摘要[目的]利用近紅外光譜技術(shù)建立預(yù)測(cè)南疆核桃水分的檢測(cè)模型。[方法]通過對(duì)南疆溫185核桃進(jìn)行近紅外光譜水分無損檢測(cè)，并用標(biāo)準(zhǔn)烘干法對(duì)所建立的檢測(cè)模型進(jìn)行驗(yàn)證，形成測(cè)定核桃水分的快速檢測(cè)模型。[結(jié)果]試驗(yàn)表明，對(duì)采集的光譜數(shù)據(jù)進(jìn)行SNV預(yù)處理，并采用偏最小二乘回歸分析法（PLS）建立模型，得到了較小的SEC值和較高的RC值。其SNV預(yù)測(cè)的值用標(biāo)準(zhǔn)烘干法得出的平均偏差為0.35%，完全滿足對(duì)南疆溫185核桃進(jìn)行水分無損檢測(cè)的要求，可以應(yīng)用到實(shí)際的核桃水分預(yù)測(cè)當(dāng)中。[結(jié)論] 研究可為核桃水分的快速無損檢測(cè)提供參考依據(jù)，同時(shí)將此項(xiàng)無損檢測(cè)技術(shù)應(yīng)用到果農(nóng)的生產(chǎn)實(shí)際當(dāng)中，可提高果農(nóng)的收益。

關(guān)鍵詞近紅外光譜；南疆溫185核桃；水分；無損檢測(cè)

中圖分類號(hào)S664.1文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)0517-6611（2014）21-07191-03

Nondestructive Testing Research of Wen 185 Walnut Water in South Xinjiang by NIRS

HAO Zhongcheng， ZHANG Hong et al（College of Mechanic and Electrical Engineering， Tarim University， Alar， Xinjiang 843300； Key Lab of Modern Agriculture Engineering， Xinjiang Uygur Autonomous Region General Institutes of Higher Education， Alar， Xinjiang 843300； Forestry and Woodworking Machinery Engineering Technology Center， Northeast Forestry University， Harbin， Heilongjiang 150040）

Abstract[Objective] To establish detection model for forecasting water in walnut in south Xinjiang by NIRS. [Method] Research is based on the nondestructive testing of 185 types of walnuts from southern Xinjiang using NIRS （Near Infrared Spectroscopy） in a moist environment. The calibration model was validated using a standard drying method. [Result] The results demonstrate that the spectral data collected for SNV pretreatment， using partial least squares regression analysis （PLS） as the model， resulted in smaller SEC values and higher RC values. The SNV average deviation of the predicted value， obtained using standard drying method， was 0.35%.This fully satisfies the requirements of nondestructive moisture inspection for all 185 Southern Xinjiang walnut varieties， and it can be used as a method to predict the actual level of moisture in walnuts. [Conclusion] The study can provide reference basis for rapid and nondestructive testing of walnut water. The technology applied in actual production can improve fruit growers benefit.

Key wordsNIRS； 185 walnut varieties in southern Xinjiang； Moisture； Nondestructive testing

南疆溫185核桃是新疆特產(chǎn)，因其營(yíng)養(yǎng)豐富故素有“長(zhǎng)壽果”的美稱，其味甘性溫，富含鋅、錳等礦物質(zhì)，可以促進(jìn)大腦發(fā)育，常吃核桃還可以滋養(yǎng)血脈、增進(jìn)食欲、烏須生發(fā)，對(duì)大腦神經(jīng)有益，可以輔助治療神經(jīng)衰弱，并能延緩記憶力衰退。而溫185核桃的作用不僅如此，在其他方面也具有獨(dú)特的優(yōu)勢(shì)，其所含的主要是不飽和脂肪酸，如亞麻酸、亞油酸等，不飽和脂肪酸能降低血液中的膽固醇，消耗飽和脂肪酸，清除血管壁的垃圾，因此可以防止血管硬化，有效預(yù)防高血壓、冠心病、抗氧化、抗衰老。此外，對(duì)于預(yù)防癌癥也有一定好處。核桃中所含有的丙酮酸能阻止粘蛋白與鈣離子、非結(jié)合型膽紅素的結(jié)合，并能使其溶解、消退和排泄。所以，有結(jié)石癥的患者，不妨堅(jiān)持天天吃核桃仁，就有可能免除手術(shù)之苦。

核桃含水量的測(cè)定與果農(nóng)的經(jīng)濟(jì)收益密切相關(guān)，含水量低核桃重量就輕，不但影響口感，還會(huì)導(dǎo)致價(jià)格下降，而含水量太高則儲(chǔ)存容易發(fā)霉?fàn)€掉，導(dǎo)致核桃品質(zhì)下降。除此之外核桃的含水量還會(huì)對(duì)核桃的物理機(jī)械性能有一定的影響。在采收季節(jié)受到采收周期的影響，所以有必要對(duì)核桃含水量的快速檢測(cè)進(jìn)行研究。核桃含水量的檢測(cè)方法較多，常用的方法有烘干減重、水分含量?jī)x器檢測(cè)以及化學(xué)法。上述方法操作繁瑣，對(duì)樣品具有破壞性。在采收季節(jié)由于不同地點(diǎn)、不同儲(chǔ)存方式和不同去綠皮方法會(huì)導(dǎo)致不同的含水量，因此有必要研究一種快速、無損的核桃水分檢測(cè)技術(shù)，以適應(yīng)當(dāng)代核桃生產(chǎn)需求。

近紅外光譜技術(shù)（NIR）是20世紀(jì)90年代以來發(fā)展最快、最引人注目的分析技術(shù)之一[1]。因其快速、無損的檢測(cè)特點(diǎn)現(xiàn)已被大眾和官方所認(rèn)可，不僅可以用于農(nóng)產(chǎn)品的品質(zhì)檢測(cè)，在品種鑒定方面也有很好的發(fā)展。目前國(guó)內(nèi)外有很多利用近紅外光譜技術(shù)并集合多種化學(xué)計(jì)量學(xué)方法建立判別模型的方法。諸如何勇等的基于主成分分析和神經(jīng)網(wǎng)絡(luò)的近紅外光譜蘋果品種鑒別方法研究[2]，He Y等的利用近紅外光譜技術(shù)通過主成分分析和BP模型進(jìn)行茶葉品種的鑒別[3]，Xie L J等的基于可見/近紅外光譜的轉(zhuǎn)基因番茄的鑒別[4]，周子立等的基于近紅外光譜技術(shù)的大米品種快速鑒別方法[5]，彭云發(fā)等的近紅外光譜對(duì)南疆紅棗水分無損檢測(cè)的研究[6]，林萍等的基于可見近紅外光譜的糖類別快速鑒別研究[7]。假如可以利用近紅外光譜技術(shù)對(duì)南疆核桃進(jìn)行水分含量的快速、無損檢測(cè)，定會(huì)為果農(nóng)對(duì)核桃的處理提供指導(dǎo)依據(jù)，減少果農(nóng)的損失。

筆者通過對(duì)南疆溫185核桃進(jìn)行近紅外光譜的水分無損檢測(cè)，主要目的在于：利用近紅外光譜技術(shù)建立預(yù)測(cè)南疆核桃水分的檢測(cè)模型；利用標(biāo)準(zhǔn)烘干法對(duì)模型進(jìn)行驗(yàn)證并校正，形成測(cè)定核桃水分的快速檢測(cè)模型；將此項(xiàng)無損檢測(cè)技術(shù)應(yīng)用到果農(nóng)的生產(chǎn)實(shí)際當(dāng)中，提高果農(nóng)的收益。

1材料與方法

1.1近紅外光譜的簡(jiǎn)介和基本原理近紅外光是指波長(zhǎng)在可見光區(qū)（Vis）到中紅外光區(qū)（MIR）之間范圍內(nèi)的電磁波。從發(fā)現(xiàn)至今已經(jīng)有近150年的歷史。但由于物質(zhì)在該譜區(qū)譜帶重疊以及其倍頻和合頻的吸收信號(hào)較弱而很難被解析，所以一直沒有被重視起來。直到最近幾十年，隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展，分析儀器也逐漸進(jìn)入數(shù)字化時(shí)代，借助于化學(xué)計(jì)量學(xué)方法讓人們重新看到了近紅外光譜的價(jià)值。其良好的特性被迅速應(yīng)用于分析領(lǐng)域且取得了良好的社會(huì)與經(jīng)濟(jì)效益，使得近紅外光譜技術(shù)迅速的發(fā)展起來?，F(xiàn)代近紅外光譜分析是光譜測(cè)量技術(shù)、計(jì)算機(jī)技術(shù)、化學(xué)計(jì)量學(xué)技術(shù)與基礎(chǔ)測(cè)試技術(shù)的有機(jī)結(jié)合。不同于常規(guī)的分析技術(shù)，近紅外光譜是一種間接分析技術(shù)，必須通過建立校正模型（標(biāo)定模型）來實(shí)現(xiàn)對(duì)未知樣品的定性或定量分析。

近紅外光譜屬于分子振動(dòng)光譜的倍頻和主頻吸收光譜，主要是由于分子振動(dòng)的非諧振性使分子振動(dòng)從基態(tài)向高能級(jí)躍遷時(shí)產(chǎn)生的，其穿透能力很強(qiáng)。有機(jī)物以及部分無機(jī)物分子中各種氨基團(tuán)在受到近紅外線照射時(shí)，被激發(fā)產(chǎn)生共振，同時(shí)吸收一部分光的能量，測(cè)量其對(duì)光的吸收情況，可以得到極為復(fù)雜的紅外光譜。由于不同物質(zhì)在近紅外區(qū)域有豐富的吸收光譜，每種成分都有其特定的吸收特征。因此近紅外光譜技術(shù)可以作為獲取信息的一種載體而實(shí)現(xiàn)對(duì)南疆核桃進(jìn)行水分含量的快速、無損檢測(cè)。

1.2試驗(yàn)材料與設(shè)備

1.2.1試驗(yàn)材料。試驗(yàn)材料采用南疆最常見的溫185薄皮核桃，為了試驗(yàn)的實(shí)用性，可以直接購(gòu)于果農(nóng)。根據(jù)光譜的采集要求，需對(duì)核桃進(jìn)行6 h以上的實(shí)驗(yàn)室內(nèi)放置處理，使其溫度和濕度與試驗(yàn)室里的溫度一致。

1.2.2試驗(yàn)設(shè)備。聚光科技便攜式光柵掃描光譜儀（supNIR1520，聚光科技杭州股份有限公司），其光譜采集間隔為1 nm，測(cè)定范圍1 000～1 800 nm，掃描次數(shù)10次，光源是與光譜儀配套的5 V鹵鎢燈，光譜分辨率≤12 nm，波長(zhǎng)準(zhǔn)確性±0.2 nm，波長(zhǎng)重復(fù)性≤0.05 nm，光譜數(shù)據(jù)用MATLAB軟件進(jìn)行處理[8]。核桃重量用電子天平（上海安亭電子儀器廠）稱取，精度為0.000 1 g。干燥核桃用電熱鼓風(fēng)干燥箱（GZX9140MBE，上海博迅實(shí)業(yè)有限公司醫(yī)療設(shè)備廠）進(jìn)行處理。

1.3試驗(yàn)方法

1.3.1核桃樣品的制備。將購(gòu)得的120枚溫185薄皮核桃樣品隨機(jī)編號(hào)后儲(chǔ)存?zhèn)溆谩?/p>

1.3.2近紅外光譜掃描與烘干。光譜采集時(shí)需滿足以下條件：溫度17～19 ℃，相對(duì)濕度25%～30%。

測(cè)樣方式：①光譜儀開機(jī)需預(yù)熱30 min，光譜采集要注意保持光源口與樣品的距離為2 cm左右，并要垂直照射。②分別對(duì)每一枚核桃進(jìn)行10次掃描。③把殼和仁手工分離開，對(duì)其分別進(jìn)行10次掃描，掃描取正反面平均值[9]。④對(duì)殼和仁分別稱重并用烘干法去除核桃殼和仁的水分，溫度設(shè)定為50 ℃，直到其重量變化小于0.01 g結(jié)束烘干。

1.3.3光譜數(shù)據(jù)與分析。用MATLAB軟件進(jìn)行光譜數(shù)據(jù)處理，選用一階微分、二階微分、多元散射校正（MSC）和標(biāo)準(zhǔn)正態(tài)變量變換（SNV）4種方法對(duì)數(shù)據(jù)進(jìn)行處理，采用偏最小二乘回歸分析法（PLS）建立模型，用標(biāo)準(zhǔn)烘干法對(duì)建立的模型進(jìn)行驗(yàn)證。

2結(jié)果與分析

2.1核桃樣品的光譜采集結(jié)果圖1為原始光譜采集圖，可以看出由于除了含有樣品本身的化學(xué)信息之外，還包含了諸如電噪聲、樣品背景和雜散光等其他無關(guān)的信息，使得光譜出現(xiàn)了較為復(fù)雜的重疊信息，但是從整體來看還是呈現(xiàn)了一定的規(guī)律性，其光譜形態(tài)基本相同。要消除光譜數(shù)據(jù)的無關(guān)信息，該研究通過利用SNV對(duì)顆粒分布不均勻及顆粒大小產(chǎn)生的散射影響進(jìn)行處理。

圖2為SNV處理后的光譜圖。從圖2可以看出，處理后的辨別效果明顯好于原始的光譜。

圖4核桃水分近紅外預(yù)測(cè)模型42卷21期郝中誠(chéng)等基于近紅外光譜的南疆溫185核桃水分無損檢測(cè)的研究2.5模型驗(yàn)證將20枚用于驗(yàn)證模型的樣品光譜圖用建立的南疆溫185核桃含水量模型進(jìn)行預(yù)測(cè)，再將所得的值與標(biāo)準(zhǔn)烘干法所得值作比較，結(jié)果如表2所示。

從表2中可以得出，用20個(gè)樣品驗(yàn)證模型精度，預(yù)處理為SNV的模型含水率平均偏差最小為0.35%，偏差范圍為-1.64～1.92。

3結(jié)論

該研究利用近紅外光譜技術(shù)對(duì)南疆溫185核桃水分進(jìn)行無損分析，把采集的光譜數(shù)據(jù)進(jìn)行SNV預(yù)處理，并采用偏

參考文獻(xiàn)

[1] SUNDARAM J.Sensing of moisture content of inshell peanuts by NIR reflectance spectroscopy[J].Journal of Sensor Technology，2012，2（1）：1-7.

[2]何勇，李曉麗，邵詠妮.基于主成分分析和神經(jīng)網(wǎng)絡(luò)的近紅外光譜蘋果品種鑒別方法研究[J].光譜學(xué)與光譜分析，2006，26（5）：850-853.

[3] HE Y，LI X L，DENG X F.Discrimination of varieties of tea using near infrared spectroscopy by principal component analysis and BP model[J].Journal of Food Engineering，2007，79（4）：1238-1242.

[4] XIE L J，YING Y B，YING T J，et al.Discrimination of transgenic tomatoes based on visible/nearinfrared spectra[J].Analytica Chimica Acta，2007，584（2）：379-384.

[5] 周子立，張瑜，何勇，等.基于近紅外光譜技術(shù)的大米品種快速鑒別方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（8）：131-135.

[6] 彭云發(fā)，彭海根，詹映，等.近紅外光譜對(duì)南疆紅棗水分無損檢測(cè)的研究[J].食品科技，2013（11）：260-263.

[7] 林萍，陳永明，何勇.基于可見近紅外光譜的糖類別快速鑒別研究[J].光譜學(xué)與光譜分析，2009，29（2）：382-385.

[8] 羅華平，王麗，孔德國(guó)，等.南疆紅棗含水量近紅外二維相關(guān)光譜技術(shù)的研究[C]//中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)（CSAE 2011）論文摘要集.中國(guó)農(nóng)業(yè)工程學(xué)會(huì)，2011.

[9] 楊傳得，于洪濤，關(guān)淑艷，等.近紅外反射光譜技術(shù)預(yù)測(cè)花生種子含水量[J].花生學(xué)報(bào)，2012，41（1）：6-9.

[10] 范維燕，邢邯，林家永，等.近紅外光譜快速測(cè)定稻谷水分含量的研究[J].糧油食品科技，2008（5）：49-52，69.