近紅外光譜技術在蘋果品質無損檢測中的應用

屈亞堃　宮元娟

摘要：近紅外光譜技術是一種高新分析技術，被越來越多地應用于農業領域。概述近年來國內外近紅外光譜技術在蘋果品質無損檢測中的應用情況，分析近紅外光譜技術在蘋果質檢中的應用方向，為果品無損檢測技術的發展提供參考。

關鍵詞：近紅外光譜技術；無損檢測；蘋果；應用

中圖分類號：O657.61 文獻標識碼：A 文章編號：1674-1161（2014）06-0032-02

蘋果糖酸度和內部損傷等品質信息是蘋果分級時所要檢測的重要指標。通常判斷一個蘋果的糖酸度是通過果皮顏色來間接衡量，但表征糖度、酸度的多少還是由其內部可溶性固形物直接決定的。1912年，近紅外光譜技術第一次應用于檢測空氣濕度；如今，近紅外光譜技術結合計算機等先進技術得到了飛速發展，并越來越多地應用于農業領域。現介紹近紅外光譜檢測技術的發展情況，并著重闡述其在蘋果檢測方面的應用。

1 近紅外光譜檢測技術概述

近紅外光是位于可見光（VIS）和中紅外光（MIR）之間波段的電磁波，其波長范圍為780～2 526 nm，每厘米波數為3 959～12 820。由于有機分子中含氫官能團（如—OH，—NH，—CH），與近紅外光頻率振動的合頻和各級倍頻的吸收區一致，因此通過掃描樣品的近紅外光譜，便可以得到樣品中有機分子含氫官能團的特征信息，進而對樣品進行定性及定量分析。

根據探測器接收光的方式，近紅外光譜技術可分為透射光譜技術和反射光譜技術。透射光譜波長為780～1 050 nm；反射光譜波長為1 050～2 500 nm。近紅外光譜取決于被檢測物的成分和組織，并存在一定的函數關系，通過應用化學計量方法進行函數模型校正，就可根據近紅外光譜反向預測被檢測物成分及含量。目前常用的校正方法有偏最小二乘法（PLS）、多元線性回歸（MLR）、主成分分析（PCA）、人工神經網絡（ANN）等。

2 近紅外光譜技術在蘋果品質檢測中應用現狀

蘋果中的水分、碳水化合物（總糖和酸）、蛋白質、脂肪、果膠、維生素等是構成其品質的主要成分；纖維素、黃酮、激素等對蘋果的風味、口感等品質具有重要影響；而農藥、微生物、有機化學品等污染是導致蘋果質量下降的重要因素。利用近紅外無損檢測技術可以完全有效地檢測上述幾種物質，實現蘋果營養成分測量、口感檢測和商品化評價檢測等目的。

2.1 營養成分測量

蘋果營養成分測量目前主要針對蘋果的糖度、酸度、果膠等成分的測量。大多采用近紅外漫反射技術對蘋果主成分進行定量分析，也有少部分采用近紅外透射技術；同時，配合化學計量法，對光譜數據進行多元統計分析。例如：趙杰文等人利用波長為1 300～

2 100 nm的近紅外光譜儀對水晶富士蘋果進行糖度檢測，采用主成分回歸（PCR）和偏最小二乘法（PLS）對試驗數據進行統計分析，得到校正集的相關系數rc和校正標準偏差SEC分別為：0.966 7和0.391 1（PCR法），0.967 9和0.377 5（PLS法）；預測集的相關系數rp和校正標準偏差SEP分別為：0.934 0和0.523 8（PCR法），0.938 7和0.505 4（PLS法）。說明各種校正模型對于利用近紅外光譜預測水晶富士蘋果糖度均有很高的相關系數。

2.2 口感檢測

蘋果口感檢測指標包括蘋果硬度、果皮厚度、含水量，以及纖維素等成分的含量。目前多采用近紅外漫反射技術，結合相應的校正模型，進行建模和預測。例如：李桂峰等人采用傅里葉變近紅外光譜儀，在1 408～2 355 nm波段對富士蘋果硬度指標進行檢測，利用偏最小二乘法（PLS）建立模型，得到模型的決定系數R2為0.985 2，內部交叉驗證均方根差RMSECV和預測標準偏差RMSEP分別為0.039 8 kg/cm2和0.016 6 kg/cm2；并進一步通過提出異常優化模型的R2為0.990 8，RMSEP為0.014 7 kg/cm2。結果表明：試驗所建立的模型可靠，預測效果好，能滿足蘋果硬度檢測要求。

2.3 商品化評價檢測

蘋果商品化評價指標包括農藥殘留含量、植物生長調節劑、內部褐變等信息。目前檢測多為全譜掃描后，選擇特定的幾個波段，進行結構判斷分析。例如：韓海東等人利用可見近紅外連續透射技術（650～900 nm）對富士蘋果的內部褐變進行研究，分析其光譜特性，選擇715，750和810 nm這3個特征波長進行褐變果判別分析。具體方法為：全譜采集后，將蘋果沿赤道切開，用CCD成像技術結合圖像處理軟件，計算褐變所占面積，劃分褐變等級。結果表明：樣品的正確判別率達到95.65%，可基本滿足實際生產要求，因此利用近紅外光譜技術檢測蘋果內部褐變是可行的。

3 近紅外光譜技術在蘋果品質檢測中應用需研究的問題

近紅外光譜技術雖然具有無損檢測、適用范圍廣等特點，但作為一種間接檢測方法，其與傳統的檢測手段相比，存在兩方面不足：一是定量分析中的精度問題，二是蘋果物理特性和環境因素的影響問題。這二者是制約近紅外光譜技術走出實驗室與實際生產相結合的“瓶頸”問題，需要科研工作者和儀器廠家共同關注。

3.1 定量分析中的精度問題

近紅外光譜分析儀器的定量分析精度問題體現在兩方面：一是與其自身的信噪比、波長穩定性、有效檢測范圍、檢驗重復性等有關；二是所參考理化分析方法的精度，也直接影響定標模型所給出的測量結果精度。因此，要想進一步提高理化參考分析方法的精度，提高儀器測得的近紅外光譜吸光度數據與理化分析值的相關性等，也需要理化學科同步發展。

3.2 蘋果物理特性和環境因素影響問題

在對同一品種的蘋果進行某一指標的近紅外光譜檢測時，蘋果的大小及形狀、照射位置的不同都會對模型的建立和預測結果有顯著影響，所以目前的蘋果分級流水線為解決這一問題，大都采用多種檢測儀器配合使用。例如，在近紅外光譜檢測前，利用質量傳感器、CCD成像傳感器和位置傳感器等儀器先進行初步分級分選。

另外，同一品種的蘋果受環境因素（溫度、濕度、儲藏時間等）影響，其內部品質會隨時間推移而發生變化。例如，用對某一品種蘋果的某一品質在采摘時所作的定量建模，去預測儲藏很久的蘋果，則所得的結果并不能反映其真實值。目前，對于綜合考慮各種環境因素的方法，尚待研究與探索。

4 結語

我國是蘋果生產大國，但蘋果分級方式卻相對落后，因此蘋果的深層次分級日益受到關注。近紅外光譜技術作為無損檢測的主要手段，完全適用于蘋果的檢測。目前存在的主要問題有：一是部分流水線上的設備只能檢測蘋果的單一性狀指標；二是蘋果的近紅外光譜數據庫不完善。今后近紅外光譜檢測的一個主流方向就是在線無損檢測，即在豐富的近紅外光譜數據庫前提下，對于不同的檢測物及檢測指標，調取相應的數學模型進行檢測。

參考文獻

[1] WILLIAMS P，NORRIS K.Near-infrared technology in the agricultural and food industries[M].Minnesota：American Association of Cereal Chemists，1987.

[2] KIM M S，LEFCOURT A M，CHAO K.，et al.Multispectral detection of fecal contamination on apples based on hyperspectral imagery： Part I.application of visible and near-infrared reflectance imaging[J].Trans of the ASAE，2002，45（6）：2 027-2 037.

[3] 劉建學.實用近紅外光譜分析技術[M].北京：科學出版社，2008.

[4] 趙杰文，張海東，劉木華.利用近紅外漫反射光譜技術進行蘋果糖度無損檢測的研究[J].農業工程學報，2005，21（3）：162-165.

[5] 李桂峰，趙國建，劉興華，等.蘋果硬度的傅里葉變換近紅外光譜無損檢測[J].農業機械學報，2009，40（1）：120-123.