基于近紅外技術(shù)和偏最小二乘判別法對(duì)衛(wèi)青蘿卜內(nèi)部品質(zhì)的快速判別

吳海清，張衛(wèi)華，甄潤(rùn)英，閆 莉，何新益，高 享

（1.天津農(nóng)學(xué)院食品科學(xué)與生物工程學(xué)院，天津 300384；2.天津市農(nóng)副產(chǎn)品深加工技術(shù)工程中心，天津 300384；3.天津大美良田農(nóng)業(yè)科技有限公司，天津 301703）

天津衛(wèi)青蘿卜表皮翠綠、口感脆甜[1]，不但營(yíng)養(yǎng)豐富還具有保健功效[2]，深受廣大消費(fèi)者的青睞。研究表明，常吃蘿卜可以預(yù)防一些心腦血管疾病[3-6]。近年來，消費(fèi)者對(duì)衛(wèi)青蘿卜的品質(zhì)要求越來越高，但傳統(tǒng)的品質(zhì)檢測(cè)方法操作步驟繁瑣、分析成本高[7]，且需破壞樣品結(jié)構(gòu)，無法滿足大批量檢測(cè)的需求。

目前，國(guó)內(nèi)外有關(guān)蘿卜的無損檢測(cè)技術(shù)主要有高光譜成像技術(shù)、超聲波技術(shù)、近紅外光譜技術(shù)等。很多檢測(cè)系統(tǒng)由于體積龐大、成本高、采集過程易受外界環(huán)境因素的影響，而且只能在實(shí)驗(yàn)室進(jìn)行分析，應(yīng)用場(chǎng)所具有一定的局限性。近紅外光譜技術(shù)是利用物質(zhì)的光學(xué)特性來確定其成分含量的一種無損檢測(cè)技術(shù)[8-9]，具有無損、快速、多組分同時(shí)分析、易操作等優(yōu)點(diǎn)，在果蔬理化特性檢測(cè)中得到廣泛的應(yīng)用[10]。Takizawa K等人[11]利用近紅外光譜技術(shù)來檢測(cè)蘿卜的黑心病和內(nèi)部缺陷。王艷萍[12]利用超聲波技術(shù)判別蘿卜糠心。胡鵬程等人[13]利用高光譜圖像技術(shù)檢測(cè)白蘿卜是否黑心、糠心。郭澤慧[14]用偏最小二乘回歸（PLS）結(jié)合一階導(dǎo)數(shù)（1st D）處理建立了預(yù)測(cè)蘿卜肉質(zhì)根中硫苷含量的定標(biāo)方程，為蘿卜種質(zhì)資源的評(píng)價(jià)提供了新方法。楊宇等人[15]采用拉曼光譜技術(shù)和多元線性回歸法建立模型檢測(cè)β-胡蘿卜素。歐文娟等人[16]利用可見-近紅外反射光譜技術(shù)檢測(cè)胡蘿卜，結(jié)合主成分分析和線性判別分析鑒別樣本的準(zhǔn)確率為100%，為胡蘿卜的快速檢測(cè)提供了一個(gè)可行的方法。目前，利用近紅外光譜技術(shù)檢測(cè)天津衛(wèi)青蘿卜品質(zhì)的研究報(bào)道相對(duì)較少。

可溶性固形物含量是衡量衛(wèi)青蘿卜成熟度的重要指標(biāo)，而水分含量和糠心直接影響蘿卜的食用品質(zhì)和商品價(jià)值，因此試驗(yàn)選取可溶性固形物、水分、糠心3個(gè)指標(biāo)作為主要品質(zhì)指標(biāo)。擬采用近紅外光譜技術(shù)結(jié)合偏最小二乘判別分析（PLS-DA）法對(duì)衛(wèi)青蘿卜可溶性固形物、水分、糠心3種品質(zhì)指標(biāo)進(jìn)行判別分析，以衛(wèi)青蘿卜作為試驗(yàn)樣本，利用近紅外光譜儀進(jìn)行光譜數(shù)據(jù)采集，采用隨機(jī)劃分確定校正集和預(yù)測(cè)集，根據(jù)校正集樣品光譜和可溶性固形物、水分、糠心3種分類變量分別建立PLS-DA判別模型，然后對(duì)預(yù)測(cè)集進(jìn)行判別，據(jù)此評(píng)價(jià)試驗(yàn)方法的效果，旨在為快速鑒別衛(wèi)青蘿卜品質(zhì)提供依據(jù)。

1 材料與方法

1.1 材料與儀器

1.1.1 材料

衛(wèi)青蘿卜，采集于天津武清區(qū)大良鎮(zhèn)田水鋪村。樣品質(zhì)量在750~1 000 g，長(zhǎng)度15~20 cm，直徑8~12 cm，要求形態(tài)周正、大小均勻、表皮平整光滑、無損傷。

標(biāo)記樣品采樣點(diǎn)：用記號(hào)筆在每個(gè)衛(wèi)青蘿卜樣品平整表面上標(biāo)記2個(gè)采樣點(diǎn)，第一個(gè)采樣點(diǎn)離蘿卜頂端3 cm處，第二個(gè)采樣點(diǎn)在蘿卜縱軸中部（1/2）處，2個(gè)采樣點(diǎn)在一條豎直垂線上。

1.1.2 儀器設(shè)備

H100F型便攜式果實(shí)無損檢測(cè)儀，北京陽光億事達(dá)科技有限公司產(chǎn)品；PAL-1型數(shù)顯糖度儀，日本愛拓（ATAGO）科學(xué)儀器有限公司產(chǎn)品；DHG-9420A型電熱鼓風(fēng)干燥箱，上海一恒科學(xué)儀器有限公司產(chǎn)品。

1.2 試驗(yàn)方法

1.2.1 光譜采集

使用便攜式近紅外光譜檢測(cè)儀，采集波長(zhǎng)700~950 nm處的光譜數(shù)據(jù)，測(cè)量前將衛(wèi)青蘿卜置于室溫下24 h（溫度20℃，濕度60%），消除溫度對(duì)試驗(yàn)的影響。光譜儀中光源的透射方式采用漫反射，將儀器對(duì)準(zhǔn)采樣點(diǎn)，緊貼蘿卜表面，采集光譜數(shù)據(jù)。每個(gè)樣品標(biāo)記2個(gè)采樣點(diǎn)，每個(gè)采樣點(diǎn)平行采集3次數(shù)據(jù)。

1.2.2 水分含量測(cè)定

測(cè)定時(shí)儀器掃描的厚度為3 cm，因此將每個(gè)樣品從采樣點(diǎn)處切取3 cm厚度部分，充分細(xì)碎、混勻后取適量樣品，按照國(guó)家標(biāo)準(zhǔn)GB 5009.3—2016執(zhí)行，測(cè)定樣品中水分含量。

1.2.3 可溶性固形物含量測(cè)定

取采樣點(diǎn)處樣品并充分切碎后，取干凈紗布包裹擠出汁液，用糖度計(jì)測(cè)量可溶性固形物含量。每個(gè)樣品重復(fù)測(cè)定3次，取平均值。

1.2.4 衛(wèi)青蘿卜糠心的判定

將衛(wèi)青蘿卜樣品從采樣點(diǎn)處切開，觀察蘿卜內(nèi)部是否糠心，并做好記錄。

1.2.5 數(shù)據(jù)處理

采用Unscrambler v9.7(c)CAMO軟件進(jìn)行數(shù)據(jù)處理，在軟件中用偏最小二乘判別分析（PLS-DA）方法，將光譜波形的特性、提取因子和固有值，各個(gè)波長(zhǎng)的系數(shù)之和為每個(gè)樣本的值，作為X軸，然后將理化測(cè)量值作為Y軸，建立模型。試驗(yàn)中采集的衛(wèi)青蘿卜樣本數(shù)據(jù)用于建立和驗(yàn)證預(yù)測(cè)模型。

2 結(jié)果與分析

2.1 衛(wèi)青蘿卜的近紅外光譜

衛(wèi)青蘿卜樣品原始光譜見圖1，經(jīng)預(yù)處理后的衛(wèi)青蘿卜樣品光譜見圖2。

圖1 衛(wèi)青蘿卜樣品原始光譜

圖2 經(jīng)預(yù)處理后的青蘿卜樣品光譜

由圖1可知，不同樣本的平均光譜吸收特性總體趨勢(shì)相似性較高，表明樣品中所含成分相似。經(jīng)過MA處理后，可去除高頻噪聲，使光譜變得更加平滑，尤其是在波長(zhǎng)700~750 nm，900~950 nm范圍內(nèi)，樣本的吸光度值范圍較寬，差異較大，這是因?yàn)楦鹘M分含量高低不同，導(dǎo)致吸收光譜強(qiáng)度不同[17]。因此，選取波長(zhǎng)700~950 nm范圍的數(shù)據(jù)來建立模型。有助于提高模型準(zhǔn)確度，能更準(zhǔn)確地反映青蘿卜內(nèi)部品質(zhì)。

2.2 水分含量

衛(wèi)青蘿卜水分含量測(cè)定結(jié)果見表1。

表1 衛(wèi)青蘿卜水分含量測(cè)定結(jié)果

由表1可知，取60個(gè)青蘿卜樣本測(cè)定水分含量，水分含量最低為88.21%，最高為94.97%，平均值為92.02%，標(biāo)準(zhǔn)差為0.01。張素君等人[18]研究發(fā)現(xiàn)蘿卜的水分含量范圍為89.21%~94.58%，平均值為92.64%，標(biāo)準(zhǔn)差為1.39。相比較而言，試驗(yàn)青蘿卜樣本的水分含量分布區(qū)間更大，平均值略低，標(biāo)準(zhǔn)差低，說明離散程度較高，能夠很好地代表樣本的特性。

2.3 可溶性固形物含量

青蘿卜可溶性固形物含量測(cè)定結(jié)果見表2。

表2 青蘿卜可溶性固形物含量測(cè)定結(jié)果

由表2可知，取60個(gè)青蘿卜樣本測(cè)定可溶性固形物含量，可溶性固形物含量最低為6.10°Brix，最高為9.50°Brix，平均值是7.61°Brix，標(biāo)準(zhǔn)差為0.69。李寧等人[19]研究發(fā)現(xiàn)沙窩蘿卜的可溶性固形物含量范圍為7.4~8.5。試驗(yàn)青蘿卜樣本的可溶性固形物含量分布區(qū)間更寬，離散程度更高，說明樣本具有典型的代表性。

2.4 模型的驗(yàn)證與評(píng)價(jià)

通過對(duì)校正組60個(gè)青蘿卜樣品的可溶性固形物和水分含量校正模型來預(yù)測(cè)18個(gè)檢驗(yàn)組樣品的值，并以預(yù)測(cè)值和實(shí)測(cè)值的擬合程度來判斷建模效果。預(yù)測(cè)值和實(shí)測(cè)值越接近，擬合程度越高，模型的預(yù)測(cè)效果越好。

樣品可溶性固形物含量的真實(shí)值和預(yù)測(cè)值的效果圖見圖3，樣品水分含量的真實(shí)值和預(yù)測(cè)值的效果圖見圖4。

圖3 樣品可溶性固形物含量的真實(shí)值和預(yù)測(cè)值的效果圖

圖4 樣品水分含量的真實(shí)值和預(yù)測(cè)值的效果圖

由圖3和圖4可知，預(yù)測(cè)集中18個(gè)樣品的可溶性固形物和水分含量實(shí)測(cè)值和預(yù)測(cè)值的擬合程度均比較好，其中水分含量的實(shí)測(cè)值和預(yù)測(cè)值重合性更高，擬合度更好，可以實(shí)現(xiàn)預(yù)測(cè)評(píng)估的效果。用建立好的模型驗(yàn)證18個(gè)青蘿卜的可溶性固形物和水分含量值，得到的真實(shí)值和預(yù)測(cè)值相關(guān)性較為理想。

預(yù)測(cè)集樣品可溶性固形物含量實(shí)測(cè)值和預(yù)測(cè)值的相關(guān)性見圖5，預(yù)測(cè)集樣品水分含量實(shí)測(cè)值和預(yù)測(cè)值的相關(guān)性見圖6。

圖5 預(yù)測(cè)集樣品可溶性固形物含量實(shí)測(cè)值和預(yù)測(cè)值的相關(guān)性

由圖5和圖6可知，樣品各點(diǎn)均勻分布在趨勢(shì)線附近，說明近紅外光譜的預(yù)測(cè)值和真實(shí)值基本一致。水分模型預(yù)測(cè)值和真實(shí)值的決定系數(shù)R2為0.874 0，可溶性固形物含量模型的決定系數(shù)R2為0.823 6。

圖6 預(yù)測(cè)集樣品水分含量實(shí)測(cè)值和預(yù)測(cè)值的相關(guān)性

青蘿卜樣品糠心結(jié)果見表3。

表3 青蘿卜樣品糠心結(jié)果

將隨機(jī)挑選的18個(gè)青蘿卜樣品作為預(yù)測(cè)集，來驗(yàn)證糠心模型的預(yù)測(cè)效果，其準(zhǔn)確率高達(dá)94.44%。胡鵬程等人[13]利用高光譜圖像技術(shù)對(duì)蘿卜糠心進(jìn)行檢測(cè)，其準(zhǔn)確率為94.3%，說明試驗(yàn)所建立的糠心模型預(yù)測(cè)值和實(shí)測(cè)值相關(guān)性很高，可以作為判定衛(wèi)青蘿卜是否糠心的依據(jù)。

3 結(jié)論

采用Unscrambler v9.7(c)CAMO分析軟件中自帶偏最小二乘法對(duì)衛(wèi)青蘿卜可溶性固形物、水分和糠心原始光譜數(shù)據(jù)進(jìn)行建模，得到了較為理想的模型和預(yù)測(cè)效果。試驗(yàn)發(fā)現(xiàn)，青蘿卜可溶性固形物預(yù)測(cè)值和真實(shí)值的決定系數(shù)R2為0.823 6，水分含量預(yù)測(cè)值和真實(shí)值的決定系數(shù)R2為0.874 0，糠心模型準(zhǔn)確率高達(dá)94.44%。由此可見，該近紅外光譜檢測(cè)儀可以實(shí)現(xiàn)衛(wèi)青蘿卜內(nèi)部品質(zhì)參數(shù)的快速無損預(yù)測(cè)，特別是水分含量、是否糠心的預(yù)測(cè)效果較好，但是可溶性固形物的預(yù)測(cè)效果稍差些，下一步研究中需要進(jìn)一步優(yōu)化完善。