黑豆资源粗蛋白和粗脂肪含量近红外光谱模型的建立及应用

doi:10.16035/j.issn.1001-7283.2025.05.035

黑豆资源粗蛋白和粗脂肪含量近红外光谱模型的建立及应用

田翔^,¹^,², 陈妍¹^,², 聂萌恩¹^,², 张海平^,¹^,²

¹ 山西农业大学农业基因资源研究中心， 030031，山西太原

² 农业农村部黄土高原作物基因资源与种质创制重点实验室， 030031，山西太原

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

Tian Xiang^,¹^,², Chen Yan¹^,², Nie Mengʼen¹^,², Zhang Haiping^,¹^,²

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

通讯作者: 张海平，主要从事大豆种质资源研究，E-mail：nkyzhp@126.com

收稿日期: 2024-06-13 修回日期: 2025-03-4 网络出版日期: 2025-06-10

基金资助:

国家重点研发计划子课题(2021YFD1600601-03)
山西省科技重大专项计划(202201140601025)

山西省现代农业产业技术体系建设专项资金

科技创新2030-重大项目课题(2023ZD0403703)

Received: 2024-06-13 Revised: 2025-03-4 Online: 2025-06-10

作者简介 About authors

田翔，主要从事作物品质研究，E-mail：704193015@qq.com

摘要

蛋白质和脂肪含量是影响黑豆营养品质的重要因素。为了建立黑豆中粗蛋白和粗脂肪含量的近红外快速检测模型，采集200份具有代表性的地方黑豆种质资源为研究材料，利用近红外漫反射光谱仪，结合化学法测定黑豆中粗蛋白和粗脂肪含量，并进行统计学分析。结果表明，采用一阶导数+MSC、一阶导数+矢量归一化光谱预处理，分别建立粗蛋白、粗脂肪含量的近红外快速检测模型。该模型的交叉验证决定系数（R²）分别为0.907和0.873，误差分别为0.477和0.420，表明模型准确可靠，可代替化学分析法鉴定黑豆粗蛋白和粗脂肪含量。对200份不同产地黑豆种质资源进行分析评价，粗蛋白含量最大值为50.11%，最小值为37.00%，粗脂肪含量最大值为22.62%，最小值为12.06%。最终筛选出79份高蛋白和4份高油黑豆品种资源，为优质黑豆资源的筛选和品种选育奠定了基础。

关键词： 黑豆; 近红外光谱; 粗蛋白; 粗脂肪

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.

Keywords： Black soybean; NIRS; Crude protein; Crude fat

PDF (635KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

田翔, 陈妍, 聂萌恩, 张海平. 黑豆资源粗蛋白和粗脂肪含量近红外光谱模型的建立及应用. 作物杂志, 2025, 41(5): 272-278 doi:10.16035/j.issn.1001-7283.2025.05.035

Tian Xiang, Chen Yan, Nie Mengʼen, Zhang Haiping. Establishment and Application of Near Infrared Spectroscopy Models for Crude Protein and Crude Fat Contents in Black Soybean. Crops, 2025, 41(5): 272-278 doi:10.16035/j.issn.1001-7283.2025.05.035

中国是大豆的起源地，也是世界主要大豆生产国之一。大豆（Glycine max L.）是人类膳食中植物蛋白和食用油的主要来源之一^[1-2]。黑豆为豆科植物大豆的黑色种子，素有豆中之王的美誉^[3]。我国的黑豆资源丰富，主产于东北、西北和华北等地，黑豆籽粒蛋白质含量约40%，易于消化，脂肪含量约20%，主要含不饱和脂肪酸。黑豆含有丰富的维生素、蛋黄素、黑色素及卵磷脂等物质，具有营养保健作用，对保持机体功能完整、延缓衰老以及降低血液胆固醇等都是必不可少的^[4]。随着黑豆产业的发展以及市场对黑豆品种品质要求的不断提高，加速高蛋白与高脂肪黑豆品种的选育和推广已越来越引起黑豆育种者和生产者的关注。黑豆的蛋白质和脂肪是决定黑豆营养价值和经济价值的关键因素，已成为原料品质评价中的重要环节。我国颁布的有关蛋白质和粗脂肪的标准测定方法是凯氏定氮法和索氏抽提法^[5]，虽然其检测准确性高，但也存在操作复杂、破坏样品和污染环境等弊端。近红外光谱分析技术（near-infrared spectroscopy，NIRS）作为一种新型的物理测试技术，利用化合物在近红外区具有丰富吸收谱带并表现出特定光谱特征的性质，进行定量分析，具有无损、快速、高通量和低成本等优点^[6-7]，目前，NIRS已被广泛应用于农业^[8]和食品^[9-10]等领域，在大豆^[11]、小麦^[12]、玉米^[13-14]、水稻^[15]和糜子^[16]等作物中实现了品质检测。王丽萍等^[17]利用近红外漫反射光谱法对大豆整粒和粉末2种状态的粗蛋白和粗脂肪含量实现快速测定，发现大豆在粉末状态下预测值更准。王纯阳等^[18]建立了准确性较好的单粒糙米和单粒稻种的蛋白质定量模型。李琳琳等^[19]优化条件构建了对大豆蛋白质和粗脂肪含量近红外预测模型。王燕等^[20]分别对大豆干物质、粗蛋白质、粗脂肪和粗灰分含量建立了PLS预测模型。Xu等^[21]建立了偏最小二乘回归模型，分析预测去除种皮大豆样品的水溶性蛋白质含量。近红外法预测大豆的粗蛋白质和粗脂肪含量国家标准GB/T 24870-2010为大豆检测的通用模型，基于此建立的黑豆检测模型符合国家标准的要求。在实际过程中，生产车间根据整粒大豆的化学成分含量可以提前优化工艺参数，降低能耗，减少产品的不合格率。黑豆育种早代筛选工作也需要无损快速检测。因此，研发一种简便、快速和准确的黑豆品质分析技术一直是本学科研究的重点与热点。本研究利用近红外法测定黑豆粗蛋白和粗脂肪含量，为黑豆资源品质育种以及深入挖掘我国不同地区的黑豆种质资源提供技术支持。

1 材料与方法

1.1 试验材料

供试的200份黑豆品种由山西农业大学农业基因资源研究中心国家库提供。黑豆按颜色的不同有青仁黑豆和黄仁黑豆之分，按籽粒的大小又可以分为黑大豆和黑小豆，其粒形多样，有圆形和椭圆形等，基于此建立模型具有广泛的代表性（表1）。

表1 供试材料名称及来源

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

新窗口打开| 下载CSV

1.2 试验仪器

试验所用仪器：MPA傅里叶变换近红外光谱仪[德国布鲁克（北京）科技有限公司]、DHG- 9140AS电热鼓风干燥箱（宁波东南仪器有限公司）、2012型消化炉（福斯分析仪器有限公司）、8400型全自动凯氏定氮仪（福斯分析仪器有限公司）和2055型索氏提取仪（福斯分析仪器有限公司）。

1.3 试验方法

1.3.1 近红外光谱采集

参考王翠秀等^[22]的方法，采集光谱前，所有样品需要自然风干至含水量8%以下，密闭环境中放置48 h以上，平衡水分。黑豆样本近红外光谱如图1所示，180份黑豆样品作为定标样品集，用于模型的建立。利用MPA傅里叶变换近红外光谱仪扫描光谱区4000~12 000 cm^-1，分辨率16 cm^-1，每隔2 nm采集反射强度，挑选饱满黑豆装满样品杯，轻轻摇匀，重复对180份黑豆样品进行2次近红外光谱扫描，消除客观因素引起的差异。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 黑豆样本近红外光谱图

Fig.1 Near-infrared spectrogram of black soybean samples

1.3.2 品质测定

采用粉碎机对黑豆进行粉碎过筛，水分含量测定参考《食品安全国家标准食品中水分的测定》（GB 5009.3-2016）^[23]，参照《食品安全国家标准食品中蛋白质的测定》（GB 5009.5-2016）^[24]中凯氏定氮法测定粗蛋白含量，参考《食品安全国家标准食品中脂肪的测定》（GB 5009.6-2016）^[25]中索氏抽提法测定粗脂肪含量。每个样品重复3次，结果取平均值。

1.3.3 模型构建

采用MPA傅里叶变换近红外光谱仪随机自带建模软件完成模型构建，利用OPUS建模软件结合偏最小二乘法对光谱进行适当优化处理，将光谱信息与化学法测定的粗蛋白和粗脂肪含量建立相关关系。反复采用内部交叉验证剔除异常值，通过模型的校正决定系数，交叉检验决定系数（R²），交叉验证标准误差（RMSECV）指标评价模型的准确性。对于同一样品集所构建的回归方程而言，R²越大，RMSECV越低，定标建模过程中进行交叉验证时得到的近红外预测值与化学分析结果越吻合，定标模型的准确度越高^[26]。

1.3.4 模型验证

选取20份黑豆样品用作验证，利用新建预测模型和化学法对黑豆粗蛋白和粗脂肪含量进行检测，比较近红外预测值和化学值的相关性和准确性。验证集用于定标模型预测的性能评价^[27-28]。

1.4 数据处理

采用Excel 2019统计分析数据，采用Origin 2022进行正态分布检验。

2 结果与分析

2.1 黑豆资源的品质成分分析

200份黑豆资源的品质成分分析结果见表2。山西宁武的‘大日期黑豆’粗蛋白含量较高，达到50.11%。山西榆次的黑脐青皮豆粗脂肪较高，达到22.44%，山西长治的‘长豆006’和‘长豆34’分别达到22.02%和22.36%。黑豆籽粒粗蛋白含量范围为37.12%~50.11%，粗脂肪含量范围为12.06%~22.44%，数据变幅较大。建立的模型可用于黑豆粗蛋白和粗脂肪含量的测定，有较好的适用性。

表2 黑豆品质化学测定结果

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

新窗口打开| 下载CSV

2.2 近红外定标模型的建立

利用OPUS软件中的自动优化功能，筛选建模的最佳光谱预处理方法、光谱区范围和主因子数。通过交叉验证，比较不同光谱预处理方法与光谱区范围组合的交叉验证决定系数R²和RMSECV等参数，确定最优校正模型^[29-30]。

2.3 近红外定标模型的验证

2.3.1 内部交叉验证

根据样品的NIRS特征，利用软件的自动验证功能，软件每次在200份定标样品中随机选取1份样品作为验证样品，用其余的样品（199份）建立定标模型，并对验证样品做预测，自动重复至所有样品均被作过验证样品。黑豆粗蛋白和粗脂肪含量的交叉验证结果见图2和图3，其R²分别为0.907和0.873，RMSECV分别为0.477和0.420（表3）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 粗蛋白含量近红外预测值与化学值散点图

Fig.2 Scatter diagram between NIR and chemical value of crude protein content

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 粗脂肪含量近红外预测值与化学值散点图

Fig.3 Scatter diagram between NIR and chemical value of crude fat content

表3 黑豆品质近红外定标统计值

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

新窗口打开| 下载CSV

2.3.2 外部验证

采用未参加模型建立且化学测定值已知的样品对所建模型的实际预测效果进行评价。预测结果如表4所示，黑豆粗蛋白和粗脂肪预测相关系数分别为0.75和0.85，预测标准差分别为0.86和0.85。对于粗蛋白和粗脂肪的预测，化学测定值和近红外预测值无明显差异，说明采用NIRS分析技术能够实现对黑豆品质的检测。

表4 黑豆品质近红外模型的外部检验

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

新窗口打开| 下载CSV

2.4 黑豆资源鉴定评价

针对不同来源黑豆品种的粗蛋白和粗脂肪含量进行统计研究。结果如图4、图5所示，不同地区黑豆的粗蛋白和粗脂肪均存在较大差异，数据基本呈现出正态分布规律。筛选出高蛋白高脂肪黑豆品种共75份。粗蛋白含量范围为37.00%~50.11%，大于45%的高蛋白品种79份，含量较高的前5种黑豆资源分别是山西宁武‘大日期黑豆’、山西大同‘小黑豆’、山西寿阳‘平顶山黑豆’、山西应县‘大黑豆’和山西太原‘大黑豆’。粗蛋白含量低于40%的有7份。粗脂肪含量范围为12.06%~ 22.62%，高于22%的高油资源4份，分别为山西长治‘长豆006’、山西榆次‘黑脐青皮豆’、山西长治‘长豆34’和山西保德‘黑滚豆’。粗脂肪含量低于15%的有36份。产自山西大同的‘大黑豆’蛋白含量45.48%，脂肪含量20.34%，属于高蛋白高脂肪资源。种皮色为绿色和褐色的黑豆资源普遍蛋脂含量较低，绿色种皮的山西原平‘青皮豆’粗蛋白含量较高，为45.66%，粗脂肪含量为15.84%。山西和顺‘大黄豆’粗蛋白含量为43.82%，粗脂肪为16.14%。褐色种皮中山西沁水‘红大豆’粗脂肪含量较高，为19.79%，粗蛋白为41.97%。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 黑豆粗蛋白含量频率分布

Fig.4 Frequency distribution of crude protein content in black soybean

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 黑豆粗脂肪含量频率分布

Fig.5 Frequency distribution of crude fat content in black soybean

3 讨论

采用傅里叶变换近红外光谱仪对200份黑豆种子样本进行光谱扫描，利用光谱定量分析软件进行光谱预处理、数学方法运算及回归统计分析，得到了黑豆粗蛋白和粗脂肪的近红外定标模型。该模型决定系数较高且误差较小，平均一份样品需要20 g左右，检测时间1 min内，对黑豆品质育种中早代材料筛选是可行的，能够满足大批量品种的快速及无损检测要求，有效地提高了黑豆品质育种效率，为黑豆品质育种提供了一种新的有效技术手段。但在使用过程中也存在一些不足之处，如样品的均匀性和温度等因素会对分析结果造成较大的影响。针对这些问题，可以通过不断升级来完善定标模型。

黑豆品种的蛋白质和脂肪含量是受多基因调控的数量性状，易受环境条件影响。通过对200份不同产地黑豆品种资源进行粗蛋白和粗脂肪含量的调查分析，发现不同地域生长的黑豆品质差异较大，并从中筛选出79份高蛋白和4份高脂肪种质资源。山西宁武‘大日期黑豆’等可作为蛋白专用品种，山西长治‘长豆006’等可作为脂肪专用品种，均具有很强的应用潜力。这些优异种质资源是促进黑豆品质育种的重要基础，也为改善黑豆优势区域的种植结构提供科学依据。本研究收集的黑豆资源多为各地区农家地方品种，90%从山西各县收集而来，具有一定的地方特色。地方农家黑豆品种的蛋白质含量普遍较高，而脂肪含量普遍偏低，因此我国农家品种主要用于制作豆浆、豆腐等。

4 结论

采用一阶导数+MSC和一阶导数+矢量归一化光谱预处理，分别建立粗蛋白和粗脂肪含量的近红外快速检测模型。该模型的交叉验证决定系数（R²）分别为0.907和0.873，误差分别为0.477和0.420。该模型快速准确，可用于黑豆的种质资源评价与品质分级，有助于我国黑豆种质资源品质提升。对200份不同产地黑豆种质资源进行分析评价，筛选出79份高蛋白和4份高脂肪黑豆品种资源，为优质黑豆资源的筛选和品种选育奠定了基础，促进黑豆产业发展。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[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.