光谱技术在油料作物油酸含量检测中的应用

花宇辉，卢俊伟

（湖南农业大学农学院，长沙 410128）

油酸，作为一种单不饱和脂肪酸，以甘油酯的形式存在于一切动植物油脂中，在食品、工业、医药等行业需求很大。如何提高油料作物油酸含量成为解决油酸需求问题的关键。因此，研究快速、无损的油酸检测技术具有重要意义。目前，实验室检测油酸含量的方法较多，主要有气相色谱法［1］、高效液相色谱法（HPLC）［2］、气相色谱—质谱联用法（GCMS）［3］和液相色谱—质谱联用法（HPLC－MS）［4］、超高效合相色谱—质谱（UPC2－MS）技术［5］等。气相色谱（GC）法可用来测定花生［6］、大豆［7］、油菜等作物中的各类脂肪酸含量。GC法具有检测灵敏度高、分离度好、重复性佳、检出限低的优点［8］，但在进行GC分析之前需要对所测样品进行预处理。常用的预处理方法主要有索氏抽提法、改良的籽粒直接甲酯化法和豆粉直接甲酯化法3种［9］。高效液相色谱法（HPLC）可以准确、快速地定量、定性分析各类混合脂肪酸甘油酯和游离脂肪酸，而且还可以分离具有立体异构的单甘酯和二甘酯［2］。虽然实验室检测油酸含量的方法较多，且都能够准确检测出油酸含量，但大多数需要对样品进行预处理，耗费大量的时间和药品，难以满足大量样品无损检测的需求。

目前，世界上广泛种植的油料作物包括花生、油菜、大豆、向日葵等。油酸是衡量油料作物品质性状的指标之一，在油料作物品质育种进程中，需要测定其油酸含量来分析该作物的品质。单纯依靠实验室方法检测油酸含量颇为耗时，且需要大量实验样品和药品。新兴的光谱技术是一种在野外采集作物光谱数据的无损检测方法，能够快速预测作物的油酸含量，解决了实验室检测需要采集大量试验样品的问题。近年来，国内外光谱技术发展迅速，为油酸含量检测技术的创新带来了新的机遇。利用光谱技术检测油酸含量的应用主要在高光谱技术和近红外光谱技术等两个方面展开。

1 高光谱技术测定油酸含量

高光谱技术测定油酸含量的方法一般是采集含油酸作物的种子或其冠层的光谱数据和油酸含量的实测数据，进行二者之间的相关分析，从而选取敏感波段建立模型来预测油酸含量。采集到的原始光谱数据需经过一些数据预处理才能达到最佳效果。目前用于检测作物油酸含量的高光谱技术主要有高光谱成像技术和地物光谱技术，二者都包含目标物的光谱数据。

廖敦军等［10］利用Field Spec HH2高光谱仪采集了不同产地的30个油茶籽样品的油酸高光谱反射率，分析了油酸含量和高光谱反射率之间的相关关系，得到与油茶籽油酸含量相关性比较好的三个敏感波段，分别为400～500 nm、600～630 nm以及900 nm左右。蒋蘋等［11］采用高光谱成像系统以线性扫描的方式采集油茶籽中油酸等脂肪酸含量的反射光谱图像，然后选择感兴趣区域（ROI），对原始光谱数据进行平滑和多元散射校正（MSC），再进行相关性分析和逐步回归分析，得出能反映油酸等脂肪酸含量变化的最佳优化波段，最后用偏最小二乘法和主成分回归法及径向基神经网络法建立其预测模型，在比较这三种方法建立的模型之后得出径向基神经网络建立的预测模型效果最佳。王强等［12］发明了一种基于高光谱成像技术的检测花生中油酸含量分布的方法以及建立花生中油酸含量分布定量模型的方法。该发明主要通过构建光谱数据与油酸实测含量的回归模型并进行验证，得到了快速、无损检测花生油酸含量的方法。Jin等［13］利用高光谱成像技术构建了花生种子油酸的定量校正模型，得出采用偏最小二乘法构建的原初光谱模型预测结果较好的结论，其决定系数达到0.923。程潜等［14］采集了3个甘蓝型油菜品系的盛花期冠层光谱及其种子脂肪酸成分的实测数据，并分析了两者之间的相关关系，发现其特征敏感波段均与其差值植被指数达到显著水平以上。

2 近红外光谱技术测定油酸含量

近红外光谱技术是利用近红外谱区内包含的物质信息进行有机物定性和定量的一种分析技术［8］，它可以用来检测油料作物中各类脂肪酸的含量。目前，近红外光谱技术作为一种无损检测方法，在油料作物中的应用较为广泛，主要应用于花生、大豆、油菜及其他油料作物中检测其脂肪酸含量。

2.1 花生

利用近红外光谱技术检测花生油酸含量的方法大都是一种基于数学模型的预测方法，因此怎样选取最优的光谱区是建立高精度预测模型的关键，学界对此进行了研究。表1为花生各类脂肪酸的最佳光谱区范围，这些脂肪酸主要包括油酸、亚油酸、棕榈酸和硬脂酸。

表1 花生各类脂肪酸最佳光谱区Table 1 The optimal spectral range of various fatty acids in peanut

Sundaram等［17］研究了两种带壳花生的脂肪酸光谱，用偏最小二乘法建立了预测模型，结果显示Virginia－type带壳花生的绝对反射率和相对反射率的RPD值均大于5.0，表明该模型适用于质量检测和分析，而Valencia花生的RPD值为3.01，表明该模型只适用于初步筛选，对于这两种花生的脂肪酸预测模型RPD值均大于5.0，表明它们都可用于花生种子的初步筛选。Wang等［18］采集了84、61和105个花生种子的近红外光谱，建立了其主要脂肪酸与光谱的近红外分析模型，结果发现油酸经过多元散射校正后的一阶微分光谱效果最佳，其油酸近红外模型的决定系数和均方根误差分别为97.20%和2.65%。杨传得等［19］采用傅立叶近红外漫反射光谱技术，结合偏最小二乘法，构建了花生油酸的近红外模型，并采用检验集检验，得出该模型决定系数（R2）、预测根均方差、预测偏差和预测相对误差分别为94.67、2.52、－4.399～4.838、0.562～9.687，证明该模型可用于花生种子油酸含量的快速分析预测。张鹤［20］将近红外光谱技术采集的高油酸花生的光谱数据与气相色谱法采集的油酸实测含量建立模型，验证模型后利用该模型在200份花生中筛选出13份油酸含量在70%以上的高油酸花生种质。张晓科等［21］利用近红外分析技术构建了花生种子油酸含量的近红外定量分析模型，该模型的决定系数（R2）、均方差分别为 89.16、2.62，并确定了花生种子油酸含量的最佳光谱预处理方法为“一阶导数＋矢量归一化法”。

2.2 油菜

Velasco等［22］研究了利用近红外光谱技术预测油菜籽中油酸等脂肪酸含量的潜力，通过建立549个油菜籽样品的近红外光谱模型，得出近红外光谱技术能较好地预测油菜籽中的油酸等脂肪酸含量。李施蒙等［23］建立了一批芥酸含量接近0、油酸含量60%～80%的高油酸油菜的近红外分析模型，指出该模型可用于油菜高油酸育种早期材料的快速筛选及育种实践。鲁蒙等［24］利用近红外光谱仪采集了63个油菜品种共14 150份样品的包含油酸在内的油菜籽品质性状的光谱数据，筛选出76%的油菜材料油酸含量为61%～70%，同时得出利用近红外光谱技术能对完整油菜籽品质性状进行分析的结论。

2.3 大豆

Han等［25］为了加快高油酸大豆育种进程，采用近红外光谱技术采集了600个F2大豆的光谱数据及其油酸实测数据，建立了两者之间的相关关系，得到油酸含量的最佳预测公式是在最小化交叉验证标准误差和增大决定系数的基础上选择的，该结论表明这个公式具有较高的预测总体油酸和超过50%油酸含量的能力。Roberts等［26］为了量化大豆子叶的5种脂肪酸含量，利用近红外光谱技术分析了大豆子叶中包含油酸在内的5种脂肪酸的光谱数据，并利用GC法测得油酸等脂肪酸的实际含量，采用主成分分析法和偏最小二乘法分析得出基于近红外波段的光谱数据有更高的预测精度，同时这项研究也提供了一种完善大豆脂肪酸建模的近红外分析方法。

2.4 其他油料作物

Velasco等［27］利用近红外光谱技术采集了118份向日葵油样的光谱数据和气—液相色谱检测油酸的数据，并将进行了二阶导数和散射校正的光谱数据和气—液相色谱技术测出的油酸含量数据进行相关性分析，得出用2134 nm和2192 nm的光谱数据分别适用于所有样品和部分样品。Saha等［28］利用近红外光谱技术建立了橄榄中油酸等脂肪酸的分析模型，结果显示油酸预测模型精度较高。Fernández-Cuesta等［29］为了评价近红外光谱技术是否能够用来区分高蓖麻油酸和高油酸蓖麻油籽，采用该技术扫描了688个高蓖麻油酸和184个高油酸的蓖麻油籽，然后用另外637个蓖麻籽的数据进行验证，发现近红外区分高蓖麻油酸和高油酸含量的蓖麻籽的敏感波段处于1400～1914 nm，结果表明近红外光谱技术是一种能有效区分高蓖麻油酸和高油酸蓖麻籽的方法。Kaur等［30］研究了200个基因型的芥菜中油酸含量模型，采用交叉验证得出近红外模型可以快速检测出芥菜中的油酸含量。

由于油酸存在于许多油料作物中，在建立油酸近红外分析模型时，经常会要用到许多方法，表2为不同油料作物利用近红外光谱技术建立的油酸模型及其结果。

表2 不同油料作物近红外光谱预测油酸模型及结果Table 2 Different oil－bearing crops near infrared spectral prediction model of oleic acid and results

3 展望

关于油酸含量的检测技术研究虽已取得了一定成果，但仍然存在如下问题：第一，缺乏具有普适性的模型。在利用光谱技术检测油酸含量时，大都采用气相色谱法和光谱技术结合，利用光谱数据与实测油酸数据建立模型，但这些模型一般只针对特定的作物去预测其油酸含量，目前并没有研究出具有普适性的模型。第二，检测过程局限于作物种子和油成品。利用光谱技术检测油酸含量，其研究对象主要是作物种子，对于作物生育期冠层参数的研究较少涉及。鉴此，未来光谱技术的应用研究可从以下方面开展：结合光谱技术，对高油酸的油料作物品种的培育方法进行研究，从而加快油料作物品质育种进程；同时，加大力度研究光谱技术在其他作物品质参数中的监测，不断拓宽光谱技术的应用范围；最后，研究具有普适性的农学参数模型，为农业的发展提供技术支撑。