花生自然風干種子蔗糖含量近紅外定量分析模型構建

唐月異 王秀貞 劉婷 吳琪 孫全喜 王志偉 張欣 王傳堂 邵俊飛

摘要：為快速測定花生種子蔗糖含量，篩選口感好的花生品種，本研究采集167份自然風干花生種子的近紅外光譜，并利用高效液相色譜（HPLC）法測定其蔗糖含量，然后利用偏最小二乘法（Modified PLS）構建多粒自然風干花生種子樣品蔗糖含量的近紅外定量分析模型，經內部交叉檢驗和優化，確定該模型的最佳光譜預處理方法為最小-最大歸一化法，蔗糖含量譜區范圍為4 597.7～11 988.0 cm-1，維數為10，模型的決定系數（R2）為81.59，交叉驗證根均方差（RMSECV）為0.414。經外部驗證，所建模型可以較好地預測花生種子蔗糖含量。

關鍵詞：花生；自然風干種子；蔗糖含量；近紅外定量分析

中圖分類號：S565.201文獻標識號：A文章編號：1001-4942（2018）06-0159-04

Abstract For rapidly determining sucrose content in peanut seeds and selecting peanut varieties with good taste， the near infrared spectroscopy model was developed to predict sucrose content of sun-dried peanut seeds. Near infrared spectrum of a total of 167 peanut samples were collected， and the sucrose content of each sample was determined by high performance liquid chromatography （HPLC）. Then a NIR calibration model was established by partial least squares method （modified PLS）. Through internal cross validation and optimization， the optimized spectral preprocessing method of this model was minimum and maximum normalization， and the spectral range of sucrose， rank， determination coefficient （R2） and root-mean-squares error of cross-validation （RMSECV） were 4 597.7～11 988.0 cm-1， 10， 81.59 and 0.414， respectively. Through external validation， the model could be used to predict the sucrose content of peanut seeds very well.

Keywords Peanut； Sun-dried seed； Sucrose content； Near infrared spectroscopy （NIRS）

花生是我國重要的經濟作物，其籽仁含豐富的營養物質，其中脂肪含量約占50%，蛋白質含量約占24%～36%，碳水化合物約占10%～23%。蔗糖是碳水化合物的重要成分，也是花生甜味的主要來源，其含量的多少與焙烤花生果（仁）的香氣和味道有密切關系[1]。Goch等研究表明花生仁的甜度與口味品質間的相關系數達到0.88，且當蔗糖含量超過5%時這種趨勢尤為突出[2]。據報道，我國和美國出產的花生比阿根廷出產的蔗糖含量低[3]。日本市場要求花生蔗糖含量達到6%以上，而國內生產上應用的多數花生品種蔗糖含量很難達到這個要求，這成為我國花生出口日本的主要限制因素[4]。Pattee等（2000）[5]發現甜味是可以遺傳的性狀，培育蔗糖含量高的花生品種，不僅能提升花生的感官品質，也可以更好地滿足國際市場的需求。

蔗糖含量的傳統測定方法有比色法、色譜法等，費時、費力、成本高，而近紅外光譜分析法具有非破壞性、快速、準確、高效、低成本且可同時檢測多種成分等優點[6]，已廣泛應用于棉籽、油菜、玉米、大豆、芝麻等多種農作物的品質分析中[7-13]。該方法在花生籽仁脂肪、脂肪酸、蛋白質、氨基酸含量測定方面也已實現應用[14-17]，但在蔗糖含量檢測方面的應用研究還較少。秦利等（2016）[18]利用瑞典波通DA7200型近紅外光譜儀測定了72份花生種質的蔗糖含量，但該型號光譜儀采集的光譜無法在其它公司生產的光譜儀上應用。

為了探索近紅外光譜分析法的儀器廣適性及其在更多花生種質蔗糖含量測定上的應用效果，本研究以167份國內外優質花生品種（系）的自然風干種子為建模材料，用德國布魯克光譜儀器公司生產的Matrix-Ⅰ型傅立葉變換近紅外光譜儀采集光譜數據，用HPLC法測定蔗糖含量，建立快速無損測定花生種子蔗糖含量的近紅外模型，以便可以快速、高效、準確且無損地測定花生種子的蔗糖含量，為花生品質育種提供高效的選擇手段。

1 材料與方法

1.1 試驗材料

建模所用試驗材料系來自國內外的花生品種（系），共計167份，如表1所示。另取5份樣品，編號S10、S11、S12、S14、S15，用于模型驗證。所有樣品均自然風干。

1.2 研究方法

1.2.1 光譜采集 用德國布魯克光譜儀器公司生產的Matrix-Ⅰ型傅立葉變換近紅外光譜儀采集光譜數據。光譜儀掃描譜區范圍為4 000～12 000 cm-1，掃描次數為64次，分辨率為8 cm-1。開機預熱30 min后檢測樣品，采用旋轉樣品臺以增加采樣面積，樣品杯內徑為5 cm，旋轉后實際采集光譜的樣品面積為19.64 cm2。在樣品杯中裝入半杯花生種子（30～50粒），測定時樣品杯自動旋轉，以獲得較多種子的近紅外光譜信息。每份材料至少測量3株，每株測量3次，取平均值[14]。

1.2.2 蔗糖含量測定 按照GB 5009.8—2016 中的高效液相色譜（HPLC）法[19]進行。

1.2.3 模型構建與優化 在德國布魯克Matrix-Ⅰ型近紅外光譜儀自帶的OPUS 5.5軟件上完成。將HPLC法測得的蔗糖含量化學值與采集的近紅外光譜數據導入軟件進行擬合光譜處理，用偏最小二乘法優化建立模型，反復采用內部交叉驗證剔除奇異點（outlier）。選擇最佳光譜預處理辦法、最佳譜區、維數，并作進一步驗證。通過比較模型的決定系數（R2）和交叉驗證根均方差（RMSECV）衡量模型質量，篩選最佳模型。

所建模型的驗證采用外部交叉驗證，即隨機挑選驗證樣品，利用DPS 14.50軟件對樣品的預測值和化學值進行配對t測驗分析，根據分析結果來判斷模型的可靠性。

2 結果與分析

2.1 HPLC法測得的花生種子蔗糖含量

由表2可見，167份花生種子樣品的蔗糖含量均值為4.93%，最小、最大值分別為1.84%、8.23%，變異系數為21.12%，表明所選花生樣品蔗糖含量變幅較大，可用于近紅外光譜模型構建。

2.2 近紅外模型構建

采集的花生自然風干多粒種子的近紅外光譜如圖1所示，符合預期。

將167份材料的近紅外光譜數據和化學值導入OPUS 5.5軟件，用偏最小二乘法優化建立模型，并用內部交叉驗證剔除奇異點。利用軟件自動優化功能，確定花生種子蔗糖含量的最佳光譜預處理方法為“最小-最大歸一化”，譜區范圍為4 597.7～11 988.0 cm-1，維數為10；經內部交叉檢驗，模型的R2為81.59，RMSECV為0.414（圖2），表明所建模型較好。

2.3 模型驗證

另取5份樣品對所建模型進行外部驗證，經配對t測驗，蔗糖含量預測值與化學值的偏差較小（表3），t=0.838

3 結論

近年來，為了實現快速、綠色、無損、高效、低成本、大規模地篩選優質花生材料，山東省花生研究所分子育種課題組已利用德國布魯克公司生產的Matrix-Ⅰ型近紅外光譜儀建立了花生主要脂肪酸、脂肪、蛋白質和水分的定量分析模型[14-17]。為了充實其定量分析指標，本研究又利用該儀器掃描的近紅外光譜，構建了花生籽仁蔗糖含量的測定模型，模型的內部交叉檢驗決定系數為81.59，交叉驗證根均方差為0.414，與秦利等[18]構建模型的R2（82.20）和RMSECV（0.386）值接近。經外部驗證，所建模型可以實現蔗糖含量的準確預測，為花生高蔗糖育種提供便利。

參 考 文 獻：

[1] 萬書波. 中國花生栽培學[M]. 上海：上海科學技術出版社，2003.

[2] Goch H. Breeding for eating quality of groundnut in Japan [M]//Nigam S N. Proceedings of an international workshop.India： International Crops Research Institute for the Semi-Arid Tropies，1992.

[3] Bert K L， Vereellorti J R， Lovegren N V， et al. A comparison of the flavor and compositional quality of peanuts from several origins [J]. Food Chem.， 1994， 51（1）：21-27.

[4] 唐月異，王傳堂，王秀貞，等. 152份花生種質主要生化品質分析[C]//搭建兩岸合作交流平臺 促進花生科技產業發展-海峽兩岸花生學術研討會論文集. 北京：中國農業科學技術出版社，2009.

[5] Pattee H E， Isleib T G， Giesbrecht F G， et al. Relationships of sweet， bitter， and roaste peanut sensory attributes with carbohydrate components in peanuts [J]. J. Agric. Food Chem.， 2000， 48（3）：757-63.

[6] 汪旭升，陸燕，吳建國. 近紅外光譜分析法（NIRS）測定棉籽粉中油分含量的研究[J].浙江農業學報，2001，13（4）：218-222.

[7] 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（13）：473-476.

[8] Lordelo M M， Shaaban S A， Dale N M， et al.Near infrared reflectance spectroscopy for the determination of free gossypol in cotton seed meal[J]. Journal of Applied Poultry Research， 2008，17（2）：243-248.

[9] 秦利，沈曉佳，陳進紅，等. 近紅外反射光譜法（NIRS）測定棉仁粉中蛋白質和棉酚含量的研究[J]. 光譜學與光譜分析，2010，30（3）：635-639.

[10]康月瓊，郝風，柴勇，等. 油菜品質近紅外檢測模型建立的研究[J].中國農學通報，2011，27（5）： 144-148.

[11]魏良明，嚴衍祿，戴景瑞.近紅外反射光譜測定玉米完整籽粒蛋白質和淀粉含量的研究[J].中國農業科學，2004，37（5）：630-633.

[12]王鐸，張力，范素杰，等. 大豆主要脂肪酸含量近紅外模型的建立[J].大豆科學，2017，36（2）：295-299.

[13]劉盼，張艷欣，黎冬華，等. 基于近紅外模型的芝麻核心種質油脂和蛋白質含量變異分析[J].中國油料作物學報，2016，38（6）：722-729.

[14]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（3）：90-93.

[15]楊傳得，唐月異，王秀貞，等. 傅立葉近紅外漫反射光譜技術在花生脂肪酸分析中的應用[J]. 花生學報，2015，44（1）：11-17.

[16]王秀貞，唐月異，張建成，等. 近紅外技術分析化學誘變對花生脂肪、蛋白質和蔗糖含量的影響[J].花生學報，2009，38（4）：5-8.

[17]楊傳得，于洪濤，關淑艷，等. 近紅外反射光譜技術預測花生種子含水量

[J]. 花生學報，2012，41（1）：6-9， 20.

[18]秦利，劉華，杜培，等. 基于近紅外光譜法的花生籽仁中蔗糖含量的測定[J]. 中國油料作物學報， 2016，38（5）：666-671.

[19]中華人民共和國國家衛生和計劃生育委員會，國家食品藥品監督管理總局發布. GB 5009.8—2016 食品安全國家標準 食品中果糖、葡萄糖、蔗糖、麥芽糖、乳糖的測定[S]. 2016-12-23.