基于近紅外光譜法快速檢測(cè)藜麥纖維含量

曹曉寧，田 翔，王君杰，劉思辰，穆志新，陸 平，陶 梅，喬治軍*

(1.山西省農(nóng)業(yè)科學(xué)院農(nóng)作物品種資源研究所，山西太原 030031；2.農(nóng)業(yè)部黃土高原作物基因資源與種質(zhì)創(chuàng)制重點(diǎn)實(shí)驗(yàn)室，山西太原 030031；3.雜糧種質(zhì)資源發(fā)掘與遺傳改良山西省重點(diǎn)實(shí)驗(yàn)室，山西太原 030031；4.中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所，北京 100081)

?

基于近紅外光譜法快速檢測(cè)藜麥纖維含量

曹曉寧1，2，3，田 翔1，2，3，王君杰1，2，3，劉思辰1，2，3，穆志新1，2，3，陸 平4，陶 梅4，喬治軍1，2，3*

(1.山西省農(nóng)業(yè)科學(xué)院農(nóng)作物品種資源研究所，山西太原 030031；2.農(nóng)業(yè)部黃土高原作物基因資源與種質(zhì)創(chuàng)制重點(diǎn)實(shí)驗(yàn)室，山西太原 030031；3.雜糧種質(zhì)資源發(fā)掘與遺傳改良山西省重點(diǎn)實(shí)驗(yàn)室，山西太原 030031；4.中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所，北京 100081)

摘要[目的]探索一種快速測(cè)定完整藜麥籽粒纖維含量的方法。[方法]采集100個(gè)藜麥樣品的近紅外光譜，運(yùn)用近紅外光譜分析技術(shù)建立數(shù)學(xué)模型并進(jìn)行預(yù)測(cè)。[結(jié)果]在10 000～4 000 cm-1波長(zhǎng)范圍內(nèi)，運(yùn)用一階導(dǎo)數(shù)+矢量歸一化光譜方法進(jìn)行預(yù)處理，結(jié)合化學(xué)方法所得數(shù)據(jù)建立藜麥粗纖維近紅外定量模型，校正和預(yù)測(cè)效果最佳，所得的粗纖維近紅外定量模型的交叉驗(yàn)證決定系數(shù)為0.884 8，外部驗(yàn)證決定系數(shù)為0.876 1。[結(jié)論]以完整藜麥籽粒為樣品所建立的纖維NITS模型可用于藜麥纖維含量的快速檢測(cè)。

關(guān)鍵詞藜麥；纖維；近紅外光譜技術(shù)

AbstractChenopodiumquinoaWilld.; Fiber; Near infrared spectroscopy

藜麥(ChenopodiumquinoaWilld.)又名昆諾阿藜、南美藜等，是一種原產(chǎn)于南美洲安第斯山地區(qū)的1年生藜科草本植物，已有5 000多年的種植歷史[1-2]。藜麥含有豐富的蛋白質(zhì)、脂肪、淀粉、纖維素等，具有很高的營(yíng)養(yǎng)價(jià)值，被古印加人稱為“糧食之母”[3]。Ruales等[4]研究認(rèn)為藜麥總膳食纖維含量為13.4%，其中2.4%為可溶性纖維，而11.0%為難溶性纖維。這2種纖維素對(duì)調(diào)節(jié)血糖水平、降低膽固醇含量和保護(hù)心臟都有非常重要的作用。同時(shí)，由于煮熟的藜麥籽粒體積增大3～4倍，而且藜麥富含的膳食纖維吸水能力強(qiáng)，攝食后具有飽腹感，有助于減肥[5]。目前，纖維含量的研究已引起了廣泛的關(guān)注，測(cè)量纖維含量有很多成熟的方法。Lee等[6]利用膳食纖維酶重量分析方法測(cè)定纖維含量；Lisa等[7]運(yùn)用氣相色譜法來測(cè)定纖維的含量。這些測(cè)定纖維含量的方法存在步驟繁瑣、測(cè)定速度慢、成本高、籽粒破損等問題。因此，亟需一種快速、準(zhǔn)確、適宜于大批量藜麥纖維檢測(cè)的方法。

近紅外光譜技術(shù)是一種在線快速無損檢測(cè)物質(zhì)含量和鑒別物質(zhì)的現(xiàn)代光譜分析技術(shù)，具有高效、無污染等獨(dú)特的分析優(yōu)點(diǎn)[8]。在近紅外光譜區(qū)內(nèi)(780～2 500 nm)，利用有機(jī)化學(xué)物質(zhì)的光學(xué)特性快速估測(cè)樣品中的1項(xiàng)或多項(xiàng)化學(xué)成分含量，在國(guó)內(nèi)外已成為分析農(nóng)作物品質(zhì)的重要手段，且取得了一定的成績(jī)[9-11]。利用近紅外反射光譜進(jìn)行藜麥完整子粒的纖維測(cè)量，可以克服化學(xué)方法對(duì)藜麥籽粒破壞、周期長(zhǎng)的缺點(diǎn)，對(duì)藜麥資源的快速檢測(cè)及品質(zhì)育種工作有重要的實(shí)踐意義。筆者采用化學(xué)測(cè)定方法測(cè)定了100份藜麥水分和纖維的含量，然后將其分為定標(biāo)集和驗(yàn)證集，建立了纖維近紅外光譜快速檢測(cè)預(yù)處理模型，旨在為藜麥品質(zhì)的快速檢測(cè)、優(yōu)異藜麥種質(zhì)資源的快速檢測(cè)與利用、藜麥育種奠定了基礎(chǔ)。

1材料與方法

1.1材料

1.1.1試驗(yàn)材料。供試的100 份藜麥品種(系)由中國(guó)農(nóng)業(yè)科學(xué)院作物科學(xué)研究所以及山西省農(nóng)業(yè)科學(xué)院農(nóng)作物品種資源研究所提供。

1.1.2試劑。供試試劑為濃硫酸、氫氧化鈉、鹽酸及正辛醇，均為分析純。

1.1.3儀器。BSA124S分析天平為Sartorius公司產(chǎn)品；Cyclotec1093旋風(fēng)磨為丹麥Foss公司產(chǎn)品；電熱恒溫鼓風(fēng)干燥箱為寧波東南儀器有限公司產(chǎn)品；MPA傅里葉變換近紅外光譜儀為德國(guó)Bruke公司產(chǎn)品；FD1530MCN馬弗爐為飛世爾實(shí)驗(yàn)器材(上海)有限公司產(chǎn)品；纖維素儀為丹麥Foss公司產(chǎn)品。

1.2方法

1.2.1藜麥水分和纖維測(cè)定方法。

1.2.1.1水分測(cè)定。采用GB5497-85定溫定時(shí)烘干法，用已烘至恒重的鋁盒分別稱取藜麥粉末3 g(準(zhǔn)確至0.000 1 g)左右，攤平，重復(fù)3次，將烘箱溫度調(diào)到130 ℃， 烘40 min后取出放干燥器內(nèi)冷卻至恒重，計(jì)算藜麥中水分含量。

1.2.1.2粗纖維測(cè)定。參考GB6193-85，重復(fù)稱取同一樣品2份，每份1 g(準(zhǔn)確至0.001 0 g)。利用纖維素儀測(cè)定粗纖維百分含量。

1.2.2近紅外光譜采集。為了獲得最佳模型建立及預(yù)測(cè)效果，將收集的藜麥樣品于室溫下放置7 d左右，平衡水分，同時(shí)去除每一樣品中的雜質(zhì)及外形明顯不同的籽粒(一類脫殼，另一類脫殼后磨粉過60目篩)。將近紅外光譜儀器預(yù)熱30 min，進(jìn)行性能測(cè)試和白板參比后開始測(cè)定樣品。工作譜區(qū)選用12 000～4 000 cm-1，每份樣品均掃描2次，對(duì)光譜用Bruker公司OPUS 5.5 近紅外處理軟件得到平均光譜，然后在 OPUS 建模軟件上計(jì)算分析試驗(yàn)數(shù)據(jù)。

1.2.3近紅外數(shù)學(xué)模型的建立。采用Bruker公司OPUS/QUAN T5.5光譜定量分析軟件和DPS 軟件，進(jìn)行光譜數(shù)據(jù)預(yù)處理、剔除異常樣品以及回歸統(tǒng)計(jì)分析。根據(jù)徐廣通等[12]對(duì)建模數(shù)據(jù)的要求，將100個(gè)藜麥樣品數(shù)據(jù)進(jìn)行分組，其中80%用于建立近紅外模型，為校正集；20%用于檢驗(yàn)所建模型的精度，為驗(yàn)證集。為尋找各模型的最優(yōu)建模方法，選用不同的建模方法建立藜麥主要成分定量模型，先用校正樣品集進(jìn)行內(nèi)部驗(yàn)證，最后通過隨機(jī)選取的建模之外樣品對(duì)模型進(jìn)行外部檢驗(yàn)，考察模型的適應(yīng)性和精度，即根據(jù)校正決定系數(shù)(R2cal)，校正標(biāo)準(zhǔn)誤(RMSEE)、交叉驗(yàn)證決定系數(shù)(R2cv)、交叉驗(yàn)證標(biāo)準(zhǔn)誤(RMSECV)、外部驗(yàn)證決定系數(shù)(R2val)、預(yù)測(cè)標(biāo)準(zhǔn)誤(RMSEP)等指標(biāo)確定最優(yōu)模型。

2 結(jié)果與分析

2.1藜麥原始光譜與化學(xué)值100個(gè)藜麥樣品的原始光譜圖譜(圖1)顯示，藜麥在光譜波段范圍10 000～4 000 cm-1內(nèi)存在多個(gè)吸收峰，其變化趨勢(shì)一致但是不重合。由表1可知，粗纖維含量為2.43%～5.42%，平均值為3.13%。

圖1　藜麥樣品近紅外光譜Fig.1　Near infrared spectroscopy of quinoa samples

2.2藜麥纖維模型的建立結(jié)果表明，采用一階導(dǎo)數(shù)+矢量歸一化光譜預(yù)處理，建立水分和纖維含量的校正模型，校正效果最佳。水分含量其交叉驗(yàn)證決定系數(shù)為90.37，交叉驗(yàn)證標(biāo)準(zhǔn)誤為0.142(圖2)。纖維含量其交叉驗(yàn)證決定系數(shù)為88.48，交叉驗(yàn)證標(biāo)準(zhǔn)誤為0.154(圖3)。

2.3藜麥纖維模型外部檢驗(yàn)采用未參加模型建立的完全獨(dú)立的、化學(xué)成分已知的驗(yàn)證集樣品對(duì)所建模型的質(zhì)量或?qū)嶋H預(yù)測(cè)效果進(jìn)行評(píng)價(jià)。水分含量模型的外部驗(yàn)證決定系數(shù)為 0.885 6，預(yù)測(cè)標(biāo)準(zhǔn)誤為0.232，模型的預(yù)測(cè)值與真實(shí)值之間不存在顯著性差異。纖維含量模型的外部驗(yàn)證決定系數(shù)為0.876 1，預(yù)測(cè)標(biāo)準(zhǔn)誤為0.187，模型的預(yù)測(cè)值與真實(shí)值之間不存在顯著性差異。2種方法測(cè)試蛋白含量的結(jié)果均無顯著差異，說明近紅外品質(zhì)分析儀測(cè)定結(jié)果是準(zhǔn)確可靠的。

表1校正集和驗(yàn)證集樣品中纖維含量分布

Table 1Distribution of fiber content in calibration set and validation set samples

類別Type統(tǒng)計(jì)參數(shù)Statisticalparameter蛋白含量Proteincontent∥%校正集Calibrationset平均值3.13最小值2.43最大值5.42驗(yàn)證集Validationset平均值2.96最小值2.48最大值5.23

圖2　藜麥水分含量交叉檢驗(yàn)?zāi)Ｐ虵ig.2　Cross check model of quinoa miosture content

圖3　藜麥纖維交叉檢驗(yàn)?zāi)Ｐ虵ig.3　Cross check model of quinoa fiber

3討論

試驗(yàn)中纖維含量測(cè)定常用的方法是用纖維儀，試驗(yàn)周期較長(zhǎng)，操作繁瑣，該研究發(fā)現(xiàn)近紅外測(cè)定結(jié)果與藜麥材料化學(xué)測(cè)試值比較無顯著差異，所以結(jié)果是可靠的；近紅外分析方法作為一種新的分析檢測(cè)方法，具有分析速度快、多組分同時(shí)測(cè)定、樣品不需預(yù)處理、非破壞性分析、低成本和操作簡(jiǎn)單等優(yōu)點(diǎn)，受到越來越多育種工作者的青睞。該研究選用100個(gè)普通藜麥樣品，通過NIRS分析技術(shù)初步建立的藜麥完整籽粒水分含量和纖維含量預(yù)測(cè)模型，決定系數(shù)較高、誤差小，在藜麥品質(zhì)育種中的早代材料篩選上是可行的，為藜麥資源的鑒定利用和品質(zhì)育種提供了一種新的有效的技術(shù)手段，能大大提高資源利用和育種效率，能夠滿足大批量品種的快速、無損檢測(cè)要求，為藜麥品質(zhì)育種提供了一種新的有效的技術(shù)手段，具有潛在的應(yīng)用價(jià)值。

由于藜麥屬于國(guó)外引種資源，目前的育種、栽培等研究工作剛剛起步。該研究所用材料具有一定的代表性，但資源樣品中纖維含量的變化范圍不夠?qū)挿?，同時(shí)在模型建立過程中，通過對(duì)部分資源纖維含量的異常值進(jìn)行剔除，在資源數(shù)量本就不夠充足的情況下影響快速檢測(cè)模型的準(zhǔn)確性，因此，在后續(xù)工作中通過增加藜麥資源數(shù)量，擴(kuò)大藜麥纖維含量檢測(cè)模型覆蓋的范圍，并對(duì)快速檢測(cè)模型作進(jìn)一步優(yōu)化，提高其準(zhǔn)確性和利用效率。

參考文獻(xiàn)

[1] JACOBSEN S E.The worldwide potential for quinoa(ChenopodiumquinoaWilld.)[J].Food reviews international，2003，19：167-177.

[2] 王晨靜，習(xí)武，陸國(guó)權(quán)，等.藜麥特性及開發(fā)利用研究進(jìn)展[J].浙江農(nóng)林大學(xué)學(xué)報(bào)，2014，31(2)：296-301.

[3] 王黎明，馬寧，李頌，等.藜麥的營(yíng)養(yǎng)價(jià)值及其應(yīng)用前景[J].食品工業(yè)科技，2014，35(1)：381-385.

[4] RUALES J，NAIR B M.Effect of processing on in vitro digestibility of protein and starch in quinoa seeds[J].International journal of food science & technology，1994，29：449-456.

[5] ALAN B.Quinoa，an ancient crop to contribute to world food security[R].37th FAO Conference，2011.

[6] LEE S，PROSKY L，DE VRIES J.Determination of total，soluble and insoluble dietary fiber in foods-enzymatic-gravimetric method，mes-tris buffer collaborative study[J].Journal of AOAC international，1992，75：395-416.

[7] LAMOTHE L M，SRICHUWONG S，REUHS B L，et al.Quinoa(ChenopodiumquinoaW.)and amaranth(AmaranthuscaudatusL.)provide dietary fibres high in pectic substances and xyloglucans[J].Food chemistry，2015，167：490-496.

[8] 嚴(yán)衍祿，趙龍蓮，李軍會(huì)，等.現(xiàn)代近紅外光譜分析的信息處理技術(shù)[J].光譜學(xué)與光譜分析，2000，20(6)：777-780.

[9] 嚴(yán)衍祿，趙龍蓮，韓東海，等.近紅外光譜分析基礎(chǔ)與應(yīng)用[M].北京：中國(guó)輕工業(yè)出版社，2005.

[10] 嚴(yán)衍祿，陳斌，朱大洲，等.近紅外光譜分析的原理技術(shù)與應(yīng)用[M].北京：中國(guó)輕工業(yè)出版社，2013.

[11] DELWICHE S R，HRUSCHKA W R.Protein content of bulk wheat from near-infrared reflectance of individual kernels[J].Cereal chemistry，2000，77：86-89.

[12] 徐廣通，袁洪福，陸婉珍.近紅外光譜儀器概況與進(jìn)展[J].現(xiàn)代科學(xué)儀器，1997(3)：9-11.

基金項(xiàng)目山西省農(nóng)作物種質(zhì)資源收集與整理(2016zzcx-17)；農(nóng)業(yè)部作物種質(zhì)資源保護(hù)與利用專項(xiàng)(2015NWB030-07)；科技部、財(cái)政部國(guó)家科技基礎(chǔ)條件平臺(tái)課題(NICGR2015-026)。

作者簡(jiǎn)介曹曉寧(1985- )，男，山西臨猗人，助理研究員，博士，從事作物資源利用及抗逆生理研究。*通訊作者，研究員，從事資源利用及栽培技術(shù)研究。

收稿日期2016-04-03

中圖分類號(hào)O657.33

文獻(xiàn)標(biāo)識(shí)碼A

文章編號(hào)0517-6611(2016)15-017-03

Rapid Detection on Quinoa Fiber Based on the Near Infrared Spectroscopy

CAO Xiao-ning1,2,3, TIAN Xiang1,2,3,WANG Jun-jie1,2,3, QIAO Zhi-jun1,2,3*et al

(1. Institute of Crop Germplasm Resources, Shanxi Academy of Agricultural Sciences, Taiyuan, Shanxi 030031; 2. Key Laboratory of Crop Gene Resources and Genetic Improvement of Germplasm Enhancement on Loess Plateau, Ministry of Agriculture, Taiyuan, Shanxi 030031; 3. Shanxi Key Laboratory of Genetic Resources and Genetic Improvement of Minor Crops, Taiyuan, Shanxi 030031)

Abstract[Objective] To explore a rapid determination method for fiber content in grains of quinoa. [Method] Near infrared spectra of 100 quinoa samples were collected. The predicted models for quantitative analysis of fiber contents in the grains was built using near infrared transmittance spectroscopy (NITS). [Result] In the wavelength range of 10 000 - 4 000 cm-1, we set up near infrared quantitative model of quinoa crude fiber via first derivative + vector normalization preprocessing and combining with the data from chemical methods. Meanwhile, calibration and prediction effect were the best, and then the cross validation decision coefficient (R2cv) and external validation decision coefficient (R2val) of fiber by near infrared quantitative model were 0.884 8 and 0.876 1, respectively. [Conclusion] The model of NITS about complete grains quinoa fiber can be available for fast detecting quinoa fiber content.