膜厚0.25 μm)，火焰離子化檢測(cè)器(FID)，分流比20∶1，載氣為氮?dú)?，采用程序升?由100 ℃的初始溫度，先以10 ℃/min升至160 ℃后保溫5 min；又以5 ℃/min升溫至230℃，保溫10 min)。利用脂肪酸甲酯的標(biāo)準(zhǔn)混合溶液(常見(jiàn)的37種)中各組分出峰保留時(shí)間進(jìn)行標(biāo)定。樣品中各脂肪酸含量(以質(zhì)量分?jǐn)?shù)計(jì))依據(jù)直接面積歸一化法計(jì)算。

式中：Xi為脂肪酸的質(zhì)量分?jǐn)?shù)(%)；Ai為脂肪酸甲酯的響應(yīng)峰面積；為各脂肪酸甲酯響應(yīng)峰面積的總和。

1.2.2 茶油近紅外光譜信息的采集

用ANTARIS II傅里葉變換近紅外光譜儀測(cè)定茶油樣本的近紅外原始光譜(R)。光譜儀預(yù)熱穩(wěn)定1 h后，準(zhǔn)確量取300 μL茶油樣本，加樣于光程0.2 mm的SiO2可拆卸液體池，設(shè)定光譜檢測(cè)波數(shù)范圍為10 000～4 000 cm–1，檢測(cè)分辨率為4 cm–1，掃描方式為近紅外透射光譜，以SiO2窗作空白對(duì)照，樣本全光譜采集在避光的實(shí)驗(yàn)室內(nèi)進(jìn)行；每個(gè)茶油樣本重復(fù)掃描3次，作算術(shù)平均后得到茶油樣本實(shí)際的光譜吸光度。

1.2.3 模型的建立與評(píng)價(jià)

茶油樣本按批次進(jìn)行單獨(dú)編號(hào)，采用Kennard–Stone(KS)算法[14]劃分為校正集和預(yù)測(cè)集，其中，104個(gè)樣本組成校正樣本集，剩余52個(gè)樣本作為預(yù)測(cè)樣本集。采用偏最小二乘回歸方法(PLSR)[15]建模?？紤]到光譜信息采集過(guò)程中受到測(cè)試環(huán)境和樣品背景的影響，建模過(guò)程分別將茶油的R、SG和FD光譜數(shù)據(jù)作為建模數(shù)據(jù)，選擇留一法[16]作為交叉驗(yàn)證方法。

PLSR模型預(yù)測(cè)精度主要選取校正集相關(guān)系數(shù)(RC)、預(yù)測(cè)集相關(guān)系數(shù)(RP)、校正集均方根誤差(RMSEC)以及預(yù)測(cè)集均方根誤差(RMSEP)4個(gè)參數(shù)進(jìn)行評(píng)價(jià)，其中RC和RP越大、RMSEC和RMSEP越小，表明模型性能越優(yōu)，其預(yù)測(cè)能力越強(qiáng)。

2 結(jié)果與分析

2.1 茶油樣本的脂肪酸含量

氣相色譜檢測(cè)結(jié)果表明，茶油樣本中分離得到的脂肪酸甲酯共有23種，包含食用植物油中常見(jiàn)的脂肪酸，有3個(gè)脂肪酸甲酯保留峰峰形高大，對(duì)照脂肪酸標(biāo)樣圖譜，分別為棕櫚酸甲酯、油酸甲酯和亞油酸甲酯。直接面積歸一化結(jié)果表明，茶油中棕櫚酸、油酸和亞油酸含量較高，為脂肪酸的主要組成成分(表1)。

表1 茶油脂肪酸的組成及含量Table 1 Camellia oil fatty acid composition and content %

2.2 茶油樣本的的近紅外光譜特征

為了方便分析茶油樣本的近紅外光譜特征，從156個(gè)茶油樣本光譜中提取脂肪酸含量最大值和最小值所對(duì)應(yīng)的2條SG平滑光譜曲線(圖1)。這2條曲線有以下特征：光譜曲線變化趨勢(shì)基本一致， 呈波動(dòng)性增加；在10 000～6 000 cm–1波段范圍內(nèi)，近紅外光譜吸光度的波動(dòng)趨于平緩，2條光譜曲線差異較大；在6 000～4 000 cm–1波段范圍內(nèi)的近紅外光譜吸光度波動(dòng)較為明顯，2條曲線差別較?。徊栌椭舅岷颗c近紅外光譜吸光度呈正相關(guān)關(guān)系，隨著脂肪酸含量的增加，茶油的近紅外光譜吸光度增加；茶油的近紅外光譜吸收峰的位置分布于8 600～8 200、7 300～6 900、6 000～5 500、4 800～4 500和4 500～4 000 cm–1。

為了更好地突出采集近紅外光譜數(shù)據(jù)輪廓的變化，放大特征信息，對(duì)全波段近紅外光譜進(jìn)行了二階導(dǎo)數(shù)(SD)變換處理，結(jié)果如圖2所示。經(jīng)過(guò)SD變換處理后，茶油樣本原始光譜曲線吸收峰對(duì)應(yīng)的特征吸收帶更加突出，消除了基線漂移和平緩背景干擾，異質(zhì)性因素對(duì)不同脂肪酸含量的茶油近紅外光譜曲線的影響得到了抑制。

圖1 茶油脂肪酸的近紅外光譜SG平滑預(yù)處理曲線Fig.1 SG smoothing near infrared spectroscopy of fatty acid for camellia oils

圖2 茶油脂肪酸的近紅外光譜SD預(yù)處理曲線Fig.2 SD near infrared spectroscopy of fatty acid for camellia oils

2.3 茶油脂肪酸組分含量與近紅外光譜吸光度的相關(guān)性

校正集樣本中棕櫚酸、油酸和亞油酸含量與R、SG和SD光譜吸光度之間的相關(guān)性分析如圖3所示。由圖3可知，3種脂肪酸含量與不同波段范圍內(nèi)近紅外光譜吸光度之間的相關(guān)系數(shù)分布曲線具有明顯差異，采集的光譜數(shù)據(jù)經(jīng)過(guò)不同預(yù)處理變換對(duì)同一種脂肪酸含量的相關(guān)性計(jì)算結(jié)果影響顯著。棕櫚酸與R光譜呈正相關(guān)，油酸和亞油酸與R光譜呈負(fù)相關(guān)，相關(guān)系數(shù)曲線在10 000～6 000 cm–1波段范圍內(nèi)比較平滑，6 000～4 000 cm–1波段范圍內(nèi)波動(dòng)明顯(圖3–a、圖3–d、圖3–g)。R光譜經(jīng)SG平滑處理后，棕櫚酸、油酸和亞油酸含量同SG光譜數(shù)據(jù)間的相關(guān)系數(shù)變化趨勢(shì)與R光譜基本一致，原來(lái)分布在7 400～6 800、4 800～4 700、4 500～4 000 cm–1波段范圍內(nèi)的噪聲被消除，更加突出特征信息的表征(圖3–b、圖3–e、圖3–h)。SG平滑后的光譜數(shù)據(jù)再經(jīng)SD變換，變換后的近紅外光譜數(shù)據(jù)與棕櫚酸、油酸和亞油酸含量之間的相關(guān)系數(shù)在顯著性門限值間波動(dòng)明顯并且起伏較大，與R和SG的相關(guān)系數(shù)相比相關(guān)性極大削弱，將R和SG在近紅外波段范圍突顯的特征信息淹沒(méi)(圖3–c、圖3–f、圖3–i)。

圖 3 光譜吸光度的3種變換形式與茶油脂肪酸含量的相關(guān)系數(shù)Fig.3 Correlation coefficient between fatty acid contents and raw, transformed spectrum absorption for camellia oils

分別對(duì)R、SG和SD光譜吸光度與棕櫚酸、油酸和亞油酸含量的相關(guān)系數(shù)進(jìn)行顯著性水平為0.01的t檢驗(yàn)，檢驗(yàn)結(jié)果通過(guò)圖3的顯著性門限劃分可知，R和SG所對(duì)應(yīng)的顯著性波段基本一致，分布集中且較為連續(xù)，而SD所檢驗(yàn)得出的顯著性波段分布較為離散。選取棕櫚酸、油酸和亞油酸分別作為因變量，以R、SG和SD光譜吸光度作為相關(guān)性分析的自變量，對(duì)應(yīng)篩選獲得的顯著性波段數(shù)量如表2所示。

表2 相關(guān)性分析篩選的顯著性波段數(shù)量Table 2 Numbers of significant wavelengths by correlation analysis

2.4 全波段和顯著性波段的茶油脂肪酸含量的PLSR模型

分別選取全波段(10 000～4 000 cm–1)和R、SG、SD通過(guò)顯著性水平為0.01的t檢驗(yàn)波段作為PLSR建模的自變量，將棕櫚酸、油酸和亞油酸含量作為因變量，采用交叉驗(yàn)證法來(lái)確定回歸模型中最佳因子數(shù)，以校正集樣本構(gòu)建PLSR模型，并利用預(yù)測(cè)集樣本檢驗(yàn)?zāi)Ｐ偷膬?yōu)劣，相應(yīng)的模型預(yù)測(cè)結(jié)果如表3所示。

由表3可知，選取全波段建模，采用R–PLSR、SG–PLSR、SD–PLSR模型預(yù)測(cè)茶油中棕櫚酸、油酸和亞油酸含量RC和RP分布范圍分別為0.853～0.956、0.837～0.948、0.890～0.936和0.847～0.938、0.818～0.930、0.865～0.925，對(duì)應(yīng)的RMSEC和RMSEP分布范圍分別為0.830～0.502、0.624～0.383、0.364～0.260和0.862～0.560、0.677～0.438、0.408～0.287；選取顯著性波段建模，上述3種模型預(yù)測(cè)茶油中棕櫚酸、油酸和亞油酸含量RC和RP分布范圍分別為0.699～0.942、0.656～0.935、0.724～ 0.928和0.687～0.923、0.632～0.919、0.713～0.910，對(duì)應(yīng)的RMSEC和RMSEP分布范圍分別為1.149～0.548、1.211～0.421、0.693～0.279和1.173～ 0.592、1.278～0.474、0.718～0.325。由此可見(jiàn)，采用顯著性波段建立模型的實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)系數(shù)R均略小于全波段建模，且RMSEC和RMSEP均大于全波段建模，說(shuō)明顯著性波段建立模型的預(yù)測(cè)能力比全波段差，但從模型的復(fù)雜程度分析，顯著性波段極大地壓縮了模型輸入變量個(gè)數(shù)，應(yīng)用R–PLSR、SG–PLSR、SD–PLSR模型預(yù)測(cè)棕櫚酸、油酸和亞油酸含量時(shí)，其模型的輸入變量數(shù)壓縮為全波段的1%～25%，節(jié)省了運(yùn)算時(shí)間。

表3 全波段與顯著性波段建立的PLSR模型的評(píng)價(jià)參數(shù)Table 3 Evaluation parameters of the PLSR models built by the full wavelengths and the significant wavelengths

3種變換形式的近紅外光譜數(shù)據(jù)應(yīng)用于全波段進(jìn)行模型預(yù)測(cè)，SG–PLSR模型對(duì)茶油中棕櫚酸、油酸和亞油酸含量的預(yù)測(cè)性能最優(yōu)，相應(yīng)的RP和RMSEP分別為0.938、0.930、0.925和0.560、0.438、0.287，這進(jìn)一步說(shuō)明SG平滑能夠較好消除測(cè)試環(huán)境和樣品背景對(duì)近紅外光譜檢測(cè)的影響，保留光譜特征信息。對(duì)比SD–PLSR模型應(yīng)用于全波段的預(yù)測(cè)結(jié)果，發(fā)現(xiàn)SD–PLSR模型預(yù)測(cè)茶油中脂肪酸含量不理想，對(duì)于上述3種脂肪酸含量預(yù)測(cè)的RP和RMSEP分別為0.847、0.818、0.865和0.862、0.677、0.408，說(shuō)明SD變換淹沒(méi)了光譜中部分有用信息，削弱了近紅外光譜對(duì)脂肪酸的敏感性。

3 結(jié)論

研究結(jié)果表明，茶油近紅外光譜曲線變化趨勢(shì)基本一致，呈波動(dòng)性增加，光譜吸收峰的位置分布于8 600～8 200、7 300～6 900、6 000～5 500、4 800～4 500、4 500～4 000 cm–1，茶油脂肪酸含量與近紅外光譜吸光度呈正相關(guān)關(guān)系。

試驗(yàn)選取的156份茶油樣本，通過(guò)氣相色譜儀分離出棕櫚酸、油酸和亞油酸為茶油中主要的脂肪酸成分，峰面積歸一化測(cè)定的脂肪酸含量分布范圍分別為4.428%～10.931%、78.036%～84.621%、7.013%～9.863%。茶油中的棕櫚酸、油酸和亞油酸含量與R、SG和SD光譜吸光度之間的相關(guān)系數(shù)分布曲線具有明顯差異。棕櫚酸含量與R光譜吸光度呈正相關(guān)，油酸和亞油酸含量與R光譜吸光度呈負(fù)相關(guān)，相關(guān)系數(shù)曲線在10 000～6 000 cm–1波段范圍內(nèi)比較平滑，6 000～4 000 cm–1波段范圍內(nèi)波動(dòng)較明顯。R光譜經(jīng)SG平滑處理后，棕櫚酸、油酸和亞油酸含量同SG光譜數(shù)據(jù)間的相關(guān)系數(shù)變化趨勢(shì)與R光譜基本一致，原來(lái)分布在7 400～6 800、4 800～4 700和4 500～4 000 cm–1波段范圍內(nèi)的噪聲被消除；SD變換后的光譜數(shù)據(jù)與棕櫚酸、油酸和亞油酸含量之間的相關(guān)系數(shù)在顯著性門限值間波動(dòng)明顯并且起伏較大，與R和SG的相關(guān)系數(shù)相比相關(guān)性極大被削弱。

選取全波段光譜對(duì)茶油中脂肪酸含量的整體預(yù)測(cè)精度要略高于顯著性波段，相應(yīng)的RC和RP分布范圍分別為0.837～0.956和0.818～0.938，但從模型的復(fù)雜程度分析，采用顯著性波段建模的輸入變量數(shù)量可壓縮至全波段建模的25%以下，節(jié)省了運(yùn)算時(shí)間。3種變換形式的近紅外光譜數(shù)據(jù)應(yīng)用在全波段進(jìn)行模型預(yù)測(cè)，SG–PLSR模型對(duì)棕櫚酸、油酸和亞油酸含量的綜合預(yù)測(cè)性能最優(yōu)，相應(yīng)的RP和RMSEP分別為0.938、0.930、0.925和0.560、0.438、0.287，能夠較好的預(yù)測(cè)茶油中脂肪酸含量，因此，應(yīng)用近紅外光譜技術(shù)結(jié)合SG–PLSR對(duì)茶油的脂肪酸含量進(jìn)行定量預(yù)測(cè)具有可行性，可為快速無(wú)損檢測(cè)茶油的脂肪酸含量提供參考依據(jù)。

[1] 高宏，徐慧，賈濤，等．氣相色譜法測(cè)定氫化油脂加工食品中反式脂肪酸含量[J]．食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2015，6(1)：321–327．

[2] 趙玉生，陳翔，王瑛瑤，等．超高效液相色譜法測(cè)定油脂中脂肪酸的組成與分布[J]．中國(guó)油脂，2009，34(5)：64–68．

[3] 林春花，嚴(yán)楠，許招會(huì)，等．超高效合相色譜–質(zhì)譜法快速檢測(cè)植物油脂中5種脂肪酸含量[J]．分析測(cè)試學(xué)報(bào)，2014，33(11)：1322–1326．

[4] 林濤，于海燕，應(yīng)義斌．可見(jiàn)/近紅外光譜技術(shù)在液態(tài)食品檢測(cè)中的應(yīng)用研究進(jìn)展[J]．光譜學(xué)與光譜分析，2008，28(2)：285–290．

[5] Pazdernik P D，Killam A S，Orf J H．Analysis of amino and fatty acid composition in soybean seed，using near-infrared reflectance spectroscopy[J]．Agron，1997，89：679–685．

[6] Velasco L，Mollers C．Nondestructive assessment of protein content in single seed rapeseed(Brassica napus L.) by near-infrared reflectance spectroscopy[J]．Euphytica，2002，123(1)：89–93．

[7] Li G, Kang J, Yao X, et al. The component of green tea, L–theanine protects human hepatic L02 cells from hydrogen peroxide–induced apoptosis [J]. European Food Research & Technology, 2011, 233： 427–435. DOI：10. 1007/s00217–011–1534–5.

[8] 文韜，洪添勝，李立君，等．基于高光譜技術(shù)的霉變稻谷脂肪酸含量無(wú)損檢測(cè)[J]．農(nóng)業(yè)工程學(xué)報(bào)，2015，31(18)：233–239．

[9] Lars P H，Dorthe K，Helle R．Determination of SFC，F(xiàn)FA，and equivalent reaction time for enzymatically interestified oils using NIRS[J]．Talanta，2007，71：868–873．

[10] 莊小麗，相玉紅，強(qiáng)洪，等．近紅外光譜和化學(xué)計(jì)量學(xué)方法用于橄欖油品質(zhì)分析與摻雜量檢測(cè)[J]．光譜學(xué)與光譜分析，2010，30(4)：933–936．

[11] 梁丹．應(yīng)用近紅外光譜分析技術(shù)定量檢測(cè)植物油脂肪酸含量的研究[J]．安徽農(nóng)業(yè)科學(xué)，2012，30(40)：14933–14936．

[12] 張輝，吳迪，李想，等．近紅外光譜快速檢測(cè)食用油必需脂肪酸[J]．農(nóng)業(yè)工程學(xué)報(bào)，2012，28(7)：266–270．

[13] GB/T 17376—2008 動(dòng)植物油脂脂肪酸甲酯制備[S]．

[14] 潘國(guó)鋒．基于K–S算法的水質(zhì)硝酸鹽含量光譜檢測(cè)方法研究[J]．光譜實(shí)驗(yàn)室，2011，28(5)：2700–2704．

[15] 于雷，洪永勝，耿雷，等．基于偏最小二乘回歸的土壤有機(jī)質(zhì)含量高光譜估算[J]．農(nóng)業(yè)工程學(xué)報(bào)，2015，31(14)：103–109．

[16] 王昶，黃馳超，余光輝，等．近紅外光譜結(jié)合偏最小二乘法快速評(píng)估土壤質(zhì)量[J]．土壤學(xué)報(bào)，2013，50(5)：881–890．

責(zé)任編輯：羅慧敏

英文編輯：吳志立

Rapid determination of fatty acid content in camellia oil based on near infrared spectroscopy technology

Wen Taoa, Zheng Lizhanga, Gong Zhonglianga*, Li Lijuna, Xie Jiefeia, Ma Qiangb
(a. College of Mechanical and Electrical Engineering; b.College of Sciences, Central South University of Forestry and Technology, Changsha 410004, China)

To determine fatty acid content in camellia oil non-destructively and precisely, the method was proposed to determinfatty acid content in camellia oil by near infrared spectroscopy technology. 156 kinds of commercial camellia oil were used as the samples camellia oil fatty acid composition and content was got by using the gas chromatograph, and the near infrared spectrum information collected by using the spectrometer. The correlation between the original spectrum, SG smooth spectral, two derivative transform spectrum and the fatty acid content in camellia oil was respectively analyzed. The optimizing quantitative model was obtained to determine the fatty acid content in camellia oil through the comparison between the full wavelengths and the significant wavelengths using partial least squares regression methods. . The results indicated that main fatty acids of camellia oil were palmitic acid, oleic acid and linoleic acid, which ranged from 4.428% to 10.931%, from 78.036% to 84.621%, from 7.013% to 9.863%, respectively. The spectrum scanning test for camellia oil samples showed that the characteristic variation of spectrum among camellia oil samples was located in 8 600–8 200, 7 300–6 900, 6 000–5 500, 4 800–4 500 and 4 500–4 000 cm–1, respectively. A positive correlation betweenthe content of palmitic acid in camellia oil and the absorbance of R, SG spectrum was observed, and there was a negative correlation between the content of oleic acid and linoleic acid in camellia oil and the absorbance of R, SG spectrum. However, there was a relatively weak correlation between the content of palmitic acid, oleic acid and linoleic acid in camellia oil and the absorbance of SD spectrum compared with R, SG spectrum. The accuracy of PLSR model for the content of palmitic acid, oleic acid and linoleic acid in camellia oil built by the full wavelengths was slightly higher than by the significant wavelengths, whose related RCfrom 0.837 to 0.956 and RPfrom 0.818 to 0.938, respectively. For the complexity of two models, input variables to the models built by the significant wavelengths were decreased to below 25% compared to that by the full wavelengths. The performance of SG–PLSR model by the full wavelengths was best to test the content of palmitic acid, oleic acid and linoleic acid in camellia oil, whose related RPand RMSEP were 0.938, 0.930, 0.925 and 0.560, 0.438, 0.287, respectively.

camellia oil; palmitic acid; oleic acid; linoleic acid; near infrared spectroscopy; partial least squares regression; determination

O433.1

A

1007-1032(2016)06-0676-06

2016–04–04

2016–09–10

國(guó)家自然科學(xué)基金項(xiàng)目(31401281)；湖南省自然科學(xué)基金項(xiàng)目(14JJ3115)；湖南省高校科技創(chuàng)新團(tuán)隊(duì)支持計(jì)劃(2014207)；湖南省科技計(jì)劃重點(diǎn)研發(fā)項(xiàng)目(2016NK2151)

文韜(1983—)，男，湖南長(zhǎng)沙人，博士，副教授，主要從事農(nóng)業(yè)工程、機(jī)電一體化和信息技術(shù)應(yīng)用研究，wt207@sina.com；*通信作者，龔中良，博士，教授，主要從事機(jī)電一體化技術(shù)及應(yīng)用研究，gzlaa@163.com