花生是世界重要的油食兼用作物和經濟作物,營養保健價值極高,經常食用能顯著降低全因死亡率,素有“長生果”之美譽。近年來我國經濟高速發展,人民生活水平提高,花生食用消費量呈逐年增多趨勢(目前已有超過40%用作食用),對花生品質要求也越來越高。 

近紅外技術已廣泛應用于作物品質改良。花生上早已成功建立了能夠快速準確預測油酸、脂肪、蛋白質以及維生素E等成分含量的近紅外模型。但這些只能得到花生的營養指標，不能代表花生感官品質。因此構建針對花生食用感官品質的多粒近紅外模型,能夠為食用花生感官品質遺傳改良提供快速、便捷的選擇手段。構建生花生仁、烤花生仁感官評價模型所用的試驗材料共計31份,均系山東省花生研究所育成的花生品種(系),其中包括不同親本來源、不同種皮顏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。

光譜采集

在德國Bruker光譜儀器公司生產的Matrix-F型傅里葉變換近紅外光譜儀上采集多粒生花生仁光譜數據。光譜儀掃描譜區范圍為4000~12000cm^-1(厘米波數),掃描次數為64次,分辨率為8cm^-1。開機預熱30min后檢測樣品。采集光譜所用花生種子為自然日光干燥的樣品,每份材料約30~50粒,每次混合后隨機取樣,掃描3次。

生花生仁和烤花生仁感官評價

選取重復能力、識別能力強的7人組成感官品質評定小組。試驗樣品重新標號,按隨機區組設計,每份樣品每人品嘗3~5粒,按1~5級就顏色(1級為顏色*深,5級為顏色*淺)、脆性(1級為*脆,5級為*不脆)、細膩度(1級為*細膩,5級為*粗糙)、甜味(1級為*甜,5級為甜味*弱)、苦味(1級為*苦,5級為苦味*弱)、烤花生味(1級為烤花生味*強,5級為烤花生味*弱)、異味(1級為異味*強,5級為異味*弱)、總體喜歡度(1級為*喜歡,5級為*不喜歡)等感官評價指標逐項打分,每品嘗完一個樣品后,用溫開水漱口,再品嘗下一個樣品。

模型構建與優化

光譜處理和模型構建采用德國Bruker Matrix-F型近紅外光譜儀自帶OPUS軟件,用NIR選項自動尋優。采用內部交叉驗證剔除奇異點。選擇*佳光譜預處理辦法、*佳譜區、維數,并作進一步驗證。通過比較樣品預測值與化學值的決定系數(R²)和標準差(RMSECV)衡量模型品質。生花生仁近紅外光譜見圖1。經感官評價,各感官指標變幅較寬,符合建立近紅外模型的要求(表2)。

生花生近紅外模型的建立

經自動優化,生花生脆性的*佳光譜預處理方法為“一階導數+多元散射矯正”。譜區范圍為7506~4243cm^-1,維數為8,模型的R²為83.6,RMSECV為0.227(圖2)。

經自動優化,生花生甜味的*佳光譜預處理方法為“一階導數+多元散射矯正”。譜區范圍為7506~5446cm^-1,4605~4243cm^-1,維數為8,模型的R²為89.02,RMSECV為0.137(圖3)。

經自動優化,生花生細膩度*佳光譜預處理方法為“一階導數+多元散射矯正”。譜區范圍為11988~6094cm^-1,5454~4243cm^-1,維數為7,模型的R²為90.92,RMSECV為0.102(圖4)。

烤花生近紅外模型的建立

經自動優化,熟花生脆性*佳光譜預處理方法為“一階導數+多元散射矯正”。譜區范圍為7506~6472cm^-1,4605~4243cm^-1,維數為8,模型的R²為88.29,RMSECV為0.161(圖5)。

經自動優化,烤花生仁細膩度*佳光譜預處理方法為“一階導數+多元散射矯正”。譜區范圍為11988~7498cm^-1,4605~4243cm^-1,維數為6,模型的R²為76.97,RMSECV為0.154(圖6)。

結論

依托德國Bruker光譜儀器公司生產的Matrix-F型傅里葉變換近紅外光譜儀**構建了花生感官品質近紅外模型,生花生仁脆性、甜味、細膩度以及烤花生脆性近紅外模型R²均在83以上,RMSECV均低于0.23,模型品質較高?？净ㄉ始毮伓饶Ｐ蚏²在75以上,低于80,可滿足初步篩選的需要。構建的兩個烤花生仁近紅外模型在實際上證明了可以用生花生近紅外光譜預測烤花生仁的感官品質(脆性和細膩度)。鑒于目前花生干燥后進行近紅外掃描已經成為生化品質篩選的常規手段,有了這些新的模型,將可以使花生種子無損地獲得生化指標的同時,在不需要一一品嘗的情況下,還能得到一些有價值的感官品質指標,可大大提高篩選速率。而隨著優異材料的獲取,可望進一步充實模型?；ㄉ泄倨焚|近紅外模型的應用,將會對食用花生感官品質育種發揮積極的促進作用。