本发明属于花生加工品品质速测技术领域，具体涉及一种检测花生种子总维生素E含量的近红外光谱模型及应用。
背景技术：
花生是世界上主要的油料作物，也是优质植物油和高消化率蛋白质的重要来源。维生素E是一种天然抗氧化剂，是机体重要的脂溶性维生素，具有增强免疫力、延缓衰老、降低心血管疾病和癌症发病率的功效。花生中含有维生素E，有研究发现兰娜型品种榨取的花生油稳定性较强，推测原因在于其含有较多的维生素E。提高花生种子中维生素E含量，不仅与人体健康息息相关，而且可能会有助于延长花生制品的货架期。
维生素E的传统测定方法包括荧光光谱法、高效液相色谱法、蔽塞法、气相色谱法等，成本高、费时间、有一定破坏性，这也在一定程度上阻碍了花生高维生素E育种的开展，而近红外技术具有成本低、无损、快速等优点。近红外技术已应用于多种作物的品质改良，在花生上已成功建立了能准确预测油酸、脂肪、蛋白含量的近红外模型，但类似的花生维生素E含量近红外模型迄今未见报道。
技术实现要素：
本发明目的是利用近红外仪，对花生种子总维生素E含量进行准确定量。其中所述花生种子总维生素E含量指的是α-生育酚、γ-生育酚和-δ生育酚含量之和。
为了达到上述目的，本发明的技术方案为：
一种检测花生种子总维生素E含量的近红外光谱模型，由以下方法构建而成：
(1)收集不同品种的花生样品，日光干燥；
(2)对上述花生样品进行近红外光谱测定，收集近红外光谱信息；
(3)检测所有花生样品的总维生素E含量，获得总维生素E含量的化学值；
(4)对总维生素E含量的化学值和(2)中采集的近红外光谱数据进行拟合光谱处理，用偏最小二乘法优化建立模型，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(R2)和根均方差(RMSECV)衡量模型质量，筛选最佳模型；
(5)验证模型的准确性。
在上述方案的基础上，所述近红外光谱扫描参数为：扫描谱区范围4000～12000cm-1(厘米波数)，扫描次数64次，分辨率8cm-1。
在上述方案的基础上，所述的花生样品为：
在上述方案的基础上，所述花生样品总维生素E含量的化学值与预测值为：
在上述方案的基础上，所述模型的最佳光谱预处理方法为“一阶导数+多元散射矫正”，谱区范围为7506～6094.3cm-1、5454～4242.8cm-1，维数为8，模型的R2为88.34，RMSECV为0.423。
在上述方案的基础上，所述近红外光谱扫描，每个样品30-50粒，重复扫描3次，并且第二次和第三次扫描时要将花生倒出重新装入样品杯中，以得到同一样品的多个近红外光谱。
上述检测花生种子总维生素E含量的近红外光谱模型在花生种子总维生素E含量检测中的应用。
一种检测花生种子总维生素E含量的方法，步骤如下：
(1)将待测花生样品装入圆形样品杯中；
(2)对样品逐个进行扫描，近红外光谱扫描参数为：扫描谱区范围4000～12000cm-1(厘米波数)，扫描次数64次，分辨率8cm-1；
(3)将(2)采集到的待测花生种子近红外光谱数据导入上述近红外光谱模型得出花生总维生素E含量。
本发明的有益效果：
本发明提供的检测花生种子总维生素E含量的近红外光谱模型，能够快速、准确、无损的检测花生中总维生素E的含量，且操作简单、准确性高，采用野生花生样品检查该模型的预测效果发现：总维生素E含量偏差为-0.59～0.76mg/100g。对预测值与化学值进行成对数据t测验，两组数据均值差为0.101，自由度为5，t值为0.545<t0.05＝2.571，两组数据差异不显著。
本发明所构建的自然风干的花生种子总维生素E含量近红外模型R2较高，RMSECV较小，预测效果较好，为鉴定高维生素E花生自然和诱发突变体，研究花生总维生素E含量的遗传规律、杂种优势和配合力，以及培育高维生素E花生品种提供了新的技术手段。
近红外光谱模型对样品的预测效果取决于建立模型时所用的数据。而且，建立近红外光谱模型并不是使用的样本数越多越好，随着建模样本数的增加，模型中所引入的干扰因素及异常误差就会增多，过多的干扰信息会掩盖有用信息，降低模型性能。本发明选择的花生样本数量适宜，不同品种间的契合度较好，所构建的模型预测花生种子总维生素E含量误差小，准确度高。
附图说明
图1花生样品的近红外扫描光谱图，其中横坐标代表厘米波数(cm-1)，纵坐标代表吸光度；
图2总维生素E含量的近红外预测值与化学值散点图，其中横坐标代表化学值，纵坐标代表预测值。
具体实施方式
在本发明中所使用的术语，除非有另外说明，一般具有本领域普通技术人员通常理解的含义。
下面结合具体实施例，并参照数据进一步详细的描述本发明。以下实施例只是为了举例说明本发明，而非以任何方式限制本发明的范围。
实施例
以下以德国布鲁克公司生产的MATRIX-I型近红外仪为例说明，但该专利适用范围也包括其他厂商的类似产品。
1.材料与方法
1.1材料
构建总维生素E模型所用的试验材料，系来自国内外的花生品种(系)，共计42份，如表1所示。
表1 构建花生维生素E含量近红外模型所用花生种子样品
1.2方法
1.2.1光谱采集
建模所用的光谱数据在德国布鲁克光谱仪器公司生产的Matrix-Ⅰ型傅立叶变换近红外光谱仪上采集。扫描谱区范围为4000～12000cm-1(厘米波数)，扫描次数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，重复扫描3次。花生样品的近红外光谱扫描结果如图1所示。
1.2.2总维生素E含量测定
采用HPLC法测定42份花生籽粒样品中的总维生素E含量，样品化学值相关参数见表2。总维生素E含量均值为10.97mg/100g，最大、最小值分别为17.10mg/100g、8.21mg/100g。表明建模花生样品总维生素E含量变幅尚可，可用于近红外光谱模型构建。
表2花生种子总维生素E含量化学值相关统计参数
1.2.3模型构建与优化
光谱处理和模型构建采用德国布鲁克Matrix-Ⅰ型近红外光谱仪的OPUS 5.5软件，用NIR选项进行优化。用偏最小二乘法(PLS法)优化建立模型，采用内部交叉验证剔除奇异值(outlier)。选择最佳光谱预处理办法、最佳谱区、维数，并作进一步验证。通过比较模型的决定系数(R2)和根均方差(RMSECV)衡量模型质量。各样品花生的化学值与预测值如表3所示。
表3各样品花生总维生素E含量的化学值和预测值
经过优化，花生种子总维生素E含量的最佳光谱预处理方法为“一阶导数+多元散射矫正”。谱区范围为7506～6094.3cm-1、5454～4242.8cm-1，维数为8，模型的R2为88.34，RMSECV为0.423(图2)。
1.2.4模型的验证
另取6份外部花生样品(均为野生种样品)，检验模型预测效果，结果如表4所示。总维生素E含量偏差为-0.59～0.76mg/100g。对化学值与预测值进行成对数据t测验，两组数据均值差为0.101，自由度为5，t值为0.545<t0.05＝2.571，两组数据差异不显著。尽管野生种样品未参与建模，且与栽培种花生子仁大小差别较大，也取得了较好的预测效果。
表4花生种子样品总维生素E含量化学值与预测值比较
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。