傅里叶近红外透射光谱法快速测定豆油脂肪酸

傅里叶近红外透射光谱法快速测定豆油脂肪酸
刘娟花;曹小华;李小銮;郑国强
【摘要】大豆油富含不饱和脂肪酸,在水产饲料的应用引起广泛的关注,由于大豆油质量良莠不齐,迫切需要一种品质快速鉴定方法.本文利用傅里叶近红外透射技术,应用最小偏二乘法建立了大豆油5种主要脂肪酸的定量分析模型,结果显示:5种主要脂肪酸的决定系数分别为0.9701、0.6499、0.9090、0.967、0.9849,交叉检验的均方根误差RMSECV分别为:0.344、0.155、0.388、0.547、0.206,验证集检验,5种脂肪酸的模型预测值与化学检测值的相对标准误差均小于10％,表明,模型预测值与化学值之间存在较好的线性关系,所建立的方法可靠,可用于豆油脂肪酸组成快速测定.
【期刊名称】《广东饲料》
【年(卷),期】2015(024)011
【总页数】3页(P34-36)
【关键词】近红透射光谱;豆油;脂肪酸
【作者】刘娟花;曹小华;李小銮;郑国强
【作者单位】广东粤海饲料集团,广东湛江524017;广东粤海饲料集团,广东湛江524017;广东粤海饲料集团,广东湛江524017;广东粤海饲料集团,广东湛江524017
【正文语种】中文
【中图分类】S965.28
随着水产养殖业的快速增长，水产饲料脂肪需求量越来越大，海洋渔业资源已逐渐匮乏，不能满足当前水产饲料工业发展的需要。

寻找鱼油的替代品成为水产养殖业发展关注的焦点。

目前，大豆油等植物油替代鱼油已广泛应用于水产饲料生产。

大豆中约含80%的不饱和脂肪酸和20%的饱和脂肪酸，为水产动物提供必需的不饱和脂肪酸。

现阶段，饲料企业一般使用气相色谱仪对豆油质量以及其脂肪酸组成进行测定，以判断其掺假情况，但该方法分析成本较高，耗时长，样品需进行繁琐的前处理，不能满足饲料企业对油脂品质快速检测的要求。

近红外光谱分析技术是一种新型的定性、定量分析技术，以其简单方便、分析速度快、样品无损、绿色环保等优点逐渐广受关注。

近年来得到广泛的应用，在油脂中的应用目前也有一些研究报道，主要用于油脂的品质检测，例如：刘福莉（2008）等主要应用近红外技术定性鉴别不同种类的植物油，Man（1998）等运用近红外
检测油脂中的游离脂肪酸，孙君明等（2008）利用傅里叶近红外反射法测定了大
豆中脂肪酸含量，宋涛等（2012）采用近红外透反射法测定了豆油中的脂肪酸组成，均取得了令人满意的结果。

关于利用傅里叶近红外透射光谱法测定豆油脂肪酸组成，国内尚未见报道。

本文采用傅里叶近红外透射技术扫描采集得到大豆油光谱，利用气相色谱法测定大豆油的脂肪酸化学值，应用偏最小二乘法算法（partial least squares,PLS）建立
大豆油五种主要脂肪酸定量分析模型，旨在探讨利用傅里叶近红外透射光谱法测定大豆油脂肪酸组成的可行性，为饲料企业判定大豆油品质提供方便、快速的检测方法。

1 实验部分
1.1 实验材料、仪器与试剂
MPA型傅里叶近红外光谱仪：德国布鲁克科技有限公司；4890A气相色谱仪：美
国安捷伦科技公司；EH20B电热板：北京莱伯泰科仪器股份有限公司。

棕榈酸甲酯、硬脂酸甲酯、油酸甲酯、亚油酸甲酯、亚麻酸甲酯标准品，均为色谱纯（购自sigma公司）；苯、石油醚、氢氧化钾、甲醇均为分析纯（购自广东光
华科技股份有限公司）。

本实验室于2013年3月-2015年3月从全国各大油脂企业收集不同产地和品种
的大豆油代表样品若干个，于塑料瓶密封，储存于4℃冰柜中。

扫描前，样品置于室温条件下平衡24h以上。

由于收集的原始样品大部分浓度小，且在各个区间分
布不均匀，因此本试验让部分样品分装后进行氧化处理以拓宽样品浓度范围，原始样品加处理后的样品共250个。

1.2 大豆油脂肪酸测定
色谱条件：色谱柱DB-WAX30m×0.25mm石英毛细管柱；固定相FFAP，柱温：50℃；检测器温度280℃，进样口温度：250℃；进样方式：分流进样，分流比：20︰1；总流量：24.0mL/min；柱温箱升温程序：柱温先170℃保留7min，然
后升至190℃保留10min，然后以1.0℃/min的速度将温度升至250℃。

甲酯化处理：精确吸取样品0.0800g～0.1000g，放入10mL酯化管中。

再加入
1mL提取液（苯∶石油醚=1∶1），摇匀溶解，再加入1mL0.4mol/L氢氧化钾/
甲醇溶液，摇匀静置20分钟，不时摇动。

20分钟后加入5mL石油醚稀释，再加
4mL双蒸水，摇匀静置30分钟即可上机。

1.3 样品光谱数据采集
使用Bruker MPA（Multi-Purpose Analyzer）型近红外分析仪样品腔附件进行
样品光谱采集，采用方式为透射，样品载于8mm光径样品皿中，扫描波长范围12500～3600cm-1，波长间隔2nm，扫描次数为32次，分辨率为8cm-1。

每
个样品重复装样及扫描2次，取平均值，每小时测定一次背景。

1.4 模型建立与验证
利用Bruker公司商用软件OPUS7.2进行光谱预处理、谱段选择，采用化学计量
法偏最小二乘法（PLS）建立定量分析模型。

将样品分为校正集和外部验证集，对校正集建立校正模型并对其进行内部交叉检验，然后利用外部验证集样品对所建立的校正模型进行外部验证。

以校正集的均方差(RMSEE）来评价模型的拟合效果，利用内部验证均方差（RMSECV）和外部验证均方差(RMSEP)作为模型质量的评
价指标，RMSECV越小，表明模型质量越高，RMSEP越小，表明模型的预测精度越高，越值得推广。

对于未知样品的分析采用被测未知样品的光谱与建模集的平均光谱马氏距离(MDI Mhd.Distance index)来估计该样品是否可用此模型预测。

2 结果分析
2.1 样品脂肪酸含量的组成分布
将250份样品随机分成样品校正集（230份）和验证集（20份），采用气相色谱仪测定其5种主要脂肪酸的含量（百分比），校正集样品的各脂肪酸其相对含量
分布情况见表1，亚油酸和亚麻酸分布相对集中，而棕榈酸、硬脂酸和油酸分布范围相对较宽。

表1 校正集样品5种脂肪酸相对含量分布情况?
2.2 样品光谱的预处理
样品物理性质的不同会引起光谱基线和斜率的变化，一般在建立校正模型前需要采用化学计量学方法对近红外光谱图进行预处理以消除这些影响。

本试验采用导数法、多元散射校正（MSC）法、标准正态变量变换（SNV）法和平滑处理对光谱进行
预处理。

一阶导和二阶导可以最大程度地降低光谱峰的偏移和漂移，消除其他背景的干扰，分辨重叠峰，提高分辨率和灵敏度。

多元散射校正（MSC）后得到的光
谱数据可以有效地消除散射影响，增强了与成分含量相关的光谱吸收信息。

标准正态变量变换（SNV）法主要是用来消除固体颗粒大小、表面散射以及光程变化对NIR漫反射光谱的影响。

平滑处理主要是消除高频噪声对光谱的干扰。

利用软件
OPUS7.2中的自动优化功能，筛选建模光谱的最佳处理方法和最适谱区范围。

优化结果显示，不同脂肪酸组分对应的最佳光谱预处理方法不同，且其最适波段也不同。

2.3 定量模型的建立
利用软件OPUS7.2，通过交叉验证方法比较不同光谱预处理方法与谱区范围组合的交叉验证决定系数（R2）、交叉验证均方根误差（RMSECV）和相对误差分析（RPD）等参数来确定最优模型。

结果显示：棕榈酸的最佳预处理方法为采用一阶导+MSC（多元散射校正），最适分析谱区为7501.8-4597.5cm-1，在此条件下，所得模型的决定系数R2=0.9701，RMSECV=0.344；亚油酸结合预处理方法一阶导+SNV（标准正态变量变换），和谱区7501.8-5449.9、4601.3-4246.5，得到最佳模型参数，R2=0.967，RMSECV=0.547；亚麻酸在对光谱进行一阶导+13点平滑处理后，得到最优模型参数，R2=0.9849，RMSECV=0.206；硬脂酸和油酸在最适合的光谱预处理后，分别得到模型其较理想的模型参数：
R2=0.6499，RMSECV=0.155和R2=0.909，RMSECV=0.388。

近红外模型的预测准确度依赖于建模时化学值的准确性。

化学值越准确，建立的数学模型的预测结果也越接近真实值。

硬脂酸含量相对较低，在进行化学值测定时，样品前处理稍有偏差，就比较容易引起较大的相对误差。

2.4 模型的外部验证
随机抽取得到20份验证集样品，其5种主要脂肪酸含量分布见情况表2。

将验证集样品的模型预测值（estimated values）与化学值（chemical values）进行对比，各样品的化学值与预测值之差（CV-EV）和化学测得值与预测值的相对标准偏差详见表3。

从表3中可以看出，除硬脂酸外，所有验证集的样品的脂肪酸的化学值与近红外模型预测值的相对偏差均在5%以内，硬脂酸模型的预测值与化学值相对标准偏差也均在10%以内，结果较满意，说明本试验所建立的傅里叶近红外
透射光谱法用于测定大豆油中的棕榈酸、硬脂酸、油酸、亚油酸、亚麻酸等5种脂肪酸是可行的，可满足豆油脂肪酸组成检测的实际要求。

表2 验证集各种脂肪酸相对含量分布情况?
表3 大豆油5种主要脂肪酸模型外部验证结果?
参考文献：（略）。