曹江娜，張　俊，，*，陸勝民（.南京農(nóng)業(yè)大學(xué)食品科技學(xué)院，江蘇南京0095；.浙江省農(nóng)業(yè)科學(xué)院食品科學(xué)研究所，浙江省果蔬保鮮與加工技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，浙江杭州300）

基于近紅外光譜技術(shù)的柑橘罐頭品質(zhì)測(cè)定方法的研究

曹江娜1，張俊1，2，*，陸勝民2
（1.南京農(nóng)業(yè)大學(xué)食品科技學(xué)院，江蘇南京210095；2.浙江省農(nóng)業(yè)科學(xué)院食品科學(xué)研究所，浙江省果蔬保鮮與加工技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，浙江杭州310021）

為了快速檢測(cè)柑橘罐頭主要營(yíng)養(yǎng)指標(biāo)的含量，實(shí)驗(yàn)對(duì)柑橘罐頭進(jìn)行光譜采集，通過(guò)偏最小二乘（PLS）線性擬合建立關(guān)于柑橘罐頭總糖、總酸、黃酮和維生素C的近紅外定量分析模型。通過(guò)分析比較不同的光譜預(yù)處理方法對(duì)近紅外光譜模型的影響，其中經(jīng)歸一化預(yù)處理后建立的總糖和黃酮模型最優(yōu)，相關(guān)系數(shù)分別為0.9156和0.9147，交互驗(yàn)證均方根誤差（RMSECV）為0.6305%和2.7028 mg/100 g；平滑預(yù)處理后總酸的相關(guān)系數(shù)為0.8921，RMSECV為0.0539%；以原始光譜數(shù)據(jù)建立的維生素C模型的相關(guān)系數(shù)為0.9129，RMSECV為1.4323 mg/100 g；預(yù)測(cè)集總糖、總酸、黃酮和維生素C的相關(guān)系數(shù)分別為0.8519、0.8106、0.8334和0.8425，預(yù)測(cè)均方根誤差（RMSEP）為0.8969%、0.0638%、3.6055 mg/100 g 和1.9732 mg/100 g。實(shí)驗(yàn)結(jié)果表明：應(yīng)用近紅外光譜技術(shù)測(cè)定柑橘罐頭中總糖、總酸、黃酮和維生素C的含量是可行的。

柑橘罐頭，近紅外光譜，總糖，總酸，黃酮，維生素C

橘片罐頭是我國(guó)柑橘加工行業(yè)的主導(dǎo)產(chǎn)品，出口量占世界貿(mào)易量的80%以上［1］。評(píng)價(jià)柑橘罐頭品質(zhì)的方法主要有感官評(píng)價(jià)和儀器分析。感官評(píng)價(jià)主要依賴于評(píng)審專家的個(gè)人因素和主觀條件，評(píng)價(jià)結(jié)果因人而異；而儀器分析檢測(cè)過(guò)程繁瑣，且大多要求對(duì)樣品進(jìn)行前處理，對(duì)操作條件要求較高且實(shí)驗(yàn)結(jié)果可重復(fù)性差。這兩種常用的檢測(cè)方法均難以滿足食品工業(yè)化發(fā)展對(duì)簡(jiǎn)便、快捷、客觀的要求［2］。

近紅外光譜技術(shù)是一種將被測(cè)樣品的光學(xué)性質(zhì)（如反射、透射、吸收）與化學(xué)計(jì)量學(xué)結(jié)合來(lái)確定相關(guān)成分含量的快速檢測(cè)技術(shù)［3］，具有對(duì)樣品前處理要求低，安全系數(shù)高，低成本，高效率等特點(diǎn)，現(xiàn)已被廣泛地應(yīng)用于果蔬內(nèi)部品質(zhì)檢測(cè)［4-7］，但應(yīng)用近紅外光譜技術(shù)同時(shí)檢測(cè)罐頭中的多種成分報(bào)道較少。

本研究以柑橘罐頭為研究對(duì)象，通過(guò)比較不同光譜預(yù)處理對(duì)模型性能的影響，建立柑橘罐頭總糖、總酸、黃酮、維生素C含量的偏最小二乘（Partial Least Squares，PLS）模型，為實(shí)現(xiàn)柑橘罐頭內(nèi)部品質(zhì)的快速檢測(cè)提供參考。

1　材料與方法

1.1材料與儀器

柑橘罐頭樣品1浙江臺(tái)州一罐食品有限公司，采用馬口鐵包裝，凈含量為425 g，其中固形物（橘瓣）占總重量的55%；柑橘罐頭樣品2豐島集團(tuán)股份有限公司，馬口鐵包裝，凈含量500 g，其中固形物為300 g；溫州蜜柑來(lái)源于杭州下沙蔬菜水果批發(fā)交易市場(chǎng)，選取大小均一，色澤較好，無(wú)明顯病蟲(chóng)害的溫州蜜柑用于柑橘罐頭的制作；抗壞血酸標(biāo)準(zhǔn)品Sigma公司，純度≥99%；橙皮苷標(biāo)準(zhǔn)品上海士鋒科技有限公司，純度≥98%；葡萄糖標(biāo)準(zhǔn)品Sigma公司，純度≥99.5%；三氯乙酸、鄰菲羅啉、氯化鐵、無(wú)水乙醇、85%磷酸、苯酚、硫酸、一縮二乙二醇、檸檬酸、氫氧化鈉均為分析純。

DA 7200近紅外光譜儀瑞典波通儀器公司；801 Stirrer自動(dòng)點(diǎn)位滴定儀瑞士萬(wàn)通集團(tuán)；UV 1800紫外分光光度計(jì)日本島津公司；DS-1高速組織搗碎機(jī)上海標(biāo)本模型廠。

1.2實(shí)驗(yàn)方法

1.2.1柑橘罐頭的制作參照豐島集團(tuán)股份有限公司罐頭的制作方法稍作修改。將溫州蜜柑于100℃水中熱燙30 s，剝皮分瓣，浸泡于體積分?jǐn)?shù)為0.4%的鹽酸溶液中30 min，用清水清洗后用質(zhì)量分?jǐn)?shù)為1.2% 的NaOH溶液浸泡45 min，清水漂洗后進(jìn)行灌裝，其中橘瓣的質(zhì)量占柑橘罐頭重量的60%，糖水（糖度為18 Brix°，pH=3）為40%，分別采用玻璃瓶和高阻隔瓶進(jìn)行包裝，確保罐頭的中心溫度達(dá)到80℃時(shí)進(jìn)行殺菌處理30 min，迅速冷卻，于25℃下貯藏。

1.2.2光譜的掃描將柑橘罐頭置于高速組織搗碎機(jī)中勻漿，靜置30 min，待儀器穩(wěn)定后進(jìn)行裝樣掃描。波長(zhǎng)范圍為：950～1650 nm，分辨率為5 cm-1，每個(gè)樣品掃描3次且重復(fù)裝樣2次，取平均值作為單個(gè)樣品的原始光譜數(shù)據(jù)，每次掃描時(shí)保持外部環(huán)境條件一致，以減小系統(tǒng)誤差。

1.2.3樣品集的劃分將三種不同來(lái)源的柑橘罐頭按照4∶1的比例隨機(jī)分為校正集和預(yù)測(cè)集，于25℃條件下貯藏，分別供建模和模型驗(yàn)證使用。

1.2.4化學(xué)指標(biāo)測(cè)

1.2.4.1總糖含量測(cè)定采用苯酚硫酸比色法測(cè)定［8-9］。

1.2.4.2總酸含量測(cè)定用酸堿滴定法測(cè)定［10］。

1.2.4.3黃酮含量測(cè)定參照農(nóng)業(yè)標(biāo)準(zhǔn)NY/T 2010～ 2011《柑橘類水果及制品中總黃酮含量的測(cè)定方法測(cè)定》［11］。

1.2.4.4VC含量測(cè)定用紫外分光光度法測(cè)定［12］。

1.3數(shù)據(jù)處理

光譜數(shù)據(jù)由DA7200自帶的分析處理軟件進(jìn)行轉(zhuǎn)化并對(duì)每個(gè)樣品的6條光譜求平均值，通過(guò)CAMO公司的Unscrambler 9.7對(duì)原始光譜進(jìn)行一階導(dǎo)數(shù)、平滑、標(biāo)準(zhǔn)化等預(yù)處理，減少由于樣品的復(fù)雜性和儀器本身對(duì)模型的干擾，提高分析信號(hào)的信噪比，建立校正集PLS模型。通過(guò)內(nèi)部交互驗(yàn)證和外部未知樣品驗(yàn)證來(lái)評(píng)價(jià)模型的性能，以相關(guān)系數(shù)r，交互驗(yàn)證均方根誤差（Root mean square error of cross validation，RMSECV）和預(yù)測(cè)均方根誤差（Root mean square error of prediction，RMSEP）為評(píng)價(jià)指標(biāo)。

2　結(jié)果與分析

2.1柑橘罐頭的透射光譜

圖1為柑橘罐頭樣品的原始近紅外譜圖，由于原始譜圖包含一些與樣品性質(zhì)無(wú)關(guān)的信息，因此有必要對(duì)原始光譜數(shù)據(jù)進(jìn)行預(yù)處理。圖2為經(jīng)一階導(dǎo)數(shù)處理后的柑橘罐頭光譜圖。從圖1可以看出，在1280～1370 nm波長(zhǎng)范圍內(nèi)光譜嚴(yán)重重疊，沒(méi)有明顯的吸收峰，經(jīng)一階導(dǎo)數(shù)處理后，出現(xiàn)了明顯的吸收峰，且同圖1相比，強(qiáng)化了譜帶信息，使物質(zhì)的吸收峰更加明顯。

圖1　柑橘罐頭的原始光譜圖Fig.1　Original spectrum of canned citrus

圖2　柑橘罐頭的一階導(dǎo)數(shù)光譜圖Fig.2　The first derivative spectra of canned citrus

2.2相關(guān)化學(xué)成分的測(cè)量值

由常規(guī)理化分析方法測(cè)定結(jié)果顯示，預(yù)測(cè)集樣品總糖、總酸、黃酮、維生素C含量均在校正集樣品的范圍之內(nèi)，即用校正集樣品建立的關(guān)于四種物質(zhì)含量的PLS模型可用于預(yù)測(cè)集的預(yù)測(cè)。理化分析結(jié)果如表1所示。

2.3近紅外光譜模型的建立及預(yù)測(cè)效果

2.3.1異常值的剔除在建立柑橘罐頭近紅外光譜定量分析模型時(shí)常常會(huì)出現(xiàn)即使選擇了最佳主因子數(shù)，標(biāo)準(zhǔn)值和預(yù)測(cè)值之間仍會(huì)出現(xiàn)較大殘差的現(xiàn)象，即校正集樣品中存在異常樣品。異常樣品是指由理化分析方法測(cè)得的標(biāo)準(zhǔn)值與光譜數(shù)據(jù)之間存在較大誤差以及樣品的光譜或化學(xué)測(cè)定值與校正集中樣品的平均值之間存在顯著性差異的樣品［13］。異常樣品將直接影響校正模型的精度，降低模型的穩(wěn)定性和預(yù)測(cè)性能，必須予以剔除。以未經(jīng)過(guò)光譜預(yù)處理的120個(gè)校正集樣品的平均光譜數(shù)據(jù)建立PLS模型，并通過(guò)交互驗(yàn)證評(píng)價(jià)模型的性能。根據(jù)殘差法逐一剔除異常值，只有當(dāng)相關(guān)系數(shù)r增大，交互驗(yàn)證均方差RMSECV減小時(shí)才可確定所選樣品為異常樣品，否則應(yīng)予以保留。表2和表3中的定量分析模型均是在剔除異常樣品的基礎(chǔ)上建立的。

2.3.2最佳主因子數(shù)的選擇建立PLS模型要選擇恰當(dāng)?shù)闹饕蜃訑?shù)，若主因子數(shù)較少，不能充分反映被測(cè)樣品相關(guān)組分與光譜變化之間的關(guān)系，如果選擇較多的主因子數(shù)，就會(huì)將一些與樣品無(wú)關(guān)的如代表噪聲的主因子數(shù)添加到模型中，出現(xiàn)過(guò)度擬合［14］。計(jì)算1～20個(gè)主因子數(shù)的殘差值結(jié)合RMSEP確定最佳主因子數(shù)。以原始光譜數(shù)據(jù)建立的柑橘罐頭總酸模型為例，圖3反映了主因子數(shù)與殘差之間的關(guān)系，當(dāng)主因子數(shù)為1時(shí)，殘差值為0.0141，隨著主因子數(shù)的增加，殘差值逐漸降低，當(dāng)主因子數(shù)為9時(shí)，殘差值最小為0.0062，當(dāng)主因子數(shù)大于9時(shí)，殘差隨主因子數(shù)的增加而增加，即最佳主因子數(shù)為9。

圖3　最佳主因子數(shù)與殘差關(guān)系圖Fig.3　Best of principal components and residual graph

表1　柑橘罐頭相關(guān)理化指標(biāo)分析結(jié)果Table 1　Canned citrus analysis results related to the physical and chemical indicators

表2　不同預(yù)處理方法對(duì)柑橘罐頭總糖和黃酮模型的影響Table 2　Different pretreatment methods on total sugar and flavonoids model of citrus canned

表3　不同預(yù)處理方法對(duì)柑橘罐頭總酸和維生素C模型的影響Table 3　Different pretreatment methods on total acid and vitamin C model of citrus canned

2.3.3光譜預(yù)處理方法的選擇

2.3.3.1柑橘總糖和總黃酮含量的PLS模型不同的光譜預(yù)處理方法對(duì)近紅外光譜定量分析模型的性能有較大的影響，由表2可知，原始光譜數(shù)據(jù)建立的柑橘罐頭總糖和黃酮含量的PLS模型r分別為0.8719 和0.8977，基本上可滿足定量分析的需要。關(guān)于柑橘罐頭總糖含量的PLS模型，經(jīng)歸一化、標(biāo)準(zhǔn)正態(tài)變量變換（Standard normal variable correction，SNV）、一階導(dǎo)數(shù)&歸一化等處理后的定量分析模型精度均高于原始光譜數(shù)據(jù)，其中以歸一化、基線校正&歸一化兩種光譜預(yù)處理方法所建模型效果較優(yōu)，從最佳主因子數(shù)分析，基線校正&歸一化主因子數(shù)較多，為防止過(guò)度擬合選擇經(jīng)歸一化預(yù)處理后的光譜數(shù)據(jù)建立的柑橘罐頭總糖定量分析模型為最佳。關(guān)于黃酮的PLS模型，經(jīng)Savitzky-Golay平滑、歸一化、平滑&歸一化處理后模型的性能有顯著提高，其中歸一化模型的相關(guān)系數(shù)較原始模型提高了1.7%，交互驗(yàn)證均方差有所下降但幅度不大。經(jīng)歸一化處理的光譜信息可以校正因樣品散射而引起的光譜誤差，能更準(zhǔn)確地反映柑橘罐頭中總糖和黃酮的含量信息，建立PLS模型性能高于其他光譜預(yù)處理方法。

2.3.3.2柑橘罐頭總酸和維生素C含量的PLS模型由表3可知，通過(guò)歸一化處理建立的關(guān)于柑橘罐頭總酸和維生素C模型性能并未得到改善甚至有所降低，這可能是與柑橘罐頭中總酸和維生素C的含量較低，且含量范圍較小有關(guān)。經(jīng)光譜預(yù)處理后，在降低干擾因素的同時(shí)去除了部分有效光譜信息，如一階微分可以消除基線漂移，但會(huì)放大噪聲。通過(guò)分析比較，只有Savitzky-Golay平滑通過(guò)提高平滑噪音增加信噪比使柑橘罐頭總酸的定量分析模型稍有改善，但無(wú)論是相關(guān)系數(shù)還是交互驗(yàn)證均方差變化都不大。而柑橘罐頭中的維生素C見(jiàn)光易分解，隨貯藏時(shí)間的延長(zhǎng)損失較大，導(dǎo)致化學(xué)值的測(cè)定準(zhǔn)確性較差，且含量較低，導(dǎo)致光譜數(shù)據(jù)中相關(guān)信息易被其他宏量物質(zhì)掩蓋，這些問(wèn)題均增大了建模的難度，經(jīng)光譜預(yù)處理，可能使部分信息喪失，導(dǎo)致預(yù)處理模型的相關(guān)系數(shù)均較原始模型0.9129低，交互驗(yàn)證均方差也大于1.4323 mg/100 g，模型精度下降。

2.3.4優(yōu)化模型的建立及預(yù)測(cè)效果根據(jù)分析結(jié)果選擇最恰當(dāng)?shù)墓庾V預(yù)處理方式建立關(guān)于柑橘罐頭總糖、總酸、黃酮以及維生素C含量的最佳PLS模型，并通過(guò)對(duì)30個(gè)未知樣品相關(guān)含量的預(yù)測(cè)驗(yàn)證模型的準(zhǔn)確性及穩(wěn)定性，驗(yàn)證結(jié)果如圖4～圖7所示。預(yù)測(cè)集中總糖、總酸、黃酮和維生素C的相關(guān)系數(shù)r分別為0.8519、0.8106、0.8334和0.8425，RMSEP分別為為0.8969%、0.0638%、3.6055 mg/100 g和1.9732 mg/100 g，基本上可用于柑橘罐頭相關(guān)物質(zhì)含量的預(yù)測(cè)。其中，總酸的預(yù)測(cè)效果較維生素C、總糖和黃酮差，由圖5和圖7可

圖4　柑橘罐頭總糖含量?jī)?yōu)化模型預(yù)測(cè)結(jié)果Fig.4　Optimized predictive model of total sugar content of citrus canned

圖6　柑橘罐頭黃酮含量?jī)?yōu)化模型預(yù)測(cè)結(jié)果Fig.6　Optimized predictive model of flavonoids content of citrus canned

圖7　柑橘罐頭維生素c含量?jī)?yōu)化模型預(yù)測(cè)結(jié)果Fig.7　Optimized predictive model of Vitamin C content of citrus canned

3　結(jié)論

本實(shí)驗(yàn)將近紅外光譜技術(shù)和化學(xué)計(jì)量學(xué)結(jié)合，在960～1650 nm波長(zhǎng)范圍內(nèi)建立了柑橘罐頭總糖、總酸、黃酮和VC含量的定量分析模型，并通過(guò)對(duì)未知樣品的預(yù)測(cè)來(lái)評(píng)估模型的性能，預(yù)測(cè)集總糖、總酸、黃酮和VC的相關(guān)系數(shù)分別為0.8519、0.8106、0.8334 和0.8425，預(yù)測(cè)結(jié)果表明所建模型穩(wěn)定性較好，可用于測(cè)定柑橘罐頭中總糖、總酸、黃酮和維生素C的含量，為實(shí)現(xiàn)柑橘罐頭營(yíng)養(yǎng)指標(biāo)的快速檢測(cè)提供理論依據(jù)。

［1］單楊.中國(guó)柑橘工業(yè)的現(xiàn)狀、發(fā)展趨勢(shì)與對(duì)策［J］.中國(guó)食品學(xué)報(bào)，2008，8（1）：1-8.

［2］王俊，崔紹慶，陳新偉.電子鼻傳感技術(shù)與應(yīng)用研究進(jìn)展［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44（11）：160-167.

［3］毛莎莎，曾明，何紹蘭，等.近紅外光譜技術(shù)在水果成熟期預(yù)測(cè)中的應(yīng)用［J］.亞熱帶植物科學(xué)，2010，39（1）：82-89.

［4］Cao Fang，Wu Di，He Yong.Soluble solids content and pH prediction and varieties discrimination of grapes based on visible near infrared spectroscopy［J］.Computers and electronics in agriculture，2010（71）：15-18.

［5］R Ferrer-Gallego，J M Hernandez-Hierro，J C Rivas-Gonzalo，et al.Determination of phenolic compounds of grape skins during ripeningbyNIRspectroscopy［J］.LWT-FoodScienceand Technology，2011，44（4）：847-853.

［6］Jiangbo Li，Wenqian Huang，Liping Chen，et al.Variable Selection in Visible and Near-Infrared Spectral Analysis for Noninvasive Determination of Soluble Solids Content of‘Ya’Pear［J］.Food Anal，2014，7：1891-1902.

［7］Aichen Wang，Lijuan Xie.Technology using near infrared spectroscopic and multivariate analysis to determine the soluble solids content of citrus fruit［J］.Journal of Food Engineering，2014，143：17-24.

［8］吳曉紅，陳寶宏，李小華.柑橘類水果中總酸與總糖的測(cè)定［J］.食品研究與開(kāi)發(fā)，2012，33（9）：144-146.

［9］李文生，馮曉元，王寶剛，等.應(yīng)用自動(dòng)電位滴定儀測(cè)定水果中的可滴定酸［J］.食品科學(xué)，2009，30（4）：247-249.

［10］劉志明，唐彥君，吳海舟，等.苯酚-硫酸法測(cè)定葡萄酒中總糖含量的樣品處理［J］.中國(guó)釀造，2011（2）：158-161.

［11］NY/T 2010-2011柑橘類水果及其制品中總黃酮含量的測(cè)定［S］.2011.

［12］曹建康，姜微波，趙玉梅.果蔬采后生理生化實(shí)驗(yàn)指導(dǎo)［M］.北京：中國(guó)輕工業(yè)出版社，2007.

［13］閔順耕，李寧，張明祥.近紅外光譜分析中異常值的判別與定量模型優(yōu)化［J］.光譜學(xué)與光譜分析，2004，24（10）：1205-1209.

［14］夏俊芳.基于近紅外光譜的貯藏臍橙品質(zhì)無(wú)損檢測(cè)方法研究［D］.武漢：華中農(nóng)業(yè)大學(xué)，2007.

Study on the method of canned citrus quality measurement based on the Near-infrared spectroscopy

CAO Jiang-na1，ZHANG Jun1，2，*，LU Sheng-min2
（1.Institute of Food Science and Technology，Nanjing Agricultural University，Nanjing 210095，China；2.Institute of Food Science，Zhejiang Academy of Agricultural Sciences，Key Laboratory of Fruits and Vegetables Postharvest and Processing Technology Research of Zhejiang Province，Hangzhou 310021，China）

In order to quickly detect the contents of main nutrition indicators of canned citrus，the experiment was conducted to spectral acquisition of canned citrus，by Partial Least Squares（PLS）linear fit to establish Nearinfrared quantitative analysis model on canned citrus total sugar，acid，flavonoids and vitamin C.Analyzed and compared the effects of different spectral pretreatment methods on Near-infrared spectroscopy models，in which the normalized model of total sugar and flavonoids were optimal，correlation coefficients were 0.9156 and 0.9147，root mean square error of cross-validation（RMSECV）were 0.6305%and 2.7028 mg/100 g.Smoothed model of total acid correlation coefficient was 0.8921，RMSECV was 0.0539%.Model of vitamin C based on raw spectral data whose correlation coefficient was 0.9129，RMSECV was 1.4323 mg/100 g.Through validation，prediction set of total sugar，total acid，flavonoids and vitamin C correlation coefficient were 0.8519，0.8106，0.8334 and 0.8425，predict root mean square error（RMSEP）were 0.8969%，0.0638%，3.6055 mg/100 g and 1.9732 mg/100 g.The results showed that Near-infrared spectroscopy for rapid detection of canned citrus total sugar，total acid，flavonoids and vitamin C content was feasible.

canned citrus；Near-infrared；total sugar；total acid；flavonoids；vitamin c

TS207.3

A

1002-0306（2016）04-0068-05

10.13386/j.issn1002-0306.2016.04.004

2015－05－22

曹江娜（1990-），女，碩士研究生，研究方向：農(nóng)產(chǎn)品貯藏與加工的研究，E-mail：cjn02chx@163.com。

張?。?977-），男，博士，副研究員，研究方向：農(nóng)產(chǎn)品貯藏與加工，E-mail：hunterzju@163.com。

國(guó)家現(xiàn)代農(nóng)業(yè)（柑橘）產(chǎn)業(yè)技術(shù)體系專項(xiàng)資金資助（2011R15A24A01）。