红外光声光谱法测定油菜籽品质参数

摘 要 红外光声光谱是一项高效无损的新型样品检测技术。本研究应用红外光声光谱技术测定了油菜籽3项品质参数：含氮量、含油量和芥酸含量。结果表明，红外光声光谱技术可以实现油菜籽品质参数的定量分析。相对全谱建模，区间筛选建模可以提高模型的预测精度。

关键词 红外光声光谱； 油菜籽； 品质参数； 多元校正

1 引 言

油菜 （Brassica napus L.） 是重要的油料作物[1]。含氮量和含油量是油菜籽两项重要的品质指标。芥酸是油菜籽的一项重要营养因子。低芥酸类型的油菜籽可用于食用油提炼，高芥酸类型的油菜籽主要满足工业需求[2]。红外光谱技术是一项多组分快速无损检测技术，广泛应用于农产品、食品、医药和土壤等领域[3]。对于对固体样品的分析，红外透射光谱需要压片制样，分析耗时且破坏样品结构；红外反射光谱对制样要求不高，但受样品粒径大小影响，且不适合高吸收样品（如油菜籽）的分析[4]。红外光声光谱技术是基于现代量热转换和光声理论的新技术。相对透射或反射光谱，光声光谱是一种无辐射弛豫通道的直接检测，只对样品吸收敏感，尤其适合高吸收固态样品的分析，分析时间短，需样量少，不受样品形态限制[5]。该技术发展迅速，近些年，已有研究人员将这一技术应用于环境、农产品和食品的质量控制等领域[6～8]。

红外光谱定量分析有赖于多元校正模型。偏最小二乘（PLS） 是一种经典的多元校正算法[9，10]。区间偏最小二乘（Interval PLS， iPLS）是由Nrgaard于2000年提出的一种基于波段选择的偏最小二乘算法[11]。区间偏最小二乘的基本思想是将全谱等分成若干区间，然后对每个区间进行偏最小二乘回归，通过模型预测误差的比较，筛选出最优波段，从而精简并改善全谱偏最小二乘校正模型[12，13]。移动窗口偏最小二乘（Moving window PLS， mwPLS）可以视为区间偏最小二乘的变体，每个窗口相当于一个区间，只是窗口沿着光谱轴连续移动，每移动一个波长点构建一个偏最小二乘模型，从构建的系列模型中可以筛选出最优的建模波段[14]。单一区间有时不能提供足够的信息进行定量预测，基于此，Munck等[15]提出了组合区间偏最小二乘（Synergy interval PLS， siPLS）。它将区间的组合用于偏最小二乘建模，最终筛选出最优的波段组合，通常可以获得比单一区间预测效果更好的校正模型。

本研究利用红外光声光谱技术，结合全谱偏最小二乘（fullPLS）和3种基于区间筛选的偏最小二乘，即iPLS， mwPLS和siPLS，测定油菜籽的含氮量、含油量和芥酸含量，进而为红外光声光谱技术在油菜籽品质快速检测和品种改良方面的应用提供支持。

2 实验部分

2.1 油菜籽样品与光谱采集

供试样品为160份油菜籽，由中国农业科学院油料作物研究所提供。采集的油菜籽自然风干后，用于测定油菜籽的品质参数。油菜籽含氮量采用凯氏定氮法测定，含氮量范围为2.81%～3.60%，均值3.20%，标准差为0.19%。含油量和芥酸含量采用FOSS近红外快速品质分析仪（FOSS NIR System Inc.， USA）测定。含油量范围为36.3%～48.12%，均值41.8%，标准差1.6%。160份油菜籽籽中有140份油菜籽为低芥酸油菜籽（芥酸含量小于5%）。文中芥酸的预测仅针对低芥酸样本。低芥酸油菜籽的芥酸含量范围为0.37%～1.74%，均值0.99%，标准差0.29%。

油菜籽光声光谱采集于Nicolet 6700傅里叶变换红外光谱仪（Thermo Elemental， USA），配合光声附件PA300 （MTEC Photoacoustics， USA）。将样品置于光声池（直径5 mm， 高3 mm），用干燥的氦气连续吹扫10 s （10 mL/min），光谱扫描范围为500～4000 cm