基于光纖光譜儀對駿棗浸泡梯度的水分定量檢測研究

張 輝，羅華平※

（1.塔里木大學機械電氣化工程學院，新疆阿拉爾 843300；2.新疆維吾爾自治區現代農業工程重點實驗室）

0 引言

駿棗是南疆的特色農產品[1]，含有豐富的糖類以及多種維生素、微量元素和氨基酸，是治療失眠、氣血不足的良藥[2]。而糖分和水分是評價駿棗品質的重要指標[3]。目前，對駿棗的評價和檢測會對駿棗造成一定的損傷，因此，需要研究一種快速無損的駿棗品質檢測方法[4]。

光纖光譜技術對果品和肉類的檢測逐漸成為研究熱點，國內外許多學者對獼猴桃、紅棗、蘋果、葡萄酒、羊肉等的品質展開檢測研究[4-8]。梁寧等[4]利用漫反射光纖光譜檢測系統建立紅棗糖分和水分的校正模型。Hang Nguyen Thu 等[5]使用機器學習算法預測紫外線—可見光譜中芹菜種子提取物的黃嘌呤氧化酶抑制活性。孟慶龍等[6]利用光纖光譜技術采集獼猴桃不同成熟時期的反射光譜，建立獼猴桃硬度的檢測模型。刁娟娟等[7]利用近紅外光纖光譜法實現葡萄酒的酒精度的快速檢測。馬嬌妍等[8]基于光纖光譜技術對冷鮮羊肉新鮮度展開檢測研究，建立新鮮度預測模型。Fupeng Ni 等[9]用光纖光譜無損檢測蘋果脆度。

本文基于光纖光譜技術實現駿棗水分的快速無損檢測，建立駿棗浸泡梯度水分定量檢測模型，為南疆駿棗的加工提供一定的參考。

1 材料與儀器

1.1 材料

本文所用灰棗和駿棗樣本來自新疆阿拉爾市塔里木大學農貿市場，隨機選取表面無破損的駿棗50 個，標好標簽后放置冷庫中保存，冷庫溫度為2±1 ℃。

1.2 儀器設備

檢測系統采用美國海洋光學公司的USB-650 紅潮（Red Tide）光譜儀（波長350～1 000 nm、光譜像素值：651）、ISP-REF 反射式積分球（帶光源）、標準白板（STAN-SSH）、電熱鼓風機（GZX-9140MBZ）、電子天平（JA2003）、酒精溫度計。使用MATLAB-R2018a 軟件進行分析，用TQ Analyst 軟件進行建模處理。

2 試驗方法

2.1 光譜采集

將駿棗從冷庫中取出,在實驗室放置4 h，使紅棗溫度達到常溫23±1 ℃，相對濕度25%～30%，之后將駿棗浸泡，分別浸泡20、40、60、120、720 min，使紅棗的水分呈現梯度變化，在每次浸泡前和浸泡后都稱重一次，最后將紅棗放在電熱鼓風箱中干燥，在1 個大氣壓（101.3 kPa）下，溫度設定為65 ℃，干燥60 h，直至重量的變化小于0.001 g，之后稱重。

采集方式選擇反射測量，先打開ISP-REF 反射式積分球的光源，預熱20 min，積分時間為100 ms，光譜平均采集4 次，平滑度為6，以標準白板（STAN-SSH）為參照，再采集駿棗赤道部位每間隔120°位置的光譜，每個駿棗采集3 次光譜，取平均光譜，如圖1。

圖1 駿棗可見光光譜

2.2 紅棗水分的測定

按照《食品安全國家標準食品中水分的測定》（GB 5009.3-2016），采用烘干減質量法，將整個紅棗裝入信封袋中放到電熱鼓風箱中干燥，在一個大氣壓（101.3 kPa）下，溫度設定為65 ℃，烘干60 h，直至質量的變化小于0.001 g，以此來確定駿棗樣品的水分[10-13]。

式中m1—干燥前樣品質量；m2—干燥后樣品質量。

2.3 濃度殘差法對異常樣本剔除

第i個樣本的常規方法測定值yi與校正模型預測值y^i之間的誤差叫做樣品理化值的絕對誤差[14]。

式中yi—第i樣品參考方法的測定值；—用所建模型對校正集中第i樣品的預測值。

濃度殘差法通常是用被檢驗樣品的理化值絕對誤差的方差與整個標樣集各樣本的絕對誤差方差的平均值的F檢驗來判別[15]。

臨界值概率為Fa（1，n-1），F的閾值范圍可設置為0.90～0.99，大于該閾值的可判斷為異常理化值樣本。

2.4 光譜數據處理

用MATLAB 軟件進行平均光譜的提取處理后用濃度殘差法對異常樣本進行剔除，將保留數據用TQAnalyst軟件進行建模。建模方法使用偏最小二乘法（Partial least squares，PLS），在分析數據之前對光譜數據進行預處理，預處理方法選用卷積平滑（Savitzky-Golay filter）、光程恒定（Constant）、多元散射校正（Muitiplicative signal c orrection，MSC）和標準正態變換（Standard normal variate，SNV）。使用相關系數（R）、校正標準偏差（RMSEC）、預測標準偏差（RMSEP）對模型進行評價。在濃度范圍相同的前提下，R 越接近1，表明模型的預測能力越好，校正標準偏差和預測標準偏差越小，表明所建模型的回歸越好，預測能力越強[16]。

3 結果分析

在采用S-G 平滑處理后，從表1 中采用不同的預處理方法建立的南疆駿棗浸泡梯度水分定量模型的結果可以看出，駿棗在浸泡過程中含水率檢測精度隨時間的變化先降低在升高，直至平穩。

表1 南疆駿棗浸泡梯度水分PLS 模型參數

從采取預處理方法為Con 時所建立的南疆駿棗可見光水分模型可以看出，駿棗在浸泡40 min 時的含水率檢測精度最低，相關系數為0.86253；在浸泡120 min 時含水率檢測精度最高，相關系數為0.99384；在采取預處理方法為MSC 或SNV 時所建的水分模型的相關系數近似相等，以MSC 分析，駿棗在浸泡20 min 時的含水率檢測精度最低，相關系數為0.85151，在浸泡120 min 時含水率檢測精度最高，相關系數為0.9941。

4 結論與展望

對50 個駿棗進行浸泡時間梯度的水分樣本分析，通過選用偏最小二乘法（PLS）建立駿棗浸泡梯度水分定量模型。試驗結果表明，在駿棗浸泡20～60 min 內，含水率檢測精度較低，無法精準預測駿棗的品質信息；在駿棗浸泡120 min 后，駿棗吸水率達到飽和狀態。

通過選擇不同預處理方法建立的PLS 水分定量模型可以看出駿棗在浸泡不同梯度下水分的相關系數在0.85097～0.99462 之間，這說明利用可見光光譜技術對駿棗浸泡梯度水分定量模型的預測是可行的。

利用可見光光譜技術可以快速準確地對南疆駿棗水分進行預測，進而定量化描述駿棗浸泡的狀態，極大縮短人工檢測時間，降低人工精力消耗，為南疆駿棗的加工提供一定的參考。