一种基于近红外光谱检测单粒花生中蔗糖含量的方法技术

本发明专利技术公开了一种基于近红外光谱检测单粒花生中蔗糖含量的方法。包括如下步骤：S1：建立蔗糖含量预测数学模型的标准样品集；S2：采用近红外光谱仪对所述标准样品集进行近红外光谱测定；S3：采用液相色谱法对标准样品集中的单粒花生种子中蔗糖含量进行测定；S4：采用偏最小二乘法建立蔗糖含量的数学模型，筛选最佳模型；S5：验证模型的准确性。本发明专利技术的检测单粒花生种子中蔗糖含量的方法，快速、准确、无损且操作简单，为高蔗糖花生品种培育提供了早期选择手段，有效加快育种进程。有效加快育种进程。有效加快育种进程。

【技术实现步骤摘要】
一种基于近红外光谱检测单粒花生中蔗糖含量的方法


[0001]本专利技术涉及花生品质速测
，特别涉及一种基于近红外光谱检测单粒花生中蔗糖含量的方法。

技术介绍

[0002]花生(Arachis hypogaea L.)是一种重要的油料与经济作物，富含脂肪、蛋白质、白藜芦醇和维生素等多种营养物质，是重要的食用油脂和蛋白质来源。我国是世界上最大的花生生产和消费国，每年用于食用或食品加工的花生约占总产量的40％。在欧美等发达国家花生的食用消费量更大，占花生总产量的90％以上。花生的口感和风味是影响食用花生品质的重要因素。研究表明，甜度、脆度、柔韧度、细腻度等是评价食用花生风味的主要指标，其中甜度是影响鲜食口感和烘烤风味的重要因素，相关系数达0.88。花生的甜度主要与其可溶性糖含量有关。花生籽仁中的可溶性糖主要包括葡萄糖、蔗糖和果糖，其中蔗糖含量约占可溶性糖总量的90％。当花生籽仁中蔗糖含量高于6％，其食用甜味明显，口感和风味俱佳。因此，培育高蔗糖含量的花生品种已成为食用花生品质改良的新目标，建立快速、高效、准确的蔗糖含量检测技术是加快育种进程的重要技术保障。
[0003]目前，蔗糖含量的检测方法主要有间苯二酚法、菲林试剂比色法、高效液相色谱法(HPLC)和气相色谱
‑
质谱法(GC
‑
MS)等，但这些方法都对种子具有破坏性，且费时费力、操作繁琐，还需要专业人员和昂贵设备，检测成本高。而近红外光谱检测技术具有成本低、无损、快速等优点，成为了许多育种家检测蔗糖含量的首选方法。花生也建立了相应的近红外检测蔗糖含量的方法，但是目前建立的方法至少需要10g花生种子作为样品，而育种家在选育新花生品种时，早期世代育种材料的样品量非常少，往往不能满足现有检测方法的样品量要求，即使进行扫描光谱也难以得到理想的结果。因此，建立可以检测单粒花生中蔗糖含量的近红外光谱检测方法迫在眉睫。

技术实现思路

[0004]针对现有技术中的缺陷，本专利技术提出了一种基于近红外光谱检测单粒花生中蔗糖含量的方法。包括如下步骤：
[0005]S1：选择有代表性的单粒花生种子作为建立蔗糖含量预测数学模型的标准样品集；
[0006]S2：采用近红外光谱仪对所述标准样品集进行近红外光谱测定，收集近红外光谱信息；
[0007]S3：采用液相色谱法对标准样品集中的单粒花生种子中蔗糖含量进行测定，所得值即为与S2中近红外光谱对应的化学值；
[0008]S4：对单粒花生中蔗糖含量的化学值和S2中采集的近红外光谱数据分别进行拟合光谱处理，采用偏最小二乘法的化学计量学方法建立蔗糖含量的数学模型，反复采用内部交叉验证剔除奇异值，通过比较模型的决定系数和标准差衡量模型质量，筛选最佳模型；
[0009]S5：验证模型的准确性。
[0010]进一步的，所述S1中标准样品集来源于128份花生种质资源，其中普通型花生26份、龙生型花生28份、珍珠豆型花生38份、多粒型花生35份、赤道型花生1份，共计384粒种子。选用的样品集包含了5种生态型的花生，覆盖面广，选用的样品更具有代表性。
[0011]进一步的，所述S2中所述近红外光谱扫描谱区范围为1100nm
‑
2500nm。一般光谱的扫描范围是仪器决定的，理论上来说光谱越宽越好，光谱越宽，可提供的与化学值相关的信息越多；光谱过窄，有可能会漏掉与化学值相关的光谱信息。
[0012]进一步的，所述S2中每个样品取1粒种子，更换角度共扫描3次，以得到同一样品的多个近红外光谱。
[0013]进一步的，所述S2的标准样品集和所述S3的标准样品集的单粒花生种子的蔗糖含量变异范围为1.4％
‑
12.9％。
[0014]进一步的，所述S4中所述蔗糖含量的数学模型的决定系数为0.913。
[0015]进一步的，所述S4中所述蔗糖含量的数学模型的根均方差为0.75。
[0016]综上，与现有技术相比，本专利技术达到了以下技术效果：
[0017]本专利技术提供的检测单粒花生种子中蔗糖含量的方法，快速、准确、无损且操作简单，为高蔗糖花生品种培育提供了早期选择手段，可以满足育种家在杂交早期就开始有针对性的选择满足要求的单粒花生种子进行繁殖，有效加快育种进程。与专利CN108801973A相比，本专利技术使用的近红外光谱扫描范围更广，本专利技术为1100nm
‑
2500nm，该专利为908nm
‑
1676nm；本专利技术使用的标准样品集覆盖范围更广，本专利技术标准样品集蔗糖含量的范围为1.4％
‑
12.9％，该专利为1.78％
‑
6.15％；本专利技术建立的预测模型更准确，本案蔗糖含量模型的决定系数为0.913，该专利的决定系数为0.87；本专利技术外部验证结果更可靠，本专利技术使用了50粒花生种子进行外部验证，且验证结果中NIR预测值与HPLC化学值的相关系数达到0.92，而该专利仅使用了10粒花生种子进行外部验证，且验证结果中NIR预测值与HPLC化学值的相关系数仅为0.75。以上结果均表明，本专利技术建立的基于近红外光谱的单粒花生蔗糖含量预测模型优于专利CN108801973A。本专利技术比CN108801973A效果更好取决于以下几个方面：(1)光谱范围宽。光谱范围宽可以提供更多信息供建模时提取使用。(2)标准样品覆盖范围广。在建模时，本专利技术样品集最高值达到12.9％，也就是说本专利技术的模型在这个范围内的预测值都是有参考的；CN108801973A的最高值仅为6.15％，当样品中蔗糖含量超出这个范围后，模型预测值与真实值的偏差会变大。把标准样品集比作数据库，数据库越大、越全，模型所做的预测越准，因为供模型参考的数据越多。而且，直观比较两个模型的参数，无论决定系数还是NIR预测值与HPLC化学值的相关系数，都表明本专利技术的模型优于CN108801973A。
附图说明
[0018]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0019]图1为本专利技术实施例1提出的标准样品集的蔗糖含量化学值分布。
[0020]图2为本专利技术实施例1提出的标准样品集的光谱分布。
[0021]图3为本专利技术实施例1提出的单粒花生蔗糖含量预测模型决定系数。
[0022]图4为本专利技术实施例2外部验证使用的单粒花生籽仁蔗糖含量的近红外预测值与化学值相关性。
具体实施方式
[0023]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于近红外光谱检测单粒花生中蔗糖含量的方法，其特征在于，包括如下步骤：S1：选择有代表性的单粒花生种子作为建立蔗糖含量预测数学模型的标准样品集；S2：采用近红外光谱仪对所述标准样品集进行近红外光谱测定，收集近红外光谱信息；S3：采用液相色谱法对标准样品集中的单粒花生种子中蔗糖含量进行测定，所得值即为与S2中近红外光谱对应的化学值；S4：对单粒花生中蔗糖含量的化学值和S2中采集的近红外光谱数据分别进行拟合光谱处理，采用偏最小二乘法的化学计量学方法建立蔗糖含量的数学模型，反复采用内部交叉验证剔除奇异值，通过比较模型的决定系数和标准差衡量模型质量，筛选最佳模型；S5：验证模型的准确性。2.根据权利要求1所述的方法，其特征在于，所述S1中标准样品集来源于128份花生种质资源，其中普通型花生26份、龙生型花生...

【专利技术属性】
技术研发人员：雷永，廖伯寿，淮东欣，胡美玲，晏立英，王欣，陈玉宁，康彦平，王志慧，
申请(专利权)人：中国农业科学院油料作物研究所，
类型：发明
国别省市：