大豆籽粒約含粗蛋白40% ,粗脂肪20% ,是重要的植物蛋白和食用油來源。提高大豆籽粒中蛋白和脂肪含量是品質改良的重要目標之一,準確測定其粗蛋白、粗脂肪含量是前提。目前,國家頒布的粗蛋白標準測定方法是基于凱氏定氮法的化學分析(GB290521982) ,粗脂肪標準方法是基于索氏提取法的化學分析(GB290621982) 。盡管通常認為其可靠性較高,但操作步驟繁瑣、籽粒粉碎而不能延續后代。在大豆品質改良過程中,需要對大量種質資源、突變體、雜交后代材料及時鑒定、篩選和分析,同時希望具有優良品質的籽粒經分析后能保持完好,以便進一步繁殖。因此,迫切需要一種準確、快速、簡便、非破壞籽粒的檢測方法。

近紅外光譜技術(Near Infrared Spectroscopy,N IS)是20世紀80年代后期發展起來的一項物理測試技術。它利用有機物在近紅外光譜區的振動吸收而快速測定樣品中多種化學成分含量,蛋白質、脂肪、糖類等含有的各種含氫基團(CH、OH、NH、SH等)的倍頻與合頻譜帶恰好落在近紅外區,以得到這些有機分子含氫基團的特征振動信息,從而測定其化學成分的含量,已成為水稻、小麥、玉米等農作物品質分析的重要手段。與化學分析相比,近紅外光譜技術是一項間接的分析方法,它測定樣品成分含量的方法是建立在化學分析法或其它儀器測定基礎之上,是一種可“再生”的測定方法。因此,任何一臺近紅外光譜儀對每種組分或每種參數都要單獨定標。所以,利用近紅外檢測大豆籽粒中粗蛋白和粗脂肪含量,關鍵是構建正確的模型,并驗證模型的可靠性。其實測定大豆中粗蛋白和粗脂肪，還有更為簡便的方法，那就是直接用儀器測定。SZF-06B粗脂肪測定儀、SZF-06粗脂肪測定儀就是兩款型號不同，功能略有差異的粗脂肪測定儀。

研究旨在利用不同的建模樣品集分別構建近紅外檢測模型,以化學分析結果作參照,探求近紅外檢測代替化學分析的適應范圍。

1　材料與方法

1. 1　近紅外檢測模型建立

采用4個建模樣品集,由權威檢測中心(以M2表示)依照GB290521982和GB290621982獲得化學值。近紅外檢測采用德國Bruker公司的Matrix2I傅立葉近紅外光譜分析儀,取適量大豆籽粒置于樣品杯中,用透射方式掃描獲得大豆籽粒樣品的近紅外吸收光譜圖,掃描譜區4 000～12 600 cm- 1 ,分辨率16 cm- 1 ,掃描速度10 KHz,掃描次數60次,每個樣品重復裝樣掃描3 次。利用B ruker 公司的OPUS412軟件的Quant 2 方法, 以偏最小二乘法( PLS)建立大豆粉末、籽粒近紅外檢測粗蛋白及粗脂肪含量的模型,使用交叉檢驗法對模型做出評價。

1. 2　近紅外檢測模型可靠性比較

1. 2. 1　材料　選用8個大豆品種(系) ,粗蛋白含量35%～45. 5% ,粗脂肪含量在16. 2%～22. 5% ,其中, 1、2、3、5、7、8號材料是黃種皮材料, 4號是青種皮材料, 6號是黑種皮材料。

1. 2. 2　檢測方法　將每個參試品種種子充分混勻分成3等份(即設重復3次) ,隨機編為24個樣品號。24份樣品分別用研究中建立的3種近紅外籽粒檢測模型(以M5、M6、M7表示)和近紅外粉末檢測模型(以M4表示)檢測粗蛋白、粗脂肪含量;同時送檢包括農業部和河北省指定的權威檢測部門用化學法檢測(以M1、M2、M3表示) 。

1. 2. 3　統計方法　通過方差分析比較各結果間變異系數CV的差異以評價穩定性。以方差分析、相關分析衡量不同檢測結果趨勢的一致性。相關分析以平均數為準。方差分析、相關分析由SAS6. 12軟件完成。

2　結果與分析

2. 1　近紅外模型建立

近紅外檢測模型建模樣品集樣品數量分別為30、77、415和161個(表1) 。其中,粉末模型樣品覆蓋范圍相對較窄,粗蛋白決定系數0. 9788,粗脂肪決定系數0. 9601,在4個模型中最大,交叉驗證均方根分別為粗蛋白0. 439,粗脂肪0. 287,在4個模型中最小。籽粒模型M6的樣品集中包括415份樣品,且粗蛋白和粗脂肪含量的樣品范圍在4個模型中最寬。它的粗蛋白和粗脂肪決定系數在3個籽粒模型中最大,交叉驗證均方根在3 個籽粒模型中最小。