蘋果果肉可溶性固形物、可溶性糖與光學性質的關聯

魏康麗，劉 暢，丁海臻，楊明哲，郝雅婧，馬 晨，屠 康，潘磊慶*

（南京農業大學食品科技學院，江蘇 南京 210095）

甜度是水果重要的食用品質之一。蘋果果實的甜度主要由可溶性糖（主要是果糖、葡萄糖和蔗糖）含量決定，但其傳統的測定方法步驟復雜、成本較高。而可溶性固形物主要由可溶性糖組成，兩者含量極顯著正相關，且可溶性固形物含量的測定方法相對更簡單易行[1-2]。所以多年來可溶性固形物含量成為評估水果甜度的重要指標。

為了滿足無損、快速、經濟等檢測需求，基于近紅外、高光譜等光學技術檢測蘋果可溶性固形物含量的研究一直是熱點。目前光學檢測研究主要依賴于化學計量學方法，分析透/反射率光譜與含量之間的關系，建立含量預測模型。例如，Li Xiaona等[3]利用傅里葉變換近紅外光譜對不同產地‘富士’蘋果的可溶性固形物含量進行評估，預測集的決定系數（Rp）和均方根誤差（root mean square error of prediction，RMSEP）分別為0.759～0.924和0.547%～0.673%。Tian Xi等[4]基于高光譜對不同果皮顏色的蘋果進行研究，建立了對果皮顏色敏感的可溶性固形物模型，Rp和RMSEP分別為0.955和4.8%。Tang Chunxiao等[5]搭建了含有4 個有效波長（461、469、947 nm和1 049 nm）的多光譜設備，用于‘富士’蘋果的可溶性固形物含量預測。但是，這些研究對于可溶性固形物在不同波長下如何影響吸收和散射的情況還不清楚，且可溶性固形物中的成分與吸收和散射的關系如何也尚不明晰。通過探究可溶性糖與光學吸收和散射的關系，將有助于解釋光學技術檢測可溶性固形物的機理，為改善模型的精度和適應性提供基礎。

吸收系數和約化散射系數分別指單位路徑（cm或mm）內光子因被吸收或散射而損失的光能量的比率（式（1）～（3））。果蔬光學參數測量通過求解輻射傳輸方程計算吸收系數和約化散射系數，定量表征吸收和散射，提供了單獨研究果實化學成分和組織結構與光學性質關系的機會。目前的果蔬光學參數測量技術有空間分辨技術、時間分辨技術、頻域分辨技術、積分球技術。其中積分球技術是目前公認測量最精準的技術，且組成簡單、成本較低。根據前人的研究，吸收系數主要與化學成分有關，約化散射系數主要與組織結構有關[6-7]。Ma Te等[8]的研究發現，蘋果可溶性固形物含量越高，組織在1 170 nm波長處吸收系數越高，但是未能將兩者之間的關系進行定量。果蔬中葉綠素和殘留的不溶性果膠中多糖醛酸含量均與波長670 nm附近吸收有關[9-10]。另一方面，蘋果的硬度、細胞面積和等效直徑與675 nm處散射系數均呈現正相關，相關系數分別為0.903～0.993、0.581～0.777和0.572～0.657[11]。且細胞結構越緊密，散射能力更強[12]。水心和瘀傷都會破壞組織結構，引起組織散射減弱[8,13-14]。但是，目前對于可溶性固形物、可溶性糖與光學吸收或散射性質之間關系的定量研究鮮見報道。

式中：μa為吸收系數/（cm-1或mm-1）；I為透過純吸收介質的光強；I0為入射光光強；d為純吸收介質的厚度或路徑長/（cm或mm）。

式中：μs為散射系數/（cm-1或mm-1）；I為準直透過散射介質的光強；I0為入射光光強；d為散射介質的厚度或路徑長/（cm或mm）。

式中：μ’s為約化散射系數/（cm-1或mm-1）；g為各向異性因子，定量描述單個散射發生后，保持向前傳播的那部分光子數，取值范圍為[-1，1]。

因此，本實驗旨在定量蘋果采后可溶性固形物、可溶性糖與光學吸收和散射性質的關系，進一步解釋光學技術檢測可溶性固形物的原因。

1 材料與方法

1.1 材料與試劑

‘富士’蘋果樣本采摘于江蘇省徐州市豐縣宋樓鎮唐安果園；1% Intralipid 美國Sigma Aldrich公司。

1.2 儀器與設備

ASBN-W100-L鹵素燈、PG2000光譜儀 上海復享光學股份有限公司；4P-GPS-033-SL積分球 美國Labsphere公司；3K15離心機 德國Sigma公司；PAL-1手持式糖度儀 日本愛拓公司；Zorbax carbohydrate氨基柱 美國安捷倫公司；LC-20A高效液相色譜儀日本島津公司。

圖1 基于單積分球的農產品光學特性檢測系統示意圖（A）和軟件界面（B）Fig. 1 Schematic (A) and software interface (B) of optical properties measurement system for agricultural products using integrating sphere

如圖1A所示，本實驗室自主搭建的基于單積分球的農產品光學特性檢測系統包括光源、光源架、積分球、樣本架、光纖、光譜儀、滑臺、運動控制器和計算機。其中光源架和積分球同軸安裝，積分球的檢測口通過光纖與光譜儀連接，計算機通過光譜儀采集積分球內漫反射光的光譜，并通過運動控制器控制3 個滑臺調整光源架和樣本架的相對位置。光源輸出波長為400～2 000 nm，最大輸出功率為100 W。積分球直徑為84 mm，內部涂層為聚四氟乙烯，在400～1 100 nm反射率高于0.98。白板、暗背景和樣本的信號通過光譜儀獲取，光譜波段為366～1 050 nm，光譜分辨率為0.34 nm。

本實驗室自行開發的控制軟件基于Windows系統采用C#撰寫，軟件界面如圖1B所示。軟件包括光譜測量參數、測試模式控制、光譜數據采集、數據顯示、數據保存五大功能模塊。通過該控制軟件，能實現光譜測量參數設定，信號采集以及反射透射模式的自動切換，簡化了操作步驟。

1.3 方法

1.3.1 樣品制備

‘富士’蘋果樣本經0 ℃預冷24 h以后，挑選60 個直徑為80～85 mm，成熟度一致且表面無損傷的樣本。然后在冷庫（（0±1）℃，相對濕度＞95%）中共貯存150 d，每30 d隨機取樣10 個。室溫下冷卻5 h，將整果切去10 mm厚度的果皮和果肉后，切取5 mm×30 mm×35 mm（厚度×寬度×長度）的切片。然后，用兩片石英玻璃片（1 mm厚度）夾住切片進行光學性質測量。進行可溶性固形物和可溶性糖含量的測定。

1.3.2 光學性質測量

采用農產品光學特性檢測系統和軟件B測定400～1 050 nm樣本的漫反射率Rt和漫透射率Tt，積分時間為200 ms，窗口平滑寬度為12 nm，采樣平均次數為20 次。具體的測量細節參考文獻[15]。通過反向倍加算法求解輻射傳輸方程，計算吸收系數和約化散射系數[16]。

1.3.3 檢測系統的精度分析

分別采用純水和1% Intralipid作為純吸收介質和渾濁介質。通過計算純水和1% Intralipid測量值與參考值之間的誤差，確定本系統測量吸收和散射性質的準確性。參考值分別為鄧孺孺[17-18]和Van Staveren[19]等的經驗值。

1.3.4 可溶性固形物和可溶性糖含量測定

光學性質測量后，立即采用手持式糖度儀測定可溶性固形物含量。重復測量3 次，取平均值。

果糖、葡萄糖、蔗糖含量測定采用Ma Chunmei等[20]報道的方法進行相應修改。稱量2 g左右果肉研磨2 min，加入30 mL超純水混合后，80 ℃水浴60 min。懸液于10 000×g離心20 min后，收集上清液。上清液和標準品均采用0.45 μm微孔膜過膜后，進樣20 μL，經過氨基柱分離（柱溫40 ℃）后，于高效液相色譜儀蒸發光散射檢測器進行測定。流動相采用乙腈-超純水（75∶25，V/V），流速0.8 mL/min。可溶性糖含量單位為g/kg。果糖、葡萄糖、蔗糖的標準曲線決定系數分別為0.999 0、0.999 8和0.999 8。總可溶性糖含量為3 種可溶性糖含量的總和。

1.4 數據處理

為了定量貯存期間蘋果果肉可溶性固形物、可溶性糖與光學性質的關系，對不同采樣時間的參數的平均值進行分析。采用IBM SPSS Statistics 20（Manugistic公司，Rockville，MD，美國）進行方差分析（P＜0.05）和Pearson（P＜0.05）相關性分析。并采用Matlab R2010b（Mathworks公司，Massachusetts，美國）建立可溶性固形物、總可溶性糖、果糖、葡萄糖和蔗糖含量的偏最小二乘回歸（partial least square regression，PLSR）模型。3/4的樣本（45 個）用于建模，剩下1/4的樣本（15 個）用于預測。模型的性能用Rp和RMSEP進行評估。

2 結果與分析

2.1 光學性質測量系統的精度分析結果

圖2 400～1 050 nm水的吸收系數（A）和1% Intralipid約化散射系數（B）Fig. 2 Absorption coefficient of water (A) and reduced scattering coefficient of 1% Intralipid in the range of 400-1 050 nm (B)

如圖2所示，吸收系數和約化散射系數的測量值與參考值趨勢一致：吸收系數在整個波段范圍內存在O—H 1 個明顯的吸收峰（980 nm）和2 個較小吸收峰（740 nm和840 nm）；約化散射系數出現米氏散射現象，隨著波長增加單調減小[19]。

吸收系數測量值與參考值在800～950 nm非常相近，平均誤差只有6.61%。但與Zhang Shu[13]、Rowe[21]等報道一樣，在400～800 nm出現顯著基線漂移。這可能是光在樣本邊緣的直接和漫射光損失造成的，從而引起吸收測量值偏高[22]。約化散射系數測量值與參考值之間的差距在400～650 nm逐漸增加，然后逐漸減小直到881 nm達到最小，881 nm以后又逐漸增加。在整個400～1 050 nm范圍內，約化散射系數相對誤差范圍為0.03%～12.59%，平均值為7.74%，低于Moffitt[22]的平均測量誤差（11.1%）。測量值與參考值之間的差距可能是不同廠商的1% Intralipid的粒徑分布不同引起[23]。

2.2 貯存期間光學性質的變化

如圖3所示，貯存期間不同采樣時間的平均吸收系數和約化散射系數的波形均相似，數值有所不同。平均吸收系數值范圍為是0.02～0.11 mm-1（圖3 A），與R o w e等[21]用積分球測得的400～1 050 nm‘嘎啦’蘋果的吸收系數值相當（0.01～0.15 mm-1），但高于Qin Jianwei等[24]采用高光譜成像空間分辨技術測得的550～1 000 nm‘富士’蘋果的值（0.01～0.06 mm-1）。在550～1 050 nm，吸收系數出現980 nm明顯的吸收峰。在貯存150 d期間，雖然相鄰采樣時間吸收系數值差別不明顯，但整體呈減小趨勢。

圖3 不同采樣時間蘋果果肉平均吸收系數（A）和約化散射系數（B）Fig. 3 Absorption coefficient (A) and reduced scattering coefficient (B)of apples at different storage times

果肉約化散射系數是吸收系數的7 倍以上，范圍在0.85～1.79 mm-1之間（圖3B）。這是因為果蔬等生物組織是渾濁介質，散射性質遠大于吸收性質。而該測量值高于Zhang Shu等[13]用積分球技術測得的瘀傷‘富士’蘋果的約化散射系數，這是因為瘀傷會破壞組織的細胞結構完整度，造成散射減小。貯存150 d后，約化散射系數明顯減小。與2.1節所述問題相同，由于在果肉組織內，400～550 nm之間光損失嚴重，IS技術在反向迭代求解光學特性參數時，未考慮光在積分球內的損失，直接過分估計光的吸收，造成吸收系數偏高，約化散射系數偏低，未表現出隨著波長增加而減小的趨勢[25]。這在Rowe等[21]的研究中也有類似報道。所以在后續分析中，僅保留分析550～1 050 nm波段的光學性質與可溶性固形物和可溶性糖的關系。

2.3 貯存期間可溶性固形物和可溶性糖的變化

如圖4所示，隨著貯存時間的延長，果肉可溶性成分降解速度大于合成速度，可溶性固形物和可溶性糖含量均呈現減小趨勢。可溶性固形物從13.5%減小至11.7%，總可溶性糖含量從53.42 g/kg減小到45.91 g/kg。蘋果是果糖積累型果實，在3 種可溶性糖中果糖含量最高（23.70～26.79 g/kg），其次是葡萄糖（14.14～16.56 g/kg）和蔗糖（8.07～10.17 g/kg）[26]。

圖4 不同采樣時間蘋果可溶性固形物和可溶性糖含量Fig. 4 Soluble solid contents and soluble sugar contents of apples at different storage times

表1 可溶性固形物和可溶性糖的相關性分析結果Table 1 Correlation analysis of soluble solids and soluble sugar contents

從表1可知，可溶性固形物與總可溶性糖和3 種可溶性糖均呈正相關關系，且除了葡萄糖以外，正相關關系均極顯著（P＜0.01），這與趙勝杰等[2]的研究結果相一致。可溶性固形物與蔗糖相關性最高，相關系數高達0.961，其次是總可溶性糖（r=0.932）和果糖（r=0.926），最后是葡萄糖（r=0.771）。李寶江等[27]研究發現，可溶性固形物與蔗糖的相關性高于其與還原糖的相關性，r分別為0.773和0.458（P＜0.01）。總可溶性糖與3 種可溶性糖均呈顯著正相關（r＞0.9），且與果糖的相關性最強，相關系數高達0.984。這與果糖含量在總可溶性糖中所占的比例最大相符合。

2.4 可溶性固形物和可溶性糖與光學性質的相關性

如圖5所示，在整個波段范圍內，可溶性固形物、總可溶性糖、果糖、葡萄糖、蔗糖與2 種光學性質均呈正相關，相關系數為0.768～0.992。與Ma Te等[8]的研究結果相同，蘋果可溶性固形物越低，吸收和散射也相對越弱。同時，這也印證了2.2節和2.3節所述結果，隨著貯存時間的延長，可溶性成分含量減小伴隨著吸收系數和約化散射系數減小的現象。此外，這5 個可溶性成分參數與吸收系數的平均相關系數均高于與約化散射系數的平均相關系數。這也顯示了化學組分可能與吸收性質更相關。

而在5 個可溶性成分參數中，可溶性固形物、總可溶性糖、果糖和蔗糖與2 種光學性質的相關性（r為0.827～0.992）均比葡萄糖（r為0.768～0.907）高。可溶性固形物和總可溶性糖與吸收系數的相關系數均值均為0.948，與約化散射系數的相關系數均值分別為0.931和0.909。在3 種可溶性糖中，蔗糖與2 種光學性質的相關性最高（r為0.829～0.992），其次是果糖（r為0.826～0.935），最后是葡萄糖（r為0.768～0.907）。三者與吸收和約化散射系數的平均相關系數分別為0.963、0.910和0.834，0.890、0.887和0.813。即，雖然蔗糖含量是3 種可溶性糖中最少的，但其與2 種光學性質的平均相關性均最高，然后是果糖，最后是葡萄糖。這與可溶性固形物和3 種可溶性糖的相關性分析結果一致。這也表明，可溶性固形物與光學性質的高度相關性可能與蔗糖有關。

圖5 可溶性固形物和可溶性糖與光學吸收系數（A）和約化散射系數（B）的相關性Fig. 5 Correlations of soluble solide and soluble sugar contents with absorption coefficient (A) and reduced scattering coefficient (B)

表2 蘋果可溶性固形物和可溶性糖與980 nm處光學性質的線性擬合方程Table 2 Linear fi tting equations for soluble solide contents, soluble sugar contents and optical properties at 980 nm of apples

隨著波長增加，可溶性固形物、總可溶性糖、果糖和蔗糖與吸收系數的相關系數也增加。相反，隨著波長增加，約化散射系數與它們的相關系數卻減小。這可能是因為近紅外區域相對可見光區域包含更多C—H、O—H、N—H等基團的共振信息，與吸收性質更相關[28]。而在貯存期間，約化散射系數在可見光區域的變化范圍相對于近紅外區域更大，所以呈現更強的相關性。為觀察固定波長下可溶性成分參數與吸收和約化散射系數的關系，獲取了980 nm處兩者的線性擬合方程（表2）。由表2可知，可溶性固形物和蔗糖與吸收系數的線性擬合方程擬合度最高，決定系數R2分別為0.977和0.951。而其他方程的擬合度較低，R2為0.662～0.885。

2.5 可溶性固形物和可溶性糖含量的預測

表3 蘋果可溶性固形物和可溶性糖的含量預測模型Table 3 Model predictions of soluble solide and soluble sugar contents in apples

如表3所示，為了進一步驗證可溶性固形物和可溶性糖與光學性質的關系，分別基于吸收系數和約化散射系數建立PLSR含量預測模型。結果顯示，基于吸收系數和約化散射系數建立的5 個可溶性成分參數模型建模集決定系數Rc略高于相應模型的預測集決定系數Rp，但結果相差不大，證明模型沒有過擬合。

5 個可溶性成分參數的模型預測性能均較好，能滿足實際需求：1）可溶性固形物的模型Rp不小于0.886，RMSEP不超過0.422%。此結果優于Peng Yankun[29]和He Xueming[30]等分別利用高光譜成像空間分辨技術和積分球技術建立的蘋果和梨的可溶性固形物含量預測模型，Rp分別為0.883和0.64，RMSEP分別為0.73%和0.68%。2）總可溶性糖的預測模型Rp不小于0.876，RMSEP不超過3.363 g/kg。3 種可溶性糖預測模型Rp和RMSEP范圍分別為0.820～0.906和1.175～2.138 g/kg。且蔗糖的預測結果最高（Rp≥0.864，RMSEP≤1.3 2 6 g/k g），其次是果糖（Rp≥0.8 3 6，RMSEP≤2.138 g/kg）和葡萄糖（Rp≥0.820，RMSEP≤1.871 g/kg），這與丁佳興[31]利用高光譜對3 種可溶性糖的預測結果一致。與Oliveira-Folador等[32]利用近紅外光譜建立百香果的糖含量模型（果糖、葡萄糖、蔗糖的Rp分別為0.890、0.885和0.850，RMSEP分別為2.93、2.86 g/kg和6.64 g/kg）相比，本研究對蔗糖的預測結果更優。雖然果糖和葡萄糖的預測模型Rp略低，但模型的RMSEP更小。且本研究結果高于120 個楊梅汁的果糖預測模型（為0.71）和150 個蜜橘的葡萄糖預測模型（為0.48）[33-34]。結果表明，可溶性成分與光學性質之間有高度相關性，以及基于光學性質預測可溶性成分含量有較大潛力。3）另一方面，在這5 種可溶性成分參數的模型中，基于吸收系數建立的模型表現均優于約化散射系數建立的模型，前者Rp高出后者Rp的范圍為0.007～0.042，且模型相應的RMSEP均更低。這也再次證明，化學成分與吸收性質的關聯更強[35]。

3 結 論

本研究搭建一套基于單積分球的農產品光學特性檢測系統和軟件，并分別采用純水和1% Intralipid進行吸收性質和散射性質測量精度分析。同時，利用本系統探究蘋果低溫貯存期間5 種可溶性成分參數含量（可溶性固形物、總可溶性糖、果糖、葡萄糖、蔗糖）與吸收系數和約化散射系數的關系。研究結果表明，本系統和軟件能夠滿足純吸收介質和渾濁介質光學特性參數的測量需求，吸收系數在800～950 nm平均誤差只有6.61%，約化散射系數在400～1 050 nm平均誤差僅為7.74%。貯存期間，蘋果可溶性固形物和可溶性糖與吸收和散射2 種光學性質均逐漸減小，且表現出與吸收性質更高的相關性（r為0.768～0.992）。可溶性固形物與總可溶性糖、果糖、葡萄糖和蔗糖呈正相關，且與蔗糖相關性最高（r為0.961 ）。可溶性固形物和蔗糖與光學性質相關性高于果糖和葡萄糖，基于光學性質建立的含量預測模型結果也最優，Rp高達0.906。因此，基于光學性質能夠預測可溶性固形物含量可能與可溶性糖中蔗糖和吸收性質的高度相關性有關。本研究為理解光學性質與可溶性固形物、糖類之間的關系提供了參考。在后續地研究中，可以進行多品種樣本的實驗研究，驗證本研究中的結果。