意大利将近红外光谱技术用于榛子筛选

　　分析测试百科网讯 榛子作为糖果、面包和巧克力产业的原材料在全球范围内广泛使用。市售的这种坚果有脱壳和带壳的，或是处理后用来改善各种食物的颜色、风味、质地和纤维，因为它是蛋白质、脂类和甾醇化合物如植物甾醇、维生素E等的非常宝贵的来源。

　　按照传统的耕作方式，当几乎所有的果实都成熟掉落时，榛子才开始收获。但是，在开始收获之前，榛子会在地上干燥3-4个星期，这可能会将榛子暴露在微生物污染和不利的天气条件中。微生物污染，种子褐变，坏品味和脂质氧化是在储存榛子时其质量变坏影响销售的主要原因。这些因素会给干燥过程、耐贮性和坚果最终组成带来消极影响。

　　带壳的榛子通常会在仓库中贮存几个月到几年不等的时间。在贮藏过程中，榛子发生微生物污染或化学变化往往会使消费者感到榛子味苦。榛子在加工和储存过程可能会发生的另一个变化是不饱和脂肪酸的催化氧化，这会导致果实的异味。

　　Napoli Federico II (意大利)大学和Wageningen大学（荷兰）的研究人员已经调查了近红外光谱（NIR）估计带壳和去壳榛子果仁缺陷程度以及脂质氧化水平的可行性。这个实验在'Mortarellà培育的榛子上进行，一种最重要的非圆形的核心品种生长在Campania地区。意大利是继土耳其后，第二个世界重要的榛子生产国。

　　 在这项研究中，NIR作为一种替代传统质量评价的方法。若干研究表明NIR作为一种高通量筛选的有效方法，适用于花生、核桃、板栗等干果的水分含量、脂肪含量和脂肪酸组成的测定。研究人员表示，在榛子中，NIR技术已经被用于检测果仁缺陷（颜色异常的外壳和/或内核、虫害、有害的疾病以及真菌的、生长）、游离酸度、含水量。然而，NIR技术尚未应用于带壳和脱壳榛子的果仁缺陷程度分类或是脂质过氧化水平评估中。

　　果仁首先通过感官评价进行内部和外部视觉评估，随后测量脂肪氧化程度。用偏最小二乘法（PLS）来制定校准模型。建立一个符合要求的PLS来检测有缺陷的果仁。对于脂质氧化估计最好的PLS模型是通过首先从校准集移除有缺陷的果仁得到的。表示主要脂质氧化程度的消光系数K232 PLS模型，能够预测带壳（R2 = 0.79）和脱壳（R2 = 0.85）榛子的K232。

　　研究人员得出的结论是：NIR是一种能够精确、快速检测带壳以及脱壳榛子果仁缺陷程度和估计脂质氧化程度的技术。根据研究结果，可以使用NIR技术将榛子分成不同质量等级。可以开发一个两步的NIR程序，利用第一个PLS模型来检测并分离出有缺陷的果仁，然后用第二个PLS模型根据脂质氧化程度将完好的果仁分级。有趣的是，只有在4个波长能预测带壳榛子脂质氧化程度和检测榛子果仁缺陷。这个结果对低成本的商业仪器开发是十分有用的。