向日葵的品質(zhì)

中國(guó)油料作物七年級(jí)下冊(cè)古詩(shī) 學(xué)報(bào)ChineJournalofOilCropSciences

利用近紅外技術(shù)預(yù)測(cè)向日葵籽仁品質(zhì)性狀

汪磊，譚美蓮

*

，傅春玲，汪魏，王力軍，尹紫艷，嚴(yán)興初

*

（中國(guó)農(nóng)業(yè)科學(xué)院油料作物研究所/農(nóng)業(yè)農(nóng)村部油料作物生物學(xué)與遺傳育種重點(diǎn)實(shí)驗(yàn)室，湖北武漢，430062）

摘要：為實(shí)現(xiàn)向日葵育種材料品質(zhì)性狀的快速預(yù)測(cè)，選取154份向日葵籽仁樣品，結(jié)合化學(xué)測(cè)定值和近紅外光

譜，利用化學(xué)計(jì)量學(xué)手段建立向日葵籽仁品質(zhì)指標(biāo)的近紅外模型，評(píng)估其在籽仁粗蛋白、粗脂肪、油酸、亞油酸等重

要品質(zhì)性狀測(cè)定中的可行性。結(jié)果表明，改進(jìn)偏最小二乘法建模效果最佳，其粗脂肪、粗蛋白、油酸、亞油酸、飽和

脂肪酸及不飽和脂肪酸的定標(biāo)相關(guān)系數(shù)分別為0.975、0.950、0.973、0.951和0.913，交叉驗(yàn)證相關(guān)系數(shù)分別為0.969、0.939、0.915、0.927和0.711。用檢驗(yàn)集對(duì)模型進(jìn)行驗(yàn)證，粗脂肪、蛋白質(zhì)、油酸、亞油酸、飽和及不飽和脂肪酸的外部

檢驗(yàn)決定系數(shù)（R

2

）分別為0.959、0.950、0.937、0.906和0.930。本研究建立的模型質(zhì)量較高，能夠滿足向日葵籽仁品

質(zhì)成分的快速測(cè)定，可為向日葵品質(zhì)育種前期大量、快速的篩選提供技術(shù)支持。

關(guān)鍵詞：向日葵；粗脂肪含量；蛋白質(zhì)；油酸；亞油酸；近紅外光譜

中圖分類(lèi)號(hào)：TN219;S565.5文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1007-9084（2020）01-0147-07

Predictionofqualitativecharacteristicsofsunflowerhuskededbynearinfraredspectroscopy

WANGLei，TANMei-lian*

，F(xiàn)UChun-ling，WANGWei，WANGLi-jun，YINZi-yan，YANXing-chu

*

（OilCropsRearchInstituteofChineAcademyofAgriculturalScience/KeyLaboratoryofBiologyandGeneticIm?

provementofOilCrops,MinistryofAgricultureandRuralAffairs,Wuhan430062,China）

Abstract:Forrapidandhighthroughputpredictionofthequalityofsunflowereds,calibrationequations

ationmethodsincludednear-infraredspec?

troscopy(NIRS)scanningandchemicaldetectingwithchemometricsmethodtodeterminetheoptimalcalibration

sshoweermination

coefficientofNIRSmodelforcrudefat,crudeprotein,oleicacid,linoleicacid,saturatedfattyacidandunsaturated

fattyacidwere0.975,0.950,0.973,ross-validationcorrelationcoefficients

were0.969,0.939,0.915,tiontestingresultsshowedthattheexternalvali?

dationcorrelationcoefficientforcrudefat,crudeprotein,oleicacid,linoleicacid,saturatedfattyacidandunsaturat?

edfattyacidwere0.959,0.950,0.937,ultsindicatedthattheestablished

NIRSmodelcouldbeudasatoolforrapidpredictionofqualitativecharacteristicsinsunflowerhuskededfor

large-scalescreeningofsunflowerqualitybreeding.

Keywords:sunflower；crudefatcontent；protein；oleicacid；linoleicacid；nearinfraredspectroscopy

向日葵（HelianthusannuusL.）是世界廣泛種植

的經(jīng)濟(jì)作物，2018年全世界向日葵總產(chǎn)約4956萬(wàn)

噸，其中烏克蘭、俄羅斯、歐盟、阿根廷和中國(guó)占據(jù)

了世界總產(chǎn)量的85.5%

[1]

。近年來(lái)，我國(guó)向日葵種

植面積逐年增加，2016年達(dá)115.3萬(wàn)公頃，主要分布

在內(nèi)蒙古、新疆、吉林、黑龍江、河北、甘肅和寧夏等

七個(gè)省（自治區(qū)），其它地區(qū)零星種植

[2]

。

葵花籽可榨油或食用，籽實(shí)含油率為22%～

2020，42（1）：147-153

doi：10.19802/.1007-9084.2019143

收稿日期：2019勒石 ?05?23

基金項(xiàng)目：國(guó)家特色油料產(chǎn)業(yè)技術(shù)體系（CARS-14-1-17）；國(guó)家油料種質(zhì)資源平臺(tái)（NICGR2019-014）；特種油料種質(zhì)資源保護(hù)與利用

（2019NWB033-4）；中國(guó)農(nóng)業(yè)科學(xué)院油料作物研究所科技成果轉(zhuǎn)化項(xiàng)目（2019CGZH08）

作者簡(jiǎn)介：汪磊（1984-），男，湖北武漢人，實(shí)驗(yàn)師，碩士，主要從事特色油料作物種質(zhì)資源相關(guān)研究，E-mail:*****************通訊作者：譚美蓮，副研究員，從事特種油料作物種質(zhì)資源與遺傳育種研究，E-mail：******************；嚴(yán)興初，研究員，從事特種油料研

究，E-mail:*****************

中國(guó)油料作物學(xué)報(bào)2020，42（1）

55%，粗蛋白含量約15.7%～25.9%。傳統(tǒng)葵花油

中不飽和脂肪酸含量高達(dá)85%，其中油酸含量14%

～43%，亞油酸含量44%～75%。近二十年來(lái)，隨著

人們對(duì)健康植物油需求增加，富含油酸的類(lèi)型被廣

泛應(yīng)用，包括中油酸（43.1%～71.8%）和高油酸

（75%～90.7%）類(lèi)型

[3]

。另外，國(guó)人喜嗑食葵籽，粗

蛋白含量是食葵的重要指標(biāo)之一

[4]

。因此，粗蛋白

含量和油脂成分是向日葵品質(zhì)育種的重要指標(biāo)。

然而，利用常規(guī)化學(xué)分析方法測(cè)定粗蛋白、粗

脂肪和脂肪酸組成，成本較高，耗時(shí)耗力，極大限制

了材料篩選效率。建立一種高效快速的測(cè)定方法，

對(duì)于向日葵優(yōu)異種質(zhì)鑒定和品質(zhì)育種十分必要。

近紅外光譜（nearinfraredreflectancespectroscopy，NIRS）分析技術(shù)是一項(xiàng)無(wú)損檢測(cè)技術(shù)，無(wú)需復(fù)雜預(yù)

處理，即可完成多種組分的定量測(cè)定

[5]

，結(jié)合化學(xué)計(jì)

量學(xué)法構(gòu)建模型，從而實(shí)現(xiàn)快速高效檢測(cè)。國(guó)內(nèi)外

利用NIRS技術(shù)在測(cè)定種子含油率、粗蛋白、脂肪酸

組成方面已有報(bào)道。Prez-Vich等

[6]

利用NIRS技術(shù)

對(duì)完整葵花籽、去殼葵花籽仁、葵花籽粉和葵花油

中的含油率和脂肪酸組成進(jìn)行了測(cè)定；周菲等

[7]

初

步構(gòu)建了食用向日葵粗蛋白含量的近紅外光譜模

型；Akkaya

[8]

利用NIRS對(duì)向日葵脂肪酸組成進(jìn)行了

快速有效的測(cè)定。但是國(guó)內(nèi)缺乏NIRS測(cè)定向日葵

脂肪酸成分和蛋白質(zhì)含量的相關(guān)報(bào)道，而且近紅外

技術(shù)模型在不同作物或同一作物不同類(lèi)型、不同設(shè)

備及同一設(shè)備不同環(huán)境下，都不具有通用性。因

此，利用我國(guó)向日葵種質(zhì)和品種材料建立其品質(zhì)性

狀的NIRS測(cè)定模型，對(duì)于實(shí)現(xiàn)品質(zhì)性狀的快速檢測(cè)

和促進(jìn)向日葵品質(zhì)育種具有重要意義。

本研究以154份向日葵為材料，將化學(xué)分析和

光譜測(cè)定方法相結(jié)合，利用化學(xué)計(jì)量學(xué)手段，建立

并優(yōu)化向日葵品質(zhì)性狀的NIRS模型，評(píng)估快速測(cè)定

籽仁粗蛋白、粗脂肪和脂肪酸組成的可行性，為建

立快速高效的向日葵品質(zhì)檢測(cè)平臺(tái)提供基礎(chǔ)，為其

優(yōu)異種質(zhì)鑒定和品質(zhì)育種提供技術(shù)支撐。1材料方法

1.1材料

向日葵種質(zhì)和品種共154份，用于向日葵NIRS

模型的構(gòu)建和校正。另外隨機(jī)挑取了18份向日葵

材料用于模型的檢驗(yàn)。這些材料均由國(guó)家油料作

物種質(zhì)資源中期庫(kù)（武漢）和中國(guó)農(nóng)業(yè)科學(xué)院油料

作物研究所特色油料課題組提供，其中油葵114份，

食葵35份，觀賞葵4份，半野生材料1份。

1.2化學(xué)值測(cè)定

清選干凈、干燥（40℃烘干6h）的向日葵籽粒，

采用向日葵專(zhuān)用離心脫殼機(jī)（錦州俏牌，家用脫殼

機(jī)）脫殼，每樣品去殼后重約10g。向日葵籽仁粗蛋

白、粗脂肪和脂肪酸組成化學(xué)值分析方法參考GB5009.5-2016（蛋白質(zhì)）[9]

、NY/T1285-2007（脂肪）

[10]

、GB5009.168-2016（脂肪酸）[11]

，在國(guó)家農(nóng)業(yè)部油料

及制品質(zhì)量監(jiān)督檢驗(yàn)測(cè)試中心進(jìn)行測(cè)定；其中蛋白

質(zhì)測(cè)定采用DA701杜馬斯定氮儀、粗脂肪采用YG-2型脂肪抽提器、脂肪酸采用安捷倫GC7890測(cè)定。

1.3光譜采集

向日葵種子在實(shí)驗(yàn)室利用脫殼機(jī)脫殼后，采用NIRSTMDS6500F高精度近紅外分析儀（FOSSAnalyt?

icalA/S，Denmark），850～1099nm和1100～2499nm

分段掃描，間隔2nm，單色器光源，數(shù)控分光光柵，

通過(guò)檢測(cè)樣品反射光能獲得樣品化學(xué)信息和構(gòu)成。

樣品均勻裝滿取樣杯（約5g），每樣品重復(fù)測(cè)定3～5

次，共獲得建模用有效光譜數(shù)據(jù)469條。

1.4光譜分析和校準(zhǔn)曲線

采用WinISIⅢ1.50e（InfrasoftInternational）程

序校準(zhǔn)方程。初始光譜469條，合并相同樣品光譜

數(shù)據(jù)獲得光譜平均數(shù)據(jù)154條。為減少噪聲干擾并

減少樣品散射對(duì)光譜影響，分別采用無(wú)散射處理

（none），標(biāo)準(zhǔn)正態(tài)化+散射處理（SNV/detrend）

[12]

。數(shù)

學(xué)處理采用一階和二階求導(dǎo)，平滑光譜間隔為1、4，

不做二次平滑。處理后的光譜采用改進(jìn)偏最小二

乘法（MPLS）

[13]

和偏最小二乘法（PLS法）

[14]

構(gòu)建數(shù)學(xué)

模型，并根據(jù)交互定標(biāo)決定系數(shù)（1-VR）和定標(biāo)決定

系數(shù)（RSQ）來(lái)選擇出兩種方法下不同指標(biāo)對(duì)應(yīng)的最

佳模型（表1）。

1.5模型外部驗(yàn)證

以隨機(jī)選取的18份向日葵材料（未參與建模）

分別測(cè)定其化學(xué)值和預(yù)測(cè)值，采用預(yù)測(cè)標(biāo)準(zhǔn)偏差

（SEP），外部驗(yàn)證決定系數(shù)（R

2

）和相對(duì)分析誤差

（RPD）對(duì)模型準(zhǔn)確性進(jìn)行評(píng)價(jià)。R2越大，SEP值越

小，說(shuō)明模型的精度越高。RPD=SD/SEP，當(dāng)RPD＞2時(shí)，模型具有極好的預(yù)測(cè)能力；當(dāng)1.4＜RPD＜2

時(shí)，模型可估測(cè)樣品值；而當(dāng)RPD＜1.4時(shí)，模型對(duì)

樣品無(wú)法進(jìn)行有效預(yù)測(cè)

[15]

。2結(jié)果與分析

2.1向日葵籽仁定標(biāo)集與檢驗(yàn)集化學(xué)值分布情況

154份樣品的粗蛋白、粗脂肪和脂肪酸組成含

量基本覆蓋了向日葵資源和品種品質(zhì)性狀相關(guān)指

148

汪磊等：利用近紅外技術(shù)預(yù)測(cè)向日葵籽仁品質(zhì)性狀

表1光譜數(shù)據(jù)預(yù)處理方法

Table1MethodofPre-treatmentfororiginalspectra

回歸技術(shù)

Regression

PLS

MPLS

散射處理

Scatter

NONE

SNV/detrend

NONE

SNV/detrend

處理參數(shù)Parameter

導(dǎo)數(shù)處理

Derivative

0

1

2

0

1

2

0

1

2

0

1

2

光譜間隔點(diǎn)

Gap

0

4

4

0

4

4

0

4

4

0

4

4

一次平滑光譜間隔點(diǎn)

Smooth1

1

4

4

1

4

4

1

4

4

1

4

4

二次平滑

Smooth2

1

1

1

1

1

1

1

1

1

1

1

1

模型命名

Modelname

PLS1

PLS2

PLS3

PLS4

PLS5

PLS6

MPLS1

MPLS2

MPLS3

MPLS4

MPLS5

MPLS6

注：PLS：偏最小二乘法；MPLS：改進(jìn)偏最小二乘法；NONE：無(wú)散射處理；SNV/detrend：標(biāo)準(zhǔn)正態(tài)變量轉(zhuǎn)化+趨勢(shì)變換法Note：PLS：partialleastsquares；MPLS：modifiedpartialleastsquares；NONE：withoutscatter；SNV/detrend：standardnormalvariantanddetrend

scattercorrection

注：A～F分別表示粗脂肪、粗蛋白、棕櫚酸、硬脂酸、油酸和亞油酸含量分布

Note:A-F:indicatethedistributionofcrudefat,crudeprotein,palmiticacid,stearicacid,oleicacidandlinoleicacidrespectively

圖1向日葵籽仁粗蛋白、粗脂肪和脂肪酸組成分布情況

Fig.1Distributionofcrudeprotein,crudefatandfattyacidcompositioninsunflowerkernel

149

中國(guó)油料作物學(xué)報(bào)2020，42（1）

標(biāo)的含量范圍(圖1)。其中粗脂肪平均含量為47.70%，分布于35.65%～61.16%范圍內(nèi)；粗蛋白

平均含量為29.09%，其含量范圍為10.50%～38.20%。葵花籽脂肪酸主要包括油酸、亞油酸，還

含有少量棕櫚酸和硬脂酸等。由圖1可以發(fā)現(xiàn)，NIRS建模所選樣品多為近年來(lái)向日葵市場(chǎng)上流行

的主要類(lèi)型，即中高油酸型，也包含少量標(biāo)準(zhǔn)型材

料，基本覆蓋了向日葵不同的脂肪酸類(lèi)型。檢驗(yàn)集

分布均勻（圖2），基本涵蓋了定標(biāo)模型覆蓋范圍。

2.2近紅外模型的建立

采用PLS和MPLS法，結(jié)合不同光譜預(yù)處理（表1）共形成了12組模型，根據(jù)定標(biāo)相關(guān)系數(shù)（RSQ）和

交叉驗(yàn)證相關(guān)系數(shù)（1-VR）選取了不同指標(biāo)對(duì)應(yīng)的

待選模型（表2）。總體看來(lái)，PLS和MPLS法建模8

個(gè)指標(biāo)中有6個(gè)的RSQ值均高于0.9，其中MPLS法

獲得的粗脂肪、油酸、亞油酸、硬脂酸和棕櫚酸RSQ

值較PLS法高，而粗蛋白的RSQ值則是PLS法稍高。

綜合定標(biāo)相關(guān)系數(shù)和交叉檢驗(yàn)系數(shù)表明該模型對(duì)

粗脂肪、粗蛋白、油酸和亞油酸的預(yù)測(cè)性能較好，對(duì)

總的飽和脂肪酸和不飽和脂肪酸的預(yù)測(cè)可供參考，

而對(duì)硬脂酸和棕櫚酸的預(yù)測(cè)相對(duì)較差。

2.3近紅外模型的校驗(yàn)

利用檢驗(yàn)集對(duì)構(gòu)建的模型進(jìn)行檢驗(yàn)，并根據(jù)相

對(duì)分析誤差RPD值進(jìn)行方程可靠程度的校驗(yàn)。

通過(guò)比較不同成分的化學(xué)值和預(yù)測(cè)值可以發(fā)

現(xiàn)，PLS和MPLS建模在大多數(shù)情況下能與藝術(shù)有關(guān)的成語(yǔ) 夠較好地進(jìn)

行預(yù)測(cè)，其中PLS建模下其粗脂肪、粗蛋白、油酸、亞

油酸、飽和脂肪酸、不飽和脂肪酸、硬脂酸、棕櫚酸

的絕對(duì)平均誤差分別為-0.16、-0.37、-1.11、-0.43、-0.41、0.41、0.00和-0.12（表3）；MPLS建模下其對(duì)

應(yīng)的各項(xiàng)指標(biāo)的絕對(duì)平均誤差分別為0.08、-0.15、-0.23、1.37、-0.23、0.23、0.02、-0.06（表4）。

注：A～F分別表示粗脂肪、粗蛋白、棕櫚酸、硬脂酸、油酸和亞油酸含量分布

Note:A-F:indicatethedistributionofcrudefat,crudeprotein,palmiticacid,stearicacid,oleicacidandlinoleicacidrespectively

圖2檢驗(yàn)集向日葵籽仁粗蛋白、粗脂肪和脂肪酸組成分布情況

Fig.2Distributionofcrudeprotein,crudefatandfattyacidcompositioninsunflowerkernelforvalidation

150

汪磊等：利用近紅外技術(shù)預(yù)測(cè)向日葵籽仁品質(zhì)性狀

從RPD值判斷，PLS建模的粗脂肪、粗蛋白和油

酸均大于2，具有極好的預(yù)測(cè)能力，除棕櫚酸外，其

它成分模型驗(yàn)證的RPD值均大于1.4，也可用于樣

品值的初步預(yù)測(cè)。MPLS方法建模下的RPD值優(yōu)于PLS方法，其方法模型下的粗脂肪、粗蛋白、油酸、亞

油酸、SFA和UFA的RPD值分別達(dá)5.0、3.4、4.1、3.2、3.8和3.3，表明模型的預(yù)測(cè)能力極佳。但各模

型的預(yù)測(cè)值標(biāo)準(zhǔn)偏差（SD）和預(yù)測(cè)標(biāo)準(zhǔn)偏差（SEP）相

對(duì)較大，對(duì)驗(yàn)證的18個(gè)樣品分別進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)其

中個(gè)別不典型樣品（如低油酸型材料）影響了SD和SEP值，表明模型在測(cè)定此類(lèi)樣品時(shí)還需要進(jìn)一步

補(bǔ)充優(yōu)化。

3討論與結(jié)論

NIRSDS2500型近紅外檢測(cè)設(shè)備以400～

2500nm的近紅外光能量照射樣品，通過(guò)檢測(cè)樣品反

射光信息反映出化學(xué)信息和構(gòu)成。向日葵種殼較

厚，顏色深淺不一且具條紋。Fassio和Cozzolino

[16]

發(fā)

現(xiàn)NIR對(duì)葵花籽殼表面顏色和條紋極為敏感，不同

顏色或條紋會(huì)影響到樣品反射光的程度。Williams

等

[17]

發(fā)現(xiàn)照射到亮色種子的部分光會(huì)反射回來(lái)且無(wú)

法反饋給儀器任何信息。相反，深色種子會(huì)增大較

低波長(zhǎng)下的偏差。Prez-Vich等

[6]

利用NIRS技術(shù)對(duì)

完整葵花籽、去殼葵花籽仁、葵花籽粉和葵花油中

含油率和脂肪酸組成進(jìn)行了測(cè)定，發(fā)現(xiàn)除完整向日

表3向日葵籽仁品質(zhì)成分PLS預(yù)測(cè)模型驗(yàn)證統(tǒng)計(jì)

Table3ValidationstatisticsofPLScalibrationequationdevelopedforestimationqualityconstituentinsunflowerhusked

edssamples

成分

Constituent

粗脂肪Crudefat

粗蛋白Crudeprotein

油酸Oleicacid

亞油酸Linoleicacid

飽和脂肪酸SFA

Saturatedfattyacid

不飽和脂肪酸UFA

Unsaturatedfattyacid

硬脂酸Stearicacid

棕櫚酸Palmiticacid

化學(xué)值

Chemicalvalue

46.758

29.089

69.695

18.678

11.104

88.896

3.581

5.597

預(yù)測(cè)值

Predictivevalue

46.598

28.722

68.589

18.247

10.691

89.309

3.581

5.473

SD

6.251

4.089

12.967

9.135

1.625

1.625

0.785

0.547

R2

0.955

0.933

0.908

0.833

0.786

0.786

0.650

0.535

SEP

1.416

1.399

3.989

6.069

0.84

0.84

0.493

0.413

RPD

4.4

2.9

3.3

1.5

1.9

1.9

1.6

1.3

模型

Model

PLS4

PLS5

PLS6

PLS6

PLS3

PLS3

PLS6

PLS1

注：SD：標(biāo)準(zhǔn)偏差；R2：外部驗(yàn)證決定系數(shù)；SEP：預(yù)測(cè)標(biāo)準(zhǔn)偏差；RPD：相對(duì)分析誤差。下同

Note:SD:standarddeviation;R2:coefficientofdeterminationinprediction;SEP:standarderrorofprediction;RPD:

asbelow

表2向日葵籽仁品質(zhì)成分定標(biāo)建模校驗(yàn)與交叉校驗(yàn)統(tǒng)計(jì)

Table2Calibrationandcross-validationstatisticsindevelopmentofcalibrationequationsforqualityconstituentinsun?

flowerhuskededssamples

成分

Constituent

粗脂肪Crudefat

粗蛋白Crudeprotein

油酸Oleicacid

亞油酸Linoleicacid

飽和脂肪酸SFA

Saturatedfattyacid

不飽和脂肪酸UFA

Unsaturatedfattyacid

硬脂酸Stearicacid

棕櫚酸Palmiticacid

PLS

n

151

147

151

144

145

145

149

149

平均Mean

47.763

28.254

69.224

18.874

10.461

89.539

3.463

5.149

RSQ

0.968

0.951

0.950

0.942

0.913

0.913

0.733

0.524

1-VR

0.964

0.935

0.919

0.930

0.754

0.754

0.562

0.457

模型Model

PLS4

PLS5

PLS6

PLS6

PLS3

PLS3

PLS6

PLS1

MPLS

n

145

148

149

147

150

150

149

149

平均Mean

47.761

28.296

69.460

19.376

10.4913

89.509

3.490

5.149

RSQ

0.975

0.950

0.973

0.951

0.913

0.913

0.833

0.558

1-VR

0.969

0.939

0.915

0.927

0.711

0.711

0.441

0.506

模型Model

MPLS3

MPLS4

MPLS6

MPLS5

MPLS3

MPLS3

MPLS3

MPLS5

注：n：樣本數(shù)；RSQ：定標(biāo)相關(guān)系數(shù)；1-VR：交叉驗(yàn)證相關(guān)系數(shù)

Note:n:numberofsamples;RSQ:Rsquared;1-VR:1minusthevarianceratio

151

中國(guó)油料作物學(xué)報(bào)2020，42（1）

葵的相關(guān)系數(shù)較低外（r=0.76～0.85），籽仁、粉末和

葵花油測(cè)定結(jié)果相似，其相關(guān)系數(shù)均大于0.90，認(rèn)

為籽仁測(cè)定可以最大限度地獲得相對(duì)高的準(zhǔn)確度。

根據(jù)前人研究結(jié)果，帶殼向日葵預(yù)測(cè)的相關(guān)系數(shù)較

低，籽仁測(cè)定與粉末和油測(cè)定具有相似的穩(wěn)定性，

更適合用于向日葵NIRS測(cè)定。本研究綜合考慮操

作的簡(jiǎn)便性、結(jié)果的準(zhǔn)確性與穩(wěn)定性，采用了脫殼

的籽仁進(jìn)行模型構(gòu)建。

化學(xué)計(jì)量法是解決NIR光譜吸收強(qiáng)度弱、靈敏

度低、吸收帶較寬且重疊嚴(yán)重問(wèn)題的重要手段，包

括光譜預(yù)處理和定標(biāo)模型校正。采用SNV/detrend、

一階和二階導(dǎo)感悟生死的經(jīng)典句子 數(shù)預(yù)處理，結(jié)合MPLS和PLS法在向

日葵籽粒含油率和脂肪酸組成的模型建立中已有

應(yīng)用

[6,8,18～20]

，周菲等

[7]

也利用SNV預(yù)處理結(jié)合PLS法

構(gòu)建了食用向日葵蛋白質(zhì)的近紅外光譜模型。本

研究以向日葵籽仁為檢測(cè)對(duì)象，比較了MPLS和PLS

法在6種光譜預(yù)處理下的模型差異，兩種建模方法

下的粗脂肪、粗蛋白、油酸和亞油酸含量的相關(guān)系

數(shù)（RSQ）在0.940~0.975之間，高于Velasco等

[19]

（RSQ=0.89~0.91）、Fassio和Cozzolino

[16]

構(gòu)建的油

酸和亞油酸模型（RSQ=0.85~0.86）；也高于周菲

等

[7]

構(gòu)建的蛋白質(zhì)模型（RSQ=0.93）；與Prez-Vich

等

[6]

構(gòu)建的脂肪酸模型相近（RSQ=0.95）。說(shuō)明本

研究建立的模型，特別是MPLS法建立的模型具有

較好的預(yù)測(cè)能力。

然而我們注意到油酸和亞油酸預(yù)測(cè)標(biāo)準(zhǔn)偏差

仍偏大。通過(guò)逐一對(duì)檢驗(yàn)集樣品分析發(fā)現(xiàn)，偏差較

大的樣品主要為高亞油酸或極低亞油酸的特異類(lèi)

型和食葵類(lèi)型，前者在模型構(gòu)建的定標(biāo)集中樣本數(shù)

偏少，后者則粗脂肪含量相對(duì)較低，粗蛋白含量相

表4向日葵籽仁品質(zhì)成分MPLS預(yù)測(cè)模型驗(yàn)證統(tǒng)計(jì)

Table4ValidationstatisticsofMPLScalibrationequationdevelopedforevaluationestimationqualityconstituentinsun?

flowerhuskededssamples

成分

Constituent

粗脂肪Crudefat

粗蛋白質(zhì)Crudeprotein

油酸Oleicacid

亞油酸Linoleicacid

飽和脂肪酸SFA

Saturatedfattyacid

不飽和脂肪酸UFA

Unsaturatedfattyacid

硬脂酸Stearicacid

棕櫚酸Palmiticacid

化學(xué)值

Chemicalvalue

46.758

29.089

69.695

18.678

11.104

88.896

3.581

5.597

預(yù)測(cè)值

Predictivevalue

46.835

28.936

69.466

20.046

10.87

89.13

3.603

5.541

SD

6.615

4.142

12.932

13.572

1.442

1.442

0.90柳畫(huà)兒 0

0.571

R2

0.959

0.950

0.937

0.906

0.930

0.930

0.457

0.444

SEP

1.321

1.202

3.161

4.298

0.439

0.439

0.682

0.452

RPD

5.0

3.4

4.1

3.2

3.3

3.3

1.3

1.3

模型

Model

MPLS3

MPLS4

MPLS6

MPLS5

MPLS3

MPLS3

MPLS3

MPLS5

注：紅圈內(nèi)為偏離度較大的預(yù)測(cè)值，紅色虛線表示預(yù)測(cè)值趨勢(shì)線，黑色實(shí)線表示測(cè)定值趨勢(shì)線

Note:Bluesquareinredcircleispredictedvaluewithlargedeviation;reddottedlineandblacksolidlinereprenttrendsofpredictedandmeasured

valuesrespectively

圖3油酸和亞油酸的檢驗(yàn)分布

Fig.3ValidationplotsoflinoleicacidandoleicacidcontentforMPLScalibrationequations

152

汪磊等：利用近紅外技術(shù)預(yù)測(cè)向日葵籽仁品質(zhì)性狀

對(duì)較高（圖3）。Fassio和Cozzolino

[16]

研究也發(fā)現(xiàn)高

或低粗脂肪含量的材料在模型預(yù)測(cè)的準(zhǔn)確性上較

差。因此，后期可以逐漸添加偏離的樣本材料和增

加不同類(lèi)型的向日葵材料，進(jìn)一步補(bǔ)充完善模型，

或按照不同類(lèi)型材料分類(lèi)建模。NIRS技術(shù)已被證明能夠?yàn)橛N提供良好重現(xiàn)

性的數(shù)據(jù)，即便在模型相關(guān)系數(shù)不高（RSQ＜0.70）

的情況下，也能夠滿足大量樣本的快速篩選工

作

[20,21]

，特別是對(duì)低、中、高材料的定性初篩效果顯

著

[16]

。而本研究在選擇品質(zhì)指標(biāo)范圍能夠基本覆蓋

建立模型后測(cè)定樣品的基礎(chǔ)上，利用MPLS法建立

的模型在粗脂肪、粗蛋白、油酸、亞油酸、飽和脂肪

酸和不飽和脂肪酸等成分預(yù)測(cè)上表現(xiàn)良好，且外部

驗(yàn)證決定系數(shù)（R2＞0.906）和相對(duì)分析誤差（RPD＞3.2）均符合預(yù)測(cè)模型標(biāo)準(zhǔn)，適合于大批量向日葵籽

仁樣品的品質(zhì)速測(cè)，可用于向日葵種質(zhì)的品質(zhì)鑒定

篩選、品質(zhì)育種中大批量育種材料的檢測(cè)和篩選。

參考文獻(xiàn)：

［1］：//?/stats/world-supply/［OL］.

［2］農(nóng)業(yè)農(nóng)村部種植業(yè)管理司中國(guó)種植業(yè)信息網(wǎng).http：///［OL］.2018.

［3］FlagellaZ，RotunnoT，TarantinoE，sinedyieldandoilfattyacidcompositionofhigholeic

sunflower（HelianthusannuusL.）hybridsinrelationto

thesowingdateandthewaterregime［J］.EurJAgron，

2002，17（3）：221-230.

［4］胡超，楊陳，黃鳳洪.葵花籽活性成分及生理功能研

究進(jìn)展［J］.中國(guó)食物與營(yíng)養(yǎng)，2017，23（10）：58-62.

［5］陳雪萍，劉世堯，尹能文，等.甘藍(lán)型油菜莖稈纖維

組分含量和木質(zhì)素單體G/S近紅外模型構(gòu)建［J］.中國(guó)

農(nóng)業(yè)科學(xué)，2018，51（4）：688-696.

［6］Prez-VichB，VelascoL，F(xiàn)ernndez-Mart?terminationofedoilcontentandfattyacidcomposition

insunflowerthroughtheanalysisofintacteds，husked

eds，mealandoilbynear-infraredreflectancespectros?

copy［J］.JAmerOilChemSoc，1998，75（5）：547-555.

［7］周菲，王文軍，黃緒堂，等.食用向日葵子仁蛋白質(zhì)

含量近紅外光譜模型的建立［J］.作物雜志，2013

（6）：73-75.

［8］tionoffattyacidcompositionofsun?floweredsbynear-infraredreflectancespectroscopy

［J］.JFoodSciTechnol，2018，55（6）：2318-2325.

［9］GB/T5009.5-1985食品中蛋白質(zhì)的測(cè)定方法［S］.中

國(guó)國(guó)家標(biāo)準(zhǔn)，1985.

［10］NY/T1285-2007油料種籽含油量的測(cè)定［S］.中國(guó)國(guó)

家標(biāo)準(zhǔn)，2007.

［11］GB5009.168-2016食品中脂肪酸的測(cè)［S］.中國(guó)國(guó)家

標(biāo)準(zhǔn)，2016.

［12］BarnesRJ，DhanoaMS，rdnormalvariatetransformationandde-trendingofnear-infrared

diffureflectancespectra［J］.ApplSpectrosc，1989，43

（5）：772-777.

［13］ShenkJS，isofagricultureandfoodproductsbynearinfraredeflectancespectroscopy［M］.

Matilda，PA，USA：InfrasoftInternationalPort，1993.

［14］BlancoM，ctroscopy：arapid-re?sponanalyticaltool［J］.TrendsAnalChem，2002，21

（4）：240-250.

［15］張娟娟，田永超，姚霞，等.同時(shí)估測(cè)土壤全氮、有機(jī)

質(zhì)和速效氮含量的光譜指數(shù)研究［J］.土壤學(xué)報(bào)，2012，49（1）：50-59.

［16］FassioA，-destructivepredictionofchemicalcompositioninsunfloweredsbynearinfrared

spectroscopy［J］.IndCropProd，2004，20（3）：

321-329.

［17］WilliamsPC，anassociationofcere?alchemist［M］.，MA，USA，2001：164.

［18］RobertsonJA，wateranalysisofsun?floweredbynear-infraredreflectancespectroscopy

［J］.JAmOilChemSoc，1984，61（3）：543-547.

［19］SatoT，TakahataY，NodaT，tructivede?terminationoffattyacidcompositionofhuskedsunflower

（HelianthusannuaL.）edsbynear-infraredspectros?copy［J］.JAmOilChemSoc，1995，72（10）：1177-

1183.

［20］VelascoL，BegoaPV，F(xiàn)ernndez-Mart?dest中國(guó)集郵門(mén)戶網(wǎng) ructivescreeningforoleicandlinoleicacidinsingle

sunflowerachenesbynear-infraredreflectancespectros?

copy［J］.CropSci，1999，39（1）：219.

［21］Fernndez-MartnezJ，MuozJ，G?formanceofnear-isogenichighandlowoleicacidhy?

bridsofsunflower［J］.CropSci，1993，33（6）：1158.

［22］Gonzalez-MartinI，Villaescusa-GarciaV，Lopez-GonzlezF，lofqualityandsilostorageof

sun?oweredsusingnearinfraredtechnology［J］.Gra?

sasAceites，2013，64（1）：30-35.

（責(zé)任編輯：郭學(xué)蘭）

153