紅外光譜分析技術在稻米品質方面的應用

發布日期：2014-07-08 點擊：1896

水稻作為世界主要糧食作物之一，近紅外光譜技術較早地應用于稻米品質的分析。日本學者在20世紀80年代初利用近紅外分析技術測定了稻米蛋白和丙氨酸含量等品質性狀，其結果與常規測定有很高的相關性，但發現直鏈淀粉含量和灰分測定的重演性較差。90年代以來，應用近紅外光譜技術測定稻米蒸煮與營養品質等性狀的研究已經取得較好的進展。Villareal等研究了NIR技術測定糙米和精米的表觀直鏈淀粉含量（AAC）的效果，發現測定精米時結果穩定，與常規測定方法得的結果有較好的相關性。Delwiche等則用97份精米粉為分析樣品，明顯提高了NIR分析的精確度，碘比色法與NIR方法測得的AAC兩者間相關系數達0.956.采用直接掃描整粒精米的方法分析稻米品質性狀，結果發現AAC、蛋白質含量、糊化溫度（堿消值）、米粉黏滯特性等都可取得良好的結果。稻米的品質除了與其化學組成（淀粉、蛋白質、水分含量等）有關，還受顏色、透明度、外觀紋理、口感等影響。Barton等利用近紅外光譜評估稻米的質量，發現其化學組成和物理性質（顏色、透明度、粉碎程度等）可以利用不同的波長區域建立相應的模型進行質量評估。舒慶嘵等以精米粉為樣品，建立了稻直鏈淀粉含量的NIR定標分析模型，外部檢驗決定系數達0.94，工作標準誤差小到0.84.利用較小定標樣品集構建稻米直鏈淀粉和蛋白質含量測定的NIR分析模型也取得良好效果，模型的決定分別為0.95和0.94.一些學者將NIR技術應用于精米粉黏滯度（RVA）、差熱分析（DSC）和米膠特性等淀粉品質參數的研究，發現絕大部分指標的定標模型決定系數在0.8以上，誤差較小。Kawamura等將NIR技術用于稻米加工過程的質量控制，成功地分析了稻米的水分和蛋白質含量兩項指標。以上的研究大多集中在精米的品質測定上，但用于育種中材料的品質篩選的石粉較少。舒慶曉等較早地以建立小樣本美國稻糙米的NIR分析模型，取得較好的效果，可用于美國稻的單株選擇。
上述研究為NIR技術在水稻品質良種中的應用打下了一定的基礎。但尚存在著不少問題，如樣品來源較為單一、大多為單年份的試驗材料、定標集本數目偏少、所構建的模型實際適用性還不夠理想，且目前定標模型分析所需樣品量較大，不適合于單株樣品量很少的育種中間材料選擇。更重要的是，絕大部分用于構建分析模型的樣品為穩定的品種或品系，這與育種蹭材料常處于分離狀態不相符合，而樣品狀態對于NIR分析是非常重要的。由于上述這些原因，目前NIR分折技術還未在稻米品質改良的育種選擇過程中得到廣泛應用。鑒于此因，Wu等以及吳建國等對稻米品質指標的NIR分析技進行了系統研究，試驗中利用14個親本以及3個不同世代的遺傳群體進行NIR建模研究，發展了樣品量僅需3g和0.5g、且能同時測定稻米蛋白質和16種氨基酸含量的NIR分析技術。同時根據遺傳背景和品質差異，選擇了474粒稻谷組成一個原始樣品集，發展了可以用于分析單粒稻谷直鏈淀粉含量的NIR分析模型。為了使NIR分析更具實用性，將1999～2002年期間獲得的586個CENTER程序界定群體，經SELECT程序選擇出290樣品作為定標樣品集，建立了可用于稻米粉直鏈淀粉含量、堿消值和膠稠度等品質性狀測定的NIR分析模型，定標決定系數分別為0.96、0.85、0.81.應用136個差異大的水稻樣品作為原始群體，也發展了能分析精米脂肪酸含量的NIR定標模型，其決定系數和標準偏差分別為0.90和0.04%。通過不斷嘗試新的稻米品質指標，加之測定儀器和軟件的不斷改進，NIR技術有可能成為稻米品質育種選擇的常用測定工具。

上一篇：紅外光譜分析技術在小麥品質特性方面的應用

下一篇：天友利新版布樣裁邊機以舊版布樣裁機邊比較