金华丽，许春红，李漫男 ，王晓君，徐泽林

（1.河南工业大学 粮油食品学院，河南 郑州 450001；2.河南工业大学 化学化工学院，河南 郑州 450001；3.河南工业大学 教务处，河南 郑州 450001）

基于近红外光谱技术测定小麦籽粒淀粉含量

金华丽1，许春红2，李漫男1，王晓君3，徐泽林1

（1.河南工业大学 粮油食品学院，河南 郑州 450001；2.河南工业大学 化学化工学院，河南 郑州 450001；3.河南工业大学 教务处，河南 郑州 450001）

采用化学方法测定78个小麦样品中的淀粉含量，运用近红外光谱仪采集小麦样品近红外光谱.用光学处理和数学处理等手段对模型的影响进行了探讨.结果显示，反相离散多元校正（Inverse MSC）与二阶导数结合对光谱数据进行预处理后，运用偏最小二乘法（PLS）所建分析模型的预测效果最优，其相关系数为0.951 7.以17个验证集样品进行外部检验，得小麦籽粒中淀粉含量的模型预测值与化学值之间的相关系数为0.978 6.

近红外光谱；淀粉含量；小麦；检测模型

0 前言

小麦在我国是一种主要粮食作物，其产量在全国粮食总产量中约占23%，而其中80%左右用来制粉[1]，而面粉又是我们日常生活中不可或缺的主要食品原料.长期以来，人们认为小麦蛋白质与小麦品质具有最明显、最直接的关系，因此在研究小麦及面粉品质时主要从蛋白质着手，而占面粉组成约70%的淀粉常常被忽视.实际上淀粉含量是影响面粉食用品质的重要因素，它与面粉的柔韧性、拉伸性、光泽度和黏性等密切相关[2].目前检测小麦淀粉含量的国标方法主要有酶水解法和酸水解法，但两种测定方法均属有损检测技术，且存在操作繁琐、耗时长及重现性差等缺点[3].因此，探索快速、准确地检测小麦淀粉含量的技术是非常必要的.

近红外光谱分析主要利用物质在近红外光谱区有特定吸收的性质来测定样品中化学成分含量.近红外光谱法是一种简单、快速、非破坏性的定量分析方法，能实现多组分同时测定，且无需大量的样品制备过程.目前近红外光谱技术已在农产品、食品、药品和石油化工等许多领域的定量测定中广泛应用[4]，然而，有关近红外光谱技术应用于小麦籽粒淀粉含量测定的报道很少.彭建等[5]利用近红外漫反射光谱法分别建立了小麦籽粒淀粉和直链淀粉含量的校正模型，其校正决定系数分别为0.894 8和0.920 6，表明应用近红外光法测定小麦淀粉是可行的.本文旨在用近红外光谱分析技术建立小麦籽粒淀粉含量的无损检测模型，为建立小麦籽粒及面粉中淀粉的快速检测方法提供理论指导.

1 材料与方法

1.1 材料

收集国内78个小麦样品作为试验材料，其产地、品种、存放时间等不完全相同.

1.2 仪器

InfratecTM 1241近红外谷物分析仪，FOSS公司.

1.3 方法

1.3.1 小麦淀粉含量的化学分析方法

GB/T 5514-2008[6]：《粮食、油料中 淀粉含量测定》.

1.3.2 小麦水分含量的化学分析方法

GB 5497-1985[7]：《粮食、油料检验水分测定法》.

1.3.3 近红外光谱分析方法

整粒小麦近红外光谱的采集：在570～1 098 nm的波长范围内，利用近红外谷物分析仪对78个小麦整粒样品进行光谱扫描.采样光程18 mm、间隔2.0 nm、扫描10次，做两个样品平行，取平均值并转化为 log（1/R）储存.

近红外光谱分析模型的建立：利用WINISI定标软件对定标集中的样品进行依次剔除，剩余样本用于建模，选择合适的光学处理方法及数学处理方法，进而建立小麦淀粉含量的定量分析模型.

模型的验证：采用外部验证检验模型，即以验证集样品作为未知样品，通过比较独立样本的模型预测值与化学分析值的差异对模型的预测准确性进行判断.

2 结果与分析

2.1 小麦籽粒淀粉含量的化学法测定

小麦籽粒的干基淀粉含量见表1.

表1 小麦干基淀粉含量 %

由表1可知，小麦干基淀粉含量的最小值为66.45%，最大值为72.62%，大多分布在67%～71%之间.可见，所选的78个小麦样品的淀粉含量范围覆盖面大，淀粉含量数据分布较为合理，表明本试验选取的小麦样品具有代表性[8].

2.2 近红外分析模型的建立

2.2.1 近红外光谱的采集

在570～1 098 nm范围内，利用近红外谷物分析仪扫描78个小麦样品（控制扫描温度在21～25℃之间）.图1为小麦籽粒的原始全光谱图，图2为原始全光谱图经二阶导数处理后所得光谱图.

图1 小麦籽粒的原始近红外全光谱图

图2 二阶导处理后的近红外全光谱图

由图1可以看出，小麦籽粒的近红外光谱曲线趋势相同，谱线间一致性较好，未有异常光谱曲线出现，加之关于化学值和光谱异常的判断较为复杂，因此选择不进行异常样品剔除处理[9].

2.2.2 光谱区间的选择

在利用小麦籽粒近红外光谱数据建立光谱预测模型时，需要进行特征区间的选取，一方面可以减少建模和预测运算时间，同时能够剔除噪声过大的谱区，从而提高分析模型的预测能力和准确度[10].采用化学计量学定标软件WinISIⅢ对570～1 098（全光谱）、570～850、850～1 048、1 048～1 098 nm 4种光谱区间下的定标效果进行分析，结果列于表2中.

表2 不同光谱区间下的定标效果

比较所选4种光谱区间的定标效果可知，在570～850 nm光谱区间内，相关系数（0.697 7）最小，标准偏差（0.697 9）最大，该区间定标效果差.这由原始光谱图及经二阶导处理后的光谱图（图2）也可以看出，在570～850 nm光谱区间内，光谱曲线一致性较差，曲线显杂乱，说明该区间噪声污染严重.而在850～1 048 nm光谱区间时，定标相关系数（0.945 4）最大，标准偏差（0.300 4）最小，因此选择850～1 048 nm作为建立分析模型的光谱区间.

2.2.3 建模方法和数据预处理方法的选择

散射、基线漂移等各种非目标因素对光谱是有影响的，通过光谱预处理可以减弱或消除其影响[11].本试验在所选择光谱区间（850～1 048 nm）下，依次比较了建模方法（计算方法）对定标模型的影响，导数处理方法和散射校正方法对定标模型的影响，结果分别见表3和表4.并依据相关系数最大、标准偏差最小的原则，对建模方法、求导方法和散射校正方法进行了选择.

表3 不同建模方法对定标效果的影响

表4 光谱数据预处理方法对定标效果的影响

由表3及表4可知，采用PLS计算方法、二阶导处理以及反相多元离散校正三者相结合的处理方法较好，所建立分析模型的相关系数为0.951 7，标准偏差为0.285 1.

2.3 定标模型的验证

采用外部验证法检验所建近红外光谱定标模型的预测精度和可靠性，以18个验证集样品作为未知样品，小麦籽粒淀粉含量化学分析值和模型预测值通过线性回归得其相关关系，结果分别如表5和图3所示.

表5 验证集样品淀粉含量的化学值和模型预测值 %

在表5中，61号样品淀粉含量的化学值与预测值之间的差值（化学值绝对误差）偏大，采用化学值绝对误差的F检验，判定61号样本为化学值异常.对于化学值异常的样品，一般不宜作标样，通常采取化学值重新测量或者剔除该样品的方式进行处理[8].剔除掉61号样品后，对剩余17个样品的化学值和预测值进行相关性分析，结果如图3所示.

17个验证集样品的化学值和预测值进行相关性分析，其趋势线的斜率为1.025 5，相关系数为0.978 6.趋势线的斜率和相关系数均接近于1，说明所建模型具有良好的预测性[8].

3 小结

图3 模型预测值与化学值的相关关系

本试验用17个验证集样品进行外部验证，得到小麦淀粉含量的模型预测值和化学分析值之间的相关系数为0.978 6，说明文中所建定标模型的预测准确性较高[7].在应用近红外分析方法测定中，包括样品的组分含量、样品数量、样品的物性、样品预处理方法、测试条件和仪器自身等因素均会影响近红外分析的准确性[12]，故应充分考虑各因素的影响，并采取相应的预防措施，以使所建分析模型具有更高的可靠性与适用性.总之，近红外光谱法是一种非常值得推广的分析方法，其应用于小麦籽粒淀粉含量测定是可行的.

［1］王玉庭.中国小麦消费现状及趋势分析［J］.中国食物与营养，2010（5）：47-50.

［2］王晓曦，苏东民.小麦淀粉与小麦品质之间的关系［J］.粮食与饲料工业，2000（9）：4-5.

［3］大连轻工学院，华南理工大学，郑州轻工业学院，等.食品分析［M］.北京：中国轻工业出版社，2006.

［4］严衍禄.近红外光谱分析基础与应用［M］.北京：中国轻工业出版社，2005.

［5］彭建，张正茂.小麦籽粒淀粉和直链淀粉含量的近红外漫反射光谱法快速检测［J］.麦类作物学报，2010，30（2）：276-279.

［6］GBT 5514-2008，粮食、油料中淀粉含量测定［S］.

［7］GB 5497-1985，粮食、油料检验水分测定方法［S］.

［8］王之安.AOAC公定分析方法［M］.北京：中国科学技术出版社，1991.

［9］闵顺耕，覃方丽，李宁，等.傅里叶变换近红外光谱法测定大麦中蛋白质、淀粉和赖氨酸含量［J］.分析化学，2003（7）：843-845.

［10］邹小波，朱曾，赵杰文.基于间隔偏最小二乘法的农产品近红外光谱谱区选择方法［J］.现代科学仪器，2007（1）：86-88.

［11］陆婉珍，袁洪福，徐广通，等.现代近红外光谱分析技术［M］.北京：中国石化出版社，2000.

［12］李勇，魏益民，王锋.影响近红外光谱分析结果准确性的因素［J］.核农学报，2005，19（3）：236-240.

MEASUREMENT OF STARCH CONTENT INWHEAT BY NEAR-INFRARED SPECTROSCOPY TECHNIQUE

JIN Hua-li1， XU Chun-hong2， LIMan-nan1， WANG Xiao-jun3， XU Ze-lin1
（1.School of Food Science and Technology， Henan University of Technology， Zhengzhou 450001， China；2.School of Chemistry and Chemical Engineering， Henan University of Technology， Zhengzhou 450001， China；3.Administration Office， Henan University of Technology， Zhengzhou 450001， China）

The starch contents in 78 wheat samples were determined by a chemicalmethod,and the near infrared spectra of the wheat samples were collected by a near infrared spectrometer.60 samples were selected as the calibration samples to build a near infrared spectroscopic model for rapid determ ination of the starch content in the wheat,and the influences of themodel were discussed by using optical treatment,mathematical treatment and so on.The results showed that the model built by using partial least square(PLS)after treating the spectra data by inverse MSC and second derivative method had the optimal prediction effect,and the correlation coefficient was 0.951 7.17 samples were used as validation sets for external inspection,and the correlation coefficient between the prediction value and the chemical value of the starch content in the wheatwas 0.978 6.

near-infrared spectroscopy； starch content； wheat； calibration model

TS210.1

B

CNKI:41-1378/N.20111220.1501.005

1673-2383(2011)06-0024-04

http://www.cnki.net/kcms/detail/41.1378.N.20111220.1501.005.html

网络出版时间：2011-12-20 03:01:44PM

2011-07-27

河南省产业技术研究与开发项目（102109000007）

金华丽（1966-），女，河南南阳人，副教授，研究方向为食品质量与安全.