基于光譜指數(shù)的蜜橘成熟度評(píng)價(jià)模型研究

劉燕德，葉靈玉，孫旭東，韓如冰，肖懷春，馬奎榮，朱丹寧，吳明明

(華東交通大學(xué)機(jī)電與車(chē)輛工程學(xué)院，江西 南昌 330013)

1 引 言

國(guó)標(biāo)要求柑橘類(lèi)的水果成熟度達(dá)到可食用的適當(dāng)程度即可[1]。中國(guó)農(nóng)業(yè)科學(xué)研究所研究證明果皮色澤和果汁的固酸比值可以作為尾張系柑橘果實(shí)的成熟度指標(biāo)，固酸比一般達(dá)到8∶1以上即認(rèn)為是成熟[2]。成熟度是果實(shí)品質(zhì)的評(píng)價(jià)重要指標(biāo)，果實(shí)成熟度不一，會(huì)嚴(yán)重影響其整體品質(zhì)，同時(shí)大大降低了其市場(chǎng)競(jìng)爭(zhēng)力。目前評(píng)價(jià)成熟度的指標(biāo)有硬度[3]、乙烯含量[4]等。其中采用硬度的評(píng)價(jià)方法適用于在成熟過(guò)程中硬度變化比較大的水果，例如獼猴桃、香蕉等水果；乙烯評(píng)價(jià)方法對(duì)于成熟過(guò)程中釋放乙烯較少的水果不適用[5]。成熟度評(píng)價(jià)對(duì)于水果采摘后的儲(chǔ)藏和運(yùn)輸起著重要的作用，采摘早了，果實(shí)得不到充分的生長(zhǎng)，采摘晚了，在儲(chǔ)藏和運(yùn)輸過(guò)程中容易腐爛。因此，探索一種準(zhǔn)確、有效的成熟度評(píng)價(jià)方法具有重要意義。

光譜指數(shù)(spectral index)是由特定的多光譜波段的反射率經(jīng)過(guò)線(xiàn)性或非線(xiàn)性組合而構(gòu)成的一種光譜參數(shù)，其構(gòu)建的原則是選擇適合的波段強(qiáng)化果實(shí)的特征信息且弱化環(huán)境對(duì)光譜影響為目的，定性、定量地評(píng)估農(nóng)作物生長(zhǎng)及成熟度等情況[6-8]。羅丹[9]等人通過(guò)分析350～2 500 nm波段光譜反射率任意兩波段交叉組合的主要高光譜指數(shù)與冬小麥葉綠素含量的定量關(guān)系，并建立估算模型，結(jié)果表明比值光譜指數(shù)的效果最好，但這種光譜指數(shù)仍未能完全去除干擾信息。Attila[10]對(duì)蘋(píng)果成熟過(guò)程中的光譜特性、葉綠素、類(lèi)胡蘿卜素和水分等進(jìn)行研究，結(jié)果表明，類(lèi)胡蘿卜素與葉綠素的比值適合用來(lái)表示蘋(píng)果的成熟度，其中678 nm波長(zhǎng)的光譜數(shù)據(jù)適用于判斷蘋(píng)果是否成熟。水果的成熟度涉及到各項(xiàng)參數(shù)指標(biāo)，這種采用單個(gè)波長(zhǎng)的信息來(lái)判斷水果成熟度的方法較為簡(jiǎn)單，沒(méi)有對(duì)比的參考量，存在很大的不確定性。近年來(lái)國(guó)外有許多研究者采用基于光譜指數(shù)的便攜式儀器來(lái)研究水果的成熟度。其中Alejandra[11]采用cherry-meters儀器測(cè)量葡萄基于兩個(gè)波峰(560 nm和640 nm)的吸光度差異指數(shù)，并根據(jù)吸光度差異指數(shù)的數(shù)值將樣品分為10類(lèi)，利用主成分分析不同吸光度差異指數(shù)的葡萄集群的成熟度。兩個(gè)波長(zhǎng)的光譜指數(shù)評(píng)價(jià)方法比一個(gè)波長(zhǎng)的光譜指數(shù)評(píng)價(jià)方法較穩(wěn)定，但前者只有兩個(gè)波長(zhǎng)之間的相對(duì)變化，不能對(duì)結(jié)果進(jìn)行驗(yàn)證，容易受到外界環(huán)境的影響。光譜指數(shù)的評(píng)定方法已經(jīng)被國(guó)內(nèi)外學(xué)者廣泛使用，采用這種方法可以通過(guò)選擇少量波長(zhǎng)，就能實(shí)現(xiàn)對(duì)蜜橘的成熟度評(píng)價(jià)，為開(kāi)發(fā)低成本測(cè)量成熟度的儀器提供理論依據(jù)。

2 材料與方法

2.1 實(shí)驗(yàn)材料

實(shí)驗(yàn)樣品為江西蜜橘于9月到11月份6次采摘于江西某果園，樣品隨機(jī)選取沒(méi)有損壞、腐爛以及蟲(chóng)害的新鮮蜜橘。實(shí)驗(yàn)樣品總數(shù)為300個(gè)，實(shí)驗(yàn)樣品每次為50個(gè)。將樣品表面清洗干凈，存放于溫度為20°和濕度為60%的環(huán)境下存放，并在24 h內(nèi)采集光譜，同時(shí)測(cè)量樣品重量、橫徑、縱徑、葉綠素、糖度、酸度以及色差等參數(shù)，其各種參數(shù)范圍如表1所示。江西蜜橘為多汁水果，其皮厚約為1 mm，比贛南蜜橘的皮略薄，更適合采用近紅外光譜儀進(jìn)行光譜研究，果皮對(duì)實(shí)驗(yàn)的影響更小。

2.2 光譜采集

采用Ocean optics便攜式光譜儀采集光譜，如圖1所示，由光源、光纖、檢測(cè)器和PC機(jī)組成。

其中光源為L(zhǎng)S-1的白色光源，其光源穩(wěn)定、強(qiáng)度合適，光譜采集前需將光源預(yù)熱15 min，檢測(cè)器的型號(hào)為QE65000，使用Spectrasuite軟件讀取和儲(chǔ)存光譜。光譜采集范圍： 400～1 200 nm；分辨率：6 nm；功率：6.5 W；積分時(shí)間：100 ms；平均次數(shù)：1；平滑度：15，并勾選去除噪聲。參數(shù)設(shè)置好后，分別在樣品的赤道部位均布采集3條光譜，沿赤道部位每隔72°采集一次光譜，最后求取平均光譜。

圖1 便攜式光譜儀 Fig.1 Portable spectrometer

批次采摘時(shí)間重量/g橫徑/mm縱徑/mm葉綠素色差糖度(Bix°)酸度/%19月1日94～116.760～6347～545.8～35-50～-27.99.1～11.60.53～2.8829月11日94.43～137.8260～6846～543.9～4055.7～66.89.2～11.50.3～2.41310月9日110.4～156.166～7446～560.1～23.557.4～74.49.8～12.20.47～2.22410月24日109.87～141.8962～7150～590.1～13.256.6～75.79.4～12.80.84～1.66511月8日87.44～136.1162～7148～570.1～3.265.1～76.39.5～13.10.4～1.4611月28日108.36～151.7360～7546～580.1～1.858.6～75.710.7～13.30.41～0.97

2.3 蜜橘理化指標(biāo)真實(shí)值測(cè)量

重量：0.01 g，采用電子稱(chēng)量法稱(chēng)量，電子秤型號(hào)JM-B；

橫縱徑：采用游標(biāo)卡尺分別在蜜橘在赤道和縱向的直徑；

色差：使用白色聚乙烯板作為參照，采用ATAGO色差儀測(cè)量蜜橘赤道采集點(diǎn)處的色差(Lab);

葉綠素：在光譜采集點(diǎn)，切下一小塊果皮，去掉表皮中白色囊狀物之后，采用SPAD-520葉綠素測(cè)量?jī)x測(cè)量[12]；

可溶性固形物和酸度：為了防止果肉對(duì)實(shí)驗(yàn)的影響，用紗布將果汁過(guò)濾，進(jìn)而測(cè)量其糖度含量；用移液槍取1 mL果汁放入燒杯中，用純凈水稀釋至50 mL，攪拌均勻后用日本愛(ài)拓專(zhuān)用于測(cè)量柑橘的糖酸度計(jì)測(cè)量酸度[13]。

3 結(jié)果與討論

3.1 成熟度評(píng)價(jià)指標(biāo)對(duì)比分析

圖2 不同采收期的蜜橘重量 Fig.2 Tangerine weights in different harvest periods

圖3 不同采收期的蜜橘橫徑 Fig.3 Transverse diameters in different harvest periods

圖4 不同采收期的蜜橘縱徑 Fig.4 Longitudinal diameters in different harvest periods

圖5 不同采收期的蜜橘葉綠素 Fig.5 Chlorophyll in different harvest periods

圖6 不同采收期的蜜橘色差 Fig.6 Chromatic aberrations in different harvest periods

圖7 不同采收期的蜜橘可溶性固形物含量 Fig.7 Soluble solid contents in different harvest periods

蜜橘成熟度指標(biāo)是一項(xiàng)重要指標(biāo)，蜜橘?gòu)奈闯墒炱诘匠墒炱诘母黜?xiàng)指標(biāo)參數(shù)先增大(減小)后趨于穩(wěn)定。如圖2、3、4所示，不同采收期的蜜橘橫縱徑?jīng)]有顯著變化，重量雖然呈上升的趨勢(shì)，但是趨勢(shì)并不明顯。如圖5所示，葉綠素含量隨著時(shí)間的變化越來(lái)越少，且標(biāo)準(zhǔn)偏差越來(lái)越小，可見(jiàn)蜜橘的葉綠素含量可作為蜜橘成熟度指標(biāo)之一。色差如圖6所示，第1批數(shù)值較低表明第一個(gè)采收期的蜜橘顏色偏暗，而后面5批的蜜橘顏色偏亮，色差基本不變，從色澤上已趨于穩(wěn)定，但上升的過(guò)快不利于判斷成熟時(shí)期。

圖8 不同采收期的蜜橘酸度含量 Fig.8 Tangerine acidity contents in different harvest periods

圖9 不同采收期的蜜橘固酸比 Fig.9 Tangerine solid-acid ratios in different harvest

圖10 不同采收期的葉綠素與糖度的比值 Fig.10 Ratio of chlorophyll to SSC in different harvest periods

圖11 不同采收期的葉綠素與固酸比的比值 Fig.11 Ratios of chlorophyll to solid-acid in different harvest periods

蜜橘在成熟過(guò)程中淀粉會(huì)分解，可溶性固形物的含量會(huì)逐漸升高，而酸度會(huì)逐漸降低。中國(guó)農(nóng)業(yè)科學(xué)院柑橘研究所研究結(jié)果表明[2]柑橘成熟時(shí)的固酸比≥8∶1，由圖9可知，這6個(gè)采收期的蜜橘的固酸比平均值均大于8，適宜食用，但若是確定蜜橘的最佳成熟度，還需要實(shí)驗(yàn)研究。在圖9中前4個(gè)采收期的固酸比沒(méi)有明顯的變化，在第5個(gè)采收期固酸比開(kāi)始上升，在第6個(gè)采收期的時(shí)候達(dá)到最高值，這是由于這6個(gè)采收期的蜜橘的可溶性固形物的含量沒(méi)有明顯變化(如圖7所示)，但其酸度在第5個(gè)采收期開(kāi)始下降，到第6個(gè)采收期達(dá)到最小值(如圖8所示)。使用葉綠素比上SSC、葉綠素比上固酸比可得到如圖10和圖11所示，其平均值逐漸減小且趨于穩(wěn)定，偏差也逐漸變小，也可作為江西蜜橘成熟度指標(biāo)。

3.2 蜜橘光譜特性分析

江西蜜橘樣品的反射光譜的平均光譜如圖12所示，光譜范圍500～1 500 nm。在649 nm和724 nm波段處有明顯的兩個(gè)波峰，672 nm波段處有明顯波谷，隨成熟期的變化672 nm處波谷越來(lái)越不明顯，漸漸趨近于平緩。這是由于蜜橘中的有機(jī)物含有C-H鍵、O-H鍵、N-H鍵等氫基團(tuán)，而在蜜橘逐漸成熟的過(guò)程中，蜜橘的表皮顏色逐漸由綠色轉(zhuǎn)變成紅黃色，蜜橘的內(nèi)部品質(zhì)也逐漸改善，口感越來(lái)越好。在672 nm波段處的波谷可能是由于果皮中的葉綠素造成的，葉綠素吸收波段為450～470 m和640～680 nm[14]，前3個(gè)采收期的蜜橘表皮顏色偏綠，采集點(diǎn)呈黃色的部位較少，葉綠素含量較多，導(dǎo)致在672 nm波段附近形成波谷，而在649 nm和724 nm兩處形成波峰。后3個(gè)采收期的蜜橘表皮顏色多呈紅黃色，葉綠素含量較少，這時(shí)光譜顯現(xiàn)出來(lái)的是紅光和黃光的反射能量。由6個(gè)采收期的平均光譜的吸收帶可知，光譜的成熟度與果皮中葉綠素的含量密切相關(guān)。

圖12 不同采收期的江西蜜橘近紅外光譜特性 Fig.12 Near infrared spectrum characteristics of Jiangxi orange in different harvest periods

在蜜橘的原始光譜中，不同波長(zhǎng)的反射值差異較大，宜采用變異系數(shù)[15]來(lái)反應(yīng)光譜的變化，變異系數(shù)公式為：

(1)

變異系數(shù)越大體現(xiàn)出蜜橘在6個(gè)采收期的變化越大，如圖13所示，光譜值從500～670 nm波長(zhǎng)呈一個(gè)上升的趨勢(shì)，這個(gè)波段的蜜橘的差異越來(lái)越大并在670 nm達(dá)到最大值，從670～724 nm呈下降趨勢(shì)，并在724 nm時(shí)降到最低后不再有明顯的變化。表明蜜橘的成熟過(guò)程中，670 nm波長(zhǎng)時(shí)的光譜變化最明顯，能體現(xiàn)蜜橘成熟的差異性。而670 nm波長(zhǎng)正是葉綠素的吸收波峰[16]，因此以光譜特性來(lái)看，葉綠素亦適宜作為成熟度參數(shù)指標(biāo)。

圖13 變異系數(shù)曲線(xiàn) Fig.13 Variation coefficient curve

3.3 蜜橘成熟度光譜評(píng)價(jià)指數(shù)對(duì)比分析

表2 光譜評(píng)價(jià)指數(shù)相關(guān)性分析

圖14 成熟度光譜指數(shù)隨采收期的變化 Fig.14 Maturity spectral index changes with the harvest period

3.4 蜜橘成熟度光譜指數(shù)評(píng)價(jià)模型分析

通過(guò)成熟度評(píng)價(jià)指標(biāo)和光譜指數(shù)建立多元線(xiàn)性回歸[18](MLR)評(píng)價(jià)模型，成熟度評(píng)價(jià)指標(biāo)如3.1節(jié)所述為葉綠素、葉綠素比可溶性固溶物、葉綠素與固酸比之比。將3組原始數(shù)據(jù)按照3∶1的比例，分為建模集和預(yù)測(cè)集，建模集樣本為225個(gè)，預(yù)測(cè)集為75個(gè)。如表3所示，在3個(gè)成熟度指標(biāo)中，葉綠素與光譜指數(shù)建立的MLR模型的效果最好，其建模集相關(guān)系數(shù)rc達(dá)到0.98，建模均方根誤差RMSEC為0.49，建模偏差為-6.1×10-8，預(yù)測(cè)集相關(guān)系數(shù)為0.96，預(yù)測(cè)均方根誤差RMSEP為0.59，預(yù)測(cè)偏差為-0.014。如圖15為葉綠素與光譜指數(shù)的MLR模型，建模集的多元線(xiàn)性回歸方程為y=0.95x+0.016，預(yù)測(cè)集的多元線(xiàn)性回歸方程為y=0.91x+0.032。

表3 成熟度指標(biāo)與光譜指數(shù)建模結(jié)果

圖15 多元線(xiàn)性回歸模型 Fig.15 Multiple linear regression model

4 結(jié) 論

[1] GB/T 12947-2008《鮮柑橘》[S].

GB/T 12947-2008(Fresh citrus)[S].(in Chinese)

[2] 應(yīng)義斌,饒秀勤,馬俊福,等.柑橘成熟度機(jī)器視覺(jué)無(wú)損檢測(cè)方法研究[J].農(nóng)業(yè)工程學(xué)報(bào),2004,20(2):144-147.

YING Y B,RAO X Q,MA J F,etal.. Methodology for nondestructive inspection of citrus maturity with machine vision[J].TransactionsoftheCSAE,2004,20(2):144-147.(in Chinese)

[3] BURDON J,PIDAKALA P,MARTIN P,etal. Postharvest performance of the yellow-fleshed ‘Hort16A’ kiwifruit in relation to fruit maturation[J].PostharvestBiologyandTechnology,2014,92:98-106.

[4] NAVARRO G N,MARTINEZ R D,PEREZT O. Assessment of the impact of ethylene and ethylene modulators in citrus limon organogenesis[J].PlantCell,TissueandOrganCulture,2016,127(2):405-415.

[5] 王樂(lè)妍,張冬仙,章海軍,等.基于激光光致發(fā)光光譜的果實(shí)成熟度測(cè)試方法研究[J].光譜學(xué)與光譜分析,2008,28(12):2772-2776.

WANG L Y,ZHANG D X,ZHANG H J,etal.. Measurement of fruit maturity based on laser-induced photoluminescence spectrum[J].SpectroscopyandSpectralAnalysis,2008,28(12):2772-2776.(in Chinese)

[6] JONATHAN V B ,LAURENT T,BEN S,etal.. Stem water potential monitoring in pear orchards through worldview-2 multispectral imagery[J].RemoteSensing,2015,7(8):9886-9903.

[7] ZHAO CH J,LI H L,GU X H,etal.. Effect of vertical distribution of crop structure and biochemical parameters of winter wheat on canopy reflectance characteristics and spectral indices[J].IEEETransactionsonGeoscience&RemoteSensing,2017,55(1):236-247.

[8] RAYMOND E H,CRAIG S T D,LI L. Feasibility of estimating leaf water content using spectral indices from WorldView-3′s near-infrared and shortwave infrared bands[J].InternationalJournalofRemoteSensing,2016,37(2):388-402.

[9] 羅丹,常慶瑞,齊雁冰,等.基于光譜指數(shù)的冬小麥冠層葉綠素含量估算模型研究[J].麥類(lèi)作物學(xué)報(bào),2016,36(9):1225-1233.

LUO D，CHANG Q R，QI Y B,etal.. Estimation model for chlorophyll content in winter wheat canopy based on spectral indices[J].JournalofTriticeaeCrops,2016,36(9):1225-1233.(in Chinese)

[10] NAGY A,PETER R,JANOS T. Spectral evaluation of apple fruit ripening and pigment content alteration[J].ScientiaHorticulturae,2016,201:256-264.

[11] ALEJANDRA R F,MASSIMO N,EMILIO J F,etal.. Assessment of technological maturity parameters and anthocyanins in berries of cv. Sangiovese(Vitis vinifera L.) by a portable vis/NIR device[J].ScientiaHorticulturae,2016,209:229-235.

[12] 劉燕德,肖懷春,孫旭東,等.基于高光譜成像的柑橘黃龍病無(wú)損檢測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2016,47(11):231-238,277.

LIU Y D,XIAO H CH,SUN X D,etal.. Non-destructive detection of citrus huanglong disease using hyperspectral image technique[J].TransactionsoftheChineseSocietyforAgriculturalMachinery,2016,47(11):231-238,277.(in Chinese)

[13] LI M,LV W B,ZHAO R,etal.. Non-destructive assessment of quality parameters in Friar′ plums during low temperature storage using visible/near infrared spectroscopy[J].FoodControl,2017,73(B):1334-1341.

[14] 劉凱,張立福,楊杭,等.面向?qū)ο蠓治龅姆墙Y(jié)構(gòu)化背景目標(biāo)高光譜探測(cè)方法研究[J].光譜學(xué)與光譜分析,2013,33(6):1653-1657.

LIU K,ZHANG L F,YANG H,etal.. Hyperspectral unstructured background target detection approach based on object-oriented analysis[J].SpectroscopyandSpectralAnalysis,2013,33(6):1653-1657.(in Chinese)

[15] 田青,羅金平,劉曉紅,等.生物發(fā)光法細(xì)菌快速檢測(cè)儀的研制及應(yīng)用[J].光學(xué) 精密工程,2010,18(4):771-778.

TIAN Q,LUO J P,LIU X H,etal.. Development and application of rapid detecting instrument for bacteria based on bioluminescence[J].Opt.PrecisionEng.,2010,18(4):771-778.(in Chinese)

[16] TAMBURINI E,FERRARI G,MARCHETT M G,etal.. Development of FT-NIR models for the simultaneous estimation of chlorophyll and nitrogen content in fresh apple(Malus Domestica) leaves[J].Sensors(Basel)，2015，15(2)：2662-2679.

[17] GITELSON AA，MERZLYAK M N. Signature analysis of leaf reflectance spectra-algorithm development for remote sensing of chlorophyll[J].JournalofPlantPhysiology,1996,148(3-4):494-500.

[18] 王智宏,張福東,滕飛,等.基于近紅外波長(zhǎng)組合快速檢測(cè)油頁(yè)巖含油率[J].光學(xué) 精密工程,2015,23(2):371-377.

WANG ZH H,ZHANG F D,TENG F,etal.. Rapid detection of oil yield of oil shale by combination of wavelengths in near infrared spectroscopy[J].Opt.PrecisionEng.,2015,23(2):371-377.(in Chinese)