唐保山,李 坤， 張 弘， 張雯雯， 關(guān)慶芳， 史正軍

(1.西南林業(yè)大學 林學院，云南 昆明 650224； 2.中國林業(yè)科學研究院資源昆蟲研究所國家林業(yè)和草原局特色森林資源工程技術(shù)研究中心，云南 昆明 650233；3.安寧戴科精細化工有限公司，云南 昆明 650301)

紫膠又名蟲膠、赤膠、紫草茸，是紫膠蟲吸食寄主植物汁液后分泌的一種純天然樹脂混合物[1-4]。紫膠是我國重要的工業(yè)原料，因其具有優(yōu)良的抗酸、防銹、耐油、電絕緣性和熱塑性能，廣泛用于國防、涂料、機械、醫(yī)藥、印刷和食品行業(yè)[5-7]。依據(jù)紫膠的不同加工階段和產(chǎn)品形態(tài)，紫膠又可分為紫膠原膠、顆粒紫膠、片膠、漂白紫膠等。紫膠原膠是直接從寄主樹上采收下來的成熟膠梗，也是紫膠其他產(chǎn)品加工的原料，主要由紫膠樹脂、蠟質(zhì)和色素組成[8-10]。長期以來，紫膠原膠的質(zhì)量評價多依據(jù)國標法，盡管國標法具有可靠性、普適性強的特點，但操作復雜、對人員和熟練程度要求高、檢測耗時等缺點已在很大程度上妨礙了國標法在行業(yè)，尤其在流通領(lǐng)域及企業(yè)中的普及和應(yīng)用。在工業(yè)快速發(fā)展的今天，如何提高紫膠檢測方法的準確性、時效性和便攜性已成為提高工作效率的重要環(huán)節(jié)[11-12]。近紅外光譜法是近年發(fā)展起來的一種非破壞性分析技術(shù)，具有檢測成本低、速度快、樣品預處理簡單等優(yōu)點[13-15]。近紅外光譜分析法是一種間接分析技術(shù)，是用統(tǒng)計學方法在樣品待測屬性值與近紅外光譜數(shù)據(jù)之間建立一個關(guān)聯(lián)模型，之后通過驗證完成模型的建立，利用近紅外光譜儀測得的樣品光譜數(shù)據(jù)即可通過軟件模型預測被測組分含量[16-17]。目前，近紅外光譜法已在藥品、紡織物、酒類、飼料、糧油、煙草等領(lǐng)域得到廣泛的應(yīng)用[18-19]。其中飼料中水分、粗蛋白質(zhì)、粗纖維等含量的測定[20]，玉米中淀粉含量的測定[21]已成為國標中采用的標準檢測方法。本研究依據(jù)化學法測定紫膠原膠中樹脂、蠟質(zhì)和色素含量的真實值，探索基于近紅外光譜分析模型的構(gòu)建方法，以期將近紅外光譜法用于紫膠的檢測，實現(xiàn)快速定量檢測紫膠原膠中主組分含量的目的，為建立科學化、自動化的紫膠現(xiàn)代質(zhì)量標準評價體系提供理論依據(jù)。

1 實 驗

1.1 原料、試劑與儀器

紫膠原膠樣本(中國21、泰國2、印度2、緬甸2和越南2)，由墨江縣洪森蟲膠有限公司、墨江滇力林化廠、墨江森源科技有限公司、綠春興龍紫膠有限公司、云縣凝鑫紫膠產(chǎn)業(yè)發(fā)展有限公司和安寧戴科精細化工有限公司提供。為保證測試樣品的均勻性，把收集到的29個紫膠原膠樣本分別用高速粉碎機粉碎，取粒徑≤0.38 mm的樣品備用。無水碳酸鈉、鹽酸、鄰苯二甲酸氫鉀、四氯化碳、95%乙醇、無水乙醇和氫氧化鉀均為分析純。

MPA傅里葉變換近紅外光譜儀，德國Brucker公司；Agilent Cary Seties紫外(UV-vis)可見分光光度計，Agilent Technologies公司；HH- 601水浴磁力攪拌器；Testo-206便攜式pH計；SHZ-D(Ⅲ)循環(huán)水式多用真空泵。

1.2 紫膠中主組分的測定

1.2.1紫膠樹脂 紫膠樹脂的測定參照國標GB/T8143—2008[22]的方法進行。精確稱取樣品5 g放入用95%乙醇萃取過的定性濾紙中，用棉線捆緊后放入事先在100 ℃質(zhì)量恒定的萃取瓶中，置入索氏提取器，用95%乙醇在80 ℃提取4 h，將萃取瓶中的溶劑減壓蒸發(fā)，在100 ℃下干燥至質(zhì)量恒定，最后扣除蠟質(zhì)質(zhì)量，即得紫膠樹脂質(zhì)量，平行測定3次。樹脂質(zhì)量分數(shù)按式(1)計算。

1.2.2紫膠蠟 紫膠蠟的測定參照國標GB/T8143—2008[22]中的方法進行。精確稱取樣品10 g放入燒杯中，之后加入150 mL溶有2.5 g碳酸鈉的熱水，放在沸水浴中加熱攪拌。待試樣溶解后再加熱2～3 h(不要攪拌)，然后將燒杯從水浴中取出，冷卻至室溫，蠟質(zhì)結(jié)晶析出，用四氯化碳萃取過的濾紙過濾，用水洗滌至濾液無色，將濾紙取出放在60 ℃的烘箱中烘去水分，再用一張濾紙包好，用棉線捆緊，放入事先在100 ℃質(zhì)量恒定的萃取瓶中，置入索氏提取器，用四氯化碳在80 ℃提取4 h，將萃取瓶中的四氯化碳減壓蒸發(fā)，放入干燥箱中，100 ℃下干燥至質(zhì)量恒定，平行測定3次。蠟質(zhì)量分數(shù)按式(2)計算。

ω1=(m2-m1-m0)/m×100%

(1)

ω2=(m3-m1)/m×100%

(2)

式中：ω1—紫膠中樹脂質(zhì)量分數(shù)，%；m—樣品質(zhì)量，g；m0—蠟質(zhì)質(zhì)量，g；m1—萃取瓶質(zhì)量，g；m2—萃取瓶與樹脂質(zhì)量和，g；ω2—紫膠中蠟的質(zhì)量分數(shù)，%；m3—萃取瓶和蠟質(zhì)質(zhì)量和，g。

1.2.3紫膠色素 參照文獻[23]測定水溶物。精確稱取樣品10 g放入250 mL燒杯中，加入150 mL去離子水浸泡過夜，之后抽濾，用水洗至無色，最后濾液倒入燒杯中在80 ℃鼓風干燥箱烘至質(zhì)量恒定，平行測定3次。水溶物質(zhì)量=燒杯與水溶物質(zhì)量之和-燒杯質(zhì)量。

參照國標GB1886.17—2015[24]方法進行色價測定。稱取干燥水溶物0.1 g置于50 mL燒杯中，加入10 g/L碳酸鈉溶液10 mL攪勻、溶解，傾入100 mL容量瓶中，用少量水洗滌燒杯，洗滌液并入100 mL容量瓶中，用水稀釋至刻度、搖勻。準確吸取5 mL置于100 mL容量瓶中，用0.1 mol/L鹽酸溶液調(diào)pH值至3.0左右，用pH值3.0緩沖溶液稀釋至刻度、搖勻，即為試樣溶液。取出試樣溶液置于1 cm比色皿中，于紫外分光光度計為490 nm波長處測量吸光度，平行測定3次。色價按式(3)計算。

參照文獻[25]方法測定色素含量。已知色素標準品的含量，測出色素標準品的色價，樣品通過測定其色價，按照色素標準品折合試樣色素含量，最后計算出紫膠原膠中的色素，平行測定3次。色素按式(4)計算。

(3)

ω3=m4/m×ω4

(4)

1.3 模型的建立

1.3.2模型建立的方法和步驟 一個完整的近紅外預測模型包括6個部分，具體包括：樣本數(shù)據(jù)采集及樣品集劃分、近紅外光譜測定條件設(shè)定及光譜圖采集、確定數(shù)據(jù)樣本預處理方法、樣品近紅外光譜區(qū)域的劃分及最優(yōu)波段的選取、主成分數(shù)的選擇和模型質(zhì)量評價。

1.3.2.1樣本數(shù)據(jù)采集及樣品集劃分 所收集的樣本見表1，囊括了中國、越南、泰國、緬甸和印度等紫膠主產(chǎn)國，為基于近紅外法的紫膠原膠主組分快速預測模型構(gòu)建提供了數(shù)據(jù)支撐。

表1 不同來源紫膠樣本中樹脂、蠟質(zhì)及色素含量1)

紫膠樣本按4.5 ∶1隨機分選為校正集和驗證集，通過表2可知，校正集和驗證集中樹脂、蠟質(zhì)和色素的含量范圍、平均值和極差表明，所選樣品中各組分含量范圍較寬，代表性較強，且校正集樣品范圍包含驗證集所有樣品的組成范圍，符合建立模型樣品選擇的原則。

表2 紫膠原膠中樹脂、蠟質(zhì)和色素樣品集的劃分

1.3.2.2測定條件設(shè)定及光譜圖采集 為保證儀器的穩(wěn)定性，開機后預熱30 min；設(shè)置掃描時儀器分辨率為8 cm-1，掃描次數(shù)為64次，光譜范圍為波數(shù)12500～4000 cm-1；以空IN312-SH型樣品杯(Φ=97 mm)作為參比樣品進行光譜采集，上樣量以樣品體積的2/3為宜，為確保樣品采集的均勻性，采用旋轉(zhuǎn)模式，每個紫膠原膠樣品重復采集3次[27]，取其平均光譜作為樣品代表性光譜。

1.3.2.3確定數(shù)據(jù)樣本預處理方法 近紅外光譜易受到樣品的均勻性、噪音信號以及雜散光等影響，為保證譜圖基線平穩(wěn)和所建立校正模型的準確性，必須對原始光譜進行預處理。常用的預處理方法有無光譜處理、多元散射校正(MSC) 、消除常量偏移量(ECO)、矢量歸一化(VN)、最小-最大歸一化(M-MN)、一階導數(shù)+矢量歸一化 (FD+VN)[28]。

1.3.2.4區(qū)域劃分及最優(yōu)波段選取 偏最小二乘法(PLS) 雖然可以處理全譜信息，但全譜中往往包含了過多的冗余信息，這既影響了建模的準確性，過大的數(shù)據(jù)量也降低了模型預測的計算速率[29]。因此，需要對光譜波段進行提取，改善模型性能。依據(jù)紫膠原膠主組分近紅外譜圖的吸收特征，將原始光譜分為5個波段范圍進行交互建模，并考察各個波段的模型與組分含量間的相關(guān)性，探索最優(yōu)波段，5個 波段分別為9400～7500、7500～6100、6100～5450、5450～4600和4600～4250 cm-1。

1.3.2.5主成分數(shù)的選擇 在建模過程中，采用不同的主成分數(shù)，模型的預測能力也會有較大的差異。因此合理確定參加建模的主成分數(shù)是充分利用光譜信息和濾除噪音的有效方法之一。通常數(shù)值過大，所建模型包含太多的噪音，會出現(xiàn)過擬合現(xiàn)象；主成分太小，則導致建模信息不全，模型預測能力相對較差。當RMSECV最小時，對應(yīng)主成分數(shù)最佳。

(5)

(6)

(7)

(8)

2 結(jié)果與分析

2.1 光譜的預處理

利用近紅外儀器自帶的OPUS 7.5分析軟件采集的紫膠樣品的近紅外光譜，原始光譜如圖1(a)所示。從圖1(a)可以看出，紫膠主組分在峰位、峰強和峰形等方面重疊嚴重，很難直觀分析，就需要對近紅外光譜信號進行分析處理，不同的預處理方法得到的譜圖見圖1(b)、1(c)和1(d)所示。

通過對不同波段的篩選，由表3可知，樹脂、蠟質(zhì)和色素的最優(yōu)建模波段分別為9403.7～5446.3、4601.6～4246.7 cm-1，9403.7～7498.3、6102～5446.7 cm-1和7502.1～6098.1、5450.1～4246.7cm-1，說明在該波數(shù)范圍內(nèi)，組分與模型的相關(guān)性最佳。

2.2 各個模型的參數(shù)及測定效果

為更好的驗證上述最優(yōu)波段選擇的可靠性，選擇了脫蠟脫色片膠、紫膠蠟和紫膠紅色素作為紫膠樹脂、蠟質(zhì)和色素的純凈物分別進行全譜掃描。

a.紫膠原始圖original spectra of sticklac； b.矢量歸一化處理vector normalization (VN)；c.最小-最大歸一化處理

表3 樹脂、蠟質(zhì)和色素最佳預處理方法和最優(yōu)波段的選擇

續(xù)表3

a.樹脂resin; b.蠟質(zhì)wax; c.色素pigment圖2 不同樣品的近紅外光譜圖Fig.2 Near infrared spectra of different samples

由圖2可知，純樹脂的近紅外光譜圖與紫膠原膠的光譜圖幾乎一致，是因為紫膠原膠中樹脂是主要組分，樹脂吸收強度最強，在譜圖疊加中占據(jù)主導，故從純樹脂的光譜圖上很難找到最優(yōu)波段。由表3得到蠟質(zhì)的最優(yōu)建模波數(shù)為9403.7～7498.3 cm-1、6102.0～5446.7 cm-1，對比圖2蠟質(zhì)圖譜可知，此波數(shù)范圍正好在蠟質(zhì)特征吸收范圍內(nèi)。由色素近紅外光譜可知，色素主要吸收波段為7378.0～6258.0 cm-1和5411.0～4511.0 cm-1，而通過不同光譜段處理得到最優(yōu)波段為7502.1～6098.1、5450.1～4246.7 cm-1，與色素主要吸收波段吻合。

樹脂、蠟質(zhì)和色素的主成分數(shù)與RMSECV的關(guān)系如圖3所示，主成分數(shù)的大小影響模型的質(zhì)量，一般認為RMSECV最小時，對應(yīng)主成分數(shù)最優(yōu)。由圖3可知，樹脂、蠟質(zhì)和色素主成分數(shù)分別為8、10、6時，對應(yīng)的RMSECV最小，說明在該主成分數(shù)下，該模型的誤差最低。

a.樹脂resin; b.蠟質(zhì)wax; c.色素pigment

2.3 模型驗證

利用以上建模條件，對樹脂、蠟質(zhì)和色素校正集進行內(nèi)部交叉驗證，建立校正模型的樣品數(shù)為24個，分別剔除0、0、2個光譜異常的樣品，實際采用的樣品只有24、24、22個，利用建立的樹脂、蠟質(zhì)和色素定量模型預測驗證集為5個樣品。樹脂、蠟質(zhì)和色素的校正集和驗證集的預測值和真實值的關(guān)系如圖4所示。

△校正集calibration sets； ○驗證集validation sets

所建模型的各項數(shù)理統(tǒng)計指標都達到預期值，所有樣品的近紅外光譜測定結(jié)果和標準方法之間的相關(guān)性以及誤差基本都在要求的再現(xiàn)性范圍以內(nèi)，近紅外光譜所建紫膠原膠中3種主組分模型預測樣品的預測值與國標方法測得的化學值基本一致，說明所建模型的預測效果良好。

由表4可知，對樹脂、蠟質(zhì)和色素的預測值和真實值做了比較，每個樣品的5次預測結(jié)果平均差異都小于0.10%；并且對每個樣品的5次預測值做了顯著性分析，結(jié)果P>0.05，均無顯著性差異，可見所建模型精密度和穩(wěn)定性良好。

表4 模型預測樣品的精密度和穩(wěn)定性檢驗(n=5)

3 結(jié) 論