姚婉清，彭夢俠，劉婷

（嘉應(yīng)學(xué)院 化學(xué)與環(huán)境學(xué)院，廣東 梅州 514015）

據(jù)記載，廣東梅州栽種金柚已有近百年的歷史，梅州金柚已成為梅州最具區(qū)域特色的支柱產(chǎn)業(yè)。1995年梅縣被國家命名為“中國金柚之鄉(xiāng)”，2006年“梅州金柚”通過國家地理標(biāo)志產(chǎn)品保護認(rèn)證[1]。梅州金柚果大形正，果肉清甜，含有有機酸、維生素C、糖、蛋白質(zhì)等以及人體組織不可或缺的礦質(zhì)營養(yǎng)元素[2]。金柚有潤肺化痰、止咳清熱、降血壓血脂等功效，且通風(fēng)環(huán)境下可存儲4個月左右，深受人們喜愛[3]。柚子的營養(yǎng)價值高及保健效果好，國內(nèi)外對其的研究較多。梅州金柚可分為白肉蜜柚，紅肉蜜柚和沙田柚3 大品種，目前只能靠人體的食品感官分析區(qū)分不同品種，但準(zhǔn)確率較低。而柚肉的內(nèi)部品質(zhì)指標(biāo)測定起來繁瑣復(fù)雜，且對形態(tài)具有破壞作用，對不同品種的品質(zhì)差異更是不易進行比較與分析，檢測和品質(zhì)分級能力不足制約著梅州金柚產(chǎn)業(yè)的發(fā)展[4]。因此，研究建立對于梅州金柚品種的無損快速篩查和柚肉內(nèi)部品質(zhì)的分級技術(shù)，對建立獨特的地理標(biāo)志農(nóng)產(chǎn)品的差異鑒別有重要的影響和實用的價值。

近紅外結(jié)合化學(xué)計量學(xué)作為一種快速、無損、高效的檢測方法，適用于有機分子中含氫基團相關(guān)（OH、NH、CH）的物理和化學(xué)性質(zhì)方面的研究分析，也可快速實現(xiàn)特定成分的定性或定量分析[5-6]，具有成本低、方便快捷、高效準(zhǔn)確、綠色分析等優(yōu)點，在石油、食品、農(nóng)業(yè)、醫(yī)藥醫(yī)學(xué)等領(lǐng)域得到廣泛研究和應(yīng)用[7]。采用近紅外結(jié)合化學(xué)計量學(xué)技術(shù)，尋找光譜吸收度與果品的糖度、酸度、VC等內(nèi)在品質(zhì)之間的相關(guān)信息，可對水果品種分級和內(nèi)在品質(zhì)定級的檢測[8-9]，僅需數(shù)秒時間，而且可以同時測定大批量樣品的多成分，不破壞樣品，對于實現(xiàn)水果品種和品質(zhì)的無損快速鑒別，具有重要的意義。

本研究采用近紅外光譜數(shù)據(jù)結(jié)合化學(xué)計量學(xué)中的判別分析法（discriminant analyst）建立梅州金柚定性分析模型，選擇最佳的光譜預(yù)處理方法和波數(shù)范圍等操作優(yōu)化模型，為梅州金柚品種和內(nèi)在品質(zhì)的無損快速鑒別提供思路，也有利于對梅州金柚這一地理標(biāo)志保護產(chǎn)品的識別。

1 材料與方法

1.1 材料、試劑與儀器

1.1.1 材料

試驗研究樣品取購于梅州各縣的3 類各9種共27種柚子，見表1。

表1 試驗樣品Table 1 Experimental samples

1.1.2 試劑

無水葡萄糖：AR，廣州分析測試中心科力技術(shù)開發(fā)公司；蒽酮：AR，廣東光華科技有限公司；濃硫酸、氫氧化鈉：AR，東莞市斯巴達化學(xué)有限公司；酚酞、碳酸氫鈉：AR，東莞市喬科化學(xué)有限公司；草酸：AR，山東佰鴻新材料有限公司；抗壞血酸：AR，西隴科學(xué)股份有限公司；白陶土：AR，上海乙基化工有限公司；2,6-二氯靛酚：AR，上海如吉生物科技發(fā)展有限公司。

1.1.3 儀器

NICOLET IS 10 傅立葉變換紅外光譜儀：美國尼高力儀器公司；TQ Analyst 9.0 軟件、Ominic 9.0 軟件：美國賽默飛世爾科技公司；Cary 300 紫外可見分光光度計：梅特勒-托利多儀器上海有限公司；HTZ-1011A高速榨汁機：佛山邁諾詩電氣有限公司。

1.2 化學(xué)分析方法測定內(nèi)在品質(zhì)

金柚樣品采集了表皮的近紅外光譜后，測定總糖、維生素C 和總酸3個內(nèi)在品質(zhì)指標(biāo)的含量。用蒽酮硫酸比色法測定樣品中可溶性糖的含量[10]，2，6-二氯靛酚滴定方法測定維生素C 含量[11]，用酸堿滴定法測定中的可滴定酸[12]。

1.3 紅外建模法

1.3.1 定判別分析方法建立定性模型

白柚、紅柚、沙田柚3個品種9個金柚，其中白柚樣品1～7號、紅柚樣品10～16號、沙田柚樣品19～25號為建模訓(xùn)練集，其余6個樣品為驗證集。試驗利用Antaris 光纖槍采集紅外譜圖，見圖1。

圖1 數(shù)據(jù)采集點示意圖Fig.1 Data acquisition point diagram

如圖1中所示柚子表皮的南極、北極和赤道處對稱4個點，重心位置前后各1個點，一共6個點為數(shù)據(jù)采集點，每個點采集2 張譜圖，共324 張（其中訓(xùn)練集252 張，驗證集72 張）。近紅外測定條件為：分辨率為8 cm-1，波長范圍為 10 000 cm-1～4 000 cm-1，掃描次數(shù)為64 次，以空氣為背景，譜圖采集完畢，進行基線校正后，保存?zhèn)溆谩?/p>

使用 TQ Analyst 9.0 軟件的”Discriminant Analyst”（判別分析法）對光譜進行統(tǒng)計處理并建模，通過對近紅外光譜圖的預(yù)處理方法、特征光譜的選擇等操作優(yōu)化模型。據(jù)模型的性能指數(shù)、預(yù)測相關(guān)系數(shù)、三維圖的聚類分析效果、模型對內(nèi)部和外部驗證樣品的正確識別率判斷識別模型的準(zhǔn)確性、合理性和穩(wěn)定性[13-14]，最后實現(xiàn)對梅州金柚品種進行無損快速鑒別分析[15]。

1.3.2 模型的驗證與應(yīng)用

為驗證所建判別模型的預(yù)測能力，隨機選取3個品種訓(xùn)練集樣品中紅柚、白柚和沙田柚各2個共6個樣品，每個樣品選擇2 張未參與建模的紅外譜圖，共12 張，導(dǎo)入1.3.1所建定性模型，結(jié)合識別正確率、誤判率、預(yù)測相關(guān)系數(shù)、前10個主成分的累計貢獻率以及三維圖的聚類分析效果，判斷識別所建模型的優(yōu)劣。

另外選取未參與建模的紅柚、白柚和沙田柚3個品種樣品 8、9、17、18、26、27號作為外部驗證的驗證集樣品，每個樣品測得12 張紅外譜圖，共72 張，判斷識別所建模型的預(yù)測能力。

2 結(jié)果與討論

2.1 不同品種金柚品質(zhì)比較

2.1.1 外在品質(zhì)比較

3種品種的金柚在縱橫徑、果形、囊瓣數(shù)、果重等果型指數(shù)上沒有明顯的區(qū)別，很難依靠柚子的外在品質(zhì)區(qū)分品種和品質(zhì)，而果品購銷時不能大批量采用破壞式檢測，費時費力還浪費樣品。

2.1.2 內(nèi)在品質(zhì)比較

按照1.2 化學(xué)分析方法，不同品種金柚的內(nèi)在品質(zhì)分析結(jié)果見表2。

表2 不同品種金柚的內(nèi)在品質(zhì)分析結(jié)果Table 2 Result of internal quality of different varieties of golden pomelo

由表2可知，不同品種的梅州金柚內(nèi)在品質(zhì)指標(biāo)存在明顯差異。3種金柚品種平均的可溶性糖含量和總酸的含量差別不是特別明顯，沙田柚的可溶性糖含量比白柚和紅柚高，而總酸的含量比兩者低。內(nèi)在品質(zhì)差別最為明顯的是VC含量，沙田柚VC含量接近白柚和紅柚VC含量的兩倍多。隨著人們對果品的營養(yǎng)要求越來越高，柚子除了果汁豐富、酸甜可口外，含有豐富的糖類、有機酸等，特別是VC含量較其他水果高，這也是沙田柚較白柚、紅柚市場定價較高的原因之一[16]。

2.2 定性模型的建立

按照1.3.1 方法獲得金柚的近紅外光譜圖，每個樣品取12 張紅外光譜，共測得324 張（其中訓(xùn)練集252張，驗證集72 張）。采用判別分析方法對所測紅外光譜圖進行建模，經(jīng)過多次模型最佳條件的試驗研究分析，確定了建模的最佳條件。使用TQ Analyst 9.0 軟件的Norris derivative 濾波對光譜進行平滑處理，除噪長度為7、間距為4，光程恒定，采用二階導(dǎo)數(shù)法進行光譜的背景扣除和信號分離，選取8 961 cm-1～8 477 cm-1，7 369 cm-1～7 132 cm-1，5 492 cm-1～5 011 cm-1為建模的特征光譜區(qū)域，其他參數(shù)采用判別分析方法本身的默認(rèn)值，最后建立金柚品種的定性識別模型三維得分圖和二維得分圖，（說明：主成分分析得分圖分為三維和二維得分圖）見圖2。

圖2 梅州金柚的判別模型主成分三維得分圖Fig.2 The principal component score 3D display of discriminant model for golden pomelo in Meizhou

從圖2可以看出，金柚樣品利用判別分析方法大致可以將訓(xùn)練集樣品分為3個區(qū)域：白柚、紅柚和沙田柚，區(qū)分度較好。沙田柚聚在圖2 的左邊，較為集中，其VC含量是最高的，市場定價最高；紅柚聚在圖2 的右上方，較為分散，這與化學(xué)分析方法測定的內(nèi)在品質(zhì)結(jié)果符合，紅柚品種內(nèi)在品質(zhì)介于沙田柚和白柚之間，而市場價位也是定在兩者之間。白柚聚在圖2 的右下方，可溶性糖和VC是3個品種中最低的，而總酸是最高的，在3個品種中口感和營養(yǎng)成分較低，價位也最低，符合市場定價。

紅柚和白柚這兩類金柚在主成分-得分圖和馬氏距離圖中聚類較好，能明顯區(qū)分，圖3、圖4、圖5 分別是白柚、紅柚到沙田柚的距離。

圖3 紅柚、白柚為坐標(biāo)系的主成分-馬氏距離圖Fig.3 The principal component analysis-Mahalanobis distance by white pomelo，red pomelo for the coordinate system

圖4 沙田柚、白柚為坐標(biāo)系的主成分-馬氏距離圖Fig.4 The principal component analysis-Mahalanobis distance by Shatian pomelo，white pomelo for the coordinate system

從圖3、4、5中可以看出，白柚和紅柚的距離更近些，符合化學(xué)分析結(jié)果，這兩類柚子的可溶性糖含量、總酸和VC的含量相差不大，有部分樣品比較靠近，所以點數(shù)相對集中。但跟沙田柚的內(nèi)在品質(zhì)差別大點，因此到沙田柚樣品的距離大一點。沙田柚的總酸和VC含量范圍相對寬，所以離散程度比白柚和紅柚大。

圖5 沙田柚、紅柚為坐標(biāo)系的主成分-馬氏距離圖Fig.5 The principal component analysis-Mahalanobis distance by Shatian pomelo，red pomelo for the coordinate system

2.3 模型的驗證與應(yīng)用

按照1.3.2 方法，將訓(xùn)練集樣品6個的紅外譜圖導(dǎo)入2.2所建定性分析模型檢驗?zāi)Ｐ停Y(jié)果見表3。

表3 用模型檢測樣品結(jié)果Table 3 The results of the test samples by model

結(jié)果顯示，6種內(nèi)部驗證的金柚按照品種分為3類，結(jié)果全部歸類正確，準(zhǔn)確率達100%，模型性能指標(biāo)為92.3%，前10個主成分的累計貢獻率為94.35%，模型的穩(wěn)定性和準(zhǔn)確性較好。

按照1.3.2 方法，將驗證集樣品6個的紅外譜圖導(dǎo)入2.2所建定性分析模型進行模型的實測。結(jié)果如表3所示，6種未參與建模的金柚樣品檢測結(jié)果為“Pass”，且按照品種分為3 類，馬氏距離均小于3，準(zhǔn)確率高達100%，模型的預(yù)測能力較好。

3 討論

本文利用近紅外光譜集合化學(xué)計量學(xué)方法建立了無損快速鑒別梅州金柚品種的方法，模型合理性、穩(wěn)定性和準(zhǔn)確性良好。利用所建模型可準(zhǔn)確快速、無損簡單區(qū)分大批量梅州金柚樣品品種，且對金柚內(nèi)在品質(zhì)分級有一定的理論指導(dǎo)意義。后續(xù)還可為梅州金柚的內(nèi)在品質(zhì)定量分析分級和貨架期的確定進行進一步的研究分析。