近紅外光譜技術在葡萄及其制品品質檢測中的應用研究進展

張 靜，徐 陽，姜彥武，鄭成宇，周 軍，韓長杰*

1. 新疆農業大學機電工程學院，新疆 烏魯木齊 830052 2. 浙江大學生物系統工程與食品科學學院，浙江 杭州 310058

引 言

近紅外(near infrared，NIR)光譜技術是利用波長介于780～2 500 nm之間的近紅外線照射被檢測樣品，通過檢測器分析樣品反射、吸收或透射的有效光譜信息，以此確定樣品物質的化學成分和品質屬性的一種無損檢測技術，具備快速、檢測成本低等優點。自20世紀80年代美國Norris提出將NIR分析技術應用到農產品品質檢測以來，國內外學者逐漸利用該技術對鮮食果蔬、谷物、肉制品等品質檢測進行了廣泛研究，成為一種實現果蔬在線品質分級和預測的一種重要技術手段，并得到了廣泛認可。

葡萄是世界上種植面積最大的水果之一，也是我國生產消費的主要水果之一，產量高、營養價值豐富，除鮮食外，經深加工的葡萄酒、葡萄汁、葡萄干等制品附加值高，種類齊全，深受大眾喜愛。近年來消費者對果蔬高品質需求和食品安全關注度越來越高，葡萄及其制品的品質安全檢測需求也日益增長[1]。隨著無損檢測技術及裝備的快速發展，NIR光譜檢測方法越來越多的被應用在葡萄及其制品檢測領域，在不損壞被檢測葡萄及其制品樣品的前提下，探測糖、酒精、酸等一般成分及色素、單寧、芳香物質等特有成分物料性質的變化。主要系統綜述了近十年來近紅外光譜(NIR)檢測技術在葡萄、葡萄酒以及葡萄汁等制品中的檢測應用現狀，旨在為其分類鑒定與品質評價研究提供技術參考。

1 NIR技術在葡萄檢測中的應用

葡萄的質地選擇直接影響著葡萄酒、葡萄汁等制品品質高低和產業效益。采用NIR技術可以間接地評估葡萄的生長狀態、內部品質及成熟狀態，能夠為鑒別所需優質的葡萄提供科學依據。對于葡萄品質的檢測，主要集中于葡萄可溶性固形物、含酸量、糖酸比、花色苷、多酚等內部品質指標的檢測，而對于葡萄穗形、顏色、著色度、果粒尺寸、緊實度、重量、缺陷及潔凈度等外部品質指標的檢測鮮有報道[2]。

1.1 成熟度判別與評價

對于葡萄成熟度的判別方式主要分為現場藤上直接檢測和實驗室漿果單粒檢測兩種，且主要采用糖度、總可溶性固形物、花青素濃度、花色苷、pH值等指標來衡量其成熟度。根據上述成熟度指標差異，可以對葡萄成熟狀態進行區分。受檢測條件和檢測精度的限制，國內學者在葡萄成熟度現場分析檢測方面的研究較少，而國外學者基于國外較成熟的便攜式近紅外光譜設備對葡萄開展了大量研究。早期Larrain等[3]設計了一種便攜式藤上葡萄成熟度無損測量儀，通過收集與樣品相互作用后的散射光譜，實現對葡萄白利糖度、pH值和花青素濃度的無損測量。結果表明葡萄成熟度測量儀對不同葡萄品種有較好的校準判別，尤其對白利糖度和pH值測量效果良好，但在花青素濃度測量方面，還需要一個更可靠的參照值。該儀器測量時必須確保樣品在自然或人造的陰涼處，或在一天中的某些特定時間(太陽光不直接照射到葡萄上)進行測量，因此具有一定的應用局限性。González-Caballero等[4]研究利用NIR光譜表征葡萄成熟期間白葡萄和紅葡萄生長狀態。采用手持式分光光度計(1 600～2 400 nm)在葡萄樹上直接標記和分析葡萄品種，探究釀酒葡萄各種構型、成熟階段和光譜數據之間的關系。研究表明光譜特性可以區分不同葡萄品種成熟的三個階段(早期、中期和晚期)，且基于葡萄糖度變化，通過偏最小二乘判別分析(partial least squares-discriminant analysis，PLS-DA)可以實現對上述釀酒葡萄的分類，并以此確定最佳收獲時機。

Urraca等[5]研究了將近紅外光譜分析儀作為一種替代濕化學方法監測葡萄果實成熟度的方法。基于700個葡萄漿果近紅外校準光譜，對比分析了實驗室和現場采集條件下葡萄果實中總可溶性固體預測模型的精度，研究表明現場條件下預測精度(RMSEP=1.68°Brix，SEP=1.67°Brix)接近實驗室濕化學實驗數據(RMSEP=1.42°Brix，SEP=1.40°Brix)。Costa等[6]使用可見/近紅外(visible-near infrared，VIS-NIR)反射光譜法建立了“西拉(Syrah)”和“赤霞珠(Cabernet Sauvignon)”兩個品種釀酒葡萄質量與成熟階段屬性的預測模型，試驗結果表明利用主成分回歸(PCR)、偏最小二乘回歸(PLSR)和多重線性回歸(MLR)構建的回歸模型能夠較好預測釀酒葡萄總可溶性固形物和花色苷含量(R2≥0.90)及黃酮類化合物含量(R2≥0.70)。此外，使用PLS-DA可以準確區分葡萄的不同成熟階段，分類準確率達93.15%，得到了較好分類效果。圖1為試驗構建的葡萄單粒反射光譜采集系統，測試時將葡萄放置在白色陶瓷板參考平面的中心，通過垂直放置于測量平面的光纖傳感器采集光譜信息，分析中去除350～449和1 801～2 500 nm波段的光譜，以消除過多的隨機噪聲。

圖1 Vis-NIR光譜反射率采集系統[6]Fig.1 Diagram of the Vis-NIR spectrum reflectance acquisition system[6]

1.2 品質屬性區分與健康程度判別

NIR技術除對葡萄成熟度判別分析外，還適用于不同葡萄多種內部品質屬性的區分評價，尤其對單一品種、單一品質指標的檢測研究較多。許鋒等[7]利用USB2000+微型光譜儀(Vis-NIR)采集紅提400～1 000 nm透過率光譜數據，并通過理化分析測得紅提糖度和酸度值，利用Savitzky-Golay卷積平滑法對原始光譜進行預處理，最終建立的預測模型具有較高的準確度(R2>0.94)，適用于利用糖度和酸度實現紅提的快速無損檢測和品質區分。陳辰等[8]基于可見-近紅外漫反射光譜建立了玫瑰香、馬奶、紅提等不同品種葡萄貯藏期間可溶性固形物定量預測模型，單一品種預測判定系數達0.94以上，進一步證實了通過近紅外技術預測葡萄果實可溶性固形物含量實現不同品種葡萄品質區分的可行性。因葡萄酒的風味很大程度上取決于糖和酚類化合物的含量，漿果的分選可以幫助改善葡萄酒的品質。Xiao等[9]利用Vis-NIR(400～1 100 nm)光譜對葡萄漿果進行分類，應用偏最小二乘回歸(partial least squares regression，PLSR)來預測質量參數，包括色彩空間CIELAB，SSC和TP。預測結果表明，Vis-NIR光譜與完整葡萄果實中存在的可溶性固體含量和總酚類化合物濃度相關，使用Vis-NIR光譜通過PLS-DA來區分具有不同可溶性固體含量和總酚類化合物濃度的漿果，其準確度大于77%。此外，肖慧[10]、袁雷明[2]等基于光譜檢測儀器對不同品種葡萄的可溶性固形物、總酚等多個理化指標也進行了建模預測和區分。

近年來，國內外學者逐漸采用近紅外光譜儀器測量和感官分析相結合的方法對葡萄內部品質進行檢測區分。國外Parpinello等[11]采用近紅外光譜儀器測量和感官分析相結合的方法預測葡萄可溶性固體含量，并對意大利消費者偏好的葡萄進行了分類。Ferrer-Gallego等[12-13]先后利用NIR光譜法測定葡萄種子和果皮感官參數，采用改進的PLS校正模型，綜合考慮了口感(酸味)、質地(澀味、單寧強度、干度和硬度)、視覺(顏色)和嗅覺(香氣的強度和類型)屬性。結果表明NIR技術在預測葡萄上述感官屬性方面具有相當大的潛力，且通過鑒別分析可得到該樣品的產地，從而實現葡萄和葡萄酒樣本的正確分類。國內袁雷明等[7]利用Vis-NIR技術檢測巨峰葡萄內部品質以及感官偏好等級。試驗比較了漫反射、透射兩種光譜采集方式對葡萄內部品質的檢測準確性，研究表明透射光譜更能表征巨峰葡萄的內部品質信息，PLS模型對鮮食葡萄可溶性固形物、總酸度的預測均方根誤差小，但在感官評價方面，受到消費者感官偏好主觀性、多樣性的影響，其模型預測性能還有待提高。

此外，葡萄在后續深加工處理前常需進一步檢測葡萄質量，尤其是對于機械采收的葡萄，需確保待加工葡萄無泥土、病菌等污染。目前對于葡萄是否受到霉菌、泥土等污染仍以主觀視覺分析為主，但部分指標只靠眼睛很難判別。現有釀酒廠對貨車上待加工的葡萄大都通過傳統人工視覺檢查評估葡萄是否健康或受到霉菌感染，具有一定的局限性。為實現釀酒廠葡萄加工前品質的在線規模化檢測應用，國外Giovenzana等[14]研發了一種由卡車采樣器(意大利Maselli CC05)組成的在線葡萄分析儀系統(圖2)，該系統配有泵和機械攪龍，以便在不同水平的托運貨車上拾取葡萄。但試驗時同樣需要先將檢測樣品送到特定分析儀箱中，再進一步結合傳統常見的葡萄質量指標(可溶性固形物含量和酸度)進行分析。

圖2 在線葡萄分析儀系統[14]Fig.2 On-line grape analyzer system[14]

1.3 生長過程分析與監測

除成熟度判別和品質評價外，NIR技術還應用于葡萄漿果生長過程監測和收獲時期葡萄的品質分析分類。國外Urraca等[5]設計了一種集成手持式NIR光譜分析儀(圖3)，并在葡萄園里進行了系統性實驗，進一步優化了光譜采集程序。該分析儀以8.7 nm(100個波段)的間隔覆蓋1 595.7～2 396.3 nm的波長范圍，通過非侵入的方式分析采集葡萄漫反射光譜信息，用于評估葡萄總可溶性固體含量，以實現葡萄生長過程成熟狀態的監測。測量時需將葡萄放置在與分析儀反射窗口接觸的位置，其優點是可直接在葡萄串上收集葡萄光譜，漿果不需要從葡萄藤上懸掛的簇中分離出來。Ferrer-Gallego等[15]使用光纖探頭記錄了完整成熟的葡萄和葡萄皮在整個成熟過程中的內近紅外光譜信息。結果表明使用NIR技術和化學計量工具開發的模型可以對整個成熟過程中葡萄皮內總酚類化合物和主要酚類化合物進行定量分析預測。通過對總酚類含量變化的對比分析可實現對葡萄生長過程的實時監測。

圖3 便攜式NIR光譜分析儀在實驗室(a)和現場條件(b)進行光譜信息采集[5]Fig.3 Portable NIR spectral analyzer in the laboratory (a), and under field conditions (b) for acquisition of spectral information[5]

Piazzolla等[16]利用NIR技術對葡萄品質參數(糖，酸度和pH值等)進行了測量，并對與鮮食葡萄成熟相關聯的光譜變化進行監測，通過選擇最佳波長區分不同收獲時期的葡萄串并預測鮮食葡萄的總可溶性固體、pH、可滴定酸度、酚和抗氧化劑活性。研究結果表明分析葡萄在葡萄植株上光譜隨時間的變化規律，可以監測葡萄成熟情況，并能根據收獲時間對葡萄進行正確分類。Barnaba等[17]利用近紅外聲光可調濾光片(NIR-AOTF)分光光度計對四個不同的葡萄園進行了三個季節的測試，應用PLS和化學計量學方法，建立了用于估計幾種酶學參數的預測模型，并使用傅里葉變換紅外光譜(FTIR)進行參考分析。研究表明NIR光譜法可在葡萄栽培中直接用于田間研究監測葡萄成熟發育情況。

2 NIR技術在葡萄酒檢測中的應用

葡萄酒是以鮮葡萄或葡萄汁溪原料，經過發酵釀制而成。葡萄酒中總糖量、揮發酸、單寧等是影響葡萄酒質量和決定葡萄酒風味、口味及品質的重要指標。近年來，隨著國內市場需求不斷加大，我國已成為世界上葡萄酒消費增長最快的國家之一。NIR技術作為一種快速無損、簡便高效的鑒別技術，也被廣泛應用于葡萄汁、葡萄酒的品質檢測和定性鑒別。NIR技術在葡萄酒行業中的早期研究是將少量標準成分(如乙醇、果糖和酒石酸等)添加到紅葡萄酒和白葡萄酒中，以分析近紅外吸收信號的差異。該技術的使用可減少葡萄酒品質檢測過程的分析步驟，縮短分析檢測時間，并對發酵過程和狀態進行實時監測。

2.1 品質檢測

國內Yu等[18]探討了基于主成分分析(principal component analysis，PCA)的NIR光譜與徑向基函數神經網絡(radial basis function neural network，RBFNN)和最小二乘支持向量機(least squares-support vector machines，LS-SVM)相結合的方法，用于對不同葡萄品種釀造的葡萄酒進行分類，并比較了不同預處理方法(標準正態變量SNV和乘積散射校正MSC)對分類結果的影響。結果表明： 使用具有最佳RBFNN參數的NIR預處理光譜數據可產生很高的正確分類率，而基于MSC預處理的LS-SVM方法具有最佳的識別率，兩種葡萄酒的鑒別準確率可達96.67%和100%。進一步說明NIR光譜法結合化學計量學和適當的光譜數據預處理，具有快速鑒別釀酒葡萄品種以及無損區分葡萄酒的能力。李霞[19]確定了赤霞珠干紅葡萄酒主要成分(還原糖、總浸出物、蛋白質、酒精度、總酸、總糖、揮發酸、單寧等)的近紅外光譜特征波段，較全面地建立了各品質指標的定量檢測模型。模型對揮發酸、pH值、酒精度、總浸出物和總酚的檢測效果較好。國外Cozzolino等[20]開發了一種適用于商業葡萄酒生產設施中的大規模成分分析方法，該方法利用Vis-NIR分光光度計對紅葡萄樣品進行反射率分析，獲得的光譜和分析數據被用來建立PLS模型來預測干物質含量和濃縮單寧濃度，且該方法也可以測量紅葡萄勻漿中的其他重要參數，如總花青素、總可溶性固形物和pH值，為葡萄酒無損品質檢測提供了參考。Carames等[21]采用NIR光譜法測定葡萄汁中總酚和花青素的含量，采用PLSR方法建立校正模型，對葡萄汁中總酚和花青素進行預測。研究表明NIR技術在預測總酚含量(R2=0.96)方面比花青素(R2=0.84)有更好的預測效果。

2.2 摻假鑒別與產地區分

葡萄酒帶有濃厚的葡萄原產地地域特點與個性，利用光譜等無損檢測手段有效確定葡萄酒年份、品種和產地，獲取葡萄酒質量相關信息和鑒別真偽對保障產品安全和品質具有非常重要的意義。國外學者利用NIR技術對葡萄酒摻假鑒別的研究較少，而國內學者大都結合PLS-DA法建立基于NIR光譜的葡萄酒產區判別模型，從而實現對葡萄酒不同產區的判別分析，且近年來通過近紅外(NIR)與中紅外(MIR)等光譜信息融合技術，進一步擴大了信息來源，提高了模型判別精度。Jin等[22]綜合應用了MIR光譜、NIR光譜、電子舌(E-tongue)和頂空固相微萃取及氣相色譜—質譜聯用(HS-SPME-GC-MS)等多元分析技術進一步探索用于葡萄酒判別的儀器測定數據。試驗結果表明： MIR和NIR光譜不足以鑒別赤霞珠葡萄酒樣品，但與灰色關聯度分析(GRA)結合后可以進行鑒別，此外，電子舌與PCA聯合能夠區分摻假的葡萄酒樣品，HS-SPME-GC-MS基于揮發性化合物的詳細信息，結合PCA同樣可對葡萄酒進行一致的區分。

2.3 發酵過程監測

含糖量、酒精度、滴定酸、pH值等參數是葡萄酒重要的理化指標，在葡萄酒發酵及后期管理過程中也需要實時監測。國內賈柳君[23]基于NIR技術分別建立了釀酒葡萄品種赤霞珠的主要品質指標(總糖、總酸、有機酸)、葡萄酒發酵液品質指標(總糖、酒精度)及葡萄酒品質指標(總糖、總酸、干浸出物、揮發酸等)的含量測定模型，為NIR技術在葡萄酒生產過程的監控提供了技術借鑒。國外Juan Fernández-Novales等[24]評估了NIR光譜用于預測成熟葡萄釀酒和陳釀過程中糖含量變化的可行性。對一組146個葡萄樣品在NIR區域(800～1 050 nm)進行光譜采集，并采用PCA，PLS和多元線性(MLR)回歸建立校準模型，用于提高光譜解釋葡萄、葡萄汁和葡萄酒中糖含量精度的校準方法。結果表明： NIR技術可用于預測葡萄成熟期間以及白葡萄酒和紅葡萄酒發酵和陳化過程中糖含量的變化。Cozzolino等[25]將NIR技術應用于葡萄生產的多個階段，對紅葡萄和白葡萄的總花青素(顏色)、糖、pH值和酸度進行了檢測分析，并使用光衰減全反射(ATR)對葡萄酒發酵過程中酵母菌株進行檢測； 利用近紅外分析儀對葡萄酒中的酒精含量進行常規分析，實現對葡萄酒品質的評分和預測。此外，Lorenzo等[26]通過氣相色譜分析技術，分析和量化了屬于不同地理區域的幾種葡萄酒的發酵揮發物，并使用PLSR建立了近紅外所獲得的光譜信息與這些揮發物的相關性，為采用NIR光譜法快速測定陳年紅葡萄酒中的發酵揮發物提供了新的思路。

葡萄汁作為葡萄的另一種加工產品以及葡萄酒的原材料，Preys等[27]也結合NIR光譜技術和化學計量學法探究了葡萄汁渾濁介質中光譜散射變化與品質指標關系，從而使這項技術能夠用于商業釀酒廠的發酵監測。Manley等[28]嘗試對葡萄汁中的游離氨基氮(FAN)進行NIR校準，并評估葡萄酒的蘋果酸發酵狀態，盡管這些校準信息不能準確地量化目標化合物(蘋果酸、乳酸、FAN)的濃度，但通過類比法獨立建模，可以區分高、中和低濃度組葡萄汁。

3 NIR技術在其他方面的檢測應用

葡萄產量的大幅增加及優質化要求，促進了NIR技術在葡萄、葡萄汁和葡萄酒方面的檢測應用。基于NIR技術不僅可以分析葡萄、葡萄汁與葡萄酒中的成分，還可應用于葡萄副產物與葡萄作物生長狀況的監測分析。目前已有利用Vis-NIR光譜系統對葡萄副產品葡萄籽油摻偽進行定性鑒別的報道，且國外學者利用NIR技術在葡萄作物生長狀況監測等方面已做出了探索。

3.1 葡萄皮可提取物分析

Baca-Bocanegra等[29]使用便攜式微型近紅外分光光度計(908～1 676 nm)，分析記錄了兩個不同收獲年份的葡萄園完整葡萄和葡萄皮的光譜(圖4)，研究發現光譜數據與紅葡萄皮中可提取的多酚(總酚、花色苷和黃烷醇)呈現一定的相關性。同樣Julio Nogales-Bueno[30]等也利用NIR高光譜成像系統(900～1 700 nm)記錄葡萄采收時的高光譜圖像。通過改進的PLSR方法，對光譜數據進行了一系列的預處理，并與紅葡萄果皮中可提取的多酚(總酚、花青素和黃烷醇)進行了關聯，為快速篩選完整葡萄中可提取的多酚類化合物提供了良好的方法。

圖4 葡萄系統試驗設計示意圖[29]Fig.4 Schematic representation of the experimental design for systematic experiment of grape[29]

3.2 葡萄藤營養狀況評估

為監測葡萄藤營養狀況，Cuq等[31]使用NIR光譜與化學計量結合的方法，對大量新鮮和干燥的藤本器官樣品進行NIR光譜分析，獲得干物質(DM)中C，H和S等元素的相對含量以及C和N比，利用PLSR模型進行了預測檢驗，試驗結果證實了NIR光譜技術可用于評估葡萄中氮營養狀況并檢測C、N比。

3.3 葡萄葉片狀態分析

除葡萄藤外，葡萄葉片更能反映葡萄作物的生長狀態。Giovenzana等[32]使用Vis-NIR和NIR光譜分別進行葡萄葉片狀態分析，提出了一種基于簡化光學器件的葉片水勢預測候選變量的選擇方法，以此探討測試了利用兩種便攜式光學設備(分光光度計)對葡萄葉片水分狀況進行快速、無損評價的潛在有效性，研究得出Vis-NIR和NIR光譜技術可以直接取代常規繁瑣的葡萄葉片水狀態評估技術，從而為葡萄園灌溉計劃的合理制訂提供有用信息。

4 結 論

中國作為葡萄生產和消費大國，消費者更多關注葡萄及其制品的質量品質、風味品質與安全品質等。隨著光譜技術的發展，國內外運用NIR光譜分析技術測定葡萄理化特性與內部品質方面的研究已經有了一定的進展，通過定量和定性分析可實現葡萄復雜理化成分的多組分檢測和分類鑒別。而且NIR技術應用在葡萄酒、葡萄汁等葡萄制品的品質過程監測和定性鑒別方面的研究逐漸增多，并逐步應用于葡萄皮中多酚、花青素等葡萄副產物分析以及葡萄藤、葡萄葉營養生長狀況監測，進一步證實近紅外光譜技術正在成為檢測葡萄及其制品品質的一種有效工具，符合現代社會對食品安全檢測技術的簡便、快速、無損、實時在線和現場化測定的要求，為進一步提高葡萄及其制品品質價值以及實現葡萄園的實時、高效生產管理提供技術支持，應用前景極為廣泛。

當前對于葡萄及其制品的品質檢測大多仍停留在實驗室階段，因檢測條件和外部環境的差異，很少應用于實際在線生產。雖然基于現有紅外光譜儀器實現了部分品質指標的檢測和評價，但要通過精確解譜來確定影響品質的特征因素，儀器和模型的精度、適應性以及通用性有待進一步解決。如何更多地深入挖掘葡萄及葡萄制品不同類檢測數據所反映信息的內在關聯性，結合視覺、味覺、嗅覺等多源信息融合技術建立更穩健、預測精確度更高的模型去全面評價葡萄生產、果園管理、成熟期收獲及產后加工全過程，實現對葡萄及其制品生產全過程質量控制和在線監測將成為今后的發展趨勢。