蔣曉杰 周 旭 楊志成 張烝彥 潘丹杰

(杭州市糧油中心檢驗(yàn)監(jiān)測(cè)站，杭州 310003)

傳統(tǒng)的化學(xué)滴定法測(cè)定脂肪酸值需要乙醇提取、化學(xué)滴定等復(fù)雜環(huán)節(jié)[1]。此外，化學(xué)滴定法難以實(shí)現(xiàn)在線檢測(cè)，效率較低，至今尚未開發(fā)出有效的稻谷脂肪酸快速檢測(cè)方法。研發(fā)新方法，實(shí)現(xiàn)稻谷脂肪酸值快速檢測(cè)，對(duì)于產(chǎn)品質(zhì)量安全保障、儲(chǔ)糧企業(yè)質(zhì)量把關(guān)、質(zhì)監(jiān)部門防偽打假等都具有重要意義。

漫反射傅里葉變換紅外光譜法(DRIFTS)和近紅外漫反射光譜法(NIDRS)作為一種紅外光譜漫反射技術(shù)，其原理是當(dāng)光照射到固態(tài)樣品的表面時(shí)，除了一部分被樣品表面立即反射出來之外，其余的入射光在樣品表面產(chǎn)生漫反射，或在樣品微粒之間輾轉(zhuǎn)反射逐漸衰減，或?yàn)榇┤雰?nèi)層后再折回的散射，收集到的漫反射光、散射光通過檢測(cè)器轉(zhuǎn)化為光譜信號(hào)。該方法具有快速、無(wú)損、無(wú)污染等特點(diǎn)。近年來，DRIFTS (4 000～400 cm-1)與NIDRS (12 500～4 000 cm-1)在農(nóng)產(chǎn)品領(lǐng)域(如食品、油料、飼料、藥物等)有著較廣泛的應(yīng)用。Ozgulyucel等[2]利用DRIFTS結(jié)合PLS測(cè)定稻谷外殼的脂肪酸含量研究。Queji等[3]利用DRIFTS和偏最小二乘法(PLS)聯(lián)用，分析了蘋果渣中的單糖、蘋果酸和總酚的含量。俞法明[4]、陸艷婷等[5]利用NIDRS測(cè)定秈稻品種的蛋白質(zhì)含量和粳稻品種的直鏈淀粉含量，為秈稻品種育種、篩選提供了快速便捷的方法。

目前，PLS廣泛應(yīng)用于食品分析中，Gómezcaravaca等[6]利用FTIR-PLS法評(píng)價(jià)橄欖油和的質(zhì)量以及橄欖果實(shí)的質(zhì)量。彭海根等[7]利用FTIR結(jié)合Bi-PLS及iPLS選擇最佳波段，進(jìn)行南疆紅棗糖度的精確測(cè)定。

本研究在紅外光譜分析基礎(chǔ)上，以提高檢測(cè)效率和準(zhǔn)確度為目的，考察DRIFTS和NIDRS檢測(cè)稻谷脂肪酸值，通過設(shè)計(jì)實(shí)驗(yàn)方案，反向區(qū)間偏最小二乘法(BiPLS)優(yōu)化建模，以期實(shí)現(xiàn)稻谷脂肪酸值的快速檢測(cè)。

1 材料與方法

1.1 樣品

采集黑龍江、江西、安徽、江蘇、浙江等地產(chǎn)的98個(gè)稻谷樣品，樣品經(jīng)礱谷機(jī)去殼，錘式旋風(fēng)磨粉碎，過40目篩，現(xiàn)磨現(xiàn)用。取其中10個(gè)稻谷樣品用于紅外漫反射模型驗(yàn)證(驗(yàn)證集)，其余用于模型建立(訓(xùn)練集)。

1.2 儀器與設(shè)備

DA7200二極管陣列近紅外光譜儀；BRUKER TENSOR 27傅里葉變換紅外光譜儀(配有漫反射樣品采集系統(tǒng)，OPUS操作軟件)；THU35C型礱谷機(jī)；LM3100型實(shí)驗(yàn)室粉碎磨。

1.3 方法

1.3.1 國(guó)標(biāo)化學(xué)值的測(cè)定

采用GB/T 20569—2006《稻谷儲(chǔ)存品質(zhì)判定規(guī)則》測(cè)定稻谷脂肪酸值，每個(gè)樣品測(cè)定3次，取平均值，結(jié)果以mg KOH/100 g表示。

1.3.2 漫反射光譜采集

1.3.2.1 近紅外漫反射光譜采集

利用二極管陣列近紅外光譜儀采集近紅外漫反射光譜，光譜范圍4 000～10 000 cm-1，分辨率3.125 nm/每二極管，環(huán)境溫度為25 ℃左右，濕度約為35%。

1.3.2.2 傅里葉變換紅外漫反射光譜的采集

利用傅里葉變換紅外光譜儀，通過OPUS操作軟件采集樣品漫反射光譜。光譜范圍400～4 000 cm-1，分辨率4 cm-1，掃描次數(shù)32次，保持室內(nèi)溫度25 ℃左右，濕度約為35%。

以空氣作為空白參照，每個(gè)樣品采集3次，結(jié)果取平均值。其中1/4樣品數(shù)據(jù)用于驗(yàn)證分析(預(yù)測(cè)集)。

1.3.3 模型建立和評(píng)價(jià)

采用近紅外光譜儀Simplicity軟件對(duì)糙米粉樣品分別建模；采用TQ analyst 軟件對(duì)收集到的中紅外光譜進(jìn)行預(yù)處理以及分析。數(shù)據(jù)處理方式包括標(biāo)準(zhǔn)正態(tài)變量校正(SNV)、多元散射校正(MSC)、一階導(dǎo)數(shù)(FD)、二階導(dǎo)數(shù)(SD)、平滑處理(S-G)等。并用PLS建立模型，通過BiPLS對(duì)其進(jìn)行優(yōu)化。

通過比較校正相關(guān)系數(shù)(R2)、校正均方差(RMSEC)、預(yù)測(cè)均方差(RMSEP)、預(yù)測(cè)相對(duì)分析誤差(RPD)等參數(shù)選取最佳預(yù)處理方式。R2越接近于1， RMSECV和RMSEP值越小，RPD越大，則預(yù)處理方法越有效。RPD是衡量模型效果的常用指標(biāo)，其運(yùn)算方式為標(biāo)準(zhǔn)差(SD)與RMSEP的比值。RPD值越大，模型與真值之間的差距越小。

1.3.4 模型優(yōu)化

Bi-PLS是指將全譜等分成n個(gè)子區(qū)間后，同時(shí)在(n-1)個(gè)區(qū)間上建立PLS模型，即每次只排除一個(gè)區(qū)間，在余下的區(qū)間組合建模，使得每次模型產(chǎn)生的RMSECV最低。首先被排除的區(qū)間，說明對(duì)于整個(gè)模型的重要性最低；循環(huán)直到只剩最后一個(gè)區(qū)間，得出最優(yōu)波譜組合區(qū)間模型。

2 結(jié)果與分析

2.1 化學(xué)指標(biāo)

對(duì)98個(gè)稻谷樣品進(jìn)行脂肪酸測(cè)定，其中脂肪酸測(cè)定結(jié)果最大值為51.59 mg KOH/100 g，最小值為14.12 mg KOH/100 g，標(biāo)準(zhǔn)差為10.00。脂肪酸值跨度較大，梯度分布均勻，基本覆蓋當(dāng)前稻谷品種的脂肪酸值范圍，具有較好的代表性。

2.2 中紅外漫反射及近紅外漫反射光譜采集結(jié)果

DRIFTS測(cè)定結(jié)果如圖1a所示，在2 500～3 600 cm-1范圍內(nèi)存在較強(qiáng)的吸收峰，此峰范圍廣、峰型寬，這是由于此處是多個(gè)官能團(tuán)的吸收峰疊加而成的緣故。3 500 cm-1處的吸收峰是由N—H鍵伸縮振動(dòng)引起的，另外，在3 300 cm-1處存在締合態(tài)O—H吸收峰，在2 500～3 300 cm-1存在C—H伸縮振動(dòng)以及—COOH吸收峰?！狢OOH產(chǎn)生的峰型特點(diǎn)是譜帶較寬，且中心在3 000 cm-1左右，與圖所示相符。說明—COOH鍵的伸縮振動(dòng)與脂肪酸值含量緊密相關(guān)。圖1b為NIDRS測(cè)定結(jié)果的漫反射圖譜。在5 160 cm-1處有非常強(qiáng)烈的吸收峰，這是O—H的伸縮以及彎曲振動(dòng)合力引起的，8 310 cm-1處是—CH3的二級(jí)倍頻峰。

圖1 稻谷的原始漫反射紅外光譜

不同脂肪酸值的稻谷漫反射吸收光譜波形相似，卻又不完全重合，既顯示了不同稻谷樣品的差異性，又反映了稻谷的同一性和連續(xù)性。

2.3 光譜預(yù)處理結(jié)果

表1為不同光譜預(yù)處理方式對(duì)中紅外及近紅外模型準(zhǔn)確度的影響?？梢?、7點(diǎn)平滑作為光譜預(yù)處理時(shí)均能得到提高模型預(yù)測(cè)效果的目的。其中，當(dāng)光譜經(jīng)7點(diǎn)平滑時(shí)，得到的模型RMSECV值最小(RMSECV =8.09)，此時(shí)R2值為1.000，此時(shí)模型效果達(dá)到最優(yōu)。

表1 傅里葉變換紅外光譜預(yù)處理方法對(duì)模型準(zhǔn)確性影響

注：SD為二階導(dǎo)數(shù)；FD為一階導(dǎo)數(shù)，SNV為標(biāo)準(zhǔn)正變量校正，MSC為多元散射校正，S-G為平滑方式。下同。

表2中可以看出：FD與MSC、SNV及S-G聯(lián)用均能提高模型的穩(wěn)定性和準(zhǔn)確度。其中，通過一階導(dǎo)數(shù)+MSC+3點(diǎn)平滑方式處理時(shí)，得到的模型最好，此時(shí)RMSECV為3.43。

表2 近紅外光譜預(yù)處理方法對(duì)模型準(zhǔn)確性影響

2.4 中紅外漫反射模型優(yōu)化結(jié)果

研究將全波譜以100 cm-1為單位分成34個(gè)區(qū)間，每次運(yùn)算去掉一個(gè)區(qū)間，使模型的RMSECV最小，去掉的區(qū)間即為對(duì)建模整體作用最小的區(qū)間，多次重復(fù)后，得到最優(yōu)化模型，如表2所示。其R2=0.998，RMSECV =3.65，RMSEP=3.69，經(jīng)計(jì)算，RPD值為2.71。此時(shí)，模型對(duì)應(yīng)的區(qū)間為800～1 000、1 600～1 700、1 800～2 200、2 400～2 500、2 700～2 800以及3 600～3 700 cm-1。

表3 中紅外BiPLS模型優(yōu)化結(jié)果

2.5 模型準(zhǔn)確性比較

在模型建立完成后，通過10個(gè)稻谷樣品(驗(yàn)證集)對(duì)2種模型的準(zhǔn)確性進(jìn)行分析。從表4中可以看出，DRIFTS預(yù)測(cè)值和化學(xué)值之間的絕對(duì)誤差約在0.01～0.71 mgKOH/100 g之間，差值平均值為0.321 mgKOH/100 g，相對(duì)標(biāo)準(zhǔn)偏差為1.16%；NIDRS預(yù)測(cè)值和化學(xué)值之間得絕對(duì)誤差約在0.09～0.79 mgKOH/100 g之間，差值平均值為0.421 mgKOH/100 g，相對(duì)標(biāo)準(zhǔn)偏差為1.70%。綜上所述，DRIFTS及NIDRS均可以準(zhǔn)確的預(yù)測(cè)稻谷脂肪酸值。

表4 稻谷脂肪酸值和紅外光譜預(yù)測(cè)值的比較

3 結(jié)論

通過近紅外漫反射紅外光譜法以及傅里葉變換中紅外漫反射紅外光譜法2種方法共采集糙米粉樣品的紅外光譜，分別對(duì)脂肪酸值建立偏最小二乘法定量模型，在模型適當(dāng)優(yōu)化后，驗(yàn)證模型的可行性。結(jié)果表明，NIDRS和DRIFTS兩種方法均可用于日常稻谷脂肪酸值快速檢測(cè)。其中，NIDRS模型經(jīng)預(yù)處理優(yōu)化后，模型的R2、RMSECV分別為0.97、3.43；DRIFTS經(jīng)BiPLS優(yōu)化后，模型的R2、RMSEP以及RPD分別為0.998、3.69以及2.71。從模型準(zhǔn)確性來看，DRIFTS的相對(duì)標(biāo)準(zhǔn)偏差(1.16%)要小于NIDRS的相對(duì)標(biāo)準(zhǔn)偏差(1.70%)，實(shí)驗(yàn)證明，DRIFTS能夠更為準(zhǔn)確地檢測(cè)稻谷脂肪酸值。