王丹，魯曉翔，張鵬，李江闊

1(天津商業(yè)大學(xué)生物技術(shù)與食品科學(xué)學(xué)院，天津市食品生物技術(shù)重點(diǎn)實(shí)驗(yàn)室，天津，300134)

2(國(guó)家農(nóng)產(chǎn)品保鮮工程技術(shù)研究中心，天津市農(nóng)產(chǎn)品采后生理與貯藏保鮮重點(diǎn)實(shí)驗(yàn)室，天津，300384)

甜柿營(yíng)養(yǎng)價(jià)值豐富、風(fēng)味獨(dú)特、甜脆爽口。甜柿的硬度是衡量其品質(zhì)及耐貯性的重要指標(biāo)，通常用來(lái)確定果實(shí)的成熟度和采摘時(shí)間，并為制定柿子的貯藏、保鮮、包裝和運(yùn)輸?shù)确桨柑峁┲匾罁?jù)［2］。傳統(tǒng)檢測(cè)甜柿硬度的方法是采用果實(shí)硬度計(jì)或以手捏的方式感知果實(shí)硬度情況，分別存在有損傷和判斷粗糙的缺點(diǎn)［3］。因此，建立一種快速無(wú)損的甜柿硬度檢測(cè)技術(shù)迫在眉睫。

近年來(lái)，隨著計(jì)算機(jī)和化學(xué)計(jì)量學(xué)的發(fā)展，近紅外光譜(Near Infrared spectroscopy，NIRS)分析技術(shù)得到了快速發(fā)展，該技術(shù)用于水果品質(zhì)無(wú)損檢測(cè)因具有快速、無(wú)損、簡(jiǎn)便等優(yōu)點(diǎn)而得到廣泛應(yīng)用［4－8］。其中，NIRS 分析技術(shù)在果實(shí)硬度檢測(cè)方面也獲得重要進(jìn)展，Ana M. Cavaco 等［9］通過(guò)NIRS 漫反射建立了梨的硬度模型，并用來(lái)預(yù)測(cè)不同成熟度梨的貨架期;Park等［10］通過(guò)NIRS 漫反射檢測(cè)蘋(píng)果的硬度，并據(jù)此進(jìn)行蘋(píng)果分級(jí)。但應(yīng)用NIRS 技術(shù)進(jìn)行柿子的無(wú)損檢測(cè)的研究較少［11－12］，甜柿硬度無(wú)損檢測(cè)的報(bào)道更是鮮見(jiàn)。因此，研究近紅外漫反射光譜無(wú)損檢測(cè)甜柿果實(shí)硬度具有重要的意義。

為了實(shí)現(xiàn)甜柿的近紅外無(wú)損檢測(cè)，建立性能穩(wěn)定的甜柿硬度近紅外光譜模型，本研究以“陽(yáng)豐”甜柿為試驗(yàn)材料，測(cè)定甜柿的近紅外漫反射光譜，建立光譜與硬度的對(duì)應(yīng)模型，為今后快速無(wú)損檢測(cè)甜柿硬度提供技術(shù)依據(jù)和方法。

1 材料與方法

1.1 實(shí)驗(yàn)材料

原料:甜柿 于2012 年10 月16 日采自北京平谷縣，采收時(shí)挑選成熟度(約為八成熟)一致、無(wú)病蟲(chóng)害和機(jī)械損傷的果實(shí)，采收當(dāng)天將果實(shí)運(yùn)至國(guó)家農(nóng)產(chǎn)品保鮮工程技術(shù)研究中心實(shí)驗(yàn)室(可控溫度為20 ～25℃)，進(jìn)行不同的處理，將一部分柿子立即置于含1-甲基環(huán)丙烯(1-MCP)氣體濃度為1.0 μL/L 的密閉塑料帳內(nèi)，于常溫下處理18 h 后，用微孔袋(厚度0.02 mm)包裝，以未做處理的柿子作為對(duì)照組。甜柿子均常溫貯藏(溫度20 ～25℃)。

測(cè)定前，將果實(shí)擦干凈，排序標(biāo)記后進(jìn)行掃描。實(shí)驗(yàn)共抽取230 個(gè)果實(shí)，隨機(jī)分為定標(biāo)集和驗(yàn)證集，樣品數(shù)分別為170 個(gè)和60 個(gè)。

1.2 光譜的采集

試驗(yàn)使用NIRS DS2500 近紅外漫反射光譜儀(丹麥Foss 公司)，采用全息光柵分光系統(tǒng)，硅(400 ～1 100 nm)和硫化鉛(1 100 ～2 500 nm)檢測(cè)器用于信號(hào)采集，掃描波長(zhǎng)范圍是400 ～2 500 nm，掃描方式為單波長(zhǎng)、快速掃描，掃描次數(shù)為32 次。配置Nova 分析軟件和WinISI4 定標(biāo)軟件，測(cè)量時(shí)避開(kāi)表面缺陷部位(如傷疤、污點(diǎn)等)，在柿果赤道線上陰陽(yáng)面各取一點(diǎn)放在Slurry Cup 上進(jìn)行光譜掃描。

1.3 硬度指標(biāo)的測(cè)定

用果實(shí)標(biāo)記的掃描點(diǎn)測(cè)定硬度。果實(shí)硬度采用英國(guó)產(chǎn)TA. XT. plus 物性測(cè)定儀測(cè)定，測(cè)試參數(shù)為:P/2 柱頭(2 mm?)，測(cè)試模式為穿刺模式，測(cè)試速度為2.0 mm/s，測(cè)后速度為2.0 mm/s，測(cè)試距離為10.0 mm，觸發(fā)力是5.0 g。

所得力/時(shí)間曲線如圖1 所示，以曲線第一峰(錨2)的力值作為果皮破裂時(shí)的力，即果皮強(qiáng)度(kg)，第一峰的力值與運(yùn)行距離的比值為果皮脆性(kg/s)，第一峰0.5s 后(錨3)與最大峰(錨4)之間的平均力值為果肉平均硬度(kg)。

圖1 甜柿硬度穿刺試驗(yàn)分析曲線Fig.1 Analysis curve for hardness puncture test of the sweet persimmon

1.4 模型的建立與驗(yàn)證

利用WinISI4 軟件，對(duì)原始光譜進(jìn)行濾波和平滑處理，以去除噪聲和提取有效信息，采用不同預(yù)處理確定柿子硬度無(wú)損預(yù)測(cè)模型，然后再用未參與定標(biāo)的樣品對(duì)模型進(jìn)行驗(yàn)證，評(píng)價(jià)模型的可行性。本研究中，評(píng)價(jià)所建立的定標(biāo)模型用交互驗(yàn)證相關(guān)系數(shù)(RCV)和交互驗(yàn)證誤差(SECV)作為評(píng)價(jià)指標(biāo)。預(yù)測(cè)模型的質(zhì)量通過(guò)預(yù)測(cè)標(biāo)準(zhǔn)誤差(SEP)、預(yù)測(cè)值與化學(xué)值相關(guān)系數(shù)(RP2)和相對(duì)分析誤差(RPD)定量評(píng)價(jià)。當(dāng)RPD 在2 ～2.5 之間，可進(jìn)行粗略的定量分析，大于2.5 或3.0 以上具有較好或很好的預(yù)測(cè)效果。

2 結(jié)果與分析

2.1 樣品硬度標(biāo)準(zhǔn)值分布情況

甜柿硬度的測(cè)定采用質(zhì)構(gòu)儀質(zhì)地整果穿刺法(puncture test)，這個(gè)方法能夠較好地反映整個(gè)果實(shí)的流變學(xué)特征，可同時(shí)獲得果皮強(qiáng)度、果皮脆性、果肉平均硬度等多項(xiàng)指標(biāo)，而且數(shù)據(jù)精確，克服了傳統(tǒng)檢測(cè)方法的缺點(diǎn)，使得硬度評(píng)價(jià)的內(nèi)容更加豐富與客觀。

本實(shí)驗(yàn)預(yù)測(cè)模型定標(biāo)集和驗(yàn)證集的平均值、變幅范圍和標(biāo)準(zhǔn)偏差見(jiàn)表1。實(shí)驗(yàn)中，樣品的測(cè)定是從采摘當(dāng)天到常溫貯藏56d，甜柿果實(shí)硬度逐漸變軟，所以每個(gè)參數(shù)真實(shí)值的分布范圍比較廣，代表性強(qiáng)，并且樣品驗(yàn)證集的含量范圍都在定標(biāo)集范圍內(nèi)。因此，本實(shí)驗(yàn)樣品可以用于建立甜柿硬度近紅外模型。

表1 定標(biāo)集和驗(yàn)證集樣品的分布特征Tab.1 Characteristics of calibration and prediction

2.2 甜柿果實(shí)近紅外掃描原始光譜

表2 展示的是甜柿貯藏49d 時(shí)，不同處理的參數(shù)指標(biāo)，可見(jiàn)經(jīng)過(guò)1-MCP 處理的果皮強(qiáng)度、果皮脆性和果肉平均硬度都大于對(duì)照組。這是因?yàn)榻?jīng)過(guò)1-MCP處理能不可逆地作用于乙烯受體，從而阻斷與乙烯的正常結(jié)合，抑制其所誘導(dǎo)的與果實(shí)后熟相關(guān)的一系列生理生化反應(yīng)，達(dá)到了保脆的效果，與對(duì)照組果實(shí)的硬度產(chǎn)生了差異。

經(jīng)1-MCP 處理和未經(jīng)處理的對(duì)照組全波長(zhǎng)范圍內(nèi)(400 ～2 500 nm)的近紅外原始光譜圖如圖2 所示。從圖中可知，兩條光譜在波長(zhǎng)677、978、1186 和1454 nm 的吸收峰處有明顯差異。通過(guò)WinISI4 軟件分析可知，在第一個(gè)吸收峰677 nm 處的差異，主要是因?yàn)楣麑?shí)紅色含量的不同;而在978 nm 和1186 nm處的吸收峰主要是水分引起的，這說(shuō)明水分含量對(duì)甜柿的近紅外光譜影響很大;1 454 nm 處吸收峰附近主要是C—H、—CH2鍵的變化，是因?yàn)槭磷又械目扇苄怨绦挝?、果膠和蛋白質(zhì)等物質(zhì)的含量隨著硬度的降低而降低，可溶性果膠則升高，它們的特征官能團(tuán)就是C—H、—CH2等，這說(shuō)明近紅外光譜圖捕獲的信息與甜柿內(nèi)在品質(zhì)之間存在著一定的變化規(guī)律。因此，本研究用可見(jiàn)/近紅外漫反射光譜無(wú)損檢測(cè)甜柿的硬度，分別建立果皮強(qiáng)度、果皮脆性和果肉平均硬度的預(yù)測(cè)模型。

圖2 甜柿貯藏49d 不同處理的原始吸收光譜圖Fig.2 Original absorption spectrogram for different treatment of the sweet persimmon in 49 days

表2 甜柿貯藏49d 不同處理的參數(shù)指標(biāo)Table 2 Parameter index for different treatment of sweet persimmon in 49 days

2.3 不同光譜預(yù)處理方法的選擇

采用改進(jìn)最小偏二乘法(MPLS)，分別研究不同導(dǎo)數(shù)處理方法與不同散射和標(biāo)準(zhǔn)化方法相結(jié)合的處理模型的方法，從而找到最優(yōu)的模型。在全光譜范圍內(nèi)比較了原始光譜(Log(1/R))、一階微分光譜(D1 Log (1/R))、二階微分光譜(D2 Log (1/R))和去散射處理(Detrend)、標(biāo)準(zhǔn)正?；幚?SNV)、SNV 和Detrend、標(biāo)準(zhǔn)多元離散校正(SMSC)、加權(quán)多元離散校正(WMSC)、反相多元離散校正(IMSC)、定標(biāo)和偏移處理(scale and offset)、規(guī)?；投翁幚?scale and quadratic)相結(jié)合的方法建立的模型。

用不同光譜預(yù)處理方法建模的結(jié)果如表3 所示。

表3 不同預(yù)處理的定標(biāo)結(jié)果Table 3 Statistical results of models constructed by different pretreatment

結(jié)果表明，對(duì)于果皮強(qiáng)度和果皮脆性，采用MPLS、D1 Log (1/R)、SMSC 處理建立的定標(biāo)模型較好，交互驗(yàn)證相關(guān)系數(shù)(RCV)分別為0.929 2 和0.939 9，交互驗(yàn)證誤差(SECV)分別為0.093 3 和0.154 5;對(duì)于果肉平均硬度，采用MPLS、D1 Log (1/R)、SNV and Detrend 建立的定標(biāo)模型質(zhì)量最佳，RCV為0.908，SECV 為0.063。

2.4 硬度分析模型預(yù)測(cè)評(píng)價(jià)

為了預(yù)測(cè)定標(biāo)模型的可靠性和準(zhǔn)確性，用建立好的最優(yōu)定標(biāo)模型對(duì)60 個(gè)未知果實(shí)的果皮強(qiáng)度、果皮脆性、果肉平均硬度進(jìn)行預(yù)測(cè)分析。結(jié)果如圖3、圖4、圖5 所示。預(yù)測(cè)結(jié)果表明，果皮強(qiáng)度的預(yù)測(cè)標(biāo)準(zhǔn)誤差(SEP)為0.094，預(yù)測(cè)相關(guān)系數(shù)為0.858，相對(duì)分析誤差(RPD)為2.47;果皮脆性的SEP 為0.157，RP2 為0.863，RPD 為2.63;果肉平均硬度的SEP 為0.063，RP2 為0.82，RPD 為2.35。可見(jiàn)，果皮脆性預(yù)測(cè)的效果較好，可以進(jìn)行很好的預(yù)測(cè)。果皮硬度和果肉平均硬度只能進(jìn)行粗略的定量分析，模型有待進(jìn)一步的完善。因此，可見(jiàn)/近紅外漫反射對(duì)甜柿果實(shí)硬度的快速無(wú)損檢測(cè)具有可行性。

3 結(jié)論

圖3 果皮強(qiáng)度實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性Fig.3 Correlation between predicted values of model optimized and actual values of peel strength

圖4 果皮脆性實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性Fig.4 Correlation between predicted values of model optimized and actual values of peel brittle

圖5 果肉平均硬度實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性Fig.5 Correlation between predicted values of model optimized and actual values of average hardness by the flesh

硬度是反映果實(shí)成熟度的一個(gè)重要指標(biāo)，也是檢測(cè)果品品質(zhì)好壞的依據(jù)。曾一凡等［13］應(yīng)用可見(jiàn)/近紅外光譜技術(shù)無(wú)損檢測(cè)梨的硬度，認(rèn)為可見(jiàn)/近紅外光譜技術(shù)無(wú)損檢測(cè)梨果實(shí)硬度是可行的。通常水果硬度的評(píng)價(jià)方式是采用果肉硬度［14］，而本研究采用果皮脆性、果皮強(qiáng)度和果肉平均硬度代表果實(shí)硬度的變化。實(shí)驗(yàn)結(jié)果表明，本研究提出的評(píng)價(jià)方式能夠反映出果皮和果肉的質(zhì)地品質(zhì)，豐富了柿果硬度的評(píng)價(jià)內(nèi)容，能夠更直觀的反映出口感的指標(biāo)。

本研究應(yīng)用偏最小二乘法對(duì)不同預(yù)處理的漫反射光譜建立了甜柿硬度的定量模型。試驗(yàn)結(jié)果表明:對(duì)于果皮強(qiáng)度和果皮脆性，采用最小偏二乘回歸算法、一階導(dǎo)數(shù)處理和標(biāo)準(zhǔn)多元離散校正處理建立的定標(biāo)模型最好，RCV分別為0.929 2 和0.939 9，SECV 分別為0.093 3 和0.154 5，RP2 分別為0.858 和0.862，SEP 分別為0.094 和0.157，RPD 分別為2.47 和2.63。對(duì)于果肉平均硬度，采用改進(jìn)偏最小二乘回歸算法、一階導(dǎo)數(shù)處理和標(biāo)準(zhǔn)正?；腿ド⑸涮幚斫⒌亩?biāo)模型最好，RCV為0.908，SECV 為0.063，為0.82，SEP 為0.063，RPD 為2.35?？梢?jiàn)，果皮脆性預(yù)測(cè)模型的RPD 達(dá)到2.63，可以很好的進(jìn)行定量分析。綜上所述，利用可見(jiàn)/近紅外漫反射光譜無(wú)損檢測(cè)甜柿果實(shí)硬度具有可行性，其中果皮脆性的模型最優(yōu)。

［1］ 張繼澍，葛秀榮，黃森，等. 柿樹(shù)資源的開(kāi)發(fā)利用研究［J］． 糧油加工與食品機(jī)械，2002(10):12 －15.

［2］ 張鵬，李江闊，孟憲軍，等. 可見(jiàn)/近紅外光譜漫反射無(wú)損檢測(cè)磨盤(pán)柿果實(shí)硬度的研究［J］． 食品工業(yè)科技，2011(07):423 －425.

［3］ 劉卉，郭文川，岳絨. 獼猴桃硬度近紅外漫反射光譜無(wú)損檢測(cè)［J］． 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011(3):146 －149.

［4］ 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(cè)［J］． 光譜實(shí)驗(yàn)室，2010，27(3):1186 －1189.

［5］ Nicolai B M，Beullens T，Bobelyn E，et al. Nondestructive measurement of fruit and vegetable quality by means of NIR Spectroscopy:a Review［J］． Postharvest Biology and Technology，2007，46(2):99 －118.

［6］ Huirong Xu，Bing Qi，Tong Sun，et al. Variable selection in visible and near-infrared spectra:application to on－line determination of sugar content in pears［J］． Journal of Food Engineering，2012，109(1):142 －147.

［7］ Dolores Pérez Marína，María Teresa Sánchezb，Patricia Paz，et al． Postharvest shelf－life discrimination of nectarines produced under different irrigation strategies using NIR－spectroscopy［J］． LWT－Food Science and Technology，2011，44(6):1405 －1414.

［8］ Weiqi Luo，Shuangyan Huan，Haiyan Fu，et al. Preliminary study on the application of near infrared spectroscopy and pattern recognition methods to classify different types of apple samples［J］． Food Chemistry，2011，128(2):555－561.

［9］ Ana M Cavaco，Pedro Pinto，Dulce Antunes M，et al.‘Rocha’pear firmness predicted by a Vis/NIR segmented model［J］． Postharvest Biology and Technology，2009，51(3):311 －319.

［10］ 李桂峰，趙國(guó)建，劉興華，等. 蘋(píng)果硬度的傅里葉變換近紅外光譜無(wú)損檢測(cè)［J］． 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40(1):120 －123.

［11］ Mowat A D，Holmes G.The ability for fourier transform infrared spectroscopy to classify persimmon genotypes by epicuticular leaf waxes［J］． Acta Hort(ISHS)，2003，(601):65 －69.

［12］ 張淑娟，張海紅，王鳳花，等. 柿子可溶性固形物含量的可見(jiàn)-近紅外光譜檢測(cè)［J］． 農(nóng)業(yè)工程學(xué)報(bào)，2009，25(增刊2):345 －347.

［13］ 曾一凡，劉春生，孫旭東，等. 可見(jiàn)/近紅外光譜技術(shù)無(wú)損檢測(cè)果實(shí)堅(jiān)實(shí)度的研究［J］． 農(nóng)業(yè)工程學(xué)報(bào)，2008，24(5):250 －252.

［14］ 呂強(qiáng)，湯明杰，趙杰文，等. 近紅外光譜預(yù)測(cè)獼猴桃硬度模型的簡(jiǎn)化研究［J］． 光譜學(xué)與光譜分析，2009，29(7):1768 －1771.