基于光譜指數的蜜橘成熟度評價模型研究

劉燕德，葉靈玉，孫旭東，韓如冰，肖懷春，馬奎榮，朱丹寧，吳明明

(華東交通大學機電與車輛工程學院，江西 南昌 330013)

1 引 言

國標要求柑橘類的水果成熟度達到可食用的適當程度即可[1]。中國農業科學研究所研究證明果皮色澤和果汁的固酸比值可以作為尾張系柑橘果實的成熟度指標，固酸比一般達到8∶1以上即認為是成熟[2]。成熟度是果實品質的評價重要指標，果實成熟度不一，會嚴重影響其整體品質，同時大大降低了其市場競爭力。目前評價成熟度的指標有硬度[3]、乙烯含量[4]等。其中采用硬度的評價方法適用于在成熟過程中硬度變化比較大的水果，例如獼猴桃、香蕉等水果；乙烯評價方法對于成熟過程中釋放乙烯較少的水果不適用[5]。成熟度評價對于水果采摘后的儲藏和運輸起著重要的作用，采摘早了，果實得不到充分的生長，采摘晚了，在儲藏和運輸過程中容易腐爛。因此，探索一種準確、有效的成熟度評價方法具有重要意義。

光譜指數(spectral index)是由特定的多光譜波段的反射率經過線性或非線性組合而構成的一種光譜參數，其構建的原則是選擇適合的波段強化果實的特征信息且弱化環境對光譜影響為目的，定性、定量地評估農作物生長及成熟度等情況[6-8]。羅丹[9]等人通過分析350～2 500 nm波段光譜反射率任意兩波段交叉組合的主要高光譜指數與冬小麥葉綠素含量的定量關系，并建立估算模型，結果表明比值光譜指數的效果最好，但這種光譜指數仍未能完全去除干擾信息。Attila[10]對蘋果成熟過程中的光譜特性、葉綠素、類胡蘿卜素和水分等進行研究，結果表明，類胡蘿卜素與葉綠素的比值適合用來表示蘋果的成熟度，其中678 nm波長的光譜數據適用于判斷蘋果是否成熟。水果的成熟度涉及到各項參數指標，這種采用單個波長的信息來判斷水果成熟度的方法較為簡單，沒有對比的參考量，存在很大的不確定性。近年來國外有許多研究者采用基于光譜指數的便攜式儀器來研究水果的成熟度。其中Alejandra[11]采用cherry-meters儀器測量葡萄基于兩個波峰(560 nm和640 nm)的吸光度差異指數，并根據吸光度差異指數的數值將樣品分為10類，利用主成分分析不同吸光度差異指數的葡萄集群的成熟度。兩個波長的光譜指數評價方法比一個波長的光譜指數評價方法較穩定，但前者只有兩個波長之間的相對變化，不能對結果進行驗證，容易受到外界環境的影響。光譜指數的評定方法已經被國內外學者廣泛使用，采用這種方法可以通過選擇少量波長，就能實現對蜜橘的成熟度評價，為開發低成本測量成熟度的儀器提供理論依據。

2 材料與方法

2.1 實驗材料

實驗樣品為江西蜜橘于9月到11月份6次采摘于江西某果園，樣品隨機選取沒有損壞、腐爛以及蟲害的新鮮蜜橘。實驗樣品總數為300個，實驗樣品每次為50個。將樣品表面清洗干凈，存放于溫度為20°和濕度為60%的環境下存放，并在24 h內采集光譜，同時測量樣品重量、橫徑、縱徑、葉綠素、糖度、酸度以及色差等參數，其各種參數范圍如表1所示。江西蜜橘為多汁水果，其皮厚約為1 mm，比贛南蜜橘的皮略薄，更適合采用近紅外光譜儀進行光譜研究，果皮對實驗的影響更小。

2.2 光譜采集

采用Ocean optics便攜式光譜儀采集光譜，如圖1所示，由光源、光纖、檢測器和PC機組成。

其中光源為LS-1的白色光源，其光源穩定、強度合適，光譜采集前需將光源預熱15 min，檢測器的型號為QE65000，使用Spectrasuite軟件讀取和儲存光譜。光譜采集范圍： 400～1 200 nm；分辨率：6 nm；功率：6.5 W；積分時間：100 ms；平均次數：1；平滑度：15，并勾選去除噪聲。參數設置好后，分別在樣品的赤道部位均布采集3條光譜，沿赤道部位每隔72°采集一次光譜，最后求取平均光譜。

圖1 便攜式光譜儀 Fig.1 Portable spectrometer

批次采摘時間重量/g橫徑/mm縱徑/mm葉綠素色差糖度(Bix°)酸度/%19月1日94～116.760～6347～545.8～35-50～-27.99.1～11.60.53～2.8829月11日94.43～137.8260～6846～543.9～4055.7～66.89.2～11.50.3～2.41310月9日110.4～156.166～7446～560.1～23.557.4～74.49.8～12.20.47～2.22410月24日109.87～141.8962～7150～590.1～13.256.6～75.79.4～12.80.84～1.66511月8日87.44～136.1162～7148～570.1～3.265.1～76.39.5～13.10.4～1.4611月28日108.36～151.7360～7546～580.1～1.858.6～75.710.7～13.30.41～0.97

2.3 蜜橘理化指標真實值測量

重量：0.01 g，采用電子稱量法稱量，電子秤型號JM-B；

橫縱徑：采用游標卡尺分別在蜜橘在赤道和縱向的直徑；

色差：使用白色聚乙烯板作為參照，采用ATAGO色差儀測量蜜橘赤道采集點處的色差(Lab);

葉綠素：在光譜采集點，切下一小塊果皮，去掉表皮中白色囊狀物之后，采用SPAD-520葉綠素測量儀測量[12]；

可溶性固形物和酸度：為了防止果肉對實驗的影響，用紗布將果汁過濾，進而測量其糖度含量；用移液槍取1 mL果汁放入燒杯中，用純凈水稀釋至50 mL，攪拌均勻后用日本愛拓專用于測量柑橘的糖酸度計測量酸度[13]。

3 結果與討論

3.1 成熟度評價指標對比分析

圖2 不同采收期的蜜橘重量 Fig.2 Tangerine weights in different harvest periods

圖3 不同采收期的蜜橘橫徑 Fig.3 Transverse diameters in different harvest periods

圖4 不同采收期的蜜橘縱徑 Fig.4 Longitudinal diameters in different harvest periods

圖5 不同采收期的蜜橘葉綠素 Fig.5 Chlorophyll in different harvest periods

圖6 不同采收期的蜜橘色差 Fig.6 Chromatic aberrations in different harvest periods

圖7 不同采收期的蜜橘可溶性固形物含量 Fig.7 Soluble solid contents in different harvest periods

蜜橘成熟度指標是一項重要指標，蜜橘從未成熟期到成熟期的各項指標參數先增大(減小)后趨于穩定。如圖2、3、4所示，不同采收期的蜜橘橫縱徑沒有顯著變化，重量雖然呈上升的趨勢，但是趨勢并不明顯。如圖5所示，葉綠素含量隨著時間的變化越來越少，且標準偏差越來越小，可見蜜橘的葉綠素含量可作為蜜橘成熟度指標之一。色差如圖6所示，第1批數值較低表明第一個采收期的蜜橘顏色偏暗，而后面5批的蜜橘顏色偏亮，色差基本不變，從色澤上已趨于穩定，但上升的過快不利于判斷成熟時期。

圖8 不同采收期的蜜橘酸度含量 Fig.8 Tangerine acidity contents in different harvest periods

圖9 不同采收期的蜜橘固酸比 Fig.9 Tangerine solid-acid ratios in different harvest

圖10 不同采收期的葉綠素與糖度的比值 Fig.10 Ratio of chlorophyll to SSC in different harvest periods

圖11 不同采收期的葉綠素與固酸比的比值 Fig.11 Ratios of chlorophyll to solid-acid in different harvest periods

蜜橘在成熟過程中淀粉會分解，可溶性固形物的含量會逐漸升高，而酸度會逐漸降低。中國農業科學院柑橘研究所研究結果表明[2]柑橘成熟時的固酸比≥8∶1，由圖9可知，這6個采收期的蜜橘的固酸比平均值均大于8，適宜食用，但若是確定蜜橘的最佳成熟度，還需要實驗研究。在圖9中前4個采收期的固酸比沒有明顯的變化，在第5個采收期固酸比開始上升，在第6個采收期的時候達到最高值，這是由于這6個采收期的蜜橘的可溶性固形物的含量沒有明顯變化(如圖7所示)，但其酸度在第5個采收期開始下降，到第6個采收期達到最小值(如圖8所示)。使用葉綠素比上SSC、葉綠素比上固酸比可得到如圖10和圖11所示，其平均值逐漸減小且趨于穩定，偏差也逐漸變小，也可作為江西蜜橘成熟度指標。

3.2 蜜橘光譜特性分析

江西蜜橘樣品的反射光譜的平均光譜如圖12所示，光譜范圍500～1 500 nm。在649 nm和724 nm波段處有明顯的兩個波峰，672 nm波段處有明顯波谷，隨成熟期的變化672 nm處波谷越來越不明顯，漸漸趨近于平緩。這是由于蜜橘中的有機物含有C-H鍵、O-H鍵、N-H鍵等氫基團，而在蜜橘逐漸成熟的過程中，蜜橘的表皮顏色逐漸由綠色轉變成紅黃色，蜜橘的內部品質也逐漸改善，口感越來越好。在672 nm波段處的波谷可能是由于果皮中的葉綠素造成的，葉綠素吸收波段為450～470 m和640～680 nm[14]，前3個采收期的蜜橘表皮顏色偏綠，采集點呈黃色的部位較少，葉綠素含量較多，導致在672 nm波段附近形成波谷，而在649 nm和724 nm兩處形成波峰。后3個采收期的蜜橘表皮顏色多呈紅黃色，葉綠素含量較少，這時光譜顯現出來的是紅光和黃光的反射能量。由6個采收期的平均光譜的吸收帶可知，光譜的成熟度與果皮中葉綠素的含量密切相關。

圖12 不同采收期的江西蜜橘近紅外光譜特性 Fig.12 Near infrared spectrum characteristics of Jiangxi orange in different harvest periods

在蜜橘的原始光譜中，不同波長的反射值差異較大，宜采用變異系數[15]來反應光譜的變化，變異系數公式為：

(1)

變異系數越大體現出蜜橘在6個采收期的變化越大，如圖13所示，光譜值從500～670 nm波長呈一個上升的趨勢，這個波段的蜜橘的差異越來越大并在670 nm達到最大值，從670～724 nm呈下降趨勢，并在724 nm時降到最低后不再有明顯的變化。表明蜜橘的成熟過程中，670 nm波長時的光譜變化最明顯，能體現蜜橘成熟的差異性。而670 nm波長正是葉綠素的吸收波峰[16]，因此以光譜特性來看，葉綠素亦適宜作為成熟度參數指標。

圖13 變異系數曲線 Fig.13 Variation coefficient curve

3.3 蜜橘成熟度光譜評價指數對比分析

表2 光譜評價指數相關性分析

圖14 成熟度光譜指數隨采收期的變化 Fig.14 Maturity spectral index changes with the harvest period

3.4 蜜橘成熟度光譜指數評價模型分析

通過成熟度評價指標和光譜指數建立多元線性回歸[18](MLR)評價模型，成熟度評價指標如3.1節所述為葉綠素、葉綠素比可溶性固溶物、葉綠素與固酸比之比。將3組原始數據按照3∶1的比例，分為建模集和預測集，建模集樣本為225個，預測集為75個。如表3所示，在3個成熟度指標中，葉綠素與光譜指數建立的MLR模型的效果最好，其建模集相關系數rc達到0.98，建模均方根誤差RMSEC為0.49，建模偏差為-6.1×10-8，預測集相關系數為0.96，預測均方根誤差RMSEP為0.59，預測偏差為-0.014。如圖15為葉綠素與光譜指數的MLR模型，建模集的多元線性回歸方程為y=0.95x+0.016，預測集的多元線性回歸方程為y=0.91x+0.032。

表3 成熟度指標與光譜指數建模結果

圖15 多元線性回歸模型 Fig.15 Multiple linear regression model

4 結 論

[1] GB/T 12947-2008《鮮柑橘》[S].

GB/T 12947-2008(Fresh citrus)[S].(in Chinese)

[2] 應義斌,饒秀勤,馬俊福,等.柑橘成熟度機器視覺無損檢測方法研究[J].農業工程學報,2004,20(2):144-147.

YING Y B,RAO X Q,MA J F,etal.. Methodology for nondestructive inspection of citrus maturity with machine vision[J].TransactionsoftheCSAE,2004,20(2):144-147.(in Chinese)

[3] BURDON J,PIDAKALA P,MARTIN P,etal. Postharvest performance of the yellow-fleshed ‘Hort16A’ kiwifruit in relation to fruit maturation[J].PostharvestBiologyandTechnology,2014,92:98-106.

[4] NAVARRO G N,MARTINEZ R D,PEREZT O. Assessment of the impact of ethylene and ethylene modulators in citrus limon organogenesis[J].PlantCell,TissueandOrganCulture,2016,127(2):405-415.

[5] 王樂妍,張冬仙,章海軍,等.基于激光光致發光光譜的果實成熟度測試方法研究[J].光譜學與光譜分析,2008,28(12):2772-2776.

WANG L Y,ZHANG D X,ZHANG H J,etal.. Measurement of fruit maturity based on laser-induced photoluminescence spectrum[J].SpectroscopyandSpectralAnalysis,2008,28(12):2772-2776.(in Chinese)

[6] JONATHAN V B ,LAURENT T,BEN S,etal.. Stem water potential monitoring in pear orchards through worldview-2 multispectral imagery[J].RemoteSensing,2015,7(8):9886-9903.

[7] ZHAO CH J,LI H L,GU X H,etal.. Effect of vertical distribution of crop structure and biochemical parameters of winter wheat on canopy reflectance characteristics and spectral indices[J].IEEETransactionsonGeoscience&RemoteSensing,2017,55(1):236-247.

[8] RAYMOND E H,CRAIG S T D,LI L. Feasibility of estimating leaf water content using spectral indices from WorldView-3′s near-infrared and shortwave infrared bands[J].InternationalJournalofRemoteSensing,2016,37(2):388-402.

[9] 羅丹,常慶瑞,齊雁冰,等.基于光譜指數的冬小麥冠層葉綠素含量估算模型研究[J].麥類作物學報,2016,36(9):1225-1233.

LUO D，CHANG Q R，QI Y B,etal.. Estimation model for chlorophyll content in winter wheat canopy based on spectral indices[J].JournalofTriticeaeCrops,2016,36(9):1225-1233.(in Chinese)

[10] NAGY A,PETER R,JANOS T. Spectral evaluation of apple fruit ripening and pigment content alteration[J].ScientiaHorticulturae,2016,201:256-264.

[11] ALEJANDRA R F,MASSIMO N,EMILIO J F,etal.. Assessment of technological maturity parameters and anthocyanins in berries of cv. Sangiovese(Vitis vinifera L.) by a portable vis/NIR device[J].ScientiaHorticulturae,2016,209:229-235.

[12] 劉燕德,肖懷春,孫旭東,等.基于高光譜成像的柑橘黃龍病無損檢測[J].農業機械學報,2016,47(11):231-238,277.

LIU Y D,XIAO H CH,SUN X D,etal.. Non-destructive detection of citrus huanglong disease using hyperspectral image technique[J].TransactionsoftheChineseSocietyforAgriculturalMachinery,2016,47(11):231-238,277.(in Chinese)

[13] LI M,LV W B,ZHAO R,etal.. Non-destructive assessment of quality parameters in Friar′ plums during low temperature storage using visible/near infrared spectroscopy[J].FoodControl,2017,73(B):1334-1341.

[14] 劉凱,張立福,楊杭,等.面向對象分析的非結構化背景目標高光譜探測方法研究[J].光譜學與光譜分析,2013,33(6):1653-1657.

LIU K,ZHANG L F,YANG H,etal.. Hyperspectral unstructured background target detection approach based on object-oriented analysis[J].SpectroscopyandSpectralAnalysis,2013,33(6):1653-1657.(in Chinese)

[15] 田青,羅金平,劉曉紅,等.生物發光法細菌快速檢測儀的研制及應用[J].光學 精密工程,2010,18(4):771-778.

TIAN Q,LUO J P,LIU X H,etal.. Development and application of rapid detecting instrument for bacteria based on bioluminescence[J].Opt.PrecisionEng.,2010,18(4):771-778.(in Chinese)

[16] TAMBURINI E,FERRARI G,MARCHETT M G,etal.. Development of FT-NIR models for the simultaneous estimation of chlorophyll and nitrogen content in fresh apple(Malus Domestica) leaves[J].Sensors(Basel)，2015，15(2)：2662-2679.

[17] GITELSON AA，MERZLYAK M N. Signature analysis of leaf reflectance spectra-algorithm development for remote sensing of chlorophyll[J].JournalofPlantPhysiology,1996,148(3-4):494-500.

[18] 王智宏,張福東,滕飛,等.基于近紅外波長組合快速檢測油頁巖含油率[J].光學 精密工程,2015,23(2):371-377.

WANG ZH H,ZHANG F D,TENG F,etal.. Rapid detection of oil yield of oil shale by combination of wavelengths in near infrared spectroscopy[J].Opt.PrecisionEng.,2015,23(2):371-377.(in Chinese)