不同光谱采集位置和数量对番石榴品质检测的影响.docVIP

不同光谱采集位置和数量对番石榴品质检测的影响 　　番石榴是岭南大宗水果之一， 周身是宝, 果味独 特、鲜美, 富含有益于人体的各种营养成分，具有药用和保健作用。 番石榴果实可溶性固形物（SSC）是衡量其内部品质的重要指标。 目前国内外都是采用破坏性的化学方法对番石榴内在品质进行测定， 存在样品预处理繁琐、检测时间长、检测成本高等方面的问题。 近红外光谱技术具有无需前处理、无污染、快速无损等优点，近年基于近红外光谱的无损检测分析广泛应用于水果、食品、生物化学和工业检测等方面。 　　但目前国内尚无对番石榴的近红外光谱无损检测的研究。 　　对番石榴内在品质进行无损检测时， 为了使入射光充分进入果实内部， 首先基于漫反射法采集番石榴近红外光谱。 查阅国内外相关文献，绝大多数果品的近红外无损检测均采用漫反射法， 并且多数选取在赤道处采集 1 处或 4 处光谱， 然后取其平均值代表整果的光谱。 通常果品内部营养成分的含量并不均匀，选取特定 1 处或几处特定区域平均往往并不能很好的代表果品固有的光谱特性， 试验中往往可以看到不同区域的光谱并不具有很好的一致性。 为了取得较好的无损检测精度， 必须使采集到的光谱能全面的反映出样本内在品质，选择不同光谱采集位置和采集数量，势必会对检测结果产生影响。 本研究探讨在番石榴顶部、赤道及底部区域采集漫反射光谱的位置和数量对 PLS 建模的影响，并用连续投影算法（SPA）筛选番石榴可溶性固形物（SSC）的特征波段，简化预测模型，对快速准确无损检测番石榴品质， 促进水果产后处理和检测分级技术发展都有重大意义。 　　1、 材料与方法 　　1.1 试验材料 　　供试样本为 246 个台湾 21 世纪番石榴样本。 样本果实体型较大、体态椭圆，并且表面凹凸不平，番石榴样本的重量为 240~270 g， 最大横径为 6.1~7.8 cm，顶端至底端的长度为 7.3~8.4 cm。 　　1.2 试验设备 　　采用近红外便携式光纤光谱仪 NIR Quest512（Ocean Optics，USA）采集番石榴的光谱数据。 该光谱仪如图 1 所示，测量的波长范围为 900~1 700 nm，波长分辨率为~3.0 nm FWHM，信噪比（满量程时）大于 15 000:1，积分时间为 0.001~10 s。 试验使用 The Unscrambler9.8 和 Matlab 进行数据处理。 　 　　试验采用 PAL-1 数字显示糖度计（Atago，Japan）测量番石榴的可溶性固形物。 该糖度计的测量范围为0.0~53.0% Brix， 最 小标度为 0.1% Brix， 精 度为 ±0.2%Brix。 通过 3 s 测量 0.3 mL 的样本量便能快速得到样本的可溶性固形物含量。 　　1.3 检测方法 　　1.3.1 光谱采集 建立基于漫反射法的近红外光谱采集系统，如图 2 所示。 积分球内含反射光源，积分球的进光孔直径为 8.5 mm， 经番石榴反射后的光线进入积分球，然后通过 600 μm 的光纤采集传至光谱仪，最后由计算机进行光谱数据处理。 光谱仪积分时间为 0.25s，平滑宽度为 4，每次光谱采集平均次数为 4。 　 　　为了全面收集番石榴的光谱信息， 将番石榴样本从上往下分成顶端、 赤道和底部 3 个区域， 如图 3 所示。 由实际生活经验和相关参考文献可知，番石榴果肉可溶性固形物一般在顶部含量较多，赤道含量居中，而底部的含量最多，分布并不均匀。 分别从这 3 个区域采集 4 次光谱，4 次采集位置依次旋转 90°， 且位于同一水平面。 为了分析番石榴的光谱采集位置和数量对其近红外光谱无损检测的影响， 随后将以赤道 1 处光谱、赤道 4 处平均光谱和全部 12 处平均光谱（图 4）代表每个样本的光谱进行建模比较。 　　 　　1.3.2 测定可溶性固形物(SSC) 使用组织粉碎机榨碎番石榴样本，然后过滤，得到番石榴果汁，将果汁滴至糖度计的检测区域进行检测。 对每个番石榴 SSC 测量2 次，取平均值作为每个样本的 SSC 值，所有 246 个样本的 SSC 结果如表 1 所示。 　 　　1.4 连续投影算法（SPA）优选波长 　　试验中所采集的光谱波段为 900~1 700 nm。 全波段建模不仅包含冗余变量，产生干扰噪声，同时也会增大计算量， 影响建模分析效率。 连续投影算法（Successive Projection Algorithm, SPA）是一种前向循环的变量选择方法， 能够从严重重叠的光谱信息提取有效信息，筛选特征光谱变量，从而简化校正模型和缩短校正时间。 　　2、 结果与分析 　　2.1 不同光谱采集位置和数量对建模的影响 　　选取校正集 213 个样本，以赤道 1 处光谱、赤道 4处平均光谱和全部 12