近紅外光譜分析技術(shù)在木本油料檢測中的應(yīng)用

邱 靜，肖志紅，黎繼烈，賴鵬英，張愛華

(1.中南林業(yè)科技大學(xué)，湖南 長沙 410004；2.湖南省林業(yè)科學(xué)院，湖南 長沙 410004；3.油脂分子構(gòu)效湖南省重點(diǎn)實(shí)驗(yàn)室, 湖南 長沙 410004)

近紅外光譜(near-infrared reflectance spectroscopy，NIRS)是一種波長在780～2 526 nm之間的高能振動光譜，1800年由F.W.Herschel通過三棱鏡分光現(xiàn)象和溫度計(jì)發(fā)現(xiàn)，是人們最早認(rèn)識的非可見光區(qū)域[1-2]。近紅外光譜儀器常用于觀測C-H、N-H、O-H、S-H等含氫基團(tuán)中倍頻和合頻吸收強(qiáng)度高的 X-H 鍵，結(jié)合化學(xué)計(jì)量學(xué)方法對物質(zhì)進(jìn)行定性及定量分析。近紅外光譜分析技術(shù)結(jié)合了光譜測量技術(shù)、基礎(chǔ)測試技術(shù)、化學(xué)計(jì)量學(xué)方法和計(jì)算機(jī)方法，其中基礎(chǔ)光譜、儀器、化學(xué)計(jì)量學(xué)是近紅外光譜技術(shù)的三大支柱[3]。

木本油料是我國十分重要的可再生資源，既能提供優(yōu)質(zhì)植物油脂，又能維護(hù)國家糧油安全[4-7]。木本油料作物果實(shí)的質(zhì)量是影響農(nóng)業(yè)高產(chǎn)的關(guān)鍵因素之一。目前，業(yè)內(nèi)主要采用傳統(tǒng)的化學(xué)分析方法對木本油料作物果實(shí)內(nèi)含物和油脂質(zhì)量進(jìn)行檢測分析，但傳統(tǒng)分析方法具有耗時(shí)長、勞動力投入高、成本高、易損壞樣品等缺點(diǎn)，不適用于昂貴稀有材料的研究和工業(yè)化大批量生產(chǎn)。與傳統(tǒng)的化學(xué)分析方法相比，近紅外光譜分析技術(shù)快速、精準(zhǔn)、無損、環(huán)保、操作簡單，可實(shí)現(xiàn)樣本多組分同時(shí)分析和大型工業(yè)裝置實(shí)時(shí)在線分析。該技術(shù)已替代傳統(tǒng)分析方法，成為工農(nóng)業(yè)領(lǐng)域重要的分析手段之一[8]。本文重點(diǎn)綜述了近紅外光譜分析技術(shù)在木本油料果實(shí)內(nèi)含物和產(chǎn)品質(zhì)量分析中的具體應(yīng)用，分析了不足，展望了應(yīng)用前景，旨在更進(jìn)一步地推動近紅外光譜分析技術(shù)在木本油料領(lǐng)域的應(yīng)用。

1 國內(nèi)外近紅外光譜分析技術(shù)的研究現(xiàn)狀

近紅外光譜分析技術(shù)最先應(yīng)用于農(nóng)業(yè)領(lǐng)域。20世紀(jì)50年代末，美國農(nóng)業(yè)部工程師Karl Norris博士采用短波近紅外透射方式測定了谷物和油菜籽中的水分含量，因此，Norris被稱為“現(xiàn)代近紅外技術(shù)之父”[1]。20世紀(jì)60年代中后期，儀器制造商開始注意近紅外光譜區(qū)域，儀器分析領(lǐng)域特別是應(yīng)用光譜分析領(lǐng)域的有關(guān)專家開始關(guān)注近紅外光譜分析技術(shù)的發(fā)展。有文獻(xiàn)告知，Tomas Hirschfeld研究了對這一技術(shù)搜集的信息的理論解釋和分析方法，對近紅外光譜的發(fā)展做出了重要貢獻(xiàn)[9]。近紅外光譜信息分析方法的發(fā)展，促進(jìn)了化學(xué)計(jì)量學(xué)多元校正方法、現(xiàn)代光學(xué)、計(jì)算機(jī)數(shù)據(jù)處理技術(shù)在近紅外光譜分析中的應(yīng)用，使近紅外光譜分析技術(shù)有了飛躍式進(jìn)展。部分國際著名的光譜儀器制造商推出了相應(yīng)的近紅外光譜分析儀器，促進(jìn)了近紅外光譜分析技術(shù)在更廣領(lǐng)域的應(yīng)用。20世紀(jì)80年代，近紅外光譜分析技術(shù)開始被應(yīng)用于油料作物品種性狀分析[10]。自20世紀(jì)90年代起，該項(xiàng)技術(shù)以產(chǎn)業(yè)鏈的方式應(yīng)用于農(nóng)業(yè)[11]、石化[12]、制藥[13]、質(zhì)檢[14]和飼料[15]等多個(gè)領(lǐng)域，可快速高效地測定樣本中的化學(xué)組成和物化性質(zhì)，成為了工農(nóng)業(yè)科研和生產(chǎn)部門不可或缺的一種分析手段。2000年，匹茲堡會議設(shè)置了11個(gè)直接和近紅外光譜技術(shù)有關(guān)的分會場[16]，近紅外光譜分析技術(shù)被公認(rèn)為所有光譜法中最受重視的一類方法。近些年，國外的發(fā)達(dá)國家在近紅外光譜技術(shù)上的研究更加深入，更加廣泛。為解決模型維護(hù)問題，美國、法國、德國、丹麥、瑞士、加拿大和澳大利亞等國的官方機(jī)構(gòu)組織建立了糧食、甘蔗和果品分析的近紅外網(wǎng)絡(luò)。這些網(wǎng)絡(luò)由國家相關(guān)管理部門牽頭，由行業(yè)檢驗(yàn)機(jī)構(gòu)、儀器廠商和用戶組成，已經(jīng)頒布了幾十項(xiàng)標(biāo)準(zhǔn)。目前，國際近紅外光譜技術(shù)的熱點(diǎn)集中在替代能源，如生物柴油[17]、燃料乙醇[18]等方面。

我國近紅外光譜分析技術(shù)研究相對來說晚一些。在20世紀(jì)80年代，我國的農(nóng)業(yè)儀器分析工作者開始關(guān)注近紅外光譜分析技術(shù)[19]；20世紀(jì)90年代開始對相關(guān)儀器進(jìn)行研制[20-21]。目前，我國部分研究工作已經(jīng)達(dá)到較為先進(jìn)的水平，但從整體上看，我國與國際水平仍然存在較大差距；在儀器設(shè)備開發(fā)方面起步較晚，基礎(chǔ)相對薄弱，對現(xiàn)有模型的不斷完善和便攜式近紅外設(shè)備的研發(fā)是當(dāng)前乃至今后的重要任務(wù)。

2 近紅外光譜分析技術(shù)在木本油料果實(shí)質(zhì)量指標(biāo)檢測中的應(yīng)用

水分、蛋白質(zhì)、脂肪(酸)等是油料種子的重要組分，采用近紅外光譜分析技術(shù)對這些組分進(jìn)行快速準(zhǔn)確的分析，是木本油料產(chǎn)品品質(zhì)改良的重要基礎(chǔ)性工作。近年來，國內(nèi)外陸續(xù)有關(guān)于木本油料果實(shí)質(zhì)量NIRS應(yīng)用的報(bào)道，具體情況如表1所示[22-36]。

2.1 水分測定

種子水分的高低，直接影響到種子運(yùn)輸方式、貯藏方式和種子壽命，水分是種子生命活動的介質(zhì)和生化變化的參與者，是我國種子質(zhì)量四大指標(biāo)之一[37]。有研究報(bào)道運(yùn)用近紅外技術(shù)測定木本油料果實(shí)含水量。Silalahi等[25]采集不同成熟時(shí)期的3 870個(gè)油棕櫚鮮果，以果皮含油率和含水率兩個(gè)參數(shù)作為鑒別果實(shí)成熟等級優(yōu)先參考指標(biāo)，建立定標(biāo)模型，利用該技術(shù)按成熟度分級分類的總體平均正確率大于81%。劉汝寬等[32]結(jié)合偏最小二乘法(partial least squares，PLS)，采用交叉檢驗(yàn)技術(shù)建立了光皮樹種子含水量模型，其相關(guān)系數(shù)為0.95。郝中誠等[38]建立了檢測模型南疆溫185，為實(shí)現(xiàn)核桃的水分快速實(shí)時(shí)檢測提供了參考。

表1 近紅外光譜分析技術(shù)在木本油料種子質(zhì)量指標(biāo)檢測中的具體應(yīng)用Tab.1 Specificapplicationsofnear-infraredspectroscopyinwoodyoilplantsseedsqualitydetection樣品名稱 檢測指標(biāo) 建模方法 油茶CamelliaoleiferaAbel.含油量SNV+一階導(dǎo)數(shù)+PLS油桐Verniciafordii含油量一階導(dǎo)數(shù)+均值中心化+CARS+WT+PLS油棕ElaeisguineensisJacq.含油量、含水量主成分分析+線性判別分析杜仲EucommiaulmoidesOliver松酯醇二葡萄糖苷含量一階導(dǎo)數(shù)+減去一條直線+PLS核桃JuglansregiaL.含油量、蛋白質(zhì)、水分含量、品種鑒別多元散射校正+標(biāo)準(zhǔn)正態(tài)化+CARS+相關(guān)系數(shù)法+PLS;SNV+PLS椰子CocosnuciferaL.脂肪、還原糖SPXY+MSC+PLS;SPXY+SNV+PLS白檀Symplocospaniculata(Thunb.)Miq.含油量及脂肪組分SNV+一階微分、二階微分、SG平滑等+PLS光皮樹Swidawilsoniana(Wanger.)Sojak含油量、熱值、水分、蛋白質(zhì)SG7卷積求導(dǎo)+SNV+PLS美藤果PlukenetiavolubilisLinneo水分、蛋白質(zhì)、含油量RS+SNV+PLS麻風(fēng)樹JatrophacurcasL.含水量一階導(dǎo)數(shù)、MSC等+PLS 注:標(biāo)準(zhǔn)正態(tài)變量變換(standardnormalvariatestransformation,SNV);多元散射校正(multiplicativescattercorrection,MSC);SPXY(samplesetpartitioningbasedonjointX-Ydistances);RS(recurrencescore);偏最小二乘法回歸(partialleastsquaresregression,PLS);競爭性自適應(yīng)權(quán)重取樣法(competitiveadaptivereweightedsampling,CARS)。

2.2 蛋白質(zhì)測定

蛋白質(zhì)是油料種子的主要營養(yǎng)物質(zhì)之一，世界上70%的蛋白質(zhì)來源于植物，具有營養(yǎng)性、功能性、經(jīng)濟(jì)性等特點(diǎn)。由于人們越來越注重健康，其市場需求正在逐年快速增長[39]。Williams等[40]首次以近紅外光譜技術(shù)取代了傳統(tǒng)的凱氏定氮法測定小麥中的蛋白質(zhì)，推動了近紅外光譜在工業(yè)領(lǐng)域的發(fā)展。楊水艷等[41]對美藤果顆粒及美藤果粉的近紅外光譜全譜及不同波段光譜進(jìn)行預(yù)處理，運(yùn)用偏最小二乘法分別建立了美藤果顆粒及美藤果粉的水分、蛋白質(zhì)、含油量定標(biāo)模型。結(jié)果顯示：美藤果顆粒和美藤果粉建立的校正模型的相關(guān)系數(shù)均大于0.94，校正均方根誤差小于0.45%，交叉驗(yàn)證相關(guān)系數(shù)大于0.91，驗(yàn)證均方根誤差小于0.53%。Posom等[36]結(jié)合矢量歸一化、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)等，利用偏最小二乘法建立了麻風(fēng)樹蛋白質(zhì)的定標(biāo)模型。

2.3 脂肪(酸)測定

果實(shí)的含油量是判斷植物開發(fā)利用價(jià)值的根據(jù)，也是衡定木本油料植物經(jīng)濟(jì)特性的重要指標(biāo)之一。李水芳等[23]選取來自湖南省永順縣中南林業(yè)科技大學(xué)油桐試驗(yàn)基地國家資源種質(zhì)保存庫2個(gè)不同品種的油桐樣品，采用近紅外光譜分析技術(shù)進(jìn)行含油量的測定，結(jié)果獲得驗(yàn)證集相關(guān)系數(shù)為0.927、均方根誤差為2.08、相對標(biāo)準(zhǔn)差為3.99%的含油量測定模型，表明建立的模型適用性良好。與其他文獻(xiàn)不同的是，該文采用了CARS法、WT法選擇和壓縮變量，結(jié)合PLS法和RBFNN法建模，通過交互驗(yàn)證的結(jié)果，獲得最優(yōu)波長組合和穩(wěn)健性良好的定標(biāo)模型。奚如春等[22]選取油茶為試驗(yàn)材料，經(jīng)過模型驗(yàn)證得出，粉碎種仁的預(yù)測效果優(yōu)于整顆種仁的預(yù)測效果，粉碎種仁模型與常規(guī)化學(xué)分析測量結(jié)果之間的相關(guān)系數(shù)為0.98，預(yù)測標(biāo)準(zhǔn)偏差為0.33，以整顆種仁建立的定標(biāo)模型預(yù)測偏差為0.91，準(zhǔn)確度較低。此外，在試驗(yàn)中對原始光譜圖的預(yù)處理方法和回歸方法比較單一，若以多種預(yù)處理方式處理光譜，選出最優(yōu)的組合，或許能夠得到效果更加理想的定標(biāo)模型。

油脂中的脂肪酸成分是衡量油脂質(zhì)量及資源利用的重要參數(shù)。劉強(qiáng)[31]用近紅外光譜分析方法對白檀果實(shí)的含油量和脂肪酸值進(jìn)行了測定，并對化學(xué)值進(jìn)行了相關(guān)分析，用不同的原始光譜預(yù)處理方法和偏最小二乘法(PLS)分別進(jìn)行定標(biāo)分析，結(jié)果表明，在油脂含量常規(guī)檢測中不同樣品之間得到的檢測結(jié)果相差較大，含油量和各脂肪酸最佳模型的預(yù)處理方式也并不相同，一階導(dǎo)數(shù)結(jié)合平滑法處理原始光譜建?？梢缘玫阶罴训暮吐?、棕櫚酸和油酸校正模型；硬脂酸模型光譜的最佳處理方式為二階導(dǎo)數(shù)結(jié)合標(biāo)準(zhǔn)正態(tài)變量轉(zhuǎn)換法，而亞油酸最佳的光譜預(yù)處理方式為一階導(dǎo)數(shù)，說明不同的成分和樣本光譜對預(yù)處理方法的敏感度不同，需要經(jīng)過多次試驗(yàn)，最終選擇合適的光譜預(yù)處理方法。

3 近紅外光譜分析技術(shù)在木本食用油產(chǎn)品摻假檢測和產(chǎn)地鑒定中的應(yīng)用

3.1 產(chǎn)品摻假檢測

由于木本食用油的高營養(yǎng)和經(jīng)濟(jì)價(jià)值，部分商家為了降低產(chǎn)品成本，獲得更大的利潤，在其中摻入廉價(jià)油[42]。隨著科技的進(jìn)步，食用油摻假檢測的儀器越來越先進(jìn)和靈敏，但越先進(jìn)靈敏的儀器對檢測對象的要求也越高，可以檢測的樣品種類也就越少[43]。而近紅外光譜檢測技術(shù)適用于數(shù)量大的樣本，可以低成本快速檢測多個(gè)組分，能減少樣品選擇帶來的誤差，使檢測結(jié)果做到更加準(zhǔn)確和快速。食用植物油主要質(zhì)量指標(biāo)包括各種脂肪酸含量、碘值、酸價(jià)、過氧化值及溶劑殘留量等，這些指標(biāo)是反映食用植物油質(zhì)量安全的重要依據(jù)[44]。目前，在木本食用油料的品質(zhì)檢測中，主要通過運(yùn)用近紅外光譜分析技術(shù)檢測油脂中的脂肪酸種類和含量來鑒別是否有摻假情況。

據(jù)統(tǒng)計(jì)，在茶油摻假中使用最多的是大豆油，其次是菜籽油、葵花籽油和玉米油[45]。利用近紅外光譜法結(jié)合偏最小二乘法，可快速測定茶油中摻入的葵花籽油、花生油、玉米油和大豆油的含量[46-47]。Chu等[47]將葵花籽油、大豆油和玉米油分別按3種比例摻入茶油中，采用近紅外光譜特征帶和化學(xué)計(jì)量學(xué)方法對每種不同比例的油建立定標(biāo)模型，模型檢驗(yàn)結(jié)果顯示：Si-PLS模型優(yōu)于全譜PLS模型，根據(jù)三種Si-PLS模型的光譜區(qū)間選擇了特征光譜區(qū)間，建立了一種新的通用PLS模型，新模型Rp=0.998 8，RMSEP=1.52，說明該定標(biāo)模型可用于同時(shí)快速檢測茶油中是否摻入葵籽花油、大豆油和玉米油。彭星星等[48]向核桃油中分別按不同質(zhì)量分?jǐn)?shù)和種類摻入菜籽油和大豆油、玉米油，與Chu不同的是分別構(gòu)成了含有菜籽油和大豆油的二元體系、含有菜籽油和大豆油的三元體系和含有菜籽油、大豆油、玉米油的四元體系。經(jīng)反復(fù)驗(yàn)證，可知建立的定標(biāo)模型可以快速準(zhǔn)確地檢測核桃油中摻入菜籽油、大豆油、玉米油的含量。彭思敏等[49]以純茶油中摻偽不同比例大豆油、花生油和菜籽油中的任意兩種植物油脂來建立茶油摻偽模型，并將模型分別優(yōu)化，選出標(biāo)志性脂肪酸，與相應(yīng)的茶油摻偽模型建立回歸方程，將茶油摻偽油脂含量與脂肪酸含量之間的關(guān)系量化，在檢測茶油摻偽時(shí)，檢測相應(yīng)脂肪酸的含量，代入方程即可獲得相應(yīng)摻偽油脂的相關(guān)信息，回歸方程的建立提高了模型的適用性，實(shí)現(xiàn)了模型傳遞，使得茶油摻偽檢測技術(shù)更加科學(xué)化。

3.2 產(chǎn)地鑒定

木本油料食用油脂產(chǎn)品的價(jià)格不僅與種類有關(guān)，還和產(chǎn)品的品種和產(chǎn)地有關(guān)。油脂產(chǎn)地溯源主要針對價(jià)格較高的油脂來開展鑒定工作。為研究茶油原產(chǎn)地溯源問題，維護(hù)其市場秩序，促進(jìn)公平競爭，文韜等[50]選擇了湖南、江西、安徽和浙江4個(gè)不同地區(qū)的茶油，分別采集了光譜數(shù)據(jù)進(jìn)行分析，結(jié)果表明:以主成分分析和PLS算法提取最佳主成分作為BP人工神經(jīng)網(wǎng)絡(luò)輸入變量所構(gòu)建的PLS-BPANN模型最優(yōu)。其驗(yàn)證集相關(guān)系數(shù)Re、均方根誤差RMSEP分別為0.972、0.172，對兩類樣本集的總體分類準(zhǔn)確率分別為98.15%、95.83%，說明該模型能較準(zhǔn)確鑒別茶油原產(chǎn)地。

4 討論與展望

我國木本油料資源豐富、種類眾多，但含水量、含油量、蛋白質(zhì)含量等物性指標(biāo)良莠不齊。推進(jìn)近紅外光譜分析技術(shù)在木本油料領(lǐng)域的發(fā)展，優(yōu)化檢測技術(shù)，對木本油料產(chǎn)品質(zhì)量的提高有著極大的影響。目前，傳統(tǒng)的檢測方法具有時(shí)間成本高、操作復(fù)雜、果實(shí)保存時(shí)間短等缺陷，而近紅外光譜是一種快速、精準(zhǔn)、成本低、不損壞樣品的檢測技術(shù)，可對果實(shí)內(nèi)含物及其產(chǎn)品進(jìn)行高效、準(zhǔn)確、無損的檢測。隨著化學(xué)計(jì)量學(xué)和計(jì)算機(jī)技術(shù)的發(fā)展，近紅外光譜分析技術(shù)不僅用于常見基礎(chǔ)指標(biāo)含量的檢測，還用于鑒定產(chǎn)品來源，對產(chǎn)品進(jìn)行分類，并可實(shí)現(xiàn)同時(shí)多組分在線分析。在木本油料油脂檢測中，脂肪酸成分多，產(chǎn)品來源比較復(fù)雜，高價(jià)油摻假現(xiàn)象層出不窮，多組分在線分析可大大提高檢測效率。為降低消費(fèi)者被欺騙的概率，可研發(fā)便攜式小型近紅外光譜測試儀，以便于人們在消費(fèi)時(shí)判斷油脂質(zhì)量。

為了提高近紅外光譜檢測技術(shù)的精確性及效率，需注意幾點(diǎn)。第一，化學(xué)值檢測要準(zhǔn)確，檢測工作在光譜掃描后3 d內(nèi)完成，以避免不必要的干擾因素帶來誤差；第二，選擇親緣關(guān)系低的樣本，如同一品種不同地區(qū)或者同一地區(qū)不同品種，可提高模型的穩(wěn)健性，但是當(dāng)樣本地域和年份之間差異過大，可能導(dǎo)致待測樣本光譜和矯正中的光譜存在顯著差異，所掃描的光譜將成為奇異點(diǎn)，影響建模效果；第三，選擇多種原始光譜預(yù)處理方法和建模方法，最終根據(jù)模型的預(yù)測性能選擇最優(yōu)的建模組合；第四，盡量選擇代表性樣本和變量，對有效的樣本和光譜區(qū)域進(jìn)行分析和處理，可提高模型的預(yù)測能力；第五，在種子內(nèi)含物的檢測過程中，在保證模型具有一定準(zhǔn)確度的情況下，對整顆種子進(jìn)行無損檢測，而不做粉碎、烘干等處理，盡量不損壞種子。

近紅外模型建立后，還需要進(jìn)行模型維護(hù)。在模型的應(yīng)用過程中，需要不斷采集數(shù)據(jù)庫，擴(kuò)充近紅外光譜的數(shù)據(jù)集，以期對木本油料種子的檢測做到更加準(zhǔn)確。因此，在基礎(chǔ)研究階段，數(shù)據(jù)庫的共享十分重要，可避免重復(fù)性勞動，將精力投入到更前沿的研究，使得近紅外光譜分析技術(shù)在木本油料領(lǐng)域發(fā)展得更加快速。此外，模型應(yīng)用過程中常遇到模型傳遞的問題，由于不同商家生產(chǎn)的近紅外光譜儀器硬件設(shè)施和功能設(shè)置不同，當(dāng)使用不同儀器測量數(shù)值時(shí)，可能得到偏差較大的預(yù)測值。若解決這一問題，近紅外光譜分析技術(shù)將有更加廣闊的應(yīng)用前景。