近紅外光譜技術(shù)檢測(cè)靈武長(zhǎng)棗果肉硬度和貯藏時(shí)間

彭雅玲 邱雪 張海紅 吳寶婷 朱韻異

摘要：利用近紅外光譜（400～1 000 nm）系統(tǒng)采集140個(gè)靈武長(zhǎng)棗樣本的光譜信息，采用不同方法預(yù)處理原始光譜數(shù)據(jù)，優(yōu)選出最佳預(yù)處理方法。分別建立競(jìng)爭(zhēng)性自適應(yīng)加權(quán)算法（cARs）和連續(xù)投影算法（sPA）提取特征變量的果肉硬度偏最小二乘回歸（PLsR）預(yù)測(cè)模型，并利用原始光譜建立靈武長(zhǎng)棗貯藏時(shí)間的偏最小二乘判別（PLs DA）模型。結(jié)果表明，去趨勢(shì)法（Detrend）為最優(yōu)預(yù)處理方法;建立的Detrend-cARs-PI.SR模型效果較好，果肉平均硬度校正集和預(yù)測(cè)集模型相關(guān)系數(shù)均為0.868：果肉最大硬度校正集和預(yù)測(cè)集模型相關(guān)系數(shù)分別為0.914、0.849。建立的貯藏時(shí)間PLs-DA判別模型的校正集判別準(zhǔn)確率為98%，預(yù)測(cè)集判別準(zhǔn)確率為99%。說(shuō)明，采用近紅外光譜技術(shù)對(duì)靈武長(zhǎng)棗貯藏過(guò)程中長(zhǎng)棗果肉硬度和貯藏時(shí)間的快速預(yù)測(cè)具有可行性。

關(guān)鍵詞：

近紅外光譜;果肉硬度;貯藏時(shí)間

中圖分類(lèi)號(hào)：s665.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1000 4440（2019）01-0182-07

靈武長(zhǎng)棗是寧夏的優(yōu)勢(shì)特色果品，其外形獨(dú)特，色艷個(gè)大，鮮脆可口，酸甜適宜，且富含多種礦物質(zhì)和維生素，倍受消費(fèi)者的青睞，被譽(yù)為“棗中之王”。靈武長(zhǎng)棗素以鮮食為主，果肉硬度等質(zhì)構(gòu)參數(shù)是衡量長(zhǎng)棗品質(zhì)的重要指標(biāo)。目前，棗果的硬度參數(shù)主要采用硬度計(jì)或質(zhì)構(gòu)儀對(duì)棗果進(jìn)行整果穿刺測(cè)試。硬度計(jì)測(cè)試精度易受外界干擾因素的影響，如測(cè)試者用力大小和探頭規(guī)格及削皮厚度，均會(huì)使測(cè)試數(shù)據(jù)產(chǎn)生較大的測(cè)量誤差。穿刺測(cè)試雖能夠較好地反映整個(gè)果實(shí)的流變學(xué)特征，但測(cè)試已造成棗果破損，使其失去了商品價(jià)值，因此研究一種鮮棗果肉硬度的無(wú)損快速檢測(cè)方法意義明顯。

近紅外光譜技術(shù)（NIRS）是現(xiàn)代光譜分析技術(shù)、計(jì)算機(jī)技術(shù)和現(xiàn)代化學(xué)計(jì)量學(xué)的高度集合體，是一種多信息融合檢測(cè)技術(shù)，可同時(shí)獲取樣品空間各點(diǎn)的光譜，從而進(jìn)一步得到空間各點(diǎn)的組成和結(jié)構(gòu)信息。近年來(lái)，基于近紅外光譜技術(shù)的快速無(wú)損檢測(cè)技術(shù)的研究與開(kāi)發(fā)受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。閆潤(rùn)等應(yīng)用近紅外光譜技術(shù)，通過(guò)提取少量特征光譜信息，建立了草莓品質(zhì)的PLSR-ANN校正模型，實(shí)現(xiàn)了草莓品種的快速鑒別。劉燕德等采用可見(jiàn)/近紅外漫透射光譜技術(shù)，進(jìn)行了黃桃表面缺陷與可溶性固形物同時(shí)在線(xiàn)檢測(cè)的研究，表面缺陷果的正確判斷率為100%，可溶性固形物分選準(zhǔn)確率達(dá)到93%。NICOLAI等利用近紅外漫反射光譜技術(shù)在波長(zhǎng)800～1690 nm內(nèi)，采用PLSR法建立的蘋(píng)果糖含量預(yù)測(cè)模型預(yù)測(cè)效果較好。Ma等利用近紅外光譜技術(shù)建立的蘋(píng)果可溶性固形物含量的PLSR預(yù)測(cè)模型取得了較好的預(yù)測(cè)效果，模型的交叉驗(yàn)證決定系數(shù)為0.89，交叉驗(yàn)證的均方根誤差為0.05%。但是基于近紅外光譜技術(shù)針對(duì)果品果肉硬度的預(yù)測(cè)卻鮮有報(bào)道，有待進(jìn)一步的深入研究。

本研究擬以寧夏靈武長(zhǎng)棗為研究對(duì)象，利用近紅外光譜儀，采集靈武長(zhǎng)棗400-1 000 nm的原始光譜信息。分別選取多種預(yù)處理方法，根據(jù)PLSR建模效果，優(yōu)選最佳預(yù)處理方法。應(yīng)用CARS和SPA提取特征變量，分別建立基于全波段和特征波段的PLSR棗果肉平均硬度和最大硬度預(yù)測(cè)模型，優(yōu)選最佳預(yù)測(cè)模型。運(yùn)用PLS-DA建立靈武長(zhǎng)棗貯藏時(shí)間的判別模型，為鮮食果品果肉硬度的快速無(wú)損檢測(cè)和貯存期判別提供理論依據(jù)。

1材料與方法

1.1測(cè)試材料

靈武長(zhǎng)棗采摘自寧夏靈武市大泉林場(chǎng)紅棗生產(chǎn)基地，去除灰塵后在室溫下貯藏。為減少樣本個(gè)體差異對(duì)試驗(yàn)結(jié)果的影響，共選出大小形狀相似、成熟度一致，無(wú)病害、無(wú)損傷的140個(gè)測(cè)試樣本，每天從中隨機(jī)取出20個(gè)樣本進(jìn)行光譜和硬度測(cè)量，連續(xù)測(cè)量7d。

1.2.2硬度測(cè)量利用TA.XTPlus物性?xún)x及其自帶軟件Texture Exponent 32，選用P/2n針狀探頭（直徑2 mm），選整棗赤道陰陽(yáng)兩面上的2點(diǎn)，以整果穿刺法進(jìn)行棗果硬度的測(cè)試1。設(shè)置測(cè)前速度5mm/s，貫人速度1 mm/s，測(cè)后速度5 mm/s，最小感知力5 g，穿刺深度5 mm。

1.2.3數(shù)據(jù)處理分析由于樣本的不均勻性，采集到的單個(gè)點(diǎn)的光譜信息僅能代表某一點(diǎn)的光譜，不能代表整個(gè)樣本的信息，若取整個(gè)靈武長(zhǎng)棗表面的光譜信息的平均值則更能代表整個(gè)樣本的信息，真實(shí)的反應(yīng)整個(gè)樣本。本研究擬利用ENVl4.6軟件選擇恰當(dāng)?shù)母信d趣區(qū)域，提取平均光譜值。采集到的原始光譜中主要包含樣本信息，但也可能含有由儀器漂移和光散射導(dǎo)致的系統(tǒng)噪音，為了開(kāi)發(fā)出更精確的光譜模型，需運(yùn)用預(yù)處理方法來(lái)校正原始光譜以減少不需要的信息。本研究利用Un-scrambler X10.4軟件采用卷積平滑SG、歸一化Nor-malize、基線(xiàn)校準(zhǔn)Baseline、標(biāo)準(zhǔn)正態(tài)變量SNV、去趨勢(shì)Detrend 5種預(yù)處理方法對(duì)原始光譜進(jìn)行預(yù)處理。

光譜信息之間存在大量的冗余和共線(xiàn)性信息特征，對(duì)光譜有效信息的提取產(chǎn)生較大的干擾，且大量光譜數(shù)據(jù)會(huì)增加數(shù)據(jù)處理的負(fù)擔(dān)。特征波長(zhǎng)提取是通過(guò)某種變換，使原始光譜數(shù)據(jù)從高維空間映射到低維空間，從而實(shí)現(xiàn)數(shù)據(jù)快速降維，并且得到有用的、可靠的數(shù)據(jù)120]。本研究擬用Matlab2014軟件對(duì)經(jīng)預(yù)處理后的光譜采用競(jìng)爭(zhēng)性正自適應(yīng)加權(quán)算法（Competitive adaptive reweighted sampling，CARS）和連續(xù)投影算法（sueeessive proiection algorithm，SPA）進(jìn)行特征波長(zhǎng)的選擇。

由圖2可以看出，隨著貯藏時(shí)間的延長(zhǎng)，果肉平均硬度和最大硬度均逐漸降低，其主要原因可能是酶水解細(xì)胞壁多糖，使果膠、纖維素、半纖維素等細(xì)胞壁組分發(fā)生降解，細(xì)胞壁結(jié)構(gòu)解體，胞間連絲消失，細(xì)胞趨于分散從而導(dǎo)致果實(shí)軟化。

2.2靈武長(zhǎng)棗硬度預(yù)測(cè)模型的建立與分析

2.2.1光譜預(yù)處理對(duì)預(yù)測(cè)結(jié)果的影響

分別選用SG、Normalize、Baseline、SNV、Detrend 5種預(yù)處理方法對(duì)原始光譜進(jìn)行預(yù)處理，并以預(yù)處理后的光譜信息建立了靈武長(zhǎng)棗果肉平均硬度和最大硬度的PLSR預(yù)測(cè)模型，比較研究全波段及不同預(yù)處理方法對(duì)預(yù)測(cè)模型的影響，分析結(jié)果如表2所示。

SPA是一種向前循環(huán)算法，它通過(guò)多次迭代選擇出冗余信息最少的變量組，能夠解決信息重疊、共線(xiàn)性等問(wèn)題，避免再?gòu)拇罅繑?shù)據(jù)中選擇有代表性的數(shù)據(jù)，極大地調(diào)高了模型的效率。設(shè)定SPA選取的波長(zhǎng)數(shù)為5-30，圖5是均方根誤差與有效波長(zhǎng)數(shù)的關(guān)系，以均方根誤差值確定有效特征變量數(shù)，由圖5a和5b看出，從125個(gè)波段中分別篩選出8個(gè)和7個(gè)特征變量。

2.2.2.2特征波段與全波段PLSR模型比較與分析

表3是特征波段與全波段PLSR模型比較，由表3可以看出，全波段的校正和驗(yàn)證模型的相關(guān)系數(shù)分別為0.863和0.733：采用CARS法處理后特征波長(zhǎng)下果肉平均硬度的校正和驗(yàn)證模型的相關(guān)系數(shù)均為0.868，果肉最大硬度的校正和驗(yàn)證模型相關(guān)系數(shù)分別為0.914和0.849。分析可知，采用CARS法提取特征波長(zhǎng)后的模型r較高且RMSE和全波段模型相比較低。在特征波長(zhǎng)下的光譜具有較低的維數(shù)，減小了數(shù)據(jù)的冗余，有利于實(shí)現(xiàn)在線(xiàn)快速檢測(cè)，因此通過(guò)CARS提取特征波長(zhǎng)建立的模型優(yōu)于全波段建立的模型，可用CARS法選取的特征波長(zhǎng)替代全波段數(shù)據(jù)進(jìn)行建模分析。

2.3靈武長(zhǎng)棗貯藏時(shí)間判別模型的建立與分析

本研究在全波段范圍內(nèi)，以校正集原始光譜建立靈武長(zhǎng)棗貯藏期的PIS-DA判別模型。在建立PIS-DA模型前需要確定最佳主因子數(shù)，主因子數(shù)初始范圍為1-20，步長(zhǎng)為1，交叉驗(yàn)證組數(shù)為5，分別建立PLS-DA模型，以校正集判別正確率、交叉驗(yàn)證判別正確率及方差解釋率作為評(píng)價(jià)指標(biāo)。選取校正集的判別正確率、交叉驗(yàn)證判別正確率及方差解釋率最高時(shí)所對(duì)應(yīng)的主因子數(shù)作為最佳主因子數(shù)。校正集判別正確率、交叉驗(yàn)證判別正確率和方差解釋率與主因子數(shù)的關(guān)系見(jiàn)表4所示。由表4可知，主因子數(shù)在8～20時(shí)，方差解釋率均為100%。主因子數(shù)為20時(shí)校正集判別正確率達(dá)到100%，且交叉驗(yàn)證判別正確率達(dá)到最大值。當(dāng)主因子數(shù)為15時(shí)，校正集判別正確率為98%，交叉驗(yàn)證判別正確率為83%。考慮到主因子數(shù)小，更有利于模型的穩(wěn)定性，因此本試驗(yàn)PIS-DA模型的最佳主因子數(shù)最終選取15。

綜上，確定最佳主因子數(shù)為15，通過(guò)105個(gè)校正樣本訓(xùn)練模型，得到PIS-DA判別模型對(duì)靈武長(zhǎng)棗貯藏時(shí)間的判別率達(dá)98%，為了進(jìn)一步驗(yàn)證所建立的PLS-DA模型，將未參與建模的35個(gè)驗(yàn)證集樣品的原始光譜代人上述PLS-DA校正模型并計(jì)算貯藏時(shí)間判別正確率，其判別正確率為99%（1個(gè)第1d的樣本誤判為第7 d）。由此可見(jiàn)，所建模型的可靠性和預(yù)測(cè)能力較好，可有效鑒別靈武長(zhǎng)棗的貯藏時(shí)間。

3結(jié)論

本研究利用400-1 000 nm的近紅外光譜技術(shù)對(duì)靈武長(zhǎng)棗的貯藏時(shí)間及貯藏過(guò)程中果肉硬度進(jìn)行無(wú)損檢測(cè)鑒別。通過(guò)對(duì)比不同預(yù)處理方法建模后的效果，優(yōu)選出最佳預(yù)處理方法，對(duì)最佳預(yù)處理后的光譜進(jìn)行特征變量提取，并建立了Detrend-CARS—PLSR果肉硬度模型。試驗(yàn)結(jié)果表明，基于近紅外光譜檢測(cè)技術(shù)的靈武長(zhǎng)棗果肉硬度預(yù)測(cè)是可行的。利用校正集原始光譜采用PLS-DA法建立靈武長(zhǎng)棗貯藏時(shí)間判別模型，校正和交叉驗(yàn)證判別正確率均達(dá)80%以上，經(jīng)預(yù)測(cè)集光譜驗(yàn)證后判別正確率達(dá)99%，所建模型可靠性和預(yù)測(cè)能力較好，可有效鑒別靈武長(zhǎng)棗的貯藏時(shí)間，說(shuō)明近紅外光譜檢測(cè)技術(shù)可有效預(yù)測(cè)靈武長(zhǎng)棗的貯藏時(shí)間。