近紅外光譜技術(shù)在蘋果品質(zhì)無損檢測中的應(yīng)用

屈亞堃　宮元娟

摘要：近紅外光譜技術(shù)是一種高新分析技術(shù)，被越來越多地應(yīng)用于農(nóng)業(yè)領(lǐng)域。概述近年來國內(nèi)外近紅外光譜技術(shù)在蘋果品質(zhì)無損檢測中的應(yīng)用情況，分析近紅外光譜技術(shù)在蘋果質(zhì)檢中的應(yīng)用方向，為果品無損檢測技術(shù)的發(fā)展提供參考。

關(guān)鍵詞：近紅外光譜技術(shù)；無損檢測；蘋果；應(yīng)用

中圖分類號：O657.61 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-1161（2014）06-0032-02

蘋果糖酸度和內(nèi)部損傷等品質(zhì)信息是蘋果分級時所要檢測的重要指標(biāo)。通常判斷一個蘋果的糖酸度是通過果皮顏色來間接衡量，但表征糖度、酸度的多少還是由其內(nèi)部可溶性固形物直接決定的。1912年，近紅外光譜技術(shù)第一次應(yīng)用于檢測空氣濕度；如今，近紅外光譜技術(shù)結(jié)合計(jì)算機(jī)等先進(jìn)技術(shù)得到了飛速發(fā)展，并越來越多地應(yīng)用于農(nóng)業(yè)領(lǐng)域?，F(xiàn)介紹近紅外光譜檢測技術(shù)的發(fā)展情況，并著重闡述其在蘋果檢測方面的應(yīng)用。

1 近紅外光譜檢測技術(shù)概述

近紅外光是位于可見光（VIS）和中紅外光（MIR）之間波段的電磁波，其波長范圍為780～2 526 nm，每厘米波數(shù)為3 959～12 820。由于有機(jī)分子中含氫官能團(tuán)（如—OH，—NH，—CH），與近紅外光頻率振動的合頻和各級倍頻的吸收區(qū)一致，因此通過掃描樣品的近紅外光譜，便可以得到樣品中有機(jī)分子含氫官能團(tuán)的特征信息，進(jìn)而對樣品進(jìn)行定性及定量分析。

根據(jù)探測器接收光的方式，近紅外光譜技術(shù)可分為透射光譜技術(shù)和反射光譜技術(shù)。透射光譜波長為780～1 050 nm；反射光譜波長為1 050～2 500 nm。近紅外光譜取決于被檢測物的成分和組織，并存在一定的函數(shù)關(guān)系，通過應(yīng)用化學(xué)計(jì)量方法進(jìn)行函數(shù)模型校正，就可根據(jù)近紅外光譜反向預(yù)測被檢測物成分及含量。目前常用的校正方法有偏最小二乘法（PLS）、多元線性回歸（MLR）、主成分分析（PCA）、人工神經(jīng)網(wǎng)絡(luò)（ANN）等。

2 近紅外光譜技術(shù)在蘋果品質(zhì)檢測中應(yīng)用現(xiàn)狀

蘋果中的水分、碳水化合物（總糖和酸）、蛋白質(zhì)、脂肪、果膠、維生素等是構(gòu)成其品質(zhì)的主要成分；纖維素、黃酮、激素等對蘋果的風(fēng)味、口感等品質(zhì)具有重要影響；而農(nóng)藥、微生物、有機(jī)化學(xué)品等污染是導(dǎo)致蘋果質(zhì)量下降的重要因素。利用近紅外無損檢測技術(shù)可以完全有效地檢測上述幾種物質(zhì)，實(shí)現(xiàn)蘋果營養(yǎng)成分測量、口感檢測和商品化評價(jià)檢測等目的。

2.1 營養(yǎng)成分測量

蘋果營養(yǎng)成分測量目前主要針對蘋果的糖度、酸度、果膠等成分的測量。大多采用近紅外漫反射技術(shù)對蘋果主成分進(jìn)行定量分析，也有少部分采用近紅外透射技術(shù)；同時，配合化學(xué)計(jì)量法，對光譜數(shù)據(jù)進(jìn)行多元統(tǒng)計(jì)分析。例如：趙杰文等人利用波長為1 300～

2 100 nm的近紅外光譜儀對水晶富士蘋果進(jìn)行糖度檢測，采用主成分回歸（PCR）和偏最小二乘法（PLS）對試驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到校正集的相關(guān)系數(shù)rc和校正標(biāo)準(zhǔn)偏差SEC分別為：0.966 7和0.391 1（PCR法），0.967 9和0.377 5（PLS法）；預(yù)測集的相關(guān)系數(shù)rp和校正標(biāo)準(zhǔn)偏差SEP分別為：0.934 0和0.523 8（PCR法），0.938 7和0.505 4（PLS法）。說明各種校正模型對于利用近紅外光譜預(yù)測水晶富士蘋果糖度均有很高的相關(guān)系數(shù)。

2.2 口感檢測

蘋果口感檢測指標(biāo)包括蘋果硬度、果皮厚度、含水量，以及纖維素等成分的含量。目前多采用近紅外漫反射技術(shù)，結(jié)合相應(yīng)的校正模型，進(jìn)行建模和預(yù)測。例如：李桂峰等人采用傅里葉變近紅外光譜儀，在1 408～2 355 nm波段對富士蘋果硬度指標(biāo)進(jìn)行檢測，利用偏最小二乘法（PLS）建立模型，得到模型的決定系數(shù)R2為0.985 2，內(nèi)部交叉驗(yàn)證均方根差RMSECV和預(yù)測標(biāo)準(zhǔn)偏差RMSEP分別為0.039 8 kg/cm2和0.016 6 kg/cm2；并進(jìn)一步通過提出異常優(yōu)化模型的R2為0.990 8，RMSEP為0.014 7 kg/cm2。結(jié)果表明：試驗(yàn)所建立的模型可靠，預(yù)測效果好，能滿足蘋果硬度檢測要求。

2.3 商品化評價(jià)檢測

蘋果商品化評價(jià)指標(biāo)包括農(nóng)藥殘留含量、植物生長調(diào)節(jié)劑、內(nèi)部褐變等信息。目前檢測多為全譜掃描后，選擇特定的幾個波段，進(jìn)行結(jié)構(gòu)判斷分析。例如：韓海東等人利用可見近紅外連續(xù)透射技術(shù)（650～900 nm）對富士蘋果的內(nèi)部褐變進(jìn)行研究，分析其光譜特性，選擇715，750和810 nm這3個特征波長進(jìn)行褐變果判別分析。具體方法為：全譜采集后，將蘋果沿赤道切開，用CCD成像技術(shù)結(jié)合圖像處理軟件，計(jì)算褐變所占面積，劃分褐變等級。結(jié)果表明：樣品的正確判別率達(dá)到95.65%，可基本滿足實(shí)際生產(chǎn)要求，因此利用近紅外光譜技術(shù)檢測蘋果內(nèi)部褐變是可行的。

3 近紅外光譜技術(shù)在蘋果品質(zhì)檢測中應(yīng)用需研究的問題

近紅外光譜技術(shù)雖然具有無損檢測、適用范圍廣等特點(diǎn)，但作為一種間接檢測方法，其與傳統(tǒng)的檢測手段相比，存在兩方面不足：一是定量分析中的精度問題，二是蘋果物理特性和環(huán)境因素的影響問題。這二者是制約近紅外光譜技術(shù)走出實(shí)驗(yàn)室與實(shí)際生產(chǎn)相結(jié)合的“瓶頸”問題，需要科研工作者和儀器廠家共同關(guān)注。

3.1 定量分析中的精度問題

近紅外光譜分析儀器的定量分析精度問題體現(xiàn)在兩方面：一是與其自身的信噪比、波長穩(wěn)定性、有效檢測范圍、檢驗(yàn)重復(fù)性等有關(guān)；二是所參考理化分析方法的精度，也直接影響定標(biāo)模型所給出的測量結(jié)果精度。因此，要想進(jìn)一步提高理化參考分析方法的精度，提高儀器測得的近紅外光譜吸光度數(shù)據(jù)與理化分析值的相關(guān)性等，也需要理化學(xué)科同步發(fā)展。

3.2 蘋果物理特性和環(huán)境因素影響問題

在對同一品種的蘋果進(jìn)行某一指標(biāo)的近紅外光譜檢測時，蘋果的大小及形狀、照射位置的不同都會對模型的建立和預(yù)測結(jié)果有顯著影響，所以目前的蘋果分級流水線為解決這一問題，大都采用多種檢測儀器配合使用。例如，在近紅外光譜檢測前，利用質(zhì)量傳感器、CCD成像傳感器和位置傳感器等儀器先進(jìn)行初步分級分選。

另外，同一品種的蘋果受環(huán)境因素（溫度、濕度、儲藏時間等）影響，其內(nèi)部品質(zhì)會隨時間推移而發(fā)生變化。例如，用對某一品種蘋果的某一品質(zhì)在采摘時所作的定量建模，去預(yù)測儲藏很久的蘋果，則所得的結(jié)果并不能反映其真實(shí)值。目前，對于綜合考慮各種環(huán)境因素的方法，尚待研究與探索。

4 結(jié)語

我國是蘋果生產(chǎn)大國，但蘋果分級方式卻相對落后，因此蘋果的深層次分級日益受到關(guān)注。近紅外光譜技術(shù)作為無損檢測的主要手段，完全適用于蘋果的檢測。目前存在的主要問題有：一是部分流水線上的設(shè)備只能檢測蘋果的單一性狀指標(biāo)；二是蘋果的近紅外光譜數(shù)據(jù)庫不完善。今后近紅外光譜檢測的一個主流方向就是在線無損檢測，即在豐富的近紅外光譜數(shù)據(jù)庫前提下，對于不同的檢測物及檢測指標(biāo)，調(diào)取相應(yīng)的數(shù)學(xué)模型進(jìn)行檢測。

參考文獻(xiàn)

[1] WILLIAMS P，NORRIS K.Near-infrared technology in the agricultural and food industries[M].Minnesota：American Association of Cereal Chemists，1987.

[2] KIM M S，LEFCOURT A M，CHAO K.，et al.Multispectral detection of fecal contamination on apples based on hyperspectral imagery： Part I.application of visible and near-infrared reflectance imaging[J].Trans of the ASAE，2002，45（6）：2 027-2 037.

[3] 劉建學(xué).實(shí)用近紅外光譜分析技術(shù)[M].北京：科學(xué)出版社，2008.

[4] 趙杰文，張海東，劉木華.利用近紅外漫反射光譜技術(shù)進(jìn)行蘋果糖度無損檢測的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（3）：162-165.

[5] 李桂峰，趙國建，劉興華，等.蘋果硬度的傅里葉變換近紅外光譜無損檢測[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（1）：120-123.