張立欣

（塔里木大學(xué)信息工程學(xué)院，新疆 阿拉爾 843300）

0 引言

中醫(yī)認(rèn)為蘋(píng)果具有生津止渴、潤(rùn)肺除煩、健脾益胃、養(yǎng)心益氣等功效，并且味道酸甜適口，營(yíng)養(yǎng)豐富，因此成為老幼皆宜的水果之一。中國(guó)是世界上最大的蘋(píng)果生產(chǎn)國(guó)，種植面積和產(chǎn)量均占世界50%以上。由于環(huán)境因素、土壤特征等不同，導(dǎo)致各地蘋(píng)果的品質(zhì)存在差異。例如，阿克蘇地區(qū)晝夜溫差大、光照充足、土壤肥沃、采用冰川雪融水澆灌等特性，使阿克蘇蘋(píng)果的果核部分糖分堆積成透明狀，形成了世界上獨(dú)一無(wú)二的“冰糖心”。但是，市場(chǎng)上假冒阿克蘇“冰糖心”蘋(píng)果的現(xiàn)象屢禁不止，因此，研究不同產(chǎn)地蘋(píng)果的品質(zhì)差異并進(jìn)行產(chǎn)地溯源，讓消費(fèi)者明白消費(fèi)，對(duì)提高人民的生活質(zhì)量，更好地規(guī)范交易市場(chǎng)，保證農(nóng)產(chǎn)品的真實(shí)性, 為地理標(biāo)志產(chǎn)品、地區(qū)特征性產(chǎn)品產(chǎn)地真?zhèn)舞b別，具有重要的理論意義和現(xiàn)實(shí)意義。

蘋(píng)果的主要成分包括水分、總糖、總酸等，對(duì)蘋(píng)果內(nèi)在品質(zhì)的檢測(cè)靠化學(xué)檢測(cè)方法，雖然化學(xué)檢測(cè)方法準(zhǔn)確，但是費(fèi)時(shí)費(fèi)力，不適合進(jìn)行大批量操作。光譜分析法可以克服這些缺點(diǎn)實(shí)現(xiàn)快速無(wú)損檢測(cè)，尤其是在固體有機(jī)物采集及對(duì)蘋(píng)果主要成分的檢測(cè)分析方面。雷鷹等人[1]利用便攜式光譜儀器可以快速、無(wú)損地現(xiàn)場(chǎng)檢測(cè)出蘋(píng)果糖度。王轉(zhuǎn)衛(wèi)，陳帥帥，劉亞，樊書(shū)祥等人[2-5]結(jié)合化學(xué)計(jì)量學(xué)方法，建立的蘋(píng)果內(nèi)部成分含量與近紅外光譜之間的預(yù)測(cè)模型精度較高。歐陽(yáng)愛(ài)國(guó)等人[6]采用STS 和QE 兩款不同光譜儀，搭建的試驗(yàn)平臺(tái)可實(shí)現(xiàn)蘋(píng)果可溶性固形物含量的測(cè)量。

內(nèi)部成分含量的差異，會(huì)導(dǎo)致光譜曲線的差異，為基于光譜技術(shù)進(jìn)行分類奠定了基礎(chǔ)。Arana I 等人[7]對(duì)來(lái)自西班牙Cadreita 和Villamayor de Monjardin 2 個(gè)地區(qū)的葡萄光譜結(jié)合偏最小二乘法建立識(shí)別模型，準(zhǔn)確率分別達(dá)到了97.2%和79.2%。Fu X P 等人[8]采用傅里葉變換近紅外漫反射光譜儀對(duì)來(lái)自于浙江檀溪和淳安的枇杷進(jìn)行分析，并結(jié)合主成分分析- 概率神經(jīng)網(wǎng)絡(luò)進(jìn)行產(chǎn)地鑒別，其校正集和驗(yàn)證集樣品的識(shí)別率分別為97%和86%，能有效地將2 個(gè)地區(qū)的枇杷分開(kāi)。張鵬等人[9]探索近紅外光譜定性分析技術(shù)鑒別蘋(píng)果產(chǎn)地的可行性，對(duì)天津、陜西和北京3個(gè)產(chǎn)地富士蘋(píng)果，建立主成分分析結(jié)合最小二乘法產(chǎn)地鑒別模型，預(yù)測(cè)集的鑒別正確率為98.33%。

國(guó)內(nèi)外的研究表明，光譜技術(shù)在農(nóng)產(chǎn)品的檢測(cè)分析中具有廣泛的應(yīng)用，但是應(yīng)用光譜技術(shù)對(duì)阿克蘇“冰糖心”蘋(píng)果識(shí)別的研究相對(duì)較少。以阿克蘇“冰糖心”蘋(píng)果、甘肅花牛蘋(píng)果、甘肅靜寧蘋(píng)果為研究對(duì)象，利用光譜分析的理論和方法，建立蘋(píng)果的產(chǎn)地識(shí)別模型，為無(wú)損鑒別阿克蘇“冰糖心”蘋(píng)果提供理論參考，對(duì)蘋(píng)果的產(chǎn)地溯源具有重要意義。

1 材料和方法

1.1 材料

以新疆阿克蘇“冰糖心”蘋(píng)果、甘肅天水花牛蘋(píng)果、甘肅靜寧蘋(píng)果為試驗(yàn)對(duì)象，挑選表面無(wú)缺陷、直徑范圍為65～85 mm、大小均勻的蘋(píng)果樣品，放置在冰柜內(nèi)保存，試驗(yàn)前分批拿出，待其恢復(fù)到室溫后開(kāi)始試驗(yàn)。

試驗(yàn)中所用的高光譜系統(tǒng)為北京卓立漢光公司的Hyperspectral Sorting System 推掃式高光譜分選系統(tǒng)，光譜測(cè)定范圍900～1 700 nm（實(shí)際可測(cè)量到1 750 nm），光譜分辨率5 nm，光譜采樣點(diǎn)4 nm，樣本在室溫20～25 ℃環(huán)境下進(jìn)行掃描，對(duì)每一個(gè)樣本進(jìn)行5×5 感興趣區(qū)域提取平均光譜值，通過(guò)ENVI5.3 導(dǎo)出為 Excel 文件。

1.2 測(cè)定方法

總糖測(cè)定根據(jù)GB/T 36058—2018 中所需的儀器設(shè)備、試劑及步驟實(shí)現(xiàn)。

總酸測(cè)定根據(jù)GB/T 12456—2008 所需的儀器設(shè)備、試劑及步驟實(shí)現(xiàn)。

還原糖測(cè)定根據(jù)GB 5009.7—2016 中直接滴定法所需的儀器設(shè)備、試劑及步驟實(shí)現(xiàn)。

有效酸度測(cè)定借助酸度計(jì)（即pH 計(jì)） 來(lái)測(cè)定。

可溶性糖測(cè)定根據(jù)GB/T 36056—2018 中所需的儀器設(shè)備、試劑及步驟實(shí)現(xiàn)。

1.3 研究方法

借助于SPSS 軟件對(duì)蘋(píng)果的內(nèi)部成分含量進(jìn)行差異性分析，在F 檢驗(yàn)差異顯著的情況下，采用新復(fù)極差法進(jìn)行多重比較分析。

利用不同產(chǎn)地蘋(píng)果的光譜數(shù)據(jù)，借助于MATLAB2019b 軟件，采用連續(xù)投影算法（Successive projection algorithm，SPA） 提取有效波長(zhǎng)變量，建立貝葉斯判別分析模型（Bayes discriminant analysis model，Bayes）。

將光譜數(shù)據(jù)集以3∶1 的比例間隔分為訓(xùn)練集和測(cè)試集，依靠訓(xùn)練集建立模型，測(cè)試集將通過(guò)已經(jīng)建立好的模型進(jìn)行驗(yàn)證，以準(zhǔn)確率為標(biāo)準(zhǔn)來(lái)評(píng)判模型的優(yōu)劣。

2 結(jié)果與分析

2.1 蘋(píng)果內(nèi)部成分含量的比較分析

為比較“冰糖心”蘋(píng)果與其他蘋(píng)果內(nèi)部成分含量上的差異，選取地理位置上較近的，同樣是國(guó)家地理標(biāo)志產(chǎn)品的甘肅花牛蘋(píng)果和靜寧蘋(píng)果作為對(duì)比。

2.1.1 總糖含量的比較

總糖含量的高低是決定果實(shí)品質(zhì)的重要指標(biāo)之一。

總糖含量的方差分析見(jiàn)表1。

表1 總糖含量的方差分析

由表1 可知，F(xiàn) 檢驗(yàn)統(tǒng)計(jì)量的值為5.650，顯著性檢驗(yàn)的p 值僅為0.042，小于0.05。因此，可以得出結(jié)論，3 個(gè)產(chǎn)地的蘋(píng)果在總糖含量方面存在顯著性差異。

總糖含量的多重比較結(jié)果見(jiàn)圖1。

圖1 總糖含量的多重比較結(jié)果

由圖1 可知，阿克蘇“冰糖心”蘋(píng)果的總糖含量最高為14.15%，而花牛蘋(píng)果的總糖含量最低為11.57%，它們之間存在顯著的差異。靜寧蘋(píng)果的總糖含量居中，與“冰糖心”蘋(píng)果、花牛蘋(píng)果的總糖含量之間的差異不顯著。

2.1.2 總酸含量的比較

總酸含量對(duì)果實(shí)的風(fēng)味影響很大，是決定蘋(píng)果味感的重要成分。

總酸含量的方差分析見(jiàn)表2。

表2 總酸含量的方差分析

由表2 可知，F(xiàn) 檢驗(yàn)統(tǒng)計(jì)量的值為6.382，顯著性檢驗(yàn)的p 值僅為0.033，小于0.05。因此，可以得出結(jié)論，3 個(gè)產(chǎn)地的蘋(píng)果在總酸含量方面存在顯著性差異。

總酸含量的多重比較結(jié)果見(jiàn)圖2。

圖2 總酸含量的多重比較結(jié)果

由圖2 可知，阿克蘇“冰糖心”蘋(píng)果的總酸含量最高為0.26%，而花牛蘋(píng)果的總酸含量為0.21%，靜寧蘋(píng)果的總酸含量為0.22%，“冰糖心”蘋(píng)果和花牛蘋(píng)果、靜寧蘋(píng)果在總酸含量上都具有顯著性差異，而花牛蘋(píng)果和靜寧蘋(píng)果在總酸含量上的差異不顯著。

2.1.3 還原糖含量的比較

還原糖含量的方差分析見(jiàn)表3。

表3 還原糖含量的方差分析

由表3 可知，F(xiàn) 檢驗(yàn)統(tǒng)計(jì)量的值為14.399，顯著性檢驗(yàn)的p 值僅為0.005，遠(yuǎn)小于0.05，3 個(gè)產(chǎn)地的蘋(píng)果在還原糖含量方面具有極顯著性差異。

還原糖含量的多重比較結(jié)果見(jiàn)圖3。

由圖3 可知，阿克蘇“冰糖心”蘋(píng)果的還原糖含量最低為9.91%，而花牛蘋(píng)果的還原糖含量為10.80%，靜寧蘋(píng)果的還原糖含量最高為11.12%，“冰糖心”蘋(píng)果和花牛蘋(píng)果、靜寧蘋(píng)果在還原糖含量上都具有顯著性差異，而花牛蘋(píng)果和靜寧蘋(píng)果在還原糖含量上的差異不顯著。

圖3 還原糖含量的多重比較結(jié)果

2.1.4 有效酸含量的比較

pH 值的方差分析見(jiàn)表4。

表4 pH 值的方差分析

由表4 可知，F(xiàn) 檢驗(yàn)統(tǒng)計(jì)量的值為6.708，顯著性檢驗(yàn)的p 值僅為0.002，遠(yuǎn)小于0.05，可以得出3 個(gè)產(chǎn)地的蘋(píng)果的pH 值具有極顯著性的差異。

有效酸含量的多重比較結(jié)果見(jiàn)圖4。

圖4 有效酸含量的多重比較結(jié)果

由圖4 可知，“冰糖心”蘋(píng)果的平均pH 值為4.01，花牛蘋(píng)果為4.13，靜寧蘋(píng)果為3.97，“冰糖心”蘋(píng)果和花牛蘋(píng)果的pH 值具有顯著的差異，與靜寧蘋(píng)果的pH 值差異不顯著?；ㄅＬO(píng)果和靜寧蘋(píng)果的pH 值具有顯著性的差異。

2.1.5 可溶性糖含量的比較

可溶性糖含量的方差分析見(jiàn)表5。

表5 可溶性糖含量的方差分析

由表5 可知，F(xiàn) 檢驗(yàn)統(tǒng)計(jì)量的值為38.742，顯著性檢驗(yàn)的p 值小于0.001。因此，3 個(gè)產(chǎn)地的蘋(píng)果可溶性糖含量具有極顯著性的差異。

可溶性糖含量的多重比較結(jié)果見(jiàn)圖5。

由圖5 可知，“冰糖心”蘋(píng)果的可溶性糖含量最高為15.39%，而花牛蘋(píng)果可溶性糖含量最低為12.84%，靜寧蘋(píng)果的居中為13.48%，“冰糖心”蘋(píng)果和花牛蘋(píng)果、靜寧蘋(píng)果在可溶性糖含量都具有顯著性差異，而花牛蘋(píng)果和靜寧蘋(píng)果在可溶性糖含量上的差異不顯著。

圖5 可溶性糖含量的多重比較結(jié)果

不同產(chǎn)地的蘋(píng)果在總糖、總酸、還原糖、有效酸和可溶性糖含量存在差異，成分含量的差異會(huì)導(dǎo)致高光譜曲線的差異，為基于高光譜技術(shù)對(duì)蘋(píng)果的產(chǎn)地溯源研究提供了信息。

2.2 蘋(píng)果的產(chǎn)地溯源

2.2.1 光譜特征分析

采集的蘋(píng)果光譜數(shù)據(jù)中，剔除異常值后，共得到阿克蘇“冰糖心”蘋(píng)果、花牛蘋(píng)果、靜寧蘋(píng)果樣本各72 個(gè)。

原始光譜圖見(jiàn)圖6。

圖6 原始光譜圖

由圖1 可知，1 060 nm 波段附近有一個(gè)明顯的波峰，這是N-H 基團(tuán)的3 倍頻帶，1 180 nm 處的波谷位于C-H 的3 倍頻帶，1 440 nm 處的波谷是H2O 2 倍頻吸收帶等。如果樣品的組成相同，則其光譜也相同，反之亦然。因此，高光譜分析法是一種間接的分析技術(shù)。在對(duì)未知樣本產(chǎn)地溯源之前，需要獲得樣品的光譜數(shù)據(jù)和產(chǎn)地之間的關(guān)聯(lián)模型。如果建立了光譜與產(chǎn)地的對(duì)應(yīng)關(guān)系，只要測(cè)得樣品的光譜，就能很快判別其產(chǎn)地。

將樣本以3∶1 的比例間隔產(chǎn)生訓(xùn)練集和測(cè)試集，即得162 個(gè)樣本組成的訓(xùn)練集和54 個(gè)樣本組成的測(cè)試集。訓(xùn)練集用于建立判別分析模型，測(cè)試集用于檢驗(yàn)?zāi)Ｐ汀?/p>

2.2.2 特征波長(zhǎng)選取

波長(zhǎng)變量之間具有很強(qiáng)的相關(guān)性，全光譜波長(zhǎng)變量參與建模，會(huì)導(dǎo)致共線性，也會(huì)增加模型的復(fù)雜性。因此，需要提取體征波長(zhǎng)變量來(lái)參與建模[10]。連續(xù)投影算法（SPA） 通過(guò)計(jì)算光譜矩陣中某一波長(zhǎng)對(duì)其他波長(zhǎng)的投影，在該波長(zhǎng)序列中選取投影量最大的波長(zhǎng)作為下一個(gè)波長(zhǎng)，序列中每個(gè)波長(zhǎng)都與其前一個(gè)波長(zhǎng)相關(guān)性最小，能最大程度消除共線性對(duì)模型的干擾，降低建模過(guò)程的復(fù)雜度。指定波長(zhǎng)數(shù)為2～20，采用均方根誤差最小來(lái)確定最終參與建模的波長(zhǎng)變量個(gè)數(shù)。

SPA 選取變量過(guò)程見(jiàn)圖7。

圖7 SPA 選取變量過(guò)程

由圖7 可知，隨著變量個(gè)數(shù)的增加，均方根誤差呈現(xiàn)遞減的趨勢(shì)，當(dāng)選取的變量個(gè)數(shù)為13 時(shí)，均方根誤差達(dá)到0.103 5，此時(shí)，再增加有效變量的個(gè)數(shù)，均方根誤差并無(wú)明顯的減小。因此，選取13 個(gè)有效變量作為建模輸入自變量。

SPA 選取的變量見(jiàn)圖8。

圖8 SPA 選取的變量

由圖8 可知，小方框?qū)?yīng)的橫坐標(biāo)即為有效變量對(duì)應(yīng)的波長(zhǎng)，分別為957.98，967.41，992.65，1 053.06，1 098.00，1 140.05，1 271.40，1 338.17，1 392.12，1 439.71，1 588.15，1 633.69，1 686.63 nm。

2.2.3 模型建立

以提取出的特征波長(zhǎng)變量作為輸入自變量，建立貝葉斯判別分析模型。

Bayes 訓(xùn)練集判別結(jié)果見(jiàn)表6，測(cè)試集判別結(jié)果見(jiàn)表7。

由表6 和表7 可知，Bayes 判別分析模型訓(xùn)練集總準(zhǔn)確率為95.68%，測(cè)試集總準(zhǔn)確率為98.15%。

表6 Bayes 訓(xùn)練集判別結(jié)果

表7 測(cè)試集判別結(jié)果

2.2.4 模型比較

采用目前在光譜定性分析應(yīng)用較為廣泛的偏最小二乘判別分析（PLSDA） 模型進(jìn)行建模。

PLSDA 訓(xùn)練集的判別結(jié)果見(jiàn)表8，PLSDA 測(cè)試集的判別結(jié)果見(jiàn)表9。

表8 PLSDA 訓(xùn)練集的判別結(jié)果

表9 PLSDA 測(cè)試集的判別結(jié)果

PLSDA 判別分析模型訓(xùn)練集總準(zhǔn)確率為85.19%，測(cè)試集總準(zhǔn)確率為87.04%，低于Bayes 模型的，這是由于蘋(píng)果內(nèi)部結(jié)構(gòu)復(fù)雜，除了線性關(guān)系外，還有非線性關(guān)系。因此，具有線性和非線性預(yù)測(cè)能力的Bayes 模型準(zhǔn)確率較高。

3 結(jié)論

對(duì)3 個(gè)不同產(chǎn)地的蘋(píng)果內(nèi)部品質(zhì)的比較研究表明，在總糖、總酸、還原糖、有效酸和可溶性糖含量上，阿克蘇“冰糖心”蘋(píng)果與花牛蘋(píng)果都具有顯著性差異；在總酸、還原糖、可溶性糖含量上，“冰糖心”蘋(píng)果和靜寧蘋(píng)果具有顯著性差異；花牛蘋(píng)果和靜寧蘋(píng)果在有效酸含量上具有顯著性差異，其他成分和靜寧蘋(píng)果無(wú)顯著性差異。

不同產(chǎn)地蘋(píng)果內(nèi)部成分含量的差異導(dǎo)致高光譜曲線的差異。基于高光譜技術(shù)的理論和方法，建立蘋(píng)果產(chǎn)地的Bayes 判別分析模型，其訓(xùn)練集和測(cè)試集的準(zhǔn)確率分別為95.68%和98.15%，優(yōu)于PLSDA 模型，可用于蘋(píng)果的產(chǎn)地溯源。

隨著大數(shù)據(jù)、物聯(lián)網(wǎng)和云計(jì)算的發(fā)展，光譜技術(shù)將會(huì)為智能工廠提供更快、更準(zhǔn)、更有用的化學(xué)感知信息[11]，解決蘋(píng)果品質(zhì)信息無(wú)法有效快速獲取的關(guān)鍵科技問(wèn)題，實(shí)現(xiàn)對(duì)農(nóng)產(chǎn)品的產(chǎn)地溯源。