近紅外光譜技術(shù)測(cè)定油料種子脂肪酸的研究進(jìn)展

崔虎亮 張亞楠 賀 霞 袁星雨

（1 山西農(nóng)業(yè)大學(xué)園藝學(xué)院/山西省功能農(nóng)業(yè)提質(zhì)增效協(xié)同創(chuàng)新中心，太谷 030801；2 中國(guó)科學(xué)院植物研究所/北方資源植物重點(diǎn)實(shí)驗(yàn)室，北京 100093）

我國(guó)是食用油大國(guó)，食用油消費(fèi)逐年增長(zhǎng)，而油料消費(fèi)增速遠(yuǎn)遠(yuǎn)高于供給增速，自2008 年以來(lái)我國(guó)植物油自給率逐年下降[1]，油料已成為我國(guó)對(duì)國(guó)際市場(chǎng)依存度最高的大宗農(nóng)產(chǎn)品。與此同時(shí)，隨著人們生活水平的不斷提高，消費(fèi)者對(duì)食用油品質(zhì)的追求也不斷提高。因此，提升油料生產(chǎn)效益，加快培育新優(yōu)種質(zhì)，增強(qiáng)油料供應(yīng)自給能力對(duì)于維護(hù)國(guó)家糧油安全具有重要意義[2]。

近紅外光譜技術(shù)（NIRS，near infrared spectroscopy）是20 世紀(jì)80 年代后期迅速發(fā)展起來(lái)的一種物理測(cè)試技術(shù)。它利用有機(jī)化學(xué)物質(zhì)在近紅外光譜區(qū)域的光學(xué)特性，快速估測(cè)樣品中的一種或多種化學(xué)成分的含量，具有成本低、分析速度快、樣品無(wú)需前處理及不使用有害化學(xué)藥品等優(yōu)點(diǎn)[3]，因此在測(cè)定有機(jī)物質(zhì)化學(xué)成分方面受到青睞。早在20 世紀(jì)70 年代，Norris 等[4]就使用NIRS 技術(shù)進(jìn)行農(nóng)產(chǎn)品的檢測(cè)，此后，隨著NIRS 技術(shù)的不斷成熟，開(kāi)始廣泛應(yīng)用于糧食作物[5]、果蔬[6]、肉類(lèi)乳制品[7]等農(nóng)產(chǎn)品檢測(cè)，藥物藥材鑒別[8]，林木[9]及石油化工產(chǎn)品檢測(cè)[10]等領(lǐng)域，在油料作物上也發(fā)揮著重要作用。

1 近紅外光譜技術(shù)（NIRS）原理

1.1 NIRS 技術(shù)特點(diǎn)近紅外光譜是介于可見(jiàn)光和中紅外光之間的電磁波，波長(zhǎng)范圍780～2526nm（3959～12820cm-1），主要是由于分子振動(dòng)的非諧振性使分子振動(dòng)從基態(tài)向高能級(jí)態(tài)躍遷時(shí)產(chǎn)生的，該光譜區(qū)域主要記錄含氫基團(tuán)（CH、OH 和NH）振動(dòng)的倍頻和合頻吸收[3]。但是，有機(jī)物質(zhì)在近紅外區(qū)域的吸收信號(hào)弱、譜帶重疊嚴(yán)重，解析難度大，因此長(zhǎng)期以來(lái)近紅外光譜無(wú)法得到應(yīng)用。20 世紀(jì)80 年代后，隨著計(jì)算機(jī)技術(shù)和化學(xué)計(jì)量學(xué)的發(fā)展，光譜信息的提取和背景噪音的解析等問(wèn)題得到有效改善，人們重新認(rèn)識(shí)了近紅外光譜的價(jià)值。

總體來(lái)看，近紅外光譜技術(shù)具有如下優(yōu)點(diǎn)。第一，分析速度快、效率高，一次測(cè)量可同時(shí)對(duì)樣品多個(gè)組分進(jìn)行測(cè)定；第二，適用范圍廣，可測(cè)量液體、固體和膠狀體等不同狀態(tài)的物質(zhì)，且樣品不需要預(yù)處理，可直接測(cè)量；第三，對(duì)樣品無(wú)損害，可以實(shí)現(xiàn)活體測(cè)量，樣品測(cè)量后亦可用于其他分析；第四，不使用化學(xué)藥劑，不對(duì)環(huán)境產(chǎn)生污染和危害。

當(dāng)然，該技術(shù)也有一定的局限性。首先，由于有機(jī)物質(zhì)通常在近紅外區(qū)域吸收弱，一般要求被測(cè)組分的含量應(yīng)大于4%，否則檢測(cè)結(jié)果不準(zhǔn)確；其次，建模工作有一定難度，需要采集大量的有代表性的樣品；再次，由于樣品本身的特性和光譜采集的差異，一種模型通常僅適用一定的范圍和年限，需要不斷地維護(hù)。

1.2 NIRS 定性定量分析方法應(yīng)用利用近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)方法進(jìn)行農(nóng)產(chǎn)品產(chǎn)地判別和真?zhèn)舞b別[11]，是NIRS 定性分析的主要應(yīng)用領(lǐng)域。如劉翠玲等[12]利用近紅外光譜技術(shù)結(jié)合聚類(lèi)分析，對(duì)30 種食用油的近紅外光譜進(jìn)行鑒別，建立了芝麻油-大豆油-花生油-玉米油的定性識(shí)別模型，識(shí)別率和預(yù)測(cè)率達(dá)到100%。楊佳等[13]采用傅里葉變換近紅外光譜（FT-NIRS）結(jié)合化學(xué)計(jì)量學(xué)建立了芝麻油、大豆油、花生油和葵花籽油的分類(lèi)模型，可準(zhǔn)確預(yù)測(cè)芝麻油中10%～100%摻假油，其預(yù)測(cè)值與實(shí)際值的相對(duì)標(biāo)準(zhǔn)偏差（SEP）分別為1.027（大豆油）和0.9660（葵花籽油）。Jiménez-Carvelo 等[14]利用NIRS 和熒光光譜進(jìn)行橄欖油產(chǎn)地和真?zhèn)舞b別，供試的60 份橄欖油樣品中，2 種光譜均能夠鑒定出摻雜菜籽油的橄欖油樣品，但NIRS 能夠100%鑒別出供試樣品的產(chǎn)地，而熒光光譜尚不能做到。Sinelli等[15]對(duì)112 組初榨橄欖油進(jìn)行產(chǎn)地溯源研究，發(fā)現(xiàn)線性判別分析和模式識(shí)別分類(lèi)法對(duì)初榨橄欖油產(chǎn)地的判別正確率分別為71.6%和100%。

NIRS 定量分析的主要難點(diǎn)是建模工作（圖1），而選擇樣品是建模工作的前提，因?yàn)闃悠返拇硇灾苯佑绊懙剿Ｐ偷臏?zhǔn)確度和適用性。通常情況下，應(yīng)當(dāng)廣泛采集樣品，盡量包涵不同地區(qū)、不同氣候類(lèi)型、不同品種或種質(zhì)類(lèi)型，必要時(shí)還應(yīng)包涵不同年份的樣品材料。然后，將樣品按照一定比例（通常為2∶1）分為定標(biāo)集和驗(yàn)證集，定標(biāo)集用于模型建立，驗(yàn)證集用于評(píng)價(jià)模型預(yù)測(cè)準(zhǔn)確度。常用評(píng)價(jià)參數(shù)有相關(guān)系數(shù)、均方根誤差（RMSEP，the root mean square error of predication）和范圍誤差比（RPD，the ratio of performance to deviation）。前人研究指出[16-17]，定量模型相關(guān)系數(shù)越高、RMSEP 值越低，則表明模型預(yù)測(cè)準(zhǔn)確度較高，此外，RPD≥2.5 則表明該模型準(zhǔn)確性較高，可用于植物品種育種的篩選工作；若RPD≥5 則表明該模型精確度較高，可用于質(zhì)量控制。常用建模方法主要有多元線性回歸法（MLR，multiple linear regression）、主成分分析法（PCA，principal component analysis）、偏最小二乘法（PLS，partial least square）、人工神經(jīng)網(wǎng)絡(luò)法（ANN，artificial neural network）等[18]。

2 NIRS 在油料種子脂肪酸檢測(cè)中的應(yīng)用

2.1 NIRS 在大宗油料種子中的應(yīng)用NIRS 在油料作物中的應(yīng)用極為廣泛，并且已經(jīng)成為大宗油料作物育種世代材料品質(zhì)檢測(cè)和性狀篩選的重要工具。

油菜是世界主要油料作物之一，20 世紀(jì)90 年代開(kāi)始國(guó)內(nèi)外就有大量關(guān)于油菜NIRS 應(yīng)用的報(bào)道。Velasco 等[16]利用NIRS 進(jìn)行油菜種子鮮重、含油量和脂肪酸含量模型構(gòu)建，其中油酸（r=0.92）和芥酸（r=0.94）相關(guān)系數(shù)較高，亞油酸（r=0.75）和亞麻酸（r=0.73）的相關(guān)系數(shù)較低，種子鮮重和含油量的相關(guān)系數(shù)均達(dá)到0.92。Hom 等[19]則構(gòu)建了油菜種子小樣品量NIRS 檢測(cè)模型，用于光譜掃描的樣品僅3～4g，能夠預(yù)測(cè)出油脂、蛋白和硫代葡萄糖苷的含量（r=0.82～1.00），同時(shí)該研究建立的單粒檢測(cè)模型可用于檢測(cè)烯酸、吲哚酸和硫代葡萄糖含量（r=0.83～0.86）。Niewitetzki 等[20]利用自動(dòng)進(jìn)樣設(shè)備（圖2）進(jìn)行高通量油菜單粒種子NIRS 建模工作，該設(shè)備可掃描800 粒/h 種子，通過(guò)改良偏最小二乘回歸法（MPLS，modified partial least square regression）進(jìn)行定標(biāo)集和驗(yàn)證集的校正，結(jié)果表明油酸標(biāo)準(zhǔn)偏差（SD）在2.7%～3.7%之間，亞麻酸的SD在1.2%～1.8%之間，從而證明NIRS 用于油菜單粒種子檢測(cè)的可行性。油菜小樣品量和單粒種子NIRS 模型的應(yīng)用，實(shí)現(xiàn)了油菜種子單粒篩選，大大推動(dòng)了油菜高效育種和精準(zhǔn)育種工作。

大豆作為世界范圍內(nèi)的大宗油料作物，NIRS技術(shù)應(yīng)用也達(dá)到了小樣品量和單粒檢測(cè)水平。Armstrong 等[21]發(fā)現(xiàn)NIRS 在預(yù)測(cè)大豆蛋白和油脂方面具有較高的準(zhǔn)確性，而構(gòu)建的單粒模型亦可用于雜交后代種子遺傳背景篩選。Ferreira 等[22]利用播種于巴西隆德里納和蓬塔格洛薩2 個(gè)地區(qū)的20份大豆品種進(jìn)行NIRS 研究，發(fā)現(xiàn)所建模型在預(yù)測(cè)種子含水量、灰分、蛋白和油脂含量等方面具有較好的適用性（R2=0.72～0.88）。Han 等[23]選擇600 粒大豆高油酸雜交F2種子進(jìn)行NIRS 掃描，并準(zhǔn)確建立了油酸含量預(yù)測(cè)模型，相關(guān)系數(shù)r2=0.99，該模型可用于大豆高油酸品質(zhì)育種種質(zhì)篩選。

向日葵是重要的油用作物，栽培分布十分廣泛。Leonardo 等[24]收集向日葵高硬脂酸突變體材料CAS-14 的種子，利用2510 粒去皮種子進(jìn)行NIRS 建模，采用交叉驗(yàn)證評(píng)估建模效果，發(fā)現(xiàn)硬脂酸（R2=0.80，SD=0.45）、油酸（R2=0.89，SD=0.34）、亞油酸（R2=0.91，SD=0.30）建模準(zhǔn)確度較高，這一研究使得向日葵種子油脂實(shí)現(xiàn)了無(wú)損單粒檢測(cè)。Sato等[25]同樣發(fā)現(xiàn)NIRS 的準(zhǔn)確性較高，其中利用去皮種仁建立的NIRS 模型相關(guān)系數(shù)達(dá)到0.993，而利用提取出來(lái)的葵花籽油建立的NIRS 模型相關(guān)系數(shù)達(dá)到0.989。

花生是出油率極高的油料作物，我國(guó)也是世界上最大的花生油消費(fèi)國(guó)。Sundaram 等[26]利用維吉尼亞和瓦倫西亞2 種花生種質(zhì)進(jìn)行NIRS 建模研究，發(fā)現(xiàn)維吉尼亞花生種質(zhì)所建模型RPD＞5，可用于該類(lèi)花生質(zhì)量控制和成分檢測(cè)；而瓦倫西亞種質(zhì)所建模型RPD＞3.01，可用于初篩。酸價(jià)是花生油質(zhì)量評(píng)價(jià)的重要指標(biāo)，Rao 等[27]利用NIRS 對(duì)67 份花生油樣品進(jìn)行酸價(jià)模型構(gòu)建，發(fā)現(xiàn)使用判別最小二乘法（DPLS，discriminant partial least squares）能夠準(zhǔn)確判別樣品酸價(jià)，準(zhǔn)確率達(dá)到96.55%。

亞麻分纖維用亞麻、油用亞麻和油纖兼用亞麻3 種類(lèi)型，其中油用亞麻又稱(chēng)胡麻，在中國(guó)有1000多年的栽培歷史。東野廣智等[28]利用26 個(gè)亞麻油樣品進(jìn)行NIRS 檢測(cè)，將亞麻油各組分模塊化后采用PLS 方法進(jìn)行定量分析，實(shí)現(xiàn)了亞麻油的快速無(wú)損檢測(cè)。Ribeiro 等[29]利用NIRS 和中紅外（MIR）光譜分析黃色和棕色亞麻種子中亞油酸和亞麻酸含量，發(fā)現(xiàn)NIRS 可以較好地預(yù)測(cè)完整籽粒的亞油酸（R2=0.90，SEP=1.61）和亞麻酸（R2=0.86，SEP=0.63），而NIRS 和MIR 均可用于種子粉末的檢測(cè)。

可以說(shuō)，經(jīng)過(guò)30 多年的努力，NIRS 基本實(shí)現(xiàn)了對(duì)大宗油料種子含油量和主要脂肪酸含量的無(wú)損、快速和準(zhǔn)確檢測(cè)，并且單粒種子檢測(cè)模型和高通量檢測(cè)模型的應(yīng)用使得油料種子檢測(cè)更加精細(xì)和高效，克服了油料作物早期育種留種問(wèn)題和材料較少等缺陷。

2.2 NIRS 在特種油料種子中的應(yīng)用現(xiàn)狀相比大宗油料作物，其他特種油料作物NIRS 的應(yīng)用水平尚待進(jìn)一步提高。蓖麻（Ricinus communis）是熱帶地區(qū)常見(jiàn)的油料作物，其種子含油量高達(dá)42%～58%，F(xiàn)ernández-Cuesta 等[30]收集高蓖麻酸和高油酸種質(zhì)872 份，發(fā)現(xiàn)在1400～1914nm 區(qū)域可檢測(cè)蓖麻酸含量；張良波等[31]收集46 份蓖麻籽樣品，測(cè)定其近紅外光譜值，并用索氏提取法測(cè)定了含油率，然后將二者擬合建立了定標(biāo)模型，相關(guān)性為0.9655，可實(shí)現(xiàn)蓖麻籽含油率的快速無(wú)損檢測(cè)。水黃皮（Pongamia pinnata）廣泛分布于東南亞等熱帶地區(qū)，其種子油脂用途廣泛，Khamchum等[32]選擇60 份種子樣品建立含油量和脂肪酸含量的NIRS 模型，最終利用粉碎種子樣品建立的含油量模型準(zhǔn)確度較高（R2=0.9），可用于未知樣品檢測(cè)。麻風(fēng)樹(shù)（Jatropha curcas）是重要的能源植物，其種子含油量較高，Montes 等[17]收集740 份種子樣品進(jìn)行NIRS 研究，發(fā)現(xiàn)硬脂酸、油酸、亞油酸和亞麻酸預(yù)測(cè)模型準(zhǔn)確度較高，而花生酸和棕櫚酸預(yù)測(cè)模型尚不準(zhǔn)確。紅花（Carthamus tinctorius）主要分布于干旱半干旱地區(qū)，其種子富含亞油酸和生育酚，可供食用和藥用，Rudolphi 等[33]收集完整籽粒和籽粕樣品108～534 份用于NIRS 建模，結(jié)果表明籽粕樣品模型準(zhǔn)確度高于完整籽粒，而完整籽粒模型中，含油量準(zhǔn)確度較高，相關(guān)系數(shù)R2=0.91，亞油酸和油酸準(zhǔn)確度較低，相關(guān)系數(shù)R2分別為0.73 和0.68。

油茶（Camellia oleifera）是我國(guó)南方一帶較為常見(jiàn)的木本油料作物，富含維生素、磷脂和多種單不飽和脂肪酸。原嬌嬌等[34]以索氏提取法分析的30份油茶籽的含油量為化學(xué)值，利用傅里葉變換近紅外光譜儀測(cè)定相應(yīng)的光譜，最終得到的預(yù)測(cè)模型相關(guān)系數(shù)（r）為0.8978。奚如春等[35]對(duì)150 份不同產(chǎn)地的油茶種子樣品進(jìn)行含油量的NIRS 建模，發(fā)現(xiàn)粉碎樣品準(zhǔn)確度最高，相關(guān)系數(shù)R2達(dá)到0.98，而無(wú)損樣品的相關(guān)系數(shù)R2僅0.88。同樣地，孫佩光[36]通過(guò)測(cè)定132 份廣寧紅花油茶茶籽含油率進(jìn)行近紅外光譜預(yù)測(cè)模型的分析，發(fā)現(xiàn)粉碎種仁樣品的建模參數(shù)較高，外部驗(yàn)證表明近紅外預(yù)測(cè)值與化學(xué)測(cè)定值的相關(guān)系數(shù)為0.98，標(biāo)準(zhǔn)誤差0.33，該模型可用于廣寧紅花油茶種子的含油量預(yù)測(cè)。

棉花籽油富含多種維他命、甾醇和脂肪酸，可供食用且具有明顯的抗氧化和延緩衰老的作用。Quampah 等[37]以444 份棉籽粉碎樣品為材料建立NIRS 模型，其中含油量（RPD=11.495）和亞油酸（RPD=5.026）含量建模預(yù)測(cè)結(jié)果準(zhǔn)確，但軟脂酸、硬脂酸、油酸、亞麻酸不太理想（RPD＜1.5）；黃莊榮等[38]以385 份棉花種子為材料探討NIRS 棉籽脂肪酸含量檢測(cè)效果，結(jié)果表明硬脂酸、油酸和亞油酸的相關(guān)系數(shù)分別為0.881、0.843 和0.806，同時(shí)發(fā)現(xiàn)基于蒙特卡羅無(wú)信息變量消除法（MC-UVE）的非線性最小二乘支持向量機(jī)（LS-SVM）建模方法可提高精度。

油用牡丹是我國(guó)新型木本油料作物，其種子油脂富含α-亞麻酸、油酸、亞油酸等多不飽和脂肪酸，具有抗腫瘤、抗衰老、調(diào)節(jié)免疫等功能，近幾年推廣種植較為廣泛[39]。Cui 等[40]利用FT-NIR 對(duì)收集的115 份牡丹種子材料進(jìn)行建模，同時(shí)利用聲光可調(diào)濾光型近紅外光譜（AOTF-NIR）對(duì)447 粒牡丹種子進(jìn)行單粒建模，種子材料的前處理包括完整籽粒、去皮種仁和種子粉末等，結(jié)果表明去皮種仁的模型效果最好，可定量檢測(cè)亞麻酸、油酸和亞油酸的含量（RPD＞2.5），而單粒種子模型僅可用于亞麻酸的定量分析。

3 特種油料種子NIRS 建模的主要因素

3.1 種子理化特性對(duì)NIRS 的影響油料種子的外部形態(tài)會(huì)直接影響到NIRS 的檢測(cè)效果。大宗油料作物的種子通常體積較小，或形狀可看作近似的幾何體，種子體積小且形狀規(guī)則，利于NIRS 漫反射光譜的采集，反之，則NIRS 光譜數(shù)據(jù)易產(chǎn)生誤差。如油菜種子千粒重1.4～5.7g，大豆種子千粒重110～250g，花生種子千粒重290～500g，胡麻種子千粒重2～13g[41]。朱大洲等[42]認(rèn)為，在利用近紅外漫反射光譜掃描大豆單粒種子時(shí)，光譜的準(zhǔn)確獲取是關(guān)鍵，其中表面光滑的種子光譜重復(fù)性好，而表面存在缺陷的種子光譜數(shù)據(jù)存在明顯差異，不具有代表性。特種油料種子的外部形態(tài)直接影響近紅外光譜的采集，油茶種子體積較大，單果重量可達(dá)到22.6～681.6g，這對(duì)NIRS 光譜采集會(huì)產(chǎn)生影響，孫佩光[36]采用風(fēng)干的整粒種子、風(fēng)干后去殼種仁和風(fēng)干后種仁粉碎粉末分別進(jìn)行NIRS 建模，結(jié)果表明粉碎粉末的模型準(zhǔn)確度最高，整粒種子的準(zhǔn)確性最低；牡丹種子外形不規(guī)則，百粒重達(dá)到36.5～41.7g，且種仁外有黑色種皮，導(dǎo)致牡丹去皮籽粒和完整籽粒的NIRS 光譜吸收強(qiáng)度存在顯著差異[40]，崔虎亮[39]采用完整籽粒、去皮籽粒和粉碎樣品進(jìn)行油用牡丹NIRS 建模，發(fā)現(xiàn)去皮籽粒模型效果最好，而粉碎樣品最差?？梢?jiàn)，特種油料種子體積和外觀均有其特殊性，需對(duì)種子樣品進(jìn)行預(yù)處理才能用于光譜掃描。根據(jù)油料種子質(zhì)地，選擇恰當(dāng)?shù)臉悠奉A(yù)處理方法可以獲得較為準(zhǔn)確的化學(xué)值。蓖麻種子含油量較高，且粘度較大，直接用研缽研磨易損失種子粉末及油脂，導(dǎo)致含油量結(jié)果測(cè)定偏低，張良波等[31]采用濾紙研磨，獲得較為準(zhǔn)確的蓖麻籽含油量數(shù)據(jù)，從而建立了蓖麻籽含油量的NIRS 檢測(cè)模型。

3.2 NIRS 建模中光譜數(shù)據(jù)預(yù)處理的重要性不同有機(jī)物質(zhì)的化學(xué)結(jié)構(gòu)官能團(tuán)在不同的近紅外光譜區(qū)域存在特征吸收峰。Sato 等[43]證明，1600～1800nm（波數(shù)6250～5555.6cm-1）的近紅外反射光譜波長(zhǎng)區(qū)域與脂肪酸的碳鏈長(zhǎng)度和順式不飽和脂肪酸的吸收帶有關(guān)，此后多位學(xué)者先后證明了油酸和亞油酸與該波段的光譜參數(shù)的極顯著相關(guān)性[44]，如5801.0cm-1和5831.9cm-1波數(shù)附近為亞油酸和油酸的最佳建模光譜區(qū)段，亞麻酸的最佳建模區(qū)段為5603.1～5954.1cm-1[40]。

選擇最佳光譜預(yù)處理方法和譜區(qū)范圍對(duì)提高油料種子NIRS 建模準(zhǔn)確性十分必要。常用的光譜預(yù)處理方法包括多元散射矯正（MSC），標(biāo)準(zhǔn)正則變換（SNV），標(biāo)準(zhǔn)化處理法（Normalization），1 階求導(dǎo)（1stderivative），2 階求導(dǎo)（2ndderivative）等，以及各種預(yù)處理方法的組合[3]，同時(shí)，使用Savitzky-Golay對(duì)光譜數(shù)據(jù)進(jìn)行平滑處理，可進(jìn)一步提高光譜的精細(xì)度[32]。孫佩光[36]在構(gòu)建油茶NIRS 模型中，通過(guò)對(duì)比不同光譜預(yù)處理及其組合構(gòu)建的模型參數(shù)，最終篩選出了MSC+2 階求導(dǎo)的預(yù)處理方法構(gòu)建的模型最優(yōu)；油用牡丹去皮種仁亞麻酸的光譜預(yù)處理最優(yōu)方法是MSC，亞油酸是MSC+1 階導(dǎo)數(shù)，油酸是SNV+1 階導(dǎo)數(shù)，而軟脂酸則是SNV[40]；在蓖麻含油率測(cè)定的近紅外模型中，MSC+detrend（去偏異技術(shù)）是最佳處理方法[31]。

4 小結(jié)

我國(guó)是食用油大國(guó)，發(fā)展特種油料作物對(duì)于緩解我國(guó)食用油壓力具有重大意義。NIRS 在檢測(cè)大宗油料種子脂肪酸含量上已取得成熟的經(jīng)驗(yàn)，而特種油料種子的理化性質(zhì)常常較為復(fù)雜，這對(duì)NIRS光譜的采集產(chǎn)生干擾信息，從而影響NIRS 技術(shù)在特種油料種子上的應(yīng)用。進(jìn)行種子樣品預(yù)處理提高光譜采集的準(zhǔn)確性，同時(shí)進(jìn)行光譜數(shù)據(jù)預(yù)處理以消除噪音干擾，對(duì)于提高NIRS 建模準(zhǔn)確度十分必要。隨著相關(guān)研究的進(jìn)一步開(kāi)展，NIRS 在特種油料中的應(yīng)用也必然更加高效。