本發(fā)明屬于油量檢測技術(shù)領(lǐng)域，更具體地，涉及一種利用近紅外光譜無損檢測整粒麻瘋樹種籽含油量的方法。

背景技術(shù)：

麻瘋樹(Jatropha curcas L.)，又名小桐籽、膏桐(云南)、假花生(廣西)、小油桐、南洋油桐(日本)等，屬大戟科(Euphorbiaceae)麻瘋樹屬(Jatropha)落葉灌木或小喬木，是一種含油量較高的重要木本油料植物，其種子含油量約為30～40％，種仁含油量達(dá)50～70％。我國云南、貴州、廣東、海南等地均有栽培。近年來，麻瘋樹作為一種新的生物燃料作物，受到越來越多的關(guān)注。由于從其種籽中提煉出的生物柴油具有在凝固點(diǎn)、硫含量、一氧化碳排放量等方面均優(yōu)于國內(nèi)零號(hào)柴油的特點(diǎn)，是一種高效能、低污染、安全可靠的能源，具有很高的經(jīng)濟(jì)價(jià)值及良好的發(fā)展前景。我國已從麻風(fēng)樹中提煉出的油類物質(zhì)作為航空生物燃料加入飛機(jī)中，并試飛成功。

目前，有關(guān)油脂的品質(zhì)分析方法主要是通過感官檢驗(yàn)和一些常規(guī)的理化方法如核磁共振及索氏殘余法。這些方法在測定過程中需要破壞樣品種籽，導(dǎo)致后續(xù)育種工作，尤其是比較珍貴的遺傳材料無法在檢測后保存?zhèn)溆?；并且分析過程復(fù)雜，耗時(shí)較長，成本高。另外，現(xiàn)有方法常使用乙醚等易制毒有機(jī)溶劑藥品，對(duì)周圍環(huán)境以及實(shí)驗(yàn)人員身心健康造成較大危害。諸如上述原因，限制了現(xiàn)有方法在麻瘋樹品質(zhì)育種中大批量鑒定的工作效率。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目在于克服現(xiàn)有技術(shù)中的不足和缺陷，提出一種利用近紅外光譜無損檢測整粒麻瘋樹種籽含油量的方法。該方法以麻瘋樹的整粒種籽為材料，在不破壞種籽結(jié)構(gòu)和生命力的前提下，采集麻瘋樹種籽的近紅外光譜吸收值，并利用索氏提取法，根據(jù)國標(biāo)測定樣品的含油量化學(xué)值，用預(yù)處理方法和回歸統(tǒng)計(jì)方法對(duì)獲得的光譜數(shù)據(jù)集進(jìn)行優(yōu)化處理，建立麻瘋樹種籽的近紅外光譜數(shù)據(jù)集與含油量的定標(biāo)模型，并對(duì)模型的準(zhǔn)確性進(jìn)行檢驗(yàn)。該方法實(shí)現(xiàn)了對(duì)麻瘋樹種籽含油量的大批量快速檢測，具有操作簡便，準(zhǔn)確性高、精度高等優(yōu)點(diǎn)，且保證了種籽樣品的活性和完整性。

本發(fā)明上述目的通過以下技術(shù)方案予以實(shí)現(xiàn)：

一種利用近紅外光譜無損檢測整粒麻瘋樹種籽含油量的方法，包括如下具體步驟：

S1.將一定份數(shù)的麻瘋樹種籽作為校正集合樣品，采集校正集合樣品的近紅外光譜數(shù)據(jù)，建立近紅外光譜數(shù)據(jù)的校正集，并儲(chǔ)存校正集合的近紅外掃描光譜；

S2.采用預(yù)處理方法以衡量曲線預(yù)測效果的參數(shù)為標(biāo)準(zhǔn)，對(duì)獲得的校正集合的近紅外掃描光譜進(jìn)行優(yōu)化預(yù)處理；

S3.用索氏提取法測定校正集合樣品的含油量；

S4.使用回歸方法對(duì)校正集合的近紅外掃描光譜進(jìn)行分析，建立步驟2所得優(yōu)化預(yù)處理后的校正集合樣品的近紅外掃描光譜與步驟S3所得校正集合樣品的含油量的定標(biāo)模型；

S5.用步驟S4建立的定標(biāo)模型測定麻瘋樹種籽的含油量。

優(yōu)選地，步驟S1中所述的校正集合樣品的份數(shù)大于50份。

優(yōu)選地，步驟S2中所述的預(yù)處理方法為原光譜、SNV、MSC、Normalization、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)中的一種或任意兩種。

更為優(yōu)選地，步驟S2中所述的預(yù)處理方法為二階導(dǎo)數(shù)與SNV的組合或二階導(dǎo)數(shù)與MSC的組合。

優(yōu)選地，步驟S2中所述的衡量曲線預(yù)測效果的參數(shù)為模型校正相關(guān)系數(shù)、模型校正相關(guān)系數(shù)標(biāo)準(zhǔn)偏差、交互驗(yàn)證得到的相關(guān)系數(shù)和交互驗(yàn)證得到的預(yù)測標(biāo)準(zhǔn)偏差。

優(yōu)選地，步驟S4中所述的回歸方法為偏最小二乘法或主成分分析法。

更為優(yōu)選地，步驟S4中所述的回歸方法為偏最小二乘法。

步驟S3中所述索氏提取法的具體步驟為：

S11.將麻瘋樹種籽粉碎處理，通過孔徑為1mm的篩，稱取粉碎的麻瘋樹種籽用濾紙包好，在95～105℃烘干1～2h去除水分后，置于干燥器中冷卻；

S12.將步驟S11干燥處理的麻瘋樹種籽粉碎樣品懸浮于裝有有機(jī)溶劑的溶劑杯中，進(jìn)行循環(huán)抽提；

S13.循環(huán)抽提完畢后，在90～95℃烘干1～1.5h后取出，放至干燥器中冷卻至恒重。

優(yōu)選地，步驟S12中所述抽提的溫度為50～65℃；所述抽提的時(shí)間為2.5～4h。

優(yōu)選地，步驟S12中所述有機(jī)溶劑為無水乙醚或石油醚，所述麻瘋樹種籽粉碎樣品和有機(jī)溶劑的質(zhì)量體積比為1：(20～30)g/mL。

本發(fā)明以麻瘋樹的整粒種籽為材料，在不破壞種籽結(jié)構(gòu)和生命力的前提下，利用瑞典波通DA7200型近紅外光譜成分分析儀收集校正集樣品近紅外光譜數(shù)據(jù)，并利用索氏提取法測定各樣品化學(xué)值，以獲得的數(shù)據(jù)集為基礎(chǔ)，建立近紅外的定標(biāo)模型，對(duì)麻瘋樹的種籽含油量進(jìn)行簡便快速的檢測。用索氏提取法和建立的定標(biāo)模型測定未知麻瘋樹種籽的含油量，進(jìn)行平行比較試驗(yàn)，估算預(yù)測值與索氏提取法測量值之間的相關(guān)系數(shù)以及預(yù)測標(biāo)準(zhǔn)偏差，檢驗(yàn)該定標(biāo)模型的預(yù)測能力。首先采集校正集合的每一份樣品的近紅外光譜數(shù)據(jù)(每次采集旋轉(zhuǎn)3次，重新裝載3次)，然后利用索氏提取法，每個(gè)樣品3次重復(fù)，提取測定每一份樣品的種籽含油量，將獲得的數(shù)據(jù)進(jìn)行合并，通過各種分析方法處理，獲得定標(biāo)模型。用獲得的模型，通過近紅外照射檢測驗(yàn)證集合樣品的含油量，并利用索氏提取法提取驗(yàn)證集合樣品的含油量，將兩者數(shù)據(jù)進(jìn)行比較分析，作為模型的可靠性檢驗(yàn)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

本發(fā)明采用的方法實(shí)現(xiàn)了對(duì)麻瘋樹種籽含油量的大批量快速檢測，具有操作簡便，準(zhǔn)確性高、精度高等優(yōu)點(diǎn)，且保證了種籽樣品的活性和完整性。

1.本發(fā)明不破壞種籽樣品活性，可實(shí)現(xiàn)整粒無損檢測。

2.本發(fā)明僅需幾秒鐘的近紅外光譜照射即可獲得麻瘋樹的種籽含油量，分析過程簡便，相對(duì)于現(xiàn)有方法分析單個(gè)樣品需時(shí)3～4h，大幅縮短檢測的時(shí)間。

3.本發(fā)明適用于大部分麻瘋樹種籽含油量的分布范圍，檢測樣品的覆蓋范圍廣，具有較高的適用性。

4.本發(fā)明可在不使用任何化學(xué)試劑的情況下，獲得麻瘋樹種籽含油量，對(duì)周圍環(huán)境和實(shí)驗(yàn)檢測人員無危害，綠色環(huán)保，無污染。

附圖說明

圖1為實(shí)施例1樣品的近紅外吸收光譜圖。

圖2為實(shí)施例1經(jīng)二階導(dǎo)數(shù)+SNV處理后的光譜圖。

圖3為實(shí)施例3建立NIRS定標(biāo)模型線性回歸圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施方式進(jìn)一步說明本發(fā)明的內(nèi)容，對(duì)本發(fā)明原料、當(dāng)量比、溫度范圍的修改，均屬本發(fā)明范圍內(nèi)，實(shí)驗(yàn)過程中所用的實(shí)驗(yàn)試劑、儀器和設(shè)備均為常規(guī)試劑、儀器和設(shè)備。

在實(shí)施例中：

所述麻瘋樹種籽采自海南省?？谑行潞Ａ謭鰱|山基地的麻瘋樹種源試驗(yàn)林和無性系測定林。

所述收集校正集樣品近紅外光譜數(shù)據(jù)是利用瑞典波通DA7200型近紅外光譜成分分析儀。

所述R_C為模型校正相關(guān)系數(shù)，R_MSEC為模型校正相關(guān)系數(shù)標(biāo)準(zhǔn)偏差、R_CV為交互驗(yàn)證得到的相關(guān)系數(shù)、R_MSECV為交互驗(yàn)證得到的預(yù)測標(biāo)準(zhǔn)偏差。

所述用索氏提取法準(zhǔn)確測定校正集合中每一份種籽的含油量，具體方法參照國標(biāo)《GB/T5512-2008糧油檢驗(yàn)糧食中粗脂肪含量測定》的標(biāo)準(zhǔn)。

實(shí)施例1光譜數(shù)據(jù)的預(yù)處理

將125份的麻瘋樹種籽作為校正集合樣品，采集校正集合樣品的近紅外光譜數(shù)據(jù)，建立近紅外光譜數(shù)據(jù)的校正集，并儲(chǔ)存校正集合的近紅外掃描光譜。

本方法采用不同預(yù)處理方法的光譜模型參數(shù)統(tǒng)計(jì)情況見表1。由表1可以看出，其中，模型1～3未采用導(dǎo)數(shù)處理，模型4～17經(jīng)導(dǎo)數(shù)處理，模型1～3的R_C和R_CV值低于模型4～17的R_C和R_CV值，因此導(dǎo)數(shù)處理為必要步驟。

通過比較SNV、MSC與Normalization三種預(yù)處理方法的模型1/2/3、6/7/8、9/10/11、12/13/14、15/16/17可以看出，當(dāng)三種預(yù)處理方法與不同的導(dǎo)數(shù)處理結(jié)合時(shí)的R_C、R_CV有不同的效果。其中，模型4/5、6/9、7/10、8/11、12/15、13/16、14/17分別經(jīng)過一階導(dǎo)數(shù)和二階導(dǎo)數(shù)處理，通過比較可以看出，經(jīng)一階導(dǎo)數(shù)處理的R_C和R_CV值低于二階導(dǎo)數(shù)的R_C和R_CV，可知二階導(dǎo)數(shù)處理優(yōu)于一階導(dǎo)數(shù)處理。模型6/12、7/13、8/14、9/15、10/16、11/17分別為經(jīng)過一階導(dǎo)數(shù)和二階導(dǎo)數(shù)處理SNV/MSC/Normalization的模型，每組模型中的導(dǎo)數(shù)處理順序不同，比較可以看出，導(dǎo)數(shù)處理SNV/MSC/Normalization的先后順序也會(huì)影響模型回歸效果，應(yīng)先進(jìn)行導(dǎo)數(shù)處理后再進(jìn)行SNV/MSC處理，但Normalization處理應(yīng)在導(dǎo)數(shù)處理之前。

綜合比較，雖然模型5的異常點(diǎn)最少(3個(gè))，但R_C、R_CV均較低，繼續(xù)刪除異常點(diǎn)后，R_C、R_CV仍不會(huì)升高；模型9和模型10的R_C值均大于0.9，R_CV值均大于0.82，兩模型的回歸效果都較好，而模型9刪除點(diǎn)數(shù)少于模型10，因此模型9的預(yù)處理方法(二階導(dǎo)數(shù)+SNV)為麻瘋樹種籽含油量近紅外光譜的最佳預(yù)處理方法。圖1為實(shí)施例1中125份的麻瘋樹種籽樣品的近紅外吸收光譜圖。從圖1中可知，麻瘋樹種籽油脂中的C-H、O-H等含氫基團(tuán)，在900～1700nm處有較強(qiáng)的吸收峰，恰好涵蓋了最具有穿透力的短波近紅外區(qū)和信號(hào)較豐富的長波近紅外區(qū)域的主要部分，具有較強(qiáng)的穿透力和豐富的樣品信息，可以準(zhǔn)確的分析整粒種子。因此，利用該區(qū)段波長建立近紅外光譜數(shù)據(jù)校正集，并儲(chǔ)存校正集合所有近紅外掃描光譜。

模型9中光譜經(jīng)Savitzky-Golay卷積平滑法處理后，再經(jīng)過二階導(dǎo)數(shù)處理降低光譜峰的偏移和漂移，提高光譜的精細(xì)度，最后利用SNV法消除散射影響后得到的回歸效果最佳，其光譜如圖2所示。從圖2中可看出，經(jīng)過模型9的預(yù)處理后，近紅外吸收光譜圖曲線平滑、集中，整體趨勢更加一致，峰值突出。

表1不同預(yù)處理方法的光譜模型參數(shù)

實(shí)施例2回歸分析方法的比較

選擇二階導(dǎo)數(shù)+SNV(模型9)、二階導(dǎo)數(shù)+MSC(模型10)對(duì)光譜進(jìn)行預(yù)處理，所有預(yù)處理均采用Savitzky-Golay對(duì)光譜進(jìn)行平滑處理，平滑系數(shù)取5，然后分別采用偏最小二乘法(PLS)和主成分分析法(PCA)兩種回歸方法建立模型，比較分析兩種回歸方法對(duì)于模型的影響，使用R_C、R_MSEC、R_CV和R_MSECV這4個(gè)指標(biāo)評(píng)價(jià)模型，選出最佳的回歸方法，結(jié)果見表2。由表2可以看出，PLS分析的R_C、R_MSEC、R_CV和R_MSECV 4個(gè)模型評(píng)價(jià)指標(biāo)都優(yōu)于PCA，所以PLS為麻瘋樹種子含油量的近紅外分析的最佳回歸方法。

表2不同回歸分析方法的模型參數(shù)

實(shí)施例3定標(biāo)模型的建立

索氏提取法的具體步驟為：

S11.將麻瘋樹種籽粉碎處理，稱取粉碎的麻瘋樹種籽(質(zhì)量為M)用濾紙包好，在105℃烘干1h去除水分后，置于干燥器中冷卻。

S12.將步驟S11干燥處理的麻瘋樹種籽2g加入60ml無水乙醚至已恒重的溶劑杯(M₁)中，進(jìn)行循環(huán)抽提，抽提的溫度為65℃；抽提的時(shí)間為2.5h。

S13.循環(huán)抽提完畢后，在95℃烘干1h后取出，放至干燥器中冷卻至恒重(M₂)。

樣品含油量計(jì)算方法：樣品含油量＝(M₂-M₁)/M×100％。所有稱重質(zhì)量均精確到0.001g。

根據(jù)選定的光譜最佳預(yù)處理方法和最佳的回歸模型，剔除樣品異常值，獲得最高的相關(guān)系數(shù)和最小的預(yù)測誤差，建立麻瘋樹種籽含油量的近紅外光譜定標(biāo)模型。圖3為建立NIRS定標(biāo)模型線性回歸圖。由圖3可以看出，橫坐標(biāo)為索氏提取法獲得的樣品含油量化學(xué)值(Measure Y)，縱坐標(biāo)為近紅外檢測定標(biāo)模型分析獲得的樣品含油量預(yù)測值(Predicted Y)。左上角的參數(shù)分別為125份樣品的驗(yàn)證集合和近紅外模型內(nèi)部校正集合的斜率(Slope)、剩余項(xiàng)(Offset)、均方根誤差(RMSE)和R平方統(tǒng)計(jì)量(R-square，R²)。其中，Y1是近紅外模型內(nèi)部驗(yàn)證集合的擬合結(jié)果，Y1＝0.9100X1+3.0571，RMSE＝0.7837，R²＝0.9100；Y2是校正集合的擬合結(jié)果，Y2＝0.8475X2+5.1875，RMSE＝1.0761，R²＝0.8328。由此可知，定標(biāo)模型基本涵蓋了麻瘋樹種子含油量(30～40％)的測定范圍，含量分布比較均勻，且具有較高的相關(guān)系數(shù)，R_C達(dá)到0.91，定標(biāo)集交互驗(yàn)證標(biāo)準(zhǔn)誤差R_MSECV值較小(0.83)，可見各模型的預(yù)測效果都較好，說明近紅外定標(biāo)模型的預(yù)測結(jié)果可靠性和穩(wěn)定性高，可用于測定麻瘋樹種子含油量。

實(shí)施例4定標(biāo)模型的建立

索氏提取法的具體步驟與實(shí)施例3中的區(qū)別在于：

步驟S11所述烘干溫度為95℃，烘干時(shí)間為2h；

步驟S12中所述麻瘋樹種籽2g加入40mL石油醚，所述抽提的溫度為50℃；抽提的時(shí)間為4h；

所述步驟S13中烘干溫度為90℃，烘干時(shí)間為1.5h。

樣品含油量計(jì)算方法：樣品含油量＝(M₂-M₁)/M×100％。所有稱重質(zhì)量均精確到0.001g。

實(shí)施例5定標(biāo)模型的檢驗(yàn)

取驗(yàn)證集合中的10份未知含油量種籽樣品，分別用索氏提取法和建立的定標(biāo)模型測定其含油量值，進(jìn)行平行比較試驗(yàn)，估算預(yù)測值與索氏提取法測量值之間的相關(guān)系數(shù)以及預(yù)測標(biāo)準(zhǔn)偏差，檢驗(yàn)該定標(biāo)模型的預(yù)測能力，結(jié)果見表3。表3表明，近紅外光譜模型對(duì)10份檢驗(yàn)樣品的預(yù)測值與索氏提取法測量值之間的相關(guān)系數(shù)為0.956，預(yù)測標(biāo)準(zhǔn)偏差為0.69，說明使用該模型對(duì)麻瘋樹種子樣品進(jìn)行含油量檢測的方法是可行的，可替代常規(guī)化學(xué)測定方法。

表3檢驗(yàn)樣品的化學(xué)測定值、模型預(yù)測值及相關(guān)參數(shù)

上述實(shí)施例為本發(fā)明較佳的實(shí)施方式，但本發(fā)明的實(shí)施方式并不受上述實(shí)施例的限制，其他的任何未背離本發(fā)明的精神實(shí)質(zhì)與原理下所作的改變、修飾、替代、組合和簡化，均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護(hù)范圍之內(nèi)。