黃沛遵+靳皓

摘 要：本文采用近紅外漫反射法，對(duì)雪梨中的可溶性固形物含量進(jìn)行檢測(cè)。隨機(jī)地在每只雪梨上選擇2～3個(gè)樣本，共采集了133個(gè)樣本。剔除異常樣本5個(gè)，剩下128個(gè)樣本，分為校正集90個(gè)，預(yù)測(cè)集38個(gè)。使用Unscrambler9.7軟件做數(shù)據(jù)處理。采用不同的光譜預(yù)處理方法，結(jié)合偏最小二乘（PLS）進(jìn)行建模預(yù)測(cè)。發(fā)現(xiàn)，使用面積標(biāo)準(zhǔn)化、平均值標(biāo)準(zhǔn)化、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）、多元散射校正（MSC）4種光譜預(yù)處理方法，均可得到理想的預(yù)測(cè)效果。使用預(yù)測(cè)相關(guān)系數(shù)（R）和預(yù)測(cè)均方根誤差（RMSEP）作為評(píng)價(jià)指標(biāo)，R值超過(guò)0.96，RMSEP值小于0.20。

關(guān)鍵詞：近紅外；漫反射法；預(yù)處理；可溶性固形物

中圖分類(lèi)號(hào)：S661.2 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.11974/nyyjs.20170733033

雪梨是一種常見(jiàn)的水果，對(duì)急性氣管炎和上呼吸道感染均有良效，又有降低血壓和養(yǎng)陰清熱的功效。其味甘性寒，具有生津潤(rùn)燥、清熱化痰、養(yǎng)血生肌之功效[1]。其可溶性固形物含量的高低是鑒別其品質(zhì)的重要因素之一。

同時(shí)，近紅外光譜具有測(cè)試方便，適于在線分析等特點(diǎn)[2]。已有多人基于近紅外光譜對(duì)此進(jìn)行過(guò)研究。王凡等[3]使用漫透射光譜技術(shù)對(duì)番茄的可溶性固形物做了研究；郭成[4]等使用近紅外光譜結(jié)合波長(zhǎng)優(yōu)選檢測(cè)了葡萄的可溶性固形物含量；王偉名[5]等使用近紅外漫反射光譜檢測(cè)了梨的果糖濃度；劉小路等[6]建立了藍(lán)莓的可溶性固形物的檢測(cè)模型；樊書(shū)祥等[7]使用近紅外光譜檢測(cè)模型對(duì)蘋(píng)果的產(chǎn)地差異做了研究；許文麗等[8]使用變量?jī)?yōu)選和快速獨(dú)立成分分析的方法檢測(cè)了黃花梨的可溶性固形物；吳方龍等[9]使用近紅外漫反射光譜無(wú)損檢測(cè)了梨的可溶性固形物；劉燕德等[10]使用近紅外漫透射光譜在線檢測(cè)了雨露香梨的可溶性固形物；王銘海等[11]使用近紅外漫反射光譜無(wú)損檢測(cè)了成熟期梨的可溶性固形物；秦善知等[12]使用便攜式近紅外光譜儀檢測(cè)了梨的可溶性固形物。

1 實(shí)驗(yàn)部分

1.1 樣品與儀器

實(shí)驗(yàn)選用50只雪梨，采購(gòu)于天津某農(nóng)貿(mào)批發(fā)市場(chǎng)，產(chǎn)地為河北省。實(shí)驗(yàn)前，將雪梨用清水洗凈，選擇無(wú)機(jī)械損傷處，隨機(jī)地在每只雪梨的靠近果柄、果萼和赤道等部位選取2～3塊樣本，每個(gè)樣本為2cm左右的立方體，共采集了133個(gè)樣本。每采集完1個(gè)樣本，即刻測(cè)量其光譜數(shù)據(jù)及糖度值。光譜儀為美國(guó)PerkinElmer近紅外光譜儀，用積分球附件，漫反射法測(cè)量全譜數(shù)據(jù)，波數(shù)為10000～4000cm-1，掃描次數(shù)32，分辨率4cm-1。同時(shí)，使用日本PAL-1型數(shù)顯糖度計(jì)，對(duì)每個(gè)樣本測(cè)量其糖度值。

1.2 光譜測(cè)量

將切好的梨塊置于樣本杯上，覆蓋住藍(lán)寶石窗片。每次都先測(cè)量背景，然后測(cè)量光譜數(shù)據(jù)，儀器能夠自動(dòng)扣除背景，得到扣除背景后的光譜數(shù)據(jù)。保存數(shù)據(jù)。

1.3 測(cè)量可溶性固形物

得到梨塊的光譜數(shù)據(jù)后，即刻測(cè)量糖度值。將梨塊擠出梨汁3～5滴，使其完全覆蓋糖度計(jì)窗口。顯示數(shù)據(jù)。記錄下來(lái)。

2 結(jié)果與討論

2.1 原始光譜及不同預(yù)處理方法

使用Unscrambler9.7軟件做數(shù)據(jù)處理。選擇1501個(gè)波數(shù)變量為x變量，糖度值為y變量，用PLS1對(duì)133個(gè)樣本的原始光譜建立回歸模型。確定主成分?jǐn)?shù)，如圖1所示，選擇主成分?jǐn)?shù)為14。

使用14個(gè)主成分建模，如圖2所示，得到校正相關(guān)系數(shù)為0.95，校正均方根誤差為0.24。

結(jié)合UScores-T Scores圖，Leverage-Samples圖和Y-residuals-Predicted Y圖剔除異常樣本5個(gè)，剩下128個(gè)樣本，再次建模，得到校正相關(guān)系數(shù)為0.95，校正均方根誤差為0.20，比先前有所改善。

把128個(gè)樣本分為校正集和驗(yàn)證集，校正集90個(gè)，驗(yàn)證集38個(gè)。

采用不同的預(yù)處理方法，結(jié)合PLS1建模。預(yù)處理方法分別為面積標(biāo)準(zhǔn)化、平均值標(biāo)準(zhǔn)化、標(biāo)準(zhǔn)正態(tài)變量和多元散射校正。

2.2 不同預(yù)處理方法的比較

由表1可見(jiàn)，4種不同的預(yù)處理方法均比原始光譜建模預(yù)測(cè)更為優(yōu)異。其中，多元散射校正預(yù)處理方法能使用更少的主成分?jǐn)?shù)。

3 結(jié)論

由于使用漫反射法進(jìn)行測(cè)量研究，所以可以為無(wú)損測(cè)量打下良好基礎(chǔ)。本工作使用了全譜數(shù)據(jù)，如果對(duì)光譜波段進(jìn)行選擇，可能會(huì)有更好的建模預(yù)測(cè)效果。

參考文獻(xiàn)

[1]雪梨.百度百科[EB/OL].http：//baike.baidu.com/link？url=N3lhSmJL2729dO6mVMtA4DbuU6ZMm47v9Xk_1Bq0SC-XnlOdRopcA3q0fzH6B0lNKfQgvbwbHi9F1VDZ0XQf_q.

[2]褚小立.近紅外光譜分析技術(shù)實(shí)用手冊(cè)[M].北京：機(jī)械工業(yè)出版社，2016.

[3]王凡，李永玉，彭彥昆，等.基于漫透射光譜技術(shù)的番茄可溶性固形物及總糖含量的無(wú)損檢測(cè)[J].光譜學(xué)與光譜分析，2016，36（10）：3185-3189.

[4]郭成，馬月，梁夢(mèng)醒，等.基于近紅外光譜結(jié)合波長(zhǎng)優(yōu)選檢測(cè)單顆葡萄的SSC含量[J].食品與機(jī)械，2016，32（09）：39-43.

[5]王偉名，董大明，鄭文剛，等.梨果糖濃度近紅外漫反射光譜檢測(cè)的預(yù)處理方法研究[J].光譜學(xué)與光譜分析，2013，33（02）：359-362.

[6]劉小路，薛璐，魯曉翔，等.藍(lán)莓可溶性固形物/總酸近紅外無(wú)損檢測(cè)模型的建立[J].食品與生物技術(shù)學(xué)報(bào)，2016，35（07）：752-756.

[7]樊書(shū)祥，黃文倩，郭志明，等.蘋(píng)果產(chǎn)地差異對(duì)可溶性固形物近紅外光譜檢測(cè)模型影響的研究[J].分析化學(xué)，2015，43（02）：239-244.

[8]許文麗，孫通，胡田，等.基于變量?jī)?yōu)選和快速獨(dú)立成分分析的黃花梨可溶性固形物可見(jiàn)/近紅外光譜檢測(cè)[J].光譜學(xué)與光譜分析，2014，34（12）：3253-3255.

[9]吳方龍，沈黃通，吳晨凱，等.基于近紅外漫反射光譜無(wú)損檢測(cè)梨可溶性固形物的光強(qiáng)影響探究[J].光譜學(xué)與光譜分析，2013，33（10）：2671-2673.

[10]劉燕德，朱丹寧，吳明明，等.玉露香梨可溶性固形物近紅外漫透射光譜在線檢測(cè)[J].食品與機(jī)械，2016，32（10）：115-119.

[11]王明海，郭文川，谷靜思，等.成熟期梨可溶性固形物含量的近紅外漫反射光譜無(wú)損檢測(cè)[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，41（12）：113-118.

[12]秦善知，陳斌，陸道禮，等.基于便攜式近紅外光譜儀檢測(cè)梨可溶性固形物[J].江蘇農(nóng)業(yè)科學(xué)，2014，42（08）：284-286.

作者簡(jiǎn)介：黃沛遵，男，吉林遼源人；靳皓（1978-），男，天津人，講師，碩士，主要研究方向：農(nóng)產(chǎn)品檢測(cè)。