一种利用近红外光谱无损检测整粒麻疯树种籽含油量的方法技术领域
本发明属于油量检测技术领域，更具体地，涉及一种利用近红外光谱无损检测整
粒麻疯树种籽含油量的方法。
背景技术
麻疯树(Jatropha curcas L.)，又名小桐籽、膏桐(云南)、假花生(广西)、小油桐、
南洋油桐(日本)等，属大戟科(Euphorbiaceae)麻疯树属(Jatropha)落叶灌木或小乔木，是
一种含油量较高的重要木本油料植物，其种子含油量约为30～40％，种仁含油量达50～
70％。我国云南、贵州、广东、海南等地均有栽培。近年来，麻疯树作为一种新的生物燃料作
物，受到越来越多的关注。由于从其种籽中提炼出的生物柴油具有在凝固点、硫含量、一氧
化碳排放量等方面均优于国内零号柴油的特点，是一种高效能、低污染、安全可靠的能源，
具有很高的经济价值及良好的发展前景。我国已从麻风树中提炼出的油类物质作为航空生
物燃料加入飞机中，并试飞成功。
目前，有关油脂的品质分析方法主要是通过感官检验和一些常规的理化方法如核
磁共振及索氏残余法。这些方法在测定过程中需要破坏样品种籽，导致后续育种工作，尤其
是比较珍贵的遗传材料无法在检测后保存备用；并且分析过程复杂，耗时较长，成本高。另
外，现有方法常使用乙醚等易制毒有机溶剂药品，对周围环境以及实验人员身心健康造成
较大危害。诸如上述原因，限制了现有方法在麻疯树品质育种中大批量鉴定的工作效率。
发明内容
本发明的目在于克服现有技术中的不足和缺陷，提出一种利用近红外光谱无损检
测整粒麻疯树种籽含油量的方法。该方法以麻疯树的整粒种籽为材料，在不破坏种籽结构
和生命力的前提下，采集麻疯树种籽的近红外光谱吸收值，并利用索氏提取法，根据国标测
定样品的含油量化学值，用预处理方法和回归统计方法对获得的光谱数据集进行优化处
理，建立麻疯树种籽的近红外光谱数据集与含油量的定标模型，并对模型的准确性进行检
验。该方法实现了对麻疯树种籽含油量的大批量快速检测，具有操作简便，准确性高、精度
高等优点，且保证了种籽样品的活性和完整性。
本发明上述目的通过以下技术方案予以实现：
一种利用近红外光谱无损检测整粒麻疯树种籽含油量的方法，包括如下具体步
骤：
S1.将一定份数的麻疯树种籽作为校正集合样品，采集校正集合样品的近红外光
谱数据，建立近红外光谱数据的校正集，并储存校正集合的近红外扫描光谱；
S2.采用预处理方法以衡量曲线预测效果的参数为标准，对获得的校正集合的近
红外扫描光谱进行优化预处理；
S3.用索氏提取法测定校正集合样品的含油量；
S4.使用回归方法对校正集合的近红外扫描光谱进行分析，建立步骤2所得优化预
处理后的校正集合样品的近红外扫描光谱与步骤S3所得校正集合样品的含油量的定标模
型；
S5.用步骤S4建立的定标模型测定麻疯树种籽的含油量。
优选地，步骤S1中所述的校正集合样品的份数大于50份。
优选地，步骤S2中所述的预处理方法为原光谱、SNV、MSC、Normalization、一阶导
数、二阶导数中的一种或任意两种。
更为优选地，步骤S2中所述的预处理方法为二阶导数与SNV的组合或二阶导数与
MSC的组合。
优选地，步骤S2中所述的衡量曲线预测效果的参数为模型校正相关系数、模型校
正相关系数标准偏差、交互验证得到的相关系数和交互验证得到的预测标准偏差。
优选地，步骤S4中所述的回归方法为偏最小二乘法或主成分分析法。
更为优选地，步骤S4中所述的回归方法为偏最小二乘法。
步骤S3中所述索氏提取法的具体步骤为：
S11.将麻疯树种籽粉碎处理，通过孔径为1mm的筛，称取粉碎的麻疯树种籽用滤纸
包好，在95～105℃烘干1～2h去除水分后，置于干燥器中冷却；
S12.将步骤S11干燥处理的麻疯树种籽粉碎样品悬浮于装有有机溶剂的溶剂杯
中，进行循环抽提；
S13.循环抽提完毕后，在90～95℃烘干1～1.5h后取出，放至干燥器中冷却至恒
重。
优选地，步骤S12中所述抽提的温度为50～65℃；所述抽提的时间为2.5～4h。
优选地，步骤S12中所述有机溶剂为无水乙醚或石油醚，所述麻疯树种籽粉碎样品
和有机溶剂的质量体积比为1：(20～30)g/mL。
本发明以麻疯树的整粒种籽为材料，在不破坏种籽结构和生命力的前提下，利用
瑞典波通DA7200型近红外光谱成分分析仪收集校正集样品近红外光谱数据，并利用索氏提
取法测定各样品化学值，以获得的数据集为基础，建立近红外的定标模型，对麻疯树的种籽
含油量进行简便快速的检测。用索氏提取法和建立的定标模型测定未知麻疯树种籽的含油
量，进行平行比较试验，估算预测值与索氏提取法测量值之间的相关系数以及预测标准偏
差，检验该定标模型的预测能力。首先采集校正集合的每一份样品的近红外光谱数据(每次
采集旋转3次，重新装载3次)，然后利用索氏提取法，每个样品3次重复，提取测定每一份样
品的种籽含油量，将获得的数据进行合并，通过各种分析方法处理，获得定标模型。用获得
的模型，通过近红外照射检测验证集合样品的含油量，并利用索氏提取法提取验证集合样
品的含油量，将两者数据进行比较分析，作为模型的可靠性检验。
与现有技术相比，本发明具有以下有益效果：
本发明采用的方法实现了对麻疯树种籽含油量的大批量快速检测，具有操作简
便，准确性高、精度高等优点，且保证了种籽样品的活性和完整性。
1.本发明不破坏种籽样品活性，可实现整粒无损检测。
2.本发明仅需几秒钟的近红外光谱照射即可获得麻疯树的种籽含油量，分析过程
简便，相对于现有方法分析单个样品需时3～4h，大幅缩短检测的时间。
3.本发明适用于大部分麻疯树种籽含油量的分布范围，检测样品的覆盖范围广，
具有较高的适用性。
4.本发明可在不使用任何化学试剂的情况下，获得麻疯树种籽含油量，对周围环
境和实验检测人员无危害，绿色环保，无污染。
附图说明
图1为实施例1样品的近红外吸收光谱图。
图2为实施例1经二阶导数+SNV处理后的光谱图。
图3为实施例3建立NIRS定标模型线性回归图。
具体实施方式
下面结合具体实施方式进一步说明本发明的内容，对本发明原料、当量比、温度范
围的修改，均属本发明范围内，实验过程中所用的实验试剂、仪器和设备均为常规试剂、仪
器和设备。
在实施例中：
所述麻疯树种籽采自海南省海口市新海林场东山基地的麻疯树种源试验林和无
性系测定林。
所述收集校正集样品近红外光谱数据是利用瑞典波通DA7200型近红外光谱成分
分析仪。
所述RC为模型校正相关系数，RMSEC为模型校正相关系数标准偏差、RCV为交互验证
得到的相关系数、RMSECV为交互验证得到的预测标准偏差。
所述用索氏提取法准确测定校正集合中每一份种籽的含油量，具体方法参照国标
《GB/T5512-2008粮油检验粮食中粗脂肪含量测定》的标准。
实施例1光谱数据的预处理
将125份的麻疯树种籽作为校正集合样品，采集校正集合样品的近红外光谱数据，
建立近红外光谱数据的校正集，并储存校正集合的近红外扫描光谱。
本方法采用不同预处理方法的光谱模型参数统计情况见表1。由表1可以看出，其
中，模型1～3未采用导数处理，模型4～17经导数处理，模型1～3的RC和RCV值低于模型4～17
的RC和RCV值，因此导数处理为必要步骤。
通过比较SNV、MSC与Normalization三种预处理方法的模型1/2/3、6/7/8、9/10/
11、12/13/14、15/16/17可以看出，当三种预处理方法与不同的导数处理结合时的RC、RCV有
不同的效果。其中，模型4/5、6/9、7/10、8/11、12/15、13/16、14/17分别经过一阶导数和二阶
导数处理，通过比较可以看出，经一阶导数处理的RC和RCV值低于二阶导数的RC和RCV，可知二
阶导数处理优于一阶导数处理。模型6/12、7/13、8/14、9/15、10/16、11/17分别为经过一阶
导数和二阶导数处理SNV/MSC/Normalization的模型，每组模型中的导数处理顺序不同，比
较可以看出，导数处理SNV/MSC/Normalization的先后顺序也会影响模型回归效果，应先进
行导数处理后再进行SNV/MSC处理，但Normalization处理应在导数处理之前。
综合比较，虽然模型5的异常点最少(3个)，但RC、RCV均较低，继续删除异常点后，
RC、RCV仍不会升高；模型9和模型10的RC值均大于0.9，RCV值均大于0.82，两模型的回归效果
都较好，而模型9删除点数少于模型10，因此模型9的预处理方法(二阶导数+SNV)为麻疯树
种籽含油量近红外光谱的最佳预处理方法。图1为实施例1中125份的麻疯树种籽样品的近
红外吸收光谱图。从图1中可知，麻疯树种籽油脂中的C-H、O-H等含氢基团，在900～1700nm
处有较强的吸收峰，恰好涵盖了最具有穿透力的短波近红外区和信号较丰富的长波近红外
区域的主要部分，具有较强的穿透力和丰富的样品信息，可以准确的分析整粒种子。因此，
利用该区段波长建立近红外光谱数据校正集，并储存校正集合所有近红外扫描光谱。
模型9中光谱经Savitzky-Golay卷积平滑法处理后，再经过二阶导数处理降低光
谱峰的偏移和漂移，提高光谱的精细度，最后利用SNV法消除散射影响后得到的回归效果最
佳，其光谱如图2所示。从图2中可看出，经过模型9的预处理后，近红外吸收光谱图曲线平
滑、集中，整体趋势更加一致，峰值突出。
表1不同预处理方法的光谱模型参数
实施例2回归分析方法的比较
选择二阶导数+SNV(模型9)、二阶导数+MSC(模型10)对光谱进行预处理，所有预处
理均采用Savitzky-Golay对光谱进行平滑处理，平滑系数取5，然后分别采用偏最小二乘法
(PLS)和主成分分析法(PCA)两种回归方法建立模型，比较分析两种回归方法对于模型的影
响，使用RC、RMSEC、RCV和RMSECV这4个指标评价模型，选出最佳的回归方法，结果见表2。由表2可
以看出，PLS分析的RC、RMSEC、RCV和RMSECV 4个模型评价指标都优于PCA，所以PLS为麻疯树种子
含油量的近红外分析的最佳回归方法。
表2不同回归分析方法的模型参数
实施例3定标模型的建立
索氏提取法的具体步骤为：
S11.将麻疯树种籽粉碎处理，称取粉碎的麻疯树种籽(质量为M)用滤纸包好，在
105℃烘干1h去除水分后，置于干燥器中冷却。
S12.将步骤S11干燥处理的麻疯树种籽2g加入60ml无水乙醚至已恒重的溶剂杯
(M1)中，进行循环抽提，抽提的温度为65℃；抽提的时间为2.5h。
S13.循环抽提完毕后，在95℃烘干1h后取出，放至干燥器中冷却至恒重(M2)。
样品含油量计算方法：样品含油量＝(M2-M1)/M×100％。所有称重质量均精确到
0.001g。
根据选定的光谱最佳预处理方法和最佳的回归模型，剔除样品异常值，获得最高
的相关系数和最小的预测误差，建立麻疯树种籽含油量的近红外光谱定标模型。图3为建立
NIRS定标模型线性回归图。由图3可以看出，横坐标为索氏提取法获得的样品含油量化学值
(Measure Y)，纵坐标为近红外检测定标模型分析获得的样品含油量预测值(Predicted
Y)。左上角的参数分别为125份样品的验证集合和近红外模型内部校正集合的斜率
(Slope)、剩余项(Offset)、均方根误差(RMSE)和R平方统计量(R-square，R2)。其中，Y1是近
红外模型内部验证集合的拟合结果，Y1＝0.9100X1+3.0571，RMSE＝0.7837，R2＝0.9100；Y2
是校正集合的拟合结果，Y2＝0.8475X2+5.1875，RMSE＝1.0761，R2＝0.8328。由此可知，定
标模型基本涵盖了麻疯树种子含油量(30～40％)的测定范围，含量分布比较均匀，且具有
较高的相关系数，RC达到0.91，定标集交互验证标准误差RMSECV值较小(0.83)，可见各模型的
预测效果都较好，说明近红外定标模型的预测结果可靠性和稳定性高，可用于测定麻疯树
种子含油量。
实施例4定标模型的建立
索氏提取法的具体步骤与实施例3中的区别在于：
步骤S11所述烘干温度为95℃，烘干时间为2h；
步骤S12中所述麻疯树种籽2g加入40mL石油醚，所述抽提的温度为50℃；抽提的时
间为4h；
所述步骤S13中烘干温度为90℃，烘干时间为1.5h。
样品含油量计算方法：样品含油量＝(M2-M1)/M×100％。所有称重质量均精确到
0.001g。
实施例5定标模型的检验
取验证集合中的10份未知含油量种籽样品，分别用索氏提取法和建立的定标模型
测定其含油量值，进行平行比较试验，估算预测值与索氏提取法测量值之间的相关系数以
及预测标准偏差，检验该定标模型的预测能力，结果见表3。表3表明，近红外光谱模型对10
份检验样品的预测值与索氏提取法测量值之间的相关系数为0.956，预测标准偏差为0.69，
说明使用该模型对麻疯树种子样品进行含油量检测的方法是可行的，可替代常规化学测定
方法。
表3检验样品的化学测定值、模型预测值及相关参数
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的
限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合和简化，
均应为等效的置换方式，都包含在本发明的保护范围之内。