關(guān)曄晴，王冬，李楠，付亞雄，程玉豆，關(guān)軍鋒*

（1.河北省農(nóng)林科學(xué)院生物技術(shù)與食品科學(xué)研究所，河北石家莊 050051）（2.北京市農(nóng)林科學(xué)院質(zhì)量標(biāo)準(zhǔn)與檢測(cè)技術(shù)研究所，北京 100097）

“深州蜜桃”（Prunus persica(L.) Batsch cv.Shenzhou）已有兩千多年栽培史，是河北省深州市特產(chǎn)、馳名中外的優(yōu)良品種，具有果實(shí)大，果型秀美，色澤鮮艷，皮薄肉細(xì)，汁甜如蜜等特點(diǎn)，深受廣大消費(fèi)者喜愛(ài)。深州蜜桃成熟期正值高溫季節(jié)，采收期相對(duì)比較集中[1]，傳統(tǒng)檢測(cè)采收期果實(shí)品質(zhì)的方法耗時(shí)、費(fèi)力，損傷果實(shí)，為了加快果實(shí)品質(zhì)分級(jí)，加快商品化處理過(guò)程，提高商品化價(jià)值和經(jīng)濟(jì)效益，因此尋求快速、高效的果實(shí)品質(zhì)檢測(cè)技術(shù)是非常必要的。

近紅外光譜（Near-Infrared Spectroscopy，NIRS）分析技術(shù)具有快速、無(wú)損、高效的特點(diǎn)。農(nóng)產(chǎn)品的近紅外吸收主要來(lái)源于物質(zhì)分子中含氫基團(tuán)（-OH、-NH、-CH）振動(dòng)的合頻和各級(jí)倍頻吸收，通過(guò)掃描近紅外光譜，可以得到樣品中分子的含氫基團(tuán)信息，從而對(duì)其品質(zhì)進(jìn)行高效檢測(cè)[2]。由于NIRS 技術(shù)不僅可實(shí)現(xiàn)快速、無(wú)損、高效分析，還具有成本相對(duì)較低、環(huán)境友好、操作簡(jiǎn)便等特點(diǎn)，近年來(lái)越來(lái)越受到人們的青睞。

近幾年，關(guān)于NIRS 對(duì)水果品質(zhì)無(wú)損檢測(cè)技術(shù)的報(bào)道較多，其中對(duì)梨、蘋(píng)果、芒果、西瓜、葡萄、李子品種果實(shí)可溶性固形物（Soluble Solid Content，SSC）、硬度指標(biāo)檢測(cè)建立了準(zhǔn)確、可靠的方法[3-9]。羅楓等[10]與王旭等[11]分別發(fā)現(xiàn)NIRS 檢測(cè)櫻桃內(nèi)部SSC、可滴定酸（Titratable Acid，TA）與獼猴桃SSC及pH 是可行的。對(duì)于桃的無(wú)損檢測(cè)研究，潘磊慶等[12]發(fā)現(xiàn)利用NIRS 檢測(cè)水蜜桃糖度所建的模型預(yù)測(cè)效果較好。Uwadaira 等[13]提出采用可見(jiàn)近紅外光譜（Visible and Near-Infrared Spectroscopy，Vis-NIR）技術(shù)完成了對(duì)果肉硬度的評(píng)估。目前，關(guān)于對(duì)“深州蜜桃”NIRS無(wú)損檢測(cè)技術(shù)尚未有相關(guān)報(bào)道。對(duì)“深州蜜桃”進(jìn)行無(wú)損快速檢測(cè)可有效提高檢測(cè)效率、克服因傳統(tǒng)抽檢的代表性差等短板。本研究采用SACMI 近紅外分析儀以漫反射方式，對(duì)采收期“深州蜜桃”最能體現(xiàn)果實(shí)內(nèi)部品質(zhì)的硬度、SSC、pH 值3 個(gè)化學(xué)指標(biāo)進(jìn)行無(wú)損檢測(cè)，與傳統(tǒng)參考方法所測(cè)結(jié)果進(jìn)行相關(guān)分析，建立果實(shí)品質(zhì)的無(wú)損預(yù)測(cè)模型，從而為“深州蜜桃”無(wú)損快速高效品質(zhì)分級(jí)提供參考，進(jìn)而為提升“深州蜜桃”品質(zhì)與科技含量提供技術(shù)支持和解決方案。

1 材料與方法

1.1 材料

選用河北省特色品種“深州蜜桃”，于商業(yè)成熟期2019 年9 月4 日采自河北省深州市，采摘當(dāng)天運(yùn)至實(shí)驗(yàn)室，選擇大小勻稱、無(wú)損傷、無(wú)病蟲(chóng)害的90 個(gè)果實(shí)作為試驗(yàn)樣品，清理表面雜物并編號(hào)后，于室溫25 ℃放置，散田間熱后測(cè)定。

1.2 近紅外光譜檢測(cè)

采用NIR CASE型水果無(wú)損傷檢測(cè)設(shè)備（SACMI，意大利）采集試驗(yàn)樣品的近紅外光譜。采集條件：室溫25 ℃，實(shí)際測(cè)量前用參比板（聚四氟乙烯，PTFE）進(jìn)行校準(zhǔn)，鹵素?zé)艄庠?，采用漫反射方式；掃描部位及次?shù)：果實(shí)中軸（赤道）處覆蓋全檢測(cè)臺(tái)，掃描果實(shí)陰陽(yáng)面赤道上對(duì)稱2 點(diǎn)，每個(gè)點(diǎn)位進(jìn)行2 次掃描，共掃描360 次；波段范圍：600～1 000 nm；光譜數(shù)據(jù)由Nir Calibration 軟件（Vers.3.1 Beta）進(jìn)行采集和轉(zhuǎn)換。NIR CASE 型水果無(wú)損傷檢測(cè)設(shè)備檢測(cè)系統(tǒng)示意圖如圖1 所示。

圖1 NIR CASE 型水果無(wú)損傷檢測(cè)設(shè)備檢測(cè)果實(shí)內(nèi)部品質(zhì)系統(tǒng)原理示意圖Fig.1 Schematic diagram of NIR CASE type of fruit non-destructive detection equipment detecting system for fruit internal quality

1.3 樣品化學(xué)指標(biāo)的測(cè)定

硬度測(cè)定：在果實(shí)陰陽(yáng)面光譜采集處，先在赤道處去皮約2 cm2，采用直徑1 cm 探頭的果實(shí)硬度計(jì)（GY-4，浙江托普儀器有限公司，杭州）勻速刺入果肉10 mm 測(cè)定硬度實(shí)測(cè)值。

SSC 測(cè)定：在硬度測(cè)定探頭刺入處用吸管吸入果汁滴在便攜式糖度計(jì)（PAL-1，日本Atago；Brix 范圍0.0%～53.0%，儀器最小分度0.1%）上測(cè)定SSC 實(shí)測(cè)值。

pH 測(cè)定：在果實(shí)陰陽(yáng)面光譜采集處，取1 cm 厚的果肉切塊（去除硬度與SSC 測(cè)定損傷處），用手動(dòng)榨汁器榨汁，利用pH 計(jì)（S210，上海梅特勒-托利多儀器有限公司）測(cè)定pH 實(shí)測(cè)值。

1.4 光譜處理與模型評(píng)價(jià)

采用NIRS 對(duì)果實(shí)品質(zhì)指標(biāo)進(jìn)行預(yù)測(cè)時(shí)，主要是在采集的樣本光譜數(shù)據(jù)和果實(shí)品質(zhì)指標(biāo)實(shí)測(cè)值之間建立相關(guān)模型，采用的偏最小二乘回歸法建模。本研究中光譜數(shù)據(jù)預(yù)測(cè)值由Nir Calibration 軟件（Vers.3.1 Beta）進(jìn)行采集和轉(zhuǎn)換，本研究中預(yù)測(cè)模型的定量評(píng)價(jià)通過(guò)實(shí)測(cè)與預(yù)測(cè)值的決定系數(shù)（Coefficient of Determination，R2）、預(yù)測(cè)均方根誤差（Root Mean Square Error of Prediction，RMSEP）、標(biāo)準(zhǔn)分析誤差（Square Error of Prediction，SEP）、相對(duì)分析誤差（Ratio Performance Deviation，RPD）、相對(duì)標(biāo)準(zhǔn)差（Relative Standard Deviation，RSD）來(lái)進(jìn)行。各統(tǒng)計(jì)量的計(jì)算公式及含義如下。

（1）決定系數(shù)

R2越接近1，說(shuō)明兩組數(shù)據(jù)的相關(guān)程度越高，R2的計(jì)算如公式（1）所示。

式中：

n——樣本容量；

yi——第i個(gè)樣品的實(shí)測(cè)值；

——樣品實(shí)測(cè)值的平均值。

（2）預(yù)測(cè)均方根誤差

RMSEP表示總體誤差，包含了偏差，常用來(lái)檢驗(yàn)?zāi)Ｐ偷倪m用性。RMSEP的計(jì)算如公式（2）所示。

式中：

n——樣本容量；

yi——第i個(gè)樣品的實(shí)測(cè)值；

（3）標(biāo)準(zhǔn)分析誤差

如果去除均方根誤差的偏差，即為SEP，代表預(yù)測(cè)誤差。SEP的計(jì)算如公式（3）所示。

（4）相對(duì)分析誤差

RPD用來(lái)驗(yàn)證模型的穩(wěn)定性和預(yù)測(cè)能力。當(dāng)RPD＜1.5 則模型預(yù)測(cè)性能較低，1.5≤RPD≤2.5 則模型預(yù)測(cè)性能可滿足快速檢測(cè)的需要，RPD＞2.5 則模型具有較高的預(yù)測(cè)性能[14]。RPD的計(jì)算如公式（4）所示。

式中：

SD——分析樣品的標(biāo)準(zhǔn)偏差；

SEP——分析樣品的均方根誤差。

（5）相對(duì)標(biāo)準(zhǔn)差

RSD反映模型對(duì)某一組分總體的預(yù)測(cè)效果。一般情況下，當(dāng)RSD<10%時(shí)，模型可用于實(shí)際的檢測(cè)。RSD的計(jì)算如公式（5）所示。

式中：

1.5 數(shù)據(jù)處理

所有數(shù)據(jù)采用Excel及SPSS 18.0數(shù)據(jù)處理軟件進(jìn)行統(tǒng)計(jì)分析及制圖。

2 結(jié)果與討論

2.1 剔除異常樣本

在測(cè)定化學(xué)指標(biāo)值時(shí)會(huì)由于人為操作、溫度、濕度以及光譜采集時(shí)可能會(huì)產(chǎn)生一些異常數(shù)據(jù)，這些異常樣品會(huì)影響模型的建立，因而需將這些樣品剔除，本文中采用t檢驗(yàn)準(zhǔn)則，對(duì)異常樣品進(jìn)行逐個(gè)剔除[15]，并用SPSS 18.0 對(duì)其異常值進(jìn)一步驗(yàn)證，分別對(duì)硬度、SSC 及pH 指標(biāo)360 個(gè)光譜預(yù)測(cè)值進(jìn)行異常值剔除，樣本容量、異常值個(gè)數(shù)及編號(hào)見(jiàn)表1 所示。

2.2 內(nèi)部品質(zhì)預(yù)測(cè)模型建立

采用最小二乘回歸算法建立SSC、硬度、pH 校正模型并通過(guò)模型獲得三種品質(zhì)指標(biāo)預(yù)測(cè)值。計(jì)算內(nèi)部品質(zhì)實(shí)測(cè)值與預(yù)測(cè)值相關(guān)系數(shù)，果實(shí)SSC 實(shí)測(cè)值與預(yù)測(cè)值呈高度線性正相關(guān)（R2=0.79，p＜0.01），SEP=0.47（圖2a）；果實(shí)硬度實(shí)測(cè)值與預(yù)測(cè)值呈顯著線性正相關(guān)（R2=0.47，p＜0.01），SEP=2.01（圖2b）；果實(shí)pH 實(shí)測(cè)值與預(yù)測(cè)值呈顯著線性正相關(guān)（R2=0.40，p＜0.01），SEP=0.14（圖2c）。

圖2 果實(shí)內(nèi)部品質(zhì)實(shí)測(cè)值與預(yù)測(cè)值之間的相關(guān)性Fig.2 The correlation between the measured and predicted values of internal qualities

與傳統(tǒng)有損測(cè)定方法相比，無(wú)損技術(shù)在不同樣品品質(zhì)快速檢測(cè)、易安裝及連續(xù)測(cè)定方面占領(lǐng)先水平[16]。近紅外光譜由于其無(wú)損、快速、高效、環(huán)境友好的特點(diǎn)，客觀測(cè)量和較高的準(zhǔn)確性，是目前最常用的光譜分析技術(shù)，尤其適用于水果和蔬菜中近紅外范圍700～2 500 nm[17]。本研究中采用SACMI 無(wú)損設(shè)備（波長(zhǎng)范圍600～1 000 nm）檢測(cè)了“深州蜜桃”采收期果實(shí)品質(zhì)，通過(guò)傳統(tǒng)有損及無(wú)損測(cè)定，結(jié)果發(fā)現(xiàn)SSC實(shí)測(cè)值與預(yù)測(cè)值相關(guān)性（R2=0.79，p＜0.01，SEP=0.47）（圖2a）均優(yōu)于硬度（R2=0.47，p＜0.01，SEP=2.01）（圖2b）、pH（R2=0.40，p＜0.01，SEP=0.14）（圖2c）的相關(guān)性，但硬度SEP 較大。較多研究證明SSC 比硬度相關(guān)性好，同樣的結(jié)論在其他果實(shí)如蘋(píng)果[18]、芒果[19]以及獼猴桃[20]中得到了證實(shí)。

2.3 品質(zhì)參數(shù)分布

品質(zhì)參數(shù)分布結(jié)果見(jiàn)表1，SSC 實(shí)測(cè)值范圍是10.6%～16.4%（Mean=12.7，SD=1.0），預(yù)測(cè)值范圍是11.1%～16.1%（Mean=13.4，SD=1.0）；硬度實(shí)測(cè)值范圍是1.48～12.22 kg/cm2（Mean=6.01，SD=2.75），預(yù)測(cè)值范圍是 0.09～10.96 kg/cm2（Mean=4.75,SD=2.08）；pH 實(shí)測(cè)值范圍是4.87～5.77（Mean=5.25，SD=0.18），預(yù)測(cè)值范圍是4.82～5.48（Mean=5.17，SD=0.12）。其中對(duì)于變異系數(shù)來(lái)說(shuō)，SSC 實(shí)測(cè)與預(yù)測(cè)值變異系數(shù)分別為7.9%和6.7%，pH 實(shí)測(cè)與預(yù)測(cè)值變異系數(shù)分別為3.48%和2.33%，均小于10%，屬弱變異；而硬度實(shí)測(cè)與預(yù)測(cè)值變異系數(shù)分別為45.79%和43.72%，大于30%，顯著高于SSC 與pH兩指標(biāo)，屬?gòu)?qiáng)變異[21]。從以上結(jié)果初步觀察發(fā)現(xiàn)，品質(zhì)參數(shù)實(shí)測(cè)值與預(yù)測(cè)值分布相近。

表1 不同品質(zhì)指標(biāo)統(tǒng)計(jì)Table 1 Statistics of different quality indices

SSC、硬度、pH 的實(shí)測(cè)值、預(yù)測(cè)值分布如圖3 所示。其中，SSC 實(shí)測(cè)值有70.62%的樣品集中于11.6%～13.4%，位于平均值12.7%左右（圖3A）；SSC預(yù)測(cè)值有79.66%的樣品集中于12.4%～14.4%，位于平均值13.4%左右（圖3a）。硬度實(shí)測(cè)值有54.49%的樣品集中于1.60～6.40 kg/cm2與30.34%的樣品集中于7.60～10.00 kg/cm2，偏離平均值6.01 kg/cm2（圖3B）；硬度預(yù)測(cè)值有78.56%的樣品集中于2.50～7.50 kg/cm2，位于平均值4.75 kg/cm2左右（圖3b）。pH 實(shí)測(cè)值有81.25%的樣品集中于5.05～5.50，位于平均值5.25 左右（圖3C）；pH 預(yù)測(cè)值有79.55%的樣品集中于5.06～5.34，位于平均值5.17 左右（圖3c）。

圖3 SSC、硬度、pH 實(shí)測(cè)值與預(yù)測(cè)值分布圖Fig.3 Distribution of SSC,firmness,pH for the measured and the predicted values

2.4 內(nèi)部品質(zhì)預(yù)測(cè)模型評(píng)價(jià)

由前文材料與方法中模型評(píng)價(jià)參數(shù)定義可知，表2 中SSC 的RMSEP=0.79%，R2=0.79（圖2a），硬度的RMSEP=2.37 kg/cm2，R2=0.47（圖2b），pH 的RMSEP=0.16，R2=0.40（圖2c），其中硬度RMSEP值大于R2值，表明其模型預(yù)測(cè)準(zhǔn)確度差。SSC 的RPD=2.15＞2，可滿足快速檢測(cè)的需要；而硬度與pH的RPD分別為1.37 與1.29，均小于1.5，說(shuō)明其模型預(yù)測(cè)性能較低。一般情況下，當(dāng)RSD＜10%時(shí)，模型可用于實(shí)際的檢測(cè)，SSC 與pH 的RSD分別為6.2%與3.1%，模型可用于實(shí)際檢測(cè)；而硬度的RSD=39.4%，遠(yuǎn)遠(yuǎn)大于10%，模型不可用于實(shí)際檢測(cè)。

表2 果實(shí)內(nèi)部品質(zhì)的預(yù)測(cè)模型Table 2 Predicted models of fruit internal qualities

一般情況下，一個(gè)好的模型應(yīng)具有較高的R2值，較低的RMSEP值[4,14]。因此本研究中從R2與RMSEP值發(fā)現(xiàn)，硬度模型預(yù)測(cè)準(zhǔn)確度低。當(dāng)RPD＞2.5 時(shí)，說(shuō)明該模型具有較高的預(yù)測(cè)性能，本文中SSC 的RPD=2.15＞2，且RSD=6.2%＜10%，表明SSC 模型預(yù)測(cè)性能可滿足快速檢測(cè)的需要。對(duì)于pH 來(lái)說(shuō)，RSD=3.1%＜10%，模型可用于實(shí)際檢測(cè)，但RPD=1.29＜2，模型預(yù)測(cè)準(zhǔn)確度不高。而對(duì)于硬度，RPD=1.37＜2，RSD=39.4%＞10%，表明模型預(yù)測(cè)性能較低。Cortés等[6]利用Vis-NIR 能較好地預(yù)測(cè)“Osteen”芒果內(nèi)部品質(zhì)如SSC、硬度等指標(biāo)（Rp2=0.83～0.88，RMSEP=0.40～0.51，RPD=2.34～2.83）。Yu 等[4]發(fā)現(xiàn)Vis-NIR 可快速無(wú)損預(yù)測(cè)“庫(kù)爾勒香梨”硬度（Rp2=0.89，RMSEP=1.81 N，RPDP=3.05）及SSC（Rp2=0.92，RMSEP=0.22%，RPDP=3.68）指標(biāo)。Li等[9]通過(guò)Vis-NIR 能夠準(zhǔn)確預(yù)測(cè)李果實(shí)品質(zhì)指標(biāo)SSC，其中Rp2＞0.8，RPD在2 以上；而對(duì)硬度的預(yù)測(cè)性較差，RPD一般小于2。通常情況下，硬度可作為判斷果實(shí)成熟度、貯藏時(shí)間一個(gè)重要指標(biāo)，也可以作為消費(fèi)者選擇的一個(gè)因素[22-24]。我們必須確保果實(shí)硬度在收獲、運(yùn)輸、分級(jí)過(guò)程中能將機(jī)械傷降到最低，再考慮可食用的軟硬度[25]。而研究中硬度較難預(yù)測(cè)是由于多重因素決定，包括細(xì)胞結(jié)構(gòu)、果膠狀態(tài)、膨壓[18]，其中細(xì)胞壁結(jié)構(gòu)的散射效應(yīng)是影響反射光譜的主要因素[26]。

Liu等[3]指出Vis-NIR技術(shù)可以提供評(píng)估梨果實(shí)品質(zhì)指標(biāo)的一套完整準(zhǔn)確、可靠、無(wú)損的方法。Nagle等[27]用NIRS 發(fā)明了一套檢測(cè)樹(shù)上“Chok Anan”芒果果實(shí)SSC、總酸等指標(biāo)的方法。Qi 等[28]證實(shí)，利用VIS/NIR 光譜技術(shù)開(kāi)發(fā)了西瓜SSC 等預(yù)測(cè)模型，可尋找具有較高商業(yè)價(jià)值的適宜采收期。本研究中發(fā)現(xiàn)基于SACMI 水果無(wú)損傷檢測(cè)儀的NIRS 可以預(yù)測(cè)“深州蜜桃”SSC 品質(zhì)指標(biāo)，但對(duì)硬度及pH 預(yù)測(cè)效果不理想。NIRS 評(píng)估果實(shí)品質(zhì)最主要的問(wèn)題是校正模型建立的穩(wěn)定性[29]。此外，果實(shí)品種、大小及收獲季節(jié)對(duì)NIRS 模型穩(wěn)定性發(fā)揮著重要作用[30]。因此，后續(xù)對(duì)于較難預(yù)測(cè)的品質(zhì)指標(biāo)如硬度等，應(yīng)做更多深入研究，全面考慮檢測(cè)因素，改進(jìn)檢測(cè)方法，利用SACMI 無(wú)損設(shè)備建立果實(shí)品質(zhì)穩(wěn)定、良好的預(yù)測(cè)模型。

3 結(jié)論

本研究使用SACMI 水果無(wú)損傷檢測(cè)儀在600～1 000 nm 波長(zhǎng)范圍內(nèi)利用近紅外漫反射方式對(duì)“深州蜜桃”采收期果實(shí)SSC、硬度、pH 進(jìn)行了無(wú)損及傳統(tǒng)測(cè)定。SSC 預(yù)測(cè)值與實(shí)測(cè)值相關(guān)性（R2=0.79，p＜0.01，SEP=0.47）優(yōu)于硬度及pH 的，SSC 預(yù)測(cè)模型（RPD=2.15，RMSEP=0.79%，RSD=6.2%）準(zhǔn)確度較高，可滿足“深州蜜桃”SSC 的無(wú)損快速檢測(cè)與分級(jí)需求，pH（RPD=1.29，RMSEP=0.16，RSD=3.1%）與硬度模型（RPD=1.37，RMSEP=2.37 kg/cm2，RSD=39.4%）準(zhǔn)確度較低，可為“深州蜜桃”品質(zhì)無(wú)損初篩提供參考。本文研究表明，采用SACMI 近紅外分析儀對(duì)“深州蜜桃”果實(shí)品質(zhì)進(jìn)行無(wú)損快速檢測(cè)具有可行性，初步建立了果實(shí)品質(zhì)的無(wú)損預(yù)測(cè)模型，可快速高效地對(duì)果實(shí)進(jìn)行智能分級(jí)；另一方面，繼續(xù)優(yōu)化所建模型以及建立其他品質(zhì)指標(biāo)的無(wú)損速測(cè)模型仍是下一步工作需要進(jìn)一步跟進(jìn)的內(nèi)容。