应用近红外谷物分析仪建立油莎豆中粗脂肪含量的检测方法

摘要

本发明公开了一种应用近红外谷物分析仪建立油莎豆中粗脂肪含量的检测方法，利用多个有油莎豆样品，在近红外谷物分析仪上首次标定了油莎豆粗脂肪模型，其中标样质量和脂肪含量直接影响标线的准确性和适用范围，本发明所采用标样为本团队选择纯化的油莎豆株系，其粗脂肪含量覆盖范围为18.49％‑38.68％，可满足油莎豆粗脂肪含量的测定。另外本发明具有分析速度快、分析效率高、不使用任何化学试剂、不破坏样品本身、且对环境不造成任何污染等优点。使用本发明检测一个油莎豆待测样品的粗脂肪含量平均只需1.5分钟，效率远高于传统方法，实现了油莎豆粗脂肪快速无损分析。

说明书

技术领域

本发明涉及检测分析技术领域，尤其涉及一种应用近红外谷物分析仪建立油莎豆中粗脂肪含量的检测方法。

背景技术

油莎豆又名油莎草、地下板栗、地下核桃、虎坚果等，属莎草科莎草属多年生草本植物，其为集油、粮、牧、饲多种用途于一体的新型植物。油莎豆经济化种植时，作为一年生作物栽培，地上植株高100厘米左右，叶片狭窄、细长、革质，地下部分根系发达，根为须根，根深15-25厘米左右，油莎豆植株分蘖能力强，生长过程中会不断从植株基部长出新的植株，地下的须根可结出许多小球状的块茎，块茎成熟后呈圆球形、椭圆形和长椭圆形，直径0.7-1.5厘米，表皮多为黄褐色，表面有节和鳞片，果肉白色或淡黄色。油莎豆和薯类作物一样是地下块茎，既可以直接食用，还可以作为“种子”进行繁殖。

油莎豆块茎和茎叶均可利用，营养物质丰富，综合价值高。油莎豆含淀粉、脂肪、糖、蛋白质、膳食纤维，同时富含维生素C、维生素E和钾、磷、钠、钙、镁，等矿物质。油莎豆是目前所有作物中唯一在地下器官-根茎中积累油脂的作物，粗脂肪含量在25％左右，每亩油莎豆产油量超过120kg。油莎豆块茎可直接食用，可打浆做成豆奶，可磨粉用作食用面粉，可用来榨油、制糖和酿酒；油莎豆茎叶可做绿肥和饲料，可造纸，亦可用作编织。

近几年，随着我国经济的不断发展，食用油供需矛盾日益突出，国家提出“多油并举”增加新油源，油莎豆产业逐渐被关注，种植面积稳步提成，关于油莎豆的相关研究也相继开展，油莎豆高油品种培育及食用油加工利用均需明确其脂肪含量。

目前测定油莎豆脂肪含量的方法主要为实验室索氏提取法，此方法检测时间长，工序繁琐，工作量大，不利于大量样品快速检测，并且检测需要破坏样品，对于样品量少且重要的材料不适合采取此方法检测。

近红外谷物分析仪可以实现大豆，油菜籽，小麦，玉米，花生，大麦，水稻，芝麻等颗粒状样品成份的快速测量，在不破坏或损坏被检测对象的前提下，利用样品内部结构存在所引起的对热、声、光、电、磁等反应的变化，来对样品结构组成做出判断和评价，适用于大批量材料的测定和重要育种材料筛选。但国内外还未见近红外技术在油莎豆粗脂肪含量分析测试方法或建立相关模型方面的报道。

发明内容

本发明的目的是提供一种应用近红外谷物分析仪建立油莎豆中粗脂肪含量的检测方法，利用多个有油莎豆样品，在近红外谷物分析仪上首次标定了油莎豆粗脂肪模型，实现了油莎豆粗脂肪快速分析。

为了实现上述目的，本发明提供如下技术方案：

一种应用近红外谷物分析仪建立油莎豆中粗脂肪含量的检测方法，包括以下步骤：

S1标准样品准备所用标准样品为粗脂肪含量覆盖范围18.49％-38.68％的油莎豆株系，挑选饱满、无虫眼颗粒，洗净晒干备用；

S2近红外扫描取20g油莎豆样品放于旋转样品小盘中，采用近红外谷物分析仪扫描谱区950-1650nm，分辨率为5nm，采集样品吸收光谱，获得样品在近红外波长的所有光谱信息，得到校正集样本光谱，在光谱采集时应保证样品处于相同的检测环境，保持检测环境的温度和湿度等。；

S3光谱预处理对上述所得校正集样本光谱用TheUnscrambler软件进行预处理；

S4测定化学标准值依据NY/T4-1982方法检测油莎豆样品粗脂肪含量作为化学标准值；

S5输入化学值并导出检测曲线将测定的样品化学标准值输入近红外谷物分析仪，将赋有化学标准值的近红外光谱曲线导出；

S6建立定标模型以所述油莎豆样品的化学值为标准值，利用样品近红外光谱值与对应化学标准值之间关系运用偏最小二乘法建立定标模型，将化学值和近红外值进行比较分析，SEP值为小于0.5％；

S7模型导入设定项目将粗脂肪的定标模型导入近红外谷物分析仪内设定项目，即完成设置，可以用来检测未知样品；

S8未知含量的油莎豆样品粗脂肪测定将步骤S1所述标样品替换为待测油莎豆样品，重复所述步骤S1，用上述已导入定标模型的设定项目程序扫描待测样品，即可得到待测油莎豆样品的粗脂肪含量。

进一步地，所用标准样品为为纯化的油莎豆株系，且株系个体间粗脂肪含量存在差异。

进一步地，所用标准样品为油莎豆株系100份以上。

进一步地，所述近红外谷物分析仪为波通DA7250近红外谷物分析仪。

进一步地，步骤S2中扫描方式为连续波长近红外扫描或离散波长近红外扫描。

进一步地，扫描方式为连续波长近红外扫描时，所述化学计量学多元校正算法为偏最小二乘法或主成分回归。

进一步地，所述扫描方式为离散波长近红外扫描时，所述化学计量学多元校正算法为逐步回归算法或多元线性回归算法。

进一步地，步骤S3中所述的预处理方法为多元散射校正法、平滑方法和求导方法的至少一种，求导方法为一阶求导或二阶求导法。

与现有技术相比，本发明的有益效果为：

本发明应用近红外谷物分析仪建立油莎豆中粗脂肪含量的检测方法，利用多个有油莎豆样品，在近红外谷物分析仪上首次标定了油莎豆粗脂肪模型，其中标样质量和脂肪含量直接影响标线的准确性和适用范围，本发明检测标样为粗脂肪含量覆盖范围为18.49％-38.68％，可满足油莎豆粗脂肪含量的测定。另外本发明具有分析速度快、分析效率高、不使用任何化学试剂、不破坏样品本身、且对环境不造成任何污染等优点。使用本发明检测一个油莎豆待测样品的粗脂肪含量平均只需1.5分钟，效率远高于传统方法，实现了油莎豆粗脂肪含量的快速无损分析。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的预处理过的126个油莎豆标样光谱图。

图2为本发明实施例提供的126个油莎豆标样化学值和近红外检测值的关系散点图。

图3为本发明实施例提供的32个未知样品光谱图。

图4为本发明实施例提供的32个未知样品化学值和近红外检测值之间线性关系图。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图和实施例对本发明作进一步的详细介绍。本发明所用标准样品为吉林省农业科学院经济植物研究所油莎豆团队选择并纯化的油莎豆株系，株系个体粗脂肪含量存在差异，覆盖范围为18.49％-38.68％，所用的近红外谷物分析仪为波通DA7250近红外谷物分析仪。

本发明提供的应用近红外谷物分析仪建立油莎豆中粗脂肪含量的检测方法，包括以下步骤：

S1标准样品准备

取标准样品126份，挑选饱满、无虫眼颗粒，洗净晒干备用；

S2近红外扫描

在25℃下开启近红外光谱仪预热30分钟，新建项目：项目名称为油莎豆粗脂肪含量分析，设置样品盘为小样品盘旋转，重复检测两次，样品形态为颗粒，样品ID格式为指定名称。参数设置(虚拟留位)：自定义参数输入参数粗脂肪，水基为干基，单位“％”。

取20g油莎豆样品放于旋转样品小盘中，采用近红外谷物分析仪扫描谱区950-1650nm，分辨率为5nm，采集样品吸收光谱。为了克服样品粒度差异引起的光谱差异，减少误差，每个样品重复装样2次。

将126份标准样品用新建的“粗脂肪含量分析”项目程序别进行近红外光谱扫描，获得样品在近红外波长的所有光谱信息，得到校正集样本光谱。

扫描方式为连续波长近红外扫描或离散波长近红外扫描。具体地，扫描方式为连续波长近红外扫描时，所述化学计量学多元校正算法为偏最小二乘法或主成分回归。扫描方式为离散波长近红外扫描时，所述化学计量学多元校正算法为逐步回归算法或多元线性回归算法。

S3光谱预处理

对上述所得校正集样本光谱用TheUnscrambler软件进行预处理。预处理方法为多元散射校正法、平滑方法和求导方法的至少一种，求导方法为一阶求导或二阶求导法。126个标样经预处理后形成图谱见图1。126个油莎豆标样粗脂肪的近红外值见表1。

S4测定化学标准值

依据NY/T4-1982方法检测油莎豆样品粗脂肪含量作为化学标准值。具体的方法为：脂肪含量的分析使用索氏(Soxhlet)萃取装置对乙醚进行纯化来萃取样本中的脂肪，从而进行定量。融化于乙醚中而被萃取的并非只是油脂，还包含极少量的有机酸、乙醇类、低油、色素、脂溶性维生素等，所以用这种方法定量的脂肪称为粗脂肪(crudefat)或者乙醚萃取物。将2-10g油莎豆粉样本分别放入圆柱形过滤纸中，用脱脂棉盖住样本的上部并将其放入容器内，在80℃的干燥器中干燥2-3小时。将其在干燥器中放凉再放入索氏萃取装置的萃取管中，在接收器皿(水器)中放入一半容量程度的无水乙醚来装置，并萃取8小时。在萃取结束后，将冷却器摘下，用镊子将萃取管内的圆柱形过滤纸取出，重新将冷却器连接到萃取管中，待乙醚全部移到萃取管中后，分离并使用连接有恒温水池的浓缩机来完全蒸发掉乙醚。用纱布擦拭干净水器的外部后，将其放入98-100℃的干燥器中，干燥约1小时使其恒重后在干燥器中放冷后对水器的重量进行定量。粗脂肪的量由以下式来算出。

粗脂肪(g)＝[(W

其中：W

W

S为样本的采取量(g)。

测定结果见表1。

表1 126个油莎豆标样粗脂肪的化学值和近红外值

S5输入化学值并导出检测曲线

将测定的126个样品化学标准值输入近红外谷物分析仪，“油莎豆粗脂肪含量分析”程序中，将赋有化学标准值的近红外光谱曲线导出。

校正值(化学值)和检测值(近红外值)的关系散点图如图2所示。图中横坐标代表校正值(化学值)，纵坐标代表检测值(近红外值)，图中散点代表每个样品的校正值和验证值对应关系，蓝色为校准集，红色为验证集，126个点之间存在线性关系，直线Slope(斜率)为0.97，R-Square(相关性)为0.97，极相关，表示每个样品的校正值和检测值之间十分接近。

S6建立定标模型

以所述油莎豆样品的化学值为标准值，利用样品近红外光谱值与对应化学标准值之间关系运用偏最小二乘法建立定标模型。化学值与近红外值详见表1。

S7模型导入设定项目

将粗脂肪的定标模型导入近红外谷物分析仪内设定项目，即完成设置，可以用来检测未知样品。

S8未知含量的油莎豆样品粗脂肪测定

取32个未知含量的油莎豆样品，将步骤S1所述标样品替换为待测油莎豆样品，重复所述步骤S1，用上述已导入定标模型的设定项目程序扫描待测样品，即可得到待测油莎豆样品的粗脂肪含量，32个未知样品的光谱图见图3，依据NY/T4-1982方法检测未知样品的化学标准值，将化学值和近红外值进行比较分析，化学值与近红外检测值见表2。化学值和近红外检测值之间线性关系如图4。未知样品化学值与近红外检测值分析结果见表3，相关性为0.990，SEP(预测标准方差)值为0.245％，证明方法模型建立成功，完全可以满足油莎豆粗脂肪含量的测定。

表2 32个未知样品化学值与近红外检测值

表3未知样品化学值与近红外检测值分析结果

另外本发明方法具有分析速度快、分析效率高、不使用任何化学试剂、不破坏样品本身、且环境不造成任何污染等优点。使用本发明检测一个油莎豆待测样品的粗脂肪含量平均只需1.5分钟，效率远高于传统方法。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，但这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。