肖愛平，冷 鵑，楊喜愛，程 毅，廖麗萍，田小蘭，聶晴嵐

（中國農(nóng)業(yè)科學院麻類研究所，湖南 長沙 410205）

1 引言

苧麻在我國有著悠久的生產(chǎn)和加工歷史，我國的苧麻產(chǎn)量占世界總產(chǎn)量的90%以上，在國際上享有“中國草（China Grass）”之美譽。其纖維有著其他纖維所不具備的優(yōu)良品質(zhì)和特性，織成的服裝更顯舒適、挺括和高雅，特別是在注重環(huán)境保護、崇尚回歸大自然的今天，苧麻產(chǎn)品將會成為人們首選的綠色產(chǎn)品之一，前景十分廣闊。

苧麻的主要化學成分為纖維素，除含有部分半纖維素、水溶物、果膠、木質(zhì)素等伴生物外，其纖維素含量在65%-75%左右。纖維素是苧麻原料應用于紡織加工的主要成分，它的含量直接決定了其原料的紡織可用價值，纖維素含量的高低是評價苧麻品質(zhì)的重要指標之一，測定纖維素的方法有多種，如：濃酸水解定糖法、硝酸-乙醇法、氯化法、酸性洗滌法等。這些方法操作比較復雜、繁瑣，且精度不高，有些方法危險性較大(如硝酸-乙醇法)。目前主要采用“GB5889-86苧麻化學成分定量分析方法”來分析苧麻纖維素含量，耗時長、效率極低，誤差較大，給大量育種材料、優(yōu)質(zhì)資源的鑒定、篩選帶來困難。因此迫切需要有一種快速、簡便的檢測方法，以滿足苧麻育種、優(yōu)質(zhì)資源快速篩選的要求。

近紅外光(Near Infrared)是指介于可見光與中紅外光之間的電磁波，波長為780—2526nm。近紅外光譜分析技術(shù)具有快速、高效、非破壞性等優(yōu)點。

有機分子中的OH、CH等基團振動光譜的倍頻及合頻吸收，以漫反射方式捕獲在近紅外區(qū)的吸收光譜，通過主成份分析、偏最小二乘法、多元線性回歸和人工神經(jīng)網(wǎng)絡等化學計量學手段，建立樣品光譜與待測成分含量間的線性或非線性關(guān)系，即建立預測模型，然后根據(jù)模型和未知樣品的光譜預測未知樣品的成分含量。

纖維素主要是由葡萄糖基以-1,4苷鍵連接起來的鏈狀高分子化合物，含有大量的C-H，O-H含氫基團使其在近紅外區(qū)域具有豐富的吸收，為近紅外技術(shù)應用于苧麻纖維素定量分析提供了依據(jù)。

本文通過化學分析方法（GB5889-1986）和近紅外光譜法，建立了苧麻纖維素含量的預測模型，采用該模型可較好地預測出苧麻粗纖維的含量。

2 材料與方法

2.1 材料準備

實驗所用材料為中國農(nóng)業(yè)科學院麻類研究所國家種質(zhì)長沙苧麻圃內(nèi)102個樣品的韌皮纖維，其中80個作為校正集樣品，22個作為驗證集樣品對模型進行驗證。用于近紅外光譜采集的苧麻樣品經(jīng)風干后粉碎，過60目篩后備用。

2.2 化學值的測定

將準備好的80個校正集樣品分別按照“GB5889-1986苧麻化學成分定量分析方法”質(zhì)量損失法測定苧麻原麻的纖維素。

2.3 原始光譜的采集

用波通(Perten)公司DA7200型近紅外光譜分析儀采集苧麻纖維的原始光譜。儀器工作參數(shù)：950nm-1650nm，采樣間隔2.0nm，掃描次數(shù)為32次(以內(nèi)部陶瓷為參考)，分辨率16cm-1。每個樣品掃描2次，重復裝樣3次，取其平均值用作近紅外光譜分析。將準備好的80個校正集苧麻樣品倒入直徑75mm的分析杯內(nèi)，表面刮平，在950nm-1650nm譜區(qū)范圍內(nèi)進行連續(xù)掃描，收集80個樣品的近紅外漫反射吸收光譜圖(原始光譜圖)。

圖1 苧麻樣品的近紅外原始光譜圖Fig．1 The original near-infrared spectroscopy of ramie samples

圖2 中心化+附加散射+一階導數(shù)處理后纖維素的光譜圖Fig.2 The spectrogram of cellulose after being treated with MC,MSC and SGl

3 預測模型建立與驗證

3.1 光譜預處理

為消除NIR光譜信號中的基線漂移、背景和光散射等各種干擾信息和噪聲，提高模型的預測精度，需對原始光譜進行預處理。該處理過程由GRAMS軟件進行，采用多元散射矯正(MSC)、導數(shù)包括一階導數(shù)(SGl)和二階導數(shù)(SG2)、標準正態(tài)變量轉(zhuǎn)換(SNV)、中心化(MC)等對光譜進行預處理，預處理后的苧麻纖維素光譜圖如圖2所示。經(jīng)過選擇不同譜區(qū)、反復計算、比較優(yōu)化之后，最后確定采用中心化、多元散射校正和一階求導相結(jié)合的方式建立預測模型。

3.2 預測模型的建立

用GRAMS軟件對建模光譜數(shù)據(jù)進行預處理后，采用偏最小二乘法(PLS)和完全交互驗證的方式，在樣品纖維素含量和光譜數(shù)據(jù)間建立預測模型，通過比較模型相關(guān)系數(shù)(R2)、交互驗證標準差(SECV)考核校正模型的實用性，然后根據(jù)R2、SECV和預測標準差(SEP)確定最優(yōu)模型。

苧麻纖維素含量與近紅外光譜之間的相關(guān)關(guān)系可由模型建立后所得的相關(guān)系數(shù)R2和交互驗證的結(jié)果來衡量，交互驗證后的得到的參數(shù)為：相關(guān)系數(shù)(R2)為0.9730，預測標準差 (SEP)為0.812。NIR預測模型相關(guān)系數(shù)越高，標準偏差越小，模型的預測效果越好，預測模型的結(jié)果如表1所示。

表1 預測模型結(jié)果Tab.1 The results of prediction model

3.3 苧麻纖維素預測模型的驗證

為了檢驗所建的預測模型實際預測效果，利用此模型對22個苧麻試樣的纖維素含量進行預測，同時用化學方法（GB5889-1986）分別測定其纖維素含量，將預測值與測定值進行比較(見表2)。結(jié)果表明22個樣品纖維素含量的預測值與化學測定值基本一致，最大相對偏差3.22%，平均相對偏差1.17%，說明模型的預測精度較高。

表2 GB/T5889-86法纖維素測定值和近紅外光譜法預測值所得結(jié)果的對比Tab.2 Comparisons between tested and predicted values of ramie cellulose contents

為了更好地表示驗證集樣品纖維素含量（化學測定值）與近紅外光譜模型預測值之間的相關(guān)性，通過繪制化學測定值和預測值之間的散點圖來表現(xiàn)兩者之間的線性相關(guān)性（圖3）。從上圖可見，苧麻纖維素近紅外光譜模型的預測值和化學分析法的測定值之間具有良好的相關(guān)性，說明用近紅外光譜預測模型快速預測苧麻的纖維素含量是可行的。

圖3 苧麻纖維素預測值與測定值相關(guān)關(guān)系Fig.3 The correlation between tested and predicted values of ramie cellulose

4 結(jié)論

本文研究建立了近紅外光譜測定苧麻纖維素含量的預測模型，該模型預測纖維素的相關(guān)系數(shù)為0.9726，預測值與化學測定值（GB5889-1986）的平均相對誤差為1.17%，利用NIRS預測苧麻纖維素含量的方法基本接近或達到了化學分析方法的精度要求。因此在實際生產(chǎn)中用近紅外光譜法快速測定苧麻纖維素含量是可行的，利用該研究預測苧麻纖維素含量可大大降低勞動強度，縮短檢測時間，其效率是常規(guī)化學方法無可比擬的。本研究為初步探討研究，預測模型有待進一步優(yōu)化和驗證。

[1]姜繁昌，邵寬．GBfr5889-1986苧麻化學成分定量分析方法[S]．北京：中國標準出版社，2000．

[2]嚴衍祿,趙龍蓮等.近紅外光譜分析基礎與應用[M].北京：中國輕工業(yè)出版社,2005:290,333,465.

[3]楊淑蕙.植物纖維化學[M].北京:中國輕工業(yè)出版社,2001:163.