CN104865222A - 一种牡丹种子脂肪酸含量的无损检测方法 - Google Patents

Abstract

本发明提供一种牡丹种子脂肪酸含量的无损检测方法，包括步骤：步骤一，采收成熟牡丹种子60℃烘干作为样品；步骤二，牡丹种子样品放入傅里叶近红外扫描仪的自动旋转杯中，在4000～10000cm^-1范围扫描64次，每份样品重复装填3次，取平均光谱值；步骤三，用气相色谱法测定每份样品的脂肪酸含量，即化学值，最后将光谱值与化学值建立数学模型；步骤四，利用所建模型，对未知牡丹种子样品进行检测。本发明提出的方法，实现了牡丹种子软脂酸、油酸、亚油酸、亚麻酸含量的快速无损检测；操作简便，基于对多种牡丹种子的化学值及光谱值的建模，获得了可靠的数学模型；预测结果准确性高，模型预测准确性与背景技术真实值接近。

Description

一种牡丹种子脂肪酸含量的无损检测方法

技术领域

本发明属于测试领域，具体涉及一种利用近红外光谱测定脂肪酸含量的方法。

背景技术

牡丹(Paeonia suffruticosa Andr.)是中国特产的名贵花卉，具有悠久的栽培历史和深厚的文化底蕴，并越来越受到世界各国人民的喜爱。近几年来，牡丹种子油用价值得到广泛认可，其种子含油量较高，尤其是α-亚麻酸含量较高，使牡丹籽油具备较高的营养价值，同时牡丹种子产量也较高，作为新型油料作物，具有广阔的市场开发潜力。长期以来，植物种子含油量及油脂检测手段主要依靠索氏提取、气相色谱等方法，采用这些传统方法需要将牡丹种子去皮粉碎然后提取，不仅费时费力，需要使用化学药剂，而且还需要破坏种子样品，这对油用牡丹的育种和种子品质检测带来极大障碍，制约着牡丹油用品种选育及规模化商业生产。

20世纪80年代之后，近红外光谱检测技术(NIRS)迅速发展起来，是利用有机物质在近红外光谱区的光学特征，快速估计样品中一种或多种化学成分的含量(Rafael Font et al.(2006)The use of near-infraredspectroscopy(NIRS)in the study of seed quality components in plantbreeding programs.Industrial Crops And Products 24(2006)307-313.)，它的优点是检测快速、成本低廉、操作简便。目前，已应用于多种农作物种子检测，如油菜、花生、大豆等。

NIRS检测效果因样品材料而异，油菜、大豆、玉米等种子尺寸较小且较为规则，而其他如棉籽、油茶籽等尺寸较大的种子则多用粉末或去皮种仁进行测定，并不能实现种子的无损检测。而牡丹种子尚无NIRS检测技术相关报道。

发明内容

针对本领域存在的问题，本发明的目的在于提供一种牡丹种子脂肪酸含量的无损检测方法。

实现本发明上述目的的具体技术方案为：

一种牡丹种子脂肪酸含量的无损检测方法，其特征在于快速测定、不损伤样品、不使用化学试剂，包括步骤：

步骤一，采收成熟牡丹种子60℃烘干作为样品。

步骤二，每份样品称取20g放入ANTARIS傅里叶近红外扫描仪(Thermo Nicolet Co.,USA)的自动旋转杯中，在4000～10000cm^-1范围扫描64次。每份样品重复装填3次，取平均光谱值。

通常近红外测试仪器扫描32次，因为牡丹的种子较大，扫描64次更适宜。

步骤三，用气相色谱法测定每份样品的脂肪酸含量，即化学值，最后将光谱值与化学值建立数学模型，建立数学模型通常用TQAnalyst V7.2软件。

步骤四，将未知样品放入傅里叶近红外扫描仪的自动旋转杯中，在4000～10000cm^-1范围扫描64次，每份样品重复装填3次，取平均光谱值，代入所建模型预测出相关脂肪酸含量。

其中，所述步骤一中，牡丹的材料选自栽培牡丹(P.suffruticosa)、凤丹牡丹(Paeonia ostii)、紫斑牡丹(P.rockii)、卵叶牡丹(P.qiui)、以及芍药(P.lactiflora)。基于品种之间、品种内个体之间的差异，可尽可能地广泛选择建模样本，使其能够包括主要栽培牡丹的种质类型，从而覆盖分析样品的脂肪酸分布范围，获得可靠的数学模型。

其中，所述步骤二测得近红外光谱值后，进行光谱基线校正和用马氏距离剔除异常点。

其中，所述步骤三气相色谱法包括步骤：

1)提取种子油脂：将牡丹种子去皮粉碎，放入索氏提取器中，以石油醚：乙酸乙酯体积比7:1回流提取6h，得淡黄色油状液体，烘干0.5h或敞口放置2h备用。

2)进行甲酯化：取牡丹籽油1ml，加入0.5mol/L氢氧化钾-甲醇溶液5ml，充分振荡后静置10min，加过量无水硫酸钠除水，离心2min，取上清液1ml进行气相检测。

3)气相色谱条件：色谱柱进样口温度250℃；检测口温度：280℃；初温80℃以5℃/min升温到230℃，保持15min；氢气：40ml/min；空气：300ml/min；进样量：1μl；分流比，30:1。

其中，所述步骤三中建立数学模型的脂肪酸包括软脂酸、油酸、亚油酸、亚麻酸。

其中，光谱值的预处理方法为多元散射校正、一阶导数、标准正态变量校正、二阶导数法中的一种或多种。本申请的发明人用上述的四种预处理方法一一处理了牡丹种子的光谱值，根据数学模型的相关程度，确定了更优的预处理方法：

建立亚麻酸数学模型的谱区是7233.0～5417.0cm^-1，光谱预处理方法为多元散射校正和一阶导数；建立软脂酸数学模型的谱区是7295.3～5506.7cm^-1，光谱预处理方法为多元散射校正和一阶导数；建立亚油酸数学模型的谱区是7447.8～5860.3cm^-1，光谱预处理方法为标准正态变量校正和二阶导数；建立油酸数学模型的谱区7295.3～5860.3cm^-1，光谱预处理方法为多元散射校正和一阶导数。

其中，所述步骤四无损检测未知牡丹种子脂肪酸含量的步骤包括：

1)采收待测牡丹的成熟种子60℃烘干作为样品。

2)每份样品称取20g放入ANTARIS傅里叶近红外扫描仪(Thermo Nicolet Co.,USA)的自动旋转杯中，在4000～10000cm^-1范围扫描64次。每份样品重复装填3次，取平均光谱值。

3)将未知样品光谱值代入所述步骤三建立的模型中，预测出软脂酸、油酸、亚油酸和亚麻酸的含量。

本发明的有益效果在于：

1)实现了牡丹种子软脂酸、油酸、亚油酸、亚麻酸含量的快速无损检测，实际操作中一份样品的检测不超过2min；

2)操作简便；

3)基于对多种牡丹种子的化学值及光谱值的建模，获得了可靠的数学模型；预测结果准确性高，模型预测准确性与背景技术真实值接近。

附图说明

图1：软脂酸模型图。横坐标为真实值，纵坐标为预测值。

图2：油酸模型图。

图3：亚油酸模型图。

图4：亚麻酸模型图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段。

实施例1

步骤一，采收成熟牡丹种子60℃烘干8h备用。其中，牡丹成熟种子97份，包括栽培牡丹(P.suffruticosa)26份、凤丹牡丹(P.ostii)19份、紫斑牡丹(P.rockii)46份、卵叶牡丹(P.qiui)3份、以及芍药(P.lactiflora)3份。所选材料覆盖了我国栽培牡丹主要的种质类型。

步骤二，每份样品称取20g放入ANTARIS傅里叶近红外扫描仪(Thermo Nicolet Co.,USA)的自动旋转杯中，在4000～10000cm^-1范围扫描64次。每份样品重复装填3次，取平均光谱值。

步骤三，用气相色谱法测定每份样品的脂肪酸含量，即化学值，最后用TQ Analyst V7.2软件将光谱值与化学值建立数学模型。

其中气相色谱法的步骤包括：

1)提取种子油脂：将牡丹种子去皮粉碎，放入索氏提取器中，以石油醚：乙酸乙酯(体积比7:1)回流提取6h，得淡黄色油状液体，烘干0.5h或敞口放置2h备用。

2)进行甲酯化：取牡丹籽油1ml，加入0.5mol/L氢氧化钾-甲醇溶液5ml，充分振荡后静置10min，加过量无水硫酸钠除水，离心2min，取上清液1ml进行气相检测。

3)气相色谱条件：色谱柱：BPX-70(60m×0.25mm×0.25um)；进样口温度250℃；检测口温度：280℃；初温80℃以5℃/min升温到230℃，保持15min；氢气：40ml/min；空气：300ml/min；进样量：1μl；分流比，30:1。

利用TQ Analyst V7.2软件提供的多元散射校正(MSC)进行光谱基线校正，结合偏最小二乘法(Partial Least-Squares，PLS)并对光谱数据进行预处理，确定最佳建模谱区，利用马氏距离(Mahalanobisdistance)剔除异常样品，用定标集建模，用验证集校正。

表1牡丹种子脂肪酸NIRS预测结果

剔除了9个异常样品(基于光谱的分布差异计算马氏距离，>5或<0.2认为属于异常点)。用多元散射校正、一阶导数、标准正态变量校正、二阶导数法处理光谱值，并根据相关性的程度，确定以下预处理方法：

建立的数学模型中，相关性最高的是亚麻酸(C18:3)，Rv＝0.9096，RPD＝4.74，最佳谱区是7233.0～5417.0cm^-1，光谱预处理方法为多元散射校正(MSC)+一阶导数(FD)；其次是软脂酸(C16:0)，Rv＝0.8591，RPD＝3.77，最佳谱区是7295.3～5506.7cm^-1，光谱预处理方法为多元散射校正(MSC)+一阶导数(FD)；再次是亚油酸(C18:2)，Rv＝0.8479，RPD＝3.42，最佳谱区是7447.8～5860.3cm^-1，光谱预处理方法为标准正态变量校正(SNV)+二阶导数(SD)；最低的是油酸(C18:1)，Rv＝0.7237，RPD＝2.69，最佳谱区7295.3～5860.3cm^-1，光谱预处理方法为多元散射校正(MSC)+一阶导数(FD)。各项参数见表1，数学模型见图1至图4，图中，calibration为校准，validation为验证。

步骤四，待测样品为未知牡丹种子(未参与建模栽培牡丹品种)共10份，在60℃下烘干8h。

每份样品称取20g放入ANTARIS傅里叶近红外扫描仪(ThermoNicolet Co.,USA)的自动旋转杯中，在4000～10000cm^-1范围扫描64次。每份样品重复装填3次，取平均光谱值。求得光谱值，代入获得的数学模型预测，求得预测值，然后利用气相求得化学值，结果见表2，可见，所构建的近红外模型对4种脂肪酸成分含量预测值与气相检测的化学值基本一致，预测结果可靠。

表2未知牡丹种子检测数据(单位：％)

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种牡丹种子脂肪酸含量的无损检测方法，其特征在于，包括步骤：

步骤一，采收成熟牡丹种子60℃烘干作为样品；

步骤二，牡丹种子样品放入傅里叶近红外扫描仪的自动旋转杯中，在4000～10000cm^-1范围扫描64次，每份样品重复装填3次，取平均光谱值；

步骤三，用气相色谱法测定每份样品的脂肪酸含量，即化学值，最后将光谱值与化学值建立数学模型；

步骤四，将未知样品放入傅里叶近红外扫描仪的自动旋转杯中，在4000～10000cm^-1范围扫描64次，每份样品重复装填3次，取平均光谱值，带入步骤三所建数学模型预测出相关脂肪酸含量。

2.根据权利要求1所述的无损检测方法，其特征在于，所述步骤一中，牡丹的材料包括栽培牡丹(P.suffruticosa)、凤丹牡丹(Paeoniaostii)、紫斑牡丹(P.rockii)、卵叶牡丹(P.qiui)、以及芍药(P.lactiflora)。

3.根据权利要求1所述的无损检测方法，其特征在于，所述步骤二测得近红外光谱值后，进行光谱基线校正并用马氏距离剔除异常点。

4.根据权利要求1所述的无损检测方法，其特征在于，所述步骤三气相色谱法包括步骤：

1)提取种子油脂：将牡丹种子去皮粉碎，放入索氏提取器中，以石油醚：乙酸乙酯体积比7:1回流提取6h，得淡黄色油状液体，烘干0.5h或敞口放置2h备用；

2)进行甲酯化：取牡丹籽油1ml，加入0.5mol/L氢氧化钾-甲醇溶液5ml，充分振荡后静置10min，加过量无水硫酸钠除水，离心2min，取上清液1ml进行气相检测；

3)气相色谱条件：色谱柱进样口温度250℃；检测口温度：280℃；初温80℃以5℃/min升温到230℃，保持15min；氢气：40ml/min；空气：300ml/min；进样量：1μl；分流比，30:1。

5.根据权利要求1所述的无损检测方法，其特征在于，所述步骤三中建立数学模型的脂肪酸包括软脂酸、油酸、亚油酸、亚麻酸。

6.根据权利要求1所述的无损检测方法，其特征在于，光谱值的预处理方法为多元散射校正、一阶导数、标准正态变量校正、二阶导数法中的一种或多种。

7.根据权利要求5所述的无损检测方法，其特征在于，建立亚麻酸数学模型的谱区是7233.0～5417.0cm^-1，光谱预处理方法为多元散射校正和一阶导数；建立软脂酸数学模型的谱区是7295.3～5506.7cm^-1，光谱预处理方法为多元散射校正和一阶导数；建立亚油酸数学模型的谱区是7447.8～5860.3cm^-1，光谱预处理方法为标准正态变量校正和二阶导数；建立油酸数学模型的谱区7295.3～5860.3cm^-1，光谱预处理方法为多元散射校正和一阶导数。

8.根据权利要求1所述的无损检测方法，其特征在于，所述步骤四无损检测未知牡丹种子脂肪酸含量的步骤包括：

1)采收待测牡丹的成熟种子60℃烘干作为样品；

2)每份样品称取20g放入ANTARIS傅里叶近红外扫描仪(Thermo Nicolet Co.,USA)的自动旋转杯中，在4000～10000cm-1范围扫描64次，每份样品重复装填3次，取平均光谱值；

3)将未知样品光谱值代入所述步骤三建立的模型中，预测出软脂酸、油酸、亚油酸和亚麻酸的含量。