雷加容　余敖　歐俊梅等

摘 要：用傅立葉變換近紅外光譜（FT-NIRS）分析小麥子粒濕面筋含量。采用國(guó)標(biāo)GB/T14608-1993法測(cè)試了216份小麥子粒的濕面筋含量，用近紅外儀采集數(shù)據(jù)，選擇113份建立了數(shù)學(xué)模型。結(jié)果：最佳主成分?jǐn)?shù)（Rank）=3，內(nèi)部交叉驗(yàn)證均方差（RMSECV）=2.33，決定系數(shù)（R2）=90.69。為了驗(yàn)證模型的可靠性，對(duì)預(yù)測(cè)集樣品進(jìn)行預(yù)測(cè)，結(jié)果濕面筋的預(yù)測(cè)均方差（RMSEP）=2.70；相對(duì)偏差（RSEP，%）=11.84。結(jié)果表明，該數(shù)學(xué)模型可初步用來快速、較準(zhǔn)確、無污染、低消耗地測(cè)試小麥子粒的濕面筋含量。

關(guān)鍵詞：小麥子粒；近紅外光譜；數(shù)學(xué)模型；濕面筋含量

中圖分類號(hào) S512.1 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2015）06-30-02

Research on FT-NIRS in Determination of Wet Gluten of Wheat Seed

Lei Jiarong et al.

（Mianyang Academy of Agricultural Sciences，Mianyang621023，China）

Abstract：In this study，gluten contents of 216 genotypes of Triticum aestivum were analyzed by GB/T14608-1993 method. Bruker fourier transform near-infrared spectroscopy （FT-NIRS） used 113 genotypes to establish math model of gluten. The result on this model showed that the Rank was 3 and the RMSECV was 2.32 and R2 was 90.69. 35 samples were used to test this model. The result on model validation showed that the RMSEP was 2.70 and the RSEP（%） was 11.84.So FT-NIR technique might be used to determined accurately and fleetly gluten content with free pollution and depletion in short time.

Key words：Wheat Seed；FT-NIRS；Math Model；Gluten content

近紅外光譜分析技術(shù)具有快速、方便、簡(jiǎn)單、準(zhǔn)確及同時(shí)可分析多種成分的優(yōu)點(diǎn)，是一種非破壞性的“瞬間分析”技術(shù)，由于該分析方法不消耗試劑，不產(chǎn)生污染，因此被稱為“綠色分析技術(shù)”。近紅外光譜技術(shù)目前已廣泛應(yīng)用于農(nóng)業(yè)[1]、紡織業(yè)[2]、汽油甲醇分析[3]、土壤總氮光譜的選取[4]、飲食業(yè)[5-7]、小麥品質(zhì)監(jiān)測(cè)與應(yīng)用[8-9]。小麥品質(zhì)育種需要快速和準(zhǔn)確測(cè)定有關(guān)品質(zhì)參數(shù)，用近紅外光譜法分析小麥子粒濕面筋含量，難點(diǎn)在于近紅外光譜法要從復(fù)雜、重疊、變動(dòng)的背景中提取弱信息，建立數(shù)學(xué)模型。要建立優(yōu)秀的數(shù)學(xué)模型，就需要擁有大量樣品資源，從大量樣品中選擇代表性樣品，從而建立準(zhǔn)確而穩(wěn)定的數(shù)學(xué)模型。為了建立適合育種者快速選擇不同面筋材料、且不破壞種子材料的快速測(cè)定法，筆者收集了216份小麥子粒樣品，經(jīng)過測(cè)定降落值，篩選降落值不小于200s的樣品，再進(jìn)行了濕面筋含量的分析，結(jié)果篩選出113份材料，初步建立了小麥子粒濕面筋FT-NIRS數(shù)學(xué)模型。

1 材料與方法

1.1 材料 小麥子粒樣品216份，由綿陽市農(nóng)科院的國(guó)家小麥分中心提供。

1.2 方法

1.2.1 濕面筋含量分析 采用國(guó)標(biāo)GB/T14608-1993法測(cè)試小麥子粒的濕面筋含量。

1.2.2 近紅外分析

1.2.2.1 儀器 近紅外光譜品質(zhì)分析儀為德國(guó)Bruker公司MATRIX-I型傅立葉變換近紅外光譜品質(zhì)分析儀。

1.2.2.2 實(shí)驗(yàn)條件 運(yùn)用OPUS系統(tǒng)建立模型時(shí)，在Measurement狀態(tài)下的Advanced 工作頁選擇參數(shù)如下：Resolution為16cm-1，Sample Scan Time為64，Background Scan為64，Save Date From 為12 000～4 000cm-1，Result Spectrum 為Absorbance。其余工作頁設(shè)定正確的參數(shù)。定量建模算法：偏最小二乘法。

1.3 模型建立 利用OPUS/QUANT軟件優(yōu)化、建立小麥子粒濕面筋的近紅外分析模型。

1.4 評(píng)價(jià)模型的參數(shù) 預(yù)測(cè)均方差（RMSEP），相對(duì)偏差（RSEP，%）。

2 結(jié)果與分析

2.1 建小麥濕面筋FT-NIRS定量分析模型的樣品光譜 小麥子粒樣品的近紅外光譜圖集（圖1）。

2.2 建立小麥濕面筋FT-NIR定量分析模型 應(yīng)用Bruker OPUS/QUANT-2定量分析軟件中PLS法進(jìn)行數(shù)據(jù)處理，結(jié)果：最佳主成分?jǐn)?shù)（Rank）=3，內(nèi)部交叉驗(yàn)證均方差（RMSECV）=2.33，決定系數(shù)（R2）=90.69。當(dāng)Rank值為3時(shí)進(jìn)行建模，校正樣品集預(yù)測(cè)結(jié)果與真實(shí)值之間的相關(guān)性（圖2）。

2.3 評(píng)價(jià)校正方程 為了驗(yàn)證模型的可靠性，對(duì)預(yù)測(cè)集樣品進(jìn)行預(yù)測(cè)（表1），結(jié)果濕面筋的預(yù)測(cè)均方差（RMSEP）=2.70；相對(duì)偏差（RSEP，%）=11.84。

3 結(jié)論與討論

（1）用近紅外儀采集數(shù)據(jù)，選擇113份建立了數(shù)學(xué)模型。結(jié)果：最佳主成分?jǐn)?shù)（Rank）=3，內(nèi)部交叉驗(yàn)證均方差（RMSECV）=2.33，決定系數(shù)（R2）=90.69。為了驗(yàn)證模型的可靠性，對(duì)預(yù)測(cè)集樣品進(jìn)行預(yù)測(cè)，結(jié)果濕面筋的預(yù)測(cè)均方差（RMSEP）=2.70；相對(duì)偏差（RSEP，%）=11.84。

（2）FT-NIRS的方法測(cè)定小麥子粒的濕面筋含量與采用國(guó)標(biāo)GB/T14608-1993法測(cè)試小麥子粒的濕面筋含量相比，快速、無損，預(yù)測(cè)結(jié)果比較準(zhǔn)確，通過適量的校正樣品建立起來的數(shù)學(xué)模型之后，可快速準(zhǔn)確地測(cè)試未知樣品的相關(guān)指標(biāo)，特別適用于大批樣品的分析測(cè)定，為FT-NIRS技術(shù)應(yīng)用于農(nóng)作物育種篩選材料提供了可能。

（3）建模時(shí)樣品數(shù)量和樣品代表性直接影響分析結(jié)果。本研究樣品數(shù)量雖有113個(gè)來建模，但樣品的代表性方面有待進(jìn)一步完善，強(qiáng)筋樣品過少。

參考文獻(xiàn)

[1]文婷，張翔，張浩勤，等.近紅外光譜在農(nóng)業(yè)中的應(yīng)用[J].農(nóng)業(yè)技術(shù)與裝備，2009（20）：20，22.

[2] 柴金朝，金尚忠.近紅外光譜技術(shù)在紡織品定性檢測(cè)中的應(yīng)用[J].紡織學(xué)報(bào)，2009，30（4）：55-58.

[3]歐陽愛國(guó)，劉軍.基于近紅外與拉曼光譜的甲醇汽油定量分析[J].西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，37（9）：98-101.

[4]高洪智，盧啟鵬，丁海泉，等.基于連續(xù)投影算法的土壤總氮近紅外特征波長(zhǎng)的選取[J].光譜學(xué)與光譜分析，2009，29（11）：2951-2954.

[5]馬蘭，夏俊芳，張戰(zhàn)鋒，等.光譜預(yù)處理對(duì)近紅外光譜無損檢測(cè)番茄可溶性固形物含量的影響[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2008，27（5）：672-675.

[6]劉垚，萬輝，朱煥庭.近紅外光譜分析技術(shù)在果品品質(zhì)無損檢測(cè)中的應(yīng)用[J].廣東農(nóng)業(yè)科學(xué)，2009（3）：157-158，163.

[7]林新，牛智有.基于近紅外光譜茶葉種類的快速識(shí)別[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2008，27（2）：326-330.

[8]高居榮，樊廣華，李圣福，等.近紅外光譜技術(shù)分析小麥品質(zhì)的應(yīng)用研究[J].實(shí)驗(yàn)技術(shù)與管理，2009，26（3）：42-44.

[9]朱大洲，黃文江，馬智宏，等.基于近紅外網(wǎng)絡(luò)的小麥品質(zhì)監(jiān)測(cè)[J].中國(guó)農(nóng)業(yè)科學(xué)，2011，44（9）：1806-1814. （責(zé)編：張宏民）