论文部分内容阅读
摘 要:为快速测定蓖麻籽的含油率,缩短采购检验的时间,保持被检测样品的完整性,使用Perten DA7200型近红外仪测定了46份蓖麻籽样品的近红外光谱值,并用常规化学分析方法测定了对应蓖麻籽样品的含油率,并将这二者拟合建立了定标模型。验证评价结果表明:含油率的相关性为0.9655,定标方程的偏差为0.000003913,定标方程的预测能力良好,可替代传统含油率测定方式,实现快速无损测定蓖麻籽含油率。
关键词:蓖麻;含油率;近红外模型
中图分类号: S565.6 文献标志码:A 论文编号:2013-0926
Abstract: To develop a time-saving and nondestructive testing method for determination the oil content of castor seeds, Perten DA7200 near-infrared analyzer was used in this determination of near-infrared spectral values of 46 castor samples, and these samples oil content were determined by conventional chemical analysis method at the same time. Then a calibration model was established based on the combination of the two to fit. The the verification and evaluation results showed that: the oil content’s correlation coefficient was 0.9655, and the deviation of the calibration equation was 0.000003913. It proved that the calibration equation has excellent predictive capability and was a better alternative to traditional oil content measurement in rapid and nondestructive determination of caster bean oil content.
Key words: Castor; Oil Content; Near-Infrared Model
0 引言
蓖麻(Ricinus communis)是大戟科蓖麻属1年或多年生草本植物,适应性广,耐旱、耐盐碱,是世界上十大油料作物之一。蓖麻油凝固点低、耐高温,是一种不干性油,可用于生产高端润滑油、生物柴油及200多种化工产品,应用前途十分广泛。此外,蓖麻还可用于医药、农药、养蚕、中密度板、观赏等,综合开发利用的经济价值极高,已被国内外众多科研单位所关注。早在20世纪50年代,美国和前苏联就开展了单雌蓖麻的研究[1],中国从20世纪60年代也开始了蓖麻育种方面的研究,如山西省农科院经济作物研究所和山东淄博市农科院利用蓖麻杂种之间的优势,解决了蓖麻雌性系繁育与杂交制种中的技术难题,该技术2004年获国家发明专利[2]。湖南省林业科学院在南方蓖麻新品种选育及蓖麻油脂加工利用方面取得了不少成绩[3-5],成功培育出南方蓖麻新品种‘湘蓖1号’,利用蓖麻油制备出生物柴油和高端润滑油。随着蓖麻研究与产业化的发展,对蓖麻籽含油率的检测提出了更高的要求,特别是育种工作对无损检测的需求以及收购对快速检测的需求,当前的传统方法由于需磨碎、耗时长等已经难以满足相关需求。因此,建立大批量样品品质性状的快速辨别无损分析方法,对蓖麻育种及加工产业的发展具有重要的意义。
近红外光谱技术(NIRS,near infraredspectroscopy)是在20世纪80年代后期迅速发展起来的一项物理测试技术。它能够利用有机化学物质在近红外光谱区的光学特性,快速估测出样品中一种或几种化学成分的含量[6]。近年来,国内外广泛采用近红外光谱无损检测技术来测定农产品和食品中各成分的种类及含量,从而实现对农作物品质育种、食品品质和加工过程的控制[7-15]。目前国内还没有快速无损测量蓖麻籽含油率的方法,本研究利用DA7200二极管阵列近红外光谱对蓖麻籽样品进行扫描,结合常规化学分析方法测定样品的含油率,并将这二者拟合建立蓖麻籽含油率的近红外模型,提供了一种全新的蓖麻籽含油率的检测方法,不仅可以实现蓖麻籽含油率的快速检测,而且还可以满足育种工作对蓖麻无损检测的要求,具有较大的实际应用价值。
1 材料与方法
1.1 仪器与试剂
1.1.1 主要仪器 近红外光谱(Perten,DA7200),SZC-D脂肪测定仪,101型电热鼓风干燥箱,AB104-N型电子天平。
1.1.2 材料与试剂 蓖麻籽来自湖南省林业科学院收集的包括山东省淄博农业科学研究院、山西省农业科学院、湖南永州职业技术学院、广西壮族自治区林业科学研究院、北京秀禾国际农业发展有限公司等国内主要从事蓖麻育种工作单位的种子材料共计46份。所用到的化学试剂均为分析纯,购于上海国药集团化学试剂有限公司。
1.2 实验方法
1.2.1 蓖麻籽含油率常规化学分析数据库的创建 采集不同种源的具有代表性的蓖麻种子作为检测样品,采用国标GB/T 14488—2008测定样品的含油率,建立蓖麻籽含油率常规化学分析数据库。
由于有的品种收集的蓖麻籽数量偏少,无法大量研磨,且粘度较高,在研钵中研磨的话,容易导致测量结果偏低。因此笔者选择在滤纸上研磨。 蓖麻籽样品含油率计算如式(1)。其中a是蓖麻籽样品湿重(g),b是抽提初重(g),c是抽提末重(g)。
含油率=[(b-c)/a]×100%…(1)
1.2.2 蓖麻籽近红外光谱数据库的创建 将样品置于测量盘中,用DA7200近红外仪扫描样品,每个样品重复测量3次,并将光谱均值化处理。
1.2.3 光谱数据的处理与分析 根据Grams32软件系统的化学计量方法同时结合自身模型特点和测量要求选择的回归分析方法是MPLS(改进最小二乘法回归技术)。MPLS在每一次循环运算后,不仅对数据进行归一化处理而且对整段光谱进行处理,所以表现出更优的建模能力。所建模型用化学至与预测值的交互定标标注误差(SECV)和交互定标决定系数(1-VR)来共同评价。对光谱的散射预处理方式采用了None(对光谱不进行散射校正)和SNV+Detrend(标准正常化处理+去偏异技术)两种处理方式,数学处理技术的参数分别:①Derivative导数处理=0,Gap做导数处理计算所采用的光谱点间隔=0,Smooth平滑处理间隔=1,Smooth 2二次平滑处理间隔点= 1;②Derivative导数处理=1,Gap做导数处理计算所采用的光谱点间隔=4,Smooth平滑处理间隔=4,Smooth 2二次平滑处理间隔点=1。将上述2种光谱预处理方式建立2个定标方程,挑选交互验证标准偏差SECV偏小,交互验证相关系数1-VR偏大的一组为最终定标结果。
2 结果与分析
2.1 蓖麻籽样品含油率数据
采用国标GB/T 14488—2008(索氏提取法)对46个样品进行含油率测定,所得数据见表1。测定结果显示,所测46份样品最高含油率为45.27%,最低含油率为20.17%,平均含油率为39.84%。这与报道蓖麻籽含油率46.0%~57.6%[1-3],存在一定偏差,可能主要是由于蓖麻籽含水率的差异,本研究未测定样品的含水率。
2.2 蓖麻籽光谱数据
对46个蓖麻籽样品进行光谱扫描,得到波长范围900~1700 nm之间的样品连续扫描曲线,见图1,其横坐标为波数(nm),纵坐标为反射吸光度lgR-1。按照软件推荐的选择方式,选出一个SECV值低而1-VR值较高的一组作为定标方程,最终选择SNV+Detrend处理技术下的定标方程。
2.3 模型中含油率验证曲线
在SNV+Detrend方程中,SECV值为0.072,而1-VR值为0.881,接近于0.9655这一数学上常用的可接受标准,定标结果较好。最后剔除掉部分超常样品,就得到了图2蓖麻籽含油率回归曲线图。
2.4 模型评价
由图2可以看出,代表蓖麻籽含油率这一化学值的小点基本落于直线之上,偏差较小,相关系数为0.9655,定标方程的偏差为0.000003913(图2)具有较好的预测性,这说明蓖麻籽含油率的近红外光谱与其含油率这一化学值具有良好的对应关系,所以通过建立蓖麻籽含油率的近红外模型,可以较好地测量出蓖麻籽的含油率。
3 结论与讨论
(1)近红外光谱法可以用于蓖麻籽含油率的测定,其中相关系数为0.9655。
(2)传统蓖麻籽油的提取方法一般都是用有机溶剂抽提,如Folch法、Bligh-Dyer法、索氏抽提法等[16-17]。这些方法都需将蓖麻籽磨碎,不仅时间花费长,也有一定得损耗。而且有机溶剂还可能会造成人体危害和环境污染。近红外技术具有快速、简便、无污染,可多组分同时测定的优点,是常规分析方法难以比拟的。蓖麻籽大小与形状较规整,近红外光谱蓖麻籽含油率定标模型的建立,克服了以往常规方法的缺点,能够无污染、快速、无损、大批量测定蓖麻籽含油率,特别适用于批量和少量育种材料样板蓖麻籽含油量的测定,是一种新型测试方法,具有较大的实际应用价值。
(3)近红外光谱定标模型其准确性取决于其标准曲线的制作,随着模型中数据的不断积累和优化,测试精度可以不断提高。虽然本研究以46个小样本建立的模型分析效果较好,但为了进一步提高模型的精确度及稳定性,还需继续扩充样品量,特别是含油率低和高的样品,以便修正定标模型。
参考文献
[1] 郑鹭,祁建民,陈绍军,等.蓖麻遗传育种进展及其在生物能源与医药综合利用潜势[J].中国农学通报,2006,22(9):109-113.
[2] 李红玉,郭志强,王宏伟,等.蓖麻杂交种产业化开发的实践与思考[J].农业科技通讯,2007(6):8-10.
[3] 张良波,李培旺,李昌珠,等.蓖麻新品种湘蓖1号的选育和栽培技术[J].农业科技通讯,2009(12):182-184.
[4] 张爱华,张玉军,李昌珠,等.新型碱性离子液体催化蓖麻油制备生物柴油[J].应用化学,2009,38(2):167-170.
[5] 刘汝宽,肖志红,李昌珠,等.正交法优化植物油脂调配润滑防锈油[J].粮油加工,2009(2):68-69.
[6] 方彦,王汉宁.利用近红外光谱法测定玉米籽粒含油量的研究[J].西北农业学报,2007,16(1):111-113.
[7] 李伟,肖爱平,冷鹃.近红外光谱技术及其在农作物中的应用[J].中国农学通报,2009,25(3):56-59.
[8] Hartwig R A, Charles R. Near-infrared reflectance measurement ofmoisture, protein and oil content of crambe seed[J]. JAOCS,1990,67(7):667-672.
[9] Misra J B, Mathur R S, Bhattd M. Near-infrared transmittance spectroscopy: A potential tool fornon destructive determination of oil con-tent in groundnuts[J]. J of the science of food and agriculture,2000,80(2):237-240.
[10] 甘莉,孙秀丽,金良,等.NIRS定量分析油菜种子含油量、蛋白质含量数学模型的创建[J].中国农业科学,2003,36(12):1609-1613.
[11] 顾伟珠,汪延祥.多元线性回归法分析油菜籽含油量的近红外光谱数据[J].中国粮油学报,1995,10(2):57-64.
[12] 李钧,王宁惠,余青兰,等.傅立叶变换近红外光谱技术分析完整油菜籽含油量数学模型的建立[J].青海大学学报:自然科学版,2006,24(6):28-30.
[13] 齐晓,韩建国,聂志东,等.利用近红外漫反射光谱法预测紫花苜蓿茎组分营养价值的研究[J].光谱学与光谱分析,2008,28(9):2062-2066.
[14] 徐广通,袁洪福,陆婉珍.现代近红外光谱技术及应用进展[J].光谱学与光谱分析,2000,20(2):134-142.
[15] Stefanis E D, Sgrulletta D. Use of NIT (near infrared transmission) spectroscopy for semolina analysis[J]. Tecnica-Molitoria,1996,47(9):61-66.
[16] 楼乔明,杨文鸽,徐大伦,等.蓖麻籽脂质提取与甲酯化衍生优化及其脂肪酸组成分析[J].中国粮油学报,2012,27(12):69-72.
[17] 曾娟,郭佩佩,欧阳勇,等.海南蓖麻籽中脂肪酸的组成分析[J].海南大学学报,2009,27(3):259-260.
关键词:蓖麻;含油率;近红外模型
中图分类号: S565.6 文献标志码:A 论文编号:2013-0926
Abstract: To develop a time-saving and nondestructive testing method for determination the oil content of castor seeds, Perten DA7200 near-infrared analyzer was used in this determination of near-infrared spectral values of 46 castor samples, and these samples oil content were determined by conventional chemical analysis method at the same time. Then a calibration model was established based on the combination of the two to fit. The the verification and evaluation results showed that: the oil content’s correlation coefficient was 0.9655, and the deviation of the calibration equation was 0.000003913. It proved that the calibration equation has excellent predictive capability and was a better alternative to traditional oil content measurement in rapid and nondestructive determination of caster bean oil content.
Key words: Castor; Oil Content; Near-Infrared Model
0 引言
蓖麻(Ricinus communis)是大戟科蓖麻属1年或多年生草本植物,适应性广,耐旱、耐盐碱,是世界上十大油料作物之一。蓖麻油凝固点低、耐高温,是一种不干性油,可用于生产高端润滑油、生物柴油及200多种化工产品,应用前途十分广泛。此外,蓖麻还可用于医药、农药、养蚕、中密度板、观赏等,综合开发利用的经济价值极高,已被国内外众多科研单位所关注。早在20世纪50年代,美国和前苏联就开展了单雌蓖麻的研究[1],中国从20世纪60年代也开始了蓖麻育种方面的研究,如山西省农科院经济作物研究所和山东淄博市农科院利用蓖麻杂种之间的优势,解决了蓖麻雌性系繁育与杂交制种中的技术难题,该技术2004年获国家发明专利[2]。湖南省林业科学院在南方蓖麻新品种选育及蓖麻油脂加工利用方面取得了不少成绩[3-5],成功培育出南方蓖麻新品种‘湘蓖1号’,利用蓖麻油制备出生物柴油和高端润滑油。随着蓖麻研究与产业化的发展,对蓖麻籽含油率的检测提出了更高的要求,特别是育种工作对无损检测的需求以及收购对快速检测的需求,当前的传统方法由于需磨碎、耗时长等已经难以满足相关需求。因此,建立大批量样品品质性状的快速辨别无损分析方法,对蓖麻育种及加工产业的发展具有重要的意义。
近红外光谱技术(NIRS,near infraredspectroscopy)是在20世纪80年代后期迅速发展起来的一项物理测试技术。它能够利用有机化学物质在近红外光谱区的光学特性,快速估测出样品中一种或几种化学成分的含量[6]。近年来,国内外广泛采用近红外光谱无损检测技术来测定农产品和食品中各成分的种类及含量,从而实现对农作物品质育种、食品品质和加工过程的控制[7-15]。目前国内还没有快速无损测量蓖麻籽含油率的方法,本研究利用DA7200二极管阵列近红外光谱对蓖麻籽样品进行扫描,结合常规化学分析方法测定样品的含油率,并将这二者拟合建立蓖麻籽含油率的近红外模型,提供了一种全新的蓖麻籽含油率的检测方法,不仅可以实现蓖麻籽含油率的快速检测,而且还可以满足育种工作对蓖麻无损检测的要求,具有较大的实际应用价值。
1 材料与方法
1.1 仪器与试剂
1.1.1 主要仪器 近红外光谱(Perten,DA7200),SZC-D脂肪测定仪,101型电热鼓风干燥箱,AB104-N型电子天平。
1.1.2 材料与试剂 蓖麻籽来自湖南省林业科学院收集的包括山东省淄博农业科学研究院、山西省农业科学院、湖南永州职业技术学院、广西壮族自治区林业科学研究院、北京秀禾国际农业发展有限公司等国内主要从事蓖麻育种工作单位的种子材料共计46份。所用到的化学试剂均为分析纯,购于上海国药集团化学试剂有限公司。
1.2 实验方法
1.2.1 蓖麻籽含油率常规化学分析数据库的创建 采集不同种源的具有代表性的蓖麻种子作为检测样品,采用国标GB/T 14488—2008测定样品的含油率,建立蓖麻籽含油率常规化学分析数据库。
由于有的品种收集的蓖麻籽数量偏少,无法大量研磨,且粘度较高,在研钵中研磨的话,容易导致测量结果偏低。因此笔者选择在滤纸上研磨。 蓖麻籽样品含油率计算如式(1)。其中a是蓖麻籽样品湿重(g),b是抽提初重(g),c是抽提末重(g)。
含油率=[(b-c)/a]×100%…(1)
1.2.2 蓖麻籽近红外光谱数据库的创建 将样品置于测量盘中,用DA7200近红外仪扫描样品,每个样品重复测量3次,并将光谱均值化处理。
1.2.3 光谱数据的处理与分析 根据Grams32软件系统的化学计量方法同时结合自身模型特点和测量要求选择的回归分析方法是MPLS(改进最小二乘法回归技术)。MPLS在每一次循环运算后,不仅对数据进行归一化处理而且对整段光谱进行处理,所以表现出更优的建模能力。所建模型用化学至与预测值的交互定标标注误差(SECV)和交互定标决定系数(1-VR)来共同评价。对光谱的散射预处理方式采用了None(对光谱不进行散射校正)和SNV+Detrend(标准正常化处理+去偏异技术)两种处理方式,数学处理技术的参数分别:①Derivative导数处理=0,Gap做导数处理计算所采用的光谱点间隔=0,Smooth平滑处理间隔=1,Smooth 2二次平滑处理间隔点= 1;②Derivative导数处理=1,Gap做导数处理计算所采用的光谱点间隔=4,Smooth平滑处理间隔=4,Smooth 2二次平滑处理间隔点=1。将上述2种光谱预处理方式建立2个定标方程,挑选交互验证标准偏差SECV偏小,交互验证相关系数1-VR偏大的一组为最终定标结果。
2 结果与分析
2.1 蓖麻籽样品含油率数据
采用国标GB/T 14488—2008(索氏提取法)对46个样品进行含油率测定,所得数据见表1。测定结果显示,所测46份样品最高含油率为45.27%,最低含油率为20.17%,平均含油率为39.84%。这与报道蓖麻籽含油率46.0%~57.6%[1-3],存在一定偏差,可能主要是由于蓖麻籽含水率的差异,本研究未测定样品的含水率。
2.2 蓖麻籽光谱数据
对46个蓖麻籽样品进行光谱扫描,得到波长范围900~1700 nm之间的样品连续扫描曲线,见图1,其横坐标为波数(nm),纵坐标为反射吸光度lgR-1。按照软件推荐的选择方式,选出一个SECV值低而1-VR值较高的一组作为定标方程,最终选择SNV+Detrend处理技术下的定标方程。
2.3 模型中含油率验证曲线
在SNV+Detrend方程中,SECV值为0.072,而1-VR值为0.881,接近于0.9655这一数学上常用的可接受标准,定标结果较好。最后剔除掉部分超常样品,就得到了图2蓖麻籽含油率回归曲线图。
2.4 模型评价
由图2可以看出,代表蓖麻籽含油率这一化学值的小点基本落于直线之上,偏差较小,相关系数为0.9655,定标方程的偏差为0.000003913(图2)具有较好的预测性,这说明蓖麻籽含油率的近红外光谱与其含油率这一化学值具有良好的对应关系,所以通过建立蓖麻籽含油率的近红外模型,可以较好地测量出蓖麻籽的含油率。
3 结论与讨论
(1)近红外光谱法可以用于蓖麻籽含油率的测定,其中相关系数为0.9655。
(2)传统蓖麻籽油的提取方法一般都是用有机溶剂抽提,如Folch法、Bligh-Dyer法、索氏抽提法等[16-17]。这些方法都需将蓖麻籽磨碎,不仅时间花费长,也有一定得损耗。而且有机溶剂还可能会造成人体危害和环境污染。近红外技术具有快速、简便、无污染,可多组分同时测定的优点,是常规分析方法难以比拟的。蓖麻籽大小与形状较规整,近红外光谱蓖麻籽含油率定标模型的建立,克服了以往常规方法的缺点,能够无污染、快速、无损、大批量测定蓖麻籽含油率,特别适用于批量和少量育种材料样板蓖麻籽含油量的测定,是一种新型测试方法,具有较大的实际应用价值。
(3)近红外光谱定标模型其准确性取决于其标准曲线的制作,随着模型中数据的不断积累和优化,测试精度可以不断提高。虽然本研究以46个小样本建立的模型分析效果较好,但为了进一步提高模型的精确度及稳定性,还需继续扩充样品量,特别是含油率低和高的样品,以便修正定标模型。
参考文献
[1] 郑鹭,祁建民,陈绍军,等.蓖麻遗传育种进展及其在生物能源与医药综合利用潜势[J].中国农学通报,2006,22(9):109-113.
[2] 李红玉,郭志强,王宏伟,等.蓖麻杂交种产业化开发的实践与思考[J].农业科技通讯,2007(6):8-10.
[3] 张良波,李培旺,李昌珠,等.蓖麻新品种湘蓖1号的选育和栽培技术[J].农业科技通讯,2009(12):182-184.
[4] 张爱华,张玉军,李昌珠,等.新型碱性离子液体催化蓖麻油制备生物柴油[J].应用化学,2009,38(2):167-170.
[5] 刘汝宽,肖志红,李昌珠,等.正交法优化植物油脂调配润滑防锈油[J].粮油加工,2009(2):68-69.
[6] 方彦,王汉宁.利用近红外光谱法测定玉米籽粒含油量的研究[J].西北农业学报,2007,16(1):111-113.
[7] 李伟,肖爱平,冷鹃.近红外光谱技术及其在农作物中的应用[J].中国农学通报,2009,25(3):56-59.
[8] Hartwig R A, Charles R. Near-infrared reflectance measurement ofmoisture, protein and oil content of crambe seed[J]. JAOCS,1990,67(7):667-672.
[9] Misra J B, Mathur R S, Bhattd M. Near-infrared transmittance spectroscopy: A potential tool fornon destructive determination of oil con-tent in groundnuts[J]. J of the science of food and agriculture,2000,80(2):237-240.
[10] 甘莉,孙秀丽,金良,等.NIRS定量分析油菜种子含油量、蛋白质含量数学模型的创建[J].中国农业科学,2003,36(12):1609-1613.
[11] 顾伟珠,汪延祥.多元线性回归法分析油菜籽含油量的近红外光谱数据[J].中国粮油学报,1995,10(2):57-64.
[12] 李钧,王宁惠,余青兰,等.傅立叶变换近红外光谱技术分析完整油菜籽含油量数学模型的建立[J].青海大学学报:自然科学版,2006,24(6):28-30.
[13] 齐晓,韩建国,聂志东,等.利用近红外漫反射光谱法预测紫花苜蓿茎组分营养价值的研究[J].光谱学与光谱分析,2008,28(9):2062-2066.
[14] 徐广通,袁洪福,陆婉珍.现代近红外光谱技术及应用进展[J].光谱学与光谱分析,2000,20(2):134-142.
[15] Stefanis E D, Sgrulletta D. Use of NIT (near infrared transmission) spectroscopy for semolina analysis[J]. Tecnica-Molitoria,1996,47(9):61-66.
[16] 楼乔明,杨文鸽,徐大伦,等.蓖麻籽脂质提取与甲酯化衍生优化及其脂肪酸组成分析[J].中国粮油学报,2012,27(12):69-72.
[17] 曾娟,郭佩佩,欧阳勇,等.海南蓖麻籽中脂肪酸的组成分析[J].海南大学学报,2009,27(3):259-260.