李志成，王文昌

（中華全國(guó)供銷合作總社濟(jì)南果品研究院，山東濟(jì)南250014）

蘋果作為大宗農(nóng)產(chǎn)品，具有產(chǎn)量高、上市時(shí)間集中的特點(diǎn)。硬度是反映蘋果品質(zhì)的重要指標(biāo)。目前，蘋果的硬度指標(biāo)檢測(cè)一般使用硬度計(jì)，其最大的弊端是對(duì)蘋果具有破壞性，一旦檢測(cè)完畢蘋果便失去了商品用途，無法進(jìn)行銷售。而近紅外光譜法檢測(cè)具有快速、方便、高通量、無損傷的優(yōu)勢(shì)[1-3]，是農(nóng)產(chǎn)品硬度檢測(cè)的理想方法。

數(shù)據(jù)顯示，我國(guó)是世界上最大的蘋果生產(chǎn)國(guó)和消費(fèi)國(guó)。2017年，世界的蘋果總產(chǎn)量是7600多萬(wàn)t，中國(guó)有4380萬(wàn)t，約占全世界產(chǎn)量的近6成。硬度是蘋果重要的品質(zhì)指標(biāo)之一，在蘋果的收購(gòu)、流通、銷售環(huán)節(jié)中都備受關(guān)注。目前通常使用硬度計(jì)對(duì)蘋果硬度進(jìn)行檢測(cè)，該方法速度慢、破壞性大。用近紅外光譜儀采集被測(cè)定蘋果的近紅外光譜，通過解析譜圖和進(jìn)行不同的預(yù)處理，將比較復(fù)雜的弱光譜信息有效提取出來，找出蘋果最好的預(yù)處理方法和有效光譜范圍[4,5]；用偏最小二乘法對(duì)蘋果的近紅外光譜數(shù)據(jù)進(jìn)行定量分析[6]，并對(duì)樣本進(jìn)行預(yù)測(cè)，達(dá)到快速、無損檢測(cè)的目的[7]。本文利用近紅外光譜建立預(yù)測(cè)蘋果硬度的模型，并優(yōu)化模型預(yù)測(cè)的準(zhǔn)確性，從而快速、準(zhǔn)確地對(duì)蘋果硬度進(jìn)行預(yù)測(cè)，傳統(tǒng)硬度檢測(cè)所致的實(shí)現(xiàn)蘋果硬度的無損檢測(cè)。

1 材料與方法

1.1 儀器與設(shè)備

便攜式近紅外分析儀，聚光科技（杭州）股份有限公司生產(chǎn)，型號(hào)為SupNIR-1100，波長(zhǎng)范圍 600～1100 nm，光譜分辨率6 nm－1，波長(zhǎng)準(zhǔn)確性0.2 nm。

水果硬度計(jì)，意大利Fruit Test公司生產(chǎn)，型號(hào)為FT327。測(cè)量范圍為0～13 kg，分度值100 g。

1.2 樣品來源

試驗(yàn)用的蘋果來自蘋果產(chǎn)區(qū)，有河南三門峽，陜西渭南，山東棲霞、威海、蓬萊。蘋果數(shù)量為100個(gè)。隨機(jī)分為校正組和檢驗(yàn)組，校正組75個(gè)樣本，檢驗(yàn)組25個(gè)樣本。

1.3 光譜采集

采集條件：以儀器內(nèi)置背景為參比，積分球漫反射，掃描范圍為600～1100 nm，在室溫下（約22℃）采集其近紅外掃描光譜，分辨率6 cm-1，所獲得光譜即為樣本的近紅外光譜譜圖，如圖1所示。

圖1 蘋果樣本的近紅外光譜圖Fig.1 Near infrared spectra of apple fruit samples

1.4 硬度測(cè)定

用硬度計(jì)測(cè)定蘋果硬度，將硬度計(jì)探頭對(duì)準(zhǔn)蘋果表皮，方向由果面指向果心，緩慢按壓，觀察硬度計(jì)表盤指針變化，當(dāng)指針數(shù)值不隨探頭深入而變化時(shí)停止按壓，讀取硬度計(jì)表盤數(shù)值即為樣本蘋果的硬度。

2 數(shù)據(jù)處理與分析

2.1 光譜預(yù)處理

采集的近紅外光譜受噪聲影響，噪聲主要來源于隨機(jī)噪聲、基線漂移、信號(hào)本底、樣品不均勻、光散射等。為此要對(duì)原始光譜數(shù)據(jù)進(jìn)行預(yù)處理，降低噪聲影響，提高光譜精度。本試驗(yàn)采用聚光科技近紅外分析儀測(cè)量分析軟件對(duì)原始圖譜進(jìn)行預(yù)處理，平滑消噪后提取樣品的有效信息。光譜預(yù)處理方法有平滑、微分處理以及基準(zhǔn)校正等?？梢匀コ庾V中高頻噪聲的干擾，較多的平滑點(diǎn)數(shù)可以使信噪比提高。

2.2 建立模型

從蘋果的近紅外原始光譜圖（圖1）可以看出，所有樣品的光譜圖形狀具有相似性，在首尾兩端具有較強(qiáng)的噪聲干擾，在600～700 nm范圍內(nèi)出現(xiàn)了吸收峰，特別是在680 nm特征吸收峰最為強(qiáng)烈。采用聚光科技分析軟件中自帶偏最小二乘方法進(jìn)行建模，選擇偏最小二乘回歸分析（PLS1），在性質(zhì)列表中任選一個(gè)性質(zhì)，點(diǎn)擊“添加模型”，采用PLS1方法建立模型。

2.3 模型的驗(yàn)證與評(píng)價(jià)

本文通過對(duì)校正組75個(gè)蘋果樣品的硬度校正模型來預(yù)測(cè)25個(gè)檢驗(yàn)組樣品的值，并以預(yù)測(cè)值和真實(shí)值的擬合程度來判斷建模效果。預(yù)測(cè)集25個(gè)樣品硬度的真實(shí)值和預(yù)測(cè)值的效果見圖2。

圖2 樣品硬度的真實(shí)值和預(yù)測(cè)值的效果圖Fig.2 Actual values and predicted values of hardness in predicted samples

從圖2中可以看出，預(yù)測(cè)集中25個(gè)樣品的硬度真實(shí)值和預(yù)測(cè)值的擬合程度比較好，基本可以實(shí)現(xiàn)預(yù)測(cè)評(píng)估的效果。用建立好的模型驗(yàn)證25個(gè)蘋果的硬度值，得到硬度的真實(shí)值和預(yù)測(cè)值相關(guān)性較為理想。圖3是預(yù)測(cè)集25個(gè)樣品硬度真實(shí)值和預(yù)測(cè)值的相關(guān)線性曲線。

圖3 預(yù)測(cè)集樣品硬度真實(shí)值和預(yù)測(cè)值的相關(guān)性Fig.3 Relationship between actual values and predicted values of hardness in prediction set

利用建立的定量模型預(yù)測(cè)檢驗(yàn)組的25個(gè)樣品。由圖3可以看出，樣品各點(diǎn)分布在趨勢(shì)線（與坐標(biāo)軸夾角為45°）附近，說明近紅外光譜的預(yù)測(cè)值和真實(shí)值基本一致。模型預(yù)測(cè)值和真實(shí)值的R2為0.8481。

3 結(jié)論

采用聚光科技分析軟件中自帶偏最小二乘PLSI方法對(duì)蘋果硬度原始光譜數(shù)據(jù)進(jìn)行建模，得到了較為理想的模型以及預(yù)測(cè)效果。試驗(yàn)發(fā)現(xiàn)，使用該模型得到的蘋果硬度預(yù)測(cè)值和真實(shí)值的決定系數(shù)R2=0.8481?？梢?，近紅外光譜快速檢測(cè)蘋果硬度可以在無損的情況下快速、較為準(zhǔn)確的獲得樣品硬度的預(yù)測(cè)值。