检索
E-mail
RSS
高级检索 图表检索

当期目录 我要投稿 过刊浏览
高级检索 图表检索

作物杂志,2021, 第2期: 200–206 doi: 10.16035/j.issn.1001-7283.2021.02.029

所属专题： 油料作物

• 农业信息技术 • 上一篇    

向日葵籽仁脂肪和脂肪酸含量近红外光谱模型的建立

周菲1,2(), 王文军2, 刘岩2, 马军2, 王静2, 吴立仁2, 关洪江2, 黄绪堂1,2   

  1. 1黑龙江省农业科学院博士后科研工作站,150086,黑龙江哈尔滨
    2黑龙江省农业科学院经济作物研究所,150086,黑龙江哈尔滨
  • 收稿日期:2020-06-04 修回日期:2021-02-07 出版日期:2021-04-15 发布日期:2021-04-16
  • 作者简介:周菲,主要从事向日葵品质育种研究,E-mail： zhoufei66666@163.com
  • 基金资助:
    黑龙江省农业科学院院级科研项目(2019YYYF012);黑龙江省农业科学院院级科研项目(2020FJZX005);国家特色油料产业技术体系(CARS-14-1-06)

Establishment of Near-Infrared Spectroscopy Model for the Contents of Fat and Fatty Acids in Sunflower Husked Seeds

Zhou Fei1,2(), Wang Wenjun2, Liu Yan2, Ma Jun2, Wang Jing2, Wu Liren2, Guan Hongjiang2, Huang Xutang1,2   

  1. 1Heilongjiang Academy of Agricultural Sciences Postdoctoral Programme, Harbin 150086, Heilongjiang, China
    2Institute of Industrial Crops, Heilongjiang Academy of Agricultural Sciences, Harbin 150086, Heilongjiang, China
  • Received:2020-06-04 Revised:2021-02-07 Online:2021-04-15 Published:2021-04-16

RichHTML

8

PDF (PC)

249

摘要：

为实现向日葵品质的快速无损检测,选取50份具有代表性的油用向日葵材料,采用偏最小二乘法（PLS）构建籽仁脂肪、亚油酸、油酸、硬脂酸和棕榈酸含量的近红外光谱（NIRS）模型。结果表明,脂肪、亚油酸、油酸含量模型校正和验证相关系数均大于0.96,且预测值与化学值相对误差均在10%以下,能够达到样品成分含量的快速测定。硬脂酸和棕榈酸含量模型校正相关系数分别为0.92和0.82,验证相关系数分别为0.83和0.74,预测值与化学值相对误差在4.66%~17.99%之间,可用于样品成分含量的初步预测。本研究构建的NIRS模型,有助于油用向日葵种质资源品质鉴定和快速筛选。

关键词: 油用向日葵, 籽仁, 脂肪, 脂肪酸, 近红外光谱

Abstract:

For achieving rapid and non-destructive testing of sunflower quality, 50 representative oil sunflower materials were being selected. Partial least squares (PLS) was used to construct near-infrared spectroscopy (NIRS) model of the contents of fat, linoleic acid, oleic acid, stearic acid, and palmitic acid in husked seeds. The results showed that the correlation coefficients of calibration and validation of the models for fat, linoleic acid, and oleic acid contents were all greater than 0.96, and the relative errors between the predicted values and the chemical values were all less than 10%, which could meet the rapid determination of the samples composition content. The correlation coefficients of calibration and validation of the models for stearic acid and palmitic acid were 0.92 and 0.82, and the verified correlation coefficients were 0.83 and 0.74, respectively. And the relative errors between the predicted values and the chemical values was between 4.66%-17.99%, which could be used for the preliminary prediction of the sample's composition content. The NIRS model constructed in this study is helpful for the quality identification and rapid screening of oil sunflower germplasm resources in the future.

Key words: Oil sunflower, Husked seeds, Fat, Fatty acid, Near-infrared spectrum

表1

向日葵籽仁脂肪和脂肪酸化学测定值的统计分析

成分
Ingredient		 样品数
Sample number		 平均值
Mean
(%)		 变幅
Variation
range (%)		 标准差
SD
脂肪Fat 50 47.27 38.79~57.17 4.59
亚油酸（18∶2）
Linoleic acid		 50 64.16 51.56~70.60 4.31
油酸（18∶1）
Oleic acid		 50 24.92 19.00~38.84 4.90
硬脂酸（18∶0）
Stearic acid		 50 4.69 3.09~6.27 0.85
棕榈酸（16∶0）
Palmitic acid		 50 6.23 4.99~7.25 0.49

图1

向日葵籽仁原始近红外光谱

图2

4种方法预处理后的光谱

表2

不同预处理方法的籽仁脂肪及4种主要脂肪酸含量模型结果

预处理方法
Pretreatment method		 校正相关系数R2
Correlation coefficients
of calibration		 校正均方
根误差
RMSEC		 验证相关系数R2
Correlation coefficients
of validation		 预测均方
根误差
RMSEP		 主成分数
Number of principal
components
脂肪Fat
原光谱The original spectrum 0.95 1.00 0.93 1.18 4
1st 0.96 0.98 0.94 1.16 4
SNV 0.95 0.97 0.93 1.26 5
1st+SNV 0.97 0.83 0.96 0.96 4
MSC+1st 0.98 0.70 0.97 0.88 4
亚油酸Linoleic acid
原光谱The original spectrum 0.96 0.74 0.91 1.10 9
1st 0.95 0.83 0.89 1.20 7
SNV 0.98 0.53 0.96 0.80 7
1st+SNV 0.97 0.61 0.95 0.83 7
MSC+1st 0.98 0.49 0.97 0.71 6
油酸Oleic acid
原光谱The original spectrum 0.91 1.50 0.83 2.12 10
1st 0.93 1.10 0.88 1.55 7
SNV 0.95 1.04 0.91 1.47 8
1st+SNV 0.98 0.68 0.96 0.99 5
MSC+1st 0.93 1.16 0.89 1.55 6
硬脂酸Stearic acid
原光谱The original spectrum 0.93 0.22 0.82 0.37 12
1st 0.92 0.25 0.83 0.37 9
SNV 0.64 0.51 0.46 0.66 8
1st+SNV 0.79 0.41 0.68 0.55 8
MSC+1st 0.75 0.40 0.51 0.59 7
棕榈酸Palmitic acid
原光谱The original spectrum 0.65 0.25 0.41 0.34 8
1st 0.58 0.25 0.41 0.30 5
SNV 0.82 0.18 0.74 0.23 5
1st+SNV 0.82 0.19 0.72 0.26 6
MSC+1st 0.75 0.22 0.62 0.28 6

图3

向日葵籽仁脂肪和4种脂肪酸含量最佳模型校正（左）和预测（右）相关图

表3

10份材料化学值与近红外预测值比较

成分Ingredient 1 2 3 4 5 6 7 8 9 10
脂肪Fat 化学值Chemical value 42.35 50.47 48.22 55.67 44.58 50.27 49.84 53.16 40.38 45.72
预测值Predicted value 42.88 52.72 49.93 54.19 42.8 52.88 50.93 49.87 39.77 44.01
绝对误差Absolute error 0.53 2.25 1.71 1.48 1.78 2.61 1.09 3.29 0.61 1.71
相对误差Relative error 1.25 4.46 3.55 2.66 3.99 5.19 2.19 6.19 1.51 3.74
亚油酸Linoleic acid 化学值Chemical value 56.08 65.33 64.15 63.22 55.57 67.42 54.34 68.31 60.28 58.66
预测值Predicted value 59.23 69.29 61.87 60.98 54.01 64.88 55.28 66.56 58.44 60.43
绝对误差Absolute error 3.15 3.96 2.28 2.24 1.56 2.54 0.94 1.75 1.84 1.77
相对误差Relative error 5.62 6.06 3.55 3.54 2.81 3.77 1.73 2.56 3.05 3.02
油酸Oleic acid 化学值Chemical value 35.15 26.77 30.76 28.24 25.23 33.78 25.27 28.75 23.24 31.98
预测值Predicted value 34.22 25.45 31.43 29.01 24.32 32.36 23.21 27.69 25.11 31.02
绝对误差Absolute error 0.93 1.32 0.67 0.77 0.91 1.42 2.06 1.06 1.87 0.96
相对误差Relative error 2.65 4.93 2.18 2.73 3.61 4.20 8.15 3.69 8.05 3.00
硬脂酸Stearic acid 化学值Chemical value 5.28 4.61 5.89 3.77 6.01 5.17 4.73 3.58 4.39 4.55
预测值Predicted value 4.33 3.98 5.22 4.41 5.73 4.66 5.01 4.04 3.88 3.83
绝对误差Absolute error 0.95 0.63 0.67 0.64 0.28 0.51 0.28 0.46 0.51 0.72
相对误差Relative error 17.99 13.67 11.38 16.98 4.66 9.86 5.92 12.85 11.62 15.82
棕榈酸Palmitic acid 化学值Chemical value 6.25 5.63 5.66 6.92 5.39 6.57 5.01 6.13 7.04 5.38
预测值Predicted value 5.63 5.01 6.62 5.98 5.98 5.89 5.57 5.24 6.26 5.07
绝对误差Absolute error 0.62 0.62 0.96 0.94 0.59 0.68 0.56 0.89 0.78 0.31
相对误差Relative error 9.92 11.01 16.96 13.58 10.95 10.35 11.18 14.52 11.08 5.76
[1] 刘俊梅. 向日葵生产发展潜力初探. 现代农业, 2015(3):16-17.
[2] 赵坤. 五原县向日葵生产经济研究. 呼和浩特:内蒙古农业大学, 2013.
[3] 联合国粮食及农业组织. (2020-01-10) [2020-05-07]. http://www.fao.org/faostat/en/#data/QC, 2018.
[4] 侯来宝. 世界四大油料作物—向日葵. 呼和浩特: 内蒙古人民出版社, 2005: 39-41.
[5] 李添宝, 吴越, 罗敬. 利用核磁共振法定量分析植物油中多种脂肪酸及水含量. 食品科学, 2014,35(16):212-216.
[6] 黄瑞娟. 红外光谱技术在食品检测中的应用. 现代测量与实验室管理, 2015(1):9-14.
[7] 崔虎亮, 张亚楠, 贺霞, 等. 近红外光谱技术测定油料种子脂肪酸的研究进展. 中国种业, 2020(2):13-18.
[8] 李勇, 魏益民, 王锋, 等. 影响近红外光谱分析结果准确性的因素. 核农学报, 2005,19(3):236-240.
[9] 褚小立, 袁洪福, 陆婉珍. 基础数据准确性对近红外光谱分析结果的影响. 光谱学与光谱分析, 2005,25(6):886-889.
[10] 葛春芳, 张鉴. 气候条件对向日葵脂肪酸组成的影响. 辽宁农业科学, 1996(4):10-12.
[11] 王飞燕, 胡启林, 贾作忱, 等. 气候条件对油用向日葵籽实含油率的影响. 西北农业学报, 1996,5(1) : 63-66.
[12] 陈炳东, 岳云, 黄高宝, 等. 油葵含油率及脂肪酸组成与土壤盐含量的关系. 中国油料作物学报, 2007,29(4):483-486.
[13] 于海峰, 安玉麟, 李素萍, 等. 油用向日葵品质形成规律研究. 黑龙江农业科学, 2010(9):14-18.
[14] 樊双喜, 钟其顶, 李国辉, 等. 近红外光谱法快速检测黄酒中氨基酸态氮的模型优化研究. 酿酒科技, 2015(5):11-14.
[15] 杨传得, 唐月异, 王秀贞, 等. 傅立叶近红外漫反射光谱技术在花生脂肪酸分析中的应用. 花生学报, 2015,44(1):11-17.
[16] 何小三, 李博, 符树根, 等. 茶油脂肪酸组分近红外模型构建研究. 南方林业科学, 2018,46(5):13-19.
[17] Cui H L, Cheng F Y, Peng L P. Determination of the fatty acid composition in tree peony seeds using near-infrared spectroscopy. Journal of the American Oil Chemists' Society, 2016,93(7):943-952.
[18] 周菲, 黄绪堂, 王文军, 等. 食用向日葵粗蛋白含量近红外光谱模型的建立及可行性分析. 宁夏农林科技, 2015,56(7):35-37,47.
[19] Sato T, Takahata Y, Noda T, et al. Nondestructive determination of fatty acid composition of husked sunflower(Helianthus annua L.) seeds by near-infrared spectroscopy. Journal of the American Oil Chemists' Society, 1995,72(10):1177-1183.
[20] Velasco L, Pérez-Vich B, Fernández-Martínez J M. Use of near-infrared reflectance spectroscopy for selecting for high stearic acid concentration in single husked achenes of sunflower. Crop Science, 2004,44:93-97.
[21] Fassio A, Cozzolino D. Non-destructive prediction of chemical composition in sunflower seeds by near infraredSpectroscopy. Industrial Crops and Products, 2004,20(3):321-329.
[22] Pérez-Vich B, Velasco L, Fernández-Martínez J M. Determination of seed oil content and fatty acid compositionin sunflower through the analysis of intact seeds,husked seeds,meal and oil by near-infrared reflectance spectroscopy. Journal of the American Oil Chemists' Society, 1998,75(5):547-555.
[23] 汪磊, 谭美莲, 傅春玲, 等. 利用近红外技术预测向日葵籽仁品质性状. 中国油料作物学报, 2020,42(1):1-7.
[1] 贾秀苹, 卯旭辉, 梁根生, 刘润萍, 刘风, 王兴珍. 向日葵抗盐碱生理生化机制与生长发育特性分析[J]. 作物杂志, 2022, (5): 146–152
[2] 高凤云, 斯钦巴特尔, 周宇, 贾霄云, 苏少锋, 赵小庆, 金晓蕾. 基于SSR标记的胡麻粗脂肪及脂肪酸组分的关联分析[J]. 作物杂志, 2022, (1): 44–49
[3] 刘亚军, 王文静, 王红刚, 王祁, 胡启国, 储凤丽. 作物轮作对甘薯田土壤微生物群落的影响[J]. 作物杂志, 2021, (6): 122–128
[4] 曲歌,陈争光,王雪. 基于近红外光谱与SIMCA和PLS-DA的水稻品种鉴别[J]. 作物杂志, 2018, (2): 166–170
[5] 王树彦,韩冰,周四敏,徐军. 油用亚麻可溶性糖、脂肪含量与硬脂酰-酰基载体蛋白脱氢酶基因表达相关性分析[J]. 作物杂志, 2016, (4): 56–61
[6] 赵利,王利民,赵玮,党照,张建平,党占海. 胡麻RIL群体中粗脂肪和脂肪酸组分的分离及其相关性分析[J]. 作物杂志, 2016, (1): 33–37
[7] 李丹丹, 韩冰, 王树彦, 等. 亚麻子中α-亚麻酸及参与其形成的不饱和脂肪酸的研究进展[J]. 作物杂志, 2015, (2): 18–22
[8] 周庆鑫, 李卓夫, 付连双, 等. 东农冬麦1号越冬期抗寒性及其机理研究[J]. 作物杂志, 2014, (1): 76–80
[9] 周菲, 王文军, 黄绪堂, 等. 食用向日葵子仁蛋白质含量近红外光谱模型的建立[J]. 作物杂志, 2013, (6): 73–75
[10] 韩涛, 程大志, 皮立, 等. 微孔草新品种-青微2号[J]. 作物杂志, 2013, (4): 152–152
[11] 程昕昕, 耿广汉, 李志成, 等. 玉米种子脂肪氧化酶LOX-3缺失与耐贮性研究[J]. 作物杂志, 2011, (3): 34–37
[12] 谢运河, 李小红, 王同华, 等. 播期与密度对南方早熟春大豆产量和品质的影响[J]. 作物杂志, 2011, (3): 79–82
[13] 方彦. 近红外光谱法非破坏性测定玉米子粒粗淀粉含量的研究[J]. 作物杂志, 2011, (2): 25–27
[14] 滕卫丽, 卢双勇, 高阳, 等. 黑龙江省1986-2010年大豆审定品种的品质性状分析[J]. 作物杂志, 2011, (2): 105–108
[15] 宫纪娟, 金喜军, 龚振平, 等. 春大豆荚果发育过程中脂肪含量及其组分变化研究[J]. 作物杂志, 2010, (1): 53–56
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!