王世芳，宋海燕，張志勇，韓小平

（山西農(nóng)業(yè)大學(xué)工學(xué)院，山西太谷 030801）

基于近紅外光譜的冷藏期番茄果實(shí)質(zhì)地定量分析模型

王世芳，*宋海燕，張志勇，韓小平

（山西農(nóng)業(yè)大學(xué)工學(xué)院，山西太谷 030801）

以番茄樣本為研究對(duì)象，建立基于近紅外光譜的冷藏期果實(shí)質(zhì)地定量分析模型。采用SPXY方法對(duì)樣本集進(jìn)行劃分，經(jīng)過(guò)不同光譜預(yù)處理方法比較后，在780～2 500，920～2 500，1 100～2 500 nm 3個(gè)波段范圍內(nèi)建立番茄果實(shí)質(zhì)地定量偏最小二乘回歸模型，根據(jù)相關(guān)系數(shù)以及預(yù)測(cè)標(biāo)準(zhǔn)差（RMSEP）分析得出最優(yōu)模型。結(jié)果得出780～2 500 nm波段預(yù)測(cè)效果最佳，果肉平均硬度預(yù)測(cè)集相關(guān)系數(shù)為0.761，RMSEP為0.173；果皮破裂力預(yù)測(cè)集相關(guān)系數(shù)為0.809，RMSEP為0.820；果皮脆度預(yù)測(cè)集相關(guān)系數(shù)為0.803，RMSEP為0.831；果皮韌性預(yù)測(cè)集相關(guān)系數(shù)為0.764，RMSEP為0.427；預(yù)測(cè)集相關(guān)系數(shù)均達(dá)到0.760以上，RMSEP均小于0.850，模型效果比較好。結(jié)果表明，番茄果實(shí)質(zhì)地的近紅外無(wú)損檢測(cè)可行，果實(shí)質(zhì)地與近紅外漫反射光譜具有顯著相關(guān)性。

番茄；果實(shí)質(zhì)地；近紅外光譜；定量分析模型

0 引言

番茄（Tomoto），俗稱西紅柿，具有較高的食用價(jià)值[1]和藥用價(jià)值[2]。在貯藏和運(yùn)輸過(guò)程中，番茄對(duì)水分的要求嚴(yán)格，容易受機(jī)械損傷、冷害、病菌感染等，造成較大的損失，影響商品的貨架期[3]和商品流通。果實(shí)質(zhì)地是果實(shí)成熟和果實(shí)品質(zhì)的重要指標(biāo)之一，影響果實(shí)貨架期、口感及風(fēng)味等。測(cè)定番茄果實(shí)質(zhì)地采用美國(guó)FTC公司生產(chǎn)的TMS-PRO型食品物性分析儀，該儀器測(cè)定結(jié)果精度較高，但操作復(fù)雜費(fèi)時(shí)，因此需要研究一種快速無(wú)損檢測(cè)技術(shù)[4-7]，實(shí)現(xiàn)對(duì)番茄果實(shí)質(zhì)地的在線檢測(cè)。

近紅外光譜檢測(cè)具有快速、無(wú)損且多組分同時(shí)檢測(cè)的優(yōu)點(diǎn)，在食品品質(zhì)檢測(cè)領(lǐng)域得到廣泛的應(yīng)用。就果實(shí)質(zhì)地檢測(cè)而言，潘冰燕等人[8]采用近紅外光譜對(duì)甜椒果實(shí)質(zhì)地進(jìn)行無(wú)損檢測(cè)，羅楓等人[9]采用近紅外漫反射技術(shù)對(duì)甜櫻桃果實(shí)質(zhì)地進(jìn)行定量分析，王丹等人[10]采用近紅外光譜無(wú)損檢測(cè)技術(shù)對(duì)甜柿果實(shí)質(zhì)地進(jìn)行檢測(cè)，結(jié)果表明果實(shí)質(zhì)地的近紅外光譜無(wú)損檢測(cè)可行，果實(shí)質(zhì)地與近紅外漫反射光譜具有顯著相關(guān)性。試驗(yàn)利用近紅外光譜對(duì)番茄果實(shí)質(zhì)地進(jìn)行檢測(cè)，為番茄果實(shí)質(zhì)地的在線檢測(cè)提供理論依據(jù)。

1 材料與方法

1.1 試驗(yàn)材料

從山西農(nóng)業(yè)大學(xué)附近大棚采摘70個(gè)大小均勻、無(wú)病蟲(chóng)害、無(wú)機(jī)械損傷的番茄果實(shí)，將采摘的番茄在室溫條件下放置6 h，隨機(jī)抽取10個(gè)果實(shí)對(duì)其進(jìn)行光譜檢測(cè)，并對(duì)應(yīng)測(cè)定果實(shí)質(zhì)地。貯藏5，10，15，20 d時(shí)隨機(jī)抽取各15個(gè)果實(shí)，對(duì)果實(shí)進(jìn)行光譜檢測(cè)和果實(shí)質(zhì)地檢測(cè)。

1.2 光譜測(cè)定

采用美國(guó)ASD公司的Handheld FieldSpec 3型光譜儀進(jìn)行光譜采集，測(cè)定范圍為350～2 500 nm。光譜數(shù)據(jù)采集在室溫下進(jìn)行，為了避免外界因素的影響，在自制的暗室內(nèi)進(jìn)行光譜采集，將番茄放置于直徑為12.5 cm培養(yǎng)皿中央，采用漫反射采集光譜，每個(gè)樣本旋轉(zhuǎn)2次，每次旋轉(zhuǎn)120°，采集3次光譜。由于番茄不同部位的果實(shí)質(zhì)地有差異，因此不同位置的選擇對(duì)近紅外光譜預(yù)測(cè)模型精度會(huì)產(chǎn)生影響，介鄧飛等人[11]和錢曼等人[12]利用近紅外光譜對(duì)西瓜不同部位檢測(cè)模型精度進(jìn)行研究，結(jié)果發(fā)現(xiàn)西瓜臍部位為西瓜內(nèi)部品質(zhì)檢測(cè)的較優(yōu)采集部位，因此試驗(yàn)選擇番茄臍部位為光譜采集位置。光譜數(shù)據(jù)處理軟件為ViewSpecPro，作圖軟件為MATLAB2010b。

番茄部位見(jiàn)圖1，光譜采集裝置見(jiàn)圖2。

圖1 番茄部位

圖2 光譜采集裝置

1.3 果實(shí)質(zhì)地測(cè)定

采用美國(guó)FTC公司生產(chǎn)的TMS-PRO型食品物性分析儀進(jìn)行果實(shí)質(zhì)地測(cè)定。整果穿刺試驗(yàn)采用P/2n針狀探頭（直徑為2 mm），測(cè)前速度為2 mm/sec，測(cè)試速度為2 mm/sec，測(cè)后速度為10 mm/sec，最小感知力為5 g，將穿刺深度設(shè)為6 mm，穿過(guò)果皮但不能穿透果肉部分。穿刺試驗(yàn)采用完整果實(shí)作為試驗(yàn)對(duì)象，穿刺部位選取番茄臍部位（見(jiàn)圖1），5 mm為半徑的圓上相隔120°的3個(gè)點(diǎn)測(cè)定，保證刺入點(diǎn)位置與光譜采集位置相一致。

整果穿刺裝置見(jiàn)圖3，穿刺曲線見(jiàn)圖4。

圖3 整果穿刺裝置

圖4 穿刺曲線

質(zhì)地包括果皮質(zhì)地和果肉質(zhì)地，其中果皮質(zhì)地分為果皮破裂力、破裂深度、果皮脆度和果皮韌性，果肉質(zhì)地為果肉平均硬度。從圖4穿刺曲線分析，以曲線第1峰（錨2位置） 的力值為果皮破裂力（g），第1峰的運(yùn)行距離為果皮破裂深度（mm），由此可以推出果皮脆度和果皮韌性的計(jì)算公式如下：果皮脆度（g/s） =第1峰的力值（g） /運(yùn)行時(shí)間（s），果皮韌性（g/s）=第1峰的力值（g）×運(yùn)行時(shí)間（s）；第1峰1 s后（錨3位置）與錨4位置之間的平均力值為果肉平均硬度（g）。

1.4 定量分析模型

采用偏最小二乘回歸（Partial least-squares regression，PLSR）進(jìn)行定量建模分析，利用Unscrambler軟件進(jìn)行建模分析。

2 結(jié)果與分析

2.1 番茄在冷藏期的可見(jiàn)近紅外光譜圖

貯藏過(guò)程中有2個(gè)果實(shí)腐爛，測(cè)得68個(gè)番茄原始可見(jiàn)近紅外光譜。

原始光譜見(jiàn)圖5。

由圖5可知，有5處明顯的吸收峰，分別是980，1 203，1 450，1 780，1 931 nm波段附近，其中980，1 450，1 931 nm處吸收峰特別明顯。980 nm為可見(jiàn)光和近紅外光譜之間的過(guò)渡區(qū)域；1 450 nm吸收峰由番茄水分子間的O-H鍵吸收形成，此處吸收峰與番茄的含水量呈正相關(guān)趨勢(shì)變化；1 931 nm處吸收峰主要由番茄中CH2-，C-H鍵的伸縮、彎曲振動(dòng)產(chǎn)生，番茄中含有可溶性固形物、酸類物質(zhì)、VC以及氨基酸等，這些物質(zhì)中含有此類官能團(tuán)，這表明吸收峰與番茄中這些物質(zhì)的含量具有相關(guān)性。結(jié)果表明，番茄品質(zhì)變化與近紅外光譜上反映的信息具有一定的規(guī)律性趨勢(shì)變化。

圖5 原始光譜

2.2 樣品集的劃分

采用SPXY隨機(jī)方法進(jìn)行樣品集劃分，分別以果肉平均硬度、果皮破裂力、果皮脆度和果皮韌性為y變量，光譜值為x變量，以3∶1的比例將68個(gè)番茄樣本劃分為51個(gè)校正集和17個(gè)預(yù)測(cè)集。

樣品集的劃分見(jiàn)表1。

2.3 光譜預(yù)處理

表1 樣品集的劃分

從原始光譜數(shù)據(jù)可得出，可見(jiàn)光區(qū)域（350～780 nm）存在散射現(xiàn)象，明顯的特征峰值都在近紅外光譜區(qū)域，因此在建模分析時(shí)，選取近紅外區(qū)域（780～2 500 nm）進(jìn)行建模預(yù)測(cè)。以果肉平均硬度為例，分別采用基線校正、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、多元散射校正、變量標(biāo)準(zhǔn)化、正交信號(hào)校正對(duì)原始光譜進(jìn)行光譜預(yù)處理，然后利用原始光譜以及經(jīng)預(yù)處理后的光譜分別進(jìn)行偏最小二乘回歸定量分析模型建立。

光譜預(yù)處理方法選擇見(jiàn)表2。

表2 光譜預(yù)處理方法選擇

二階導(dǎo)數(shù)、變量標(biāo)準(zhǔn)化及正交信號(hào)校正建模出現(xiàn)過(guò)擬合現(xiàn)象，校正集相關(guān)系數(shù)達(dá)到0.9以上，而預(yù)測(cè)集相關(guān)系數(shù)僅為0.1，在表中沒(méi)有顯示。由表2可知，基線校正的結(jié)果比其他經(jīng)光譜預(yù)處理方法的建模效果要好，為此采用基線校正光譜進(jìn)行果肉平均硬度的模型預(yù)測(cè)。

基線校正后光譜見(jiàn)圖6。

由圖6可知，經(jīng)基線校正后的光譜，消除了基線偏移的現(xiàn)象，能更好地反映番茄的特征信息。

果皮破裂力、果皮脆度、果皮韌性均采用相同的方法進(jìn)行光譜預(yù)處理方法的選擇，結(jié)果表明采用原始光譜建模效果最佳。

圖6 基線校正后光譜

2.4 波段選擇及果肉平均硬度PLSR建模分析

從2.3中可知，果肉平均硬度采用基線校正后的光譜建模效果好，其中980 nm位于短波光譜區(qū)域（780～1 100 nm）內(nèi)，1 203，1 450，1 780，1 931 nm位于長(zhǎng)波光譜區(qū)域（1 100～2 500 nm）內(nèi)。應(yīng)實(shí)際情況需求，對(duì)建模的光譜區(qū)域進(jìn)行優(yōu)選，光譜區(qū)域?yàn)榻t外波段（780～2 500 nm）、近紅外長(zhǎng)波波段（1 100～2 500 nm）、去780～920 nm波段（920～2 500 nm，因780～920 nm波段無(wú)明顯的特征信息），采用杠桿率校正結(jié)合偏最小二乘回歸定量分析模型建模分析。

果肉平均硬度建模分析結(jié)果見(jiàn)表3。

建模效果的好壞不僅要與相關(guān)系數(shù)有關(guān)，而且校正標(biāo)準(zhǔn)差與預(yù)測(cè)標(biāo)準(zhǔn)差的差值要小。由表3可知，1 100～2 500 nm和920～2 500 nm波段選擇建模相關(guān)系數(shù)和校正標(biāo)準(zhǔn)差都比較好，預(yù)測(cè)效果也很好；與780～2 500 nm波段預(yù)測(cè)相比，雖然780～2 500 nm波段建模效果不是很好，但校正集與預(yù)測(cè)集標(biāo)準(zhǔn)差僅相差0.030，效果最好。因此，本試驗(yàn)選擇780～2 500 nm波段進(jìn)行模型的建立。校正集相關(guān)系數(shù)為0.865，預(yù)測(cè)集相關(guān)系數(shù)為0.761。

表3 果肉平均硬度建模分析結(jié)果

2.5 果皮質(zhì)地建模分析

采用原始光譜，杠桿率校正結(jié)合偏最小二乘回歸定量分析對(duì)果皮破裂力、果皮脆度、果皮韌性進(jìn)行建模分析。

果皮破裂力建模分析結(jié)果見(jiàn)表4，果皮脆度建模分析結(jié)果見(jiàn)表5，果皮韌性建模分析結(jié)果見(jiàn)表6。

由表4～表6可知，1 100～2 500 nm和920～2 500 nm波段校正集建模相關(guān)系數(shù)和校正標(biāo)準(zhǔn)差都比較好，預(yù)測(cè)效果也很好；與780～2 500 nm波段預(yù)測(cè)相比，雖然780～2 500 nm波段建模效果稍微差些，但預(yù)測(cè)集相關(guān)系數(shù)達(dá)到0.760以上，果皮破裂力校正集與預(yù)測(cè)集標(biāo)準(zhǔn)相差0.054，果皮脆度校正集與預(yù)測(cè)集標(biāo)準(zhǔn)差相差0.061，果皮韌性校正集與預(yù)測(cè)集標(biāo)準(zhǔn)差相差0.005，效果最好。因此，試驗(yàn)選擇780～2 500 nm波段進(jìn)行模型的建立。

表4 果皮破裂力建模分析結(jié)果

表5 果皮脆度建模分析結(jié)果

表6 果皮韌性建模分析結(jié)果

3 結(jié)論

建立基于近紅外光譜的冷藏期番茄果實(shí)質(zhì)地定量分析模型。采用SPXY隨機(jī)方法對(duì)樣品集進(jìn)行劃分，選擇最佳的光譜預(yù)處理方法和選擇最優(yōu)的建模分析波段范圍，結(jié)果表明，果肉平均硬度采用基線校正光譜，果皮破裂力、果皮脆度、果皮韌性采用原始光譜建模效果最好；最優(yōu)的建模波段范圍為780～2 500 nm。采用杠桿率校正結(jié)合偏最小二乘回歸對(duì)果實(shí)質(zhì)地建立定量分析模型，得出果肉平均硬度預(yù)測(cè)相關(guān)系數(shù)為0.761，校正集與預(yù)測(cè)集標(biāo)準(zhǔn)差相差0.030；果皮破裂力預(yù)測(cè)相關(guān)系數(shù)為0.809，校正集與預(yù)測(cè)集標(biāo)準(zhǔn)差相差0.054；果皮脆度預(yù)測(cè)相關(guān)系數(shù)為0.803，校正集與預(yù)測(cè)集標(biāo)準(zhǔn)差相差0.061；果皮韌性預(yù)測(cè)相關(guān)系數(shù)為0.764，校正集與預(yù)測(cè)集標(biāo)準(zhǔn)差相差0.005；預(yù)測(cè)集相關(guān)系數(shù)均達(dá)到0.760以上，模型效果比較好。結(jié)果顯示，番茄果實(shí)質(zhì)地的近紅外光譜無(wú)損檢測(cè)是可行的。

[1]鐘莉.番茄食用價(jià)值及高產(chǎn)高效栽培技術(shù) [J].現(xiàn)代農(nóng)村科技，2011（17）：20.

[2]王姍姍.番茄的藥用價(jià)值 [J].山西醫(yī)藥雜志，2011，40（11）：1 104-1 106.

[3]魏寶東，姜炳義，馮輝.番茄果實(shí)貨架期硬度變化及其影響因素的研究 [J].食品科學(xué)，2005，26（3）：249-252.

[4]王瑞慶，徐新明，馮建華，等.果實(shí)品質(zhì)無(wú)損傷檢測(cè)研究進(jìn)展 [J].果樹(shù)學(xué)報(bào)，2012，29（4）：683-689.

[5]Xiaoxiao D，Ying G，Yongnian N，et al.A novel NIR spectroscopic method for rapid analyses of lycopene，total acid，sugar，phenols and antioxidant activity in dehydrated tomato samples[J].VibrationalSpectroscopy，2016，82（1）：1-9.

[6]Irina T，Dolores P M，María-José D H，et al.Fast and accurate quality assessment of Raf tomatoes using NIRS technology[J].Postharvest Biology and Technology，2015，107（9）：9-15.

[7]Martin E，Paulina B，Lydie T，et al.Rapid phenotyping of the tomato fruit model，Micro-Tom，with a portable VIS-NIR spectrometer[J].Plant Physiology and Biochemistry，2013，70（9）：159-163.

[8]潘冰燕，魯曉翔，張鵬，等.近紅外光譜對(duì)甜椒果實(shí)質(zhì)地的無(wú)損檢測(cè) [J].食品與發(fā)酵工業(yè)，2015（11）：143-147.

[9]羅楓，魯曉翔，張鵬，等.近紅外漫反射技術(shù)檢測(cè)甜櫻桃果實(shí)質(zhì)地研究 [J].食品工業(yè)科技，2015，36（15）：293-297.

[10]王丹，魯曉翔，張鵬，等.近紅外無(wú)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.

[11]介鄧飛，陳猛，謝麗娟，等.適宜西瓜檢測(cè)部位提高近紅外光譜糖度預(yù)測(cè)模型精度 [J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（9）：229-234.

[12]錢曼，黃文倩，王慶艷，等.西瓜檢測(cè)部位差異對(duì)近紅外光譜可溶性固形物預(yù)測(cè)模型的影響 [J].光譜學(xué)與光譜分析，2016，36（6）：1 700-1 705.

The Quantitative Analysis Model of Fruit Texture of Tomato in Cold Storage Period Based on Near Infrared Spectroscopy

WANG Shifang，*SONG Haiyan，ZHANG Zhiyong，HAN Xiaoping
（College of Engineering，Shanxi Agricultural University，Taigu，Shanxi 030801，China）

Establish the quantitative analysis model of fruit texture of tomato in cold storage period base on near infrared spectroscopy.Divide the set of samples with SPXY and select the best spectral pretreatment methods.In order to derive the optimal model，we selecte the best spectral band（780～2 500，920～2 500，1 100～2 500 nm）and established partial least squares regression（PLSR）model which judged from the correlation coefficient and the root mean standard error of prediction（RMSEP） .The results are that the prediction effect of 780～2 500 nm band is best.The prediction correlation coefficient of the flesh average hardness is 0.761，RMSEP is 0.173；the prediction correlation coefficient of pericarp breaking force is 0.809，RMSEP is 0.820；the prediction correlation coefficient of pericarp brittleness is 0.803，RMSEP is 0.831；the prediction correlation coefficient of pericarp toughness is 0.764，RMSEP is 0.427.It can found that the prediction correlation coefficient reached above 0.760，RMSEP is less than 0.850.The model effect is better.The result showed that near infrared spectroscopy nondestructive testing was feasible，and the fruit texture was significantly correlated with the near infrared diffuse reflectance spectra.

tomato；fruit texture；near infrared spectroscopy；quantitative analysis model

X836；O657.33

A

10.16693/j.cnki.1671-9646（X）.2017.02.005

1671-9646（2017）02a-0016-04

2016-11-23

國(guó)家自然科學(xué)基金（41201294）。

王世芳（1989— ），女，碩士，研究方向?yàn)楣庾V快速檢測(cè)技術(shù)。

*通訊作者：宋海燕（1977— ），女，博士，教授，研究方向?yàn)樾畔⒉杉c檢測(cè)。