华北作物改良与调控国家重点实验室, 华北作物种质资源研究与利用教育部重点实验室, 河北省作物种质资源实验室, 河北农业大学农学院, 河北 保定 071001
花生籽仁中的糖含量是影响食味品质的重要指标, 建立快速测定糖含量的方法可有效提高食用型花生的检测效率。 样品外观颜色是影响近红外分析的重要因素之一, 按样品外观颜色分类定标(校正)更有利于提高模型的预测性能。 研究选择不同糖含量的花生种质332个, 采用色差仪将花生种质按种皮颜色分成黑紫色、 红色和粉色三大类。 采用3,5-二硝基水杨酸法、 蒽酮乙酸乙酯法、 蔗糖酶法分别测定籽粒中的总糖、 可溶性糖及蔗糖含量。 总糖含量分别在6.42%~39.53%(黑紫色籽粒)、 9.66%~39.71%(红色籽粒)和8.52%~38.84%(粉色籽粒)之间; 可溶性糖含量分别在2.4%~14.32%(黑紫色籽粒)、 2.94%~13.75%(红色籽粒)和2.19%~14.53%(粉色籽粒)之间; 蔗糖含量分别在0.92%~7.53%(黑紫色籽粒)、 1.05%~7.23%(红色籽粒)和0.95%~7.99%(粉色籽粒)之间, 变异系数均在33%以上。 采用瑞典波通DA7250型近红外分析仪(950~1 650 nm)采集籽粒的近红外光谱值, 选用基于全波段的偏最小二乘回归法(PLSR), 通过对比单一和复合预处理方法, 对比模型的相关系数和误差确定最佳预测模型。 分别建立了黑紫色、 红色、 粉色花生籽仁的总糖含量、 可溶性糖含量和蔗糖含量的近红外光谱定标模型, 共计9个模型, 预测相关系数(Rc)在0.883~0.925之间, 预测均方根误差(RMSEC)在0.370~1.988之间。 对总糖含量所建立的模型中, 粉色种皮花生的预测相关系数Rc可达0.925, RMSEC为1.705; 对可溶性糖含量所建模型中, 黑紫色种皮花生的预测相关系数Rc可达0.921, RMSEC为0.667; 对蔗糖含量所建的模型中, 粉色种皮花生的预测相关系数Rc可达0.914, RMSEC为0.435。 并分别用15份种质进行外部验证, 9个模型的预测相关系数Rp在0.892~0.967之间, 预测均方根误差RMSEP在0.327~2.177之间。 本研究建立的近红外光谱模型可同步、 快速地检测花生籽粒中的多种糖含量, 为高糖含量的鲜食花生育种提供了技术支持。
花生 近红外光谱分析 种皮颜色 蔗糖含量 可溶性糖含量 总糖含量 Peanut Near-infrared spectroscopy analysis Seed coat color Sucrose content Soluble sugar content Total sugar content 光谱学与光谱分析
2022, 42(9): 2896
中国科学院南京土壤研究所/土壤与农业可持续发展国家重点实验室, 江苏 南京 210008
连作花生的土传病害问题突出, 但土传病害发生与土壤环境尤其是根际土壤中可溶性有机质(DOM)组成结构的内在联系尚不清楚。 通过在县域范围内多点采集连作地的花生健康植株和发病植株及根际土壤, 测定根际土壤性质的部分指标, 利用三维荧光光谱(3DEEM)技术和平行因子方法(PARAFAC)表征根际土DOM的组成特征, 探究花生病害对根际DOM组成的影响。 结果表明, (1)花生健康与发病植株的根际土壤可溶性有机碳(DOC)等基本特性无显著差异; (2)通过3DEEM-PARAFAC方法共识别了五种荧光组分, 包括类色氨酸蛋白质(C1)、 类富里酸(C2)、 类微生物腐殖质(C3)、 类腐殖酸(C4)和类酪氨酸蛋白质(C5), 且花生健康与发病植株的根际土壤DOM荧光组分组成存在显著差异。 健康植株根际DOM类色氨酸组分 (C1)平均占比为53.79%, 显著高于发病植株的25.72%, 其他组分则相反; 健康植株根际DOM的生物源指数(BIX)和腐殖化指数(HIX)分别为(0.95±0.03)和(1.87±0.25), 均显著高于花生病株根际的(0.82±0.02)和(0.98±0.09), 较高BIX和HIX值可能是根际健康环境发展的内在要求; (3)主坐标轴分析显示, 通过三维荧光表征的荧光特性可以显著分异健康组与发病组; (4)相关性分析表明, 花生生物量与DOM各个组分均具有显著相关性, 且与BIX、 HIX显著正相关, 而Mcknight指数与部分土壤性质密切相关; 方差分解结果显示, 花生生物量对DOM组成变异的解释率高达40%, 而土壤性质不能显著解释DOM组成的变异, 说明花生的生长状况是影响根际土壤DOM组成的重要因子。 综上所述, 花生健康状况与根际土壤DOM组成和荧光特性之间存在相互关系, 可为认识土传病害发生机理及制定科学的调控方案提供理论参考。
连作花生 健康状态 根际土壤 可溶性有机质 三维荧光光谱 平行因子分析 Continuous cropping peanuts Health status Rhizosphere soil Dissolved organic matter Three-dimensional excitation-emission matrices Parallel factor analysis
1 中国农业科学院农产品加工研究所, 农业部农产品加工综合性重点实验室, 北京 100193
2 金胜粮油集团有限公司, 山东 莒南 276600
3 北京农学院, 北京 102206
花生球蛋白、 伴花生球蛋白及亚基含量显著影响蛋白质的凝胶性和溶解性等功能特性, 进而影响其在肉制品、 植物蛋白饮料中的应用效果。 目前常采用提取蛋白质后再用电泳及光密度法测定球蛋白、 伴球蛋白及亚基含量的方法, 操作步骤繁琐, 样品损失量大。 为此收集了178个花生品种, 分别提取蛋白, 采用电泳法测定球蛋白、 伴球蛋白、 23.5和37.5 kDa亚基含量并获得大量数据的基础上, 利用近红外光谱技术进行整粒花生样品的光谱扫描, 将其与传统方法测定的化学值进行拟合, 采用偏最小二乘回归(PLSR)化学计量法构建数学模型。 通过比较单一和复合光谱预处理方式, 对比模型相关系数和误差评估预测模型性能。 确定球蛋白模型最佳预处理方法为2nd-der with Detrend, 校正集相关系数为0.92, 标准差为1.41; 伴球蛋白模型最佳预处理方法为Detrend with 1st-der, 校正集相关系数为0.85, 标准差为1.46; 23.5 kDa亚基含量模型最佳预处理方法为Normalization with 2nd-der, 校正集相关系数为0.91, 标准差为0.53; 37.5 kDa模型最佳预处理方法为Detrend with Baseline, 校正集相关系数为0.91, 标准差为0.89。 外部验证结果表明, 球蛋白预测均方根误差(square errors of prediction, SEP)为1.25, 伴球蛋白SEP为0.73, 23.5 kDa模型SEP为0.47, 37.5 kDa模型SEP为0.75。 本研究基于近红外光谱技术实现了对整粒花生进行球蛋白、 伴球蛋白、 23.5 kDa和37.5 kDa亚基含量的同步、 快速和无损检测, 为育种专家加工专用品种选育和蛋白加工企业原料选用提供了根据。
近红外光谱分析 花生球蛋白 伴花生球蛋白 亚基含量(23.5和37.5 kDa) 偏最小二乘法(PLSR) Near infrared spectral analysis Arachin Conarachin Subunit content (23.5 kDa and 37.5 kDa) Partial least squares regression (PLSR)
花生是一种重要的油料作物, 易受曲霉菌感染从而产生黄曲霉毒素, 其中黄曲霉毒素B1(AFB1)对人畜具有较高威胁。 传统AFB1检测方法操作繁琐、 破坏物料以及耗时长等问题较为突出, 因此发展一种快速、 无损且适合在线的检测方法对花生生产及加工具有重要意义。 将从市场购买的市购花生, 于28 ℃和85%相对湿度环境中储藏至霉变。 在0, 4, 6, 7和8 d时间段, 再分别以0.15 m·s-1的速度动态采集其光谱和图像信息, 采集信息后利用酶联免疫吸附法(ELISA)测定花生中AFB1含量。 对光谱采用多元散射校正、 基线校正、 标准正态变量校正以及Savitzky-Golay平滑等方法预处理, 并对600~1 600 nm范围内的光谱数据进行主成分分析, 根据主成分权重系数确定8个特征波长(630, 1 067, 1 150, 1 227, 1 390和1 415 nm); 对图像采取灰度化和阈值分割等方法处理, 并提取12种图像颜色特征参数。 最后利用线性判别分析(LDA)以及支持向量机(SVM)建立花生样品的定性判别分析模型(以国家标准20 μg·kg-1为界限)。 ELISA结果表明, 花生AFB1超标率为58%; 可见-近红外图谱分析表明, 在1 180 nm等波峰处随着毒素侵染程度的加深, 吸光度逐渐降低; 机器视觉分析表明, 随着储藏时间的增加, 花生表面逐渐暗淡并有菌丝覆盖, 毒素侵染水平逐渐提高, 花生图像的RGB值总体下降。 通过主成分分析发现, 光谱呈现较明显的聚类趋势, 而图像及数据融合聚类趋势不明显。 根据全谱段、 特征波长构建的LDA和SVM模型均能够对超标和未超标样品进行快速识别, 其中基于全谱段的模型最佳识别率达92%, 基于特征波长的模型最佳识别率达88%; 相对于基于光谱信息建模, 非线性SVM模型在根据图像颜色特征参数建模分析上表现较优, 最佳识别率为90%; 结合花生样品内外部信息, 基于光谱和图像信息融合的SVM模型最佳识别率达到92%。 利用可见-近红外光谱以及机器视觉技术结合化学计量法, 实现花生AFB1含量超标与否的动态判别具有一定可行性, 为花生在线质量安全检测提供了理论基础。
花生 可见-近红外光谱 图像 信息融合 黄曲霉毒素B1 动态筛选 Peanuts Visible/near-infrared spectroscopy Image Information fusion Aflatoxin B1 Dynamic screening 光谱学与光谱分析
2020, 40(12): 3865
滁州学院生物与食品工程学院, 安徽 滁州 239000
目前传统氧化稳定性评价方法无法提供油脂氧化历程和不同产物变化动态信息等特点, 因而不能成为理想评价方法。 同步荧光光谱技术具有一定灵敏度和准确度, 且适合较长时间的固定检测。 以不同工艺花生油作为研究对象, 采用OXITEST油脂氧化稳定性仪进行加速氧化试验, 获取氧化诱导曲线, 同时采集氧化期间油脂三维同步荧光光谱数据与理化指标, 通过同步荧光光谱结合平行因子法(PARAFAC)和人工神经网络(ANN)等化学计量学快速分析油脂氧化进程。 结果表明, 以诱导期作为油脂稳定性评价指标, 冷榨花生油氧化稳定性较热榨花生油差, 主要原因在于热榨方式的高温焙炒, 使得其具有抗氧化物质, 进而提高了油脂的氧化稳定性。 氧化曲线清晰地表明氧化进程存在诱导期(IP)、 氧化期和静止期三个阶段, 结合三维荧光光谱图, 明显得出在氧化过程中花生油原油激发波长在300~400 nm的荧光峰强度在进入诱导期后, 荧光强度减弱, 荧光波长出现红移现象; 进入氧化期后, 在400~450 nm之间有新的荧光峰生成, 然后荧光峰强度呈现增强状态, 直至静止期。 现象的产生主要是由于油脂氧化过程中生成的小分子氧化产物, 致使荧光光谱产生斯托克位移(Stocks shift)。 运用PARAFAC法对同步荧光光谱数据进行降维处理, 显示当组分数为6, Δλ为70 nm时载荷值最大, 不同样品间差异最显著。 选定该波段二维荧光光谱数据作为ANN模型输入值, 分别以酸价和过氧化值作为模型输出值, 对不同工艺花生油的氧化过程数据进行建模训练。 结果显示训练集、 测试集模型相关系数R均接近1.0, 均方根误差均较小, 说明该模型能较好地反映油脂氧化过程状态。 本研究结果表明同步荧光光谱结合化学计量学能快速实时监控食用油在氧气影响下贮藏过程中的氧化历程, 为油质控制提供理论依据。
同步荧光 花生油 氧化稳定 化学计量学 Synchronous fluorescence spectroscopy Peanut oil Oxidative stability Chemometrics 光谱学与光谱分析
2020, 40(10): 3113
重金属铬的污染会严重威胁到土壤和水体的环境安全, 而水中的六价铬化合物则具有很强的迁移性、富集性和氧化性等特性, 更具有危害性且难以处理。吸附法是一种能简单、高效地处理含重金属污水的处理技术。在磁力搅拌条件下采用花生壳生物炭分别与高岭土和膨润土混合制备而成两种生物炭-黏土材料, 并分别对这两种生物炭-黏土的表面特性进行表征。结果发现所选用的两种黏土均能不规则地负载在生物炭的表面。吸附实验结果显示, 生物炭-高岭土(Biochar@Kaolin)吸附铬(VI)的能力显著高于生物炭-膨润土(Biochar@Bentonite)。从吸附动力学方程的分析可以看出, 合成的两种生物炭负载黏土吸附水中的铬(VI)均符合伪二级动力学方程。从吸附等温线分析中可以得到, Biochar@Bentonite吸附铬(VI)的过程符合Langmuir模型, 而Biochar@Kaolin吸附铬(VI)的过程符合Freundlich模型。研究结果显示, 采用生物炭-黏土的复合材料修复环境中的重金属污染具有广阔的应用前景。
吸附 花生壳 黏土-生物炭 adsorption peanut shell clay-biochar Cr(VI) 铬(VI)
延安大学化学与化工学院, 延安市分析技术与检测重点实验室, 陕西 延安 716000
碳量子点(CQDs)是一种新型的荧光碳纳米功能材料, 其良好的生物相容性和优异的光学性能引起了人们的广泛关注。 选用富含蛋白质、 脂肪和碳水化合物的花生仁(Peanut, PN)及水为原料, 无需添加任何其他试剂, 在水热反应釜中于190 ℃反应20 h, 可一步合成绿色发光CQDs。 透射电镜(TEM)结果显示, 所制备的花生碳量子点(PN-CQDs)的粒径大约在10 nm左右, 分布较为均匀; X射线衍射谱(XRD)和傅里叶变换红外光谱(FTIR)显示PN-CQDs晶型为无定型碳, 表面富含—OH、 —COOH、 含氮官能团等亲水性基团, 具有良好的水溶性。 紫外-可见光谱(UV-Vis)和荧光发射光谱(FL)表明, PN-CQDs在275 nm处有一明显的吸收峰, 为CQDs紫外特征吸收峰; 该PN-CQDs具有激发波长依赖性, 荧光发射峰的位置随激发波长的变化而移动; 当激发波长λex为326 nm时, 发射波长λem为408 nm处的荧光强度最大, PN-CQDs发出蓝色的荧光。 以硫酸奎宁为参照物, 利用参比法测得PN-CQDs的荧光量子产率φ为5.0%。 基于该PN-CQDs良好的发光特性, 以其为探针, 构建了“关-开”型荧光体系用于多巴胺(Dopamine, DA)的高灵敏度检测。 研究表明, 在pH 3.80的HAc-NaAc缓冲介质中, Ce(Ⅳ)存在下, PN-CQDs与Ce(Ⅳ)之间的电子转移反应和Ce(Ⅳ)与该PN-CQDs表面基团结合使PN-CQDs发生的聚集作用共同导致PN-CQDs在λex/λem=326 nm/408 nm处的荧光发生猝灭, 荧光信号“关闭”; 当加入DA后, DA与结合于PN-CQDs表面的强氧化性Ce(Ⅳ)发生反应, 从而将Ce(Ⅳ)从PN-CQDs表面移除, PN-CQDs的荧光得以恢复, 荧光信号重新 “打开”。 在优化的实验条件下, DA浓度与PN-CQDs在λex/λem=326/408 nm处的荧光恢复值ΔF呈良好线性关系, 线性范围为2.5×10-7～1.0×10-5 mol·L-1, 决定系数R2为0.997 6, 检出限为9.0×10-8 mol·L-1。 探讨了体系的荧光“猝灭-恢复”机理, 对PN-CQDs和PN-CQDs-Ce(Ⅳ)体系进行了荧光寿命拟合, 其加权平均荧光寿命分别为6.02与5.15 ns, Ce(Ⅳ)对PN-CQDs荧光猝灭类型为动态猝灭; 反应中生成的Ce(Ⅲ)于λex/λem=251/350 nm处的荧光对DA的测定无影响。 该方法灵敏、 简便、 快速, 应用于实际样品中DA的测定, 加标回收率(平均值±SD)在97.5%±1.3%～103%±1.5%之间, 结果满意。 该研究提供了一种新的DA荧光检测方法, 实现了对DA的准确测定。
碳量子点 荧光探针 多巴胺 硫酸高铈 花生 Carbon quantum dots Fluorescence probe Dopamine Cerium sulfate Peanut 光谱学与光谱分析
2020, 40(4): 1093
南京邮电大学电子与光学工程学院、微电子学院, 江苏 南京 210023
提出并研究了一种基于稀土光纤双花生结(RDDFP)的光纤温度传感器。采用稀土掺杂光纤制备双花生结,利用其包层模和纤芯模干涉对温度的敏感特性,结合稀土光纤中稀土离子的强热光效应,实现对温度的高灵敏度感知与测量。通过理论和实验研究并对比掺铒光纤双花生结(EDDFP)和掺镱光纤双花生结(YDDFP)两种稀土光纤花生结中的模式干涉和热敏感效应。实验结果表明,相比于普通光纤双花生结,RDDFP具有更强的热光效应和更高的温度灵敏度。其中,EDDFP温度灵敏度为1286 pm/℃,YDDFP温度灵敏度为-2343 pm/℃。基于RDDFP的光纤温度传感器具有灵敏度高、重复性高、全光纤、制作简单、结构紧凑等优势,在电力系统、建筑、航空航天以及海洋开发领域等具有良好的应用前景。
传感器 掺铒光纤双花生结 掺镱光纤双花生结 高灵敏度 温度传感 热光效应
吉林大学 电子科学与工程学院 集成光电子国家重点实验室, 长春 130012
为了实现低成本的温度和应变同时测量, 利用光纤熔接机的熔融放电原理制备了基于全单模光纤(SMF)的花生和J型结构级联的马赫-曾德尔干涉仪(CPJS-MZI)。首先利用光纤熔接机的球形程序将两段单模光纤的端面熔成球形, 再将小球熔接到一起形成花生型结构; 然后在距离花生结构15mm处, 将两根单模光纤端面错位一定距离, 对其进行熔接形成J型结构; 最后对所制备的器件进行温度和应变传感性能的测试。实验发现, CPJS-MZI单个干涉峰强度和波长对应的温度灵敏度分别为-0.0125dB/℃和52.9pm/℃, 应变灵敏度分别为0.0152dB/με和-11.44pm/με。结果表明, 基于SMF的CPJS-MZI可利用单峰实现温度和应变的同时测量, 且具有尺寸小、制备容易、成本低等优点, 在同时测量温度和应变传感领域具有潜在应用价值。
光纤马赫-曾德尔干涉仪 花生结构 J型结构 温度和应变同时测量 fiber Mach-Zehnder interferometer peanut structure J-shape structure simultaneous measurement of temperature and strain
中国矿业大学(北京) 地球科学与测绘工程学院, 北京 100083
霉变花生极有可能含强致癌物质-黄曲霉素, 快速识别并分离霉变花生可从源头上阻止其进入食物链, 并降低人类摄入黄曲霉素的风险。 利用可见光-近红外高光谱数据, 通过光谱分析确定能有效识别霉变花生的光谱特征或指数模型。 共获取霉变花生样本253个, 健康花生247个, 并取其霉变(或健康)部位的均值光谱。 在对光谱进行连续统去除后, 首先对其求取了不同步长的一阶微分, 并在可分性较优的光谱区域计算了Area500～650指数; 其次, 用连续小波变换提取了光谱的形状和位置信息, 并利用Indexcwt指数识别霉变花生样本。 结果显示, 指数Area500～650的J-M距离为195, Indexcwt模型的J-M距离为199, 表明霉变和健康花生在构建的指数模型Area500～650和Indexcwt的特征空间可分性均较优。
霉变花生 高光谱 光谱分析 光谱指数 Moldy peanuts Hyperspectral image Spectral analysis Spectral index
