利用VIS/NIR 反射光譜快速檢測柿餅加工中水分含量

趙鵬瑤，彭月梅，吳建虎

（山西師范大學(xué)食品科學(xué)學(xué)院，山西臨汾 041000）

柿果是我國主要水果種類之一，富含多種糖類及活性物質(zhì)，營養(yǎng)豐富。我國多年來柿子產(chǎn)量穩(wěn)居世界第一[1]。柿餅是柿子最主要的深加工產(chǎn)品，也是我國柿子產(chǎn)業(yè)的主要收入來源[2-3]。新鮮柿子肉質(zhì)脆嫩，富含可溶性單寧、原果膠和大量水分，在柿餅加工過程中，柿子中的可溶性單寧變形為不可溶，可消除澀味；原果膠變?yōu)楣z，使其變?nèi)彳?。此外，加工過程中水分大量蒸發(fā)，使得柿餅內(nèi)部糖分含量提高，向外滲透，形成柿霜[4]，柿餅中水分含量對柿餅的保質(zhì)期有較大影響[5]?？捎眯詥螌帯⒃z和水分的含量是影響柿餅品質(zhì)的主要因素[6]。研究并測定各成分在柿餅加工過程中的變化，對于優(yōu)化柿餅加工工藝、提高柿餅的品質(zhì)具有重要意義。目前，單寧、果膠、水分等測定主要使用理化方法[7-9]，由于檢測過程繁瑣、檢測時間長、成本高、具有破壞性，無法做到在加工中實時檢測，難以滿足現(xiàn)代食品精細(xì)化加工要求。

近紅外光譜分析具有檢測迅速、同時檢測多種成分、能實現(xiàn)無損檢測等優(yōu)點(diǎn)，已經(jīng)被廣泛應(yīng)用到水果品質(zhì)的定性和定量無損檢測中。光譜技術(shù)在柿子的可溶固形物含量檢測[10]、柿子[11-12]及柿餅澀味定量定性分析[13]、柿子成熟度的判別[14]、脫澀及未脫色柿子的檢測[15]等方面都取得了較好的結(jié)果。目前，很少見到柿餅加工過程中品質(zhì)參數(shù)近紅外檢測的研究報道。試驗以柿餅作為研究對象，采集柿餅加工過不同階段的可見/近紅外反射光譜，并測定相應(yīng)水分含量。在這個基礎(chǔ)上對數(shù)據(jù)進(jìn)行一定的處理和分析，建立柿餅水分含量的預(yù)測模型，快速預(yù)測柿餅加工過程中水分含量，為柿餅加工中快速測定水分含量，提高柿餅產(chǎn)品品質(zhì)提供技術(shù)支持。

1 材料與方法

1.1 試驗材料

試驗樣本購買于臨汾市堯豐農(nóng)貿(mào)市場。選擇無破損、表面光滑、無污斑、大小相近、當(dāng)日新采摘的新鮮柿子。樣本運(yùn)回實驗室后，首先清洗表面，陰涼處風(fēng)干。先隨機(jī)選取10 個樣本，測定樣本最初的水分含量；其余樣本隨機(jī)分為5 組，削去表皮，參照施寶珠等人[6，16]的方法，采用五段式的烘干法進(jìn)行柿餅的加工制作，該操作在生化培養(yǎng)箱中進(jìn)行。

五段式烘干法制作柿餅工藝見表1。

表1 五段式烘干法制作柿餅工藝（RH：環(huán)境相對濕度）

1.2 反射光譜的采集

從第1 階段開始，每個階段結(jié)束后，從樣本中隨機(jī)挑選10 個外觀規(guī)整、顏色均勻的樣本，采集其可見/近紅外反射光譜。儀器為美國海洋光學(xué)公司的USB4000 型便攜式光纖光譜儀，光譜波長范圍380～1 100 nm。光譜儀探測器曝光時間設(shè)定為80 ms，平滑度為10 點(diǎn)（帶寬約2 nm）。光譜采集時，入射光垂直于樣品表面，光纖探頭與樣品表面的距離保持一致。在每個樣本的表面平整光滑處取3 個平整光滑的部位，每個部位獲取1 條反射光譜，一個樣本共得到3 條反射光譜，最后取平均值作為該樣本的反射光譜。

1.3 柿餅中水分含量的測定

每一階段采集樣本反射光譜后，立即測定其水分含量。水分含量的測定采用烘干法[9]。在每個柿餅的中心位置水平切取厚度為5 mm 均勻的薄片，在電子天平上初始質(zhì)量，然后將其放入電熱鼓風(fēng)干燥箱中，于105 ℃下進(jìn)行干燥，干燥一段時間后，置于干燥器中冷卻30 min 至室溫，取出稱質(zhì)量（精確至0.001 g），再放入干燥箱中繼續(xù)烘干，再冷卻、稱質(zhì)量，直至達(dá)到恒質(zhì)量（2 次稱量的質(zhì)量之差不能超過5 mg）。最后計算柿餅中的水分含量，用百分比來表示。樣本水分含量計算如公式（1） 所示：

式中：W——樣本水分含量，%；

A——干燥后的樣本質(zhì)量，g；

B——未干燥的樣本質(zhì)量，g。

1.4 檢測模型的校正與驗證

1.4.1 光譜數(shù)據(jù)預(yù)處理

分別采用均值平滑（mean smoothing，MS）、多元散射校正（MSC） 和一階導(dǎo)數(shù)法(1-D)對光譜進(jìn)行預(yù)處理，每個樣本得到3 條預(yù)處理光譜，分別為MS光譜、MSC 光譜和1-D 光譜。

1.4.2 校正集和驗證集的確定

柿餅制作過程中的所有樣本，使用Samples set partitioning based on joint x-y distance（SPXY）[17]算法分為校正集和驗證集兩組，其中校正集用于檢測模型的校正，驗證集用于評價檢測模型預(yù)測效果。

1.4.3 特征波長變量的選擇

連續(xù)投影算法（Successive projections algorithm，SPA） 是一種使矢量空間共線性最小化的前向變量選擇算法，能在重疊的光譜信息中提取有效信息，在用于光譜特征波長的篩選時，能夠有效消除光譜矩陣中冗余的信息。試驗中，各預(yù)處理光譜結(jié)合SPXY算法確定的校正集，使用SPA 算法進(jìn)行光譜特征波長選擇[18]。

1.5 檢測模型的校正和驗證

利用SPA 選擇的光譜特征波長變量，建立多元線性回歸（MLR） 預(yù)測模型，使用驗證集數(shù)據(jù)評價模型的效果。模型的校正和驗證結(jié)果使用校正相關(guān)系數(shù)（R）、校正均方根誤差（SEC）、預(yù)測相關(guān)系數(shù)（Rp） 以及預(yù)測均方根誤差（SEP） 等參數(shù)評價。數(shù)據(jù)處理用Matlab R2014a（Math work，USA） 軟件完成。

2 結(jié)果與分析

2.1 柿餅加工中水分含量的變化

柿餅制作過程中水分含量的變化見圖1。

圖1 柿餅制作過程中水分含量的變化

從圖1 可看出，加工前所采集的柿子樣本的最初（0 階段） 平均水分含量為74%。在柿餅的加工過程中（1～5 段） 樣本平均水分含量連續(xù)降低，其中第1 階段內(nèi)水分含量降低速率較快，從74%降至67%；第2 階段變化較緩慢，從67%降至66%；第3～5 階段水分變化速率較快，樣本平均水分含量從初始66%，最終下降至33%左右。從整個柿餅加工過程來看，其內(nèi)部水分含量存在顯著的變化。

2.2 反射光譜及其預(yù)處理

樣本的平均反射光譜見圖2。

圖2 樣本的平均反射光譜

選擇400～1 000 nm 作為有效波段。各個加工階段樣本的MS 平均反射光譜如圖2（a） 所示；從圖2可看出，在未開始加工前（0 階段），在整個波段范圍內(nèi)，樣本的反射率明顯高于加工的各個階段（1～ 5），原因是隨著柿餅的加工，樣本顏色開始發(fā)暗。圖2（b） 所示為經(jīng)過MSC 處理后的光譜，通過多元散射校正，光譜曲線的反射特征變化更明顯，在波長560 nm附近可看到明顯的斜率變化，在波長960 nm 附近可看到由水分引起的明顯吸收峰。1-D 處理光譜如圖2（c） 所示，在波長560 nm 和960 nm 附近光譜斜率變化較大，在波長560 nm 處的斜率最大，且隨著柿餅制作階段數(shù)的進(jìn)行，斜率逐漸降低。此外，在波長960 nm 附近有較明顯的吸收峰，在加工開始階段，樣本水分含量最高，吸收峰最明顯。

2.3 校正集和驗證集樣本的確定

對不同預(yù)處理光譜，使用SPXY 方法劃分校正集和驗證集。SPXY 算法采用自變量（光譜） 和因變量（水分含量） 同時計算樣品間距離，將樣本劃分為校正集和驗證集。試驗共有60 個樣本，其中校正集40 個樣本，占總數(shù)2/3，驗證集占總數(shù)1/3，包含20 個樣本。

2.4 SPA 特征波長選擇結(jié)果

MS 處理光譜SPA 特征波長組合選擇結(jié)果見圖3。

圖3 MS 處理光譜SPA 特征波長組合選擇結(jié)果

使用SPA 方法從校正集中選擇水分的波長選擇時，試驗中指定波長數(shù)的選擇范圍為2～15，依據(jù)均方根誤差RMSE 確定最終特征波長個數(shù)。以MS 預(yù)處理光譜為例，經(jīng)過SPXY 選擇的校正集，結(jié)合SPA方法選擇特征波長結(jié)果如圖3 所示：圖3（a） 為最佳波長變量數(shù)選擇結(jié)果，圖3 （b） 為對應(yīng)特征波長點(diǎn)。從圖3 可看出，使用SPA 算法，當(dāng)RMSE 為3.874 2 時，從MS 處理光譜3 126 個波長點(diǎn)選擇出9 個特征波長變量，分別是400，417，693，872，962，987，992，997，998 nm。

不同預(yù)處理方法下SPXY-SPA 特征波長選擇結(jié)果見表1。

表1 不同預(yù)處理方法下SPXY-SPA 特征波長選擇結(jié)果

經(jīng)過MSC 處理和1-D 處理光譜，使用SPA 法選擇的特征波長組合如表1 所示，MSC 處理光譜和1-D 處理光譜各自選擇了7 個特征波長。MSC 處理光譜確定的7 個特征波長分別是408，965，978，987，989，994，1 000 nm；1-D 處理光譜確定的7 個特征波長分別是405，413，428，530，543，640，996 nm。

2.5 基于SPA 選擇特征波長的MLR 模型校正和驗證結(jié)果

MS 光譜特征波長MLR 模型校正和驗證結(jié)果見圖4。

圖4 MS 光譜特征波長MLR 模型校正和驗證結(jié)果

水分的MLR 校正和驗證結(jié)果見表2。

表2 水分的MLR 校正和驗證結(jié)果

使用MSC 處理光譜和1-D 處理光譜選擇的特征波長所建立MLR 模型的校正和驗證結(jié)果如表2 所示。MSC 處理光譜選擇的7 個特征波長所建立MLR模型的校正相關(guān)系數(shù)R 為0.899 7，校正殘差SEC 為6.265 3；預(yù)測相關(guān)系數(shù)Rp為0.965 8，預(yù)測殘差SEP為4.172 6。1-D 處理光譜結(jié)果次之，選擇的7 個特征波長所建立MLR 模型的校正相關(guān)系數(shù)R 為0.873 4，校正殘差SEC 為6.873 2；預(yù)測相關(guān)系數(shù)Rp為0.941 7，預(yù)測殘差SEP 為4.973 2。3 種處理預(yù)測集樣本的預(yù)測結(jié)果比校正結(jié)果好，主要原因是使用SPXY 方法進(jìn)行樣品集劃分時，在校正集樣本中充分考慮到了樣本的差異性和代表性，使得校正集樣本中的水分含量差異大于校正集。

3 結(jié)論

試驗獲取柿餅加工過程中不同階段的可見- 近紅外反射光譜，使用烘干法測定樣本的水分含量。分別使用MS 平滑法、MSC 方法和1-D 方法對光譜進(jìn)行預(yù)處理，得到樣本的MS、MSC 和1-D 反射光譜。針對預(yù)處理光譜，使用SPXY 方法劃分樣本的校正集和驗證集，結(jié)合SPA 方法在驗證集選擇水分參數(shù)的特征波長，建立柿餅加工中樣本水分含量的MLR 預(yù)測模型。結(jié)果表明，不同預(yù)處理方法，結(jié)合SPXY-SPA 方法選擇特征波長建立的模型都能較好地預(yù)測柿餅水分含量。其中，光譜經(jīng)過MS 處理后建立的模型的預(yù)測結(jié)果最好，模型的預(yù)測相關(guān)系數(shù)Rp為0.969 0，預(yù)測標(biāo)準(zhǔn)差SEP 為3.742 9。研究可為柿餅加工過程中，快速測定其水分含量，進(jìn)而為優(yōu)化加工工藝、提高柿餅產(chǎn)品質(zhì)量提供一定技術(shù)支持。