基于光纖光譜技術的南疆駿棗溫度定量模型研究

張輝 羅華平

摘 要：樣品溫度對定量模型的精確度有一定的影響。該研究利用光纖光譜技術對不同溫度的100個駿棗進行了分析，選擇預處理方法為SNV建立的偏最小二乘法（PLS）駿棗溫度定量模型。結果表明，駿棗在23℃溫度下建立的模型預測能力較強，相關系數（R）為0.85367，校正標準偏差（RMSEC）為0.62，預測標準偏差（RMSEP）為2.62。由此可見，利用光纖光譜技術研究駿棗溫度定量模型的預測是可行的。

關鍵詞：駿棗;溫度;偏最小二乘法;光纖光譜

中圖分類號 S665.1 文獻標識碼 A 文章編號 1007-7731（2021）23-0133-03

Research on Temperature Quantitative Model of Jujube in Southern Xinjiang Based on Optical Fiber Spectroscopy Technology

ZHANG Hui et al.

（College of Mechanical and Electronic Engineering， Tarim University， Alar 843300， China; The Key Laboratory of Colleges & Universities under the Department of Education of Xinjiang Uygur Autonomous Region， Alar 843300， China）

Abstract： The sample temperature has a certain influence on the accuracy of the quantitative model. In this paper， the fiber optic spectroscopy was used to analyze 100 Jujube at different temperatures. The partial least squares （PLS） temperature quantitative model of Jujube was established for SNV pretreatment method. It was found that the prediction ability of Jujube model at 23℃ was higher， and the correlation coefficient （R） was 0.85367.The correction standard deviation （RMSEC） was 0.62 and the prediction standard deviation （RMSEP） was 2.62.It can be seen from the experimental results that the optical fiber spectroscopy technique is feasible to predict the temperature quantitative model of Jujube.

Key words： Junjujube; Temperature; Partial least squares method; Optical fiber spectroscopy

駿棗是南疆主要外售的農產品[1]。水分、糖分含量是評價駿棗品質的重要指標，駿棗水分的無損檢測是現(xiàn)階段研究的熱點。溫度的變化會影響光譜的變化，溫度升高，使水分子躍遷的概率增加，影響氫鍵結合，導致光譜發(fā)生變化，從而增加光譜分析的難度[2]。

王亞運[2]以駿棗為研究對象，分析了不同溫度的駿棗對近紅外光譜無損檢測的影響，建立了駿棗溫度近紅外數據庫。張春嶺[3]等研究了溫度對發(fā)酵過程中總糖、還原糖、可溶性固形物等營養(yǎng)成分的影響，結果表明，25℃條件下發(fā)酵得到的低糖紅棗粉品質較好。孫彥華[4]等利用溫度修正理論從近紅外光譜分析的本質上進行了溫度修正，分析了溫度對模型預測結果的影響以及溫度與不同溫度下的光譜數據之間的關系。Yuta Kumagai[5]等研究了溫度對氘水中與金屬陽離子配對的水合電子吸收光譜的影響，結果表明，隨著溫度的升高，溶劑化電子的吸收帶向更大的波長。D. Cozzolino[6]等研究了溫度變化對葡萄酒的可見和近紅外光譜的影響，結果表明，在970nm和1400nm附近，2個品種的光譜存在差異，與OH鍵有關。此外，還觀察到溫度對紅酒可見光譜區(qū)域的影響，葡萄酒分析的掃描溫度應在30～35℃。

本研究利用光纖光譜技術實現(xiàn)駿棗水分的快速無損檢測，建立了不同溫度下駿棗的水分定量檢測模型，旨在有效提高駿棗水分模型的預測精度，為南疆駿棗品質的無損檢測提供參考。

1 材料與儀器

1.1 材料 試驗用駿棗樣本均來自新疆阿拉爾市農貿交易市場，隨機選取無病害、無損傷、大小形態(tài)相近的的駿棗100個，編好號將樣品用密封袋自封后分別放置室內2℃、23℃的溫度環(huán)境中12h，保證駿棗內外溫度一致。

1.2 儀器設備 試驗使用的儀器主要包括光纖光譜檢測系統(tǒng)（美國海洋光學公司）;溫度測量儀器包括酒精溫度計和電子溫度計;電子天平（JA2003）;電熱鼓風機（GZX-9140MBZ）。試驗采用SpectraSuite軟件采集光譜信息，使用MATLAB-R2018a軟件進行光譜處理，用TQ Analyst軟件進行建模分析。如圖1所示，光纖光譜檢測系統(tǒng)主要包括：USB-650紅潮（Red Tide）光譜儀（光學分辨率：2nm，有效像素值650，波長范圍：350～1000nm），光纖，ISP-REF 反射式積分球（帶光源），計算機，標準反射白板（STAN-SSH）。

2 試驗方法

2.1 光譜采集 采集南疆駿棗光譜前，先打開ISP-REF反射式積分球的光源，預熱15min，調整光纖光譜儀配置及其參數值，選擇反射測量，設置積分時間（CCD陣列的“曝光時間”）為100ms，光譜平均掃描次數為4次，平滑度取6，使用標準反射白板（STAN-SSH）進行黑白校正。之后將駿棗樣品放在ISP-REF反射式積分球上，采集駿棗赤道部位的光譜，每隔120°采集1次，每個駿棗采集3次光譜，取其平均值作為駿棗的光譜數據。采集的23℃和2℃駿棗光譜數據如圖2、3所示。按序將內外溫度為2℃的駿棗每取1個，采集駿棗光譜后按序靜放在室內樣品臺上，當駿棗內外溫度達到23℃，相對濕度（25%～30%）時，采集23℃駿棗光譜，最后將紅棗稱重后放在電熱鼓風箱中干燥，在1個大氣壓下（101.3kPa）下，溫度設定在65℃，干燥60h，直至重量的變化小于0.001g，之后稱重。

2.2 駿棗水分的測定 根據《食品安全國家標準食品中水分的測定》（GB 5009.3-2016），選用烘干減質量法來確定駿棗樣品的水分含量[7-8]。

2.3 濃度殘差法對異常樣本剔除 駿棗樣品理化值的絕對誤差[Res（i）]是駿棗第[i]個樣本測定值[yi]與校正模型預測值[yi]之間的誤差[9]。濃度殘差法通常是用被檢驗樣品的理化值絕對誤差[Res（i）]的方差與整個標樣集各樣本的絕對誤差方差的平均值的F檢驗來判別[10]。

[F=Res2（i）Res2=Res2i（ns-1）j≠ijRes2（j）]

臨界值概率為Fa（l，n-1），F(xiàn)的閾值范圍可設置為0.90～0.99，大于該閾值的可判斷為異常理化值樣本[11]。

2.4 光譜數據處理 用MATLAB軟件導入駿棗的光譜數據，并對其進行處理，用濃度殘差法剔除光譜的異常值，將剔除后的數據導入TQ-Analyst軟件內建立偏最小二乘法（Partial least squares，PLS）和主成分回歸法（Principal compont regression，PCR）的預測模型在建模之前對光譜數據采取不同預處理方法，有光程恒定（Constant），多元散射校正（Muitiplicative signal correction，MSC），標準正態(tài)變換（Standard normal variate，SNV）等預處理方法。觀察建模后的相關系數（R）、校正標準偏差（RMSEC）、預測標準偏差（RMSEP）等的數值作為模型評價依據[12-13]。

3 結果與分析

利用光纖光譜技術對不同溫度的駿棗進行分析，結果見表1～2。由表1可知，對駿棗采用的偏最小二乘法（PLS）建模的相關系數R為0.83515，采用主成分回歸法（PCR）建模的相關系數為0.78635，說明選擇偏最小二乘法（PLS）建立的溫度模型預測能力更好。

從表2可以看出，在不選擇預處理方法時，2℃駿棗建模的相關系數為0.86327、23℃駿棗建模的相關系數為0.83515，說明2℃駿棗的溫度建模比23℃駿棗的溫度建模預測能力更好;在選擇預處理方法時，如SNV，2℃駿棗建模的相關系數為0.85017、23℃駿棗建模的相關系數為0.85367，23℃駿棗的溫度建模比2℃駿棗的溫度建模預測能力更好。

4 結論與討論

利用光纖光譜技術對不同溫度的駿棗進行分析，通過選擇不同預處理方法建立PLS溫度定量模型，結果表明，駿棗在不同溫度下建立模型的相關系數在0.83515～0.86327，說明利用光纖光譜技術對駿棗溫度定量模型的預測是可行的。

通過選擇預處理方法為SNV建立的PLS溫度定量模型，可以看出，駿棗在23℃比2℃溫度下建立的模型預測能力較高。利用光纖光譜技術建立的南疆駿棗溫度定量模型對戶外水分檢測、清洗、儲存等環(huán)節(jié)的駿棗品質無損檢測具有一定的參考價值。

參考文獻

[1]何有苗.阿克蘇地區(qū)紅棗產業(yè)發(fā)展現(xiàn)狀及對策[J].新疆農墾科技，2020，43（10）：20-22.

[2]王亞運.基于光譜技術的南疆紅棗溫度校正模型研究[D].塔里木：塔里木大學，2018.

[3]張春嶺，劉慧，劉杰超，等.溫度對發(fā)酵法制備低糖紅棗粉營養(yǎng)成分的影響[J].農產品加工，2018（09）：49-51，54.

[4]孫彥華，范永濤.近紅外光譜分析中溫度影響的修正[J].光譜學與光譜分析，2020，40（06）：1690-1695.

[5]Yuta Kumagai，Mingzhang Lin，Isabelle Lampre，et al.Temperature effect on the absorption spectrum of the hydrated electron paired with a metallic cation in deuterated water[J]. Radiation Physics and Chemistry，2008，77（10）：1198-1202.

[6]D. Cozzolino，L. Liu，W.U. Cynkar，et al. Effect of temperature variation on the visible and near infrared spectra of wine and the consequences on the partial least square calibrations developed to measure chemical composition[J]. Analytica Chimica Acta，2007，588（2）：224-230.

[7]梁寧，張凱利，李守藏，等.基于漫反射光纖光譜檢測紅棗水分和總糖含量[J].江蘇農業(yè)科學，2018，46（22）：231-234.

[8]李偉，羅華平，索玉婷，等.冬棗水分高光譜快速反演模型研究[J].食品科技，2020，45（02）：329-333.

[9]李倩倩.無信息變量消除法在三種譜學方法中的定量分析研究[D].北京：中國農業(yè)大學，2014.

[10]石魯珍，張景川，王彥群，等.馬氏距離與濃度殘差剔除近紅外異常樣品研究[J].中國農機化學報，2016，37（06）：99-103.

[11]徐嘉翊.基于偏振高光譜成像技術的南疆冬棗BRDF方位定量檢測模型研究[D].塔里木：塔里木大學，2021.

[12]禇小立.化學計量學方法與分子光譜分析技術[M].北京：化學工業(yè)出版社，2011：07.

[13]尚靜，孟慶龍，黃人帥，等.光纖光譜技術對獼猴桃品質及成熟度的無損檢測[J].光學精密工程，2021，29（05）：1190-1198.

（責編：張宏民）