宋雪健，王洪江，張東杰，于金池，周 義，于 果

（黑龍江八一農(nóng)墾大學(xué)食品學(xué)院，黑龍江大慶 163319）

0 引言

近紅外漫反射光譜分析技術(shù)是利用近紅外譜區(qū)包含的豐富的物質(zhì)信息，吸收帶的吸收強(qiáng)度與分子組成或化學(xué)基團(tuán)的含量有關(guān)，可用于測(cè)定化學(xué)物質(zhì)的成分和分析物理性質(zhì)[1]。近紅外光照射水果時(shí)，由于水果的內(nèi)外部特征差異，會(huì)對(duì)近紅外光產(chǎn)生不同程度的吸收或者反射等特性，使水果的組成成分和結(jié)構(gòu)特征被反映到相關(guān)的近紅外光譜圖上，進(jìn)而從光譜上提取出水果的品質(zhì)信息，即可實(shí)現(xiàn)對(duì)水果品質(zhì)的快速無(wú)損檢測(cè)。羅楓等人[2]利用近紅外漫反射光譜分析技術(shù)在波長(zhǎng)為408.8～2 492.8 nm范圍內(nèi)對(duì)沙蜜豆櫻桃中的VC含量進(jìn)行檢測(cè)研究。結(jié)果表明，采用的改進(jìn)偏最小二乘法（MPLS） 建立的模型，其RMSEP=0.258 3，R2=87.79，該模型對(duì)櫻桃在冷藏過(guò)程中VC含量的檢測(cè)具有可行性。王銘海等人[3]利用近紅外漫反射光譜分析技術(shù)結(jié)合移動(dòng)窗口偏最小二乘法-極限學(xué)習(xí)機(jī)法（MWPLS-ELM）建立的鮮桃中SSC的分析模型，其模型的RMSEP=0.397，R2=99.10，RMSECV=0.497，R2=98.30。試驗(yàn)采用近紅外光譜技術(shù)對(duì)鮮切哈密瓜的品質(zhì)進(jìn)行檢測(cè)研究，為該技術(shù)在對(duì)鮮切哈密瓜品質(zhì)檢測(cè)研究中提供理論參考。

1 材料與方法

1.1 材料與試劑

抗壞血酸，天津富宇化工廠(chǎng)提供；2,6-二氯靛酚溶液，上海研生實(shí)業(yè)有限公司提供；哈密瓜，購(gòu)于北京華聯(lián)超市。

1.2 主要設(shè)備

FA2004N型分析天平，上海民橋精密科學(xué)儀器廠(chǎng)產(chǎn)品；2WAJ型阿貝折射儀，上海光學(xué)儀器廠(chǎng)產(chǎn)品；TENSOR II型傅立葉變換近紅外光譜儀，德國(guó)布魯克（北京）科技有限公司產(chǎn)品。

1.3 試驗(yàn)方法

1.3.1 樣品的選取

以20個(gè)哈密瓜的80塊鮮切哈密瓜果肉作為建模樣品集，以10個(gè)哈密瓜的40塊鮮切哈密瓜果肉作為預(yù)測(cè)樣品集。

1.3.2 光譜的采集方式

將TENSOR II型傅里葉變換近紅外光譜儀預(yù)熱30 min，打開(kāi)OPUS 7.5軟件經(jīng)由檢查信號(hào)、保存峰位，掃描背景單通道光譜，每間隔1 h掃描一次背景，消除外界信息干擾保證光譜的穩(wěn)定性，以減少誤差。環(huán)境溫度25±1℃，相對(duì)濕度20%～30%，光譜波數(shù)12 000～4 000 cm-1，分辨率8 cm-1，掃描64次。

1.3.3 模型的建立及驗(yàn)證

試驗(yàn)采用偏最小二乘法（PLS法）在全波數(shù)范圍內(nèi)對(duì)樣品的原始光譜圖進(jìn)行預(yù)處理，原始光譜的預(yù)處理方式有消除常數(shù)偏移量、減去一條直線(xiàn)、矢量歸一化（Standard Normal Variate，SNV）、最小-最大歸一化、多元散射矯正（Multiplicative Scatter Correction，MSC）、內(nèi)部標(biāo)準(zhǔn)、一階導(dǎo)數(shù)+平滑（5，9，13，17，21，25點(diǎn)，下同）、二階導(dǎo)數(shù)+平滑、一階導(dǎo)數(shù)+減去一條直線(xiàn)+平滑、一階導(dǎo)數(shù)+SNV+平滑、一階導(dǎo)數(shù)+MSC+平滑。將測(cè)定好的水果樣品的指標(biāo)一一對(duì)應(yīng)地輸入給原始光譜，通過(guò)系統(tǒng)自動(dòng)優(yōu)化篩選出合適的波數(shù)范圍及預(yù)處理方式，通過(guò)衡量均方根誤差（RMSECV，RMSEP） 及定向系數(shù)（R2）來(lái)衡量模型的好壞。其中R2數(shù)值越接近100%則預(yù)測(cè)含量值越接近真實(shí)值；RMSECV數(shù)值越小越好。將預(yù)測(cè)樣品集帶入模型中通過(guò)計(jì)算得出均方根誤差（RMSEP） 值，若RMSEP≤RMSECV時(shí)，說(shuō)明所建模型預(yù)測(cè)效果極佳。

1.3.4 VC含量的測(cè)定

采用2,6-二氯靛酚法進(jìn)行測(cè)定。

1.3.5 可溶性固形物含量的測(cè)定（SSC）

采用阿貝折射儀測(cè)定，取果實(shí)中部果肉，吸取汁液均勻涂在儀器上，計(jì)數(shù)。

2 結(jié)果與分析

2.1 鮮切哈密瓜的理化指標(biāo)

水果的理化指標(biāo)見(jiàn)表1。

表1 水果的理化指標(biāo)

2.2 近紅外光譜分析結(jié)果

鮮切哈密瓜近紅外光譜見(jiàn)圖1。

由圖1可知，在8 000～9 000 cm-1內(nèi)的吸收峰是由C-H健振動(dòng)導(dǎo)致的，6 800 cm-1處的吸收峰是CO-NH-鍵的一級(jí)倍頻振動(dòng)峰，5 263 cm-1處是羧基中的羥基二級(jí)倍頻吸收峰。

圖1 鮮切哈密瓜近紅外光譜

2.3 定量模型結(jié)果分析

試驗(yàn)發(fā)現(xiàn)在波數(shù)4 249.8～4 600.6 cm-1和5 447.7～6 100.9 cm-1范圍內(nèi)采用一階導(dǎo)數(shù)+17點(diǎn)平滑預(yù)處理方式建立的鮮切哈密瓜VC含量校正模型其RMSECV=0.075 2，R2=99.12，且預(yù)測(cè)模型的RMSEP=0.041 4，R2=99.71，模型精度較高，故選此方法建立模型。

近紅外光譜模型見(jiàn)表2，鮮切哈密瓜品質(zhì)校正模型圖及預(yù)測(cè)模型見(jiàn)圖2。

表2 近紅外光譜模型

在波數(shù)4 249.8～9 400.9 cm-1范圍內(nèi)采用消除常數(shù)偏移量預(yù)處理方式建立的鮮切哈密瓜SSC校正模型效果較好，其RMSECV=0.167，R2=98.60，且預(yù)測(cè)模型的RMSEP=0.11，R2=99.5。

3 結(jié)論

試驗(yàn)采用近紅外光譜技術(shù)結(jié)合PLS法對(duì)鮮切哈密瓜品質(zhì)進(jìn)行檢測(cè)分析，結(jié)果表明在波數(shù)4 249.8～4 600.6 cm-1和5 447.7～6 100.9 cm-1范圍內(nèi)采用一階導(dǎo)數(shù)+17點(diǎn)平滑預(yù)處理方式建立的鮮切哈密瓜VC含量檢測(cè)模型，在波數(shù)4 249.8～9 400.9 cm-1范圍內(nèi)采用消除常數(shù)偏移量預(yù)處理方式建立的鮮切哈密瓜SSC檢測(cè)模型，具有較高的檢測(cè)精度，因此采用近紅外光譜技術(shù)在對(duì)鮮切哈密瓜品質(zhì)進(jìn)行檢測(cè)分析研究中具有一定的可行性。

參考文獻(xiàn)：

[1]張小超，吳靜珠，徐云.近紅外光譜分析技術(shù)及其在現(xiàn)代農(nóng)業(yè)中的應(yīng)用 [M].北京：電子工業(yè)出版社，2012：25-30.

圖2 鮮切哈密瓜品質(zhì)校正模型圖及預(yù)測(cè)模型

[2]羅楓，魯曉翔，張鵬，等.冷藏過(guò)程中櫻桃VC含量的近紅外檢測(cè) [J].食品與發(fā)酵工業(yè)，2015，41（5）：173-176，182.

[3]王銘海，郭文川，商亮，等.基于近紅外漫反射光譜的多品種桃可溶性固形物的無(wú)損檢測(cè) [J].西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，42（2）：142-148.◇