基于光學(xué)吸收和散射系數(shù)光譜的番茄成熟度分析方法研究

黃玉萍，王德鎮(zhèn)，周海燕，楊雨圖，陳坤杰

1. 南京林業(yè)大學(xué)機械電子工程學(xué)院，江蘇 南京 210037 2. 南京農(nóng)業(yè)大學(xué)工學(xué)院，江蘇 南京 210031

引 言

成熟度是評估番茄品質(zhì)最重要因素之一，隨著番茄成熟階段的遞進，葉綠素含量的下降和番茄紅素含量的增加，使得果實顏色由綠色轉(zhuǎn)變?yōu)榧t色。因此，在判定番茄成熟方面，顏色是一個重要參數(shù)[1]。

目前，用于評估番茄成熟度的無損檢測技術(shù)包括機器視覺、光譜分析技術(shù)、X射線技術(shù)、核磁共振技術(shù)等。機器視覺技術(shù)僅適用于檢測樣品的外部品質(zhì)；而X射線和核磁共振技術(shù)由于儀器價格較高，檢測速度較慢等因素限制了其廣泛應(yīng)用?？梢?近紅外光譜檢測技術(shù)以其快速、無損和無需樣品制備等優(yōu)點被廣泛用于番茄品質(zhì)評估[2-3]。其主要根據(jù)比爾-朗伯定律(Beer-Lambertian Law)，通過樣品組分或物理特性的變化引起相應(yīng)光學(xué)特性的變化，進而使得光譜特征也發(fā)生變化實現(xiàn)檢測。然而，可見-近紅外光譜只表征光在樣品組織內(nèi)部被吸收和散射的總體結(jié)果，忽略了光子在樣品組織中的傳播信息，且由于番茄組織的混濁性與異質(zhì)性，光在番茄組織內(nèi)部的傳播不完全遵守比爾-朗伯定律，這將帶來較大的檢測誤差。另外，可見-近紅外光譜屬于特定區(qū)域測量，只能獲得番茄很小部分的組織信息，而番茄在成熟過程中，組織變化的不均勻性也將導(dǎo)致檢測誤差的增大。

光與生物組織間的相互作用主要取決于吸收和散射特性，它們分別與生物組織的化學(xué)成分和物理特性相關(guān)[4]?；谳椛鋫鬏斃碚摚瑴y量生物組織吸收和散射特性的方法包括時間分辨技術(shù)[5]，頻域技術(shù)[6]，空間頻域成像技術(shù)[7]和空間分辨技術(shù)[8]等。時間分辨技術(shù)和頻域技術(shù)儀器較貴，且覆蓋光譜區(qū)域較窄，而空間頻域成像技術(shù)檢測時間較長等原因，限制了它們在食品和果蔬檢測中的應(yīng)用?？臻g分辨光譜技術(shù)測量距離恒定強度點光源不同距離處的反射率，根據(jù)漫射近似方程反演算法估算出吸收和散射特性[9]。相比較于時間分辨和頻域技術(shù)，空間分辨光譜技術(shù)所用儀器簡單、操作簡便、波長覆蓋范圍相對較寬。因此，該技術(shù)在食品和果蔬檢測領(lǐng)域受到廣泛關(guān)注[10]。Xia[11]等采用單一光纖的移動實現(xiàn)牛肉的空間分辨光譜，通過計算吸收和散射系數(shù)預(yù)測牛肉的嫩度。該方法不但耗時，還會引入較大的測量誤差，另外，在測量過程中，樣品組織的特性有可能隨著時間而改變，長時間的測量也會引起光源輸出的波動，從而引入光學(xué)特性測量誤差。Herremans[12]和Do Trong[13]設(shè)計了光纖陣列探頭，探頭上布置5根光纖可同時采集空間分辨光譜，實現(xiàn)對食品和果蔬品質(zhì)的評估。但是，由于所有檢測光纖都固定在剛性探頭，不適用于檢測曲面或不規(guī)則表面的樣品，而且，探頭布置的光纖較少，光源-檢測器距離也相對較小，因此，在檢測食品的光學(xué)特性和解析樣品品質(zhì)與空間分辨光譜相關(guān)關(guān)系上很難取得令人滿意的結(jié)果?；诟吖庾V成像式空間分辨光譜技術(shù)以檢測速度快、非接觸式和空間分辨率高等優(yōu)點常被用于檢測果蔬的品質(zhì)[4]和成熟度[14-15]。高光譜成像式空間分辨光譜技術(shù)適用于檢測表面平坦的樣品，對于曲面樣品的測定，會因為表面曲率而引起信號誤差，需要對所測的空間分辨反射光譜進行校正，以確保準確估算光學(xué)特性[16]。但校正方法往往比較復(fù)雜，可能無法達到預(yù)期效果。而且，基于高光譜成像式空間分辨光譜系統(tǒng)的波長范圍限制在400～1 000 nm。在生物醫(yī)學(xué)研究中，光譜區(qū)域在600～1 300 nm被稱之為“診斷窗口”，因為該光譜區(qū)域的光在生物組織中具有良好的穿透性，能夠檢測組織更深層的信息。另外，一些研究顯示偏最小二乘判別分析(PLSDA)結(jié)合多元線性回歸和主成分分析的優(yōu)點，常被用來建立農(nóng)產(chǎn)品品質(zhì)等方面的分類模型[17]。

本課題組開發(fā)的新型空間分辨光譜系統(tǒng)能夠在550～1 650 nm光譜區(qū)域同時獲得15個不同光源-檢測器距離的空間分辨光譜，光源-檢測器距離達到1.5～36 mm。本文采用該系統(tǒng)測量番茄在550～1 300 nm的吸收和散射特性，并根據(jù)吸收和約化散射系數(shù)，以及它們的組合建立番茄成熟度的PLSDA模型，分析比較番茄各成熟階段的識別率。

1 實驗部分

1.1 材料

依據(jù)美國農(nóng)業(yè)部給出的番茄不同成熟度顏色標準，在美國密歇根州立大學(xué)的園藝研究與教學(xué)中心(Holt, Michigan, USA)采摘的600個“Sun Bright”番茄樣品通過視覺評估被分為六個成熟度等級，見圖1。按照表面顏色標準，每個成熟度等級分別有100個樣品，若按內(nèi)部顏色標準，Green, Breaker, Turning, Pink, Light red and Red六個成熟階段分別有88，84，123，102，94和109個樣品。

圖1 根據(jù)內(nèi)外部顏色確定的番茄不同成熟度Fig.1 Different maturity stages for tomatoes based on their internal and surface color

1.2 基于空間分辨光譜的光學(xué)特性參數(shù)提取

新型空間分辨光譜系統(tǒng)如圖2所示，具體描述詳見文獻[16]。光譜采集與光源設(shè)置與文獻[1]一致。由于光在組織中傳輸衰減，光源-檢測器距離超過12.5 mm的信號太弱，因此，靠近光源的9個空間分辨光譜(光源-檢測器距離1.5～12.5 mm)被用來分析和評估番茄的吸收和散射特性。受水分強吸收影響，1 300 nm之后的光譜區(qū)域信噪比較小，僅550～1 300 nm的光譜區(qū)域被用來分析和計算番茄的吸收和約化散射系數(shù)。光譜歸一化后，采用樣本校正曲線(詳見文獻[16])在波長區(qū)間550～1 300 nm對空間分辨光譜進行校正，得到600個番茄樣品校正后空間分辨反射率。

最后，根據(jù)漫射近似方程逆算法計算出吸收和約化散射系數(shù)，如圖3所示。空間分辨漫反射解析方程如下所示

圖2 空間分辨光譜系統(tǒng)(a)及其探頭(b)Fig.2 Schematic of the spatially-resolved spectroscopy system (a), and the flexible probe (b)

圖3 吸收和約化散射系數(shù)的計算流程Fig.3 Procedure of calculating μa and

1.3 建模方法

2 結(jié)果與討論

2.1 不同成熟度番茄的光學(xué)特性光譜

圖4顯示番茄六個成熟度的吸收和約化散射系數(shù)在550～1 300 nm光譜區(qū)間的平均光譜。由圖4(a)觀察到吸收系數(shù)光譜在番茄不同成熟度有著明顯的變化。隨著番茄成熟階段的遞進，葉綠素吸收峰(675 nm)逐漸衰減，而花青素和姜黃素吸收峰(560 nm)逐漸增加，這是由于隨著番茄由Green轉(zhuǎn)變成Red，葉綠素含量減少，而花青素開始增加[15]，從而出現(xiàn)了560和675 nm的吸收峰具有相反的趨勢。從吸收系數(shù)光譜圖還可以發(fā)現(xiàn)，在750 nm處有個微小的吸收峰，這是由于水分吸收引起的。在970和1 180 nm處有顯著的吸收峰，這是由水分和番茄組織中C—H，N—H和O—H吸收帶的組合產(chǎn)生的。

圖4 番茄不同成熟度的平均吸收(a)和約化散射(b)系數(shù)光譜

圖4(b)發(fā)現(xiàn)所有測試番茄的約化散射系數(shù)在550～1 300 nm光譜區(qū)域都隨著波長增加單調(diào)遞減。約化散射系數(shù)與樣品物理特性相關(guān)，如細胞結(jié)構(gòu)，顆粒尺寸和密度等。在番茄早期成熟階段(Green到Breaker再到Turning)，細胞壁解聚和纖維素降解會導(dǎo)致約化散射系數(shù)的降低。隨著番茄從Turning到Pink，再轉(zhuǎn)變到Light Red，最終到Red階段，可溶性果膠和纖維素會產(chǎn)生小分子，而使得番茄組織的小顆粒密度增加，從而扭轉(zhuǎn)了約化散射系數(shù)的變化趨勢，使得約化散射系數(shù)大幅增加[14]。

2.2 基于光學(xué)特性參數(shù)的番茄成熟度分類

表1 番茄成熟度測試集結(jié)果分析Table 1 The overall classification accuracies for tomato maturity in test set

表番茄六成熟度測試集分類結(jié)果Table 2 Classification accuracies for tomato of six maturity stages using in test set

表番茄三成熟度測試集分類結(jié)果Table 3 Classification accuracies for tomato of three maturity stages using in test set

3 結(jié) 論