本发明属于检测
技术领域：
，具体涉及一种对花生的近红外检测方法。
背景技术：
目前我国拥有8000余份花生品种资源和近300个主栽品种，为花生产业的发展奠定了坚实基础，但花生的品质指标(脂肪、蛋白质、氨基酸等)检测往往采用化学方法，检测方法费时费力，操作繁琐，需要专业人员和昂贵设备。目前主要利用近红外光谱进行无损检测，其原理是：花生中不同的有机组分在近红外光谱区的吸收波长不同，其吸收的强度与有机成分组成和含量具有相关性关系。花生品质指标(脂肪、蛋白质、氨基酸等)都含有各种含氢基团，通过对花生的近红外光谱分析，并结合相应的化学计量学方法，可以对花生品质指标进行评价。该方法具有不破坏样品，不用试剂、不污染环境、便于操作等特点。中国专利zl201210349665.4公布了近红外检测花生中蛋白质组分含量的方法；中国专利zl201210007425.6公布了近红外检测花生中氨基酸含量的方法。以上发明专利主要采用容积为100ml左右的圆筒状样品池，这类样品池需要花生样品量一般为50g-100g，适用于企业收购环节，但是育种专家选育新花生品种时，样品量非常少，往往为十几克，甚至几粒，传统的圆筒状样品池不适用于单粒花生品质测定，即使进行扫描光谱也难以得到理想的结果，而采用化学方法会严重破坏珍贵的育种材料，因此，单粒花生的快速无损测定是花生检测领域的难点和疼点之一。此外，目前的专利涉及到的近红外方法往往只能测定花生中的一种成分，无法同时测定多种组分，检测效率低。因此开同步检测单粒花生主要成分的近红外装置和方法，有利于提高我国单粒花生检测的水平，促进花生产业发展。技术实现要素：针对现有技术存在的问题，本发明的目的是提出一种利用单粒检测配件同步检测花生中主要成分的近红外方法。实现本发明上述目的的技术方案为：一种利用单粒检测配件同步检测花生中主要成分的近红外方法，其包括以下步骤：s1收集具有代表性的花生品种，用单粒花生的近红外测定装置扫描获得每个品种单粒花生的光谱信息；s2采用标准方法检测所述单粒花生的水分、脂肪、蛋白质、蔗糖和氨基酸含量；s3对所述单粒花生的光谱信息进行导数和/或去趋势预处理；s4以预处理后的单粒花生光谱信息为信息自变量，以所述的单粒花生的水分、脂肪、蛋白质、蔗糖和氨基酸含量为因变量，建立水分、脂肪、蛋白质、蔗糖和氨基酸回归模型；s5将所有模型转移到单粒花生的近红外测定装置，对未知单粒花生进行测定，即可同时得到单粒花生的各主要成分含量。其中，所述单粒花生的近红外测定装置包括了光谱采集设备和单粒检测配件，单粒检测配件底部为厚度1±0.5mm的石英玻璃材质的透光层，用于单粒花生光谱扫描。进一步地，所述单粒检测配件包括透光层和手持结构，透光层和手持结构贴合；手持结构为黑色不透明材料制成，手持结构上开有两个大小不一样的椭圆形通孔，以适于不同大小的花生颗粒；进行检测时，透光层对着近红外光谱仪的出光孔，单粒花生通孔里，通过手转动花生，实现不同位置的扫描。其中，所述近红外测定装置的波长范围为908-1676nm。进一步地，步骤s1中，将单粒花生放入单粒检测配件，扫描前先进行黑白校正；具体方法为，开始扫描时先进行暗电流扫描(黑校正)，然后用聚四氟乙烯板进行扫描(白校正)。其中，步骤s1中，每个品种的花生挑取1～5粒，每粒花生均扫描5个不同位置，将扫描得到的多个光谱值取平均值，以表示该花生品种的光谱信息。优选地，步骤s3中，成分为水分、脂肪、蔗糖、精氨酸、天门冬氨酸、亮氨酸、赖氨酸、组氨酸和缬氨酸时，采用一阶导数预处理；成分为蛋白质、苯丙氨酸、甘氨酸、酪氨酸、丝氨酸、苏氨酸、丙氨酸、异亮氨酸时，采用二阶导数预处理；成分为脯氨酸时，采用去趋势预处理。其中，步骤s4中，通过偏最小二乘法建立所述自变量和因变量的回归模型；利用留一法方法对所述偏最小二乘法回归模型进行验证。其中，步骤s4中，回归模型和留一法验证采用下述公式(1)计算相关系数rcal或rcv；用公式(2)计算标准偏差sec或secv，式(1)中，xi为第i个样品近红外方法预测值，是预测值的平均值；yi为第i个样品标准方法的测定值，是测定值的平均值；n为两个变量的样本值的个数；样本为校正集时，r为rcal；样本为留一法验证时，r为rcv；式(2)中，xi为校正集第i样品近红外方法的预测值，yi为校正集第i样品常规方法的测定值，n为校正集的样品数；当xi为留一法验证第i样品近红外方法的预测值时，n为留一法验证的样品数，则公式(2)sec表示的是secv。本发明收集了我国主栽地区(河北、山东和河南等)主栽品种花生，如：白沙1016、海花1号、远杂9102、丰花1号、鲁花11号、鲁花9号，花育19号等，对收集的花生样品无需进行任何的预处理，利用单粒花生的近红外测定装置采集单粒花生光谱数据，同时利用国标方法测定水分、脂肪、蛋白质、蔗糖和氨基酸含量，对光谱数据进行求导等预处理，并利用偏最小二乘法建立图像中光谱信息与水分、脂肪、蛋白质、蔗糖和氨基酸含量的回归模型。与现有技术相比，本发明具有以下优点和有益效果:1、本发明通过单粒花生的近红外测定装置实现了快速测定单粒花生水分、脂肪、蛋白质、蔗糖和氨基酸含量，满足了育种家筛选种质资源的要求，提高了检测效率。2、花生样品无需进行任何预处理，无破坏性，不使用任何试剂，保护环境，操作快速简单、避免了人为因素的干扰，测定结果更加高效，客观。3、通过收集近5年来全国花生主栽地区主栽品种，克服了地区的差异、品种的差异和时间的差异，使本发明方法能够涵盖了全国绝大多数品种，适用范围广。附图说明图1为本发明同步检测单粒花生中主要成分的近红外方法的流程图；图2为单粒花生的近红外检测配件的立体图；其中，100为透光层，110为通孔，111为大通孔，112为小通孔，120为手持结构。图3为实施例1单粒花生的平均光谱。具体实施方式以下实施例用于说明本发明，但不用来限制本发明的范围。以下实验方法中如无特殊说明，均为常规方法。所用的材料、试剂等，如无特殊说明，均可从商业途径得到。实施例所用单粒花生的近红外测定装置，其光谱仪，光谱范围为908～1676nm，单粒检测配件(图2)底部为1mm厚的石英玻璃材质的透光层100，透光层和手持结构贴合；手持结构120为黑色不透明材料制成，手持结构120上开有两个椭圆形通孔110，分别是大通孔111和小通孔112。进行检测时，透光层100对着近红外光谱仪的出光孔，单粒花生根据大小选择放入一个通孔，通过手转动花生，实现不同位置的扫描。以下实施例中光谱数据的分析处理均由挪威camo公司出售的化学计量学软件theunscrambler10.3中完成。实施例1本实施例提供一种利用单粒检测配件同步检测花生中主要成分的近红外方法，该方法的流程如图1，具体包括以下步骤：s1收集我国主栽省份主栽花生样品120个品种，从每个品种中挑选3粒饱满、无霉变的花生仁，用单粒花生的近红外测定装置扫描获得每粒花生上5个位置的光谱信息，重复扫描同一品种3粒花生，取3粒花生光谱的平均值作为该品种的光谱信息(多个花生品种的平均光谱如图3，图3中横坐标为光谱值，纵坐标为反射值)。每次扫描前，先进行黑白校正，采集暗电流和聚四氟乙烯参考板光谱信息。s2对上述不同品种花生样品的光谱信息进行求导等预处理。导数处理可以有效地消除基线和其他背景的干扰，分辨重叠峰，提高分辨率和灵敏度，去趋势可以用来消除漫反射光谱的基线漂移。经过多次实验，计算各种预处理方法后的rcal(cv)值和sec(secv)值，取rcal(cv)值最大且sec(secv)值最小的为宜；选定的不同成分建模所采用的光谱预处理方法见表1。表1单粒花生不同成分建立所采用的光谱预处理方法s3分别采用国标gb5009.3-2016、gb5009.6-2016、gb5009.5-2016、gb5009.8-2016和gb5009.124-2016推荐方法测定花生样品的水分、脂肪、蛋白质、蔗糖和氨基酸含量，每个品种重复测定三次，取平均值。s4以所述花生样品的预处理后的平均光谱为自变量，以花生样品的主要成分含量为因变量，通过偏最小二乘法建立自变量和因变量的偏最小二乘法回归模型。然后进行留一法验证，采用下述公式(1)计算相关系数(rcal或rcv)；公式(2)计算标准偏差(sec或secv)，结果见表1。式(1)中，xi为第i个样品近红外方法预测值，是预测值的平均值；yi为第i个样品常规方法的测定值，是测定值的平均值；n为两个变量的样本值的个数。如果样本为校正集，则r为rcal；如果为留一法验证，则r为rcv。式(2)中，xi为校正集第i样品近红外方法的预测值，yi为校正集第i样品常规方法的测定值，n为校正集的样品数。如果xi为留一法验证第i样品近红外方法的预测值，n为留一法验证的样品数，则公式(2)表示的是secv。表2单粒花生主要成分回归模型参数成分范围(g/100g)rcalsecrcvsecv水分4.26～6.840.830.330.740.42脂肪40.70～57.470.881.570.831.83蛋白质17.06～29.620.821.440.761.63蔗糖1.78～6.150.870.510.750.68精氨酸2.04～3.990.770.280.720.31天门冬氨酸2.25～4.250.760.300.700.33苯丙氨酸0.95～1.830.780.120.720.13甘氨酸1.11～2.250.700.160.640.17亮氨酸1.18～2.270.790.140.660.18酪氨酸0.63～1.600.730.150.640.17脯氨酸0.71～1.460.770.100.650.12丝氨酸0.98～1.860.720.140.630.16赖氨酸0.74～1.300.650.080.550.08苏氨酸0.50～0.880.630.060.570.07丙氨酸0.63～1.370.610.120.520.13组氨酸0.46～0.820.640.050.520.05缬氨酸0.73～1.380.760.080.680.09异亮氨酸0.58～1.110.750.070.660.08s5选择10个未知花生样品，按照上述光谱扫描方法采集光谱，并利用上述模型对花生成分进行预测，结果如表3-表20所示。表3水分含量预测表4脂肪含量预测名称化学值平均值偏差样品148.351.09-2.79样品245.946.91-1.01样品346.146.18-0.08样品444.848.40-3.60样品547.345.811.49样品644.647.53-2.93样品746.843.473.33样品845.350.73-5.43样品944.945.04-0.14样品1054.348.935.37表5蛋白质含量预测名称化学值平均值偏差样品123.221.681.52样品223.422.271.13样品321.722.42-0.72样品423.621.132.47样品523.222.480.72样品621.822.02-0.22样品724.623.401.20样品825.824.401.40样品922.921.801.10样品1022.018.363.64表6蔗糖含量预测名称化学值平均值偏差样品13.603.49-0.11样品23.203.910.71样品34.144.02-0.12样品43.534.030.5样品53.954.440.49样品65.184.80-0.38样品74.164.720.56样品83.453.970.52样品94.154.440.29样品103.774.200.43表7精氨酸含量预测名称化学值平均值偏差样品13.073.410.34样品23.123.430.31样品33.273.320.05样品43.153.180.03样品53.23.390.19样品62.953.230.28样品73.343.23-0.11样品83.533.710.18样品93.13.06-0.04样品102.73.450.75表8天门冬氨酸含量预测名称化学值平均值偏差样品13.063.500.43样品23.163.330.17样品33.283.25-0.02样品43.233.310.08样品53.143.250.11样品62.923.300.39样品73.313.24-0.07样品83.623.720.10样品93.113.10-0.01样品102.713.630.92表9苯丙氨酸含量预测名称化学值平均值偏差样品11.331.21-0.12样品21.71.39-0.31样品31.711.34-0.37样品41.61.14-0.46样品51.731.42-0.31样品61.091.260.17样品71.491.27-0.22样品81.721.48-0.24样品91.581.22-0.36样品101.021.260.24表10甘氨酸含量预测表11亮氨酸含量预测名称化学值平均值偏差样品11.892.130.24样品21.932.020.09样品32.031.88-0.15样品422.070.07样品51.982.000.02样品61.841.960.12样品72.112.300.19样品82.222.250.03样品91.931.79-0.14样品101.71.820.12表12酪氨酸含量预测名称化学值平均值偏差样品11.061.100.04样品21.050.99-0.06样品31.110.94-0.17样品41.141.04-0.10样品51.091.00-0.10样品61.020.97-0.05样品71.111.01-0.10样品81.251.13-0.12样品91.061.090.03样品100.891.140.25表13脯氨酸含量预测表14丝氨酸含量预测名称化学值平均值偏差样品11.361.370.01样品21.411.23-0.18样品31.461.22-0.23样品41.451.27-0.18样品51.381.21-0.17样品61.301.390.09样品71.441.38-0.05样品81.571.50-0.07样品91.321.27-0.05样品101.191.450.26表15赖氨酸含量预测名称化学值平均值偏差样品11.000.97-0.03样品20.950.990.04样品31.010.95-0.06样品41.110.95-0.16样品51.040.97-0.07样品60.990.97-0.03样品71.110.99-0.12样品81.241.08-0.17样品91.060.97-0.10样品100.941.050.11表16苏氨酸含量预测名称化学值平均值偏差样品10.680.740.05样品20.700.770.07样品30.710.740.03样品40.750.75-0.01样品50.700.730.03样品60.680.720.04样品70.720.790.07样品80.800.810.01样品90.700.720.02样品100.610.770.16表17丙氨酸含量预测名称化学值平均值偏差样品11.021.120.10样品21.051.180.13样品31.091.08-0.01样品41.101.120.02样品51.051.050.00样品61.011.120.11样品71.111.200.09样品81.201.250.05样品91.070.99-0.08样品100.911.110.20表18组氨酸含量预测名称化学值平均值偏差样品10.610.660.06样品20.620.680.07样品30.640.660.02样品40.660.65-0.01样品50.630.650.02样品60.580.680.10样品70.650.720.07样品80.700.740.04样品90.620.61-0.01样品100.540.710.17表19缬氨酸含量预测名称化学值平均值偏差样品11.000.93-0.07样品20.951.000.04样品31.011.040.03样品41.110.91-0.20样品51.041.00-0.05样品60.990.97-0.03样品71.111.110.01样品81.241.14-0.10样品91.060.93-0.13样品100.941.040.10表20异亮氨酸含量预测比较标准方法测得的化学值和本检测方法得到的平均值，可见偏差为0.05～1.5，本方法的可靠性很高。采用本近红外方法，一个单粒花生的检测时间只需要5min，操作简单，不破坏样品，无需复杂的样品预处理，具有方便、快捷的优势。虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。当前第1页12