李鋒霞 黃勇

摘? ? 要：堅實度是哈密瓜成熟度的重要參考指標之一。為了研究哈密瓜成熟期堅實度的變化規(guī)律，結合試驗條件，對2種不同成熟期的哈密瓜質量、縱橫徑、堅實度等指標進行測量，研究不同品種、不同成熟期、不同原始光譜、不同檢測部位哈密瓜的堅實度指標變化規(guī)律，分析各指標之間的相關性，并結合高光譜技術建立哈密瓜不同檢測部位堅實度與成熟度的預測模型。試驗建模結果顯示，赤道陽面部位的模型相關系數：校正集相關系數Rc=0.982，預測集相關系數Rp=0.832；赤道陰面部位的模型相關系數：Rc=0.889，Rp=0.878；果臍部位的模型相關系數：Rc=0.626，Rp=0.821。結果表明，哈密瓜堅實度指標的變化規(guī)律與成熟度具有相關性，且不同檢測部位的堅實度值存在差異，赤道部位檢測結果優(yōu)于果臍部位。此研究結果為確定哈密瓜的最佳采摘期提供理論參考依據。

關鍵詞：哈密瓜；成熟期；堅實度；變化規(guī)律；模型

中圖分類號：S652.1 文獻標志碼：A 文章編號：1673-2871（2024）01-081-07

Study on variation and correlation of firmness index of Hami melon at different maturity stages

LI Fengxia1，2， HUANG Yong1

（1. College of Mechanical and Electrical Engineering， Xinjiang Institute of Engineerin， Urumqi 830023， Xinjiang， China; 2. National Engineering Technology Research Center of Flat Rolling Equipment， University of Science and Technology Beijing， Beijing 100083， China）

Abstract： Firmness is one of the important reference indexes of Hami melon maturity. In order to study the change rule of firmness of Hami melon at maturity stage， this paper combined with experimental conditions to measure the weight， longitudinal and transverse diameter， firmness and other physical and chemical indexes of two kinds of Hami melon at different maturity stages. The firmness index of Hami melon with different varieties， different maturity stages， different original spectra and different test sites were studied， and the correlation between the indexes was analyzed. The prediction models of firmness and maturity of different parts of Hami melon were established by hyperspectral technique. The experimental modeling results showed that the correlation coefficients of the equatorial sunny side were Rc=0.982， Rp=0.832. The model correlation coefficient of the dark side of the equator： Rc=0.889， Rp=0.878. And the model correlation coefficient of fruit umbilical position： Rc=0.626， Rp=0.821. The results showed that the firmness index of Hami melon was correlated with the maturity， and the firmness of different parts was different. The results provide a theoretical basis for determining the optimum picking time of Hami melon.

Key words： Hami melon; Maturity stage; Firmness; The law of change; Model

哈密瓜是新疆的特色水果，風味獨特，享譽國內外，因其經濟效益可觀，也是種植農戶增收的重要途徑之一。目前，哈密瓜品種繁多，采收時，不同品種的成熟期不同，在成熟時的表現也不同，因此，簡單地通過外表來分辨哈密瓜的成熟度，會造成判別不一致，影響哈密瓜的貨架期[1]，從而降低聲譽和經濟效益。因此，研究哈密瓜成熟度有重要意義。

在水果成熟度和品質評價方面，有學者進行了大量研究，主要是利用水果成熟過程中理化指標變化規(guī)律及品質指標間的相關性，綜合評價水果的成熟度。廣新梅等[2]、蘭海鵬[3]研究了香梨硬度以及可滴定酸、葉綠素、可溶性糖、維生素C含量等指標變化規(guī)律與成熟度的關系；李艷婷等[4]以翠冠梨果實不同部位可溶性固形物含量和硬度指標展開比較研究，找到梨果實適宜測定部位及高效便捷的無損糖度測定方法。劉金秀等[5]研究了4種不同成熟階段的小白杏，探索可溶性固形物含量、含水率、硬度、糖酸比4個理化指標變化規(guī)律與成熟度的關系；牛俊莉等[6]以不同采摘期杏李品種理化指標主成分及聚類分析，研究影響其品質的主要指標。代佳慧等[7]研究胡椒果實成熟度與色差a值和可溶性固形物、可滴定酸、果膠、胡椒堿含量的關系。賀春祥等[8]研究了延安12個蘋果品種果實的硬度、可溶性固形物含量、酸度等理化指標分析評價成熟度。以上研究在水果成熟期理化指標變化規(guī)律和相關性分析上都得到了很好的應用。然而，對新疆哈密瓜成熟度評價方面的研究較少，堅實度是反映哈密瓜成熟度的重要指標之一。目前，堅實度檢測多采用M-T有損檢測方法，該方法費時、費力，而且會破壞樣品。因此，急需一種無損、快速、便捷的檢測方法，綜合分析哈密瓜成熟期的理化指標變化規(guī)律及其與堅實度的相關性。近年來，高光譜技術在獼猴桃、草莓、蘋果、梨、櫻桃、香蕉和西甜瓜等[9-19]水果的成熟度、堅實度、糖度等品質無損檢測中得到應用，為哈密瓜成熟期的品質評價提供了無損檢測技術。

筆者以哈密瓜成熟期理化指標變化規(guī)律為研究基礎，采用高光譜技術對哈密瓜的堅實度開展了相關試驗研究，以期揭示哈密瓜成熟期品質指標的變化規(guī)律與堅實度之間的關系，對哈密瓜采收以及產業(yè)的發(fā)展都具有重要意義。

1 材料與方法

1.1 材料

1.1.1 樣本的選擇 試驗選取2個品種的哈密瓜，均由新疆生產建設兵團農八師121團提供。金密16號為早中熟雜交品種，果皮黃色，果實呈長卵形，網紋密；金密17號為中晚熟雜交品種，果皮灰綠色，果實橢圓形，網紋粗。試驗于2022年7－8月在新疆工程學院實驗室進行，試驗設計了2個不同成熟度：第一批七成熟采收，第二批九成熟采收。具體成熟時間由當地經驗豐富的瓜農師傅認定。采收后，將果實放在室溫條件下貯存，24 h之后進行光譜采集和理化指標測量。每批次、每個品種選取42個瓜，共168個。

1.1.2 試驗器材 高光譜成像儀硬件系統：高光譜攝像頭（Im Spector，V10E，芬蘭）、0LE23鏡頭、線透鏡、150 W的光纖鹵素燈，電動移位臺控制器、帶1394采集卡的計算機等。為了避免外界光照對采集圖像的影響，采用密閉柜將全套系統封閉。

1.2 方法

1.2.1 樣本的預處理 樣品的預處理步驟：首先，人工挑選果實大小均勻、形狀規(guī)則、無機械損傷、無病蟲害、成熟度一致的樣本，試驗每批次、每個品種的哈密瓜隨機選取42個樣本。其次，對樣本編號，按順序依次標記。每個樣本標記了3個檢測部位：赤道陽面、赤道陰面、坐果結（果臍）（圖1），在每一個檢測部位用標記筆畫好直徑約3 cm左右的圓圈作為樣本采集區(qū)域，分別編號區(qū)分為1-1、1-2、1-3。每批次、每個品種的哈密瓜共采集126個樣本點。

1.2.2 測定項目和方法 哈密瓜測定項目包括光譜信息采集和理化指標（質量、橫縱徑、堅實度）測量。具體的方法如下：

（1）哈密瓜光譜信息的采集

高光譜圖像數據采集前，先進行黑白校正，調整輸送裝置的速度。數據采集時，把哈密瓜樣本放到高光譜試驗臺上，線陣的探測器在光學焦面（哈密瓜前進方向）的垂直方向橫向掃描，掃出整個平面，獲取3個檢測部位的哈密瓜圖像信息，通過Spectral-Cube軟件對光譜信息采集和保存。

（2）哈密瓜理化指標的測量

縱橫徑的測量：哈密瓜的高度部位即縱徑，用高度游標卡尺測量。哈密瓜赤道部位即橫徑，用游標卡尺測量。

質量的測量：采用電子秤測量哈密瓜質量，型號為供應友聲BS-10KA。

堅實度的測量：哈密瓜堅實度的測量采用GY-4型手持式硬度計，壓頭直徑選擇11 mm。對已完成光譜信息采集的哈密瓜樣本的3個標記區(qū)域（陰面、陽面與果臍）削去果皮進行測量。

1.2.3 光譜的處理及模型評價指標 采集后的光譜數據采用ENVI4.7軟件進行圖像數據降維和預處理。利用TQ Analyst 6.1軟件進行建模定量、定性分析。模型的穩(wěn)健性和準確性評價指標有校正集相關系數（Rc），預測集相關系數（Rp）、校正均方根誤差（RMSEC）和預測均方根誤差（RMSEP）。通常情況下，模型中R值越大，RMSEC、RMSEP值越小，模型表現得越穩(wěn)健，結果越準確。

2 結果與分析

2.1 哈密瓜樣本理化指標測定結果及分析

哈密瓜在成熟過程中，理化指標會隨著不同成熟期呈現出一定的變化規(guī)律。由表1可知，不同成熟期的哈密瓜理化指標存在一定的差異。從縱徑的平均值來看，同一成熟度的哈密瓜，金密16號要略大于金密17號；從橫徑的平均值來看，同一成熟度的金密16號要略小于金密17號；七成熟的哈密瓜平均質量均要小于九成熟的哈密瓜；從堅實度值來看，七成熟的哈密瓜平均堅實度均要大于九成熟的哈密瓜。

2.1.1 不同品種哈密瓜堅實度的分析 果實的堅實度直接影響果肉質地與脆性。哈密瓜堅實度是衡量內部品質的重要指標之一。從圖2可以看出，七成熟哈密瓜：金密16號的堅實度值在54.0～120.0 N，金密17號的堅實度值在50.6～84.0 N；九成熟哈密瓜：金密16號的堅實度值在51.0～79.9 N，金密17號的堅實度值在48.0～61.2 N。兩個品種的哈密瓜樣本點的堅實度分布規(guī)律如圖1所示，通過對比可以發(fā)現，金密16號的堅實度均大于金密17號，說明不同品種哈密瓜的堅實度存在明顯差異。

2.1.2 不同成熟期哈密瓜堅實度的分析 隨著哈密瓜生長發(fā)育的不斷推進，堅實度隨著成熟期的不同而發(fā)生變化。圖3所示兩個品種的哈密瓜不同成熟期堅實度變化規(guī)律，從中可以發(fā)現，同一品種哈密瓜，九成熟的堅實度要比七成熟低，成熟度越高，堅實度越低。研究表明，隨著哈密瓜不斷成熟，果實細胞壁果膠物質的降解和纖維素分離，導致細胞解體，果肉的硬度降低。

2.1.3 不同原始光譜的分析 高光譜儀采集哈密瓜的光譜信息是由光源照射到哈密瓜表面后通過漫透射進行擴散傳輸的。圖4是2個品種哈密瓜不同成熟度的原始光譜曲線，從中可以發(fā)現，同一品種、不同成熟期的哈密瓜光譜曲線走向基本一致。不同品種的哈密瓜光譜曲線之間存在很大差異，金密16號哈密瓜光譜在400～750 nm存在明顯變化的波峰、波谷。金密17號哈密瓜光譜在500～850 nm存在較明顯變化的波峰、波谷，在850 nm之后波形基本一致。說明不同品種的哈密瓜由于內部生物結構不同，光譜曲線差別也很大。

2.1.4 不同檢測部位堅實度的分析 哈密瓜果實的成長與發(fā)育先是縱徑發(fā)育，再橫向增重發(fā)育。根據哈密瓜的生長特點，對金密16號哈密瓜的3個檢測部位（赤道陽面、赤道陰面和果臍）的堅實度進行測量，其變化規(guī)律如圖5所示，從中可以發(fā)現，不同檢測部位的哈密瓜堅實度存在差異，赤道（陽面、陰面）部位的堅實度要高于果臍部位的堅實度；同一檢測部位相比，堅實度的變化沒有明顯規(guī)律。

2.2 哈密瓜不同檢測部位對建模結果的影響

根據哈密瓜不同檢測部位堅實度不同這一特性，對哈密瓜不同檢測部位原始光譜進行了分析，以金密16號哈密瓜為代表，圖6是3個不同采集部位（陽面、陰面、果臍）原始光譜圖，通過對比分析可以發(fā)現，哈密瓜不同部位采集的原始光譜走向基本一致，但在吸光度、能量值的大小上存在差異。這種差異也必定對建模結果有一定的影響。

因此采用偏最小二乘法（PLS）對不同檢測部位的哈密瓜建立堅實度預測模型，光譜經過異常光譜去除、光散射校正后用一階微分處理，其建模結果如圖7所示，統計結果如表2所示。

從上述建模的結果可以看出，赤道陽面部位的校正集相關系數（Rc）=0.982，校正均方誤差（RMSEC）=1.37 N，預測集相關系數（Rp）=0.832，預測均方誤差（RMSEP）=3.79 N。赤道陰面部位的Rc=0.889，RMSEC=2.77 N，Rp=0.878，RMSEP=3.60 N。果臍部位Rc=0.626，RMSEC=5.16 N，Rp=0.821，RMSEP=3.16 N。通過對比可以發(fā)現，赤道（陰陽面）部位相關系數R均高于果臍部位，赤道（陰陽面）部位的校正均方誤差（RMSEC）小于果臍部位，預測均方誤差（RMSEP）大于果臍部位，綜上所述，赤道部位建模結果優(yōu)于果臍部位。根據這一研究結果，后期對哈密瓜進行試驗研究時，可以選取赤道部位作為研究對象。

3 討論與結論

在實際生產中，哈密瓜堅實度的測定多是隨機選取部分樣品對其臍部及整果進行測定，測定方法缺乏科學性與時效性，且會破壞樣本，使其失去商品價值。為此，有科研工作者結合光譜技術展開哈密瓜內外部品質（表面紋理特征、表皮顏色、果肉顏色、可溶性固形物含量、總酸含量、硬度等）對成熟度進行相關性研究。Sun等[20]利用近紅外高光譜系統對甜瓜的糖度和硬度進行了無損檢測研究，劉超[21]、許濟海[22]利用機器視覺技術對哈密瓜糖度進行預測，利用哈密瓜表面顏色特征、紋理特征建立糖度的相關性。呂琛[23]、胡光輝等[24]采用機器視覺技術通過哈密瓜的表面圖像信息預測成熟度。李明周[25]利用高光譜技術對哈密瓜不同生長期的糖、蛋白質、維生素C、可滴定酸含量以及單果質量等進行預測，徐璐[26]采集哈密瓜赤道部位近紅外光譜特征，建立哈密瓜可溶性固形物含量的預測模型。上述方法對哈密瓜成熟度判定提供了理論依據。但是對不同成熟期哈密瓜堅實度的研究較少，且哈密瓜檢測部位的選取沒有對比驗證，不具有典型代表性，從而影響預測模型的可靠性。因此，根據不同成熟期哈密瓜堅實度指標的變化規(guī)律，結合高光譜技術對哈密瓜成熟度展開檢測研究是十分必要的。

基于此，筆者以哈密瓜理化指標變化規(guī)律為研究基礎，對2個不同品種、不同成熟期、不同原始光譜、不同檢測部位的哈密瓜堅實度進行了分析和比較。試驗結果表明，不同品種哈密瓜的堅實度存在明顯差異，成熟度越高，堅實度越低。同一品種哈密瓜光譜曲線走向基本一致，但不同品種的哈密瓜光譜曲線差別很大。不同檢測部位的哈密瓜堅實度也存在差異，同一檢測部位相比，沒有明顯的變化規(guī)律。為了尋找哈密瓜光譜采集最合適的采集部位，筆者的研究對哈密瓜3個不同檢測部位（赤道陰面、赤道陽面和果臍）建立堅實度預測模型，試驗建模結果表明，哈密瓜堅實度指標的變化規(guī)律與成熟度具有相關性，且赤道部位建模結果優(yōu)于果臍部位。后期對哈密瓜進行試驗研究時，可以選取赤道部位作為研究對象。筆者通過本研究為哈密瓜成熟度量化評價和確定哈密瓜的最佳采摘期以及品質分級提供理論參考依據，對哈密瓜生產與科學研究具有一定的指導價值。

參考文獻

[1] 許德芳．基于深度學習和近紅外技術的甜瓜采摘檢測及貨架期研究[D]．太原：山西農業(yè)大學，2020．

[2] 廣新梅，徐崇志，王緒春，等．采摘期內庫爾勒香梨品質指標變化規(guī)律及相關關系[J]．江蘇農業(yè)科學，2018，46（19）：118-121．

[3] 蘭海鵬．庫爾勒香梨成熟特征表達及評價方法[D]．哈爾濱：東北農業(yè)大學，2017．

[4] 李艷婷，周錚，黃冬華，等．翠冠梨果不同部位可溶性固形物及硬度測定比較研究[J]．中國南方果樹，2022，51（3）：148-152．

[5] 劉金秀，賀小偉，羅華平，等．不同成熟期小白杏品質指標變化規(guī)律研究[J]．塔里木大學學報，2021，33（1）：38-44．

[6] ?？±颍瑒⒚?，彭秋梅．不同采摘期杏李味厚品種理化指標主成分及聚類分析[J]．新疆農業(yè)科學，2015，52（1）：33-36．

[7] 代佳慧，尹青春，黨政，等．不同成熟度胡椒理化指標變化規(guī)律和相關性研究[J]．中國調味品，2020，45（7）：81-85．

[8] 賀春祥，王輝，譚江，等．延安十二個蘋果品種果實主要理化指標分析評價[J]．西北園藝（果樹），2022（4）：50-52．

[9] SHINYA．P，CONTADOR．L，PREDIERI．S，et al．Peach ripening：Segregation at harvest and postharvest flesh softening[J]．Postharvest Biology and Technology，2013，86：472-478．

[10] ZHANG C，GUO C T，LIU F，et al．Hyperspectral imaging analysis for ripeness evaluation of strawberry with support vector machine[J]．Journal of Food Engineering，2016，179：11-18．

[11] GAO Z M，SHAO Y Y，XUAN G T，et al．Real-time hyperspectral imaging for the in-field estimation of strawberry ripeness with deep learning[J]．Artificial Intelligence in Agriculture，2020，4：31-38．

[12] 張?。诟吖庾V成像技術的藍莓內部品質檢測方法的研究[D]．沈陽：沈陽農業(yè)大學，2016．

[13] 盧娜，韓平，王紀華．基于高光譜成像技術的草莓硬度預測[J]．軟件導刊，2018，17（3）：180-182．

[14] REDDY R R，LI M．Uncertainty assessment for firmness and total soluble solids of sweet cherries using hyperspectral imaging and multivariate statistics[J]．Journal of Food Engineering，2021，289：110177．

[15] XIE C Q，CHU B Q，HE Y．Prediction of banana color and firmness using a novel wavelengths selection method of hyperspectral imaging[J]．Food Chemistry，2018，245：132-140．

[16] SHEN L X，WANG H H，LIU Y，et al．Prediction of soluble solids content in green plum by using a sparse autoencoder[J]．Applied Sciences，2020，10（11）：3769．

[17] 侯寶路，李柏承，周瑤，等．基于可見－近紅外高光譜成像技術的梨硬度和可溶性固體含量的預測[J]．激光雜志，2015，36（10）：70-74．

[18] ZHANG H L，ZHAN B S，PAN F，et al．Determination of soluble solids content in oranges using visible and near infrared full transmittance hyperspectral imaging with comparative analysis of models[J]．Postharvest Biology and Technology，2020，163（3）：111148．

[19] 何洪巨，胡麗萍，李武，等．基于可見/近紅外高光譜成像技術的西甜瓜糖度檢測[J]．中國食物與營養(yǎng)，2016，22（10）：53-57．

[20] SUN M J，ZHANG D，LIU L，et al．How to predict the sugariness and hardness of melons：A near-infrared hyperspectral imaging method[J]．Food Chemistry，2017，218：413-421．

[21] 劉超．基于可見-近紅外光譜與機器視覺信息融合的河套蜜瓜糖度檢測方法研究[D]．呼和浩特：內蒙古農業(yè)大學，2014．

[22] 許濟海．基于紋理特征的網紋哈密瓜分類研究[D]．杭州：浙江大學，2017．

[23] 呂?。跀底謭D像處理的哈密瓜成熟度無損檢測技術研究[D]．新疆石河子：石河子大學，2014．

[24] 胡光輝，郭俊先，虞飛宇，等．“京蜜八號”哈密瓜成熟等級分類研究：基于機器視覺和神經網絡[J]．農機化研究，2015，37（2）：190-194．

[25] 李明周．基于高光譜哈密瓜生長過程品質的檢測研究[D]．新疆阿拉爾：塔里木大學，2018．

[26] 徐璐．基于可見-近紅外光譜及成像技術的水果可溶性固形物含量檢測[D]．合肥：安徽大學，2019．