王姍姍,孫紅男,陳 健,孫愛東
(北京林業(yè)大學,北京100083)
基于近紅外光譜技術(shù)檢測藍莓可溶性固形物含量
王姍姍,孫紅男,陳 健,孫愛東*
(北京林業(yè)大學,北京100083)
采用近紅外漫反射光譜技術(shù)對遼寧丹東藍莓基地的六個藍莓品種(埃利奧特、達柔、愛國者、北藍、杜克、藍豐)進行光譜分析,快速無損測定藍莓可溶性固形物含量,利用一階導數(shù)進行光譜預處理,主成分分析(PCA)和偏最小二乘法(PLS)建立藍莓可溶性固形物預測模型。結(jié)果表明,所建模型的相關系數(shù)(Corr.Coeff.)為0.91518、校正集標準偏差(RMSEC)為0.801、預測集標準偏差(RMSEP)為1.06。該方法快速、準確、無損,能準確地預測藍莓中可溶性固形物含量。
藍莓,可溶性固形物,偏最小二乘法,近紅外光譜
藍莓又稱越橘,俗稱都市果,杜鵑花科(Ericaceae)越橘屬(Vaccinium L.)植物。其果實為漿果,呈藍色,近圓形,果肉細膩,甜酸適度。果實除了含有糖、酸、蛋白質(zhì)、脂肪、微量元素和維生素外,還富含超氧化物岐化酶(SOD)、花色甙、多酚、類黃酮等其他果品中少有的特殊功效成分。被聯(lián)合國糧農(nóng)組織(FAO)確定為人類五大健康食品之一,有防止腦神經(jīng)衰老、增強心臟功能、明目抗癌等獨特功效,具有很高的食用價值和保健功能[1-3]。可溶性固形物含量(soluble solids content,SSC)對藍莓口感有很大影響,是評價藍莓及其制品品質(zhì)的重要指標之一。近紅外光譜技術(shù)作為一種快速、無損的檢測方法,在水果品質(zhì)檢測中得到了廣泛應用[4-14]。張淑娟等人利用近紅外光譜技術(shù)對柿子和鮮棗中的可溶性固形物進行無損快速檢測,柿子可溶性固形物所建模型預測相對誤差在3%以下,預測值和實測值的決定系數(shù)(R2)為0.99;鮮棗可溶性固形物含量預測值與實測值相對偏差小于10%,表明用近紅外光譜技術(shù)檢測柿子和鮮棗的可溶性固形物含量是可行的。蔡宋宋等人利用近紅外漫反射光譜評價杏貯藏期間可溶性固形物和硬度的變化,預測效果較好。章海亮等人通過靜態(tài)和在線兩種方式的對比實驗,研究蘋果可溶性固形物近紅外光譜靜態(tài)和在線檢測的差異,結(jié)果表明,靜態(tài)檢測較在線檢測預測效果好。在國外,利用NIR技術(shù)檢測水果品質(zhì)也有很多應用,Nicola?等人測定了蘋果SSC含量,Saranwong和Kawano測定芒果中SSC含量以及芒果不同成熟期的品質(zhì)變化。都得到了很好的效果。本文是首次利用近紅外光譜技術(shù)測定藍莓中可溶性固形物含量,旨在為檢測新鮮藍莓SSC提供一種可行的無損檢測技術(shù)。
六個藍莓品種(埃利奧特、達柔、愛國者、北藍、杜克、藍豐)130個樣品 采自遼寧丹東藍莓基地,經(jīng)分選,剔除爛果,于-170℃超低溫冷庫中保存。
HR108ATC型糖度計 北京德明達光學儀器廠;Antarise傅里葉變換近紅外光譜儀 Thermo Nicolet美國。
1.2.1 可溶性固形物(SSC)的測定 采用HR108ATC型糖度計測定樣本的SSC含量,將冷凍果放置于室溫勻漿,取一滴勻漿汁滴于糖度計測試窗口上,重復取樣測量3次,取平均值作為樣本SSC含量的真實值。
1.2.2 近紅外漫反射光譜采集 冷凍果放置于常溫,利用Antaris傅里葉變換近紅外光譜儀積分球附件采集藍莓樣品的漫反射光譜,InGaAs檢測器收集信號。光譜采集條件:波數(shù)范圍4000~10000cm-1,掃描次數(shù)32,分辨率8cm-1。Result軟件用于光譜的采集,TQ Analyst 8.0化學計量學軟件用于處理光譜數(shù)據(jù)。
表1為所測樣本可溶性固形物含量的分布。由表可以看出,六個品種藍莓在可溶性固形物含量上差別不大。
六個品種藍莓的原始光譜曲線如圖1所示,橫坐標為波長,范圍是4000~10000cm-1,縱坐標為光譜漫反射率,可以看出不同藍莓品種的光譜曲線沒有明顯區(qū)別。
圖1 藍莓的原始光譜圖Fig.1 Original NIR spectra of blueberries
從圖1中可看到,由于受近紅外譜區(qū)自身吸收強度弱、信噪比低等特點和測定時背景復雜、樣品顆粒大小、裝樣條件等的影響,原始漫反射光譜不穩(wěn)定,光譜重疊嚴重,因此為了去除高頻隨機噪聲以及樣本不均導致的基線漂移的影響,應用TQ Analyst 8.0化學計量學軟件對原始光譜進行預處理。光譜預處理方法包括導數(shù)、平滑、扣減、歸一化、標準化等。本文采用常用的導數(shù)處理,可以消除基線漂移,提供比原光譜更高的分辨率和更清晰的光譜輪廓變化。圖2為經(jīng)一階導數(shù)處理后的光譜曲線。
圖2 樣品一階導數(shù)光譜Fig.2 Spectrogram of 1nd derivation of samples
應用主成分分析和偏最小二乘法建立藍莓可溶性固形物定標模型。主成分分析是一種古老的多元統(tǒng)計分析技術(shù),它的中心目的是將數(shù)據(jù)降維,以排除眾多化學信息共存中相互重疊的信息。偏最小二乘法是一種較新的多元數(shù)據(jù)處理技術(shù),它能很好地解決觀察值數(shù)量少以及存在多重線性相關的問題,是目前近紅外分析中應用較廣的算法[15-16]。在110個樣本中隨機選擇77個樣本作為校正集(Calibration),其余27個樣本作為驗證集(Validation),剔除6個異常樣本,在波數(shù)為4000~10000cm-1的區(qū)間內(nèi)用主成分分析(PCA)和偏最小二乘法(PLS)建模。經(jīng)TQ處理后,得出主成分數(shù)為3時為其最佳模型。所建模型可用相關系數(shù)(Corr.Coeff.)和校正集標準偏差(RMSEC)來評價,其預測能力可通過預測集標準偏差(RMSEP)作為衡量指標。PCA分析結(jié)果及PLS建模見圖3。
圖3 主成分分析(a)和偏最小二乘法建模(b)Fig.3 PCAAnalysis(a)andPLScalibrationmathematicsmodel(b)
由圖3可知,漫反射光譜預處理方法所建模型的相關系數(shù)(Corr.Coeff.)為0.91518、校正集標準偏差(RMSEC)為0.801、預測集標準偏差(RMSEP)為1.06,建模效果較好。
應用上述所建立的定標模型,對27個預測集的樣品進行預測。藍莓可溶性固形物的實際值與預測值的對應關系如表2。
表2 驗證集樣品預測結(jié)果Table 2 Predicted results of the prediction samples
本研究在4000~10000cm-1全波段范圍內(nèi)應用近紅外漫反射光譜檢測藍莓可溶性固形物含量,建立了藍莓近紅外漫反射光譜與可溶性固形物的相關關系模型。結(jié)果表明,藍莓樣品的近紅外光譜與其SSC之間有較好的相關性,多種預處理方法比較得出,一階導數(shù)是適合藍莓SSC的最優(yōu)光譜預處理方法。應用PCA和PLS方法所建立的模型相關系數(shù)為0.91518,校正均方差(RMSEC)為0.801,預測均方差(RMSEP)為1.06,模型效果較好,可實現(xiàn)對藍莓可溶性固形物含量的快速、無損分析。
[1]李亞東,張志東,吳林.藍莓果實的成分及保健機能[J].中國食物與營養(yǎng),2002(1):22-28.
[2]馬艷萍,郭才,徐呈祥.藍莓的功能、用途及有機栽培研究進展[J].金陵科技學院學報,2009,25(2):49-54.
[3]胡雅馨,李京,惠伯棣.藍莓果實中主要營養(yǎng)及花青素成分的研究[J].食品科學,2006,27(10):600-603.
[4]張淑娟,張海紅,王鳳紅,等.柿子可溶性固形物含量的可見-近紅外光譜檢測[J].農(nóng)業(yè)工程學報,2009,25(2):345-347.
[5]張淑娟,王鳳花.鮮棗品種和可溶性固形物含量近紅外光譜檢測[J].農(nóng)業(yè)機械學報,2009,40(4):139-142.
[6]蔡宋宋,王寶剛,李文生,等.杏貯藏期間可溶性固形物和硬度的近紅外光譜檢測[J].光譜實驗室,2010,27(3):1185-1189.
[7]章海亮,孫旭東,劉燕德,等.近紅外光譜檢測蘋果可溶性固形物[J].農(nóng)業(yè)工程學報,2009,25(2):340-344.
[8]朱大洲,孟超英.不同類型近紅外模型在蘋果汁檢測中的應用[J].農(nóng)業(yè)工程學報,2009,25(2):325-329.
[9]張帆,王倩,馬智宏,等.西瓜可溶性糖和纖維素含量的近紅外光譜測定[J].食品科學,2007,28(1):258-261.
[10]NorrisKH,Rooman JD.Qualitative applications of nearinfrared reflectance spectroscopy[J].Agricultural Engineering,1962,43:154-156.
[11]Nicoletta Sinelli.Evaluation of quality and nutraceutical content of blueberries(Vaccinium corymbosum L.)by near and mid-infrared spectroscopy[J].Postharvest Biology and Technology,2008,50:31-36.
[12]Arana I,Jaren C,Arazuri SA.Maturity,variety and origin determination in white grapes(Vitis Vinifera L.)using near infrared reflectance technology[J].Near Infrared Spectrosc,2005,13:349-357.
[13]Cen H,He Y.Theory and application of near infrared reflectance spectroscopy in determination of food quality[J]. Trends Food Sci Technol,2007,18:72-83.
[14]Duarte IF,Barros A,Delgadillo C,et al.Application of FTIR spectroscopy for the quantification of sugars in mango juice as a function of ripening[J].J Agric Food Chem,2002,50:3104-3111.
[19]劉珂.近紅外光譜分析技術(shù)及應用研究[J].河南工業(yè)大學學報,2009,30(1):88-93.
[20]嚴衍祿.近紅外光譜分析基礎與應用[M].北京:中國輕工業(yè)出版社,2005:98-285.
Determination of soluble solids content of blueberries with near infrared spectroscopy
WANG Shan-shan,SUN Hong-nan,CHEN Jian,SUN Ai-dong*
(Beijing Forest University,Beijing 100083,China)
An analytical procedure has been developed for the rapid and non-destructive measurement of soluble solids content in blueberry samples using near infrared diffuse reflection spectrum.Six varieties of blueberries(“Elliott”,“Darrow”,“Patriot”,“Duke”,“Northblue”and “Bluecrop”)were selected,which collected from Liaoning.The original spectrum averaged was preprocessed by the 1st derivative.By means of principal component analysis(PCA)and partial least squares(PLS),the calibration mathematics model for total soluble solids was established.The relative coefficient was 0.91518,the calibration standard deviation was 0.801,and the prediction standard deviation was 1.06.The method was rapid accurate and non-destructive,which was available for rapid accurate determination of SSC in blueberries.
blueberry;SSC;PLS;near spectroscopy
TS255.7
A
1002-0306(2012)01-0340-03
2010-12-22 *通訊聯(lián)系人
王姍姍(1986-),女,碩士,研究方向:天然產(chǎn)物提取與利用。
國家林業(yè)公益性行業(yè)科研專項(200904014)。