Crops ›› 2025, Vol. 41 ›› Issue (5): 272-278.doi: 10.16035/j.issn.1001-7283.2025.05.035

Previous Articles    

Establishment and Application of Near Infrared Spectroscopy Models for Crude Protein and Crude Fat Contents in Black Soybean

Tian Xiang1,2(), Chen Yan1,2, Nie Mengʼen1,2, Zhang Haiping1,2()   

  1. 1 Center for Agricultural Genetic Resources Research, Shanxi Agricultural University, Taiyuan 030031, Shanxi, China
    2 Key Laboratory of Crop Gene Resources and Germplasm Enhancement on Loess Plateau, Ministry of Agriculture and Rural Affairs, Taiyuan 030031, Shanxi, China
  • Received:2024-06-13 Revised:2025-03-04 Online:2025-10-15 Published:2025-10-21

RichHTML

3

PDF (PC)

471

Abstract:

Protein and fat contents are critical factors influencing the nutritional quality of black soybean. This study aimed to develop a rapid and reliable near-infrared (NIR) model for quantifying these components. The total of 200 representative black soybean germplasm resources from various regions were collected. Their crude protein and crude fat contents were measured using chemical methods and NIR diffuse reflectance spectroscopy. The data were statistically analyzed to build NIR models. Using first-order derivative + MSC and first-order derivative + vector normalization spectral preprocessing methods, two separate models were established for crude protein and crude fat, respectively. The models demonstrated high accuracy, with cross-validation determination coefficients (R2) of 0.907 and 0.873, and low errors of 0.477 and 0.420. These models are accurate and reliable, offering a viable alternative to time-consuming chemical analysis for screening black soybeans. An analysis of the 200 germplasm accessions revealed a wide range of variation, with crude protein content ranging from 37.00% to 50.11% and crude fat content from 12.06% to 22.62%. Based on these results, 79 high-protein and four high-oil black soybean varieties were identified and selected. This research provides a crucial foundation for the future selection and breeding of high-quality black soybean varieties.

Key words: Black soybean, NIRS, Crude protein, Crude fat

Table 1

Test materials and their sources"

序号
Number		 品种名称
Variety name		 品种来源
Variety source		 序号
Number		 品种名称
Variety name		 品种来源
Variety source		 序号
Number		 品种名称
Variety name		 品种来源
Variety source
1 PI90763 美国 43 大黑豆 中国山西沁县 85 小黑豆 中国山西高平
2 PI89772 美国 44 大黑豆 中国山西沁县 86 大黑豆 中国山西五台
3 PI548316 美国 45 大黑豆 中国山西沁县 87 大黄豆 中国山西和顺
4 PI209332 美国 46 大黑豆 中国山西沁县 88 红豆 中国山西襄汾
5 串蔓黑豆 中国山西原平 47 长大黑豆 中国山西沁县 89 褐色红豆 中国山西浮山
6 黑豆 中国河北武邑 48 圆小黑豆 中国山西沁县 90 灰荚黑豆 中国山西武乡
7 平顶黄黑豆 中国河北徐水 49 黑豆 中国山西沁县 91 应县小黑豆 中国山西应县
8 大黑豆 中国河北满城 50 小黑麦茬豆 中国山西长子 92 顶心黑豆 中国山西忻州
9 商丘大籽黑豆 中国河南商丘 51 小黑豆 中国山西高平 93 小颗黑豆 中国山西霍县
10 牛角齐大黑豆 中国山东商河 52 灰荚黑豆 中国山西高平 94 本地黑豆 中国陕西府谷
11 二黑豆 中国山西广灵 53 小黑豆 中国山西襄垣 95 晋品82 中国山西太原
12 黑豆 中国山西灵丘 54 秋黑豆 中国山西襄垣 96 青皮豆 中国山西原平
13 牛眼睛黑豆 中国山西神池 55 小黑豆 中国山西晋城 97 老虎皮 中国山西灵丘
14 三叉梅 中国山西天镇 56 黑皮茶豆 中国山西晋城 98 灰秆黑豆 中国山西灵丘
15 二秋皮 中国山西浑源 57 小黑豆 中国山西屯留 99 五香黑豆 中国山西岚县
16 大黑豆 中国山西怀仁 58 麦茬黑豆 中国山西屯留 100 黑豆 中国山西定襄
17 大黑豆 中国山西右玉 59 紫壳黑大豆 中国山西沁源 101 平顶小黑豆 中国山西阳曲
18 大黄豆 中国山西寿阳 60 老黑豆 中国山西阳城 102 秋黑豆 中国山西武乡
19 黑梅豆 中国山西介休 61 小黑豆 中国山西临汾 103 下城黑豆 中国山西长治
20 密楼豆 中国山西灵石 62 小黑豆 中国山西临汾 104 小黑豆 中国山西天镇
21 小黑豆 中国山西方山 63 60日大豆 中国山西临汾 105 大黑豆 中国山西大同
22 大黑豆 中国山西方山 64 野生黑豆 中国山西临汾 106 大黑豆 中国山西大同
23 小黑豆 中国山西汾阳 65 小黑豆 中国山西安泽 107 小黑豆 中国山西阳高
24 大黑豆 中国山西汾阳 66 麦茬小黑豆 中国山西古县 108 大黑豆 中国山西武乡
25 黑黑豆 中国山西中阳 67 黑豆 中国山西古县 109 黑豆 中国山西翼城
26 黑豆 中国山西交口 68 小黑豆 中国山西侯马 110 黑脐青皮豆 中国山西榆次
27 小黑豆 中国山西孝义 69 黑豆 中国山西襄汾 111 大青豆 中国山西太原
28 梅豆 中国山西孝义 70 小黑豆 中国山西曲沃 112 绿大豆 中国山西临县
29 圆黑豆 中国山西兴县 71 大黑豆 中国山西霍州 113 串山黄黑豆 中国山西偏关
30 黑豆 中国山西临县 72 黑青豆 中国山西霍州 114 大日期黑豆 中国山西宁武
31 黑豆 中国山西石楼 73 七月之黄豆 中国山西洪洞 115 黑豆 中国山西五寨
32 大黑豆 中国山西长治 74 小黑豆 中国山西洪洞 116 灰皮支黑豆 中国山西兴县
33 黑老虎 中国山西长治 75 小黑豆 中国山西洪洞 117 打牛耙黑豆 中国山西静乐
34 小科豆 中国山西陵川 76 星麦楼黑豆 中国山西洪洞 118 霸王鞭 中国山西清徐
35 大黑豆 中国山西黎城 77 黑豆 中国山西蒲县 119 猪尿其黑豆 中国山西离石
36 二黑豆 中国山西壶关 78 品黑豆2号 中国山西太原 120 大黑豆 中国山西交城
37 小黑豆 中国山西武乡 79 晋豆3号 中国山西太原 121 大黑豆 中国山西太谷
38 小黑豆 中国山西武乡 80 晋豆7号 中国山西太原 122 落格扇 中国山西祁县
39 铁秆黑豆 中国山西武乡 81 晋豆47号 中国山西汾阳 123 小黑荚豆 中国山西沁县
40 山东黑豆 中国山西沁县 82 长豆006 中国山西长治 124 牛毛黄黑豆 中国山西沁县
41 小黑豆 中国山西沁县 83 长豆34 中国山西长治 125 落格扇 中国山西襄垣
42 小黑豆 中国山西沁县 84 晋科2号 中国山西太原 126 黑豆 中国山西屯留
127 鞭秆黑 中国山西临汾 152 黑滚豆 中国山西代县 177 小圆黑豆 中国山西左云
128 大日期黑豆 中国山西大宁 153 大黑豆 中国山西原平 178 岗北豆 中国山西应县
129 小黑豆 中国山西闻喜 154 白黄豆 中国山西兴县 179 平顶山黑豆 中国山西忻州
130 三杈梅 中国山西天镇 155 黑豆 中国山西兴县 180 平顶黑豆 中国山西繁峙
131 圆黑豆 中国山西右玉 156 霸王鞭 中国山西定襄 181 大黑豆 中国山西偏关
132 大黑豆 中国山西广灵 157 临黑豆 中国山西汾阳 182 圆黑豆 中国山西偏关
133 要三销大黑豆 中国山西浑源 158 小黑豆 中国山西汾阳 183 大黑豆 中国山西太原
134 霸王鞭黑豆 中国山西阳高 159 黑梅豆 中国山西孝义 184 黑皮绿瓤 中国山西昔阳
135 二灰皮 中国山西怀仁 160 密耧豆 中国山西灵石 185 平顶山 中国山西寿阳
136 黑滚豆 中国山西保德 161 汾黑1号 中国山西灵石 186 大黑豆 中国山西和顺
137 黑豆 中国山西太原 162 大黑豆 中国山西武乡 187 鬼豆 中国山西左权
138 城选1号黑豆 中国山西阳曲 163 黑豆 中国山西沁县 188 黑豆 中国山西左权
139 黑豆 中国山西娄烦 164 白露糙 中国山西屯留 189 黑色大豆 中国山西岚县
140 黑豆 中国山西榆社 165 黑粉芦 中国山西霍县 190 黑洋豆 中国山西武乡
141 小黑豆 中国山西汾阳 166 红大豆 中国山西沁水 191 大黑豆 中国山西襄垣
142 大黑豆 中国山西陵川 167 原黑豆 中国河北晋县 192 大圆粒黑豆 中国山西侯马
143 六十天平遥黑豆 中国山西陵川 168 小黑豆 中国山西大同 193 汾黑1号 中国山西襄汾
144 大黑豆 中国山西平顺 169 小颗合豆 中国山西大同 194 黑豆 中国山西洪洞
145 大黑豆 中国山西武乡 170 鞭秆豆 中国山西大同 195 黑京豆 中国山西平陆
146 黑豆 中国山西平陆 171 黑豆 中国山西天镇 196 眼睛蓝 中国山西大同
147 大红皮豆 中国山西长子 172 大黑豆 中国山西浑源 197 密云黑豆 中国北京密云
148 三股条黑豆 中国陕西府谷 173 霸王鞭 中国山西浑源 198 大黑豆 中国山西代县
149 黑黑豆 中国陕西吴堡 174 霸王鞭 中国山西朔州 199 绿白眉豆 中国山西高平
150 赤不流黑豆 中国山西五寨 175 霸王鞭 中国山西灵丘 200 大花豆 中国山西定襄
151 绿滚豆 中国山西石楼 176 钢鞭豆 中国山西怀仁

Fig.1

Near-infrared spectrogram of black soybean samples"

Table 2

Chemical determination of quality in black soybean %"

参数Parameter 粗蛋白Crude protein 粗脂肪Crude fat
样品数Number of samples 200 200
平均值Average value 42.86 15.89
标准差Standard deviation 1.04 1.51
最小值Minimum value 37.12 12.06
最大值Maximum value 50.11 22.44

Fig.2

Scatter diagram between NIR and chemical value of crude protein content"

Fig.3

Scatter diagram between NIR and chemical value of crude fat content"

Table 3

Parameters of NIR calibration for quality in black soybean"

指标
Index		 处理方法
Processing method		 交叉验证决定系数
R2		 交叉检验标准误差
RMSECV		 维数
Dimension		 优化谱区
Optimized spectral region (cm-1)
粗蛋白Crude protein 一阶导数+MSC 0.907 0.477 10 3996~12 790.3
粗脂肪Crude fat 一阶导数+矢量归一化 0.873 0.420 10 3996~12 790.3

Table 4

Validation of near-infrared model for quality in black soybean"

成分
Component		 样品数
Number of samples		 化学测定平均值
Average value of chemical determination (%)		 预测平均值
Predicted average value (%)		 相关系数
SEP		 标准差
RSQ
粗蛋白Crude protein 20 42.86 40.52 0.75 0.86
粗脂肪Crude fat 20 15.89 16.59 0.85 0.85

Fig.4

Frequency distribution of crude protein content in black soybean"

Fig.5

Frequency distribution of crude fat content in black soybean"

[1] 朱志华, 李为喜, 刘三才, 等. 2002年我国大豆(Glycine max)品种及种质资源的蛋白质和脂肪含量分析. 植物遗传资源学报, 2003, 4(2):157-161.
[2] 郭榛, 金诚谦, 刘鹏, 等. 光谱分析和光谱成像技术检测大豆品质的研究进展. 大豆科学, 2022, 41(1):99-106.
[3] 徐飞, 葛阳阳, 刘新春, 等. 黑豆营养成分及生物活性的研究进展. 中国食物与营养, 2019, 25(9):55-61.
[4] 李佳荣, 刘美, 邓莎, 等. 不同产地黑豆质量评价. 中成药, 2022, 44(8):2554-2559.
[5] 王涛, 翟晨, 白术群, 等. 米糠粗蛋白、粗脂肪以及粗纤维含量的近红外预测模型的建立. 中国粮油学报, 2022, 37(2):1-6.
[6] 朱丽伟, 马文广, 胡晋, 等. 近红外光谱技术检测种子质量的应用研究进展. 光谱学与光谱分析, 2015, 35(2):346-349.
[7] Roberts C A, Workman J J, Reeves B. Near-infrared spectroscopy in agriculture. Madison:American Society of Agronomy, 2004.
[8] Vuuren J A, Meyer A J H, Claassens S. Potential use of near infrared reflectance monitoring in precision agriculture. Communications in Soil Science & Plant Analysis, 2006, 37(15/ 20):2171-2184.
[9] Porep J U, Kammerer D R, Carle R. On-line application of near infrared (NIR) spectroscopy in food production. Trends in Food Science & Technology, 2015, 46(2):211-230.
[10] Liu D, Cheng J H, et al. Applications of near-infrared spectroscopy in food safety evaluation and control: A review of recent research advances. Critical Reviews in Food Science & Nutrition, 2015, 55(13):1939-1954.
[11] 朱贞映, 袁建, 鞠兴荣, 等. 傅立叶变换近红外光谱在大豆蛋白质和粗脂肪检测中的研究. 食品安全质量检测学报, 2015, 6(12):4924-4931.
[12] 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. 麦类作物学报, 2010, 30(2):276-279.
[13] 张新玉, 王颖杰, 刘若西, 等. 近红外光谱技术应用于玉米单籽粒蛋白质含量检测分析的初步研究. 中国农业大学学报, 2017, 22(5):25-31.
[14] 白琪林, 陈绍江, 严衍禄, 等. 近红外漫反射光谱法测定青贮玉米品质性状的研究. 中国农业科学, 2006(7):1346-1351.
[15] 李路, 黄汉英, 赵思明, 等. 大米蛋白质、脂肪、总糖、水分近红外检测模型研究. 中国粮油学报, 2017, 32(7):121-126.
[16] 田翔, 沈群, 乔治军, 等. 近红外光谱分析技术在糜子品质检测中的应用. 中国粮油学报, 2016, 31(9):131-135.
[17] 王丽萍, 陈文杰, 赵兴忠, 等. 基于近红外漫反射光谱法的大豆粗蛋白和粗脂肪含量的快速检测. 大豆科学, 2019, 38(2):280-285.
[18] 王纯阳, 马玉涵, 刘斌美, 等. 近红外透反射光谱测定单粒稻种的蛋白质含量. 核农学报, 2019, 33(10):2003-2012.
doi: 10.11869/j.issn.100-8551.2019.10.2003
[19] 李琳琳, 金华丽, 崔彬彬, 等. 基于近红外透射光谱的大豆蛋白质和粗脂肪含量快速检测. 粮食与油脂, 2024, 27(12):57-60.
[20] 王燕, 鞠涛, 刘晓兰, 等. 近红外光谱法预测大豆营养成分含量模型的建立和应用. 营养饲料, 2014, 50(7):62-65.
[21] Hu W, Zhou Y C, et al. Use of near-infrared spectroscopy for the rapid evaluation of soybean [Glycine max (L.) Merri.] water soluble protein content. Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy, 2020, 224:117400.
[22] 王翠秀, 曹见飞, 顾振飞, 等. 基于近红外光谱大豆蛋白质、脂肪快速无损检测模型的优化构建. 大豆科学, 2019, 38(6):968-979.
[23] 中华人民共和国卫生部. 食品中水分的测定:GB 5009.3-2016. 北京:中国标准出版社, 2016.
[24] 国家食品药品监督管理总局. 食品中蛋白质的测定:GB 5009.5-2016. 北京:中国标准出版社, 2016.
[25] 国家食品药品监督管理总局.食品中脂肪的测定: GB 5009. 6- 2016. 北京:中国标准出版社,2016.
[26] 李建国, 薛晓梦, 张照华, 等. 单粒花生主要脂肪酸含量近红外预测模型的建立及其应用. 作物学报, 2019, 45(12):1891-1898.
doi: 10.3724/SP.J.1006.2019.94016
[27] 闫龙, 蒋春志, 于向鸿, 等. 大豆粗蛋白、粗脂肪含量近红外检测模型建立及可靠性分析. 大豆科学, 2008, 27(5):833-837.
[28] Xie C J, Qiao M M, Yang L, et al. Establishment of a general prediction model for protein content in various varieties and colors of peas using visible-near-infrared spectroscopy. Journal of Food Composition and Analysis, 2024, 127:105965.
[29] Rizkiana A, Yena K, Hanim A Z, et al. Non-destructive prediction of protein contents of soybean seeds using near- infrared hyperspectral imaging. Infrared Physics and Technology, 2022, 127:104365.
[30] Shi D, Hang J Y, Neafeld J, et al. Estimation of crude protein and amino acid contents in whole, ground and defatted ground soybeans by different types of near-infrared (NIR) reflectance spectroscopy. Journal of Food Composition and Analysis, 2022, 111:104601.
[1] Tao Yueyue, Sun Hua, Wang Haihou, Lu Changying, Shen Mingxing. Effects of Harvest Date and Drying Days on the Yield, Crude Protein Content and Moisture of Forage Rapeseed [J]. Crops, 2022, 38(5): 215-220.
[2] Sun Qingsheng, Yuan Cheng, Zhang Yuxian. Effects of Reducing Nitrogen Fertilizer and Inoculating Rhizobium on Photosynthetic Characteristics and Yield of Black Soybean [J]. Crops, 2022, 38(4): 132-137.
[3] Gao Fengyun, Siqin Bateer, Zhou Yu, Jia Xiaoyun, Su Shaofeng, Zhao Xiaoqing, Jin Xiaolei. Association Analysis of Crude Fat and Fatty Acid Components in Flax Based on SSR Markers [J]. Crops, 2022, 38(1): 44-49.
[4] Tian Rongcai, Gao Zhiqiang, Lu Junwei. Estimation of Crude Protein Content in Grain of Early Indica Rice Based on Canopy Spectrum [J]. Crops, 2020, 36(4): 188-194.
[5] Li Zhao,Limin Wang,Wei Zhao,Zhao Dang,Jianping Zhang,Zhanhai Dang. The Isolation of Crude Fat and Fatty Acid Components in a RIL Population of Oil Flax and Their Correlation Analysis [J]. Crops, 2016, 32(1): 33-37.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!