基于近紅外光譜技術(shù)評(píng)估大豆皮纖維含量的研究

向娜娜 趙江濤 陳 麗 夏超篤 王曉瓊 陳 林 紀(jì)昌正

(溫氏食品集團(tuán)股份有限公司，云浮527400)

大豆皮作為大豆加工副產(chǎn)品之一，主要由纖維和果膠組成，幾乎不含淀粉[1]。大豆皮水分含量約10%，干物質(zhì)的80%是碳水化合物，其中非纖維性碳水化合物(NFC)含量約占20%，且木質(zhì)素含量低、適口性好、消化率高[2]。對(duì)單胃動(dòng)物來(lái)說(shuō)，大豆皮由于纖維素和半纖維素含量較高，能夠在盲腸發(fā)酵為揮發(fā)性脂肪酸為動(dòng)物供能，故大豆皮是很好的纖維飼料原料，而且具有價(jià)格低、產(chǎn)量大的優(yōu)勢(shì)，可以降低養(yǎng)豬成本、提高養(yǎng)豬效益[3]。大豆皮在反芻動(dòng)物中的應(yīng)用，可以增加其唾液的分泌，促進(jìn)瘤胃蠕動(dòng)及乙酸的產(chǎn)生，提高脂肪和蛋白質(zhì)含量[4-5]。我國(guó)大豆皮資源豐富，其不僅可以代替粗飼料，還能替代部分玉米和小麥等谷物飼料，且價(jià)格低廉。因此，大豆皮作為動(dòng)物飼料資源有著廣闊的應(yīng)用前景。

近紅外光譜(NIR)技術(shù)作為目前發(fā)展最快和最具前景的過(guò)程分析技術(shù)之一，具有無(wú)損、快速、準(zhǔn)確、無(wú)污染等優(yōu)點(diǎn)，已被廣泛應(yīng)用于不同的科學(xué)研究領(lǐng)域。目前，在畜禽飼料營(yíng)養(yǎng)評(píng)定方面，NIR技術(shù)被越來(lái)越廣泛的應(yīng)用。在飼料原料營(yíng)養(yǎng)成分評(píng)定方面，關(guān)于玉米、小麥、稻谷、高粱及豆粕等營(yíng)養(yǎng)成分含量的NIR檢測(cè)已有報(bào)道[6-9]，此外在飼料成品的評(píng)定以及畜禽飼料消化率預(yù)測(cè)等方面也有研究。王勇生等[10]應(yīng)用NIR技術(shù)建立了高粱中粗蛋白質(zhì)(CP)、水分含量近紅外模型，模型的相對(duì)分析誤差(RPD)分別為8.41、12.20；交互驗(yàn)證相對(duì)分析誤差分別為4.97、7.97；外部驗(yàn)證RPD分別為3.32、5.36，表明該模型具有精確地評(píng)估高粱中CP和水分含量的應(yīng)用效果。Nirea等[11]利用NIR技術(shù)準(zhǔn)確地預(yù)測(cè)糞便的化學(xué)成分和營(yíng)養(yǎng)物質(zhì)含量，如有機(jī)物(OM)、CP含量及總能的表觀總消化率(ATTD)。王旭峰[12]研究了飼料成品中水分、CP、粗纖維(CF)和粗脂肪(EE)含量等近紅外模型的建立，模型的決定系數(shù)(R2)分別為0.911、0.867、0.945和0.917，具有較好的預(yù)測(cè)效果。而對(duì)于飼料原料纖維等營(yíng)養(yǎng)指標(biāo)的報(bào)道較少，尤其在大豆皮CF、中性洗滌纖維(NDF)及酸性洗滌纖維(ADF)含量方面的研究，因此，本研究主要針對(duì)目前飼用大豆皮纖維相關(guān)指標(biāo)，應(yīng)用NIR技術(shù)進(jìn)行圖譜采集、模型建立及驗(yàn)證，以期為大豆皮的快速無(wú)損檢測(cè)提供參考。

1 材料與方法

1.1 試驗(yàn)材料

1.1.1 樣品收集與處理

選擇飼料用大豆皮，大豆皮樣品來(lái)自于國(guó)內(nèi)不同地區(qū)，共106份單個(gè)樣品。將大豆皮樣品用萊馳粉碎機(jī)(ZM 200型，德國(guó))粉碎，過(guò)40目標(biāo)準(zhǔn)篩。過(guò)篩后，將樣品混合均勻，采用四分法取樣，取相對(duì)的2份混合，然后再平分，直到達(dá)到分樣要求。樣品分為2個(gè)重復(fù)，裝入自封袋中，干燥避光處存放，并對(duì)樣品進(jìn)行NIR掃描，掃描的同時(shí)采用濕化學(xué)分析法測(cè)定大豆皮纖維相關(guān)指標(biāo)含量。

1.1.2 主要儀器及試劑。

主要儀器：NIR儀(BRUKER，MATRIX-I)、全自動(dòng)纖維浸提儀(Gerhardt, FT12)、脂肪分析儀(ANKOM,XT10)、天平(METTLER,ML204T)及馬弗爐(上海一恒，SX2-4-10)、烘箱(上海一恒，DHG-9075A)等。

試劑：石油醚、丙酮、四硼酸鈉、無(wú)水磷酸氫二鈉、乙二胺四乙酸二鈉、硫酸、氫氧化鉀、十二烷基硫酸鈉等(廣州化學(xué)試劑廠)；十六烷基三甲基溴化銨(天津大茂)；正辛醇、乙二醇乙醚(國(guó)藥)。

1.2 試驗(yàn)方法

1.2.1 大豆皮中水分、CF、NDF及ADF含量測(cè)定

分別采用GB/T 5009.3—2016、GB/T 6434—2006、GB/T 20806—2006及NY/T 1459—2007方法測(cè)定大豆皮中水分、CF、NDF及ADF含量。

1.2.2 大豆皮NIR采集

本實(shí)驗(yàn)室利用BRUKER公司MATRIX-I傅里葉變換NIR儀，采集106份大豆皮樣品的光譜。光譜采集范圍為4 000～11 500 cm-1，分辨率為16 cm-1，掃描次數(shù)64，樣品重復(fù)裝樣掃描3次，取3次掃描光譜作為樣本的原始光譜，大豆皮近紅外掃描光譜見圖1。

1.3 數(shù)據(jù)處理

1.3.1 近紅外圖譜數(shù)據(jù)處理

大豆皮近紅外預(yù)測(cè)結(jié)果及濕化學(xué)數(shù)據(jù)采用SPSS 21.0進(jìn)行統(tǒng)計(jì)分析。采集的大豆皮樣品光譜，利用MATRIX-I傅里葉變換NIR儀中OPUS 8.1軟件的各種光譜數(shù)據(jù)預(yù)處理技術(shù)和統(tǒng)計(jì)方法進(jìn)行校正，根據(jù)檢驗(yàn)結(jié)果確定最佳的定標(biāo)參數(shù)設(shè)置。光譜基線校正：使用矢量歸一化(SNV)和多元散射校正(MSC)等；數(shù)學(xué)處理：使用導(dǎo)數(shù)處理和平滑處理2種方法。導(dǎo)數(shù)處理又分一階導(dǎo)數(shù)和二階導(dǎo)數(shù)處理；平滑處理又分移動(dòng)窗口平滑和S-G卷積平滑。定標(biāo)模型的驗(yàn)證：采用內(nèi)部驗(yàn)證和外部驗(yàn)證(將樣品按7∶3的比例隨機(jī)分為定標(biāo)集和驗(yàn)證集)2種方法，根據(jù)R2、內(nèi)部驗(yàn)證均方根誤差(RMSECV)、外部驗(yàn)證均方根誤差(RMSECP)及RPD等評(píng)價(jià)定標(biāo)模型的可行性。

圖1 大豆皮原始近紅外掃描光譜圖

1.3.2 定標(biāo)模型評(píng)估指標(biāo)

定標(biāo)模型對(duì)各指標(biāo)的評(píng)估，如果RPD≥3.0，說(shuō)明定標(biāo)效果良好，建立的定標(biāo)模型可以用于實(shí)際檢測(cè)；如果2.5≤RPD<3.0，說(shuō)明利用NIR掃描對(duì)該成分進(jìn)行定量分析是可行的；如果RPD<2.5，則說(shuō)明該成分不適合進(jìn)行NIR定量分析。

2 結(jié)果與分析

2.1 大豆皮纖維相關(guān)指標(biāo)的測(cè)定

采用國(guó)標(biāo)濕化學(xué)方法，檢測(cè)了106份大豆皮樣本中水分、CF、NDF及ADF含量，并計(jì)算其平均值、標(biāo)準(zhǔn)偏差及變異系數(shù)，檢測(cè)結(jié)果見表1。

2.2 大豆皮近紅外建模參數(shù)及模型構(gòu)建

近紅外建模過(guò)程中參數(shù)的選擇，包括譜區(qū)范圍、預(yù)處理方法(基線校正、數(shù)學(xué)處理)及最優(yōu)主因子數(shù)等，均會(huì)影響近紅外模型構(gòu)建的質(zhì)量。本試驗(yàn)大豆皮采用偏最小二乘法(PLS)化學(xué)計(jì)量學(xué)方法進(jìn)行建模，水分含量參與建模樣品71個(gè)，預(yù)測(cè)集30個(gè)，5個(gè)為剔除值，主因子數(shù)為7；CF含量采用PLS化學(xué)計(jì)量學(xué)方法進(jìn)行建模，參與建模樣品69個(gè)，預(yù)測(cè)集29個(gè)，8個(gè)為剔除值，主因子數(shù)為8；NDF和ADF含量均采用PLS化學(xué)計(jì)量學(xué)方法進(jìn)行建模，光譜處理方式均選擇一階導(dǎo)數(shù)+SNV，保證建模的穩(wěn)定性，參與建模樣品68個(gè)，預(yù)測(cè)集28個(gè)，10個(gè)為剔除值，預(yù)測(cè)模型的建模參數(shù)見表2。

表1 大豆皮纖維相關(guān)指標(biāo)檢測(cè)結(jié)果

表2 大豆皮纖維相關(guān)指標(biāo)預(yù)測(cè)模型的建模參數(shù)

2.3 大豆皮纖維相關(guān)指標(biāo)近紅外模型的評(píng)估

2.3.1 評(píng)估指標(biāo)

本研究利用OPUS 8.1定標(biāo)軟件，通過(guò)內(nèi)部交叉驗(yàn)證及外部驗(yàn)證2種方法，對(duì)大豆皮3種纖維指標(biāo)的近紅外模型進(jìn)行評(píng)估。從表3可以看出，大豆皮水分及3種纖維指標(biāo)模型決定系數(shù)均接近于1，且模型的RPD均大于3，均方根誤差<0.6，表明該模型具有較好的穩(wěn)定性及預(yù)測(cè)能力，用該模型預(yù)測(cè)類似樣品可以得到較好的預(yù)測(cè)效果。

表3 大豆皮纖維相關(guān)指標(biāo)預(yù)測(cè)模型的評(píng)估指標(biāo)

2.3.2 內(nèi)部交叉驗(yàn)證

大豆皮纖維相關(guān)指標(biāo)內(nèi)部交叉驗(yàn)證的結(jié)果分別見圖2至圖5，內(nèi)部交叉驗(yàn)證得到各化學(xué)組分交叉驗(yàn)證RMSECV較小，且模型的R2均大于0.9，RPD均大于3.0，說(shuō)明整體樣品分布均勻，比較集中地分布在中心線附近，定標(biāo)效果良好，建立的定標(biāo)模型可以用于實(shí)際檢測(cè)。其中大豆皮水分含量的模型較好，RPD>13.6，且RMSECV為0.07，而纖維指標(biāo)中CF、NDF及ADF含量模型的RPD分別為3.62、4.82及3.37，R2分別為0.92、0.95及0.91，這表明模型預(yù)測(cè)值與實(shí)測(cè)值比較接近，模型的精確性高，具有較好的應(yīng)用效果。

圖2 水分含量預(yù)處理光譜圖及內(nèi)部交叉驗(yàn)證結(jié)果

圖3 CF含量預(yù)處理光譜圖及內(nèi)部交叉驗(yàn)證結(jié)果

圖4 NDF含量預(yù)處理光譜圖及內(nèi)部交叉驗(yàn)證結(jié)果

圖5 ADF含量預(yù)處理光譜圖及內(nèi)部交叉驗(yàn)證結(jié)果

2.3.3 外部驗(yàn)證

為了更直觀地考察大豆皮纖維相關(guān)指標(biāo)近紅外模型的預(yù)測(cè)能力、準(zhǔn)確性及重現(xiàn)性，本試驗(yàn)同時(shí)對(duì)近紅外模型進(jìn)行了外部驗(yàn)證。由驗(yàn)證結(jié)果圖6～圖9可知，大豆皮纖維相關(guān)指標(biāo)的外部驗(yàn)證結(jié)果RPD低于內(nèi)部交叉檢驗(yàn)，但RPD均大于3，且模型的R2均大于0.9，表明模型的預(yù)測(cè)能力準(zhǔn)確性高、重現(xiàn)性較好。定標(biāo)模型建立后，按梯度選擇10份大豆皮樣本來(lái)驗(yàn)證模型的準(zhǔn)確性，并同化學(xué)測(cè)定值進(jìn)行比較，結(jié)果見表4。通過(guò)比較發(fā)現(xiàn)，水分含量化學(xué)值與近紅外預(yù)測(cè)值絕對(duì)偏差均小于0.2%，滿足國(guó)標(biāo)要求(水分含量<15%的樣品絕對(duì)差值<0.2%)，相對(duì)偏差均≤1.3%，3種纖維指標(biāo)相對(duì)偏差均小于3%，滿足國(guó)標(biāo)要求。因此，本試驗(yàn)建立的大豆皮3種纖維含量的近紅外模型預(yù)測(cè)效果較好，能夠用來(lái)評(píng)估大豆皮樣品中纖維的含量。

圖6 水分含量外部驗(yàn)證結(jié)果

圖7 CF含量外部驗(yàn)證結(jié)果

圖8 NDF含量外部驗(yàn)證結(jié)果

3 討 論

NIR技術(shù)的應(yīng)用前景十分廣闊，尤其是在飼料原料及飼料養(yǎng)分預(yù)測(cè)、營(yíng)養(yǎng)價(jià)值評(píng)定、質(zhì)量監(jiān)測(cè)等方面。目前在NIR技術(shù)應(yīng)用方面，不局限于快速檢測(cè)水分、CP、EE、灰分等這些常規(guī)指標(biāo)，同時(shí)也可檢測(cè)許多功能性指標(biāo)，包括淀粉、氨基酸、能值及消化率等[13-14]。常冬等[15]利用NIR技術(shù)測(cè)定玉米、豆粕、干酒糟及其可溶物(DDGS)等飼料原料中淀粉含量，結(jié)果表明麩皮和菜籽粕含量預(yù)測(cè)模型效果最好，噴漿玉米皮、DDGS、玉米次之，豆粕、棉籽粕等淀粉含量較低的原料預(yù)測(cè)效果相對(duì)較差，但模型的R2除棉籽粕外均大于0.9。何云等[16]利用NIR技術(shù)建立了苜蓿干草常規(guī)營(yíng)養(yǎng)成分包括干物質(zhì)(DM)、CP、NDF和ADF含量的近紅外預(yù)測(cè)模型，且模型的預(yù)測(cè)決定系數(shù)(RSQV)均大于0.80，外部驗(yàn)證相對(duì)分析誤差(RPDV)均大于2.50，建模效果較好，可用于實(shí)際含量的測(cè)定。李軍濤[17]使用NIR技術(shù)快速測(cè)定了生長(zhǎng)豬玉米的可消化能(DE)和代謝能(ME)，其中消化能實(shí)測(cè)值近紅外校正、交叉檢驗(yàn)及外部驗(yàn)證決定系數(shù)分別為0.89、0.87和0.86，代謝能分別為0.87、0.86和0.86，具有較好的預(yù)測(cè)效果。

圖9 ADF含量外部驗(yàn)證結(jié)果

表4 10份大豆皮樣品纖維相關(guān)指標(biāo)化學(xué)值與近紅外預(yù)測(cè)值結(jié)果對(duì)比

關(guān)于近紅外預(yù)測(cè)模型驗(yàn)證指標(biāo)的評(píng)估方面，主要包含模型的R2、RPD及均方根誤差等。Chen等[18]研究指出，當(dāng)RPD≥3.0時(shí)，定標(biāo)模型能精確預(yù)測(cè)相關(guān)成分含量，定標(biāo)模型的預(yù)測(cè)效果較理想。同時(shí)需要兼顧模型的均方根誤差值及R2，一般R2值越接近于1，均方根誤差越小，模型的穩(wěn)定性及適用性越高。本試驗(yàn)研究的大豆皮纖維相關(guān)指標(biāo)的近紅外模型，RPD>3.0，且模型的R2>0.9，RMSEE、RMSECV及RMSECP均<0.6，表明建立的模型精確性高，具有較好的應(yīng)用效果。

確保建立的近紅外預(yù)測(cè)模型的穩(wěn)定性及準(zhǔn)確性，同時(shí)需要保證收集樣品的代表性、近紅外儀器的穩(wěn)定性、建模參數(shù)選擇的合理性以及濕化學(xué)數(shù)據(jù)檢測(cè)的準(zhǔn)確性[19]。定標(biāo)集樣品應(yīng)該在區(qū)域較廣的范圍內(nèi)進(jìn)行選擇，要具有代表性。近紅外儀器的穩(wěn)定性會(huì)引起預(yù)測(cè)結(jié)果的誤差，如儀器波長(zhǎng)的準(zhǔn)確性、基線的飄逸、噪聲等。建模參數(shù)的選擇，包括波長(zhǎng)范圍、光譜預(yù)處理方法及建模方法均會(huì)影響模型的準(zhǔn)確性。同時(shí)實(shí)驗(yàn)室人員的操作能力也會(huì)影響整個(gè)建模過(guò)程的可行性，包括樣品的取樣、粉碎、濕化學(xué)檢測(cè)及樣品的掃描等。本試驗(yàn)在研究過(guò)程中，嚴(yán)格按照近紅外定標(biāo)的操作流程，保證取樣的代表性、規(guī)范制樣和粉碎過(guò)程、控制合理的儀器環(huán)境溫濕度和掃描前校準(zhǔn)、保證濕化學(xué)數(shù)據(jù)的準(zhǔn)確性和重復(fù)性，降低試驗(yàn)誤差的產(chǎn)生。

4 結(jié) 論

① 大豆皮纖維相關(guān)指標(biāo)的近紅外預(yù)測(cè)模型均采用一階導(dǎo)數(shù)+SNV光譜預(yù)處理方法。SNV是散射校正技術(shù)之一，光譜經(jīng)過(guò)SNV處理后，減少了非線性彎曲作用而產(chǎn)生的偏差；一階導(dǎo)數(shù)處理，提高光譜的精細(xì)度，減小基線的不穩(wěn)定，消除基線漂移，減小顆粒度變化對(duì)光譜的影響，提高近紅外預(yù)測(cè)模型的穩(wěn)定性和準(zhǔn)確性。