一种大麦籽粒总淀粉含量的快速无损检测方法与流程

本发明涉及大麦籽粒总淀粉含量检测领域，具体涉及一种大麦籽粒总淀粉含量的快速无损检测方法。

背景技术：

大麦(Hordeum vu/gare L.)属于禾本科大麦属植物，是一个很古老的作物。大约在公元前8000年国外考古学家在新月沃地发掘出大麦遗物。大麦种植广泛，全球种植大麦约5500万公顷，总产为1.4亿万吨，公顷单产2.5吨/公顷，大麦是面积和总产仅次于小麦、水稻、玉米，排名第四的重要禾本科作物。大麦在我国主要用作啤酒原料、饲料和粮食，分别称为啤酒大麦、饲料大麦和食用大麦。大麦具有生育期短、抗逆性强和耐瘠薄的优点，是沿海滩涂和高寒山区的主要栽培作物。我国大麦常年种植面积130-160万公顷，总产量450-580万吨。大麦种植区域以我国江浙鄂、东北、西北、西南和青藏地区为主，大麦是这些地区农民增收的重要途径。作为啤酒大麦原料，我国啤酒大麦年缺口250万吨以上，供不应求。作为饲料原料，饲料大麦从秸秆到籽粒全方位都可利用，近年来需求剧增。作为食用大麦，随着人们对养生的追求，保健食品方兴未艾，青裸食品推陈出新，需求剧增。因此，发展大麦产业，不仅是保证国家粮食安全的需要，也是维护食物的多样性及营养与健康的需要。

淀粉是大麦籽粒胚乳中的主要贮藏物质，约占大麦种子干重的65％左右。大麦籽粒淀粉含量约30-75％。淀粉的含量多少直接决定着大麦的用途。如大麦用作啤酒原料，淀粉是酿造工艺中糖化作用的主要底物，淀粉糊化，水解产生大量发酵糖类，它们是麦芽浸出物的主要成份，其质量和数量与啤酒工业的经济效益直接相关。大麦淀粉含量除受遗传控制外，还易受环境与栽培等因素的调控，是一个复杂的数量性状，常规方法测定与分析大麦籽粒淀粉含量费时、费力，致使常规方法很难改良大麦淀粉品质性状。

技术实现要素：

为解决上述问题，本发明提供了一种大麦籽粒总淀粉含量的快速无损检测方法，简单、快速、无损、高效。

为实现上述目的，本发明采取的技术方案为：

一种大麦籽粒总淀粉含量的快速无损检测方法，包括如下步骤：

S1、收集大麦籽粒样品，采用标准或认可的参考方法测定大麦籽粒中总淀粉的含量；

S2、利用近红外光谱仪采集所收集样品的近红外光谱数据；

S3、近红外光谱的预处理；

S4、将大麦籽粒中每个样品的近红外光谱数据与用标准方法测定的总淀粉值相关联，利用近红外软件包建立近红外校正模型；

在近红外光谱数据与用标准方法测定的总淀粉值相关联中，应用自动优化功能，采用偏最小二乘法(partial least squares method，PLS)建立近红外校正模型；同时根据精而少的原则，通过近红外软件包处理，剔除光谱漂移和局部空间过度密集的样品，选择具代表性的一定数量的样品用于定标建模；

S5、使用内部交叉证实对模型进行验证，并通过比较样品预测值和化学值的决定系数和交叉验证标准差来衡量模型的可靠性。

所述步骤S2中光谱数据采集中所用近红外波长为4000-12500nm，扫描方式为连续波长近红外扫描。

本发明具有以下有益效果：

具有分析速度快、效率高、成本低且对环境不造成任何污染等特点，可为大麦籽粒淀粉品质分析、控制淀粉品质提供可靠依据；测定时间大大缩短；测定成本大大降低；不破坏种子结构；对环境友好。

附图说明

图1为本发明实施例中一种大麦籽粒总淀粉含量的快速无损检测方法的流程图。

图2为本发明实施例中大麦籽粒的近红外光谱图。

图3为本发明实施例中大麦籽粒样品利用校正模型计算得到的预测值和利用标准方法测定的化学值之间的散点图。

具体实施方式

为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

以下提供利用近红外光谱仪快速无损检测大麦籽粒总淀粉含量的具体实验案例。具体步骤如下：

1：收集大麦籽粒样品：收集2010-2011年度收获的大麦籽粒样品，共计263份样品建立近红外校正模型；

2：采用爱尔兰Megazyme公司提供的总淀粉测定试剂盒测定大麦籽粒中的总淀粉含量；所有样品的总淀粉含量的测定结果如下表：

表1大麦籽粒总淀粉的化学测定值

3：利用近红外光谱仪采集大麦籽粒的近红外光谱数据；

光谱数据的采集使用的是布鲁克公司的MATRIX-I近红外光谱仪；首先开启MATRIX-I近红外光谱仪并预热，装大麦籽粒于3cm的圆型样品杯，尽可能装至2/3杯，每次装样量一致，将样品杯放入近红外光谱仪扫描口；采用连续波长近红外扫描采集光谱，扫描谱区范围为4000-12500nm，每间隔2nm扫描一次；为了克服样品差异引起的光谱漂移、减少误差，每个样品重复扫描3次。

4：大麦籽粒的近红外光谱预处理：本发明中光谱未进行预处理。

5：将大麦籽粒每个样品的近红外光谱数据与用标准方法测定的总淀粉值相关联，利用近红外软件包中的偏最小二乘法(PLS)建立近红外校正模型。

在近红外光谱数据与用标准方法测定的总淀粉值相关联中，应用自动优化功能，采用偏最小二乘法(PLS)建立近红外校正模型；同时根据“精而少”的原则，通过近红外软件包处理，剔除光谱漂移和局部空间过度密集的样品，选择216份具代表性的样品用于定标建模。

6：使用内部交叉证实对模型进行验证，并通过比较样品预测值和化学值的决定系数和交叉验证标准差来衡量模型的可靠性。验证结果如下：

表2近红外对大麦籽粒总淀粉预测结果统计值

从验证结果看，模型的校正决定系数达0.8783，校正标准差为0.715，交叉验证决定系数也达0.6908，交叉验证标准差为1.12，校正标准差与交叉验证标准差很逼近，相关也达极显著水平，说明模型是可靠的，该模型可以代替传统方法检测大麦籽粒总淀粉的含量。本发明分析速度快、效率高、成本低且对环境不造成任何污染等特点，可为大麦的品质分析提供可靠依据。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。