基于近紅外技術(shù)和偏最小二乘判別法對衛(wèi)青蘿卜內(nèi)部品質(zhì)的快速判別

吳海清，張衛(wèi)華，甄潤英，閆 莉，何新益，高 享

（1.天津農(nóng)學院食品科學與生物工程學院，天津 300384；2.天津市農(nóng)副產(chǎn)品深加工技術(shù)工程中心，天津 300384；3.天津大美良田農(nóng)業(yè)科技有限公司，天津 301703）

天津衛(wèi)青蘿卜表皮翠綠、口感脆甜[1]，不但營養(yǎng)豐富還具有保健功效[2]，深受廣大消費者的青睞。研究表明，常吃蘿卜可以預防一些心腦血管疾病[3-6]。近年來，消費者對衛(wèi)青蘿卜的品質(zhì)要求越來越高，但傳統(tǒng)的品質(zhì)檢測方法操作步驟繁瑣、分析成本高[7]，且需破壞樣品結(jié)構(gòu)，無法滿足大批量檢測的需求。

目前，國內(nèi)外有關(guān)蘿卜的無損檢測技術(shù)主要有高光譜成像技術(shù)、超聲波技術(shù)、近紅外光譜技術(shù)等。很多檢測系統(tǒng)由于體積龐大、成本高、采集過程易受外界環(huán)境因素的影響，而且只能在實驗室進行分析，應用場所具有一定的局限性。近紅外光譜技術(shù)是利用物質(zhì)的光學特性來確定其成分含量的一種無損檢測技術(shù)[8-9]，具有無損、快速、多組分同時分析、易操作等優(yōu)點，在果蔬理化特性檢測中得到廣泛的應用[10]。Takizawa K等人[11]利用近紅外光譜技術(shù)來檢測蘿卜的黑心病和內(nèi)部缺陷。王艷萍[12]利用超聲波技術(shù)判別蘿卜糠心。胡鵬程等人[13]利用高光譜圖像技術(shù)檢測白蘿卜是否黑心、糠心。郭澤慧[14]用偏最小二乘回歸（PLS）結(jié)合一階導數(shù)（1st D）處理建立了預測蘿卜肉質(zhì)根中硫苷含量的定標方程，為蘿卜種質(zhì)資源的評價提供了新方法。楊宇等人[15]采用拉曼光譜技術(shù)和多元線性回歸法建立模型檢測β-胡蘿卜素。歐文娟等人[16]利用可見-近紅外反射光譜技術(shù)檢測胡蘿卜，結(jié)合主成分分析和線性判別分析鑒別樣本的準確率為100%，為胡蘿卜的快速檢測提供了一個可行的方法。目前，利用近紅外光譜技術(shù)檢測天津衛(wèi)青蘿卜品質(zhì)的研究報道相對較少。

可溶性固形物含量是衡量衛(wèi)青蘿卜成熟度的重要指標，而水分含量和糠心直接影響蘿卜的食用品質(zhì)和商品價值，因此試驗選取可溶性固形物、水分、糠心3個指標作為主要品質(zhì)指標。擬采用近紅外光譜技術(shù)結(jié)合偏最小二乘判別分析（PLS-DA）法對衛(wèi)青蘿卜可溶性固形物、水分、糠心3種品質(zhì)指標進行判別分析，以衛(wèi)青蘿卜作為試驗樣本，利用近紅外光譜儀進行光譜數(shù)據(jù)采集，采用隨機劃分確定校正集和預測集，根據(jù)校正集樣品光譜和可溶性固形物、水分、糠心3種分類變量分別建立PLS-DA判別模型，然后對預測集進行判別，據(jù)此評價試驗方法的效果，旨在為快速鑒別衛(wèi)青蘿卜品質(zhì)提供依據(jù)。

1 材料與方法

1.1 材料與儀器

1.1.1 材料

衛(wèi)青蘿卜，采集于天津武清區(qū)大良鎮(zhèn)田水鋪村。樣品質(zhì)量在750~1 000 g，長度15~20 cm，直徑8~12 cm，要求形態(tài)周正、大小均勻、表皮平整光滑、無損傷。

標記樣品采樣點：用記號筆在每個衛(wèi)青蘿卜樣品平整表面上標記2個采樣點，第一個采樣點離蘿卜頂端3 cm處，第二個采樣點在蘿卜縱軸中部（1/2）處，2個采樣點在一條豎直垂線上。

1.1.2 儀器設(shè)備

H100F型便攜式果實無損檢測儀，北京陽光億事達科技有限公司產(chǎn)品；PAL-1型數(shù)顯糖度儀，日本愛拓（ATAGO）科學儀器有限公司產(chǎn)品；DHG-9420A型電熱鼓風干燥箱，上海一恒科學儀器有限公司產(chǎn)品。

1.2 試驗方法

1.2.1 光譜采集

使用便攜式近紅外光譜檢測儀，采集波長700~950 nm處的光譜數(shù)據(jù)，測量前將衛(wèi)青蘿卜置于室溫下24 h（溫度20℃，濕度60%），消除溫度對試驗的影響。光譜儀中光源的透射方式采用漫反射，將儀器對準采樣點，緊貼蘿卜表面，采集光譜數(shù)據(jù)。每個樣品標記2個采樣點，每個采樣點平行采集3次數(shù)據(jù)。

1.2.2 水分含量測定

測定時儀器掃描的厚度為3 cm，因此將每個樣品從采樣點處切取3 cm厚度部分，充分細碎、混勻后取適量樣品，按照國家標準GB 5009.3—2016執(zhí)行，測定樣品中水分含量。

1.2.3 可溶性固形物含量測定

取采樣點處樣品并充分切碎后，取干凈紗布包裹擠出汁液，用糖度計測量可溶性固形物含量。每個樣品重復測定3次，取平均值。

1.2.4 衛(wèi)青蘿卜糠心的判定

將衛(wèi)青蘿卜樣品從采樣點處切開，觀察蘿卜內(nèi)部是否糠心，并做好記錄。

1.2.5 數(shù)據(jù)處理

采用Unscrambler v9.7(c)CAMO軟件進行數(shù)據(jù)處理，在軟件中用偏最小二乘判別分析（PLS-DA）方法，將光譜波形的特性、提取因子和固有值，各個波長的系數(shù)之和為每個樣本的值，作為X軸，然后將理化測量值作為Y軸，建立模型。試驗中采集的衛(wèi)青蘿卜樣本數(shù)據(jù)用于建立和驗證預測模型。

2 結(jié)果與分析

2.1 衛(wèi)青蘿卜的近紅外光譜

衛(wèi)青蘿卜樣品原始光譜見圖1，經(jīng)預處理后的衛(wèi)青蘿卜樣品光譜見圖2。

圖1 衛(wèi)青蘿卜樣品原始光譜

圖2 經(jīng)預處理后的青蘿卜樣品光譜

由圖1可知，不同樣本的平均光譜吸收特性總體趨勢相似性較高，表明樣品中所含成分相似。經(jīng)過MA處理后，可去除高頻噪聲，使光譜變得更加平滑，尤其是在波長700~750 nm，900~950 nm范圍內(nèi)，樣本的吸光度值范圍較寬，差異較大，這是因為各組分含量高低不同，導致吸收光譜強度不同[17]。因此，選取波長700~950 nm范圍的數(shù)據(jù)來建立模型。有助于提高模型準確度，能更準確地反映青蘿卜內(nèi)部品質(zhì)。

2.2 水分含量

衛(wèi)青蘿卜水分含量測定結(jié)果見表1。

表1 衛(wèi)青蘿卜水分含量測定結(jié)果

由表1可知，取60個青蘿卜樣本測定水分含量，水分含量最低為88.21%，最高為94.97%，平均值為92.02%，標準差為0.01。張素君等人[18]研究發(fā)現(xiàn)蘿卜的水分含量范圍為89.21%~94.58%，平均值為92.64%，標準差為1.39。相比較而言，試驗青蘿卜樣本的水分含量分布區(qū)間更大，平均值略低，標準差低，說明離散程度較高，能夠很好地代表樣本的特性。

2.3 可溶性固形物含量

青蘿卜可溶性固形物含量測定結(jié)果見表2。

表2 青蘿卜可溶性固形物含量測定結(jié)果

由表2可知，取60個青蘿卜樣本測定可溶性固形物含量，可溶性固形物含量最低為6.10°Brix，最高為9.50°Brix，平均值是7.61°Brix，標準差為0.69。李寧等人[19]研究發(fā)現(xiàn)沙窩蘿卜的可溶性固形物含量范圍為7.4~8.5。試驗青蘿卜樣本的可溶性固形物含量分布區(qū)間更寬，離散程度更高，說明樣本具有典型的代表性。

2.4 模型的驗證與評價

通過對校正組60個青蘿卜樣品的可溶性固形物和水分含量校正模型來預測18個檢驗組樣品的值，并以預測值和實測值的擬合程度來判斷建模效果。預測值和實測值越接近，擬合程度越高，模型的預測效果越好。

樣品可溶性固形物含量的真實值和預測值的效果圖見圖3，樣品水分含量的真實值和預測值的效果圖見圖4。

圖3 樣品可溶性固形物含量的真實值和預測值的效果圖

圖4 樣品水分含量的真實值和預測值的效果圖

由圖3和圖4可知，預測集中18個樣品的可溶性固形物和水分含量實測值和預測值的擬合程度均比較好，其中水分含量的實測值和預測值重合性更高，擬合度更好，可以實現(xiàn)預測評估的效果。用建立好的模型驗證18個青蘿卜的可溶性固形物和水分含量值，得到的真實值和預測值相關(guān)性較為理想。

預測集樣品可溶性固形物含量實測值和預測值的相關(guān)性見圖5，預測集樣品水分含量實測值和預測值的相關(guān)性見圖6。

圖5 預測集樣品可溶性固形物含量實測值和預測值的相關(guān)性

由圖5和圖6可知，樣品各點均勻分布在趨勢線附近，說明近紅外光譜的預測值和真實值基本一致。水分模型預測值和真實值的決定系數(shù)R2為0.874 0，可溶性固形物含量模型的決定系數(shù)R2為0.823 6。

圖6 預測集樣品水分含量實測值和預測值的相關(guān)性

青蘿卜樣品糠心結(jié)果見表3。

表3 青蘿卜樣品糠心結(jié)果

將隨機挑選的18個青蘿卜樣品作為預測集，來驗證糠心模型的預測效果，其準確率高達94.44%。胡鵬程等人[13]利用高光譜圖像技術(shù)對蘿卜糠心進行檢測，其準確率為94.3%，說明試驗所建立的糠心模型預測值和實測值相關(guān)性很高，可以作為判定衛(wèi)青蘿卜是否糠心的依據(jù)。

3 結(jié)論

采用Unscrambler v9.7(c)CAMO分析軟件中自帶偏最小二乘法對衛(wèi)青蘿卜可溶性固形物、水分和糠心原始光譜數(shù)據(jù)進行建模，得到了較為理想的模型和預測效果。試驗發(fā)現(xiàn)，青蘿卜可溶性固形物預測值和真實值的決定系數(shù)R2為0.823 6，水分含量預測值和真實值的決定系數(shù)R2為0.874 0，糠心模型準確率高達94.44%。由此可見，該近紅外光譜檢測儀可以實現(xiàn)衛(wèi)青蘿卜內(nèi)部品質(zhì)參數(shù)的快速無損預測，特別是水分含量、是否糠心的預測效果較好，但是可溶性固形物的預測效果稍差些，下一步研究中需要進一步優(yōu)化完善。