近红外光谱技术对鲜切哈密瓜品质检测的研究

摘要：近红外光谱技术具有快速高效的检测特点，采用该技术对鲜切哈密瓜的VC含量和SSC含量进行快速检测研究。结果表明，鲜切哈密瓜VC含量检测模型RMSECV=0.075 2，R2=99.12；RMSEP=0.041 4，R2=99.71；SSC含量检测模型RMSECV=0.167，R2=98.60；RMSEP=0.11，R2=99.50。所以，近红外光谱技术能实现对鲜切哈密瓜品质的快速检测。

关键词：近红外光谱技术；鲜切哈密瓜；品质

中图分类号：TS255.3 文献标志码：A doi：10.16693/j.cnki.1671-9646（X）.2018.05.046

文章编号：1671-9646（2018）05b-0053-02

Abstract：Near infrared spectroscopy technology has the characteristics of rapid and efficient detection. Therefore，the technology was used to detect the content of VC and SSC in fresh cut cantaloupe. The results showed that the VC content detection model of fresh cut cantaloupe was RMSECV=0.075 2，R2=99.12，RMSEP=0.041 4，R2=99.71. SSC content detection model RMSECV=0.167，R2=98.60，RMSEP=0.11，R2=99.50. Therefore，near infrared spectroscopy can be used to detect the quality of fresh cut cantaloupe.

Key words：near infrared spectroscopy；fresh cut Hami melon；quality

0 引言

近红外漫反射光谱分析技术是利用近红外谱区包含的丰富的物质信息，吸收带的吸收强度与分子组成或化学基团的含量有关，可用于测定化学物质的成分和分析物理性质[1]。近红外光照射水果时，由于水果的内外部特征差异，会对近红外光产生不同程度的吸收或者反射等特性，使水果的组成成分和结构特征被反映到相关的近红外光谱图上，进而从光谱上提取出水果的品质信息，即可实现对水果品质的快速无损检测。罗枫等人[2]利用近红外漫反射光谱分析技术在波长为408.8～2 492.8 nm范围内对沙蜜豆樱桃中的VC含量进行检测研究。结果表明，采用的改进偏最小二乘法（MPLS）建立的模型，其RMSEP=0.258 3，R2=87.79，该模型对樱桃在冷藏过程中VC含量的检测具有可行性。王铭海等人[3]利用近红外漫反射光谱分析技术结合移动窗口偏最小二乘法-极限学习机法（MWPLS-ELM）建立的鲜桃中SSC的分析模型，其模型的RMSEP=0.397，R2=99.10，RMSECV=0.497，R2=98.30。试验采用近红外光谱技术对鲜切哈密瓜的品质进行检测研究，为该技术在对鲜切哈密瓜品质检测研究中提供理论参考。

1 材料与方法

1.1 材料与试剂

抗坏血酸，天津富宇化工厂提供；2，6 -二氯靛酚溶液，上海研生实业有限公司提供；哈密瓜，购于北京华联超市。

1.2 主要设备

FA2004N型分析天平，上海民桥精密科学仪器厂产品；2WAJ型阿贝折射仪，上海光学仪器厂产品；TENSOR II 型傅立叶变换近红外光谱仪，德国布鲁克（北京）科技有限公司产品。

1.3 试验方法

1.3.1 样品的选取

以20 个哈密瓜的80 块鲜切哈密瓜果肉作为建模样品集，以10 个哈密瓜的40 块鲜切哈密瓜果肉作为预测样品集。

1.3.2 光谱的采集方式

将TENSOR II 型傅里叶变换近红外光谱仪预热30 min，打开OPUS 7.5软件经由检查信号、保存峰位，扫描背景單通道光谱，每间隔1 h扫描一次背景，消除外界信息干扰保证光谱的稳定性，以减少误差。环境温度25±1 ℃，相对湿度20%～30%，光谱波数12 000～4 000 cm-1，分辨率8 cm-1，扫描64次。

1.3.3 模型的建立及验证

试验采用偏最小二乘法（PLS法）在全波数范围内对样品的原始光谱图进行预处理，原始光谱的预处理方式有消除常数偏移量、减去一条直线、矢量归一化（Standard Normal Variate，SNV）、最小-最大归一化、多元散射矫正（Multiplicative Scatter Correction，MSC）、内部标准、一阶导数+平滑（5，9，13，17，21，25 点，下同）、二阶导数+平滑、一阶导数+减去一条直线+平滑、一阶导数+ SNV+平滑、一阶导数+ MSC +平滑。将测定好的水果样品的指标一一对应地输入给原始光谱，通过系统自动优化筛选出合适的波数范围及预处理方式，通过衡量均方根误差（RMSECV，RMSEP）及定向系数（R2）来衡量模型的好坏。其中R2数值越接近100%则预测含量值越接近真实值；RMSECV数值越小越 好。将预测样品集带入模型中通过计算得出均方根误差（RMSEP）值，若RMSEP≤RMSECV时，说明所建模型预测效果极佳。

1.3.4 VC含量的测定

采用2，6 -二氯靛酚法进行测定。

1.3.5 可溶性固形物含量的测定（SSC）

采用阿贝折射仪测定，取果实中部果肉，吸取汁液均匀涂在仪器上，计数。

2 结果与分析

2.1 鲜切哈密瓜的理化指标

水果的理化指标见表1。

2.2 近红外光谱分析结果

鲜切哈密瓜近红外光谱见图1。

由图1可知，在8 000～9 000 cm-1内的吸收峰是由C-H健振动导致的，6 800 cm-1处的吸收峰是CO-NH-键的一级倍频振动峰，5 263 cm-1处是羧基中的羟基二级倍频吸收峰。

2.3 定量模型结果分析

试验发现在波数4 249.8～4 600.6 cm-1和5 447.7～ 6 100.9 cm-1范围内采用一阶导数+17点平滑预处理方式建立的鲜切哈密瓜VC含量校正模型其RMSECV=0.075 2，R2=99.12，且预测模型的RMSEP= 0.041 4，R2=99.71，模型精度较高，故选此方法建立模型。

近红外光谱模型见表2，鲜切哈密瓜品质校正模型图及预测模型见图2。

在波数4 249.8～9 400.9 cm-1范围内采用消除常数偏移量预处理方式建立的鲜切哈密瓜SSC校正模型效果较好，其RMSECV=0.167，R2=98.60，且预测模型的RMSEP=0.11，R2=99.5。

3 结论

试验采用近红外光谱技术结合PLS法对鲜切哈密瓜品质进行检测分析，结果表明在波数4 249.8～ 4 600.6 cm-1和5 447.7～6 100.9 cm-1范围内采用一阶导数+17点平滑预处理方式建立的鲜切哈密瓜VC含量检测模型，在波数4 249.8～9 400.9 cm-1范围内采用消除常数偏移量预处理方式建立的鲜切哈密瓜SSC检测模型，具有较高的检测精度，因此采用近紅外光谱技术在对鲜切哈密瓜品质进行检测分析研究中具有一定的可行性。

参考文献：

张小超，吴静珠，徐云. 近红外光谱分析技术及其在现代农业中的应用[M]. 北京：电子工业出版社，2012：25-30.

罗枫，鲁晓翔，张鹏，等. 冷藏过程中樱桃VC含量的近红外检测[J]. 食品与发酵工业，2015，41（5）：173-176，182.

王铭海，郭文川，商亮，等. 基于近红外漫反射光谱的多品种桃可溶性固形物的无损检测[J]. 西北农林科技大学学报（自然科学版），2014，42（2）：142-148.

推荐访问： 哈密瓜 光谱 品质 检测 研究

---