近紅外光譜法快速無損檢測蘋果硬度

李志成，王文昌

（中華全國供銷合作總社濟南果品研究院，山東濟南250014）

蘋果作為大宗農產品，具有產量高、上市時間集中的特點。硬度是反映蘋果品質的重要指標。目前，蘋果的硬度指標檢測一般使用硬度計，其最大的弊端是對蘋果具有破壞性，一旦檢測完畢蘋果便失去了商品用途，無法進行銷售。而近紅外光譜法檢測具有快速、方便、高通量、無損傷的優勢[1-3]，是農產品硬度檢測的理想方法。

數據顯示，我國是世界上最大的蘋果生產國和消費國。2017年，世界的蘋果總產量是7600多萬t，中國有4380萬t，約占全世界產量的近6成。硬度是蘋果重要的品質指標之一，在蘋果的收購、流通、銷售環節中都備受關注。目前通常使用硬度計對蘋果硬度進行檢測，該方法速度慢、破壞性大。用近紅外光譜儀采集被測定蘋果的近紅外光譜，通過解析譜圖和進行不同的預處理，將比較復雜的弱光譜信息有效提取出來，找出蘋果最好的預處理方法和有效光譜范圍[4,5]；用偏最小二乘法對蘋果的近紅外光譜數據進行定量分析[6]，并對樣本進行預測，達到快速、無損檢測的目的[7]。本文利用近紅外光譜建立預測蘋果硬度的模型，并優化模型預測的準確性，從而快速、準確地對蘋果硬度進行預測，傳統硬度檢測所致的實現蘋果硬度的無損檢測。

1 材料與方法

1.1 儀器與設備

便攜式近紅外分析儀，聚光科技（杭州）股份有限公司生產，型號為SupNIR-1100，波長范圍 600～1100 nm，光譜分辨率6 nm－1，波長準確性0.2 nm。

水果硬度計，意大利Fruit Test公司生產，型號為FT327。測量范圍為0～13 kg，分度值100 g。

1.2 樣品來源

試驗用的蘋果來自蘋果產區，有河南三門峽，陜西渭南，山東棲霞、威海、蓬萊。蘋果數量為100個。隨機分為校正組和檢驗組，校正組75個樣本，檢驗組25個樣本。

1.3 光譜采集

采集條件：以儀器內置背景為參比，積分球漫反射，掃描范圍為600～1100 nm，在室溫下（約22℃）采集其近紅外掃描光譜，分辨率6 cm-1，所獲得光譜即為樣本的近紅外光譜譜圖，如圖1所示。

圖1 蘋果樣本的近紅外光譜圖Fig.1 Near infrared spectra of apple fruit samples

1.4 硬度測定

用硬度計測定蘋果硬度，將硬度計探頭對準蘋果表皮，方向由果面指向果心，緩慢按壓，觀察硬度計表盤指針變化，當指針數值不隨探頭深入而變化時停止按壓，讀取硬度計表盤數值即為樣本蘋果的硬度。

2 數據處理與分析

2.1 光譜預處理

采集的近紅外光譜受噪聲影響，噪聲主要來源于隨機噪聲、基線漂移、信號本底、樣品不均勻、光散射等。為此要對原始光譜數據進行預處理，降低噪聲影響，提高光譜精度。本試驗采用聚光科技近紅外分析儀測量分析軟件對原始圖譜進行預處理，平滑消噪后提取樣品的有效信息。光譜預處理方法有平滑、微分處理以及基準校正等。可以去除光譜中高頻噪聲的干擾，較多的平滑點數可以使信噪比提高。

2.2 建立模型

從蘋果的近紅外原始光譜圖（圖1）可以看出，所有樣品的光譜圖形狀具有相似性，在首尾兩端具有較強的噪聲干擾，在600～700 nm范圍內出現了吸收峰，特別是在680 nm特征吸收峰最為強烈。采用聚光科技分析軟件中自帶偏最小二乘方法進行建模，選擇偏最小二乘回歸分析（PLS1），在性質列表中任選一個性質，點擊“添加模型”，采用PLS1方法建立模型。

2.3 模型的驗證與評價

本文通過對校正組75個蘋果樣品的硬度校正模型來預測25個檢驗組樣品的值，并以預測值和真實值的擬合程度來判斷建模效果。預測集25個樣品硬度的真實值和預測值的效果見圖2。

圖2 樣品硬度的真實值和預測值的效果圖Fig.2 Actual values and predicted values of hardness in predicted samples

從圖2中可以看出，預測集中25個樣品的硬度真實值和預測值的擬合程度比較好，基本可以實現預測評估的效果。用建立好的模型驗證25個蘋果的硬度值，得到硬度的真實值和預測值相關性較為理想。圖3是預測集25個樣品硬度真實值和預測值的相關線性曲線。

圖3 預測集樣品硬度真實值和預測值的相關性Fig.3 Relationship between actual values and predicted values of hardness in prediction set

利用建立的定量模型預測檢驗組的25個樣品。由圖3可以看出，樣品各點分布在趨勢線（與坐標軸夾角為45°）附近，說明近紅外光譜的預測值和真實值基本一致。模型預測值和真實值的R2為0.8481。

3 結論

采用聚光科技分析軟件中自帶偏最小二乘PLSI方法對蘋果硬度原始光譜數據進行建模，得到了較為理想的模型以及預測效果。試驗發現，使用該模型得到的蘋果硬度預測值和真實值的決定系數R2=0.8481。可見，近紅外光譜快速檢測蘋果硬度可以在無損的情況下快速、較為準確的獲得樣品硬度的預測值。