近紅外光譜對(duì)甜椒果實(shí)質(zhì)地的無損檢測(cè)*

潘冰燕，魯曉翔，張鵬，李江闊，陳紹慧

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(diǎn)實(shí)驗(yàn)室，天津，300134)

2(國(guó)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(diǎn)實(shí)驗(yàn)室，天津，300384)

甜椒(Capsicum annuum L.)，俗稱燈籠椒，原產(chǎn)于墨西哥和中美洲一帶。與普通大椒相比，它含有較高營(yíng)養(yǎng)物質(zhì)［1-2］，如糖和VC。在物流過程中，甜椒對(duì)水分的要求嚴(yán)格，且易受冷害、機(jī)械傷害和病菌侵染［3］，而易造成較大的損耗。質(zhì)地是果實(shí)成熟和果實(shí)品質(zhì)的重要指標(biāo)，影響到果實(shí)采前采后處理方法、貨架期的長(zhǎng)短、風(fēng)味及其口感等。測(cè)定甜椒果實(shí)常用質(zhì)構(gòu)儀進(jìn)行質(zhì)地多面分析(TPA)，該法測(cè)定實(shí)驗(yàn)結(jié)果雖然精度較高，但是操作復(fù)雜，耗時(shí)長(zhǎng)，須對(duì)甜椒進(jìn)行破損才能測(cè)定，因此急需研究出一種方便快捷、無損的測(cè)定方法，實(shí)現(xiàn)對(duì)甜椒果實(shí)質(zhì)地在線監(jiān)控。

近紅外光譜分析具有快速、無損、多組分同時(shí)測(cè)定等優(yōu)點(diǎn)，受到國(guó)內(nèi)外分析界的重視［4-5］。就辣椒而言，Lim等［6］利用近紅外光譜建立韓國(guó)辣椒的辣椒素檢測(cè)模型，結(jié)果表明，預(yù)測(cè)集的相關(guān)系數(shù)(RP)、標(biāo)準(zhǔn)差(SEP)分別為 0.958 5、10.147 mg/100g;Sánchez等［7］利用近紅外檢測(cè)辣椒農(nóng)藥殘留量，結(jié)果表明，偏最小二乘-判別分析存在/不存在的農(nóng)藥的樣品正確分類為62% ～68%;Penchaiya等［8］用近紅外光譜無損檢測(cè)甜椒的硬度和可溶性固形物含量，結(jié)果表明，模型的硬度和SSC的SEP值分別為4.49 N、0.7%，近紅外對(duì)甜椒SSC和硬度無損檢測(cè)效果均較好;李沿飛等［9］利用NIRS對(duì)干辣椒的辣度進(jìn)行檢測(cè)，結(jié)果表明，辣椒的辣度 PLS評(píng)價(jià)模型的 RCV、RP分別為0.987 1、0.910 4，SECV、SEP 分別為 2 445、3 976;劉燕德等［10］利用近紅外光譜技術(shù)實(shí)現(xiàn)了鮮辣椒中可溶性固形物(SSC)和VC含量的快速無損檢測(cè)，結(jié)果表明，對(duì)鮮辣椒中 SSC和 VC含量預(yù)測(cè)集 RP分別為0.971、0.899。本文通過近紅外光譜對(duì)常溫貨架期的甜椒果實(shí)質(zhì)地進(jìn)行測(cè)定。

1 材料與方法

1.1 實(shí)驗(yàn)材料

原料:甜椒于2014年12月23日采于山東壽光蔬菜基地，采后直接運(yùn)回實(shí)驗(yàn)室，待甜椒的溫度與室溫一致時(shí)，挑選出成熟度一致(八成熟、黃色)、大小均勻、無病蟲害和無機(jī)械損傷帶梗的甜椒樣品，并用厚度為16 μm的PE袋包裝、扎口，每袋裝20個(gè)，置于18～20℃存放，進(jìn)行常溫貨架實(shí)驗(yàn)。

分別在貨架期1，3，5，7天進(jìn)行光譜測(cè)定，每次隨機(jī)抽取35個(gè)甜椒樣品，光譜測(cè)定后再進(jìn)行果肉質(zhì)地的測(cè)定。測(cè)定前將甜椒表面擦拭干凈，選取表面較平的部位，并對(duì)其進(jìn)行標(biāo)記和排序編號(hào)，之后在標(biāo)記的點(diǎn)進(jìn)行全光譜掃描。剔除異常數(shù)據(jù)之后，試驗(yàn)共抽取120個(gè)數(shù)據(jù)，其中定標(biāo)集90個(gè)和驗(yàn)證集30個(gè)。

1.2 光譜采集

NIRS DS2500近紅外光譜儀，丹麥Foss公司。采用全息光柵分光系統(tǒng)，測(cè)量方式為漫反射，檢測(cè)器由金屬硅(400～1 100 nm)和硫化鉛(1 100～2 500 nm)組成，掃描波長(zhǎng)范圍為400～2 500 nm，掃描方式為單波長(zhǎng)，掃描次數(shù)為32次，配置Nova分析軟件和WinISI4定標(biāo)軟件。

1.3 甜椒果實(shí)質(zhì)地的測(cè)定

［11-13］的方法結(jié)合預(yù)實(shí)驗(yàn)略有改動(dòng)。在果實(shí)光譜掃描點(diǎn)附近取樣，切成大小一致(1 cm2左右)的正方形小塊、厚度均勻的椒片作為測(cè)試對(duì)象，表皮朝上平放在測(cè)試臺(tái)中央，利用英國(guó)產(chǎn)TA.XT.plus物性測(cè)定儀P/75探頭做質(zhì)構(gòu)儀質(zhì)地多面分析(TPA)實(shí)驗(yàn)。測(cè)試參數(shù)為:測(cè)前速度為5.00 mm/s測(cè)試速度為2.00 mm/s，測(cè)后速度為2.00 mm/s，甜椒果肉受壓變形25%，2次壓縮停頓時(shí)間為5.00 s，觸發(fā)力是5.00 g。由質(zhì)地特征曲線得到評(píng)價(jià)甜椒果肉狀況的質(zhì)地參數(shù):彈性、回復(fù)性和凝聚性。甜椒果肉TPA試驗(yàn)?zāi)Ｊ胶偷湫唾|(zhì)地特征曲線如圖1所示。

圖1 甜椒TPA試驗(yàn)?zāi)Ｊ綀D及特征曲線Fig.1 Sweet pepper texture profile analysis test mode figure and characteristic curves

TPA參數(shù)定義［14］如下:彈性是指甜椒果肉經(jīng)第一次壓縮變形后，在去除變形力的條件下所能恢復(fù)的程度，反映在質(zhì)地特征曲線上為=ΔT/T1;回復(fù)性是指果肉在受到外界壓力作用時(shí)回彈的能力，即第一次壓縮至峰值后返回時(shí)果肉所釋放的彈性能與壓縮時(shí)探頭耗能之比，反映在質(zhì)地特征曲線上為A4/A5;凝聚性是指咀嚼果肉時(shí)，果肉抵抗牙齒咀嚼破壞而表現(xiàn)出的內(nèi)部結(jié)合力，反映了細(xì)胞間結(jié)合力的大小，使果實(shí)保持完整的性質(zhì)，反映在質(zhì)地參數(shù)特征曲線上為A2/A1。(其中A1:第一次壓縮所得的峰面積;A2:第二次壓縮所得的峰面積;A4:第一次壓縮至峰值所得的面積;A5:A1-A4;T1:第一次壓縮達(dá)峰值時(shí)所經(jīng)歷的時(shí)間;ΔT(ΔT=T3-T2):第二次壓縮達(dá)峰值時(shí)所經(jīng)歷的時(shí)間。)

1.4 模型的建立與驗(yàn)證

利用WinISI4軟件，對(duì)原始光譜進(jìn)行濾波和平滑處理，以去除噪聲，并提取有效信息，采用不同預(yù)處理確定甜椒果肉彈性、回復(fù)性以及凝聚性無損預(yù)測(cè)模型;然后，再用未參與定標(biāo)的樣品對(duì)模型進(jìn)行驗(yàn)證，評(píng)價(jià)模型的準(zhǔn)確性。為了模型的實(shí)用性，果肉彈性、回復(fù)性以及凝聚性的最小值以及最大值被選入定標(biāo)樣品集中。以定標(biāo)集相關(guān)系數(shù)RCV和交叉驗(yàn)證誤差SECV，預(yù)測(cè)集相關(guān)系數(shù)RP、誤差SEP和殘差的大小及總和作為模型的評(píng)價(jià)標(biāo)準(zhǔn)。通常，所建立模型的RCV和RP越大，SECV、SEP和殘差越小，模型的效果越好［15］。本實(shí)驗(yàn)?zāi)Ｐ投?biāo)集和驗(yàn)證集樣品的分布特征如表1所示。

表1 甜椒樣本定標(biāo)集和預(yù)測(cè)集果實(shí)質(zhì)地實(shí)測(cè)值分析Table 1 Analysis results of fruit texture from calibration and prediction sets for sweet peppers samples

2 結(jié)果與分析

2.1 常規(guī)分析基本參數(shù)

將甜椒果實(shí)置于NIRS DS2500近紅外漫反射光譜儀上進(jìn)行掃描，分析時(shí)間為1 min，可以得到甜椒果實(shí)的近紅外原始光譜，結(jié)果見圖2。

圖2 甜椒近紅外原始光譜圖Fig.2 Original absorption spectrum of the same sweet pepper sample

圖2是隨機(jī)選擇的3條甜椒原始光譜圖，由圖2可以看出，不同甜椒的原始光譜圖存在差別，而且其近紅外光譜吸收帶在506、978、1 190、1 450 nm處有強(qiáng)吸收峰，在可見光區(qū)出現(xiàn)的第一個(gè)強(qiáng)吸收峰(506 nm)，有研究［16］指出是由果皮的葉綠素引起的;而在978 nm和1 190 nm處的吸收峰主要是水分引起的［17］，因此，水分含量對(duì)甜椒的近紅外光譜吸收影響很大;1 450 nm處吸收峰附近主要是由于C—H、—CH2鍵的變化引起，是因?yàn)樘鸾分械腟SC和可溶性果膠等物質(zhì)的含量隨著貨架期的延長(zhǎng)而變化，而它們的特征官能團(tuán)就是C—H、—CH2等，果實(shí)中水分和官能團(tuán)的變化就會(huì)產(chǎn)生果實(shí)質(zhì)地的變化，這說明近紅外光譜圖捕獲的信息與甜椒內(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(cè)甜椒的內(nèi)部品質(zhì)，分別建立果肉彈性、回復(fù)性和凝聚性的預(yù)測(cè)模型。

2.2 近紅外甜椒果實(shí)質(zhì)地模型的建立

近紅外光譜儀采集的原始光譜中除包含與樣品結(jié)構(gòu)組成有關(guān)的信息外，還可能受測(cè)試條件、外界溫度、儀器狀態(tài)等因素影響，而且樣品中不同成分之間的相互干擾也會(huì)導(dǎo)致光譜譜線重益，低含量成分光譜峰被高含量成分光譜峰掩蓋等問題。因此，譜圖的預(yù)處理主要解決的是光譜噪音的濾除、數(shù)據(jù)的篩選、光譜范圍的優(yōu)化及消除其他因素對(duì)光譜圖所含信息的影響，提高分辨度和靈敏度，為下步定標(biāo)模型的建立和未知樣品的準(zhǔn)確預(yù)測(cè)打下基礎(chǔ)［18］。

本文采用改進(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，從而找到最優(yōu)的模型。在全光譜范圍(400～2 500 nm)、金屬硅檢測(cè)波段(400～1 100 nm)和400～1 450 nm波段比較了零階光譜［Log(1/R)］、一階微分光譜［D1Log(1/R)］和標(biāo)準(zhǔn)正常化處理與去散射處理(SNV+Detrend)、加權(quán)多元離散定標(biāo)(WMSC)相結(jié)合的方法建立模型。用不同光譜預(yù)處理方法建模，結(jié)果如表2、表3所示。

表2 全光譜范圍內(nèi)不同預(yù)處理的定標(biāo)結(jié)果Table 2 Statistical results of models constructed by different pretreatment at full spectrum

表3 特征波段下不同預(yù)處理模型的定標(biāo)結(jié)果Table 3 Statistical results of models by different pretreatment at characteristic bands

由表2可知在全光譜范圍內(nèi)，果肉彈性的最優(yōu)預(yù)處理分別為MPLS+原始+None，而回復(fù)性和凝聚性的最優(yōu)預(yù)處理一樣，均為MPLS+一階+Detrend Only，彈性、回復(fù)性和凝聚性定標(biāo)集相關(guān)系數(shù)RCV分別為0.937、0.933和0.932，它們交叉驗(yàn)證誤差 SECV分別為0.029、0.013和0.016 N。由表3可知在波段400～1 100 nm下，果肉彈性、回復(fù)性最優(yōu)預(yù)處理一樣，它們和凝聚性的最優(yōu)預(yù)處理分別為MPLS+一階+Detrend Only和MPLS+一階+None，彈性、回復(fù)性和凝聚性RCV分別為0.949、0.930和0.954，SECV分別為0.026、0.013和0.018;而在波段400～1 450 nm下，果肉彈性、回復(fù)性和凝聚性的最優(yōu)預(yù)處理均為MPLS+一階 +Weighted MSC，它們的 RCV分別為0.943、0.935 和0.939，SECV 分別為0.028、0.013 和0.014。說明分波段與全光譜下建立的模型相關(guān)系數(shù)都較高，基本都在0.9以上，而且最優(yōu)的模型并非都是在全光譜范圍內(nèi)得到，因此分波段分析是有必要的，但單從定標(biāo)集來看模型效果差別不明顯。因此，需要利用未知樣品對(duì)模型進(jìn)行驗(yàn)證。

2.3 近紅外甜椒果實(shí)質(zhì)地模型預(yù)測(cè)性能的驗(yàn)證

定標(biāo)集具有較高的相關(guān)系數(shù)以及較低的標(biāo)準(zhǔn)偏差是評(píng)價(jià)一個(gè)模型可靠性的標(biāo)準(zhǔn)之一，模型的優(yōu)劣不僅取決于此，還要求其具有較高的預(yù)測(cè)能力，預(yù)測(cè)標(biāo)準(zhǔn)誤差值(SEP)也應(yīng)較低，利用定標(biāo)集以外的30個(gè)預(yù)測(cè)集樣品分別檢驗(yàn)果肉彈性、回復(fù)性和凝聚性在全光譜(400～2 500 nm)、波段400～1 100 nm和400～1 450 nm下建立的最優(yōu)模型預(yù)測(cè)準(zhǔn)確性，結(jié)果見表4。

表4 特征波段下各自最優(yōu)定標(biāo)模型的預(yù)測(cè)結(jié)果Table 4 Prediction results of the best calibration models at characteristic bands of their respective

由表4可知，3個(gè)波段間進(jìn)行比較，但果肉彈性、回復(fù)性和凝聚性在400～2 500 nm范圍內(nèi)的預(yù)測(cè)誤差值(SEP)均最小，預(yù)測(cè)集相關(guān)系數(shù)RP均最高，即預(yù)測(cè)結(jié)果最優(yōu)，說明全光譜下建立的模型準(zhǔn)確性最好、質(zhì)量最高;雖然在全光譜下建立的定標(biāo)集RCV并非是最高的，但是預(yù)測(cè)結(jié)果最好，說明這種變化可能不僅僅是由果肉彈性、回復(fù)性和凝聚性引起的，還可能同時(shí)受到內(nèi)部SSC、酸和水分含量等變化的影響，樣品的果實(shí)質(zhì)地信息是通過全波段光譜反應(yīng)出來的，所以試驗(yàn)最終選擇全光譜所建立模型對(duì)甜椒果肉彈性、回復(fù)性和凝聚性進(jìn)行測(cè)定，這與孫柄新等［19］對(duì)蘋果脆度的近紅外無損檢測(cè)結(jié)果一致。利用模型對(duì)30個(gè)預(yù)測(cè)集樣品進(jìn)行彈性、回復(fù)性、凝聚性值的預(yù)測(cè)，結(jié)果見圖3，其中圖3-a、圖3-b、圖3-c分別是彈性、回復(fù)性、凝聚性的殘差分布圖。

由圖3可知，建立的甜椒果肉彈性、回復(fù)性和凝聚性模型對(duì)30個(gè)預(yù)測(cè)集樣品的預(yù)測(cè)值與真實(shí)值比較接近，殘差在零線上下較均勻的波動(dòng)，而且殘差均小于0.04 N或大于-0.04 N，彈性、回復(fù)性、凝聚性殘差總和分別為 -0.200、0.068、-0.033 N。綜上所述，通過對(duì)模型定標(biāo)集相關(guān)系數(shù)RCV、交叉驗(yàn)證誤差SECV、預(yù)測(cè)集相關(guān)系數(shù)RP、預(yù)測(cè)誤差值(SEP)、殘差分布和殘差總和6項(xiàng)指標(biāo)的分析結(jié)果表明:建立的甜椒模型性能較穩(wěn)定，能滿足實(shí)際應(yīng)用的要求。

圖3 預(yù)測(cè)集相對(duì)殘差分布圖Fig.3 Residual error distribution for prediction samples

3 結(jié)論

本實(shí)驗(yàn)用近紅外漫反射光譜技術(shù)對(duì)甜椒果實(shí)質(zhì)地進(jìn)行了分析，探索了用多種建模方法，甜椒果實(shí)質(zhì)地與近紅外漫反射光譜具有很好的相關(guān)性，實(shí)測(cè)值與預(yù)測(cè)值之間的殘差很小，為甜椒內(nèi)部品質(zhì)無損檢測(cè)數(shù)學(xué)模型提供了參考，可以為甜椒果肉彈性、回復(fù)性和凝聚性的在線檢測(cè)提供良好的基礎(chǔ)，同時(shí)也為蔬菜類的質(zhì)地的測(cè)定提供參考價(jià)值。實(shí)驗(yàn)通過相關(guān)系數(shù)、相對(duì)誤差、殘差分布和殘差之和等多項(xiàng)指標(biāo)對(duì)模型的進(jìn)行評(píng)價(jià)，分析表明建立的甜椒果肉彈性、回復(fù)性、凝聚性模型性能比較穩(wěn)定，能夠滿足甜椒品質(zhì)的測(cè)定。

本實(shí)驗(yàn)雖然應(yīng)用MPLS分析法對(duì)甜椒的果實(shí)質(zhì)地的判別是可行的，但仍需進(jìn)一步深入研究，如加大定標(biāo)集和預(yù)測(cè)集的樣本數(shù)量，對(duì)不同產(chǎn)地或者生長(zhǎng)環(huán)境對(duì)甜椒的果實(shí)質(zhì)地模型預(yù)測(cè)精度的影響因素等，以提高定標(biāo)模型的精度和穩(wěn)定性。

參考文獻(xiàn)

［1］ 彭燕，車振明，曾朝懿.保鮮劑與低溫氣調(diào)處理對(duì)甜椒貯藏品質(zhì)的影響［J］.食品與發(fā)酵科技，2013，49(6):46-49.

［2］ Maoka T，Mochida K.Cancer chemo preventive activity of carotenoids in the fruits of red paprrika Capsicum annuum L.［J］.Cancer Lett，2001，172(2):103-109.

［3］ 梁關(guān)生，吳智明，宋亞平，等.彩色甜椒品種比較試驗(yàn)［J］.中國(guó)農(nóng)學(xué)通報(bào)，2011，27(13):260-263.

［4］ 張鵬，李江闊，陳紹慧.蘋果品質(zhì)近紅外光譜無損檢測(cè)技術(shù)研究進(jìn)展［J］.保鮮與加工，2013，13(3):1-7.

［5］ 李光輝，任亞梅.近紅外技術(shù)在果品品質(zhì)無損檢測(cè)中的研究進(jìn)展［J］.食品研究與開發(fā)，2013，33(10):207-211.

［6］ Lim J，Mo C，Noh S H，et al.Capsaicinoids content prediction model development for Korean red-pepper powder using a visible and near-infrared spectroscopy［C］//SPIE Defense，Security and Sensing.International Society for Optics and Photonics，2012:83690Z-83692Z.

［7］ Sánchez M T，F(xiàn)lores‐ Rojas K，Guerrero J E，et al.Measurement of pesticide residues in peppers by near-infrared reflectance spectroscopy［J］.Pest Management Science，2010，66(6):580-586.

［8］ Penchaiya P，Bobelyn E，Verlinden B E，et al.Non-destructive measurement of firmness and soluble solids content in bell pepper using NIR spectroscopy［J］.Journal of Food Engineering，2009，94(3):267-273.

［9］ 李沿飛，胡羽，屠大偉，等.近紅外光譜技術(shù)快速無損測(cè)定干辣椒的辣度［J］.食品科技，2013，38(1):314-318.

［10］ 劉燕德，周延睿，潘圓媛.基于最小二乘支持向量機(jī)的辣椒可溶性固形物和維生素C含量近紅外光譜檢測(cè)［J］.光學(xué)精密工程，2014，22(2):281-288.

［11］ 胡璇，夏延斌，鄧后勤.利用質(zhì)構(gòu)儀測(cè)定剁椒脆度方法的研究［J］.辣椒雜志(季刊)，2010(3):39-43.

［12］ 高偉民.青椒在水煮過程中護(hù)色措施的研究以及護(hù)色劑對(duì)硬度的影響［J］.江西食品工業(yè)，2011，(4):34-38.

［13］ 王丹，魯曉翔，張鵬，等.近紅外無損檢測(cè)甜柿果實(shí)質(zhì)地和品質(zhì)［J］.食品工業(yè)科技，2013，34(24):53-56.

［14］ 任朝暉，張昆明，李志文質(zhì)地多面分析(TPA)法評(píng)價(jià)葡萄貯藏期間果肉質(zhì)地參數(shù)的研究［J］.食品工業(yè)科技，2011，32(7):375-378.

［15］ 王丹，魯曉翔，張鵬，等.可見/近紅外漫反射光譜無損檢測(cè)甜柿果實(shí)硬度［J］.食品與發(fā)酵工業(yè)，2013，39(5):180-184.

［16］ 王寶剛，李文生，蔡宋宋，等.核果類水果干物質(zhì)含量近紅外無損檢測(cè)研究［J］.光譜實(shí)驗(yàn)室，2010，27(6):2118-2123.

［17］ Cayuela J A.Vis/VIR Soluble Solids Prediction in Intact Oranges(Citrus sinensis L)cv.Valencia Late by Reflectance［J］.Post harvest Bid.Technol.2008，47(1):75-80.

［18］ 章海亮，孫旭東，劉燕德，等.近紅外光譜檢測(cè)蘋果可溶性固形物［J］.農(nóng)業(yè)工程學(xué)報(bào)，2009，25(2):340-344.

［19］ 孫炳新，匡立學(xué)，徐方旭，等.蘋果脆度的近紅外無損檢測(cè)［J］.食品與發(fā)酵工業(yè)，2013，39(5):185-189.