基于近紅外光譜技術的花生酸敗特性檢測研究

王 晶 陳 紅 萬 鵬

（華中農業大學工學院，武漢 430070）

花生具有很高的營養價值，內含豐富的脂肪、蛋白質、鈣、磷、鐵等天然營養物質，素有“植物肉”之稱［1］。貯藏過程中，由于花生含油量高，在日光、氧氣、高溫、高濕等綜合作用下，容易發生氧化酸敗。酸價、過氧化值是衡量花生貯藏品質的重要指標，通過測定花生中酸價、過氧化值的變化，可以反映花生貯藏品質的變化［2］。目前傳統的化學測量方法不但破壞花生籽粒，費時，費力，耗費大量化學試劑，并且產生有害氣體，因此迫切需要一種快速、簡便、無損耗的方法［3］。

近紅外光譜分析技術是在20世紀80年代后期迅速發展起來一項綜合光譜學、化學計量學等多學科知識的現代分析技術［4］，利用物質中O—H、C—H、C—O和N—H等基團在近紅外區（780～2 500 nm）的倍頻和合頻吸收，建立吸收光譜與物質含量之間的關聯關系，檢測物質中一種或幾種化學成分的含量［5］。與傳統分析方法相比，具有測試速度快、無損、低成本、多組分同時測量、環保、操作簡便等特點。陳才華等［6］采用近紅外光譜法對二組分調和食用油中不同成分的含量進行了準確檢測；鮑丹青等［7］成功利用近紅外光譜技術快速測定了大豆油的過氧化值；Barry L等［8］利用近紅外光譜法對花生油酸、亞油酸進行了快速、準確的預測。目前已經成功建立了用于小麥粉［9］、棉籽［10］、板栗［11］等農產品的含水率檢測，并建立有大豆粗蛋白［12］、魚粉氨基酸［13］、臍橙 VC［14］等產品的 NIRS定量分析模型。然而以花生為原材料的酸價、過氧化值含量的近紅外分析模型鮮見報道。

本試驗從2012年1月到2012年7月，歷時6個月，以常溫貯藏下的花生籽粒為研究對象，測定其酸價、過氧化值，采用積分球漫反射方式進行光譜掃描，消除花生籽粒大小的不均勻性，以偏最小二乘法（PLS）建立定量分析模型并進行驗證，探討了近紅外光譜法快速測定花生酸價、過氧化值的可行性，并比較不同預處理方式對建模效果的影響，以期為及時檢測花生貯藏品質尋求依據。

1 材料與方法

1.1 材料與試劑

花生樣品為華中地區普遍種植的白沙6號，挑選出籽仁飽滿、均勻、無發芽、無破損、無病斑的完整花生籽仁，試驗前將花生樣品進行常溫貯藏。貯藏過程中溫度為11.3～29.6℃，相對濕度為47%～67%。

1.2 主要儀器與設備

FW80型高速萬能試樣粉碎機：河北省黃驊市齊家務科學儀器廠；Avataris－360N型傅里葉變換近紅外反射光譜儀美國Thermo Nicolet公司。光源為鎢鹵燈，檢測器為銦鎵砷（InGaAs），漫反射積分球附件，旋轉式石英樣品池（內徑5 cm）［11］。光譜的采集和儲存均由儀器附帶的TQAnalyst操作軟件來實現。光譜儀參數設置為：光譜掃描范圍4 000～10 000cm－1，掃描次數32次，分辨率8 cm－1。光譜數據分析通過OPUS（德國，Bruker）操作軟件來實現。

1.3 方法

1.3.1 樣品的制備

將花生樣品分成114份，分批次對花生樣品進行取樣，不經前處理進行近紅外光譜的掃描，并粉碎樣品進行酸價、過氧化值的測定。

1.3.2 油樣的提取

將花生仁粉碎，分裝入250 mL錐形瓶中，加入100 mL石油醚，震搖1 min，置于暗處靜置8 h以上，過濾，濾液經旋轉蒸發除去石油醚。

1.3.3 酸價的測定

樣品光譜采集后，依據 GB／T 5009.037—2003法測定花生樣品的酸價，每個樣品重復測定2次，以2次的平均值作為該樣品酸價的標準值。

1.3.4 過氧化值的測定

樣品光譜采集后，依據 GB／T 5009.037—2003法測定花生樣品的過氧化值，每個樣品重復測定2次，以2次的平均值作為該樣品過氧化值的標準值。1.3.5 樣品光譜的采集和數據分析

儀器預熱30 min后，隨機抽取花生樣品，在不進行前處理的情況下，將樣品按照要求裝滿樣品杯，每個樣品重復裝樣掃描3次，取平均光譜作為每個樣品的分析光譜，以克服樣品的不均勻性，并收集盡可能多的樣品信息。

將試驗樣品按照2∶1的比例分為校正集和驗證集，分別用于模型建立和驗證。利用Bruker公司的OPUS 5.5軟件的 Quant 2方法，以偏最小二乘法（PLS）作為建立數學模型的化學計量學方法，使用內部交叉驗證法對模型進行驗證，即每次交叉剔除1個樣品，對樣本光譜分別進行平滑、一階導數、二階導數、多元散射校正、歸一化處理和消除常數偏移量等處理，通過比較樣品預測值和化學值的決定系數（R2）和均方根誤差（RMSECV）來衡量定標模型質量的優劣［16－17］。一般情況下，決定系數越高，均方根誤差越小，模型的精度越高。

2 結果與分析

2.1 花生樣品的近紅外光譜圖

圖1所示為4 000～10 000 cm－1（厘米波數）譜區內的花生樣品近紅外漫反射光譜圖。橫坐標為光譜波數，縱坐標為吸光度。光譜在5 100～5 200 cm－1和6 800～7 000 cm－1波段有明顯的吸收峰，在8 000～1 000 cm－1波段吸收相對較弱，鮮明的漫反射光譜吸收特征為花生酸價、過氧化值的定量分析提供了豐富的信息基礎。

圖1 花生樣品近紅外漫反射光譜圖

根據物理化學方法測得花生樣品的酸價范圍為0.71～2.24 mg／g，總體平均值為 1.13 mg／g，標準差為0.338；花生樣品的過氧化值范圍為7.54～15.50 mmol／kg，總體平均值為 11.20 mmol／kg，標準差為0.927 6。利用OPUS 5.5定量分析軟件，采用留一交叉驗證方式剔除異常值。將花生樣品分為校正集與驗證集，結果如表1～表3。

表1 花生樣品酸價、過氧化值統計結果

表2 花生樣品酸價建模參數

表3 花生樣品過氧化值建模參數

2.2 光譜數據的預處理和模型的建立

在近紅外光譜分析中，為了消除樣本的不均勻性、高頻隨機噪聲、基線漂移、雜散光等影響帶來的誤差，在建立模型時通常采用不同的光譜預處理方法對原始光譜進行處理后建立模型，可以提高模型的可靠性。此研究中用到的光譜處理方式氛圍光譜預處理和數學預處理兩類方法。光譜預處理包括多元散射校正、歸一化處理等，數學處理主要有一階導數、二階導數和平滑處理等。

導數處理可以有效消除由背景引起的干擾和基線漂移，但同時會造成噪聲放大，必須同時加以平滑處理，減小噪聲；多元散射校正（MSC）可以減少樣品顆粒的不均勻性造成的表面散射特性和光程變化對光譜產生的影響。

采用偏最小二乘法對原始光譜進行預處理并建模，以決定系數R2和均方根誤差RMSECV作為衡量模型質量優劣的指標，經對比確定最優光譜預處理方法，并進行交叉驗證，結果見表4。

根據決定系數（R2）最大，均方根誤差（RMSECV）最小為最優模型的特點，由表4的數據可以發現，酸價和過氧化值的PLS模型，均是一階導數的預處理情況下，模型性能最好，酸價最優模型的決定系數為0.955，均方根誤差為0.080，如圖2；過氧化值最優模型的決定系數為0.940，均方根誤差為0.459，如圖3。

圖2 花生酸價校正集相關圖

圖3 花生過氧化值校正集相關圖

其中，由于華中地區春夏之際氣候變化顯著，六七月份溫、濕度極速上升，酸價、過氧化值隨之變化。與過氧化值相比，酸價受氣候的影響更為嚴重，如圖2所示，導致建模圖中出現數值“斷層”現象。

從圖4、圖5可以看出，酸價、過氧化值模型驗證樣品的預測值與化學值的相關性均較高，說明近紅外光譜技術可以作為一種快速檢測方法代替花生酸價、過氧化值的常規化學檢測。

圖4 花生酸價檢驗集檢驗相關圖

表4 花生酸價、過氧化值檢測PLS建模結果

圖5 花生過氧化值檢驗集檢驗相關圖

3 結論

影響近紅外光譜分析準確性的因素有很多，如樣品的粒度、環境溫度、濕度以及裝樣時的松緊度。研究運用多種光譜預處理方法處理花生的光譜，利用偏最小二乘法建立花生的酸價、過氧化值預測模型，并比較了多種光譜預處理方法對模型性能的影響。結論如下：在全波譜范圍內用經一階導數、適當平滑預處理的花生光譜所建立的模型性能最好，酸價模型的決定系數為0.955，均方根誤差為0.080；過氧化值模型的決定系數為0.940，均方根誤差為0.459。

結果表明，利用近紅外光譜技術對貯藏花生酸價的定標效果良好，對過氧化值的快速無損檢測具有可行性。

［1］萬書波.花生產業經濟學［M］.北京：中國農業出版社，2010

［2］黃閩燕，鐘小伶.夏季食品中酸價、過氧化值含量的檢測與調查分析［J］.中國衛生檢驗雜志，2007，17（1）：132－133

［3］李穎.延長花生儲藏期的研究［J］.糧油食品科技，2009，17（2）：45－47

［4］嚴衍錄.近紅外光譜分析基礎與應用［M］.科學出版社，2002

［5］李軍會，趙龍蓮，勞彩蓮，等.用近紅外光譜構建現代農產品品質分析技術［J］.現代科學儀器，2005（1）：17－19

［6］陳才華，王志嵐，劉福莉.二組分食用調和油組成的近紅外光譜檢測定量分析［J］.中國糧油學報，2008，23（5）：180－182

［7］鮑丹青，畢艷蘭，鄧德文，等.利用近紅外光譜技術快速測定大豆油的過氧化值［J］.中國糧油學報，2008，23（6）：206－209

［8］Barry L Tillman，Daniel W Gorbet，George Person.Predicting Oleic and Linoleic Acid Content of Single Peanut Seeds using Near－Infrared Reflectance Spectroscopy［J］.Crop Science of America，2006：2121－2126

［9］閆李慧，王金水，金華麗，等.基于近紅外光譜技術的面粉水分無損檢測模型的建立［J］.現代食品科技，2011，27（2）：235－238

［10］張曉芳，俞信，閻吉祥，等.近紅外反射技術開放式檢測棉籽中水分和油含量的研究［J］.光譜學與光譜分析，2007，27（3）：473－476

［11］劉潔，李小昱，李培武，等.基于近紅外光譜的板栗水分檢測方法［J］.農業工程學報，2010，26（2）：338－341

［12］閆龍，蔣春志，于向鴻，等.大豆粗蛋白、粗脂肪含量近紅外檢測模型建立及可靠性分析［J］.大豆科學，2008，27（5）：833－837

［13］牛智有，韓魯佳.魚粉中氨基酸近紅外光譜定量分析［J］.農業機械學報，2007，38（5）：114－117

［14］夏俊芳，李培武，李小昱，等.不同預處理對近紅外光譜檢測臍橙VC含量的影響.［J］.農業機械學報，2007，38（6）：107－111

［15］林家永，范維燕，薛雅琳，等.稻米儲藏品質近紅外光譜快速判定技術及儀器研發［J］.中國糧油學報，2011，26（7）：113－118

［16］宋麗華，劉立峰，陳煥英，等.花生籽仁蛋白質含量近紅外光譜模型的建立.［J］.中國農學通報，2011，27（15）：85－89

［17］Pernille N Jensen，Jakob Christensen.Oxidative changes in pork scratchings，peanuts，oatmeal and muesli viewed by fluorescence，near－infrared and infrared spectroscopy［J］.European Food Reseach Technology，2004，219：294－304

［18］崔曉君，袁昌明，徐立恒.花生油中過氧化物的近紅外光譜分析［J］.應用化學，2008，25（3）：375－377

［19］禹山林，朱雨杰，閔平，等.傅立葉近紅外漫反射非破壞性測定花生種子主要脂肪酸含量［J］.花生學報，2010，39（1）：11－14

［20］張建成，王傳堂，王秀貞，等.花生自然風干種子油酸、亞油酸和棕櫚酸含量的近紅外分析模型構建［J］.中國農學通報，2011，27（03）：90－93

［21］A G Patil，M D Oak，SP Taware，et al.Nondestructive estimation of fatty acid composition in soybean seeds using Near－Infrared Transmittance Spectroscopy［J］.Food Chemistry，2010（4）：1210－1217.