謝丹丹，郭文川,2,3,*，高夢杰，劉大洋

（1.西北農林科技大學機械與電子工程學院，陜西 楊凌 712100；2.農業(yè)農村部農業(yè)物聯(lián)網重點實驗室，陜西 楊凌 712100；3.陜西省農業(yè)信息感知與智能服務重點實驗室，陜西 楊凌 712100；4.東北林業(yè)大學機電工程學院，黑龍江 哈爾濱 150040）

隨著生活水平的不斷提高，人們對果品內部品質的要求越來越高?？扇苄怨绦挝锖浚╯oluble solids content，SSC）和含水率是表征果品內部品質的主要參數。通常采用數字式折射計測定果品的SSC，用烘干法測定含水率。雖然這些傳統(tǒng)測定方法具有結果準確的優(yōu)點，但均費時費力。因此，這些方法只能用于抽樣檢測，無法滿足果品行業(yè)健康快速發(fā)展的需求。

由于近紅外光譜技術具有檢測速度快、成本低、無污染和無損檢測的優(yōu)點，已被廣泛應用于果品內部品質的檢測中[1-5]。當光與果品組織相互作用時，光可能被吸收，也可能被散射。近紅外光譜是光與果品內部組織之間相互作用的宏觀表現(xiàn)，而光譜技術則主要依賴于采用化學計量學方法建立基于光譜預測被測參數的模型[6]。這種方法忽略了光與果品組織之間復雜的相互作用，導致人們對光與組織之間的關系不了解。而不同果品內部的化學成分和物理結構存在差異，使得吸收或散射的光量不同，因此可以用光學特性反映果品的化學特性和物理結構。果品的吸收和散射特性通常用吸收系數μa和約化散射系數表示。其中，μa主要與化學成分有關，而主要與物理結構，如細胞尺寸、緊密程度等相關[7-8]。研究光學特性是使用光譜技術檢測果品內部品質的基礎，有助于了解光與組織之間的相互作用機理。

目前在研究果品的光學特性及其與果品內部品質之間的關系方面已經取得了一些研究進展。例如He Xueming等[9]研究了梨的SSC和硬度與光學特性之間的關系，并指出基于光學特性參數建立的預測SSC和硬度模型的決定系數R2分別為0.40和0.48。Mozaffari等[10]評估了蘋果片狀樣品在熱風干燥過程中光學特性參數的變化以及基于光學特性參數的預測含水率，指出預測含水率最佳模型的相關系數r為0.984。對蘋果光學特性的研究發(fā)現(xiàn)，‘Jonagored’蘋果的與硬度呈現(xiàn)負相關[11]，‘Golden Delicious’和‘Granny Smith’蘋果的與硬度呈現(xiàn)正相關（r＝0.903～0.993）[12]，‘Royal Gala’蘋果與硬度的正相關系數為0.68[13]。Liu Dayang等[14]指出可基于光學特性評估貯藏期獼猴桃的內部品質和微觀結構。在1 390 nm波長處，μa與SSC和含水率之間的r分別為－0.80和0.88。在950～1 650 nm范圍內，與硬度的|r|取值范圍為0.74～0.87。

草莓屬漿果，因其營養(yǎng)豐富而深受廣大消費者的喜愛。目前在基于近紅外光譜技術無損預測草莓內部品質方面已經取得了一定的研究進展[15-16]，然而對草莓的光學特性及其與內部品質之間的關系尚不清楚。因此，本實驗基于單積分球技術結合反向倍增（inverse adding doubling，IAD）算法研究草莓的光學特性，分析草莓μa和與SSC和含水率間的相關性，進而基于光學特性參數譜預測草莓的SSC和含水率。

1 材料與方法

1.1 材料與試劑

‘紅顏’、‘甜香’和‘章姬’草莓采摘于陜西省楊凌區(qū)農業(yè)創(chuàng)新園。

20%（體積分數，下同）-Introlipid溶液 美國Sigma-Aldrich公司。

1.2 儀器與設備

PR-101α型數字式折射儀 日本Atago公司；101-1AB型干燥箱 天津泰斯特儀器有限公司；阿貝折光儀 上海第五光學儀器有限公司；NIRQuest 512型光譜儀 美國Ocean Optics公司；4P-GPS-030-SF型積分球美國Labsphere公司；it-3900e型光源 美國Dolan Jenner Industries公司；聚光鏡 上海五鈴光學公司。

1.3 方法

1.3.1 草莓樣品的制備

實驗當天于陜西省楊凌區(qū)農業(yè)創(chuàng)新園的溫室大棚內采摘新鮮草莓樣品，30 min運回實驗室后隨即開展實驗。每次挑選各品種成熟度基本一致且表面無損傷的草莓樣品20～25 個，3 個品種樣品共150 個，其中‘紅顏’48 個、‘甜香’54 個、‘章姬’48 個。

如圖1所示，將每個草莓順軸向切成5 片。丟棄最外側的兩片，用最中間的一片測定光學參數和SSC，與中間片相鄰的另外兩片（第2片和第4片）用于測定含水率。

圖1 草莓切片示意圖Fig.1 Schematic diagram of strawberry slicing positions

1.3.2 光學特性測量系統(tǒng)及其驗證

Step 5 If k

圖2為根據單積分球技術搭建的光學特性測量系統(tǒng)。該系統(tǒng)主要由波長范圍為900～1 700 nm的光譜儀、積分球、光源、聚光鏡和樣品支架組成。

圖2 光學特性測量系統(tǒng)演示圖Fig.2 Schematic diagram of the optical measurement system

由于光譜儀所獲得的光譜在兩端存在較弱的信噪比，因此，本實驗以950～1 650 nm為研究波段。分別測定純水和不同質量分數（1%、4%和100%）20%-Introlipid溶液的μa和，以驗證系統(tǒng)的測量精度。純水及不同質量分數下20%-Introlipid溶液均各為3 個樣品，且各個樣品重復3 次，以9 次測量的平均值作為測定結果。以鄧孺孺等[17]給出的純水的μa作為本實驗μa的參考值；以van Staveren[18]和Aernouts[19]等給出20%-Introlipid溶液的作為本實驗的參考值。計算相同波長下純水和20%-Introlipid的測定值與其參考值之間的相對誤差，以相同波段下相對誤差的平均值（平均相對誤差）作為評價系統(tǒng)測量精度的指標。

1.3.3 草莓光學特性的測定

用螺旋測微儀（精度0.001 mm）測定最中間一片草莓切片的厚度，然后測定其反射率和透射率。如圖2A所示，將草莓樣品置于積分球出口處，可獲得草莓樣品的反射率；將積分球出口蓋住，并將草莓樣品置于積分球入口處，可獲得草莓樣品的透射率（圖2B）。在反射率和透射率的測定過程中，聚光鏡與樣品之間的距離保持恒定。為避免環(huán)境光對光學參數值的影響，整個實驗均在暗室環(huán)境下完成。每片草莓測定3 個點處的反射率和透射率，以3 個點測定結果的平均值作為該草莓片的測定結果。在得到草莓樣品反射率、透射率、厚度以及前期利用阿貝折光儀測定得到草莓樣品折射率（1.35）的基礎上，基于IAD算法[20]計算樣品的μa和。

1.3.4 草莓SSC和含水率的測定

SSC測定：待光學特性測量完成后，利用數字式折射儀測定該片草莓果汁的SSC。

含水率測定：分別從第2片和第4片上取2～3 g草莓樣品置于干燥箱中，在70 ℃下干燥24 h，根據下式計算樣品的濕基含水率。每個樣品的SSC和含水率分別重復3 次和2 次，以多次重復測量的平均值作為測定結果。

式中：m1和m2分別為草莓樣品干燥前后的質量/g。

1.3.5 光譜預處理、樣本劃分及建模

為了探索基于光學特性預測草莓SSC和含水率的可行性，本實驗將化學計量學方法應用于草莓SSC和含水率的預測中。首先采用標準正態(tài)變換（standard normal variate，SNV）對μa譜、譜以及μa和的混合譜進行預處理，然后采用基于聯(lián)合XY距離的樣本集劃分方法（sample set partitioning based on joint x-y distance，SPXY）按照3∶1的數量比將每個品種下的樣本劃分為校正集和預測集，并基于SNV預處理后的μa、譜和μa+μ’s譜建立預測草莓SSC和含水率的偏最小二乘（partial least squares，PLS）模型。

1.4 數據統(tǒng)計與分析

采用Excel 2007軟件對數據進行統(tǒng)計和分析，采用Matlab 2013軟件進行光譜預處理、樣本劃分和模型建立。以校正集相關系數rc、預測集相關系數rp、校正集均方根誤差（root mean squares error of calibration，RMSEC）和預測集均方根誤差（root mean squares error of prediction，RMSEP）作為評價模型性能的指標。rc和rp越大，RMSEC和RMSEP越小，說明預測性能越高。

2 結果與分析

2.1 單積分球系統(tǒng)驗證結果

圖3為純水和20%-Introlipid溶液光學特性參數測定值和參考值的比較。在950～1 650 nm波長范圍內，本系統(tǒng)所測定的純水μa與鄧孺孺等[17]的研究結果相比，其平均相對誤差為8.23%。與van Staveren等[18]的結果相比，在950～1 100 nm波長范圍內，質量分數1%、4%和100%的20%-Introlipid溶液平均相對誤差為4.25%；與Aernouts等[19]的研究結果相比，在950～1 650 nm波長范圍內，100%質量分數的20%-Introlipid溶液平均相對誤差為3.16%?？傮w而言，本系統(tǒng)的平均相對誤差為3.71%。

與其他光學特性測量系統(tǒng)的誤差相比，本系統(tǒng)μa的平均相對誤差8.23%高于Wang Weilin等[21]報道的6.5%，但低于Pifferi[22]、Cen Haiyang[23]和Zhang Mengyun[24]等分別報道的10%、23%和17.4%。本實驗所得的平均相對誤差3.71%低于Pifferi[22]、Cen Haiyan[23]、Zhang Mengyun[24]和Wang Weilin[21]等分別報道的13%、7%、4.4%和5%。結果表明，本實驗所搭建的單積分球系統(tǒng)可以比較準確地測量果品的光學特性。

圖3 純水和不同質量分數20%-Introlipid溶液光學特性參數測量值與參考值的比較Fig.3 Comparison of measured and referenced μa andof pure water and 20%-Introlipid solutions at different concentrations

2.2 3 種草莓光學特性的差異

圖4和圖5分別為950～1 650 nm波長處3 種草莓的μa和及平均值。3 種草莓的μa和變化規(guī)律一致，但數值存在差異。μa在975、1 197 nm和1 411 nm波長處存在峰值（圖4a、5a）。975 nm和1 197 nm波長處的吸收峰主要與碳水化合物和水的吸收有關[25]，而1 411 nm波長處的吸收峰主要與水的吸收有關。由于‘紅顏’草莓的含水率明顯小于‘甜香’和‘章姬’草莓，因而導致其在1 141 nm波長處的平均μa遠小于其他兩個品種（圖5a）。

總體上，草莓隨波長的增大而逐漸減?。▓D4b、5b），這符合生物組織散射的一般規(guī)律[26-27]。另外，在975、1 197 nm和1 411 nm波長處存在明顯的波谷，導致該現(xiàn)象的原因可能在于IAD算法固有弊端——“串音”的存在。IAD算法可能將一部分散射光子誤以為吸收光子，從而導致吸收和散射無法完全分離。這種“串音”現(xiàn)象同樣出現(xiàn)于蘋果[13]和豬皮下脂肪組織[28]光學參數的研究中。由于主要與果品的內部結構有關，而‘紅顏’的明顯高于‘甜香’和‘章姬’，因而‘紅顏’果肉的內部結構也可能與其他兩個品種不同。

圖4 3 種草莓的μa和 Fig.4μa and of three strawberry cultivars

圖5 3 種草莓的平均μa和 Fig.5 Average μa andof three strawberry cultivars

2.3 3 種草莓SSC和含水率的測定結果

表1為不同品種草莓SSC和含水率的測定結果?！t顏’、‘甜香’和‘章姬’草莓的SSC范圍分別為8.1%～14.0%、7.4%～11.6%和6.9%～12.3%?！t顏’SSC的平均值為10.5%，明顯高于‘甜香’（9.4%）和‘章姬’（9.2%）?！鹣恪c‘章姬’二者的SSC差異較小?！t顏’含水率的平均值為88.3%，明顯低于‘甜香’（89.7%）和‘章姬’（89.8%），而‘甜香’和‘章姬’的含水率沒有明顯差異。對所有草莓SCC和含水率進行分析發(fā)現(xiàn)，草莓SSC與含水率呈負相關，3 種草莓的平均相關系數r為－0.85（圖6）。這與Guo Wenchuan等[29-30]研究發(fā)現(xiàn)蘋果SSC與含水率具有極好的負相關性結論一致。

表1 3 種草莓SSC和含水率的測定結果Table 1 Measured values of SSC and moisture content for three strawberry cultivars

圖6 草莓SSC和含水率之間的關系Fig.6 Relationship between SSC and moisture content in strawberry fruit

2.4 草莓光學特性與SSC和含水率的相關性

圖7 草莓SSC和含水率與μa和 的相關系數Fig.7 Correlation coefficients of SSC and moisture content with μa and of strawberry fruit

如圖7所示，草莓SSC與μa呈負相關，而含水率與μa呈正相關。在975、1 197 nm和1 411 nm波長處相關系數出現(xiàn)極大值或極小值，證明在吸收峰處草莓的μa與SSC和含水率的相關性優(yōu)于其他波長處。此外，在整個波長范圍內，1 411 nm波長處的相關性最高，此時μa與SSC和含水率r分別為－0.50和0.47。這與Liu Dayang等[14]對獼猴桃光學參數的研究結果相似。

在整個波長范圍內，草莓SSC與呈正相關，r穩(wěn)定在0.4左右；而含水率與呈負相關，r為－0.4～－0.5。Liu Dayang等[14]研究了生長期獼猴桃光學參數與內部品質之間的相關性，也發(fā)現(xiàn)波長對與內部品質之間的相關性影響較小。

2.5 草莓SSC和含水率的預測

不管是對于μa還是，單個波長下的光學參數與SSC和含水率的相關系數都比較小，尚不能用于預測草莓的SSC和含水率。為此，在對μa、譜及μa+譜進行預處理后，采用SPXY法對每個品種按照3∶1的數量比例劃分樣本集，得到校正集樣本113 個（‘紅顏’36 個、‘甜香’41 個和‘章姬’36 個）以及預測集樣本37 個（‘紅顏’12 個、‘甜香’13 個和‘章姬’12 個）。樣本劃分結果說明，對于每個參數，校正集的范圍大于預測集，說明樣品劃分合理。

表2為在基于各種譜預測SSC和含水率時，PLS模型的參數及建模結果。在預測SSC方面，基于μa譜所建模型具有最好的校正及預測性能（rc＝0.840、RMSEC＝1.140%；rp＝0.815、RMSEP＝1.153%）?；谧V的預測性能（rp＝0.746、RMSEP＝1.164%）次于μa譜，而基于譜所建立模型的預測性能最差（rp＝0.745、RMSEP＝1.164%），這說明吸收特性與SSC有關。相比于譜，μa譜能提高SSC的預測精度。

表2 基于不同光學參數譜預測草莓SSC和含水率的PLS模型參數及建模結果Table 2 Parameters of partial least squares models for predicting SSC and moisture content of strawberry fruit based on different optical parameters

在預測含水率方面，基于μa譜所建模型具有最好的校正及預測性能（rc＝0.761、RMSEC＝1.240%；rp＝0.757、RMSEP＝1.280%）?；谧V（rp＝0.728、RMSEP＝1.300%）的預測性能優(yōu)于譜（rp＝0.719、RMSEP＝1.410%）。這說明含水率也主要影響吸收特性，且μa譜比譜和譜能更好地預測草莓含水率。

3 結 論

本實驗基于單積分球技術搭建了一個光學特性測量系統(tǒng)，并利用純水和20%-Introipid溶液對該系統(tǒng)的測量精度進行了驗證。結果表明，在950～1 650 nm范圍內，該系統(tǒng)測量μa和的平均相對誤差分別為8.23%和3.71%。950～1 650 nm間，草莓的吸收峰出現(xiàn)在975、1 197 nm和1 411 nm波長處。草莓的μa與SSC呈負相關，而與含水率呈正相關，且在吸收峰處存在相關系數極值?？傮w上，隨波長的增大而減小?；讦蘟譜建立的PLS模型具有最好的預測草莓SSC和含水率的能力。對于SSC，rp＝0.815、RMSEP＝1.153%；對于含水率，rp＝0.757、RMSEP＝1.280%。該結果說明，草莓的SSC和含水率主要影響其吸收特性，基于吸收特性能更好地預測草莓的SSC和含水率。本實驗為了解草莓光學參數與內部品質之間的關系提供了參考，也為水果內部品質無損檢測技術精度的提高奠定了基礎。在后續(xù)的研究中，可分析多品種草莓的內部細胞結構，以探索草莓散射系數與其內部物理結構的關系。