近红外光谱分析技术在木本油料检测中的应用

邱 静，肖志红，黎继烈，赖鹏英，张爱华

(1.中南林业科技大学，湖南 长沙 410004；2.湖南省林业科学院，湖南 长沙 410004；3.油脂分子构效湖南省重点实验室, 湖南 长沙 410004)

近红外光谱(near-infrared reflectance spectroscopy，NIRS)是一种波长在780～2 526 nm之间的高能振动光谱，1800年由F.W.Herschel通过三棱镜分光现象和温度计发现，是人们最早认识的非可见光区域[1-2]。近红外光谱仪器常用于观测C-H、N-H、O-H、S-H等含氢基团中倍频和合频吸收强度高的 X-H 键，结合化学计量学方法对物质进行定性及定量分析。近红外光谱分析技术结合了光谱测量技术、基础测试技术、化学计量学方法和计算机方法，其中基础光谱、仪器、化学计量学是近红外光谱技术的三大支柱[3]。

木本油料是我国十分重要的可再生资源，既能提供优质植物油脂，又能维护国家粮油安全[4-7]。木本油料作物果实的质量是影响农业高产的关键因素之一。目前，业内主要采用传统的化学分析方法对木本油料作物果实内含物和油脂质量进行检测分析，但传统分析方法具有耗时长、劳动力投入高、成本高、易损坏样品等缺点，不适用于昂贵稀有材料的研究和工业化大批量生产。与传统的化学分析方法相比，近红外光谱分析技术快速、精准、无损、环保、操作简单，可实现样本多组分同时分析和大型工业装置实时在线分析。该技术已替代传统分析方法，成为工农业领域重要的分析手段之一[8]。本文重点综述了近红外光谱分析技术在木本油料果实内含物和产品质量分析中的具体应用，分析了不足，展望了应用前景，旨在更进一步地推动近红外光谱分析技术在木本油料领域的应用。

1 国内外近红外光谱分析技术的研究现状

近红外光谱分析技术最先应用于农业领域。20世纪50年代末，美国农业部工程师Karl Norris博士采用短波近红外透射方式测定了谷物和油菜籽中的水分含量，因此，Norris被称为“现代近红外技术之父”[1]。20世纪60年代中后期，仪器制造商开始注意近红外光谱区域，仪器分析领域特别是应用光谱分析领域的有关专家开始关注近红外光谱分析技术的发展。有文献告知，Tomas Hirschfeld研究了对这一技术搜集的信息的理论解释和分析方法，对近红外光谱的发展做出了重要贡献[9]。近红外光谱信息分析方法的发展，促进了化学计量学多元校正方法、现代光学、计算机数据处理技术在近红外光谱分析中的应用，使近红外光谱分析技术有了飞跃式进展。部分国际著名的光谱仪器制造商推出了相应的近红外光谱分析仪器，促进了近红外光谱分析技术在更广领域的应用。20世纪80年代，近红外光谱分析技术开始被应用于油料作物品种性状分析[10]。自20世纪90年代起，该项技术以产业链的方式应用于农业[11]、石化[12]、制药[13]、质检[14]和饲料[15]等多个领域，可快速高效地测定样本中的化学组成和物化性质，成为了工农业科研和生产部门不可或缺的一种分析手段。2000年，匹兹堡会议设置了11个直接和近红外光谱技术有关的分会场[16]，近红外光谱分析技术被公认为所有光谱法中最受重视的一类方法。近些年，国外的发达国家在近红外光谱技术上的研究更加深入，更加广泛。为解决模型维护问题，美国、法国、德国、丹麦、瑞士、加拿大和澳大利亚等国的官方机构组织建立了粮食、甘蔗和果品分析的近红外网络。这些网络由国家相关管理部门牵头，由行业检验机构、仪器厂商和用户组成，已经颁布了几十项标准。目前，国际近红外光谱技术的热点集中在替代能源，如生物柴油[17]、燃料乙醇[18]等方面。

我国近红外光谱分析技术研究相对来说晚一些。在20世纪80年代，我国的农业仪器分析工作者开始关注近红外光谱分析技术[19]；20世纪90年代开始对相关仪器进行研制[20-21]。目前，我国部分研究工作已经达到较为先进的水平，但从整体上看，我国与国际水平仍然存在较大差距；在仪器设备开发方面起步较晚，基础相对薄弱，对现有模型的不断完善和便携式近红外设备的研发是当前乃至今后的重要任务。

2 近红外光谱分析技术在木本油料果实质量指标检测中的应用

水分、蛋白质、脂肪(酸)等是油料种子的重要组分，采用近红外光谱分析技术对这些组分进行快速准确的分析，是木本油料产品品质改良的重要基础性工作。近年来，国内外陆续有关于木本油料果实质量NIRS应用的报道，具体情况如表1所示[22-36]。

2.1 水分测定

种子水分的高低，直接影响到种子运输方式、贮藏方式和种子寿命，水分是种子生命活动的介质和生化变化的参与者，是我国种子质量四大指标之一[37]。有研究报道运用近红外技术测定木本油料果实含水量。Silalahi等[25]采集不同成熟时期的3 870个油棕榈鲜果，以果皮含油率和含水率两个参数作为鉴别果实成熟等级优先参考指标，建立定标模型，利用该技术按成熟度分级分类的总体平均正确率大于81%。刘汝宽等[32]结合偏最小二乘法(partial least squares，PLS)，采用交叉检验技术建立了光皮树种子含水量模型，其相关系数为0.95。郝中诚等[38]建立了检测模型南疆温185，为实现核桃的水分快速实时检测提供了参考。

表1 近红外光谱分析技术在木本油料种子质量指标检测中的具体应用Tab.1 Specificapplicationsofnear-infraredspectroscopyinwoodyoilplantsseedsqualitydetection样品名称 检测指标 建模方法 油茶CamelliaoleiferaAbel.含油量SNV+一阶导数+PLS油桐Verniciafordii含油量一阶导数+均值中心化+CARS+WT+PLS油棕ElaeisguineensisJacq.含油量、含水量主成分分析+线性判别分析杜仲EucommiaulmoidesOliver松酯醇二葡萄糖苷含量一阶导数+减去一条直线+PLS核桃JuglansregiaL.含油量、蛋白质、水分含量、品种鉴别多元散射校正+标准正态化+CARS+相关系数法+PLS;SNV+PLS椰子CocosnuciferaL.脂肪、还原糖SPXY+MSC+PLS;SPXY+SNV+PLS白檀Symplocospaniculata(Thunb.)Miq.含油量及脂肪组分SNV+一阶微分、二阶微分、SG平滑等+PLS光皮树Swidawilsoniana(Wanger.)Sojak含油量、热值、水分、蛋白质SG7卷积求导+SNV+PLS美藤果PlukenetiavolubilisLinneo水分、蛋白质、含油量RS+SNV+PLS麻风树JatrophacurcasL.含水量一阶导数、MSC等+PLS 注:标准正态变量变换(standardnormalvariatestransformation,SNV);多元散射校正(multiplicativescattercorrection,MSC);SPXY(samplesetpartitioningbasedonjointX-Ydistances);RS(recurrencescore);偏最小二乘法回归(partialleastsquaresregression,PLS);竞争性自适应权重取样法(competitiveadaptivereweightedsampling,CARS)。

2.2 蛋白质测定

蛋白质是油料种子的主要营养物质之一，世界上70%的蛋白质来源于植物，具有营养性、功能性、经济性等特点。由于人们越来越注重健康，其市场需求正在逐年快速增长[39]。Williams等[40]首次以近红外光谱技术取代了传统的凯氏定氮法测定小麦中的蛋白质，推动了近红外光谱在工业领域的发展。杨水艳等[41]对美藤果颗粒及美藤果粉的近红外光谱全谱及不同波段光谱进行预处理，运用偏最小二乘法分别建立了美藤果颗粒及美藤果粉的水分、蛋白质、含油量定标模型。结果显示：美藤果颗粒和美藤果粉建立的校正模型的相关系数均大于0.94，校正均方根误差小于0.45%，交叉验证相关系数大于0.91，验证均方根误差小于0.53%。Posom等[36]结合矢量归一化、一阶导数、二阶导数等，利用偏最小二乘法建立了麻风树蛋白质的定标模型。

2.3 脂肪(酸)测定

果实的含油量是判断植物开发利用价值的根据，也是衡定木本油料植物经济特性的重要指标之一。李水芳等[23]选取来自湖南省永顺县中南林业科技大学油桐试验基地国家资源种质保存库2个不同品种的油桐样品，采用近红外光谱分析技术进行含油量的测定，结果获得验证集相关系数为0.927、均方根误差为2.08、相对标准差为3.99%的含油量测定模型，表明建立的模型适用性良好。与其他文献不同的是，该文采用了CARS法、WT法选择和压缩变量，结合PLS法和RBFNN法建模，通过交互验证的结果，获得最优波长组合和稳健性良好的定标模型。奚如春等[22]选取油茶为试验材料，经过模型验证得出，粉碎种仁的预测效果优于整颗种仁的预测效果，粉碎种仁模型与常规化学分析测量结果之间的相关系数为0.98，预测标准偏差为0.33，以整颗种仁建立的定标模型预测偏差为0.91，准确度较低。此外，在试验中对原始光谱图的预处理方法和回归方法比较单一，若以多种预处理方式处理光谱，选出最优的组合，或许能够得到效果更加理想的定标模型。

油脂中的脂肪酸成分是衡量油脂质量及资源利用的重要参数。刘强[31]用近红外光谱分析方法对白檀果实的含油量和脂肪酸值进行了测定，并对化学值进行了相关分析，用不同的原始光谱预处理方法和偏最小二乘法(PLS)分别进行定标分析，结果表明，在油脂含量常规检测中不同样品之间得到的检测结果相差较大，含油量和各脂肪酸最佳模型的预处理方式也并不相同，一阶导数结合平滑法处理原始光谱建模可以得到最佳的含油率、棕榈酸和油酸校正模型；硬脂酸模型光谱的最佳处理方式为二阶导数结合标准正态变量转换法，而亚油酸最佳的光谱预处理方式为一阶导数，说明不同的成分和样本光谱对预处理方法的敏感度不同，需要经过多次试验，最终选择合适的光谱预处理方法。

3 近红外光谱分析技术在木本食用油产品掺假检测和产地鉴定中的应用

3.1 产品掺假检测

由于木本食用油的高营养和经济价值，部分商家为了降低产品成本，获得更大的利润，在其中掺入廉价油[42]。随着科技的进步，食用油掺假检测的仪器越来越先进和灵敏，但越先进灵敏的仪器对检测对象的要求也越高，可以检测的样品种类也就越少[43]。而近红外光谱检测技术适用于数量大的样本，可以低成本快速检测多个组分，能减少样品选择带来的误差，使检测结果做到更加准确和快速。食用植物油主要质量指标包括各种脂肪酸含量、碘值、酸价、过氧化值及溶剂残留量等，这些指标是反映食用植物油质量安全的重要依据[44]。目前，在木本食用油料的品质检测中，主要通过运用近红外光谱分析技术检测油脂中的脂肪酸种类和含量来鉴别是否有掺假情况。

据统计，在茶油掺假中使用最多的是大豆油，其次是菜籽油、葵花籽油和玉米油[45]。利用近红外光谱法结合偏最小二乘法，可快速测定茶油中掺入的葵花籽油、花生油、玉米油和大豆油的含量[46-47]。Chu等[47]将葵花籽油、大豆油和玉米油分别按3种比例掺入茶油中，采用近红外光谱特征带和化学计量学方法对每种不同比例的油建立定标模型，模型检验结果显示：Si-PLS模型优于全谱PLS模型，根据三种Si-PLS模型的光谱区间选择了特征光谱区间，建立了一种新的通用PLS模型，新模型Rp=0.998 8，RMSEP=1.52，说明该定标模型可用于同时快速检测茶油中是否掺入葵籽花油、大豆油和玉米油。彭星星等[48]向核桃油中分别按不同质量分数和种类掺入菜籽油和大豆油、玉米油，与Chu不同的是分别构成了含有菜籽油和大豆油的二元体系、含有菜籽油和大豆油的三元体系和含有菜籽油、大豆油、玉米油的四元体系。经反复验证，可知建立的定标模型可以快速准确地检测核桃油中掺入菜籽油、大豆油、玉米油的含量。彭思敏等[49]以纯茶油中掺伪不同比例大豆油、花生油和菜籽油中的任意两种植物油脂来建立茶油掺伪模型，并将模型分别优化，选出标志性脂肪酸，与相应的茶油掺伪模型建立回归方程，将茶油掺伪油脂含量与脂肪酸含量之间的关系量化，在检测茶油掺伪时，检测相应脂肪酸的含量，代入方程即可获得相应掺伪油脂的相关信息，回归方程的建立提高了模型的适用性，实现了模型传递，使得茶油掺伪检测技术更加科学化。

3.2 产地鉴定

木本油料食用油脂产品的价格不仅与种类有关，还和产品的品种和产地有关。油脂产地溯源主要针对价格较高的油脂来开展鉴定工作。为研究茶油原产地溯源问题，维护其市场秩序，促进公平竞争，文韬等[50]选择了湖南、江西、安徽和浙江4个不同地区的茶油，分别采集了光谱数据进行分析，结果表明:以主成分分析和PLS算法提取最佳主成分作为BP人工神经网络输入变量所构建的PLS-BPANN模型最优。其验证集相关系数Re、均方根误差RMSEP分别为0.972、0.172，对两类样本集的总体分类准确率分别为98.15%、95.83%，说明该模型能较准确鉴别茶油原产地。

4 讨论与展望

我国木本油料资源丰富、种类众多，但含水量、含油量、蛋白质含量等物性指标良莠不齐。推进近红外光谱分析技术在木本油料领域的发展，优化检测技术，对木本油料产品质量的提高有着极大的影响。目前，传统的检测方法具有时间成本高、操作复杂、果实保存时间短等缺陷，而近红外光谱是一种快速、精准、成本低、不损坏样品的检测技术，可对果实内含物及其产品进行高效、准确、无损的检测。随着化学计量学和计算机技术的发展，近红外光谱分析技术不仅用于常见基础指标含量的检测，还用于鉴定产品来源，对产品进行分类，并可实现同时多组分在线分析。在木本油料油脂检测中，脂肪酸成分多，产品来源比较复杂，高价油掺假现象层出不穷，多组分在线分析可大大提高检测效率。为降低消费者被欺骗的概率，可研发便携式小型近红外光谱测试仪，以便于人们在消费时判断油脂质量。

为了提高近红外光谱检测技术的精确性及效率，需注意几点。第一，化学值检测要准确，检测工作在光谱扫描后3 d内完成，以避免不必要的干扰因素带来误差；第二，选择亲缘关系低的样本，如同一品种不同地区或者同一地区不同品种，可提高模型的稳健性，但是当样本地域和年份之间差异过大，可能导致待测样本光谱和矫正中的光谱存在显著差异，所扫描的光谱将成为奇异点，影响建模效果；第三，选择多种原始光谱预处理方法和建模方法，最终根据模型的预测性能选择最优的建模组合；第四，尽量选择代表性样本和变量，对有效的样本和光谱区域进行分析和处理，可提高模型的预测能力；第五，在种子内含物的检测过程中，在保证模型具有一定准确度的情况下，对整颗种子进行无损检测，而不做粉碎、烘干等处理，尽量不损坏种子。

近红外模型建立后，还需要进行模型维护。在模型的应用过程中，需要不断采集数据库，扩充近红外光谱的数据集，以期对木本油料种子的检测做到更加准确。因此，在基础研究阶段，数据库的共享十分重要，可避免重复性劳动，将精力投入到更前沿的研究，使得近红外光谱分析技术在木本油料领域发展得更加快速。此外，模型应用过程中常遇到模型传递的问题，由于不同商家生产的近红外光谱仪器硬件设施和功能设置不同，当使用不同仪器测量数值时，可能得到偏差较大的预测值。若解决这一问题，近红外光谱分析技术将有更加广阔的应用前景。