張園 趙遠(yuǎn)程 姜文艷 李偉 王能軍

摘要：大豆中包含諸多營養(yǎng)物質(zhì)，是我國植物油主要來源之一，同時(shí)還可將其制作成豆制品及飼料，是國家關(guān)鍵經(jīng)濟(jì)作物及最大進(jìn)口量農(nóng)產(chǎn)品。伴隨我國大豆產(chǎn)量逐步提升，其品質(zhì)標(biāo)準(zhǔn)及檢測(cè)價(jià)值逐步突顯，現(xiàn)階段檢驗(yàn)主要依靠人眼識(shí)別及化學(xué)檢測(cè)技術(shù)，但均不適合運(yùn)用在大規(guī)模檢測(cè)中，而光譜分析及成像技術(shù)中涉及化學(xué)計(jì)量學(xué)方式，能夠查看農(nóng)作物中各種成分含量。本文將對(duì)大豆品質(zhì)標(biāo)準(zhǔn)及檢測(cè)技術(shù)進(jìn)行研究，從而使此項(xiàng)工作高效完成。

關(guān)鍵詞：大豆品質(zhì) 標(biāo)準(zhǔn) 檢測(cè)技術(shù)

引 言

近年來，在我國大豆產(chǎn)業(yè)逐步發(fā)展進(jìn)程中，光譜分析和光譜成像技術(shù)已被廣泛使用到大豆品質(zhì)檢測(cè)技術(shù)的各環(huán)節(jié)中，其能夠融合化學(xué)計(jì)量學(xué)模式，查驗(yàn)大豆物質(zhì)成分實(shí)際含量。同時(shí)此項(xiàng)技術(shù)有著速度快、精準(zhǔn)度高、無損壞研究等特點(diǎn)，可與被測(cè)物質(zhì)間形成數(shù)學(xué)關(guān)聯(lián)，從中取得被檢測(cè)樣品最終結(jié)果，已經(jīng)大規(guī)模應(yīng)用到瓜果蔬菜、肉類、茶葉及其他農(nóng)作物品質(zhì)檢測(cè)中，且得到一定認(rèn)可。

一、大豆品質(zhì)標(biāo)準(zhǔn)

依據(jù)國家標(biāo)準(zhǔn)，按照顏色可將大豆分為黃、青、黑類大豆和其他大豆以及飼料豆，同時(shí)針對(duì)互相混合限度及雜大豆做出明確規(guī)定。上述大豆根據(jù)其純糧率可劃分成五個(gè)等級(jí)，一到五等級(jí)最低標(biāo)準(zhǔn)分別為：96.0%、93.5%、91.0%、88.5%、86.0%，且雜質(zhì)1.0%，水分東北及華北地區(qū)均是13.0%，我國其他地區(qū)14.0%，并要求色澤氣味正常。此外還提出：第一，各品種大豆應(yīng)將3等作為中等標(biāo)準(zhǔn)，若低于5等則視作等外大豆；第二，大豆外皮脫離、子葉保持完整且種皮存在白蒲并沒有損害子葉的都是好粒；第三，所收取大豆水分而定最大限額與大豆正常儲(chǔ)存水分標(biāo)準(zhǔn)，由各省、自治區(qū)、直轄市制定；第四，衛(wèi)生標(biāo)準(zhǔn)和動(dòng)植物檢疫項(xiàng)目必須遵循國家有關(guān)規(guī)定實(shí)施。

二、大豆品質(zhì)標(biāo)準(zhǔn)及檢測(cè)技術(shù)

（一）水分檢測(cè)

大豆中水分含量影響儲(chǔ)藏時(shí)長形成，是鑒定大豆品質(zhì)的核心指標(biāo)，有專家借助近紅外光譜儀，收集我國各區(qū)域大豆近紅光譜信息154份，創(chuàng)建出的水分模型具有較高預(yù)測(cè)作用。同時(shí)還有國外學(xué)者采用傅里葉近紅光譜技術(shù)，針對(duì)上百份巴西大豆水分以及營養(yǎng)物質(zhì)含量實(shí)施預(yù)測(cè)，使用MSC、SNC等技術(shù)，有效處理平均光譜，同時(shí)構(gòu)建預(yù)測(cè)模型，對(duì)于大豆中水分及蛋白質(zhì)預(yù)測(cè)效果較為明顯。我國專家積極探索大豆水分及粗脂肪含量檢測(cè)，創(chuàng)設(shè)出MSC-PLSR及Nor-PLSR兩個(gè)模型，能夠分別定量且有效研究出水分及粗脂肪總量，從中得出的相應(yīng)系數(shù)是0.9055及0.9295。為使預(yù)測(cè)結(jié)果真實(shí)有效，上述研究內(nèi)容均將大豆樣品實(shí)施粉碎，但針對(duì)大豆整體及單粒水分測(cè)驗(yàn)，還需要不斷分析鉆研，其中光譜波段保持在400nm至2500nm間，通常情況下使用PLS模型^[1]。

（二）蛋白質(zhì)和脂肪檢測(cè)

蛋白質(zhì)和脂肪含量是作為判斷大豆質(zhì)量優(yōu)劣的兩個(gè)關(guān)鍵指標(biāo)，在以往對(duì)其進(jìn)行檢測(cè)時(shí)，通常采用凱氏定氮技術(shù)及索氏抽提技術(shù)，檢測(cè)結(jié)果精確度高，然而也有著操作繁雜、損害樣品和污染環(huán)境等不定之處。這兩種營養(yǎng)物質(zhì)在近紅外區(qū)具有充足吸收普帶，能夠呈現(xiàn)特有光譜特點(diǎn)，因此，現(xiàn)階段在對(duì)其檢測(cè)時(shí)較常應(yīng)用近紅外光譜技術(shù)。我國學(xué)者研究數(shù)學(xué)處理方法、去散射校正技術(shù)回歸方法等對(duì)模型精確性的影響因素，從而構(gòu)建出大豆蛋白質(zhì)及粗脂肪含量近紅外預(yù)測(cè)模型；還有學(xué)者通過二階導(dǎo)數(shù)及Norris導(dǎo)數(shù)濾波技術(shù)針對(duì)近紅外光譜數(shù)據(jù)展開預(yù)處理，同時(shí)對(duì)大豆干物質(zhì)、粗蛋白質(zhì)和脂肪等分別構(gòu)建PLS預(yù)測(cè)模型，針對(duì)上述前三種物質(zhì)在大豆中含量具有比較精確的預(yù)測(cè)結(jié)果，而針對(duì)最后一種物質(zhì)含量測(cè)量精準(zhǔn)性需要提升。

（三）營養(yǎng)成分檢測(cè)

1. 脂肪酸。大豆中脂肪酸種類較多，且其含量和配比直接影響著大豆油質(zhì)量，也決定著大豆油營養(yǎng)成分、儲(chǔ)藏及加工，由此可知，對(duì)此進(jìn)行有效檢測(cè)是大豆培育新品種過程中，選擇優(yōu)質(zhì)種子及大豆油加工的核心因素。在過去對(duì)其檢測(cè)時(shí)，通常使用高效液相色譜法及氣相色譜法，然而這兩種技術(shù)需要大量時(shí)間、再加上成本較高，無法滿足大批量樣品檢測(cè)需求。對(duì)此部分相關(guān)專業(yè)專家及學(xué)者針對(duì)此進(jìn)行光譜檢測(cè)技術(shù)的研究，其中有學(xué)者收集黑龍江省各區(qū)域大豆樣品二十多種的光譜信息，并借助多元性回歸算法及偏最小二乘法構(gòu)建立定標(biāo)模型，同時(shí)分別結(jié)合傳統(tǒng)檢測(cè)方式得出脂肪酸最終含量，這兩項(xiàng)檢測(cè)技術(shù)相關(guān)性是95.63%，差距是0.378。國外專家借助近紅外光譜法針對(duì)大豆子葉中包含的各種氨基酸含量實(shí)施定量研究，在這五種含量中成功檢測(cè)出其中四種含量。此外還有層析法及氣相色譜法，前者即便檢測(cè)成本較低，然而由于較難定量，因此較少應(yīng)用，而后者也是主要應(yīng)用方式，其屬于一種較為準(zhǔn)確的測(cè)量技術(shù)，同時(shí)還是國際及國家規(guī)準(zhǔn)方法，應(yīng)用較為廣泛，其主要工作原理就是：首先將大豆油中脂肪酸甘油酯轉(zhuǎn)變成脂肪酸甲酯，并將樣品放到氣化室中進(jìn)行氣化，其伴隨流動(dòng)相融入色譜柱，在通過固定相時(shí)，因其各組分在性質(zhì)與結(jié)構(gòu)方面有著一定差異，在上述部分停留時(shí)間不相同，就會(huì)按照相應(yīng)次序從中流出，進(jìn)而融入到檢測(cè)器中實(shí)施檢測(cè)、分離及研究各組分。按照色譜峰滯留時(shí)長定性，且遵循大豆油樣品色譜峰面積，判定各脂肪酸含量，最后依據(jù)樣品色譜峰及外表色譜峰兩者面積明確決定含量^[2]。

2. 異黃酮。光譜分析及成像技術(shù)能夠精準(zhǔn)檢測(cè)總異黃酮含量，然而對(duì)其各組分無法清晰預(yù)測(cè)，我國部分學(xué)者嘗試著檢測(cè)傅里葉近紅外光譜查看大豆中總異黃酮可操作性，但由于各異黃酮組分的近紅外模型系數(shù)都小于0.75，無法進(jìn)行精準(zhǔn)檢測(cè)。還有研究人員根據(jù)高光譜成像技術(shù)，找到大豆高光譜成像，并從中搜集到光譜數(shù)據(jù)，挑選出特征波長后，借助支持矢量回歸計(jì)算方式，構(gòu)建其含量預(yù)測(cè)模型，最終效果較為理想。國外專家通過近紅外光譜儀收集三千兩百個(gè)單粒大豆光譜信息，構(gòu)建最優(yōu)預(yù)測(cè)模型，其中總皂苷成分檢測(cè)效果較差，但總異黃酮總量檢測(cè)效果較為優(yōu)良。

3. 氨基酸。經(jīng)常使用的氨基酸檢測(cè)技術(shù)大致有兩種類型：其一是氨基酸分析儀測(cè)定技術(shù)，其主要工作原理就是借助氨基酸專用分析儀進(jìn)行分離，隨后針對(duì)衍生出的反映實(shí)施檢測(cè)，其結(jié)果精準(zhǔn)性較高，同時(shí)也是當(dāng)前國家標(biāo)準(zhǔn)及ISO規(guī)準(zhǔn)模式，然而由于此儀器價(jià)格極為昂貴，且使用途徑單一，通常實(shí)驗(yàn)室較少引進(jìn)，因此，使用頻次較少；其二是高效液相色譜法，國內(nèi)專家利用傅里葉近紅外光譜技術(shù)針對(duì)通過高效液相色譜法研究的接近200份大豆的18種氨基酸總量實(shí)施預(yù)測(cè)，從中得到此種方式能夠?qū)偭枯^多的15種氨基酸展開精準(zhǔn)檢測(cè)，但對(duì)含量較少的3種氨基酸檢測(cè)成效不佳^[3]。

4. 膳食纖維。國外學(xué)者以傳統(tǒng)檢測(cè)模式作依據(jù)，通過VIP算法選用變量后，借助近紅外光譜信息構(gòu)建的PLS模型，能夠精準(zhǔn)測(cè)量出巴西大豆總膳食纖維含量。

5. 磷脂和花青素。部分學(xué)者借助近紅外光譜技術(shù)查看大豆磷脂實(shí)際含量，通過偏最小二乘回歸技術(shù)構(gòu)建光譜與磷脂成分濃度間的模型，還有專家采用傅里葉近紅外光譜及其紅外光譜技術(shù)，高效檢測(cè)出單顆大豆總花青素及其他種類此營養(yǎng)成分總量。

（四）大豆品種檢測(cè)

我國大豆種類繁多，精準(zhǔn)、迅速判定大豆品種對(duì)確保農(nóng)民利益、檢測(cè)種子品質(zhì)和確保國家糧食食品安全至關(guān)重要，國內(nèi)諸多此領(lǐng)域?qū)W者針對(duì)大豆品種鑒定進(jìn)行深層次研究。分析范圍大多是在400nm到1000nm波段之間，且較常使用高光譜成像技術(shù)，其中反向傳播神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)等模型對(duì)其檢測(cè)結(jié)果精準(zhǔn)性較好，經(jīng)常應(yīng)用到的模型就是前者，然而其所建立的模型需針對(duì)特定品種，且還需正確調(diào)整及多次使用檢驗(yàn)后，才可對(duì)其他品種進(jìn)行檢測(cè)。我國學(xué)者對(duì)大豆育種環(huán)節(jié)中早代快速篩選問題展開研究，圍繞SIMCAN技術(shù)對(duì)單顆種粒紅外光譜信息創(chuàng)設(shè)立定性研究模型，可精準(zhǔn)判別墾鑒豆43及中黃13型大豆種子。此外還有學(xué)者收集10類品種大豆高光譜圖像，并對(duì)其實(shí)施預(yù)處理從中獲得特殊波長，察覺到MSC-CARS-EL模型判定準(zhǔn)確率最高。

（五）轉(zhuǎn)基因及非轉(zhuǎn)基因檢測(cè)

一直以來轉(zhuǎn)基因大豆安全性受到國民高度重視，鉆研轉(zhuǎn)基因和非轉(zhuǎn)基因大豆的判定及檢測(cè)技術(shù)有著極為關(guān)鍵的意義及影響。我國學(xué)者對(duì)大豆近紅外反射光譜信息展開預(yù)處理，創(chuàng)設(shè)出PCA-反向傳播神經(jīng)網(wǎng)絡(luò)模式，對(duì)22個(gè)大豆樣品進(jìn)行檢測(cè)，準(zhǔn)確率高達(dá)100%，然而這其中僅僅是對(duì)單一轉(zhuǎn)基因大豆種類實(shí)施鑒定；還有學(xué)者對(duì)非轉(zhuǎn)基因大豆親本和其轉(zhuǎn)基因大豆種類展開鑒定，借助近紅外光譜成像技術(shù)，根據(jù)預(yù)處理和未預(yù)處理全譜、特征波長創(chuàng)設(shè)出PLS-DA模型，獲得較高鑒定成功率。然而因研究包含的轉(zhuǎn)基因大豆種類比較少，若想使研究成果得到加強(qiáng)，就需要擴(kuò)寬轉(zhuǎn)基因大豆種類范疇，并且深挖高光譜中圖像各種信息數(shù)據(jù)，使其和光譜信息有機(jī)融合，進(jìn)一步優(yōu)化轉(zhuǎn)基因大豆種子鑒別技術(shù)^[4]。

（六）病蟲害檢測(cè)

借助光譜分析及成像技術(shù)檢驗(yàn)大豆病蟲害的相關(guān)研究較少，國外該方面專家結(jié)合軟X射線以及近紅外高光譜成像技術(shù)構(gòu)建分析模型，借此查看大豆是否遭到豇豆象甲危害，通過此種技術(shù)形成的LDA分類模型，針對(duì)未曾受到侵染和已經(jīng)遭到侵染種子的精準(zhǔn)率是86%和87%之上，隨后采用QDA分析模型針對(duì)79%以上的兩種種子實(shí)施正分化。

（七）外觀檢測(cè)

相關(guān)工作者針對(duì)采用大豆外觀等級(jí)劃分展開分析，其中有學(xué)者借助高光譜成像技術(shù)針對(duì)其厚度實(shí)施查驗(yàn)，共收集兩百份此大豆高光譜圖像，同時(shí)融合數(shù)字化游標(biāo)卡尺檢測(cè)其厚度，隨后使用MSC及SNV對(duì)400nm至1000nm之間的光譜數(shù)據(jù)予以預(yù)處理，借助采用PLS與MLR構(gòu)建其厚度定量分析模型，最終結(jié)果顯示經(jīng)過MSC預(yù)處理后的PLS模型預(yù)測(cè)精準(zhǔn)度最佳。另外，也有外國專家借助近紅外光譜等技術(shù)，針對(duì)影響大豆種子開裂因素展開研究，其精準(zhǔn)率達(dá)到80%。（下轉(zhuǎn)第47頁）（上接第35頁）

結(jié) 論

綜上所述，近些年光譜分析技術(shù)及光譜成像技術(shù)的大多數(shù)研究結(jié)合探究提取特征波段并創(chuàng)建最佳模型實(shí)施，從中得出針對(duì)光譜展開預(yù)處理，能夠去除無意義信息及噪音，從而使預(yù)測(cè)效果逐步提升。而為對(duì)大豆品質(zhì)進(jìn)行高效檢測(cè)，需要?jiǎng)?chuàng)建魯棒性較為良好的模型，建立更多樣品，擴(kuò)寬分析大豆品種范疇，盡可能降低人為和儀器誤差，確保檢驗(yàn)結(jié)果科學(xué)準(zhǔn)確，對(duì)優(yōu)質(zhì)種子資源形成保障作用，為我國大豆種植事業(yè)提供強(qiáng)有力的支撐。

參考文獻(xiàn)：

[1]姜妍，蒙何，趙熠榮等.青飼大豆主要品質(zhì)參數(shù)的近紅外光譜快速分析[J].光譜學(xué)與光譜分析，2022，42（03）：919-923.

[2]羅琴娟.基于高光譜技術(shù)的種子品質(zhì)檢測(cè)方法研究[D].北京林業(yè)大學(xué)，2021.

[3]魏劍.基于BP神經(jīng)網(wǎng)絡(luò)的大豆種子外觀品質(zhì)質(zhì)量檢測(cè)技術(shù)研究[J].黑龍江科學(xué)，2021，12（16）：12-16.

[4]賈鵬禹.植物激素與品質(zhì)高效檢測(cè)方法的建立及其在大豆中的應(yīng)用[D].黑龍江八一農(nóng)墾大學(xué)，2021.

（作者單位：中儲(chǔ)糧合肥油脂庫有限公司、中央儲(chǔ)備糧敦化直屬庫有限公司）

第一作者：張園（1998-），男，大學(xué)本科，安徽潛山助理工程師，研究方向?yàn)榧Z油儲(chǔ)藏及檢測(cè)。

通訊作者：趙遠(yuǎn)程（1990-），男，漢族，助理工程師，大學(xué)本科，研究方向?yàn)榧Z油儲(chǔ)藏及檢測(cè)。