近紅外光譜法量化檢測(cè)辣椒成熟度

黃正午， 秦 丹， 張竹青， 趙絢花， 歐立軍， 張志旭

（1.湖南農(nóng)業(yè)大學(xué)a.食品科學(xué)技術(shù)學(xué)院；b.園藝學(xué)院；c.園藝作物種質(zhì)創(chuàng)新與新品種選育教育部工程研究中心，長(zhǎng)沙 410128；2.湖南省蔬菜研究所，長(zhǎng)沙 410105）

0 引 言

辣椒屬茄科辣椒屬常異花授粉作物，原產(chǎn)于中南美洲熱帶地區(qū)，在我國(guó)大部分地區(qū)為一年生草本植物［1］，是茄果類重要蔬菜之一［2］。作為世界上種植面積最大的蔬菜作物之一，辣椒在我國(guó)種植面積約占世界種植總面積的40%［3］，我國(guó)也是世界第一大辣椒生產(chǎn)國(guó)與消費(fèi)國(guó)。因?yàn)槔苯贩N類繁多，抗病蟲(chóng)力強(qiáng)、播種面積大、經(jīng)濟(jì)效益高［4］，辣椒已經(jīng)成為我國(guó)蔬菜產(chǎn)業(yè)中的第一大產(chǎn)業(yè)［5］。

辣椒成熟度是辣椒的重要指標(biāo)之一，在辣椒的采收、加工、儲(chǔ)藏、育種等過(guò)程中，準(zhǔn)確檢測(cè)辣椒成熟度是保證其各環(huán)節(jié)質(zhì)量的重要步驟［6-7］。目前對(duì)于辣椒成熟度的檢測(cè)尚不成熟，僅依靠人工判定辣椒成熟度，無(wú)法準(zhǔn)確量化檢測(cè)辣椒成熟度，耗時(shí)耗力也無(wú)法得到準(zhǔn)確的結(jié)果。近年來(lái)，隨著近紅外技術(shù)的快速發(fā)展，其憑借著無(wú)損、快速、準(zhǔn)確、操作方便等優(yōu)點(diǎn)在食品領(lǐng)域已經(jīng)得到廣泛應(yīng)用［8］。與辣椒相關(guān)的近紅外檢測(cè)報(bào)道相對(duì)較多，其中包括應(yīng)用近紅外技術(shù)快速無(wú)損檢測(cè)辣椒素、維生素C、纖維素等辣椒果實(shí)品質(zhì)性狀［9］，但是對(duì)辣椒成熟度的檢測(cè)鮮有報(bào)道。其中辣椒成熟度與其蛋白質(zhì)含量［10］、維生素C 和辣椒素［11-13］呈顯著正相關(guān)。

本文通過(guò)研究辣椒中的辣椒素、蛋白質(zhì)、維生素C、纖維素、總酸5 種組分，從中選取一種與辣椒成熟度相關(guān)性最高的組分建立近紅外光譜模型。通過(guò)對(duì)5種組分近紅外模型的相關(guān)性研究，來(lái)分析量化檢測(cè)辣椒成熟度的可行性，同時(shí)探究不同辣椒品種對(duì)近紅外模型準(zhǔn)確度的影響。

1 材料與方法

1.1 試驗(yàn)樣品

采集于2021 年7 月長(zhǎng)沙縣某辣椒基地生產(chǎn)的辣椒。辣椒品種包括11 種線椒，9 種朝天椒，其他品種辣椒14 種，共計(jì)34 個(gè)辣椒品種。

1.2 儀器與設(shè)備

AntarisⅡ傅里葉變換型近紅外光譜儀，掃描范圍3 800 ～12 000／cm，分辨率8／cm。

1.3 光譜數(shù)據(jù)采集

將打碎的辣椒裝入50 mL 離心管中，從管中取出辣椒裝入儀器樣本池，近紅外掃描一次后清理樣本池，重復(fù)操作，采集34 個(gè)辣椒品種的光譜。

1.4 測(cè)定辣椒組分含量

辣椒的5 種組分測(cè)定方法：①辣椒素依據(jù)GB／T21266—2007 對(duì)辣椒素的測(cè)定方法進(jìn)行改進(jìn)；②蛋白質(zhì)依據(jù)GB5009.5—2016 中第一法凱氏定氮法測(cè)定；③維生素C參考GB5009.86—2016 中第三法，6-二氯靛酚滴定法測(cè)定維生素C 含量或試劑盒；④纖維素參照GB5009.88—2014 食品中膳食纖維的測(cè)定；⑤總酸參照GB5009.235—2021 中的第二法pH 電位滴定法測(cè)得。

1.5 NIR模型的建立

使用賽默飛世爾的RESULT-Operation 分析軟件，采用偏最小二乘法（Partial Least Squares，PLS）和主成分線性回歸方法（Principal Component Regression，PCR）建模，剔除異常數(shù)據(jù)，使用優(yōu)化功能對(duì)光譜范圍、光譜預(yù)處理方法、平滑度等參數(shù)進(jìn)行最優(yōu)化選擇，將34 個(gè)辣椒品種組分的實(shí)際值與其近紅外光譜聯(lián)系比較，從而建立近紅外反射率（Near Infrared Reflectance，NIR）模型，并以NIR模型的相關(guān)系數(shù)和均方根誤差為評(píng)價(jià)指標(biāo)。

1.6 辣椒品種分類分析

不同辣椒品種間有較大的組分差異，為探究不同辣椒品種對(duì)模型的影響，建模后將34 個(gè)品種的辣椒分成線椒（11 種）、朝天椒（9 種）和其他品種辣椒（14種）分為3 個(gè)類別，分別研究辣椒品種差異對(duì)近紅外模型相關(guān)性的具體影響。

2 結(jié)果與分析

2.1 NIR模型的分析

經(jīng)紅外光譜測(cè)試并采用PLS 和PCR 2 種方法計(jì)算結(jié)果，如圖1 所示。由圖1 可知，PCR建立的模型優(yōu)于PLS建立的模型，其中蛋白質(zhì)含量近紅外模型的相關(guān)系數(shù)r＝0.902 8，校正標(biāo)準(zhǔn)偏差（校正集的預(yù)測(cè)均方差）RMSEC ＝0.137，當(dāng)r的絕對(duì)值在0.8 以上時(shí)認(rèn)為二者有強(qiáng)相關(guān)性，且RMSEC越小說(shuō)明模型預(yù)測(cè)性越強(qiáng)。綜合比較，此模型的擬合效果最優(yōu)，預(yù)測(cè)性和準(zhǔn)確度均高于其他4 種模型，為辣椒成熟度的量化檢測(cè)提供一種途徑。

圖1 5種辣椒組分的紅外測(cè)試PLS和PCR模型

2.2 辣椒模型的分類分析

將分類后的辣椒品種建模數(shù)據(jù)與辣椒品種總體建模數(shù)據(jù)進(jìn)行對(duì)比分析。如表1 和表2 所示。

表1 34 個(gè)辣椒品種分類建模表

表2 34 個(gè)辣椒品種總體建模表

將表1 與表2 對(duì)比可知，對(duì)辣椒進(jìn)行分類建模后，模型的相關(guān)性相較于34 個(gè)辣椒品種建模的模型顯著增加，RMSEC也明顯下降，結(jié)果表明對(duì)同一品種辣椒建?？梢愿鼫?zhǔn)確地量化檢測(cè)該品種辣椒的成熟度。

3 結(jié) 語(yǔ)

本文對(duì)34 個(gè)辣椒品種中的5 種辣椒組分進(jìn)行了近紅外分析實(shí)驗(yàn)，結(jié)果表明最優(yōu)的為蛋白質(zhì)含量近紅外模型，蛋白質(zhì)含量的近紅外模型r＝0.902 8，與辣椒成熟度呈高度相關(guān)，RMSEC ＝0.137 低于0.2，預(yù)測(cè)性較好，可用于日常生產(chǎn)中辣椒成熟度的量化檢測(cè)。同一品種辣椒模型的相關(guān)性明顯高于多品種辣椒模型，對(duì)同一品種辣椒建模能更準(zhǔn)確地量化檢測(cè)該品種辣椒的成熟度。研究也發(fā)現(xiàn)增加樣品數(shù)量可以提高模型的穩(wěn)定性和準(zhǔn)確性，后續(xù)研究將收集更多的樣品建立品質(zhì)分析數(shù)據(jù)庫(kù)，進(jìn)一步完善辣椒近紅外檢測(cè)模型，為辣椒成熟度的量化檢測(cè)提供一條準(zhǔn)確可靠、便捷、經(jīng)濟(jì)的分析途徑。