近红外助力挑选好吃的花生

花生是世界重要的油食兼用作物和经济作物,营养保健价值极高,经常食用能显著降低全因死亡率,素有“长生果”之美誉。近年来我国经济高速发展,人民生活水平提高,花生食用消费量呈逐年增多趋势(目前已有超过40%用作食用),对花生品质要求也越来越高。 

近红外技术已广泛应用于作物品质改良。花生上早已成功建立了能够快速准确预测油酸、脂肪、蛋白质以及维生素E等成分含量的近红外模型。但这些只能得到花生的营养指标，不能代表花生感官品质。因此构建针对花生食用感官品质的多粒近红外模型,能够为食用花生感官品质遗传改良提供快速、便捷的选择手段。构建生花生仁、烤花生仁感官评价模型所用的试验材料共计31份,均系山东省花生研究所育成的花生品种(系),其中包括不同亲本来源、不同种皮颜色的大粒型和小粒型材料,也包括高油酸和普通油酸材料,如表1所示。

光谱采集

在德国Bruker光谱仪器公司生产的Matrix-F型傅里叶变换近红外光谱仪上采集多粒生花生仁光谱数据。光谱仪扫描谱区范围为4000~12000cm-1(厘米波数),扫描次数为64次,分辨率为8cm-1。开机预热30min后检测样品。采集光谱所用花生种子为自然日光干燥的样品,每份材料约30~50粒,每次混合后随机取样,扫描3次。

生花生仁和烤花生仁感官评价

选取重复能力、识别能力强的7人组成感官品质评定小组。试验样品重新标号,按随机区组设计,每份样品每人品尝3~5粒,按1~5级就颜色(1级为颜色*深,5级为颜色*浅)、脆性(1级为*脆,5级为*不脆)、细腻度(1级为*细腻,5级为*粗糙)、甜味(1级为*甜,5级为甜味*弱)、苦味(1级为*苦,5级为苦味*弱)、烤花生味(1级为烤花生味*强,5级为烤花生味*弱)、异味(1级为异味*强,5级为异味*弱)、总体喜欢度(1级为*喜欢,5级为*不喜欢)等感官评价指标逐项打分,每品尝完一个样品后,用温开水漱口,再品尝下一个样品。

模型构建与优化

光谱处理和模型构建采用德国Bruker Matrix-F型近红外光谱仪自带OPUS软件,用NIR选项自动寻优。采用内部交叉验证剔除奇异点。选择*佳光谱预处理办法、*佳谱区、维数,并作进一步验证。通过比较样品预测值与化学值的决定系数(R2)和标准差(RMSECV)衡量模型品质。生花生仁近红外光谱见图1。经感官评价,各感官指标变幅较宽,符合建立近红外模型的要求(表2)。

生花生近红外模型的建立

经自动优化,生花生脆性的*佳光谱预处理方法为“一阶导数+多元散射矫正”。谱区范围为7506~4243cm-1,维数为8,模型的R2为83.6,RMSECV为0.227(图2)。

经自动优化,生花生甜味的*佳光谱预处理方法为“一阶导数+多元散射矫正”。谱区范围为7506~5446cm-1,4605~4243cm-1,维数为8,模型的R2为89.02,RMSECV为0.137(图3)。

经自动优化,生花生细腻度*佳光谱预处理方法为“一阶导数+多元散射矫正”。谱区范围为11988~6094cm-1,5454~4243cm-1,维数为7,模型的R2为90.92,RMSECV为0.102(图4)。

烤花生近红外模型的建立

经自动优化,熟花生脆性*佳光谱预处理方法为“一阶导数+多元散射矫正”。谱区范围为7506~6472cm-1,4605~4243cm-1,维数为8,模型的R2为88.29,RMSECV为0.161(图5)。

经自动优化,烤花生仁细腻度*佳光谱预处理方法为“一阶导数+多元散射矫正”。谱区范围为11988~7498cm-1,4605~4243cm-1,维数为6,模型的R2为76.97,RMSECV为0.154(图6)。

结论

依托德国Bruker光谱仪器公司生产的Matrix-F型傅里叶变换近红外光谱仪**构建了花生感官品质近红外模型,生花生仁脆性、甜味、细腻度以及烤花生脆性近红外模型R2均在83以上,RMSECV均低于0.23,模型品质较高。烤花生仁细腻度模型R2在75以上,低于80,可满足初步筛选的需要。构建的两个烤花生仁近红外模型在实际上证明了可以用生花生近红外光谱预测烤花生仁的感官品质(脆性和细腻度)。鉴于目前花生干燥后进行近红外扫描已经成为生化品质筛选的常规手段,有了这些新的模型,将可以使花生种子无损地获得生化指标的同时,在不需要一一品尝的情况下,还能得到一些有价值的感官品质指标,可大大提高筛选速率。而随着优异材料的获取,可望进一步充实模型。花生感官品质近红外模型的应用,将会对食用花生感官品质育种发挥积极的促进作用。