張 嚴，謝巖黎，孫淑敏，馬明揚，李琳琳

（河南工業(yè)大學 糧油食品學院，河南 鄭州 450001）

0 引言

花生含油量高達50%，其榨出的花生油，色澤清亮，營養(yǎng)美味，氣味清香，品質(zhì)優(yōu)良，是目前我國主要的食用植物油之一[1].花生油中含有非常豐富的脂肪酸，包括棕櫚酸、油酸、亞油酸、花生四烯酸等對人體健康十分有益的脂肪酸，有“健康食用油”的美稱，其脂肪酸的組成對花生籽粒的營養(yǎng)品質(zhì)和加工特性都有著非常重要的影響，是油料品質(zhì)評價中的重要基本指標.目前常用的脂肪酸分析方法有氣相色譜法、高效液相色譜法、氣相色譜-質(zhì)譜聯(lián)用分析法等[2].在這些方法中，HPLC 法分離效率稍低，且檢測困難；GC-MC 法是最有效的，但分析時間較長，費用較高，需要破壞籽粒的完整性，需要對樣品進行甲酯化前處理；而氣相色譜法在實際應用的過程中存在著一定的局限性.近紅外光譜技術(shù)（Near-Infrared Reflectance Spectroscopy，NIRS）是20世紀80 年代后期發(fā)展起來的一項物理測試技術(shù)[3]，它是指利用近紅外譜區(qū)包含的物質(zhì)信息，主要用于有機物質(zhì)定性和定量分析的一種分析技術(shù)，它的最大特點是對樣品無破壞性、操作簡便、分析迅速，測量信號可以遠距離傳輸和分析，特別是與計算機技術(shù)和光導纖維技術(shù)相結(jié)合，采用近紅外透射、散射、漫反射法可直接對樣品進行分析[4].

本試驗主要采用氣相色譜法測定花生油樣中脂肪酸的含量，再通過近紅外光譜測定方法對花生籽粒中脂肪酸組分進行測定，并建立近紅外光譜模型.研究的目的致力于建立一種簡便、快速、無污染的測定花生籽粒中脂肪酸含量的方法，可準確檢測出花生籽粒中的主要脂肪酸的含量.

1 材料與方法

1.1 試驗材料

從市場、超市、農(nóng)戶收集花生50 種，其中包括小白沙、?；? 號、花育16 號、豫花14 號、豫花15號等不同品種.樣品分為定標集和檢驗集，定標集樣品共40 個，用于建立5 種脂肪酸的模型和模型內(nèi)部交叉驗證；檢驗集樣品共10 個，用于模型的外部驗證.

1.2 試驗儀器與試劑

InfratecTM 1241 型近紅外谷物分析儀：FOSS公司；GC9800 氣相色譜儀：島津國際貿(mào)易有限公司；益康源微型榨油機：龍巖中農(nóng)機械制造有限公司；電熱鼓風干燥箱：樹立儀器儀表有限公司.

試劑：氫氧化鉀（AR）、石油醚（AR）、石油醚（AR）、無水乙醇（AR）.

1.3 試驗方法

1.3.1 樣品前處理

從50 種花生籽粒中各取適量，不進行任何處理，利用微型榨油機冷榨出油，將收集到的油樣靜置后過濾，獲得澄清透明的油樣裝入試管中.通過移液管取兩滴油樣到試管中，加入石油醚溶解試樣，再加預先配置的氫氧化鉀-甲醇溶液，劇烈振搖1 min，室溫下靜置后加蒸餾水至10 mL，輕搖幾次，靜置至溶液分層.如果出現(xiàn)乳化，加入幾滴無水乙醇.待有機層清澈透明后，取上層樣品1 μL進樣到氣相色譜儀中進行分析.

1.3.2 氣相色譜法測定花生籽粒中脂肪酸含量

采用氣相色譜法[5]測定50 種花生油樣中5 種脂肪酸（棕櫚酸、油酸、亞油酸、花生酸、山崳酸）的含量.

1.3.3 近紅外光譜測定花生籽粒中脂肪酸組分

將50 種花生籽粒樣品不經(jīng)任何化學預處理，直接進行近紅外光譜的測定，測定的方法是取合適質(zhì)量的樣品倒入儀器頂部的漏斗中，每個樣品重復掃描20 次得到樣品的近紅外光譜.傳送帶選擇光程為30，光譜范圍選取570～1 098 nm，波長取點的間隔為2 nm，測定得到50 種花生籽粒樣品的近紅外光譜圖.

1.3.4 近紅外光譜模型的建立

利用WinISI Ⅲ分析軟件進行定標模型構(gòu)建，將樣品的化學測定值輸入建模程序中，使每個樣品的近紅外光譜與化學測定值一一對應.而在建立近紅外模型時，為避免光譜中其他數(shù)據(jù)信息的干擾并減少樣品散射對光譜的影響，必須選擇合適的光譜預處理方法[6].散射處理技術(shù)采用無散射處理（None）、標準正?；Y(jié)合散射處理（SNV and Detrend）、標準正?；幚恚⊿NV only）、去偏導技術(shù)（Detrend only）、標準化多元散射校正（Standard MSC）、加權(quán)散射校正（Weighted MSC）、反相多元散射校正（inverse MSC）等7 種.數(shù)學處理分別采用不做導數(shù)處理，一階、二階、三階、四階求導；平滑光譜間隔點為1、4；不做二次平滑，具體光譜數(shù)據(jù)預處理方法見表1.

表1 光譜數(shù)據(jù)預處理方法

采用光譜散射處理方法和數(shù)學處理方法組合的方式對光譜數(shù)據(jù)進行預處理，處理后的光譜采用改進偏最小二乘法（MPLS），即每個脂肪酸模型所形成的35 個定標方程進行考察.對定標方程考察的主要參數(shù)為交互定標決定系數(shù)（1-VR）、定標決定系數(shù)（R2）、定標標準偏差（SEC）、交叉驗證標準偏差（SECV）等，1-VR、R2越高和SEC、SECV 越小為選擇最優(yōu)模型的條件[7]，通過比較選出最優(yōu)的建模參數(shù).

3 結(jié)果與分析

3.1 氣相色譜法測定花生籽粒中5 種脂肪酸的含量

用氣相色譜法測得50 種花生油樣中棕櫚酸、油酸、亞油酸、花生酸和山崳酸的含量分布如圖1所示，各個脂肪酸的組成結(jié)果見表2.

定標樣品組分含量的準確性決定數(shù)學模型的準確性，含量范圍決定模型適應性的好壞[8].從圖1 可以宏觀地看出50 種樣品中油酸、亞油酸的分布范圍較廣，而棕櫚酸、花生酸和山崳酸的含量分布比較集中；而實際參與定標模型構(gòu)建的樣品數(shù)、均值、范圍和標準差如表2 所示，從表2 可以看出，油酸、亞油酸的標準差分別為0.36%和0.38%，而棕櫚酸、花生酸和山崳酸的標準差分別為0.14%、0.19%和0.11%.綜上分析，油酸和亞油酸具有很好的代表性，建立的模型可以用于花生籽粒的定量分析，而剩下3 種脂肪酸還不能很好滿足建模的要求.

3.2 近紅外光譜測定花生籽粒

50 種花生籽粒樣品的近紅外光譜圖如圖2 所示.

作者采用波長在570～1 098 nm 內(nèi)的吸收光譜進行分析，原因是由于相比較于長波近紅外，短波具有能量大、穿透能力強、容易獲取等特點[9].并且短波近紅外方法對檢測樣品的外形和檢測樣品池無特別嚴格的一致性要求，因而采用短波近紅外分析不會因為花生籽粒的不規(guī)則性對分析結(jié)果產(chǎn)生大的影響.

圖1 花生油樣中5 種脂肪酸的含量分布

表2 氣相色譜法測得各成分結(jié)果

圖2 花生籽粒近紅外掃描光譜圖

由圖2 可看出，50 種花生籽粒樣品的近紅外光譜曲線趨勢大致相同，但不同樣品的吸收峰強度不同，即含量不同，這是花生籽粒的近紅外光譜圖可以作為定量分析的依據(jù).

3.3 近紅外模型的內(nèi)部交叉驗證

通過各個參數(shù)之間的比較，選出最優(yōu)模型中各脂肪酸定標方程參數(shù)如表3 所示.

表3 各脂肪酸定標方程參數(shù)

表3 表明，油酸和亞油酸的定標決定系數(shù)分別為0.978 9 和0.950 9，交互定標決定系數(shù)分別為0.933 0 和0.924 9，定標標準偏差和交叉驗證標準偏差均小于0.56%[10]，說明這兩種成分的定標模型均可用于花生籽粒樣品的定量分析.棕櫚酸、花生酸和山崳酸的定標決定系數(shù)分別為0.668 2、0.629 1、0.575 2，交互定標決定系數(shù)分別為0.668 2、0.571 8 和0.517 6，說明這3 種成分所建立的定標模型精度還不夠.

3.4 模型的外部檢驗

建立定標模型后，再用10 個檢驗樣品集進行外部驗證，對所建模型的實際預測能力進行驗證.預測模型的預測性能可以用檢驗集樣品的化學值、檢驗集標準偏差（SD）、外部驗證決定系數(shù)（RSQ）、預測標準偏差（SEP）以及相對分析誤差（RPD）這幾個參數(shù)來共同評價[11].其中，如果RPD≥3，說明預測效果良好，建立的定量分析模型可用于實際檢測；如果2.5＜RPD＜3，說明利用NIRS定量分析是可行的，但預測精度有待于進一步提高；如果RPD≤2.5 則說明難于進行NIRS 定量分析[12]，各脂肪酸預測結(jié)果參數(shù)見表4，檢驗集中油酸和亞油酸的化學值與近紅外預測值的散點圖如圖3 和圖4 所示.

表4 各脂肪酸預測結(jié)果參數(shù)

圖3 檢驗集中油酸化學值與近紅外預測值的散點圖

圖4 檢驗集中亞油酸化學值與近紅外預測值的散點圖

從表4 可以看出，油酸、亞油酸的外部驗證決定系數(shù)分別為0.940 1 和0.948 7，相對分析誤差分別為3.98 和2.57，均大于2.5，說明這2 種成分的實際預測能力較好，同時從圖3 和圖4 可知，應用氣相色譜法測得的這兩種脂肪酸組分含量與近紅外預測值之間存在較好的線性關(guān)系.棕櫚酸、花生酸和山崳酸雖然外部驗證標準偏差較小，但外部驗證決定系數(shù)均小于0.8，相對分析誤差也都小于2.5，說明這3 種成分所建的模型較難用于樣品的準確預測.

4 結(jié)論

本研究對50 種花生籽粒樣品通過交叉驗證和外部驗證，建立了花生籽粒中油酸和亞油酸這兩種成分的定標模型，可以準確和可靠地預測實際值.該方法可以進行同一樣品的多組分檢測，大大縮短了檢測時間.與色譜法檢測一個樣品需要5～8 h 相比，該檢測方法只需要1～2 min，提高了檢測效率，同時近紅外光譜法又是一種非破壞性的分析方法，測試后的花生籽?？衫^續(xù)用于其他用途，因此該檢測方法有很大的應用前景，必將以獨特的優(yōu)勢在檢測方面發(fā)揮重要作用.

但是，棕櫚酸、花生酸和山崳酸所建模型不夠理想，由于這3 種脂肪酸在花生籽粒中含量很低，整個定標樣品集的這些成分變異度較低，因此這3種成分所建模型的預測精度不能滿足實際需要，在NIRS 建模中還有待進一步改進.

［1］盧中憲，富恩承.我國花生的品質(zhì)缺點和改進對策［J］.現(xiàn)代商檢科技，1993，3（6）:2-3.

［2］楊美艷.多不飽和脂肪酸快速檢測模型的建立［D］.南昌：南昌大學，2009.

［3］Blanco M，Villarroya I.NIR spectroscopy:a rapid-response analytical tool［J］.Trends in Analytical Chemistry，2002，21（4）:240-250.

［4］嚴衍祿，趙龍蓮，韓東海，等.近紅外光譜分析基礎與應用［M］.北京:中國輕工業(yè)出版社，2005.

［5］GB/T 17377—2008，動植物油脂-脂肪酸甲脂的氣相色譜分析［S］.

［6］尼珍，胡昌勤，馮芳.近紅外光譜分析中光譜預處理方法的作用及其發(fā)展［J］.藥物分析雜志，2008，28（5）:23-25.

［7］王雪蓮，薛雅琳，趙會義，等.近紅外法測定大豆脂肪酸值方法的研究［J］.中國糧油學報，2009，24（8）:152-154.

［8］高建芹，張潔夫，浦惠明，等.近紅外光譜法在測定油菜籽含油量及脂肪酸組成中的應用［J］.江蘇農(nóng)業(yè)學報，2007，23（3）:189-195.

［9］熊艷梅，王冬，閔順耕.短波近紅外模擬測定農(nóng)藥乳油中的有效成分含量［J］.現(xiàn)代科學儀器，2010，4（8）:85-86.

［10］楊小紅，郭玉秋，傅旸，等.利用近紅外光譜法分析玉米籽粒脂肪酸含量的研究［J］.光譜學與光譜分析，2009，29（1）:106-109.

［11］于燕波，臧鵬，付元華，等，近紅外光譜法快速測定植物油中脂肪酸含量［J］.光譜學與光譜分析，2008，28（7）:1554-1558.

［12］Malley D F，Mcclure C，Martin P D.Compositional analysis of cattle manure during composting using a Field-Portable Near-Infrared Spectrometer［J］.Communications in Soil Science &Plant Analysis，2005，36（4-5）:455-475.