利用近紅外反射光譜技術(shù)預(yù)測(cè)花生籽仁出油率

韓宏偉，王志偉，張則林，劉曉光，李洪燕，宋國(guó)生，王傳堂，5

（1.山東省花生研究所，山東 青島 266100；2.沈陽(yáng)農(nóng)業(yè)大學(xué)，遼寧 沈陽(yáng) 110866；3.灤州市油榨鎮(zhèn)人民政府，河北 灤州 063702；4.唐山市農(nóng)業(yè)科學(xué)院，河北 唐山 063001；5.山東魯花集團(tuán)，山東 萊陽(yáng) 265200）

花生是我國(guó)主要的油、食兼用作物和經(jīng)濟(jì)作物，年總產(chǎn)已躍居世界首位［1］。目前我國(guó)約有50%的花生用于榨油，在保障我國(guó)食用油脂安全供應(yīng)方面發(fā)揮著舉足輕重的作用［1-3］。提高花生出油率可為榨油企業(yè)帶來可觀的經(jīng)濟(jì)效益［2，3］，而食用花生則要求具有較低的油分，從而減少能量攝入。因此，快速測(cè)定花生油脂含量和出油率對(duì)于花生不同用途品種選育及榨油企業(yè)原料質(zhì)控都非常有必要。但目前花生出油率的測(cè)定多是建立在傳統(tǒng)的物理壓榨或浸提法制取花生油的基礎(chǔ)上，不僅費(fèi)時(shí)費(fèi)力，且難以做到無損測(cè)定。

近紅外光譜分析技術(shù)是一種兼具快速、高效、低成本、無破壞性等優(yōu)點(diǎn)的物理檢測(cè)技術(shù)［4］。已有研究者建立了花生仁含油量的近紅外預(yù)測(cè)模型［5-8］。但相比于含油量，出油率對(duì)榨油企業(yè)來說更具實(shí)用價(jià)值。如能無損測(cè)定花生籽仁出油率，將會(huì)提高生產(chǎn)效率，節(jié)省勞力和資金。但迄今尚未見利用近紅外光譜估測(cè)花生籽仁出油率的報(bào)道。

本研究選取48份不同來源的花生籽仁為試驗(yàn)材料，采集其近紅外光譜，并用壓榨法測(cè)定其出油率，建立花生籽仁出油率近紅外預(yù)測(cè)模型，旨在為花生品種選育和企業(yè)原料采購(gòu)提供簡(jiǎn)便易行的鑒定手段。

1 材料與方法

1.1 試驗(yàn)材料

供試48份花生材料如表1所示，樣品均為2020年收獲并自然干燥的籽仁。

表1 供試花生材料

1.2 試驗(yàn)方法

1.2.1 花生籽仁近紅外光譜采集 使用MPA型傅里葉變換紅外光譜儀（德國(guó)布魯克光學(xué)有限公司）采集花生籽仁光譜。掃描譜區(qū)范圍為4 000～12 000 cm-1，掃描次數(shù)64次，分辨率為8 cm-1。開機(jī)預(yù)熱2 h后檢測(cè)花生樣品，每份材料約30～50粒，重復(fù)掃描3次，且每次掃描前都將樣品反復(fù)翻轉(zhuǎn)混勻，以得到同一樣品的多個(gè)近紅外光譜。

1.2.2 壓榨法測(cè)定花生籽仁出油率 每份花生材料準(zhǔn)確稱取230 g樣品，利用奧斯達(dá)不銹鋼家用榨油機(jī)（AOSIDA Oil Press）進(jìn)行物理壓榨，稱量所得花生油和油渣的質(zhì)量。按下式計(jì)算出油率：出油率（%）=花生油質(zhì)量/（花生油質(zhì)量+油渣質(zhì)量）×100。

1.2.3 花生籽仁近紅外模型構(gòu)建與優(yōu)化 模型構(gòu)建與光譜處理均采用傅里葉變換紅外光譜儀自帶的OPUS 7.5軟件。采用偏最小二乘法（PLS法），并反復(fù)利用內(nèi)部交叉驗(yàn)證剔除奇異點(diǎn)（outlier）；建立多種光譜預(yù)處理模型，根據(jù)模型決定系數(shù)（R2）最大而交叉驗(yàn)證根均方差（RMSECV）最小的原則衡量模型質(zhì)量，篩選出最佳的光譜預(yù)處理方法。

1.2.4 所建模型外部驗(yàn)證 隨機(jī)挑選6份外部待檢樣品，對(duì)其預(yù)測(cè)值和化學(xué)值進(jìn)行配對(duì)t測(cè)驗(yàn)，判斷模型可靠性。

2 結(jié)果與分析

2.1 近紅外光譜采集

使用傅里葉變換紅外光譜儀采集到花生籽仁樣品的近紅外光譜，結(jié)果見圖1?？梢姼鞑牧辖t外光譜圖變化趨勢(shì)一致，與花生油近紅外光譜特征相吻合，符合預(yù)期，可用于建模。

圖1 花生籽仁近紅外光譜圖

2.2 壓榨法花生籽仁出油率測(cè)定結(jié)果

壓榨法測(cè)定的供試花生籽仁出油率分布如圖2?；ㄉ讶食鲇吐试?0.95%～52.17%之間，變幅較大，均值為46.73%，標(biāo)準(zhǔn)差為2.653%，符合建模要求。

圖2 壓榨法花生籽仁出油率測(cè)定值分布直方圖

2.3 花生籽仁出油率近紅外模型構(gòu)建與優(yōu)化

建立近紅外模型常用的光譜預(yù)處理方法包括無光譜預(yù)處理、消除常數(shù)偏移量、減去一條直線、矢量歸一化、最大-最小歸一化、多元散射校正（MSC）、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、一階導(dǎo)數(shù)+減去一條直線、一階導(dǎo)數(shù)+矢量歸一化、一階導(dǎo)數(shù)+MSC等多種方法，將所得不同樣品花生籽仁光譜數(shù)據(jù)經(jīng)不同方法預(yù)處理后，采用PLS法建立模型，其維數(shù)、R2和RMSECV值如表2所示?？梢?，花生籽仁出油率的最佳光譜預(yù)處理方法為“矢量歸一化”法，光譜范圍為7 498.2～8 454.8、4 242.8～4 605.4 cm-1，維數(shù)為9，模型決定系數(shù)R2為81.77，根均方差RMSECV為1.04。利用該方法進(jìn)行光譜預(yù)處理后得到的花生籽仁出油率近紅外預(yù)測(cè)值與壓榨法測(cè)定值的散點(diǎn)圖如圖3所示?？梢园l(fā)現(xiàn)，檢驗(yàn)樣品比較集中地分布在中心線周圍，說明模型預(yù)測(cè)值與壓榨法測(cè)定值的吻合度較高，模型的預(yù)測(cè)性能較好。

圖3 花生籽仁出油率近紅外預(yù)測(cè)值與壓榨法測(cè)定值的散點(diǎn)圖

表2 不同光譜預(yù)處理方法的維數(shù)、R2、RMSECV值

2.4 模型預(yù)測(cè)效果檢驗(yàn)

另取6份花生樣品，檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)效果。如表3所示，花生籽仁出油率預(yù)測(cè)值與壓榨法測(cè)定值偏差絕對(duì)值為0.16～0.97個(gè)百分點(diǎn)，在可接受范圍內(nèi)。預(yù)測(cè)值與壓榨法測(cè)定值成對(duì)數(shù)據(jù)t檢驗(yàn)結(jié)果表明，自由度為5，t檢驗(yàn)值為0.837＜t0.05=2.571，兩組數(shù)據(jù)差異不顯著。

表3 花生籽仁出油率預(yù)測(cè)值與壓榨法測(cè)定值對(duì)比 （%）

3 討論與結(jié)論

目前我國(guó)食用植物油自給率僅有30%，油料產(chǎn)業(yè)風(fēng)險(xiǎn)應(yīng)對(duì)能力亟待增強(qiáng)［9］?；ㄉ俏覈?guó)產(chǎn)油效率最高的油料作物，其單位面積產(chǎn)油量是油菜的2倍、大豆的4倍［1］，花生產(chǎn)業(yè)大有可為。據(jù)測(cè)算，花生榨油原料油分含量每提高一個(gè)百分點(diǎn)，油脂加工純利潤(rùn)可提高7%［10］，因此，高油已成為我國(guó)花生品質(zhì)育種的重要目標(biāo)之一。但實(shí)際生產(chǎn)中，花生出油率低于含油量，物理壓榨出油率低于化學(xué)浸提出油率［11］。雖前人已建立了花生含油量近紅外模型，但并不能代替出油率近紅外模型。因此，本研究在利用壓榨法獲得花生籽仁實(shí)際出油率的基礎(chǔ)上，建立了其近紅外預(yù)測(cè)模型。

本研究所采用的建模材料來源多樣，包含不同種子大小、形狀、種皮顏色的花生品種以及普通含油量、高油品種等各種類型，有一定代表性，出油率變幅較寬，符合建模要求。構(gòu)建的花生出油率近紅外模型R2為81.77，RMSECV為1.04，質(zhì)量較好。該模型的成功構(gòu)建，不僅便于榨油企業(yè)收購(gòu)原料實(shí)現(xiàn)優(yōu)質(zhì)優(yōu)價(jià)，而且可為育種者篩選高出油率突變體以及通過雜交手段累積高油加性基因從而培育出更高出油率的品種提供便利［12，13］，同時(shí)對(duì)研究花生高油性狀在不同環(huán)境中的穩(wěn)定性［14］、選擇適宜的油用品種和產(chǎn)地、建立健全花生高油農(nóng)藝措施［15-17］等均具有重要意義，有利于促進(jìn)花生高油品種選育和產(chǎn)業(yè)化進(jìn)程。