高慧宇 王国栋 赵佳 王竹

摘 要：目的：应用近红外光谱（NIR）结合偏最小二乘法（PLS）建立小麦粉常规营养成分蛋白质、水分和脂肪的含量预测模型，并选择最佳模型。方法：收集117份小麦粉样品的近红外光谱，化学法测定蛋白质、水分和脂肪的含量，利用主成分分析（PCA）随机分组，81份样品用于构建模型、36份样品用作验证模型的预测能力。探讨波长范围和光谱预处理方法对所建模型预测能力的影响。结果：3个营养成分预测能力最好的模型分别是：对于蛋白质，预处理采用矢量归一化（SNV），波長选取7 505.9～5 446.2 cm-1和4 605.4～4 242.8 cm-1，预测模型的RPD值是7.02;对于水分，无预处理，波长选择全谱12 800～3 960 cm-1，模型的RPD值是6.83;对于脂肪，无预处理，波长在9 000～4 000 cm-1，模型的RPD值是5.06。结论：近红外光谱法可以实现对小麦粉常规营养成分的快速预测，通过选择波长范围和光谱预处理方法可以显著提高模型的预测能力。

关键词：近红外光谱;小麦;蛋白质;脂肪;营养成分

小麦粉是世界范围内生产和消费量巨大的主食原料，富含人体所需的各种营养物质和微量元素。随着人民生活水平的提高，小麦营养和健康品质研究不断深入，小麦品种的改良成为世界主要作物的重要研究方向和育种目标[1]。受品种、产地和遗传等因素的影响，小麦粉中营养成分的含量水平有很大差异[2]。小麦粉中营养成分的水平直接反映了小麦的品质高低，对小麦的生产、加工、储存和后续小麦产品的营养价值、口感等都有很大影响。因此，能快速测定小麦粉中营养成分，特别是常规营养成分（如蛋白质、水分、脂肪等）的含量，对于小麦品种营养评估、品种改良等有很重要的意义。……