基于近红外光谱技术的花生酸败特性检测研究

王 晶 陈 红 万 鹏

（华中农业大学工学院，武汉 430070）

花生具有很高的营养价值，内含丰富的脂肪、蛋白质、钙、磷、铁等天然营养物质，素有“植物肉”之称［1］。贮藏过程中，由于花生含油量高，在日光、氧气、高温、高湿等综合作用下，容易发生氧化酸败。酸价、过氧化值是衡量花生贮藏品质的重要指标，通过测定花生中酸价、过氧化值的变化，可以反映花生贮藏品质的变化［2］。目前传统的化学测量方法不但破坏花生籽粒，费时，费力，耗费大量化学试剂，并且产生有害气体，因此迫切需要一种快速、简便、无损耗的方法［3］。

近红外光谱分析技术是在20世纪80年代后期迅速发展起来一项综合光谱学、化学计量学等多学科知识的现代分析技术［4］，利用物质中O—H、C—H、C—O和N—H等基团在近红外区（780～2 500 nm）的倍频和合频吸收，建立吸收光谱与物质含量之间的关联关系，检测物质中一种或几种化学成分的含量［5］。与传统分析方法相比，具有测试速度快、无损、低成本、多组分同时测量、环保、操作简便等特点。陈才华等［6］采用近红外光谱法对二组分调和食用油中不同成分的含量进行了准确检测；鲍丹青等［7］成功利用近红外光谱技术快速测定了大豆油的过氧化值；Barry L等［8］利用近红外光谱法对花生油酸、亚油酸进行了快速、准确的预测。目前已经成功建立了用于小麦粉［9］、棉籽［10］、板栗［11］等农产品的含水率检测，并建立有大豆粗蛋白［12］、鱼粉氨基酸［13］、脐橙 VC［14］等产品的 NIRS定量分析模型。然而以花生为原材料的酸价、过氧化值含量的近红外分析模型鲜见报道。

本试验从2012年1月到2012年7月，历时6个月，以常温贮藏下的花生籽粒为研究对象，测定其酸价、过氧化值，采用积分球漫反射方式进行光谱扫描，消除花生籽粒大小的不均匀性，以偏最小二乘法（PLS）建立定量分析模型并进行验证，探讨了近红外光谱法快速测定花生酸价、过氧化值的可行性，并比较不同预处理方式对建模效果的影响，以期为及时检测花生贮藏品质寻求依据。

1 材料与方法

1.1 材料与试剂

花生样品为华中地区普遍种植的白沙6号，挑选出籽仁饱满、均匀、无发芽、无破损、无病斑的完整花生籽仁，试验前将花生样品进行常温贮藏。贮藏过程中温度为11.3～29.6℃，相对湿度为47%～67%。

1.2 主要仪器与设备

FW80型高速万能试样粉碎机：河北省黄骅市齐家务科学仪器厂；Avataris－360N型傅里叶变换近红外反射光谱仪美国Thermo Nicolet公司。光源为钨卤灯，检测器为铟镓砷（InGaAs），漫反射积分球附件，旋转式石英样品池（内径5 cm）［11］。光谱的采集和储存均由仪器附带的TQAnalyst操作软件来实现。光谱仪参数设置为：光谱扫描范围4 000～10 000cm－1，扫描次数32次，分辨率8 cm－1。光谱数据分析通过OPUS（德国，Bruker）操作软件来实现。

1.3 方法

1.3.1 样品的制备

将花生样品分成114份，分批次对花生样品进行取样，不经前处理进行近红外光谱的扫描，并粉碎样品进行酸价、过氧化值的测定。

1.3.2 油样的提取

将花生仁粉碎，分装入250 mL锥形瓶中，加入100 mL石油醚，震摇1 min，置于暗处静置8 h以上，过滤，滤液经旋转蒸发除去石油醚。

1.3.3 酸价的测定

样品光谱采集后，依据 GB／T 5009.037—2003法测定花生样品的酸价，每个样品重复测定2次，以2次的平均值作为该样品酸价的标准值。

1.3.4 过氧化值的测定

样品光谱采集后，依据 GB／T 5009.037—2003法测定花生样品的过氧化值，每个样品重复测定2次，以2次的平均值作为该样品过氧化值的标准值。1.3.5 样品光谱的采集和数据分析

仪器预热30 min后，随机抽取花生样品，在不进行前处理的情况下，将样品按照要求装满样品杯，每个样品重复装样扫描3次，取平均光谱作为每个样品的分析光谱，以克服样品的不均匀性，并收集尽可能多的样品信息。

将试验样品按照2∶1的比例分为校正集和验证集，分别用于模型建立和验证。利用Bruker公司的OPUS 5.5软件的 Quant 2方法，以偏最小二乘法（PLS）作为建立数学模型的化学计量学方法，使用内部交叉验证法对模型进行验证，即每次交叉剔除1个样品，对样本光谱分别进行平滑、一阶导数、二阶导数、多元散射校正、归一化处理和消除常数偏移量等处理，通过比较样品预测值和化学值的决定系数（R2）和均方根误差（RMSECV）来衡量定标模型质量的优劣［16－17］。一般情况下，决定系数越高，均方根误差越小，模型的精度越高。

2 结果与分析

2.1 花生样品的近红外光谱图

图1所示为4 000～10 000 cm－1（厘米波数）谱区内的花生样品近红外漫反射光谱图。横坐标为光谱波数，纵坐标为吸光度。光谱在5 100～5 200 cm－1和6 800～7 000 cm－1波段有明显的吸收峰，在8 000～1 000 cm－1波段吸收相对较弱，鲜明的漫反射光谱吸收特征为花生酸价、过氧化值的定量分析提供了丰富的信息基础。

图1 花生样品近红外漫反射光谱图

根据物理化学方法测得花生样品的酸价范围为0.71～2.24 mg／g，总体平均值为 1.13 mg／g，标准差为0.338；花生样品的过氧化值范围为7.54～15.50 mmol／kg，总体平均值为 11.20 mmol／kg，标准差为0.927 6。利用OPUS 5.5定量分析软件，采用留一交叉验证方式剔除异常值。将花生样品分为校正集与验证集，结果如表1～表3。

表1 花生样品酸价、过氧化值统计结果

表2 花生样品酸价建模参数

表3 花生样品过氧化值建模参数

2.2 光谱数据的预处理和模型的建立

在近红外光谱分析中，为了消除样本的不均匀性、高频随机噪声、基线漂移、杂散光等影响带来的误差，在建立模型时通常采用不同的光谱预处理方法对原始光谱进行处理后建立模型，可以提高模型的可靠性。此研究中用到的光谱处理方式氛围光谱预处理和数学预处理两类方法。光谱预处理包括多元散射校正、归一化处理等，数学处理主要有一阶导数、二阶导数和平滑处理等。

导数处理可以有效消除由背景引起的干扰和基线漂移，但同时会造成噪声放大，必须同时加以平滑处理，减小噪声；多元散射校正（MSC）可以减少样品颗粒的不均匀性造成的表面散射特性和光程变化对光谱产生的影响。

采用偏最小二乘法对原始光谱进行预处理并建模，以决定系数R2和均方根误差RMSECV作为衡量模型质量优劣的指标，经对比确定最优光谱预处理方法，并进行交叉验证，结果见表4。

根据决定系数（R2）最大，均方根误差（RMSECV）最小为最优模型的特点，由表4的数据可以发现，酸价和过氧化值的PLS模型，均是一阶导数的预处理情况下，模型性能最好，酸价最优模型的决定系数为0.955，均方根误差为0.080，如图2；过氧化值最优模型的决定系数为0.940，均方根误差为0.459，如图3。

图2 花生酸价校正集相关图

图3 花生过氧化值校正集相关图

其中，由于华中地区春夏之际气候变化显著，六七月份温、湿度极速上升，酸价、过氧化值随之变化。与过氧化值相比，酸价受气候的影响更为严重，如图2所示，导致建模图中出现数值“断层”现象。

从图4、图5可以看出，酸价、过氧化值模型验证样品的预测值与化学值的相关性均较高，说明近红外光谱技术可以作为一种快速检测方法代替花生酸价、过氧化值的常规化学检测。

图4 花生酸价检验集检验相关图

表4 花生酸价、过氧化值检测PLS建模结果

图5 花生过氧化值检验集检验相关图

3 结论

影响近红外光谱分析准确性的因素有很多，如样品的粒度、环境温度、湿度以及装样时的松紧度。研究运用多种光谱预处理方法处理花生的光谱，利用偏最小二乘法建立花生的酸价、过氧化值预测模型，并比较了多种光谱预处理方法对模型性能的影响。结论如下：在全波谱范围内用经一阶导数、适当平滑预处理的花生光谱所建立的模型性能最好，酸价模型的决定系数为0.955，均方根误差为0.080；过氧化值模型的决定系数为0.940，均方根误差为0.459。

结果表明，利用近红外光谱技术对贮藏花生酸价的定标效果良好，对过氧化值的快速无损检测具有可行性。

［1］万书波.花生产业经济学［M］.北京：中国农业出版社，2010

［2］黄闽燕，钟小伶.夏季食品中酸价、过氧化值含量的检测与调查分析［J］.中国卫生检验杂志，2007，17（1）：132－133

［3］李颖.延长花生储藏期的研究［J］.粮油食品科技，2009，17（2）：45－47

［4］严衍录.近红外光谱分析基础与应用［M］.科学出版社，2002

［5］李军会，赵龙莲，劳彩莲，等.用近红外光谱构建现代农产品品质分析技术［J］.现代科学仪器，2005（1）：17－19

［6］陈才华，王志岚，刘福莉.二组分食用调和油组成的近红外光谱检测定量分析［J］.中国粮油学报，2008，23（5）：180－182

［7］鲍丹青，毕艳兰，邓德文，等.利用近红外光谱技术快速测定大豆油的过氧化值［J］.中国粮油学报，2008，23（6）：206－209

［8］Barry L Tillman，Daniel W Gorbet，George Person.Predicting Oleic and Linoleic Acid Content of Single Peanut Seeds using Near－Infrared Reflectance Spectroscopy［J］.Crop Science of America，2006：2121－2126

［9］闫李慧，王金水，金华丽，等.基于近红外光谱技术的面粉水分无损检测模型的建立［J］.现代食品科技，2011，27（2）：235－238

［10］张晓芳，俞信，阎吉祥，等.近红外反射技术开放式检测棉籽中水分和油含量的研究［J］.光谱学与光谱分析，2007，27（3）：473－476

［11］刘洁，李小昱，李培武，等.基于近红外光谱的板栗水分检测方法［J］.农业工程学报，2010，26（2）：338－341

［12］闫龙，蒋春志，于向鸿，等.大豆粗蛋白、粗脂肪含量近红外检测模型建立及可靠性分析［J］.大豆科学，2008，27（5）：833－837

［13］牛智有，韩鲁佳.鱼粉中氨基酸近红外光谱定量分析［J］.农业机械学报，2007，38（5）：114－117

［14］夏俊芳，李培武，李小昱，等.不同预处理对近红外光谱检测脐橙VC含量的影响.［J］.农业机械学报，2007，38（6）：107－111

［15］林家永，范维燕，薛雅琳，等.稻米储藏品质近红外光谱快速判定技术及仪器研发［J］.中国粮油学报，2011，26（7）：113－118

［16］宋丽华，刘立峰，陈焕英，等.花生籽仁蛋白质含量近红外光谱模型的建立.［J］.中国农学通报，2011，27（15）：85－89

［17］Pernille N Jensen，Jakob Christensen.Oxidative changes in pork scratchings，peanuts，oatmeal and muesli viewed by fluorescence，near－infrared and infrared spectroscopy［J］.European Food Reseach Technology，2004，219：294－304

［18］崔晓君，袁昌明，徐立恒.花生油中过氧化物的近红外光谱分析［J］.应用化学，2008，25（3）：375－377

［19］禹山林，朱雨杰，闵平，等.傅立叶近红外漫反射非破坏性测定花生种子主要脂肪酸含量［J］.花生学报，2010，39（1）：11－14

［20］张建成，王传堂，王秀贞，等.花生自然风干种子油酸、亚油酸和棕榈酸含量的近红外分析模型构建［J］.中国农学通报，2011，27（03）：90－93

［21］A G Patil，M D Oak，SP Taware，et al.Nondestructive estimation of fatty acid composition in soybean seeds using Near－Infrared Transmittance Spectroscopy［J］.Food Chemistry，2010（4）：1210－1217.