全 文 ：食用向日葵子仁蛋白质含量近红外光谱模型的建立
周 菲 王文军 黄绪堂 陈慧荣 梁春波
李 岑 王 静 郭永利 李晓明 刘 岩
(黑龙江省农业科学院经济作物研究所，150086，黑龙江哈尔滨)
摘 要 以自育的 57 份食用向日葵子仁为测
试对象，用化学方法测定蛋白质含量，对照近红外漫
反射光谱，通过偏最小二乘法建立了食用向日葵子
仁蛋白质含量的近红外光谱模型。结果表明，对原
始光谱数据采用“一阶倒数 +多元散射校正(FD +
MSC)”处理的方法建立的模型其校正或预测效果
最佳。该模型的校正决定系数和验证决定系数分别
为 0. 95 和 0. 93，校正标准误和预测标准误分别为
0. 96 和 1. 16。用该模型对 16 份未参与建模的食用
向日葵材料进行了预测，结果表明该模型预测能力
较好。
关键词 食用向日葵;蛋白质含量;近红外光
谱;偏最小二乘法
蛋白质含量是食用向日葵主要品质性状。向日
葵蛋白质品质优良，在氯化钠、氧化钙和盐的溶液中
可溶性较好。向日葵蛋白质产量较高，据俄罗斯克
拉斯诺达尔地区统计，向日葵蛋白质收获量约
360kg /hm2，大豆为 340kg /hm2，10 种必需氨基酸收
获量向日葵为 128. 5kg /hm2，大豆为 124. 7kg /hm2，
除赖氨酸低于大豆外，其余几种氨基酸含量均较高，
因此，向日葵是高品质植物蛋白质源［1］。食用向日
葵子仁蛋白质含量在 30%左右。有些品种其含量
高达 33%以上，超过许多栽培作物，仅次于富含蛋
白质的豆类作物［2］。如今人们对嗑食品种子仁粗
蛋白含量提出了应在 30%以上的要求，这应是品质
育种的主攻目标［1］。
近红外光谱分析技术是近年来迅猛发展起来的
高新技术，由于其在测量方面具有快速非破坏性等
优点已被广泛应用［3］。目前已成功的建立了大
豆［4］、油菜［5］、花生［6］等多种油料作物的蛋白质含
作者简介:周菲，研究实习员，从事向日葵研究工作
基金项目:国家向日葵现代产业技术体系资助项目(CAＲS － 16) ;哈
尔滨市应用技术研究与开发项目(2013ＲFQYJ027)
收稿日期:2013 － 07 － 24;修回日期:2013 － 08 － 12
量的 NIＲS 定量分析模型。在向日葵方面，Kaffka
等［7］曾经建立了油用向日葵子粒脂肪和蛋白质含
量的近红外分析模型。本研究旨在利用该育种单位
57 份食用向日葵子仁样品建立蛋白质含量的 NIＲS
模型，为食用向日葵品质分析提供快速的方法，加快
育种进程。
1 材料与方法
1. 1 仪器设备
采用瑞典波通(Perten)公司的 DA7200 二极管
阵列近红外光谱仪，实验前设置好仪器的工作参数，
扫描谱区范围为 950 ～ 1 650nm，采样间隔 1nm，扫
描次数为 32 次(以内部陶瓷为参考) ，SPC 文件分
辨率为 5nm。光谱采集用软件 SimplicityTM，数据分
析用挪威 CAMO 公司的化学计量学软件 The Un-
scrambler 9. 8。
1. 2 试验材料
从 2012 年本育种单位的保持系、恢复系、杂交
后代、国外引进资源中根据不同粒色、粒型选取具有
代表性的食用向日葵材料 57 份，将每个向日葵材料
分为 2 份，分别用于蛋白质含量的测定和光谱数据
的采集。
1. 3 蛋白质含量的测定
子粒粉碎至粉末后进行蛋白质含量的测定，采
用国家标准“(NY /T 3-1982)－谷类、豆类作物种子
粗蛋白质测定法(半微量凯氏法)”，每个样品重复
测定 3 次，以 3 次的平均值作为该样品粗蛋白含量
的标准值，且与光谱扫描同时进行，通过公式:子仁
蛋白含量 =子粒蛋白含量 /子仁率 × 100%，计算得
到子仁蛋白含量。
1. 4 光谱采集
对每个样品清选、脱壳。仪器预热 30min 后，采
集子仁样品的光谱，样品采用自然装样方式，用手直
接码匀，装满样品杯，每一个样品都采用扫描 2 次和
重复装样 3 次取平均的光谱收集方式。
37
作物杂志 Crops 2013. 6
DOI:10.16035/j.issn.1001-7283.2013.06.021
2 结果与分析
2. 1 光谱数据的分析
图 1 为 57 个向日葵子仁样品的原始吸收近红
外光谱。食用向日葵种子中含有较多的蛋白质、脂
肪，这些物质都有常见的 C － H、N － H 等含氢基团，
在近红外光谱区域会有很强烈的吸收。由图 1 可
见，向日葵种子的近红外光谱图在多处有明显的吸
收峰，不同样品的原始吸收光谱形状基本相似，但不
同样品的吸收峰强度不同，即含量不同。
图 1 食用向日葵子仁样品的原始吸收光谱
2. 2 光谱数据的处理
为消除样品不均匀以及 NIＲ 光谱信号中的基
线漂移、光散射、背景等各种干扰信息和噪声，提高
模型的预测精度，需要对原始光谱进行预处理。本
研究中用到多元散射校正(MSC)、变量标准化
(SNV)、一阶导数(FD)和二阶导数(SD)多种光谱
处理方式。图 2 为 FD处理后的光谱图，可以看出
图 2 食用向日葵子仁样品的一阶导数光谱图
光谱的精细度提高，光谱峰的偏移和漂移减弱，光谱
轮廓更清晰。
2. 3 模型的建立
用化学方法测得食用向日葵子仁的蛋白质含量
在 29. 10% ～ 49. 73%之间。利用化学计量学软件
The Unscrambler 9. 8 对光谱进行预处理，采用偏最
小二乘法(PLS1)作为建模方法建立模型。表 1 为
不同光谱预处理方式所建模型的参数。一个好的模
型应该有较高的校正决定系数(Ｒ2 cal)和验证决定
系数(Ｒ2 val) ，较低的校正标准误(SEC)和预测标
准误(SEP)。从表 1 可以看出用 FD + MSC 校正方
法进行光谱预处理建立模型是最好的。所建模型参
数如图 3 所示。
表 1 不同光谱预处理方法的 PLS建模结果(子仁)
光谱预处理
校正决定
系数 Ｒ2
校正标准
误 SEC
验证决定
系数 Ｒ2
预测标准
误 SEP
主成
分数
原光谱 0. 92 1. 15 0. 89 1. 37 5
SNV 0. 88 1. 44 0. 88 1. 58 3
MSC 0. 89 1. 39 0. 89 1. 55 3
FD 0. 92 1. 30 0. 91 1. 41 3
FD + SNV 0. 90 1. 30 0. 89 1. 45 3
FD + MSC 0. 95 0. 96 0. 93 1. 16 5
SD 0. 89 1. 36 0. 87 1. 52 3
SD + SNV 0. 95 0. 95 0. 93 1. 16 5
SD + MSC 0. 90 1. 31 0. 90 1. 39 2
图 3 食用向日葵子仁中蛋白质的 PLS模型(FD +MSC校正)
2. 4 模型的验证
随机选取该育种单位未参与建模的其他食用向
日葵材料 16 份，用化学方法测定其蛋白质含量，再
表 2 NIＲ测定值与化学方法测定值比较(子仁)
样品号 化学值(%) 预测值(%) 绝对误差(%) 相对误差(%) 样品号 化学值(%) 预测值(%) 绝对误差(%) 相对误差(%)
1 39. 06 39. 22 0. 16 0. 41 9 44. 74 46. 1 1. 36 3. 04
2 34. 69 35. 37 0. 68 1. 96 10 37. 04 38. 37 1. 33 3. 59
3 49. 73 49. 3 0. 43 0. 86 11 41. 15 40. 98 0. 17 0. 41
4 45. 63 44. 98 0. 65 1. 42 12 43. 25 42. 26 0. 99 2. 29
5 38. 52 37. 19 1. 33 3. 45 13 34. 92 34. 43 0. 49 1. 40
6 39. 88 39. 71 0. 17 0. 43 14 39. 67 38. 06 1. 61 4. 06
7 38. 28 38. 45 0. 17 0. 44 15 35. 68 34. 77 0. 91 2. 55
8 42. 39 40. 68 1. 71 4. 03 16 35. 09 35. 62 0. 53 1. 51
47
作物杂志 Crops2013. 6
用所建模型进行子仁蛋白质含量的预测，比较二者
的差别，取绝对值(见表 2)。这 16 个食用向日葵材
料子仁的蛋白质含量的绝对误差范围在 0. 16% ～
1. 71%，相对误差变化范围为 0. 41% ～ 4. 06%，绝
大多数样品的相对误差不超过 4%，表明用该模型
能够较好地分析未知样品的蛋白质含量。
3 结论与讨论
本研究将子粒直接粉碎后用化学方法测定蛋白
质含量，再通过换算:子仁蛋白含量 =子粒蛋白含
量 /子仁率 × 100%，得到子仁蛋白含量。而在计算
子仁率时，由于脱壳后子仁会有损失，得到的子仁率
就会比实际值偏小，所以最后换算的子仁蛋白含量
就会比实际值偏大。同时由于年际间和环境因素的
影响也可能使得 2012 年的材料子仁蛋白含量都比
较高。
近红外光谱分析结果的准确性受多种因素的影
响。为此，本试验采用了子仁作为试验材料，避免了
因皮壳色泽不同而引起的对近红外光漫反射率和透
过率大小的影响。为减少水分对近红外预测值的影
响，定标时使样品保持在稳定的、自然状态下的水分
含量，并保证待分析样品水分含量与建立模型时条
件相一致。进行光谱扫描前，将所有需采集光谱的
样品在近红外光谱仪所在实验室放置 24h 以上，使
得样品环境条件与仪器的环境条件一致，以减少温
度对样品的影响。由于试验采用脱壳机对样品进行
脱壳时，有些子仁有轻微破损，对样品的均匀性有一
定的影响。
此研究以本单位现有的食用向日葵材料的子仁
为研究对象，采用近红外漫反射光谱和偏最小二乘
法相结合建立了食用向日葵子仁蛋白质含量的近红
外光谱模型。所建模型的校正决定系数和验证决定
系数分别为 0. 95 和 0. 93，校正标准误和预测标准
误分别为 0. 96 和 1. 16。用该模型对 16 个未参与建
模的材料进行预测，与化学方法测得蛋白质含量比
较，预测值和化学值的绝对误差变化范围为
0. 16% ～ 1. 71%，相对误差变化范围为 0. 41% ～
4. 06%，绝大多数样品的相对误差不超过 4%，表明
该模型具有较好的预测能力，可以用于食用向日葵
子仁蛋白质含量的快速检测。
参考文献
［1］张鉴．简论向日葵品质育种．辽宁农业科学，1997(6) :45 － 47．
［2］姚一萍，崔艳．向日葵蛋白质与氨基酸含量分析． 内蒙古农业科
技，1994(3) :12 － 13．
［3］梁晓艳，吉海彦． 近红外光谱技术在农作物品质分析方面的应
用．中国农学通报，2006，22(1) :366 － 371．
［4］李宁，闵顺耕，覃方丽，等．近红外光谱法非破坏性测定黄豆籽粒
中蛋白质脂肪含量．光谱学与光谱分析，2004，24(1) :45 － 49．
［5］Velasco L，Mllers C． Nondestructive assessment of protein content in
single seeds of rapeseed(Brassica napus L．)by near-infrared reflec-
tance spectroscopy． Euphytica，2002，123:89 － 93．
［6］宋丽华，刘立峰，陈焕英，等，花生籽仁蛋白质含量近红外光谱模
型的建立．中国农学通报，2011，27(15) :85 － 89．
［7］Kaffka K J，Norris K H，Peredi J，et al． Attempts to determine oil，pro-
tein，water and fiber content in sunflower seeds by the nir technique．
Acta Alimentaria，1982，11(8) :258 － 269．
Establishment of Model of Seed Kenel
Protein Content in Confection Sunflower
Using Near Infrared Spectroscopy
Zhou Fei，Wang Wenjun，Huang Xutang，Chen Huirong，Liang Chunbo，
Li Cen，Wangjing，Guo Yongli，Li Xiaoming，Liu Yan
(Institute of Industrial Crops，Heilongjiang Academy of Agricultural Sciences，Harbin 150086，Heilongjiang，China)
Abstract Protein content was measured by chemical methods compared with near-infrared diffuse reflectance spec-
troscopy，and Near-infrared reflectance spectroscopy(NIＲS)model of seed kenel protein content of 57 confection
sunflower materials in the breeding unit，which was developed by means of partial least-squares(PLS)regression．
The results showed that the model developed by the spectral data pretreatment of the first derivative + multiplicative
scatter correction was the best one． The determination coefficients(Ｒ2)of calibration and validation sets were 0． 95
and 0． 93，the standard error of calibration and prediction were 0． 96 and 1． 16，respectively． This model was used to
predict the protein content of 16 confection sunflower materials，and it had a high ability of prediction．
Key words Confection sunflower;Protein content;Near-infrared spectroscopy;Partial least-squares
(责任编辑:郭子锋)
57
作物杂志 Crops 2013. 6