不同成熟時期駿棗糖度近紅外光譜模型的建立

買熱木沙姑·依米爾

摘 要：該研究對采摘于新疆阿克蘇十團棗園的9月、10月、11月份3個月的駿棗進行了近紅外光譜測定和總糖測定。結果表明，阿克蘇駿棗總糖含量的測定采用PLS所建模型預測效果最佳，但最佳預處理方法不同；白熟期駿棗糖含量的最佳模型是經一階導數(shù)處理后對駿棗糖度預測效果最優(yōu)，校正相關（Rc）為0.985 8，RMSEC為0.650，RMSEP為2.01，預測相關系數(shù)（RP）為0.903 4；脆熟期、完熟期駿棗糖含量的最佳模型都是經二階微分處理后對駿棗糖度預測效果最優(yōu)，校正相關系數(shù)（Rc）分別0.961 3、0.972 4，RMSEC分別為0.801、1.30，RMSEP分別為0.944 2、1.000 0，預測相關系數(shù)（RP）分別為 2.90、1.56。該試驗所建近紅外PLS校正模型具有較好的穩(wěn)定性，能滿足紅棗總糖含量的檢測要求。

關鍵詞：紅棗；總糖；近紅外光譜；模型

中圖分類號 TS255.7 文獻標識碼 A 文章編號 1007-7731（2017）07-0143-04

Abstract：Near infrared spectrometry was used for the determination of total sugar of Jun jujube from Xinjiang Aksu Ten Group in September，October and November. Results showed that the prediction effect of PLS model for total sugar content determination of Aksu Jun jujube is best without the best pretreatment method. The best model for the determination of total sugar of Jun jujube in white mature period is treated by the first derivative，the correction correlation coefficient（Rc）is 0.985 8，the RMSEC is 0.650，RMSEP is 2.01，the prediction correlation coefficient（RP）is 0.903 4；The best model for the determination of total sugar of Jun jujube in crisp mature period and full ripe stage is treated by the second order derivative，the correction correlation coefficient（Rc）were 0.961 3 and 0.972 4，RMSEC is 0.801 and 1.30，RMSEP is 0.944 2 and 1.0000，the prediction correlation coefficient（RP）were 2.90 and 1.56，respectively. PLS model by near infrared spectrum in this experiment has good stability and can satisfy the requirement of the detection of total sugar of red jujube.

Key words：Red jujube；Total sugar；Near infrared spectrum；Model

紅棗營養(yǎng)價值極高，是集食用、藥用、保健等多種功能于一體的干果，有著廣闊的市場前景。新疆南疆地區(qū)由于其獨特的地理環(huán)境，具有大力發(fā)展紅棗產業(yè)的優(yōu)勢[1]，近些年來紅棗產量不斷增加，產業(yè)化快速發(fā)展。紅棗分級作為紅棗采后貯藏保鮮、加工及流通等過程的關鍵環(huán)節(jié)，是實現(xiàn)產品商品化和提高商品質量的重要手段[2]。但目前南疆地區(qū)紅棗品質分級以人工分級為主，且只停留在評定棗果大小、顏色等外部品質，而對紅棗內部品質（如含糖量等）無法評定。常規(guī)理化分析方法由于制樣繁瑣、分析速度慢、人為誤差大且必須破壞果品等，已無法滿足現(xiàn)階段紅棗品質監(jiān)控中快速檢測的需求。近紅外光譜檢測技術以即時、無損、方便、準確率高等特點成為20世紀90年代以來發(fā)展最迅速的無損分析技術之一，廣泛運用于果品內部品質檢測[3]。本研究以不同成熟時期的駿棗為研究對象，通過近紅外光譜建立不同分析模型，并對比理化檢測結果，確定最佳模型并用于對駿棗中含糖量的快速無損檢測，旨在構建駿棗近紅外光譜快速無損檢測研究平臺，對于南疆紅棗生產的發(fā)展具有重要的現(xiàn)實意義。

1 材料與方法

1.1 試驗材料 所用紅棗品種為阿克蘇駿棗，采自新疆南疆地區(qū)某團場種植戶棗園，采集時間分別為9月、10月和11月，每批次不少于120顆，采集后立即置于4℃條件下儲藏備用。

1.2 研究方法

1.2.1 駿棗中糖的測定方法 紅棗中總糖含量的測定參照國家標準GB/T 15038-2006總糖含量測定，采用菲林試劑直接滴定法[4]。

1.2.2 光譜采集 采用Antaris II FT-NIR型光譜儀收集原始光譜，光譜采集前將紅棗樣品置于室溫條件下12h（室溫為17～19℃），相對濕度為25%～30%，同一個紅棗樣品掃描32次，掃描圖譜如圖1。

1.2.3 光譜數(shù)據處理 利用TQ Analyst對光譜進行預處理，用偏最小二乘法（PLS）對實驗數(shù)據進行多元統(tǒng)計分析，近紅外定量分析模型建立的過程就是將通過適當預處理后的近紅外光譜特征與化學分析方法檢測的含量數(shù)據之間建立起相關關系。常用的光譜預處理方法包括多元散射校正（MSC）、一階導數(shù)（FD）、二階導數(shù)（SD）等。評價模型性能主要參數(shù)包括相關系數(shù)（R）、校正集標準差（RMSEC）和預測標準差（RMSEP）。其中相關系數(shù)R表示校正集樣品中預測值與理論值的相關程度，R越接近1，且R與RP誤差越小，預測效果越好；RMSECV與RMSEP都是衡量樣本波動大小的量，樣本均方差越大，樣本數(shù)據的波動就越大。因此評價所建立的模型中，RMSECV與RMSEP越小且二值越接近，校正集樣品的預測結果就越接近理論值，模型的擬合性就越高。

2 結果與分析

2.1 白熟期駿棗糖度模型的建立 通過不同預處理法方法選擇最佳的白熟期駿棗總糖含量模型的建立，如表1所示。從表1可以看出，基于原始光譜建立的偏最小二乘法（PLS）模型經一階導數(shù)處理后對駿棗糖度預測效果最優(yōu)，預測相關系數(shù)Rc=0.985 8，RMSEC=0.650，RMSEP=2.01，RP=0.903 4。其預測值緊密地分布在擬合線兩側（圖2）。

2.2 脆熟期駿棗糖度模型的建立 通過不同預處理法方法選擇最佳的脆熟期駿棗總糖含量模型的建立，如表2所示。從表2可以看出，基于原始光譜建立的偏最小二乘法（PLS）模型經二階微分處理后對駿棗糖度預測效果最優(yōu)，預測相關系數(shù)Rc=0.9613，RMSEC=0.801，RMSEP=2.90，RP=1.000 0。其預測值緊密地分布在擬合線兩側（圖3）。其他預處理方法所建模型的相關系數(shù)均有不同程度降低。原始光譜處理后的校正集和驗證集相關系數(shù)雖然也高，但其擬合性不如二階微分。

2.3 完熟期駿棗糖度模型的建立 通過不同預處理法方法選擇最佳的脆熟期駿棗總糖含量模型的建立，如表3所示。從表3可以看出，基于原始光譜建立的偏最小二乘法（PLS）模型經二階微分處理后對駿棗糖度預測效果最優(yōu)，預測相關系數(shù)Rc=0.972 4，RMSEC=1.30，RMSEP=1.56，RP=0.944 2。其預測值緊密地分布在擬合線兩側（圖4）。其他預處理方法所建模型的相關系數(shù)均有不同程度降低。經一階微分處理后的校正集和驗證集相關系數(shù)雖然也高，但其擬合性不如二階微分。

3 討論

紅外光譜（NIR）是近十年來發(fā)展最為迅速的高新分析技術之一。近紅外光譜的譜區(qū)為780～2 500nm，主要是由于分子振動的非諧振性使分子從基態(tài)向高能級躍遷時產生的，記錄的主要是有機分子含氫基團C-H、N-H、O-H、S-H、P-H等的伸縮振動倍頻和和頻吸收。因此，當光子經過不同樣品時，會產生不同的的近紅外光譜，而這些樣品的近紅外光譜攜帶了樣品豐富的組成和結構信息，這就為含碳氫有機物質的樣品結構和組成信息的檢測提供了理論基礎[5-6]。國內外多位學者應用近紅外光譜技術建立了果蔬采后理化指標檢測模型，例如，F(xiàn)u等[7]應用近紅外光譜建立的識別梨褐心病模型，判別效果較好，正確判別率高達91.2%；Liu等[8]應用可見-近紅外技術對梨的可溶性固形物含量（SSC）及堅實度進行無損檢測，并對比了MLR、PCR和PLSR三種建模方法的可靠性，結果發(fā)現(xiàn)，用偏最小二乘回歸（PLSR）建立的SSC和堅實度模型預測效果較好，其校正時的R分別為0.912和0.854，RMSEP分別為0.662和1.232。Renfu[9]等通過采集H edelfinger和Sam 2種甜櫻桃在800～1 700nm處的近紅外光譜數(shù)據，結合偏最小二乘法（PLS）建立了甜櫻桃的糖度預測統(tǒng)計模型。國內相關研究也較多，趙杰文[10]等利用近紅外漫反射光譜技術實現(xiàn)蘋果糖度無損檢測，孫旭東[11]等利用近紅外技術建立了南豐蜜桔的可溶性固形物校正模型。從以上研究結果可以看出，近紅外光譜技術已經廣泛應用于水果無損檢測各項指標模型的建立。

糖度是駿棗品質的重要指標之一，駿棗糖度評價對南疆地區(qū)駿棗的培育和應用具有重要意義。本研究利用近紅外光譜技術建立了駿棗中糖度的定量分析模型，結果表明，阿克蘇駿棗總糖含量的測定用PLS所建模型預測效果最佳，但預處理方法略有不同。白熟期駿棗糖含量的最佳模型是經一階導數(shù)處理后對駿棗糖度預測效果最優(yōu)，校正相關（Rc）為0.985 8，RMSEC為0.650，RMSEP為2.01，預測相關系數(shù)（RP）為0.903 4；而脆熟期、完熟期駿棗糖含量的最佳模型都是經二階微分處理后對駿棗糖度預測效果最優(yōu)，校正相關系數(shù)（Rc）分別為0.961 3、0.972 4，RMSEC分別為0.801、1.30，RMSEP分別為0.944 2、1.000 0，預測相關系數(shù)（RP）分別為2.90、1.56。阿克蘇駿棗白熟期、脆熟期、完熟期駿棗糖度測定采用偏最小二乘法（PLS）建模經微分處理后，得到了較好的分析模型，有利于實現(xiàn)駿棗糖含量的快速檢測。

4 結論

本研究利用近紅外光譜技術建立了駿棗中糖度的定量分析模型，對紅棗原始光譜進行預處理，采用偏最小二乘法（PLS）建立駿棗糖度校正模型，并對模型進行驗證。表明利用近紅外光譜技術對駿棗糖度進行無損分析，避免了常規(guī)測量方法對樣品的損傷以及其他儀器系統(tǒng)復雜難以實現(xiàn)現(xiàn)場快檢的問題，為新疆南疆地區(qū)紅棗內部品質檢測的進一步研究奠定了基礎，具有較高的實際應用價值。

參考文獻

[1]史彥江，宋鋒惠.紅棗在新疆的發(fā)展前景及對策[J].新疆農業(yè)科學，2005，42（6）：418-422.

[2]沈從舉，賈首星，鄭炫，等.紅棗分級機械的現(xiàn)狀與發(fā)展[J].中國農機化學報，2013，34（1）：26-30.

[3]陸婉珍，袁洪福，徐廣通，等.現(xiàn)代近紅外光譜分析技術[M].北京：中國石化出版社，2000：3-11.

[4]GB/T 15038-2006，葡萄酒、果酒通用分析方法[S].

[5]Williams P，Norris K. Near-infrared technology in the agricultural and food industries.[M].2001.

[6]Teppola P.Near-Infrared Spectroscopy，Principles，Instruments，Applications[M]//Near-Infrared Spectroscopy：Principles，Instruments，Applications.2008：636-638.

[7]Fu X，Ying Y，Lu H，et al. Comparison of diffuse reflectance and transmission mode of visible-near infrared spectroscopy for detecting brown heart of pear[J].Journal of Food Engineering，2007，83（3）：317-323.

[8]Liu Y，Chen X，Ouyang A. Nondestructive determination of pear internal quality indices by visible and near-infrared spectrometry[J].LWT-Food Science and Technology，2008，41（9）：1720-1725.

[9]Lu R. Predicting firmness and sugar content of sweet cherries using near-infrared diffuse reflectance spectroscopy[J].Research Gate，2001，44（5）：1265-1271.

[10]趙杰文，張海東，劉木華.利用近紅外漫反射光譜技術進行蘋果糖度無損檢測的研究[J].農業(yè)工程學報，2005，21（3）：162-165.

[11] 孫旭東，章海亮，歐陽愛國，等.南豐蜜桔可溶性固形物近紅外特征波段選擇[J].農業(yè)機械學報，2009，40（7）：129-132.

（責編：張宏民）