[发明专利]一种花生品质的近红外检测方法及应用

说明书

技术领域

本发明属于农产品品质分析技术领域，具体涉及一种花生品质的近红外检测方法及应用。

背景技术

花生是我国重要的食用植物油及蛋白来源，2007年我国总产量已突破1.3亿吨，约占油料作物总产量的一半，居世界花生总产量第一位。2011年单产达到每公顷3.6吨，单产、总产及出口量在我国油料作物中都排第一。

我国大多数品种花生的脂肪含量在45％与50％之间，最高超过62％，变化幅度很大，蛋白含量为大于20％，花生包含人体8种必需氨基酸，90％可被人体吸收，总糖含量大于3％，富含膳食纤维及各种维生素、硒、铁、锌等微量元素，花生中异黄酮及抗癌物质白黎芦醇等含量也较高，可以调节胆固醇代谢，预防高血脂、心血管疾病及胆结石，并可以预防和控制糖尿病。

花生含有脂肪、蛋白质、水分、总糖、灰分等多种营养成分，这些成分的检测具有操作复杂、费时和费力的缺点。近红外光是波长介于可见光区与中红外区之间的电磁波，美国材料检测协会(ASTM)将近红外光谱区定义为780-2526nm的区域。近红外光谱主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生，记录含氢基团(C-H,N-H,O-H)振动的合频和倍频吸收。花生中的品质含有丰富的含氢基团，在近红外光谱区段有较强的响应。

目前近红外检测技术在花生检测中也有一些应用，一种非破坏性测定花生单粒种子含油量的方法(CN200310112331)只是简要介绍了建立近红外与含油量检测方案，近红外检测花生中氨基酸含量的方法(CN201210007425)介绍了花生氨基酸在近红外的波长范围，近红外检测花生中蛋白质组分含量的方法(CN201210349665)介绍了花生蛋白质的检测步骤，但是这些研究尚存在光谱的冗余信息较多，光谱特征波长不明确，预测模型报道少，同时对花生样品的选择和去衣花生的近红外模型报道少等问题。

发明内容

本发明的目的是在于克服现有技术的缺陷，提供一种花生品质的近红外检测方法。本发明快速、无损和简便，以找到花生品质的近红外光谱特征，通过建立预测模型的方法，为花生品质的检测提供一种利用近红外无损检测花生品质的方法。

具体地，本发明提供的花生品质的近红外检测方法，包括如下步骤：

1)收集花生样品；

2)对所述步骤1)所收集的花生样品进行理化测试，得到理化指标测试值，记为y_mj，其中：m是第m个指标，m＝1,2,3，…，5；当m＝1时记为花生样品水分含量，m＝2时记为花生样品蛋白质含量，m＝3时记为花生样品脂肪含量，m＝4时记为花生样品总糖含量，m＝5时记为花生样品灰分含量；j为第j个样品，共n个样品，n≥40；

3)对所述步骤1)所收集的花生样品进行近红外扫描，得到吸光值为x_ij，其中i表示波长数值；

4)对所述步骤3)所得的吸光值x_ij进行消噪处理和预处理：用小波消噪法或阈值消噪将步骤3)得到的吸光值x_ij进行消噪处理，得到消噪吸光值，然后再对消噪吸光值进行预处理，得到预处理吸光值A_ij；

5)筛选近红外光谱特征波长：采用竞争性自适应重加权采样(CARS)方法对所述步骤4)得到的预处理吸光值A_ij分析，筛选得到花生品质的近红外光谱特征波长；

6)建立花生品质预测模型：通过逐步回归法对所述步骤2)得到理化指标测试值和所述步骤5)得到的特征波长的预处理吸光值A_ij进行分析，建立花生品质的预测模型为z_m＝b_m+∑a_miB_i，其中z_m为花生品质的近红外检测值，B_i为A_ij中第j个样品的吸光值，b_m、a_mi为回归系数，回归系数的显著性用T检验；

7)预测花生品质：对未知花生品质的样品进行近红外光谱扫描，采用所述步骤6)建立的预测模型对未知花生品质指标进行预测；

完成花生品质的检测。

所述步骤1)中花生样品为带壳花生或带衣花生或去衣花生。

所述步骤3)中花生样品进行近红外扫描波长为：波长i＝1000nm，1001nm，1002nm，…，1799nm。