雪梨中可溶性固形物的快速檢測

黃沛遵+靳皓

摘 要：本文采用近紅外漫反射法，對雪梨中的可溶性固形物含量進行檢測。隨機地在每只雪梨上選擇2～3個樣本，共采集了133個樣本。剔除異常樣本5個，剩下128個樣本，分為校正集90個，預測集38個。使用Unscrambler9.7軟件做數據處理。采用不同的光譜預處理方法，結合偏最小二乘（PLS）進行建模預測。發現，使用面積標準化、平均值標準化、標準正態變量變換（SNV）、多元散射校正（MSC）4種光譜預處理方法，均可得到理想的預測效果。使用預測相關系數（R）和預測均方根誤差（RMSEP）作為評價指標，R值超過0.96，RMSEP值小于0.20。

關鍵詞：近紅外；漫反射法；預處理；可溶性固形物

中圖分類號：S661.2 文獻標識碼：A DOI：10.11974/nyyjs.20170733033

雪梨是一種常見的水果，對急性氣管炎和上呼吸道感染均有良效，又有降低血壓和養陰清熱的功效。其味甘性寒，具有生津潤燥、清熱化痰、養血生肌之功效[1]。其可溶性固形物含量的高低是鑒別其品質的重要因素之一。

同時，近紅外光譜具有測試方便，適于在線分析等特點[2]。已有多人基于近紅外光譜對此進行過研究。王凡等[3]使用漫透射光譜技術對番茄的可溶性固形物做了研究；郭成[4]等使用近紅外光譜結合波長優選檢測了葡萄的可溶性固形物含量；王偉名[5]等使用近紅外漫反射光譜檢測了梨的果糖濃度；劉小路等[6]建立了藍莓的可溶性固形物的檢測模型；樊書祥等[7]使用近紅外光譜檢測模型對蘋果的產地差異做了研究；許文麗等[8]使用變量優選和快速獨立成分分析的方法檢測了黃花梨的可溶性固形物；吳方龍等[9]使用近紅外漫反射光譜無損檢測了梨的可溶性固形物；劉燕德等[10]使用近紅外漫透射光譜在線檢測了雨露香梨的可溶性固形物；王銘海等[11]使用近紅外漫反射光譜無損檢測了成熟期梨的可溶性固形物；秦善知等[12]使用便攜式近紅外光譜儀檢測了梨的可溶性固形物。

1 實驗部分

1.1 樣品與儀器

實驗選用50只雪梨，采購于天津某農貿批發市場，產地為河北省。實驗前，將雪梨用清水洗凈，選擇無機械損傷處，隨機地在每只雪梨的靠近果柄、果萼和赤道等部位選取2～3塊樣本，每個樣本為2cm左右的立方體，共采集了133個樣本。每采集完1個樣本，即刻測量其光譜數據及糖度值。光譜儀為美國PerkinElmer近紅外光譜儀，用積分球附件，漫反射法測量全譜數據，波數為10000～4000cm-1，掃描次數32，分辨率4cm-1。同時，使用日本PAL-1型數顯糖度計，對每個樣本測量其糖度值。

1.2 光譜測量

將切好的梨塊置于樣本杯上，覆蓋住藍寶石窗片。每次都先測量背景，然后測量光譜數據，儀器能夠自動扣除背景，得到扣除背景后的光譜數據。保存數據。

1.3 測量可溶性固形物

得到梨塊的光譜數據后，即刻測量糖度值。將梨塊擠出梨汁3～5滴，使其完全覆蓋糖度計窗口。顯示數據。記錄下來。

2 結果與討論

2.1 原始光譜及不同預處理方法

使用Unscrambler9.7軟件做數據處理。選擇1501個波數變量為x變量，糖度值為y變量，用PLS1對133個樣本的原始光譜建立回歸模型。確定主成分數，如圖1所示，選擇主成分數為14。

使用14個主成分建模，如圖2所示，得到校正相關系數為0.95，校正均方根誤差為0.24。

結合UScores-T Scores圖，Leverage-Samples圖和Y-residuals-Predicted Y圖剔除異常樣本5個，剩下128個樣本，再次建模，得到校正相關系數為0.95，校正均方根誤差為0.20，比先前有所改善。

把128個樣本分為校正集和驗證集，校正集90個，驗證集38個。

采用不同的預處理方法，結合PLS1建模。預處理方法分別為面積標準化、平均值標準化、標準正態變量和多元散射校正。

2.2 不同預處理方法的比較

由表1可見，4種不同的預處理方法均比原始光譜建模預測更為優異。其中，多元散射校正預處理方法能使用更少的主成分數。

3 結論

由于使用漫反射法進行測量研究，所以可以為無損測量打下良好基礎。本工作使用了全譜數據，如果對光譜波段進行選擇，可能會有更好的建模預測效果。

參考文獻

[1]雪梨.百度百科[EB/OL].http：//baike.baidu.com/link？url=N3lhSmJL2729dO6mVMtA4DbuU6ZMm47v9Xk_1Bq0SC-XnlOdRopcA3q0fzH6B0lNKfQgvbwbHi9F1VDZ0XQf_q.

[2]褚小立.近紅外光譜分析技術實用手冊[M].北京：機械工業出版社，2016.

[3]王凡，李永玉，彭彥昆，等.基于漫透射光譜技術的番茄可溶性固形物及總糖含量的無損檢測[J].光譜學與光譜分析，2016，36（10）：3185-3189.

[4]郭成，馬月，梁夢醒，等.基于近紅外光譜結合波長優選檢測單顆葡萄的SSC含量[J].食品與機械，2016，32（09）：39-43.

[5]王偉名，董大明，鄭文剛，等.梨果糖濃度近紅外漫反射光譜檢測的預處理方法研究[J].光譜學與光譜分析，2013，33（02）：359-362.

[6]劉小路，薛璐，魯曉翔，等.藍莓可溶性固形物/總酸近紅外無損檢測模型的建立[J].食品與生物技術學報，2016，35（07）：752-756.

[7]樊書祥，黃文倩，郭志明，等.蘋果產地差異對可溶性固形物近紅外光譜檢測模型影響的研究[J].分析化學，2015，43（02）：239-244.

[8]許文麗，孫通，胡田，等.基于變量優選和快速獨立成分分析的黃花梨可溶性固形物可見/近紅外光譜檢測[J].光譜學與光譜分析，2014，34（12）：3253-3255.

[9]吳方龍，沈黃通，吳晨凱，等.基于近紅外漫反射光譜無損檢測梨可溶性固形物的光強影響探究[J].光譜學與光譜分析，2013，33（10）：2671-2673.

[10]劉燕德，朱丹寧，吳明明，等.玉露香梨可溶性固形物近紅外漫透射光譜在線檢測[J].食品與機械，2016，32（10）：115-119.

[11]王明海，郭文川，谷靜思，等.成熟期梨可溶性固形物含量的近紅外漫反射光譜無損檢測[J].西北農林科技大學學報（自然科學版），2013，41（12）：113-118.

[12]秦善知，陳斌，陸道禮，等.基于便攜式近紅外光譜儀檢測梨可溶性固形物[J].江蘇農業科學，2014，42（08）：284-286.

作者簡介：黃沛遵，男，吉林遼源人；靳皓（1978-），男，天津人，講師，碩士，主要研究方向：農產品檢測。