李俊杰，張績，汪小偉，劉雪峰，程蘭，鄭永強，呂強，謝讓金，馬巖巖，鄧烈，易時來，*

（1.西南大學(xué)柑桔研究所，中國農(nóng)業(yè)科學(xué)院柑桔研究所，重慶400712；2.國家柑桔工程技術(shù)研究中心，重慶400712；3.重慶市萬州區(qū)果樹技術(shù)推廣站，重慶404155；4.重慶三峽農(nóng)業(yè)科學(xué)院，重慶404155）

柑橘作為我國最大宗水果作物，品種資源豐富，種植廣泛，面積和產(chǎn)量均居世界首位，營養(yǎng)價值豐富，深受消費者喜愛。柑橘的可溶性固形物（total soluble solid，TSS）、可滴定酸（titratable acidity，TA）及維生素 C（vitamin C，VC）含量是評價柑橘內(nèi)在品質(zhì)及風(fēng)味的重要特性指標(biāo)。目前，柑橘果實主要依靠化學(xué)分析的方式檢測內(nèi)在品質(zhì)，分析過程繁瑣復(fù)雜，且為有損檢測，難以實現(xiàn)實時監(jiān)控。因此，如何尋求一種快速、便攜、精確、無損檢測柑橘內(nèi)部品質(zhì)的技術(shù)成為目前柑橘產(chǎn)業(yè)生產(chǎn)者及產(chǎn)后采收分級者關(guān)注的焦點問題。早前，柑橘產(chǎn)業(yè)采收分選主要憑據(jù)為重量、大小與外觀品質(zhì)；現(xiàn)今，采后分選開始由外觀品質(zhì)向內(nèi)在品質(zhì)檢測發(fā)展。

近紅外光譜（near infrared spectrum instrument，NIRS）是一種介于可見光和遠(yuǎn)紅外光之間的電磁輻射波，利用物質(zhì)對光的特性（吸收、透射等），對物質(zhì)的成分進行無損檢測的新技術(shù)[1-3]。NIRS無損檢測技術(shù)先后被美國、日本等國家應(yīng)用到農(nóng)產(chǎn)品采后分選處理工作中[3-9]。近年來，我國也將其技術(shù)廣泛應(yīng)用于果蔬內(nèi)在品質(zhì)指標(biāo)的快速、無損檢測[10-19]，研究主要集中在蘋果[20-21]、李果實[22]、櫻桃番茄[23]、梨[24-25]、芒果[26]、獼猴桃[27]等薄皮水果。NIRS無損檢測技術(shù)在柑橘[28]內(nèi)在品質(zhì)上的評測研究，大多集中在柑橘果實TSS的檢測分析，對柑橘內(nèi)在品質(zhì)多指標(biāo)（TSS，TA、VC等）研究報道[29-30]相對較少，尤其建立的校正模型未進行外部樣品的實際驗證檢測。

本試驗以自然成熟的塔羅科血橙為試驗對象，應(yīng)用NIRMagic1100便攜式果品近紅外光譜分析儀獲取塔羅科血橙光譜圖案、ChemoStudio化學(xué)計量學(xué)分析軟件譜圖分析及內(nèi)在品質(zhì)化學(xué)分析等技術(shù)，對塔羅科血橙的內(nèi)在品質(zhì)多指標(biāo)進行快速、無損評測研究，分析光譜反射與吸收度和內(nèi)在品質(zhì)的相關(guān)性，建立塔羅科血橙TSS、TA及VC含量的偏最小二乘（partial least squares，PLS）模型，為塔羅科血橙內(nèi)在品質(zhì)多指標(biāo)評測提供一種快捷、無損的光譜手段，同時將建立的校正模型寫入NIRMagic1100便攜式果品近紅外光譜分析儀，并對外部樣品進行了實際驗證與評估，獲得了較好的結(jié)果。

1 材料與方法

1.1 試驗材料與試劑

塔羅科血橙：從中國農(nóng)業(yè)科學(xué)院柑桔研究所大溝果園中采集，于2019年1月24日、2019年1月26日從生長良好的植株上分批、隨機采取樹冠四周外側(cè)果實樣品，每次采取50個果實，單果為一重復(fù)，共100個果實樣品。每次采集果實樣品后立即帶回實驗室對果實進行表面清洗、擦干，單果逐一編號，并于果蒂處標(biāo)記。采回的果實樣品應(yīng)用NIRMagic1100便攜式果品近紅外光譜分析儀立即進行近紅外光譜圖像采集，光譜采集后再對各個果實樣品進行相應(yīng)內(nèi)在品質(zhì)指標(biāo)化學(xué)分析。

L-（+）-抗壞血酸標(biāo)準(zhǔn)品、草酸、碘、碘化鉀、可溶性淀粉、無水乙醇（分析純）：成都市科隆化學(xué)品有限公司；酚酞、鄰苯二甲酸氫鉀（分析純）：成都市科龍化工試劑廠；氫氧化鈉（分析純）：重慶川東化工（集團）有限公司。

1.2 儀器與設(shè)備

NIRMagic1100便攜式果品近紅外光譜分析儀：北京偉創(chuàng)英圖科技有限公司；PAL－1型手持式數(shù)顯折射儀：日本ATAGO（愛拓）公司；4161型電動榨橙汁機：德國Braun（博朗）公司；ME204E型萬分之一分析天平：瑞士梅特勒-托利多集團；Titretteclass A precision型數(shù)字滴定儀：德國BRAND（普蘭德）公司。

1.3 塔羅科血橙樣品的光譜檢測

將編號完全的塔羅科血橙依次排列在瓷盤中，并在其赤道面選擇3個點（避開瑕疵及病蟲害傷口）用記號筆畫出30 mm～50 mm直徑的圈，并依次編號。應(yīng)用NIRMagic1100便攜式果品近紅外光譜分析儀依次獲取單個塔羅科血橙標(biāo)記圓圈中的光譜圖。

1.4 果實品質(zhì)測定與分析

獲取光譜數(shù)據(jù)后，立即將塔羅科血橙依次榨汁，雙層紗布過濾，按編號分裝在小燒杯內(nèi)混勻，靜置。

1.4.1 可溶性固形物測定

在室溫25℃下利用PAL－1型手持式數(shù)顯折射儀測定TSS，每果汁樣品重復(fù)3次，取平均值作為樣品的TSS數(shù)據(jù)。

1.4.2 可滴定酸測定

利用酸堿滴定法[31]測定，每樣品重復(fù)3次，取平均值。

1.4.3 維生素C測定

利用碘量法[32]測定，每樣品重復(fù)3次，取平均值。

1.5 數(shù)據(jù)統(tǒng)計分析與模型構(gòu)建

化學(xué)分析數(shù)據(jù)統(tǒng)計分析：采用Microsoft Excel Office 2010軟件。

近紅外光譜數(shù)據(jù)分析與模型建立：應(yīng)用ChemoStudio化學(xué)計量學(xué)分析軟件對光譜數(shù)據(jù)進行處理，并結(jié)合處理好的化學(xué)分析數(shù)據(jù)進行模型建構(gòu)，將單果赤道不同圈面的3條原始光譜數(shù)據(jù)轉(zhuǎn)化為平均值，共100個平均譜圖，其中隨機選取67個作為校正集，其余33個作為預(yù)測集。在600 nm～1 100 nm檢測范圍選擇合適光譜區(qū)間至關(guān)重要。圖1為塔羅科血橙原始近紅外光譜圖。

圖1 塔羅科血橙樣品的原始近紅外光譜Fig.1 Primary near infrared spectra of tarocco blood orange samples

在小于750 nm與大于950 nm的波長區(qū)間光譜數(shù)據(jù)相對紊亂，故選擇750 nm～950 nm的光譜數(shù)據(jù)，并使用Savitsky-Golay方法對光譜進行平滑預(yù)處理，分析吸光度值與TSS、TA及VC含量的相關(guān)性，并通過PLS定量分析，建立PLS模型。

PLS模型的實際驗證：2019年2月28日，于試驗園內(nèi)隨機采取樹冠外圍21個成熟樣品，于實驗室洗凈擦干。運用目前NIRMagic1100便攜式果品近紅外光譜分析儀導(dǎo)入先前建立的PLS模型，測定已做處理的塔羅科血橙（同1.3光譜測定）的TSS、TA及VC含量，隨后采用化學(xué)分析法測定實際果實TSS、TA及VC含量。利用Microsoft Excel Office 2010軟件論證近紅外光譜預(yù)測值與實際值的相關(guān)關(guān)系。

2 結(jié)果與分析

2.1 塔羅科血橙內(nèi)在品質(zhì)化學(xué)分析

建立PLS模型前對TSS、TA及VC的相關(guān)數(shù)據(jù)進行預(yù)分析處理。PLS模型預(yù)測的好壞關(guān)鍵在于化學(xué)分析的精度與樣品指標(biāo)數(shù)據(jù)的范圍，具有精度高、范圍廣的數(shù)據(jù)構(gòu)建的模型更加精確，預(yù)測結(jié)果更加有效。表1為塔羅科血橙內(nèi)在品質(zhì)化學(xué)分析的結(jié)果。

表1 塔羅科血橙內(nèi)在品質(zhì)指標(biāo)分析結(jié)果Table 1 Analysis of internal quality indicators of tarocco blood orange

結(jié)果表明，校正樣本集的范圍廣度較好，預(yù)測集樣品TSS、TA及VC含量均落在校正集的范圍內(nèi)，利用本數(shù)據(jù)建立的模型能夠用于塔羅科血橙內(nèi)在品質(zhì)的無損檢測。

2.2 PLS模型建立與預(yù)測分析

試驗對原始光譜數(shù)據(jù)進行了Savitzky-Golay卷積平滑、多元散射校正、Savitzky-Golay卷積導(dǎo)數(shù)3種方法的預(yù)處理，對比原始圖譜發(fā)現(xiàn)在750 nm～950 nm的擬建模波長區(qū)間內(nèi)，吸光度出現(xiàn)明顯峰值。在750 nm～950 nm波長區(qū)間建立模型，分析校正-預(yù)測偏差的差異顯著，篩選偏差值，并剔除異常值。異常值為異常樣品導(dǎo)致，嚴(yán)重影響建立模型的精度與預(yù)測效果，運用殘差法剔除異常值，相關(guān)系數(shù)（r）與交互驗證均方差（root mean square error of cross validation ，RMSECV）為剔除標(biāo)準(zhǔn)，僅在r值增大，RMSECV值減小的情況下，確定為異常值，必須剔除，否則保留。

本試驗，PLS模型的性能由校正標(biāo)準(zhǔn)偏差（square error of calibration，SEC）、校正定向相對分析誤差（residual predictive deviation of calibration，RPDC）及模型預(yù)測值與實際值的相關(guān)系數(shù)r值評價。根據(jù)相關(guān)分析及異常值剔除，在0～15個評價因子中確認(rèn)最佳因子，建立最佳模型。表2為TSS、TA及VC的最佳PLS模型的評價參數(shù)。

表2 塔羅科血橙內(nèi)在品質(zhì)指標(biāo)PLS模型的結(jié)果Table 2 Results of PLS model for internal quality indicators of tarocco blood orange

分析表明TSS的最佳因子（主成分）、SEC、RPDC及r值分別是7、0.30、1.69和0.833。PLS模型預(yù)測值與實際值的相關(guān)系數(shù)r值是評價PLS模型重要的參數(shù)因子，其中VC的預(yù)測值與實際值相關(guān)性最高，達(dá)0.925。TSS、TA及VC含量實測值與預(yù)測值相關(guān)圖分別如圖2所示。將PLS模型代入預(yù)測集數(shù)據(jù)進行檢測，TSS、TA及VC含量散點圖的相關(guān)系數(shù)r值分別為0.691、0.496、0.856。VC的預(yù)測值與實際值的相關(guān)性較高。

圖2 PLS校準(zhǔn)模型下TSS、TA、VC實際值及預(yù)測值得散點圖Fig.2 Scatter plots of actual and predicted values of TSS，TA and VCunder PLS calibration model

圖3 PLS校準(zhǔn)模型下TSS、TA、VC預(yù)測值及實際值對比圖Fig.3 Comparison of TSS，TA，VCpredicted values and actual values under PLS calibration model

2.3 PLS模型實際驗證

應(yīng)用PLS模型對21份塔羅科血橙樣品的TSS、TA及VC含量進行實際驗證，結(jié)果見圖3及表3。

將光譜所得與化學(xué)分析數(shù)據(jù)進行對比分析發(fā)現(xiàn)，近紅外光譜分析的TSS結(jié)果較小于化學(xué)分析的TSS結(jié)果，平均值分別為10.3%、11.2%，差值為0.9%；近紅外分析TA、VC大于化學(xué)分析值，其平均值分別為0.84、0.75 g/100 mL 和 62.91、58.98 mg/100 mL，差值分別為0.09 g/100 mL、3.9 mg/100 mL。近紅外分析獲得TSS結(jié)果與化學(xué)測定結(jié)果的差異基本表現(xiàn)在1%以內(nèi)，占比71.43%；VC基本表現(xiàn)在5 mg/100 mL以內(nèi)，占比71.43%；TA差異較大，離散范圍較大，近紅外分析獲得的TA的結(jié)果與化學(xué)測定值沒有相關(guān)性。

表3 PLS模型實際驗證塔羅科血橙內(nèi)在品質(zhì)分析Table 3 PLS model practical validation of internal quality analysis of tarocco blood orange

3 結(jié)論

本文采用NIRS與化學(xué)分析法，獲取光譜信息，進行光譜分析與建模，在750 nm～950 nm的近紅外光譜區(qū)間內(nèi)，建立的PLS模型，對塔羅科血橙TSS、TA和VC等內(nèi)在品質(zhì)多指標(biāo)進行近紅外光譜評測試驗。本試驗研究近紅外光譜建立PLS模型評測塔羅科血橙內(nèi)在品質(zhì)的性能，得到TSS、TA及VC預(yù)測值與實際值的相關(guān)系數(shù)r值分別是0.833、0.699、0.925，其中TSS與VC的相關(guān)性表現(xiàn)良好，預(yù)測值結(jié)果表明所建立的PLS模型穩(wěn)定性良好，可用于評測塔羅科血橙TSS與VC含量，而TA的相關(guān)性相對略差，其中存在多方誤差影響，如TA化學(xué)測定數(shù)據(jù)不精準(zhǔn)（柑橘酸度隨時間易降解）、塔羅科血橙表皮著色、內(nèi)部花青苷等影響光譜形成，待后續(xù)進一步試驗驗證。將PLS模型進行實際驗證，TSS與VC預(yù)測值與實際值差異較小，TSS的差異基本表現(xiàn)在1%以內(nèi)，占比71.43%；VC基本表現(xiàn)在5 mg/100 mL以內(nèi)，占比70.00%，可接受程度高，表明所建立的PLS模型可用于塔羅科血橙TSS與VC含量的實際評測。