可見/近紅外漫反射光譜無損檢測甜柿果實硬度*

王丹，魯曉翔，張鵬，李江闊

1(天津商業(yè)大學(xué)生物技術(shù)與食品科學(xué)學(xué)院，天津市食品生物技術(shù)重點實驗室，天津，300134)

2(國家農(nóng)產(chǎn)品保鮮工程技術(shù)研究中心，天津市農(nóng)產(chǎn)品采后生理與貯藏保鮮重點實驗室，天津，300384)

甜柿營養(yǎng)價值豐富、風(fēng)味獨特、甜脆爽口。甜柿的硬度是衡量其品質(zhì)及耐貯性的重要指標(biāo)，通常用來確定果實的成熟度和采摘時間，并為制定柿子的貯藏、保鮮、包裝和運輸?shù)确桨柑峁┲匾罁?jù)［2］。傳統(tǒng)檢測甜柿硬度的方法是采用果實硬度計或以手捏的方式感知果實硬度情況，分別存在有損傷和判斷粗糙的缺點［3］。因此，建立一種快速無損的甜柿硬度檢測技術(shù)迫在眉睫。

近年來，隨著計算機(jī)和化學(xué)計量學(xué)的發(fā)展，近紅外光譜(Near Infrared spectroscopy，NIRS)分析技術(shù)得到了快速發(fā)展，該技術(shù)用于水果品質(zhì)無損檢測因具有快速、無損、簡便等優(yōu)點而得到廣泛應(yīng)用［4－8］。其中，NIRS 分析技術(shù)在果實硬度檢測方面也獲得重要進(jìn)展，Ana M. Cavaco 等［9］通過NIRS 漫反射建立了梨的硬度模型，并用來預(yù)測不同成熟度梨的貨架期;Park等［10］通過NIRS 漫反射檢測蘋果的硬度，并據(jù)此進(jìn)行蘋果分級。但應(yīng)用NIRS 技術(shù)進(jìn)行柿子的無損檢測的研究較少［11－12］，甜柿硬度無損檢測的報道更是鮮見。因此，研究近紅外漫反射光譜無損檢測甜柿果實硬度具有重要的意義。

為了實現(xiàn)甜柿的近紅外無損檢測，建立性能穩(wěn)定的甜柿硬度近紅外光譜模型，本研究以“陽豐”甜柿為試驗材料，測定甜柿的近紅外漫反射光譜，建立光譜與硬度的對應(yīng)模型，為今后快速無損檢測甜柿硬度提供技術(shù)依據(jù)和方法。

1 材料與方法

1.1 實驗材料

原料:甜柿 于2012 年10 月16 日采自北京平谷縣，采收時挑選成熟度(約為八成熟)一致、無病蟲害和機(jī)械損傷的果實，采收當(dāng)天將果實運至國家農(nóng)產(chǎn)品保鮮工程技術(shù)研究中心實驗室(可控溫度為20 ～25℃)，進(jìn)行不同的處理，將一部分柿子立即置于含1-甲基環(huán)丙烯(1-MCP)氣體濃度為1.0 μL/L 的密閉塑料帳內(nèi)，于常溫下處理18 h 后，用微孔袋(厚度0.02 mm)包裝，以未做處理的柿子作為對照組。甜柿子均常溫貯藏(溫度20 ～25℃)。

測定前，將果實擦干凈，排序標(biāo)記后進(jìn)行掃描。實驗共抽取230 個果實，隨機(jī)分為定標(biāo)集和驗證集，樣品數(shù)分別為170 個和60 個。

1.2 光譜的采集

試驗使用NIRS DS2500 近紅外漫反射光譜儀(丹麥Foss 公司)，采用全息光柵分光系統(tǒng)，硅(400 ～1 100 nm)和硫化鉛(1 100 ～2 500 nm)檢測器用于信號采集，掃描波長范圍是400 ～2 500 nm，掃描方式為單波長、快速掃描，掃描次數(shù)為32 次。配置Nova 分析軟件和WinISI4 定標(biāo)軟件，測量時避開表面缺陷部位(如傷疤、污點等)，在柿果赤道線上陰陽面各取一點放在Slurry Cup 上進(jìn)行光譜掃描。

1.3 硬度指標(biāo)的測定

用果實標(biāo)記的掃描點測定硬度。果實硬度采用英國產(chǎn)TA. XT. plus 物性測定儀測定，測試參數(shù)為:P/2 柱頭(2 mm?)，測試模式為穿刺模式，測試速度為2.0 mm/s，測后速度為2.0 mm/s，測試距離為10.0 mm，觸發(fā)力是5.0 g。

所得力/時間曲線如圖1 所示，以曲線第一峰(錨2)的力值作為果皮破裂時的力，即果皮強(qiáng)度(kg)，第一峰的力值與運行距離的比值為果皮脆性(kg/s)，第一峰0.5s 后(錨3)與最大峰(錨4)之間的平均力值為果肉平均硬度(kg)。

圖1 甜柿硬度穿刺試驗分析曲線Fig.1 Analysis curve for hardness puncture test of the sweet persimmon

1.4 模型的建立與驗證

利用WinISI4 軟件，對原始光譜進(jìn)行濾波和平滑處理，以去除噪聲和提取有效信息，采用不同預(yù)處理確定柿子硬度無損預(yù)測模型，然后再用未參與定標(biāo)的樣品對模型進(jìn)行驗證，評價模型的可行性。本研究中，評價所建立的定標(biāo)模型用交互驗證相關(guān)系數(shù)(RCV)和交互驗證誤差(SECV)作為評價指標(biāo)。預(yù)測模型的質(zhì)量通過預(yù)測標(biāo)準(zhǔn)誤差(SEP)、預(yù)測值與化學(xué)值相關(guān)系數(shù)(RP2)和相對分析誤差(RPD)定量評價。當(dāng)RPD 在2 ～2.5 之間，可進(jìn)行粗略的定量分析，大于2.5 或3.0 以上具有較好或很好的預(yù)測效果。

2 結(jié)果與分析

2.1 樣品硬度標(biāo)準(zhǔn)值分布情況

甜柿硬度的測定采用質(zhì)構(gòu)儀質(zhì)地整果穿刺法(puncture test)，這個方法能夠較好地反映整個果實的流變學(xué)特征，可同時獲得果皮強(qiáng)度、果皮脆性、果肉平均硬度等多項指標(biāo)，而且數(shù)據(jù)精確，克服了傳統(tǒng)檢測方法的缺點，使得硬度評價的內(nèi)容更加豐富與客觀。

本實驗預(yù)測模型定標(biāo)集和驗證集的平均值、變幅范圍和標(biāo)準(zhǔn)偏差見表1。實驗中，樣品的測定是從采摘當(dāng)天到常溫貯藏56d，甜柿果實硬度逐漸變軟，所以每個參數(shù)真實值的分布范圍比較廣，代表性強(qiáng)，并且樣品驗證集的含量范圍都在定標(biāo)集范圍內(nèi)。因此，本實驗樣品可以用于建立甜柿硬度近紅外模型。

表1 定標(biāo)集和驗證集樣品的分布特征Tab.1 Characteristics of calibration and prediction

2.2 甜柿果實近紅外掃描原始光譜

表2 展示的是甜柿貯藏49d 時，不同處理的參數(shù)指標(biāo)，可見經(jīng)過1-MCP 處理的果皮強(qiáng)度、果皮脆性和果肉平均硬度都大于對照組。這是因為經(jīng)過1-MCP處理能不可逆地作用于乙烯受體，從而阻斷與乙烯的正常結(jié)合，抑制其所誘導(dǎo)的與果實后熟相關(guān)的一系列生理生化反應(yīng)，達(dá)到了保脆的效果，與對照組果實的硬度產(chǎn)生了差異。

經(jīng)1-MCP 處理和未經(jīng)處理的對照組全波長范圍內(nèi)(400 ～2 500 nm)的近紅外原始光譜圖如圖2 所示。從圖中可知，兩條光譜在波長677、978、1186 和1454 nm 的吸收峰處有明顯差異。通過WinISI4 軟件分析可知，在第一個吸收峰677 nm 處的差異，主要是因為果實紅色含量的不同;而在978 nm 和1186 nm處的吸收峰主要是水分引起的，這說明水分含量對甜柿的近紅外光譜影響很大;1 454 nm 處吸收峰附近主要是C—H、—CH2鍵的變化，是因為柿子中的可溶性固形物、果膠和蛋白質(zhì)等物質(zhì)的含量隨著硬度的降低而降低，可溶性果膠則升高，它們的特征官能團(tuán)就是C—H、—CH2等，這說明近紅外光譜圖捕獲的信息與甜柿內(nèi)在品質(zhì)之間存在著一定的變化規(guī)律。因此，本研究用可見/近紅外漫反射光譜無損檢測甜柿的硬度，分別建立果皮強(qiáng)度、果皮脆性和果肉平均硬度的預(yù)測模型。

圖2 甜柿貯藏49d 不同處理的原始吸收光譜圖Fig.2 Original absorption spectrogram for different treatment of the sweet persimmon in 49 days

表2 甜柿貯藏49d 不同處理的參數(shù)指標(biāo)Table 2 Parameter index for different treatment of sweet persimmon in 49 days

2.3 不同光譜預(yù)處理方法的選擇

采用改進(jìn)最小偏二乘法(MPLS)，分別研究不同導(dǎo)數(shù)處理方法與不同散射和標(biāo)準(zhǔn)化方法相結(jié)合的處理模型的方法，從而找到最優(yōu)的模型。在全光譜范圍內(nèi)比較了原始光譜(Log(1/R))、一階微分光譜(D1 Log (1/R))、二階微分光譜(D2 Log (1/R))和去散射處理(Detrend)、標(biāo)準(zhǔn)正常化處理(SNV)、SNV 和Detrend、標(biāo)準(zhǔn)多元離散校正(SMSC)、加權(quán)多元離散校正(WMSC)、反相多元離散校正(IMSC)、定標(biāo)和偏移處理(scale and offset)、規(guī)?；投翁幚?scale and quadratic)相結(jié)合的方法建立的模型。

用不同光譜預(yù)處理方法建模的結(jié)果如表3 所示。

表3 不同預(yù)處理的定標(biāo)結(jié)果Table 3 Statistical results of models constructed by different pretreatment

結(jié)果表明，對于果皮強(qiáng)度和果皮脆性，采用MPLS、D1 Log (1/R)、SMSC 處理建立的定標(biāo)模型較好，交互驗證相關(guān)系數(shù)(RCV)分別為0.929 2 和0.939 9，交互驗證誤差(SECV)分別為0.093 3 和0.154 5;對于果肉平均硬度，采用MPLS、D1 Log (1/R)、SNV and Detrend 建立的定標(biāo)模型質(zhì)量最佳，RCV為0.908，SECV 為0.063。

2.4 硬度分析模型預(yù)測評價

為了預(yù)測定標(biāo)模型的可靠性和準(zhǔn)確性，用建立好的最優(yōu)定標(biāo)模型對60 個未知果實的果皮強(qiáng)度、果皮脆性、果肉平均硬度進(jìn)行預(yù)測分析。結(jié)果如圖3、圖4、圖5 所示。預(yù)測結(jié)果表明，果皮強(qiáng)度的預(yù)測標(biāo)準(zhǔn)誤差(SEP)為0.094，預(yù)測相關(guān)系數(shù)為0.858，相對分析誤差(RPD)為2.47;果皮脆性的SEP 為0.157，RP2 為0.863，RPD 為2.63;果肉平均硬度的SEP 為0.063，RP2 為0.82，RPD 為2.35?？梢姡ご嘈灶A(yù)測的效果較好，可以進(jìn)行很好的預(yù)測。果皮硬度和果肉平均硬度只能進(jìn)行粗略的定量分析，模型有待進(jìn)一步的完善。因此，可見/近紅外漫反射對甜柿果實硬度的快速無損檢測具有可行性。

3 結(jié)論

圖3 果皮強(qiáng)度實測值與預(yù)測值的相關(guān)性Fig.3 Correlation between predicted values of model optimized and actual values of peel strength

圖4 果皮脆性實測值與預(yù)測值的相關(guān)性Fig.4 Correlation between predicted values of model optimized and actual values of peel brittle

圖5 果肉平均硬度實測值與預(yù)測值的相關(guān)性Fig.5 Correlation between predicted values of model optimized and actual values of average hardness by the flesh

硬度是反映果實成熟度的一個重要指標(biāo)，也是檢測果品品質(zhì)好壞的依據(jù)。曾一凡等［13］應(yīng)用可見/近紅外光譜技術(shù)無損檢測梨的硬度，認(rèn)為可見/近紅外光譜技術(shù)無損檢測梨果實硬度是可行的。通常水果硬度的評價方式是采用果肉硬度［14］，而本研究采用果皮脆性、果皮強(qiáng)度和果肉平均硬度代表果實硬度的變化。實驗結(jié)果表明，本研究提出的評價方式能夠反映出果皮和果肉的質(zhì)地品質(zhì)，豐富了柿果硬度的評價內(nèi)容，能夠更直觀的反映出口感的指標(biāo)。

本研究應(yīng)用偏最小二乘法對不同預(yù)處理的漫反射光譜建立了甜柿硬度的定量模型。試驗結(jié)果表明:對于果皮強(qiáng)度和果皮脆性，采用最小偏二乘回歸算法、一階導(dǎo)數(shù)處理和標(biāo)準(zhǔn)多元離散校正處理建立的定標(biāo)模型最好，RCV分別為0.929 2 和0.939 9，SECV 分別為0.093 3 和0.154 5，RP2 分別為0.858 和0.862，SEP 分別為0.094 和0.157，RPD 分別為2.47 和2.63。對于果肉平均硬度，采用改進(jìn)偏最小二乘回歸算法、一階導(dǎo)數(shù)處理和標(biāo)準(zhǔn)正?；腿ド⑸涮幚斫⒌亩?biāo)模型最好，RCV為0.908，SECV 為0.063，為0.82，SEP 為0.063，RPD 為2.35?？梢?，果皮脆性預(yù)測模型的RPD 達(dá)到2.63，可以很好的進(jìn)行定量分析。綜上所述，利用可見/近紅外漫反射光譜無損檢測甜柿果實硬度具有可行性，其中果皮脆性的模型最優(yōu)。

［1］ 張繼澍，葛秀榮，黃森，等. 柿樹資源的開發(fā)利用研究［J］． 糧油加工與食品機(jī)械，2002(10):12 －15.

［2］ 張鵬，李江闊，孟憲軍，等. 可見/近紅外光譜漫反射無損檢測磨盤柿果實硬度的研究［J］． 食品工業(yè)科技，2011(07):423 －425.

［3］ 劉卉，郭文川，岳絨. 獼猴桃硬度近紅外漫反射光譜無損檢測［J］． 農(nóng)業(yè)機(jī)械學(xué)報，2011(3):146 －149.

［4］ 蔡宋宋，王寶剛，李文生，等. 杏貯藏期間可溶性固形物和硬度的近紅外光譜檢測［J］． 光譜實驗室，2010，27(3):1186 －1189.

［5］ Nicolai B M，Beullens T，Bobelyn E，et al. Nondestructive measurement of fruit and vegetable quality by means of NIR Spectroscopy:a Review［J］． Postharvest Biology and Technology，2007，46(2):99 －118.

［6］ Huirong Xu，Bing Qi，Tong Sun，et al. Variable selection in visible and near-infrared spectra:application to on－line determination of sugar content in pears［J］． Journal of Food Engineering，2012，109(1):142 －147.

［7］ Dolores Pérez Marína，María Teresa Sánchezb，Patricia Paz，et al． Postharvest shelf－life discrimination of nectarines produced under different irrigation strategies using NIR－spectroscopy［J］． LWT－Food Science and Technology，2011，44(6):1405 －1414.

［8］ Weiqi Luo，Shuangyan Huan，Haiyan Fu，et al. Preliminary study on the application of near infrared spectroscopy and pattern recognition methods to classify different types of apple samples［J］． Food Chemistry，2011，128(2):555－561.

［9］ Ana M Cavaco，Pedro Pinto，Dulce Antunes M，et al.‘Rocha’pear firmness predicted by a Vis/NIR segmented model［J］． Postharvest Biology and Technology，2009，51(3):311 －319.

［10］ 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，2009，40(1):120 －123.

［11］ Mowat A D，Holmes G.The ability for fourier transform infrared spectroscopy to classify persimmon genotypes by epicuticular leaf waxes［J］． Acta Hort(ISHS)，2003，(601):65 －69.

［12］ 張淑娟，張海紅，王鳳花，等. 柿子可溶性固形物含量的可見-近紅外光譜檢測［J］． 農(nóng)業(yè)工程學(xué)報，2009，25(增刊2):345 －347.

［13］ 曾一凡，劉春生，孫旭東，等. 可見/近紅外光譜技術(shù)無損檢測果實堅實度的研究［J］． 農(nóng)業(yè)工程學(xué)報，2008，24(5):250 －252.

［14］ 呂強(qiáng)，湯明杰，趙杰文，等. 近紅外光譜預(yù)測獼猴桃硬度模型的簡化研究［J］． 光譜學(xué)與光譜分析，2009，29(7):1768 －1771.