近紅外無損檢測甜柿果實質(zhì)地和品質(zhì)

王 丹，魯曉翔，*，張 鵬，陳紹慧，李江闊

（1.天津商業(yè)大學(xué)生物技術(shù)與食品科學(xué)學(xué)院，天津市食品生物技術(shù)重點實驗室，天津300134；2.國家農(nóng)產(chǎn)品保鮮工程技術(shù)研究中心，天津市農(nóng)產(chǎn)品采后生理與貯藏保鮮重點實驗室，天津300384）

柿子（Diospyros kaki thunb）是我國的傳統(tǒng)特色果品，在我國的河北、河南、山西等地均有較大面積的栽培，品種多達(dá)800多種，產(chǎn)量占世界柿子總產(chǎn)量的90%[1]。柿子品種有甜柿和澀柿之分，澀柿在成熟后要進(jìn)行人工脫澀才能食用，而甜柿在樹上就能自然脫澀。甜柿營養(yǎng)價值豐富、風(fēng)味獨(dú)特、甜脆爽口。甜柿的果實質(zhì)地在一定程度上決定果品口感的好壞，并且與果品的新鮮度緊密相關(guān)[2]。表征果實質(zhì)地特性的參數(shù)除了硬度外還包括彈性、黏著性、凝聚性、咀嚼性和回復(fù)性等，這些參數(shù)都與果實內(nèi)部的組織軟化有關(guān)[3]。目前，果實質(zhì)地評價方法主要是憑口感判斷和硬度計的測定[4]。然而，感官評價具有主觀性，儀器測定具有破壞性，而且耗時，因此需要一種無損、及時和方便的方法來測定果實質(zhì)地品質(zhì)。

近紅外無損檢測技術(shù)具有快速、準(zhǔn)確、無損等優(yōu)點，對水果品質(zhì)無損檢測的研究已有很多報道[5-9]。劉卉等[10]應(yīng)用近紅外漫反射技術(shù)無損檢測獼猴桃的硬度。目前應(yīng)用近紅外漫反射技術(shù)檢測水果的果實質(zhì)地的報道很少，并且沒有柿子果實質(zhì)地的報道，因此本研究用近紅外漫反射技術(shù)無損檢測甜柿的果實質(zhì)地，建立甜柿果實質(zhì)地的近紅外模型，為果實品質(zhì)的快速評價和果品的分級提供理論依據(jù)。

1 材料與方法

1.1 材料與儀器

甜柿 于2012年10月16日采自北京平谷縣，采收時挑選成熟度（約為八成熟）一致、無病蟲害和機(jī)械損傷的果實，采收當(dāng)天將果實運(yùn)回國家農(nóng)產(chǎn)品保鮮工程技術(shù)研究中心實驗室（可控溫度為15～18℃），進(jìn)行不同的處理，將一部分柿子立即置于1-甲基環(huán)丙烯（1-MCP）氣體濃度為1.0μL/L的密閉塑料帳內(nèi)，常溫下處理18h后用微孔袋（厚度為0.02mm）包裝，以未做處理的柿子作為對照組。然后常溫貯藏（可控溫度為15～18℃）。實驗前，將果實擦干凈，排序標(biāo)記后進(jìn)行掃描。實驗共抽取200個果實并隨機(jī)分為定標(biāo)集和驗證集，樣品數(shù)分別為150個和50個。

NIRS DS2500近紅外漫反射光譜儀 丹麥Foss公司；TA.XT.plus物性測定儀 英國。

1.2 光譜的采集

實驗使用NIRS DS2500近紅外漫反射光譜，采用全息光柵分光系統(tǒng)，硅（400～1100nm）和硫化鉛（1100～2500nm）檢測器用于信號采集，掃描波長范圍是400～2500nm，掃描方式為單波長、快速掃描，掃描次數(shù)為32次。配制Nova分析軟件和W in ISI4定標(biāo)軟件，測量時避開表面缺陷部位（如傷疤、污點等），在柿果赤道線上陰陽面各取一點放在Slurry Cup上進(jìn)行光譜掃描。

1.3 果實質(zhì)地的測定

在果實光譜掃描點附近，使用內(nèi)徑14mm的打孔器取樣，然后用切分寬度4.5mm的雙刀切取居中部位小圓柱體試樣。將試樣置于英國產(chǎn)TA.XT.p lus物性測定儀P/75探頭下做質(zhì)構(gòu)儀質(zhì)地多面分析（TPA）實驗。測試參數(shù)為：測試速度為2.0mm/s，測后速度為2.0mm/s，柿子果肉受壓變形25%，兩次壓縮停頓時間為5s，觸發(fā)力是5.0g。由質(zhì)地特征曲線得到評價柿子果肉狀況的質(zhì)地參數(shù)：硬度、凝聚性和咀嚼性。甜柿果肉TPA典型質(zhì)地特征曲線如圖1所示。TPA參數(shù)定義如下：以雙峰曲線中的第1個峰的最大值F1表示硬度，單位：kg；凝聚性指第2次壓縮所得的峰面積A2與第1次壓縮所得的峰面積A1之比，即A2/A1；咀嚼性為硬度、凝聚性和彈性三者乘積，單位kg。

圖1 甜柿果肉TPA實驗特征曲線Fig.1 Analysis curve for TPA testof the sweet persimmon flesh

1.4 模型的建立與驗證

利用W in ISI4軟件，對原始光譜進(jìn)行濾波和平滑處理，以去除噪聲和提取有效信息，采用不同預(yù)處理來確定柿子硬度無損預(yù)測模型，然后再用未參與定標(biāo)的樣品對模型進(jìn)行驗證，評價模型的可行性。本研究中，評價所建立的定標(biāo)模型用交互驗證相關(guān)系數(shù)（RCV）和交互驗證誤差（SECV）作為評價指標(biāo)。預(yù)測模型的質(zhì)量通過預(yù)測標(biāo)準(zhǔn)誤差（SEP）、預(yù)測值與化學(xué)值相關(guān)系數(shù)（R）和相對分析誤差（RPD）定量評價。當(dāng)RPD在2～2.5之間，可進(jìn)行粗略的定量分析，大于2.5或3.0以上具有較好或很好的預(yù)測效果。

2 結(jié)果與分析

2.1 果實質(zhì)地參數(shù)標(biāo)準(zhǔn)值分布情況

甜柿果實質(zhì)地采用質(zhì)構(gòu)儀多面分析法進(jìn)行研究，并且選取果肉硬度、凝聚性、咀嚼性作為研究參數(shù)。其中，硬度反映的是柿子果肉在外力作用下發(fā)生形變所需要的屈服力大??；凝聚性反映的是咀嚼果肉時，果肉抵抗牙齒咀嚼破壞而表現(xiàn)出的內(nèi)部結(jié)合力，反映了果肉組織細(xì)胞間結(jié)合力的大小，使果實保持完整的性質(zhì)；咀嚼性模擬的是牙齒將固體樣品咀嚼成吞咽穩(wěn)定狀態(tài)時所需要的能量，它綜合反映了果肉在牙齒咀嚼過程中對外力的持續(xù)抵抗作用。本實驗預(yù)測模型定標(biāo)集和驗證集的平均值、變幅范圍和標(biāo)準(zhǔn)偏差見表1。實驗中，樣品的測定是從采摘當(dāng)天到常溫貯藏50d，甜柿果實質(zhì)地由脆變軟，所以每個參數(shù)真實值的分布范圍比較廣，代表性強(qiáng)，并且樣品驗證集的含量范圍都在定標(biāo)集范圍內(nèi)。因此，本實驗樣品可以用于建立甜柿硬度近紅外模型。

表1 定標(biāo)集和驗證集樣品的分布特征Table1 Characteristics of calibration and prediction

2.2 甜柿果實近紅外掃描原始光譜

表2展示的是甜柿貯藏28d時，不同處理的果實質(zhì)地的化學(xué)值，可見經(jīng)過1-MCP處理的果實硬度、凝聚性和咀嚼性都大于對照組。這是因為經(jīng)過1-MCP處理能不可逆地作用于乙烯受體，從而阻斷與乙烯的正常結(jié)合，抑制其所誘導(dǎo)的與果實后熟相關(guān)的一系列生理生化反應(yīng)，達(dá)到了保脆的效果，與對照組果實的硬度產(chǎn)生了差異。

經(jīng)1-MCP處理和未經(jīng)處理的對照組全波長范圍內(nèi)（400～2500nm）的近紅外原始光譜圖如圖2所示。從圖2中可知，兩條光譜在波長677、978、1186和1454nm的吸收峰處有明顯差異。通過W in ISI4軟件分析可知，在第一個吸收峰677nm處的差異，主要是因為果實紅色含量的不同；而在978nm和1186nm處的吸收峰主要是水分引起的，這說明水分含量對甜柿的近紅外光譜影響很大；1454nm處吸收峰附近主要是C-H、-CH2鍵的變化，是因為柿子中的可溶性固形物、果膠和蛋白質(zhì)等物質(zhì)的含量隨著硬度的降低而降低，可溶性果膠則升高，它們的特征官能團(tuán)就是C-H、-CH2等。果實中水分和官能團(tuán)的變化就會產(chǎn)生果實質(zhì)地的變化，因此，本研究用近紅外漫反射光譜無損檢測甜柿的質(zhì)地，分別建立果肉硬度、凝聚性和咀嚼性的預(yù)測模型。

表2 甜柿貯藏28d不同處理的參數(shù)指標(biāo)Table2 Parameter index for different treatmentof sweet persimmon in 28 days

圖2 甜柿貯藏28d不同處理的原始吸收光譜圖Fig.2 Original absorption spectrogram for different treatment of the sweet persimmon in 28 days

2.3 不同光譜預(yù)處理方法的選擇

本文采用改進(jìn)最小偏二乘法（MPLS），分別研究不同導(dǎo)數(shù)處理方法與不同散射和標(biāo)準(zhǔn)化方法相結(jié)合的處理模型，從而找到最優(yōu)的模型。在全光譜范圍內(nèi)比較了原始光譜（Log（1/R）、一階微分光譜（D1 Log（1/R）、二階微分光譜（D2 Log（1/R）和標(biāo)準(zhǔn)正常化處理與去散射處理（SNV+Detrend）、標(biāo)準(zhǔn)多元離散校正（SMSC）、加權(quán)多元離散校正（WMSC）、反相多元離散校正（IMSC）相結(jié)合的方法建立模型。用不同光譜預(yù)處理方法建模，結(jié)果如表3所示。

結(jié)果表明，采用改進(jìn)最小偏二乘法、一階導(dǎo)數(shù)、標(biāo)準(zhǔn)正?；幚砼c去散射處理相結(jié)合的光譜預(yù)處理方法建立的硬度定標(biāo)模型效果最好，其SECV為0.7459，RCV為0.9394；采用改進(jìn)最小偏二乘法、原始光譜、標(biāo)準(zhǔn)多元離散校正處理相結(jié)合的光譜預(yù)處理方法建立的凝聚性定標(biāo)模型效果最好，其SECV為0.0487，RCV為0.9410；采用改進(jìn)最小偏二乘法、原始光譜、反相多元離散校正處理相結(jié)合的光譜預(yù)處理方法建立的咀嚼性定標(biāo)模型效果最好，其SECV為0.4014，RCV為0.9346。

2.4 果實質(zhì)地定標(biāo)模型的預(yù)測評價

圖3 果肉硬度實測值與預(yù)測值的相關(guān)性Fig.3 Correlation between predicted values ofmodel optimized and actual values of flesh firmness

表3 不同預(yù)處理的定標(biāo)結(jié)果Table3 Statistical results ofmodels constructed by different pretreatment

為了預(yù)測定標(biāo)模型的可靠性和準(zhǔn)確性，用建立好的最優(yōu)定標(biāo)模型對50個未知果實的硬度、凝聚性、咀嚼性進(jìn)行預(yù)測分析。結(jié)果如圖3～圖5所示。預(yù)測結(jié)果表明，果實硬度的RMSEP為0.824，R為0.844，RPD為2.40；凝聚性的RMSEP為0.05，R為0.862，RPD為2.56；咀嚼性的RMSEP為0.443，R為0.837，RPD為2.37?？梢?，果實硬度和咀嚼性的定標(biāo)模型只能進(jìn)行粗略的定量分析，果實凝聚性的定標(biāo)模型能很好的進(jìn)行預(yù)測分析。因此，利用近紅外漫反射對甜柿果實質(zhì)地的快速無損檢測具有可行性。

圖5 果肉咀嚼性實測值與預(yù)測值的相關(guān)性Fig.5 Correlation between predicted values ofmodel optimized and actual values of flesh chewiness

3 結(jié)論

果實在貯藏過程中，果實質(zhì)地是反映果實成熟度的重要指標(biāo)，也是檢測果品品質(zhì)好壞的依據(jù)。本文選用果肉硬度、凝聚性、咀嚼性作為果實質(zhì)地的評價指標(biāo)，在預(yù)測模型中，果實硬度的RMSEP為0.824，R為0.844，RPD為2.40；凝聚性的RMSEP為0.05，R為 0.862，RPD為2.56；咀嚼性的RMSEP為0.443，RP2為0.837，RPD為2.37?？梢?，近紅外無損檢測技術(shù)能夠用來檢測甜柿的果實質(zhì)地，為今后評價甜柿果實質(zhì)地品質(zhì)提供了新的方法。

[1]張淑娟，張海紅，王鳳花，等.柿子可溶性固形物含量的可見-近紅外光譜檢測[J].農(nóng)業(yè)工程學(xué)報，2009，29（2）：345-347.

[2]Zdunek A，Cybulska J，Konopacka D，et al.New contact acoustic emission detector for texture evaluation of apples[J].Journal of Food Engineering，2010，99（1）：83-91.

[3]李志文，張平，張昆明，等.1-MCP結(jié)合冰溫貯藏對葡萄果實質(zhì)地的影響[J].農(nóng)業(yè)機(jī)械學(xué)報，2011，42（7）：177-181.

[4]許銘強(qiáng)，陳愷，張艷艷，等.干制溫度對棗果實質(zhì)構(gòu)性能的影響[J].食品與機(jī)械，2012，28（5）：59-62.

[5]陳香維，楊公明.測試部位對獼猴桃近紅外光譜響應(yīng)特性的影響[J].農(nóng)業(yè)機(jī)械學(xué)報，2009，40（1）：124-128.

[6]Nicolai B M，Beullens T，Bobelyn E，et al.Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy：a review[J].Postharvest Biology and Technology，2007，46（2）：99-118.

[7]Huirong Xu，Bing Qi，Tong Sun，et al.Variable selection in visible and near-infrared spectra：Application to on-line determination of sugar content in pears[J].Journal of Food Engineering，2012，109（1）：142-147.

[8]Dolores Pérez-Marína，María-Teresa Sánchezb，Patricia Paz，etal.Postharvest shelf-life discrimination of nectarines produced under different irrigation strategies using NIR-spectroscopy[J].LWT-Food Science and Technology，2011，44（6）：1405-1414.

[9]Weiqi Luo，Shuangyan Huan，Haiyan Fu，et al.Preliminary study on the application of near infrared spectroscopy and pattern recognition methods to classify different types of apple samples[J].Food Chemistry，2011，128（2）：555-561.

[10]劉卉，郭文川，岳絨.獼猴桃硬度近紅外漫反射光譜無損檢測[J].農(nóng)業(yè)機(jī)械學(xué)報，2011，42（3）：146-149.