摘 要：本发明公开了一种近红外快速检测饲用苎麻叶片总多酚含量的方法，包括采用化学测量法检测样品饲用苎麻叶粉中总多酚含量；采用近红外农产品品质测定仪扫描样品饲用苎麻叶粉的吸收光谱数据；选择总多酚的光谱预处理方法；利用扫描的吸收光谱数据，结合化学测量法的检测值和光谱预处理方法获得的数据建立光谱分析模型；选取验证饲用苎麻叶粉对光谱分析模型进行校正。
技术要点
1.近红外快速检测饲用苎麻叶片总多酚含量的方法，其特征在于，所述方法包括如下步骤：
步骤1：采用化学测量法检测样品饲用苎麻叶粉中总多酚含量；
步骤2：采用近红外农产品品质测定仪扫描样品饲用苎麻叶粉的吸收光谱数据；
步骤3：选择总多酚的光谱预处理方法；
步骤4：利用扫描的吸收光谱数据，结合化学测量法的检测值和光谱预处理方法获得的数据建立光谱分析模型；步骤5：选取验证饲用苎麻叶粉对光谱分析模型进行校正。
2.根据权利要求1所述的近红外快速检测饲用苎麻叶片总多酚含量的方法，其特征在于，在所述步骤1中，对总多酚含量的测定至少重复进行三次。
3.根据权利要求1所述的近红外快速检测饲用苎麻叶片总多酚含量的方法，其特征在于，在所述步骤2中，对饲用苎麻叶进行多次吸收光谱的扫描，扫描范围为1100nm～2500nm。
4.根据权利要求1所述的近红外快速检测饲用苎麻叶片总多酚含量的方法，其特征在于，在选择总多酚的光谱预处理方法时，选择建模后校正标准差(SEC)、相对标准差(RSD)最小的原始光谱处理方法，选择外部检测法预处理光谱数据。
5.根据权利要求1所述的近红外快速检测饲用苎麻叶片总多酚含量的方法，其特征在于，在所述步骤4中，利用CAUNIR近红外光谱分析软件，对样品饲用苎麻叶粉的总多酚的含量化学测量值和三次扫描采集的吸收光谱数据分别求平均值，对样品饲用苎麻叶粉的总多酚的含量化学测量值和吸收光谱预处理后的数据一一对应进行关联，并采用定量偏最小二乘法(QPLS)法进行建模；选择使光谱分析模型的决定系数和分辨度最大、校正标准差和相对标准差最小的原始光谱数据预处理方法进行数据预处理并建模。
6.根据权利要求1所述的近红外快速检测饲用苎麻叶片总多酚含量的方法，其特征在于，在所述步骤5中，饲用苎麻叶粉的总多酚采用外部检测法进行光谱预处理数据的主成分分析，然后采用中心化+标准正态变换+极差归一进行光谱预处理数据验证。7.根据权利要求6所述的近红外快速检测饲用苎麻叶片总多酚含量的方法，其特征在于，光谱分析模型预测的饲用苎麻叶片中总多酚含量与实际测量的饲用苎麻叶片中总多酚相关系数为：0.8528。
8.根据权利要求1所述的近红外快速检测饲用苎麻叶片总多酚含量的方法，其特征在于，在所述步骤4中，利用光谱分析模型预测待测饲用苎麻叶中总多酚的含量，是将近红外农产品品质测定仪采集的待测饲用苎麻叶粉的吸收光谱数据平均值输入至光谱分析模型，经过光谱数据预处理、模型计算预测获得该成份的预测值，即可预测得到该饲用苎麻叶中总多酚的含量。
技术领域
本发明属于生物技术领域，特别是涉及一种近红外快速检测饲用苎麻叶片总多酚含量的方法。
背景技术
国内外研究发现饲用苎麻嫩茎叶中富含粗蛋白、粗纤维、微量元素、氨基酸等营养物质，可做优质的蛋白饲料。同时饲用苎麻叶中含有与根相同的成分绿原酸,此外还含有原儿茶酸、野漆树苷、芸香苷等酚酸类等抗氧化活性物质。总多酚含量高的饲料不利于动物对营养的消化吸收。具有较高的食品保健和药用开发价值。因此筛选出总多酚含量较低、适合做优质的蛋白饲料的饲用苎麻叶种质尤为重要。
传统测定总多酚的方法有高锰酸钾滴定法、氨基安替比林比色法、酒石酸比色法及福林发，这些方法的主要缺点是操作复杂、耗时长且不能大批量进行。高效液相色谱法测定总酚虽然结果准确，但需要使用高效液相色谱仪、气相色谱仪或者离子色谱法等仪器，设备昂贵。因此寻找一种总酚含量快速、准确、高效、价格低廉的测定方法显得尤为重要。
近红外光谱分析技术具有快速、准确、无污染等优点，因此建立快速准确的检测饲用苎麻叶中总多酚近红外预测模型，缩短时间、减少成本，不仅可为饲用苎麻作为饲料的品质评价提供参考，也可以为饲料型饲用苎麻种质提供快速筛选技术。
发明内容
鉴于现有技术的不足，本发明旨在于提供一种近红外快速检测饲用苎麻叶片总多酚含量的方法，以实现快速、高效的检测饲用苎麻麻叶片总多酚含量，准确评价饲用苎麻饲料的品质，为饲料型饲用苎麻种质提供快速筛选技术。
为了实现上述目的，本发明所采用的技术方案如下：
近红外快速检测饲用苎麻叶片总多酚含量的方法，包括如下步骤：
步骤1：采用化学测量法检测样品饲用苎麻叶粉中总多酚的含量；
步骤2：采用近红外农产品品质测定仪扫描样品饲用苎麻叶粉的吸收光谱数据；
步骤3：选择总多酚的光谱预处理方法；
步骤4：利用扫描的吸收光谱数据，结合化学测量法的检测值和光谱预处理方法获得的数据建立光谱分析模型；
步骤5：选取验证饲用苎麻叶粉对光谱分析模型进行校正；
进一步的，所述步骤1中对总多酚含量测定至少重复进行三次。
进一步的，所述步骤2采用S400型近红外农产品品质测定仪进行吸收光谱的采集，扫描范围为1100nm～2500nm(4000?9090.91(1/cm))。
进一步的，所述步骤2中，对饲用苎麻叶进行多次吸收光谱的扫描；所述步骤4是利用多次扫描的吸收光谱数据的平均值建立红外光谱分析模型。
进一步的，所述步骤3选择总多酚的光谱预处理方法，是选择使光谱分析模型的决
定系数和分辨度最大、校正标准差和相对标准差最小的光谱预处理方法。
进一步的，所述步骤4建立光谱分析模型的过程如下：利用CAUNIR近红外定标软件，对样品饲用苎麻叶粉的总多酚的含量化学测量值和三次扫描采集的吸收光谱数据分别求平均值，对样品饲用苎麻叶粉的总多酚的含量化学测量值和吸收光谱预处理后的数据一一对应进行关联，并采用定量偏最小二乘法(QPLS)法进行建模。选择使光谱分析模型的决定系数和分辨度最大、校正标准差和相对标准差最小的原始光谱数据预处理方法进行数据预处理并建模。
进一步的，所述步骤3饲用苎麻叶粉的总多酚采用外部检测法进行光谱预处理，总多酚光谱采用中心化+标准正态变换+极差归一的预处理方法效果最佳
进一步的，所述光谱分析模型预测的饲用苎麻叶片中总多酚含量与实际测量的饲用苎麻叶片中总多酚含量相关系数分别为：0.8528。
进一步的，所述步骤4利用光谱分析模型预测待测饲用苎麻叶中总多酚的含量，是将近红外农产品品质测定仪采集的待测饲用苎麻叶粉的吸收光谱数据平均值输入至光谱分析模型，经过光谱数据预处理、模型计算预测获得该成份的预测值，即可预测得到该饲用苎麻叶中总多酚的含量。
本发明的有益效果是，近红外快速检测饲用苎麻叶片总多酚含量的方法，通过利用测定到的样品饲用苎麻叶片总多酚成分含量，建立光谱分析模型，以实现快速、高效且准确的检测麻叶粉中的总多酚成分含量，成本低，为饲料型饲用苎麻种质提供快速筛选技术。
附图说明
图1是饲用苎麻叶样品原始光谱图；
图1
图2是饲用苎麻总多酚测定值与预测值相关图。
图2
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明为一种近红外快速检测饲用苎麻叶片总多酚含量的方法，包括如下步骤：
步骤1：采用化学测量法检测样品饲用苎麻叶粉中总多酚的含量；
步骤2：采用近红外农产品品质测定仪扫描样品饲用苎麻叶粉的吸收光谱数据；
步骤3：选择总多酚的光谱预处理方法；
步骤4：利用扫描的吸收光谱数据，结合化学测量法的检测值和光谱预处理方法获得的数据建立光谱分析模型；
步骤5：选取验证饲用苎麻叶粉对光谱分析模型进行校正；
进一步的，所述步骤1中对总多酚含量测定至少重复进行三次。
进一步的，所述步骤2采用S400型近红外农产品品质测定仪进行吸收光谱的采集，扫描范围为1100nm～2500nm(4000?9090.91(1/cm))。
进一步的，所述步骤2中，对饲用苎麻叶进行多次吸收光谱的扫描；所述步骤4是利用多次扫描的吸收光谱数据的平均值建立红外光谱分析模型。
进一步的，所述步骤3选择总多酚的光谱预处理方法，是选择使光谱分析模型的决定系数和分辨度最大、校正标准差和相对标准差最小的光谱预处理方法。
进一步的，所述步骤4建立光谱分析模型的过程如下：利用CAUNIR近红外定标软件，对样品饲用苎麻叶粉的总多酚的含量化学测量值和三次扫描采集的吸收光谱数据分别求平均值，对样品饲用苎麻叶粉的总多酚的含量化学测量值和吸收光谱预处理后的数据一一对应进行关联，并采用定量偏最小二乘法(QPLS)法进行建模。选择使光谱分析模型的决定系数和分辨度最大、校正标准差和相对标准差最小的原始光谱数据预处理方法进行数据预处理并建模。
进一步的，所述步骤3饲用苎麻叶粉的总多酚采用外部检测法进行光谱预处理，总多酚光谱采用中心化+标准正态变换+极差归一的预处理方法效果最佳
进一步的，所述光谱分析模型预测的饲用苎麻叶片中总多酚含量与实际测量的饲用苎麻叶片中总多酚含量相关系数分别为：0.8528。
进一步的，所述步骤4利用光谱分析模型预测待测饲用苎麻叶中总多酚的含量，是将近红外农产品品质测定仪采集的待测饲用苎麻叶粉的吸收光谱数据平均值输入至光谱分析模型，经过光谱数据预处理、模型计算预测获得该成份的预测值，即可预测得到该饲用苎麻叶中总多酚的含量。
实施例
供试材料为169份饲用苎麻叶粉，每份材料分为2组，一组用于化学成分测定，另外一组用于近红外光谱采集。近红外光谱样品集分为校正集与检验集，校正集用于建立模型及模型的内部交叉验证，检验集用于模型的外部验证。本实验选取了150份作为校正集，19份作为检验集。
近红外扫描光谱的采集：
使用微型植物粉碎机粉碎，充分混匀经过筛处理，在105℃条件下烘干24小时，样品放于玻璃干燥器内，至温度冷却至室温后，装入小圆型样品杯，将样品刮平、压实，确保装载的样品均匀一致，样品重约为3g。采用S400型近红外农产品品质测定仪进行吸收光谱的采集，扫描范围为1100nm～2500nm(4000?9090.91(1/cm))，为减少仪器波动和装样对光谱扫描的干扰，每个样品重复扫描3次，用光谱处理软件合并成平均光谱用于建模与校验。
总酚含量测定
饲用苎麻叶总多酚的近红外模型的校正集和检验集样品数据统计结果见表1。饲用苎麻叶材料校正集总多酚含量范围在52.04mg/g?293.80mg/g，平均值是6.21％；验证集总多酚含量范围在56.00mg/g?182.54mg/g，平均值是6.21％。样品化学成分含量分布范围较广，差异明显，说明样品具有一定的代表性。
表1饲用苎麻叶总多酚含量的测定
原始光谱的采集
图1所示为饲用苎麻叶样品在1100nm～2500nm(4000?9090.91(1/cm))的近红外漫反射光谱图，全波长范围内存在多个吸收峰。不同样品在近红外光谱区吸收光谱特征基本一致，全光谱呈现高低平缓的趋势，说明样品主要成分基本相同，但各成分相对含量不同，即可利用样品的近红外光谱进行总多酚含量的测定。
原始光谱预处理与模型建立：
原始光谱预处理方法有中心化、极差归一、矢量校正、散射校正、一阶导数和二阶导数六种，推荐主成分数方法有外部检测和内部交叉两种。原始光谱预处理方法的选择直接影响着分析模型建立的好坏。采用定量偏最小二乘法(QPLS)法进行建模，构建的近红外预测模型决定系数(R2)、分辨度(RPD)越大，校正标准差(SEC)、相对标准差(RSD)越小，预测模型越准确。通过上述六种预处理方法和两种推荐主成分数方法处理比较分析，结果如表2，发现：饲用饲用苎麻叶粉总酚含量测定采用内部交叉较好，其中中心化+标准正态变换+极差归一的预处理方法效果最佳，主成分数为8，决定系数为72.28％。
表2饲用苎麻叶化学成分预处理结果
模型建立：
采用CAUNIR软件进行模型构建，如图2所示，校正后的预测值和测定值存在较好的线性关系。总酚相关系数分别为0.8528。表明饲用苎麻叶粗蛋白和部分营养成分含量的近红外模型的预测准确度较好，能满足物质品质分析中对准确度的要求。
模型验证：
选取未参与定标19个饲用苎麻叶样品对所建总多酚模型进行验证。验证结果如下表3。总酚测量值与预测值平均值接近，分别为115.72mg/g、117.60mg/g，平均差值为1.88mg/g。总酚化学值与预测值最大绝对误差为17.55mg/g，最小绝对误差为0.83mg/g，且平均绝对误差为11.74mg/g。
表3近红外模型验证结果
预测模型是利用光学数据预测值和化学方法实测的值来建模的，化学方法检测总多酚是按照国标来做，费时费力；前期建模需要获得一定数量饲用苎麻的化学值，建好模型后，需要在近红外分析软件中打开，x值为用近红外农产品品质测定仪扫描的吸收光谱数据预测值，y为预测的化学值，利用真实测量值建立预测模型，是为了保证预测值的可靠性。在实际应用中，只需要采用近红外仪扫饲用苎麻叶片粉末，获得光学数据，直接利用模型测得叶片中总多酚的含量，而不需要再采用化学法进行测定，简单，快速，高效，省钱省力。
对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。
文章摘自国家发明专利，一种近红外快速检测饲用苎麻叶片总多酚含量的方法，发明人：邢虎成，霍颖怡，邵明宇，揭雨成，申请号：202411193420.6，申请日：2024.08.28.
