不同產(chǎn)地馬鈴薯主要成分的近紅外無損測定模型

吳延勇，史艷財(cái)，呂雪娟，丘立杭，羅含敏

（1.廣西壯族自治區(qū)農(nóng)業(yè)科學(xué)院甘蔗研究所，南寧 530007；2.農(nóng)業(yè)農(nóng)村部廣西甘蔗生物技術(shù)與遺傳改良重點(diǎn)實(shí)驗(yàn)室/廣西甘蔗遺傳改良重點(diǎn)實(shí)驗(yàn)室，南寧 530007；3.廣西壯族自治區(qū)中國科學(xué)院廣西植物研究所，廣西 桂林 541006；4.華南農(nóng)業(yè)大學(xué)測試中心，廣州 510642）

中國是世界上馬鈴薯（Solanum tuberosumL.）種植面積最大和產(chǎn)量最多的國家，2015年以來，中國實(shí)施馬鈴薯主糧化戰(zhàn)略，目的是通過馬鈴薯饅頭、面條、米粉等主食產(chǎn)品的研發(fā)，實(shí)現(xiàn)馬鈴薯產(chǎn)品營養(yǎng)、消費(fèi)、加工和生產(chǎn)的一體化發(fā)展［1，2］。由于馬鈴薯不同品種的外部特征差異較大，營養(yǎng)成分的含量也參差不齊，嚴(yán)重影響著馬鈴薯的加工效率和主糧化進(jìn)程。因此，研發(fā)一套準(zhǔn)確、穩(wěn)定和快速的馬鈴薯在線分級(jí)檢測系統(tǒng)對(duì)馬鈴薯產(chǎn)業(yè)化發(fā)展具有重要的促進(jìn)作用。

近紅外光譜（Near infrared spectroscopy，NIRS）技術(shù)是一種快速、無損、綠色環(huán)保的檢測新技術(shù)，可實(shí)現(xiàn)對(duì)樣品多種成分的同時(shí)在線檢測［3］。目前，近紅外光譜技術(shù)在食品質(zhì)量安全控制［4，5］、物種判別［6-8］、植物病原菌檢測［9，10］和代謝產(chǎn)物含量測定［11-13］等方面得到了廣泛應(yīng)用，并已成為果蔬品質(zhì)無損檢測的首選技術(shù)。近年來，近紅外光譜技術(shù)在馬鈴薯品質(zhì)檢測等方面取得了長足進(jìn)步，利用近紅外光譜技術(shù)分別建立了馬鈴薯淀粉、蛋白質(zhì)和還原糖含量的測定方法和分析模型［14-19］，但所建模型尚不全面，預(yù)測精度還有待提高，同時(shí)關(guān)于馬鈴薯水分、還原糖和淀粉的同時(shí)在線快速無損檢測也少有報(bào)道。

本研究通過收集全國有代表性的不同種質(zhì)馬鈴薯樣品，將化學(xué)方法測定的成分含量值與其近紅外光譜特征吸收曲線進(jìn)行關(guān)聯(lián)，建立了馬鈴薯水分、還原糖和淀粉含量的近紅外定量測定模型，并通過外部樣品驗(yàn)證了所建立模型的穩(wěn)定性和檢測精度，為完善馬鈴薯主要成分在線快速無損檢測提供了有益補(bǔ)充和技術(shù)支持。

1 材料與方法

1.1 材料與儀器

為保證樣品的代表性，馬鈴薯樣品從甘肅、湖北、湖南、云南、四川和廣西等6省（區(qū)）收集和購買得到不同品種和不同等級(jí)的樣品共36份。

傅立葉變換紅外光譜儀為Bruker Vertex70（德國布魯克公司），檢測器為InGaAs，NIR-光纖探頭。

1.2 馬鈴薯成分的測定

馬鈴薯水分含量采用烘干法測定，還原糖和淀粉含量測定采用硫酸-蒽酮比色法。利用打孔器在每個(gè)馬鈴薯樣品上均勻取樣9個(gè)點(diǎn)，然后混合并將其研磨為勻漿，每樣品至少稱取3份進(jìn)行測定，測定步驟參照翁霞等［20］方法進(jìn)行。

1.3 近紅外光譜的掃描、處理和模型的建立

對(duì)所有樣品進(jìn)行編號(hào)，隨機(jī)選取其中30個(gè)作為校正集，剩余的6個(gè)則作為驗(yàn)證集。所有樣品先置于溫度為22℃，濕度為50%的近紅外測定實(shí)驗(yàn)室中放置24 h，然后使用Bruker Vertex70近紅外光譜儀的NIR探頭分別對(duì)36個(gè)樣品進(jìn)行近紅外光譜掃描。參數(shù)設(shè)置為：波數(shù)范圍10 000～4 000 cm-1，分辨率8 cm-1，掃描次數(shù)64次。每份樣品均掃描9次，以標(biāo)準(zhǔn)空白樣品為參照。對(duì)掃描得到的光譜應(yīng)用Bruker OPUS定量分析軟件進(jìn)行數(shù)據(jù)處理和建模。

2 結(jié)果與分析

2.1 馬鈴薯建模樣品的成分分析

對(duì)測定的校正集和驗(yàn)證集樣品各成分的含量進(jìn)行統(tǒng)計(jì)分析，結(jié)果如表1所示。從表1可知，水分校正集的含量范圍為76.81%～85.61%，驗(yàn)證集的含量范圍為77.09%～85.14%；還原糖的校正集含量范圍為0.34%～1.79%，驗(yàn)證集的含量范圍為0.46%～1.82%；淀粉的校正集含量范圍為3.46%～7.23%，驗(yàn)證集的含量范圍為3.37%～7.04%，表明各成分含量變幅均較大，驗(yàn)證集各成分含量在校正集的范圍內(nèi)。各成分含量的標(biāo)準(zhǔn)差（SD）大小順序?yàn)樗郑镜矸郏具€原糖，表明建模樣品的水分含量離散程度最大，其次為淀粉和還原糖含量。校正集和驗(yàn)證集樣品均具有較好的代表性，有利于近紅外模型的建立。

表1 校正集和驗(yàn)證集各成分參考值

2.2 馬鈴薯近紅外光譜的掃描和預(yù)處理方法的選擇

分別對(duì)36個(gè)樣品進(jìn)行光譜掃描，用OPUS定量分析軟件計(jì)算得到每個(gè)樣品的平均譜圖（圖1）。由圖1可見，各樣品的近紅外吸收譜基本相似，但不同波數(shù)處的吸收峰強(qiáng)度有所差別，說明各樣品之間的化學(xué)成分相同，但含量存在高低差別。

圖1 馬鈴薯近紅外光譜圖

為消除與樣品無關(guān)的因素對(duì)近紅外光譜造成的影響，分別采用最小、最大歸一化法、矢量歸一化法、無光譜處理、消除常數(shù)偏移量、多元散射校正及一階導(dǎo)數(shù)+矢量歸一化法等方法對(duì)原始吸收光譜進(jìn)行了處理，主要以決定系數(shù)（R2）和交互驗(yàn)證均方根誤差（RMSECV）為指標(biāo)，最終確定水分定量模型采用無光譜預(yù)處理直接建模，還原糖定量模型的光譜預(yù)處理采用最小、最大歸一化法，淀粉定量模型的光譜預(yù)處理采用消除常數(shù)偏移量的方法。

2.3 馬鈴薯主要成分近紅外定量模型的建立

使用OPUS7.5定量分析軟件，采用偏最小二乘回歸法（PLS）建立馬鈴薯水分、還原糖和淀粉含量定量分析模型，結(jié)果如表2所示。水分含量定量分析模型采用5 400～9 400 cm-1波段建模，維數(shù)為9，R2=0.88，RMSECV=0.831，RPD=2.84。還原糖含量定量分析模型采用4 200～9 400 cm-1波段建模，維數(shù)為8，R2=0.84，RMSECV=0.14，RPD=2.5。淀粉含量定量分析模型采用6 000～9 400 cm-1波段建模，維數(shù)為8，R2=0.92，RMSECV=0.31，RPD=3.47。馬鈴薯各成分的定量分析模型的R2均大于0.80，RMSECV均小于1，RPD均大于或等于2.5，特別是淀粉含量R2優(yōu)于已有模型，說明成功構(gòu)建了馬鈴薯水分、還原糖和淀粉含量的定量分析模型。

表2 馬鈴薯各化學(xué)成分近紅外模型參數(shù)

2.4 馬鈴薯主要成分定量分析模型的驗(yàn)證

為驗(yàn)證定量分析模型的準(zhǔn)確性和穩(wěn)定性，以6份馬鈴薯樣品為驗(yàn)證集，將其化學(xué)測定值與模型預(yù)測值進(jìn)行對(duì)比分析。如圖2所示，水分含量的決定系數(shù)R2=0.993 9，絕對(duì)偏差范圍為-0.01%～0.65%，相對(duì)平均偏差（Averagerelativedeviance，ARD）為0.38%；還原糖含量的決定系數(shù)R2=0.918 9，絕對(duì)偏差范圍為-0.14%～0.19%，平均相對(duì)偏差為13.37%；淀粉含量的決定系數(shù)R2=0.984 6，絕對(duì)偏差范圍為-0.31%～0.16%，平均相對(duì)偏差為2.94%。淀粉和水分的相對(duì)偏差較小，建立的模型可以用于馬鈴薯該成分的快速預(yù)測。還原糖的相對(duì)偏差較大，主要是由于含量特別低的樣品的較大偏差所引起，因此除含量特別低的樣品外，建立的模型對(duì)于大部分樣品的還原糖含量仍然可以較好地實(shí)現(xiàn)快速預(yù)測。

圖2 馬鈴薯主要成分近紅外模型驗(yàn)證

3 小結(jié)與討論

通過收集不同產(chǎn)地具有代表性的馬鈴薯樣品，基于經(jīng)典化學(xué)方法測定的成分含量，運(yùn)用近紅外光譜技術(shù)建立了馬鈴薯主要成分的近紅外無損快速測定模型。利用多種光譜預(yù)處理方法對(duì)模型進(jìn)行優(yōu)化后，建立的馬鈴薯水分、還原糖和淀粉模型的決定系數(shù)均大于0.8，特別是淀粉的決定系數(shù)達(dá)到了0.92，RMSCV均小于1，RPD均大于或等于2.5。通過驗(yàn)證集進(jìn)一步驗(yàn)證發(fā)現(xiàn)所建立模型均具有較好的穩(wěn)健性和預(yù)測準(zhǔn)確性。本研究首次建立了馬鈴薯水分含量的近紅外快速測定模型，完善了馬鈴薯主要成分近紅外快速測定方法，為馬鈴薯多種成分的同時(shí)快速無損檢測提供了良好技術(shù)支持。