于智海，羅華平，孔德國，高 峰，徐嘉翊，王長旭，王玉婷

（1.塔里木大學(xué)機(jī)械電氣化工程學(xué)院，阿拉爾 843300；2.新疆維吾爾自治區(qū)普通高等學(xué)?，F(xiàn)代農(nóng)業(yè)工程重點(diǎn)實(shí)驗(yàn)室）

0 引言

新疆地區(qū)的紅棗種植面積在我國紅棗總種植面積中占有相當(dāng)大的比重，而在新疆地區(qū)種植的紅棗尤以產(chǎn)自南疆地區(qū)的駿棗為典型代表[1-4]。在駿棗的加工過程中，對未經(jīng)加工的駿棗進(jìn)行清洗是至關(guān)重要的步驟，清洗步驟直接影響駿棗的水分含量，農(nóng)產(chǎn)品的水分含量又是影響農(nóng)產(chǎn)品儲存和加工的主要因素之一[5]，過高的水分含量不利于駿棗的儲存，而駿棗中的水分含量對于駿棗干燥加工時的烘干溫度以及加工時間也有著直接的影響。通過實(shí)時檢測駿棗的水分含量來調(diào)整駿棗的儲存方式和駿棗干燥加工時的烘干溫度以及加工時間。因此，對駿棗清洗過程中駿棗的水分狀況進(jìn)行快速的實(shí)時檢測對駿棗的儲存以及后續(xù)加工步驟的調(diào)整與選擇等具有指導(dǎo)和借鑒作用[6-9]。

近紅外技術(shù)是一種快速、無損的檢測方法[10-13]，可應(yīng)用于對食品中的蛋白質(zhì)、糖類、脂肪等成分進(jìn)行快速檢測[14-23]、對果實(shí)果腐病的快速篩查與監(jiān)測和成熟度判別等[24-25]。羅一甲等[26]利用近紅外技術(shù)結(jié)合GA-ELM 模型進(jìn)行預(yù)測，遴選出的最優(yōu)預(yù)處理方法為MSC，結(jié)果表明利用近紅外技術(shù)結(jié)合GA-ELM 模型可實(shí)現(xiàn)對赤霞珠葡萄中的總酚含量的預(yù)測。呂都等[27]研究近紅外光譜技術(shù)與化學(xué)計(jì)量學(xué)相結(jié)合的方法，采用偏最小二乘回歸法建立模型，結(jié)果表明分位數(shù)標(biāo)準(zhǔn)化處理為最適合該鑒別模型的光譜預(yù)處理方式。

然而，國內(nèi)外學(xué)者們對有關(guān)南疆駿棗在加工過程中其動態(tài)水分變化的近紅外光譜檢測方面研究卻不多。而筆者以南疆駿棗作為主要研究對象，分別在駿棗原始狀態(tài)下以及進(jìn)行不同時長的浸泡處理之后對其進(jìn)行了近紅外光譜采集，并將所收集到的樣本光譜分別進(jìn)行了SNV、Autoscaling、Normalize 和MSC 四種不同的光譜預(yù)處理，對比不同的光譜預(yù)處理方式對駿棗動態(tài)含水量檢測模型的影響，進(jìn)而遴選出四種預(yù)處理方式中最適宜該模型的預(yù)處理方式，可實(shí)現(xiàn)對駿棗在加工工藝程序中的動態(tài)含水量進(jìn)行檢測，以及為進(jìn)一步研究優(yōu)化駿棗的加工處理工藝提供借鑒。

1 駿棗含水量檢測試驗(yàn)

1.1 檢測原理

近紅外光，即NIR，是一種電磁輻射波，介于可見光和中紅外之間。NIR 在分析樣本時具有成本低、效率高、不使用化學(xué)藥劑、零污染、零損傷等優(yōu)勢被人們所接受，逐漸成為一種新型的分析手段。使用近紅外光譜掃描還可以獲取樣本的內(nèi)部結(jié)構(gòu)信息，能夠更加全面地掌握樣本的情況。

1.2 試驗(yàn)材料與儀器

試驗(yàn)所用的駿棗樣本采集于阿拉爾市第一師10 團(tuán)。主要檢測儀器是聚光科技（杭州）股份有限公司所生產(chǎn)的聚光世達(dá)近紅外分析儀（型號為supNIR1520，波長范圍1 000～1 800 nm，光譜分辨率≤12 nm，波長準(zhǔn)確性±0.2 nm，波長重復(fù)性≤0.05 nm，鹵鎢燈光源，InGaAS 探測器，光譜標(biāo)定使用PTFE 樹脂漫反射白板）。

1.3 檢測流程及方法

試驗(yàn)開始前，提前1 h從0℃的冰柜里取出待測駿棗，從中挑選出75 個大小均勻、顏色相近的駿棗作為試驗(yàn)樣本，同時用水刺無紡布將駿棗表面擦拭干凈，并在駿棗的穩(wěn)定面按1至75的順序進(jìn)行標(biāo)號。試驗(yàn)樣本準(zhǔn)備完畢后開始搭建試驗(yàn)平臺，在農(nóng)產(chǎn)品加工與無損檢測研究實(shí)驗(yàn)室內(nèi)通過遮光窗簾屏蔽太陽光以及其他外界光源和關(guān)閉實(shí)驗(yàn)室照明設(shè)備等手段排除雜散光干擾，在試驗(yàn)臺上擺放好近紅外分析儀，連接電源、數(shù)據(jù)線、電腦等輔助設(shè)備，并進(jìn)行設(shè)備調(diào)試，將近紅外分析儀進(jìn)行光源預(yù)熱以及參比校正。將駿棗樣品按照從左到右從上到下的順序擺放在實(shí)驗(yàn)臺上，準(zhǔn)備75 個一次性紙杯并分別注入純凈水至紙杯內(nèi)約1/2 處備用。

試驗(yàn)測定開始，使用近紅外分析儀按照順序?qū)︱E棗樣本的穩(wěn)定面及其背面分別進(jìn)行掃描并稱重及記錄掃描時駿棗樣品的質(zhì)量。將駿棗樣本按順序放置于一次性紙杯中進(jìn)行浸泡，20 min 后按順序取出駿棗樣本并使用水刺無紡布擦干表面水分，立刻進(jìn)行掃描并稱重及記錄掃描時樣品質(zhì)量。此后分別在駿棗樣品30 min 以及120 min后重復(fù)上述掃描和稱重及記錄步驟。

試驗(yàn)結(jié)束后，將駿棗樣本按順序擺放到實(shí)驗(yàn)托盤里，按照GB/5009.3-2010《食品中水分的測定》[28]的方法對駿棗樣本中的含水量進(jìn)行測量。

1.4 駿棗光譜預(yù)處理方法

因試驗(yàn)環(huán)境、電噪聲、雜散光等各種因素的影響，使用近紅外光譜技術(shù)收集到的信息不但包含樣本中有用的信息，還包含某些會影響檢測結(jié)果的其他信息與信息噪聲。最終經(jīng)過檢測所得到的信息真實(shí)值和實(shí)際數(shù)值之間會因此產(chǎn)生較為明顯的差異，導(dǎo)致檢測結(jié)果失真。因此需要將最原始的樣本光譜數(shù)據(jù)先進(jìn)行光譜預(yù)處理，再使用經(jīng)過光譜預(yù)處理后的樣本光譜數(shù)據(jù)建立光譜分析模型，本文中選擇SNV、Autoscaling、Normalize 和MSC四種光譜數(shù)據(jù)預(yù)處理方法。

1.5 模型的建立與評價

通過無損檢測技術(shù)對農(nóng)產(chǎn)品和食品的質(zhì)量進(jìn)行檢測的同時，應(yīng)將所測得的待檢樣本的信號特點(diǎn)和常規(guī)檢測技術(shù)所獲取的數(shù)據(jù)信息進(jìn)行有效的結(jié)合來建立分析模型。

1.5.1 近紅外分析法

在采集駿棗樣本的近紅外光譜之前，先將駿棗樣本靜置在室內(nèi)1 h，使駿棗樣本的溫度等內(nèi)外部品質(zhì)基本趨于穩(wěn)定狀態(tài)，縮小駿棗樣本的內(nèi)外部與試驗(yàn)環(huán)境間差差，隨后使用提前預(yù)熱30 min 的近紅外分析儀采集光譜。

對駿棗樣本采集的原始光譜進(jìn)行預(yù)處理，并將駿棗樣本分為校正樣本集與預(yù)測樣本集，選取有代表性的特征波長變量作為建立模型的數(shù)據(jù)，同時通過理化手段測量駿棗內(nèi)部數(shù)據(jù)信息，并將其和預(yù)處理之后的光譜數(shù)據(jù)信息建立關(guān)系。

1.5.2 建模方法以及模型評價

本文采用PLS 回歸法（偏最小二進(jìn)位乘法），即一種采用類似主面體成分回歸分析法的多面體因子成分回歸計(jì)算方法對光譜數(shù)據(jù)進(jìn)行建模。

預(yù)測模型進(jìn)行綜合分析評價通過三個參數(shù)來判斷，相關(guān)系數(shù)（R）、預(yù)測殘差平方和（PRESS）以及預(yù)測標(biāo)準(zhǔn)偏差（RMSEP）均為其判斷標(biāo)準(zhǔn)。相關(guān)系數(shù)（R）的值越大（最大理論值為1），預(yù)測模型的預(yù)測（或回歸）結(jié)果越好，預(yù)測能力越強(qiáng)；相關(guān)系數(shù)（R）的值越?。ㄗ钚±碚撝禐?），預(yù)測模型的預(yù)測結(jié)果越差，預(yù)測能力就越弱。

2 試驗(yàn)結(jié)果與數(shù)據(jù)分析

2.1 駿棗含水量的測量結(jié)果

對已經(jīng)確定的75 個駿棗樣本，分別在其初始狀態(tài)下和用水浸泡處理20 min、30 min、120 min 時，從中隨機(jī)篩選出50 個駿棗樣本作為校正集樣本，將剩下的25 個駿棗樣本作為預(yù)測集樣本。駿棗樣本在初始狀態(tài)時的含水量最大值為0.2295，最小值為0.1667，平均值為0.1995，平均偏差為0.0099；駿棗樣本在浸泡20 min 時含水量最大值為0.2749，最小值為0.1699，平均值為0.2182，平均偏差為0.0168；駿棗樣本在浸泡30 min 時含水量最大值為0.3151，最小值為0.1745，平均值為0.2331，平均偏差為0.0226；駿棗樣本在浸泡120min時含水量最大值為0.4101，最小值為0.1938，平均值為0.2831，平均偏差為0.0374。

2.2 駿棗含水量預(yù)測模型的建立與驗(yàn)證

分別在初始狀態(tài)時和依次浸泡20 min、30 min、120 min 的75 個駿棗樣本中隨機(jī)選擇出其中25 個駿棗樣本，再根據(jù)隨機(jī)樣本選取的25 個駿棗樣本分別進(jìn)行光譜采集，對這些樣本采集到的原始光譜對其分別采用SNV、Autoscaling、Normalize 和MSC 進(jìn)行光譜數(shù)據(jù)預(yù)處理。對這些試驗(yàn)樣本的原始光譜進(jìn)行不同方式的光譜預(yù)處理后，再使用偏最小二乘法計(jì)算建立駿棗含水量預(yù)測模型，預(yù)測結(jié)果如表1。

表1 駿棗含水量的PLS 模型結(jié)果

2.3 駿棗模型驗(yàn)證結(jié)果對比分析

為了排除光譜采集干擾，進(jìn)一步提高駿棗含水量預(yù)測模型的光譜預(yù)測性和準(zhǔn)確度，需要對駿棗樣本所采集到的原始近紅外光譜數(shù)據(jù)進(jìn)行光譜數(shù)據(jù)預(yù)處理。對駿棗含水量預(yù)測模型進(jìn)行綜合分析評價的判斷標(biāo)準(zhǔn)為預(yù)測相關(guān)系數(shù)（R）、預(yù)測殘差平方和（PRESS）和預(yù)測標(biāo)準(zhǔn)偏差（RMSEP）。對經(jīng)過4 種光譜預(yù)處理后的樣本原始光譜分別建立對應(yīng)的模型，并對所建立的駿棗含水量預(yù)測模型進(jìn)行模型綜合分析評價，結(jié)果表明，利用近紅外光譜建立模型預(yù)測駿棗含水量的準(zhǔn)確度受到預(yù)處理方式的影響。由此可得建立近紅外光譜駿棗含水量預(yù)測模型的最優(yōu)預(yù)處理組合是原始光譜+MSC+PLS。相關(guān)系數(shù)由0.6845增加到0.8778，預(yù)測殘差平方和由0.0285 減少到0.0178，預(yù)測標(biāo)準(zhǔn)偏差由0.0387 減少到0.0298。

將75個駿棗樣本在初始狀態(tài)下和用水浸泡20 min、30 min、120 min 后進(jìn)行光譜采集，將采集到的駿棗樣本光譜使用MSC 進(jìn)行光譜數(shù)據(jù)預(yù)處理，然后將經(jīng)過預(yù)處理的近紅外光譜數(shù)據(jù)使用偏最小二乘法建立駿棗動態(tài)含水量的PLS 預(yù)測模型，其結(jié)果如圖1、圖2、圖3 和圖4。

圖1 初始狀態(tài)下的駿棗光譜PLS 模型

圖2 浸泡20 min 后的駿棗光譜PLS 模型

圖3 浸泡30 min 后的駿棗光譜PLS 模型

圖4 浸泡120 min 后的駿棗光譜PLS 模型

由圖1、圖2、圖3 和圖4 可知，原始光譜+MSC+PLS所建立的預(yù)測模型中，期望值與測量值的折線趨勢相同，誤差小且均勻，可以結(jié)合NIR 技術(shù)作為檢測方法來快速、無破壞性地在駿棗的加工過程中對其含水量進(jìn)行準(zhǔn)確的實(shí)時檢測。

3 結(jié)論

本次以南疆駿棗為主要研究對象、以南疆駿棗在加工過程中的動態(tài)含水量為主要研究試驗(yàn)指標(biāo)，以NIR為主要的試驗(yàn)測定技術(shù)，在全波段（1 000～1 800 nm）測定了南疆駿棗中的動態(tài)含水量光譜檢測指標(biāo)。以4 種預(yù)處理方式分別對于模型的檢測性與準(zhǔn)確度差異顯著，相比于未經(jīng)預(yù)處理的原始光譜所建立的模型，原始光譜+Autoscaling+PLS 的相關(guān)系數(shù)降低，而其它預(yù)處理方式對原始光譜進(jìn)行預(yù)處理之后所建立模型的相關(guān)系數(shù)均有提高且達(dá)到0.80以上。遴選出有關(guān)南疆駿棗動態(tài)含水量檢測模型的最優(yōu)光譜數(shù)據(jù)預(yù)處理組合為原始光譜+MSC+PLS，（R=0.8778，PRESS=0.0178，RMSEP=0.0298），并建立了基于近紅外光譜技術(shù)的駿棗動態(tài)含水量PLS 檢測模型。

（1）對第一師10 團(tuán)所產(chǎn)駿棗進(jìn)行試驗(yàn)，為進(jìn)一步提高模型的適用性和廣泛性，對南疆其他師團(tuán)所產(chǎn)駿棗進(jìn)行建模分析。

（2）對4種近紅外光譜預(yù)處理方法：SNV、Autoscaling、Normalize和MSC進(jìn)行了比較，可以通過比較MC（數(shù)據(jù)中心化）、MA（移動窗口平滑）和一階導(dǎo)數(shù)+SG 等更多的預(yù)處理方法來增加預(yù)處理方法比較的廣泛性。

（3）建立了PLS 駿棗水分動態(tài)模型，可以使用如BP神經(jīng)網(wǎng)絡(luò)、LS－SVM、ELM、PCA、GA-ELM、ANN 等建模方法來遴選出更優(yōu)的模型。