利用近红外反射光谱技术预测花生籽仁出油率

韩宏伟，王志伟，张则林，刘晓光，李洪燕，宋国生，王传堂，5

（1.山东省花生研究所，山东 青岛 266100；2.沈阳农业大学，辽宁 沈阳 110866；3.滦州市油榨镇人民政府，河北 滦州 063702；4.唐山市农业科学院，河北 唐山 063001；5.山东鲁花集团，山东 莱阳 265200）

花生是我国主要的油、食兼用作物和经济作物，年总产已跃居世界首位［1］。目前我国约有50%的花生用于榨油，在保障我国食用油脂安全供应方面发挥着举足轻重的作用［1-3］。提高花生出油率可为榨油企业带来可观的经济效益［2，3］，而食用花生则要求具有较低的油分，从而减少能量摄入。因此，快速测定花生油脂含量和出油率对于花生不同用途品种选育及榨油企业原料质控都非常有必要。但目前花生出油率的测定多是建立在传统的物理压榨或浸提法制取花生油的基础上，不仅费时费力，且难以做到无损测定。

近红外光谱分析技术是一种兼具快速、高效、低成本、无破坏性等优点的物理检测技术［4］。已有研究者建立了花生仁含油量的近红外预测模型［5-8］。但相比于含油量，出油率对榨油企业来说更具实用价值。如能无损测定花生籽仁出油率，将会提高生产效率，节省劳力和资金。但迄今尚未见利用近红外光谱估测花生籽仁出油率的报道。

本研究选取48份不同来源的花生籽仁为试验材料，采集其近红外光谱，并用压榨法测定其出油率，建立花生籽仁出油率近红外预测模型，旨在为花生品种选育和企业原料采购提供简便易行的鉴定手段。

1 材料与方法

1.1 试验材料

供试48份花生材料如表1所示，样品均为2020年收获并自然干燥的籽仁。

表1 供试花生材料

1.2 试验方法

1.2.1 花生籽仁近红外光谱采集 使用MPA型傅里叶变换红外光谱仪（德国布鲁克光学有限公司）采集花生籽仁光谱。扫描谱区范围为4 000～12 000 cm-1，扫描次数64次，分辨率为8 cm-1。开机预热2 h后检测花生样品，每份材料约30～50粒，重复扫描3次，且每次扫描前都将样品反复翻转混匀，以得到同一样品的多个近红外光谱。

1.2.2 压榨法测定花生籽仁出油率 每份花生材料准确称取230 g样品，利用奥斯达不锈钢家用榨油机（AOSIDA Oil Press）进行物理压榨，称量所得花生油和油渣的质量。按下式计算出油率：出油率（%）=花生油质量/（花生油质量+油渣质量）×100。

1.2.3 花生籽仁近红外模型构建与优化 模型构建与光谱处理均采用傅里叶变换红外光谱仪自带的OPUS 7.5软件。采用偏最小二乘法（PLS法），并反复利用内部交叉验证剔除奇异点（outlier）；建立多种光谱预处理模型，根据模型决定系数（R2）最大而交叉验证根均方差（RMSECV）最小的原则衡量模型质量，筛选出最佳的光谱预处理方法。

1.2.4 所建模型外部验证 随机挑选6份外部待检样品，对其预测值和化学值进行配对t测验，判断模型可靠性。

2 结果与分析

2.1 近红外光谱采集

使用傅里叶变换红外光谱仪采集到花生籽仁样品的近红外光谱，结果见图1。可见各材料近红外光谱图变化趋势一致，与花生油近红外光谱特征相吻合，符合预期，可用于建模。

图1 花生籽仁近红外光谱图

2.2 压榨法花生籽仁出油率测定结果

压榨法测定的供试花生籽仁出油率分布如图2。花生籽仁出油率在40.95%～52.17%之间，变幅较大，均值为46.73%，标准差为2.653%，符合建模要求。

图2 压榨法花生籽仁出油率测定值分布直方图

2.3 花生籽仁出油率近红外模型构建与优化

建立近红外模型常用的光谱预处理方法包括无光谱预处理、消除常数偏移量、减去一条直线、矢量归一化、最大-最小归一化、多元散射校正（MSC）、一阶导数、二阶导数、一阶导数+减去一条直线、一阶导数+矢量归一化、一阶导数+MSC等多种方法，将所得不同样品花生籽仁光谱数据经不同方法预处理后，采用PLS法建立模型，其维数、R2和RMSECV值如表2所示。可见，花生籽仁出油率的最佳光谱预处理方法为“矢量归一化”法，光谱范围为7 498.2～8 454.8、4 242.8～4 605.4 cm-1，维数为9，模型决定系数R2为81.77，根均方差RMSECV为1.04。利用该方法进行光谱预处理后得到的花生籽仁出油率近红外预测值与压榨法测定值的散点图如图3所示。可以发现，检验样品比较集中地分布在中心线周围，说明模型预测值与压榨法测定值的吻合度较高，模型的预测性能较好。

图3 花生籽仁出油率近红外预测值与压榨法测定值的散点图

表2 不同光谱预处理方法的维数、R2、RMSECV值

2.4 模型预测效果检验

另取6份花生样品，检验模型预测效果。如表3所示，花生籽仁出油率预测值与压榨法测定值偏差绝对值为0.16～0.97个百分点，在可接受范围内。预测值与压榨法测定值成对数据t检验结果表明，自由度为5，t检验值为0.837＜t0.05=2.571，两组数据差异不显著。

表3 花生籽仁出油率预测值与压榨法测定值对比 （%）

3 讨论与结论

目前我国食用植物油自给率仅有30%，油料产业风险应对能力亟待增强［9］。花生是我国产油效率最高的油料作物，其单位面积产油量是油菜的2倍、大豆的4倍［1］，花生产业大有可为。据测算，花生榨油原料油分含量每提高一个百分点，油脂加工纯利润可提高7%［10］，因此，高油已成为我国花生品质育种的重要目标之一。但实际生产中，花生出油率低于含油量，物理压榨出油率低于化学浸提出油率［11］。虽前人已建立了花生含油量近红外模型，但并不能代替出油率近红外模型。因此，本研究在利用压榨法获得花生籽仁实际出油率的基础上，建立了其近红外预测模型。

本研究所采用的建模材料来源多样，包含不同种子大小、形状、种皮颜色的花生品种以及普通含油量、高油品种等各种类型，有一定代表性，出油率变幅较宽，符合建模要求。构建的花生出油率近红外模型R2为81.77，RMSECV为1.04，质量较好。该模型的成功构建，不仅便于榨油企业收购原料实现优质优价，而且可为育种者筛选高出油率突变体以及通过杂交手段累积高油加性基因从而培育出更高出油率的品种提供便利［12，13］，同时对研究花生高油性状在不同环境中的稳定性［14］、选择适宜的油用品种和产地、建立健全花生高油农艺措施［15-17］等均具有重要意义，有利于促进花生高油品种选育和产业化进程。