基于近红外技术的苎麻麻骨化学成分含量测定

刘泽航，刘艳，邢虎成，2*，揭雨成，2*

（1.湖南农业大学苎麻研究所，长沙410128；2.湖南省种质资源创新与资源利用重点实验室，长沙410128）

苎麻是荨麻科（Urticaceae）苎麻属（Boehmeria）多年生宿根性纤维作物，在我国种植历史已有4000多年，广泛分布于我国秦岭以南地区，素有“中国草”之称。苎麻纤维具有细度长、纤维强力高、耐热能力强等特点，是理想的夏秋服装纺织材料［1］。苎麻年种植面积达20万公顷左右，传统种植模式主要利用韧皮纤维，而副产物之一的麻骨占生物产量的60%左右，除少部分作为造纸及纤维板原料外，绝大部分被丢弃或焚烧，造成严重浪费［2］。苎麻副产物麻骨质轻、密度小，机械性能与硬木相似，在造纸、吸附材料加工、复合材料合成、绝缘材料等方面应用前景广阔［3］。苎麻麻骨主要由木质素、纤维素及半纤维素组成［4］。苎麻纤维素大分子由结晶态及非结晶态多糖化合物组成，非结晶态纤维素大分子具有较高运动性和强吸湿性，干燥时纤维素分子链排列整齐，而吸湿后的苎麻纤维素分子间距离增大，纤维素纵向排列膨胀，少数分子间结合点被拆开，各分子平衡分担外力，使得其强力及柔软度明显提升［5］。纤维素作为麻骨的主要成分之一，占总化学成分的40%左右，故直接影响其吸水性及韧性。苎麻半纤维素结构复杂且不稳定，遇碱易分解，且吸水性能高于纤维素［6］。果胶在酸、碱条件下会发生水解，造成材料易断，而苎麻麻骨中果胶含量较少，耐折能力较强［7］。木质素极难溶于水或有机溶剂，但在酸、碱和光照条件下易发生变化［8］，苎麻麻骨中木质素含量直接影响麻骨制品颜色，当木质素含量超过20%时，麻骨颜色偏黄，制成纯白材料需对其进行漂白处理［9］。

近红外技术在大量样品快速检测分析中发挥着重要作用，近年来随着近红外技术的迅猛发展，苎麻等植物纤维材料的化学成分预测也趋于精细化，快速准确地建立近红外预测模型已成为植物纤维材料化学组分测定的热门研究［10］。快速检测麻骨的化学成分，可以为苎麻麻骨产业化利用提供参考。

1 材料与方法

1.1 材料与仪器

供试材料由湖南农业大学苎麻研究所提供，选取苎麻麻骨材料，使用微型植物粉碎机粉碎，充分混匀后过80目筛，在105℃条件下烘干24 h，将样品置于玻璃干燥器内，待温度冷却至室温。取20 g进行化学成分测定，20 g进行近红外光谱采集。

主要化学试剂：分析纯级苯、乙醇、氢氧化钠、草酸铵。主要仪器：微波炉、S400型近红外农产品品质测定仪。

1.2 麻骨化学成分的测定

参照GBT5889－1986检测苎麻麻骨主要化学成分含量，包括纤维素、半纤维素、果胶、木质素等。

1.3 光谱测定

将样品置于0.5 cm样品池中进行扫描，重复扫描2次，计算其平均光谱。

2 结果与分析

2.1 原始光谱的采集

在光谱波长4000～7692 nm范围内，选取70份样品进行近红外光谱采集，取适量样品置于样品盒内，将样品刮平，确保装载的样品均匀一致，采用漫反射方式进行样品检测，重复2次，其平均值作为近红外光谱分析。原始光谱图见图1。

2.2 模型建立

2.2.1 光谱预处理

光谱的预处理准确性直接影响到研究结果好坏，为了增强近红外光谱定量及定性建模的预测性，增加样品间的差异性至关重要［12］。本近红外光谱分析软件包含中心化、极差归一、矢量校正、散射校正、一阶导数和二阶导数6种方法。经过不同方法预处理比较发现，果胶数据预处理中心

图1 样品原始光谱图Fig.1 Sample of original spectrum

化方法主因子数为13，其决定系数最高达到99.37%，其校正标准差及相对标准差最小，得出的处理结果较好；半纤维素及木质素数据预处理，6个处理方法中中心化处理法表现最好，故果胶、半纤维素、木质素含量皆采用中心化方法进行光谱预处理。纤维素含量数据处理发现，中心化、极差归一、散射校正和二阶导数处理结果表现都很好，其中散射校正法处理结果决定系数高达99.16%，表现最突出，故选用散射校正作为苎麻麻骨纤维素含量数据预处理方法。

表1 苎麻麻骨化学成分预处理结果Tab.1 Pretreatment results of chemical components of ramie bone

续表1

2.2.2 光谱分析模型的建立

选取70个苎麻麻骨样品的果胶、半纤维素、木质素和纤维素化学含量与光谱数据进行关联，组成校正集。采用近红外光谱分析软件CAUNIR6.0进行样品模型的建立。本试验采用定量偏最小二乘分析法，选用中心化法进行光谱预处理，得到的果胶含量预测模型决定系数（R2）为0.9938，分辨度（RPD）为12.71，校正标准差（SEC）为0.06，相对标准差（RSD）为4.28，校正后的预测值和测定值的散点图如图2a，可以看出预测值与测定值具有较高的相关性，其相关系数高达0.9937，可信性较高。半纤维素含量预测模型R2为0.9772，RPD为6.63，SEC为0.18，RSD为2.94，校正后的预测值和测定值的散点图如图2b。从图2c、2d可以看出，木质素和纤维素预测模型主因子数为12，R2分别为0.9850和0.9916，RPD为8.18和10.88，SEC为1.22和0.85，RSD为2.46和3.15。得到果胶、半纤维素、木质素和纤维素含量预测模型分别为：y＝0.9938x＋0.0088、y＝0.977x＋0.1404、y＝0.985x＋0.743、y＝0.9916x＋0.229。

图2a 苎麻果胶测量值与预测值相关图Fig.2a The correlation of chemicalmeasurement value and prediction value of pectin in ramie

图2b 苎麻半纤维素测量值与预测值相关图Fig.2b The correlation of chemicalmeasurement value and prediction value of hemicellulose in ramie

图2c 苎麻木质素测量值与预测值相关图Fig.2c The correlation of chemicalmeasurement value and prediction value of lignin in ramie

图2d 苎麻纤维素测量值与预测值相关图Fig.2d The correlation of chemicalmeasurement value and prediction value of cellulose in ramie

2.3 模型验证

选取未参加模型建立的样品7份，利用DPS软件采用Tukey多重比较方法，验证所构光谱分析模型的预测精准性及可靠性，结果见表2，从表2可以看出，7个苎麻麻骨果胶化学测定值与预测值的误差较小，绝对误差在－0.25%～0.105%之间，预测模型可行性较高。半纤维素、木质素、纤维素误差也较小，故所建立的苎麻麻骨化学成分预测模型可用于日后苎麻麻骨化学成分的初步鉴定。

表2 苎麻麻骨化学成分预测值与化学测定值对比Tab.2 Comparison of the prediction value of pectin and hemicellulose in the sample of ramie and the value of Chemical determination %

续表2

3 讨论

本研究采用近红外光谱法建立苎麻麻骨化学成分含量的预测模型，并进行模型验证。结果表明，建立的苎麻麻骨化学成分预测模型各成分相关系数较高，果胶、半纤维素、木质素和纤维素相关系数分别达到了0.9937、0.9772、0.9850和0.9916，分辨度在6.63～12.71之间，校正标准差和相对标准差较低，并且通过外部验证表明，化学测定值与预测值之间结果相近，两者相关性较高，表明采用近红外光谱法进行苎麻果胶含量的测定方法可行。本研究为苎麻麻骨化学成分快速测定提供了新的有效手段，为苎麻麻骨产业化利用提供了技术支持。

［1］土小宁，陈书春.南方坡耕地的有效水土保持植物——苎麻［J］.水资源开发与管理，2007，5（4）：45－48.

［2］徐小乐.苎麻麻骨纤维素和木质素的提取分离及其功能产品开发研究［D］.武汉：武汉纺织大学，2013.

［3］贺福.碳纤维及其复合材料［M］.北京：科学出版社，1995.

［4］周永凯.汉麻杆芯黏胶纤维的制备及结构与性能研究［D］.北京：北京化工大学，2008.

［5］刘立军，王辉，彭定祥.苎麻产量和品质影响因素研究进展［J］.中国麻业科学，2010，32（5）：275－281.

［6］任俊莉，孙润仓，刘传富.半纤维素的化学改性研究进展［J］.现代化工，2006，26（z1）：68－71.

［7］吴高强，何方岳，黄炜，等.柚子皮果胶提取工艺条件的研究［J］.杭州化工，2015（3）：24－26.

［8］朱小平.高填充量的大麻秆芯粉／EVA木塑复合材料及其性能的研究［D］.泉州：华侨大学，2010.

［9］赵雅飞.含大麻纤维迷彩织物的开发与性能研究［D］.北京：北京服装学院，2008.

［10］姜伟.植物纤维原料化学定量方法研究及其近红外预测模型构建［D］.上海：东华大学，2013.

［11］冷鹃，程毅，肖爱平，等.苎麻化学成分微波快速测定［J］.中国麻业科学，2009，31（3）：211－214.

［12］王艳斌，褚小立，陆婉珍.近红外光谱定量与定性分析规范介绍［C］／／全国近红外光谱学术会议.2006.