近紅外光譜大數(shù)據(jù)分析塔羅科血橙內(nèi)在品質(zhì)的研究

李俊杰，張績，汪小偉，劉雪峰，程蘭，鄭永強，呂強，謝讓金，馬巖巖，鄧烈，易時來，*

（1.西南大學柑桔研究所，中國農(nóng)業(yè)科學院柑桔研究所，重慶400712；2.國家柑桔工程技術(shù)研究中心，重慶400712；3.重慶市萬州區(qū)果樹技術(shù)推廣站，重慶404155；4.重慶三峽農(nóng)業(yè)科學院，重慶404155）

柑橘作為我國最大宗水果作物，品種資源豐富，種植廣泛，面積和產(chǎn)量均居世界首位，營養(yǎng)價值豐富，深受消費者喜愛。柑橘的可溶性固形物（total soluble solid，TSS）、可滴定酸（titratable acidity，TA）及維生素 C（vitamin C，VC）含量是評價柑橘內(nèi)在品質(zhì)及風味的重要特性指標。目前，柑橘果實主要依靠化學分析的方式檢測內(nèi)在品質(zhì)，分析過程繁瑣復雜，且為有損檢測，難以實現(xiàn)實時監(jiān)控。因此，如何尋求一種快速、便攜、精確、無損檢測柑橘內(nèi)部品質(zhì)的技術(shù)成為目前柑橘產(chǎn)業(yè)生產(chǎn)者及產(chǎn)后采收分級者關(guān)注的焦點問題。早前，柑橘產(chǎn)業(yè)采收分選主要憑據(jù)為重量、大小與外觀品質(zhì)；現(xiàn)今，采后分選開始由外觀品質(zhì)向內(nèi)在品質(zhì)檢測發(fā)展。

近紅外光譜（near infrared spectrum instrument，NIRS）是一種介于可見光和遠紅外光之間的電磁輻射波，利用物質(zhì)對光的特性（吸收、透射等），對物質(zhì)的成分進行無損檢測的新技術(shù)[1-3]。NIRS無損檢測技術(shù)先后被美國、日本等國家應用到農(nóng)產(chǎn)品采后分選處理工作中[3-9]。近年來，我國也將其技術(shù)廣泛應用于果蔬內(nèi)在品質(zhì)指標的快速、無損檢測[10-19]，研究主要集中在蘋果[20-21]、李果實[22]、櫻桃番茄[23]、梨[24-25]、芒果[26]、獼猴桃[27]等薄皮水果。NIRS無損檢測技術(shù)在柑橘[28]內(nèi)在品質(zhì)上的評測研究，大多集中在柑橘果實TSS的檢測分析，對柑橘內(nèi)在品質(zhì)多指標（TSS，TA、VC等）研究報道[29-30]相對較少，尤其建立的校正模型未進行外部樣品的實際驗證檢測。

本試驗以自然成熟的塔羅科血橙為試驗對象，應用NIRMagic1100便攜式果品近紅外光譜分析儀獲取塔羅科血橙光譜圖案、ChemoStudio化學計量學分析軟件譜圖分析及內(nèi)在品質(zhì)化學分析等技術(shù)，對塔羅科血橙的內(nèi)在品質(zhì)多指標進行快速、無損評測研究，分析光譜反射與吸收度和內(nèi)在品質(zhì)的相關(guān)性，建立塔羅科血橙TSS、TA及VC含量的偏最小二乘（partial least squares，PLS）模型，為塔羅科血橙內(nèi)在品質(zhì)多指標評測提供一種快捷、無損的光譜手段，同時將建立的校正模型寫入NIRMagic1100便攜式果品近紅外光譜分析儀，并對外部樣品進行了實際驗證與評估，獲得了較好的結(jié)果。

1 材料與方法

1.1 試驗材料與試劑

塔羅科血橙：從中國農(nóng)業(yè)科學院柑桔研究所大溝果園中采集，于2019年1月24日、2019年1月26日從生長良好的植株上分批、隨機采取樹冠四周外側(cè)果實樣品，每次采取50個果實，單果為一重復，共100個果實樣品。每次采集果實樣品后立即帶回實驗室對果實進行表面清洗、擦干，單果逐一編號，并于果蒂處標記。采回的果實樣品應用NIRMagic1100便攜式果品近紅外光譜分析儀立即進行近紅外光譜圖像采集，光譜采集后再對各個果實樣品進行相應內(nèi)在品質(zhì)指標化學分析。

L-（+）-抗壞血酸標準品、草酸、碘、碘化鉀、可溶性淀粉、無水乙醇（分析純）：成都市科隆化學品有限公司；酚酞、鄰苯二甲酸氫鉀（分析純）：成都市科龍化工試劑廠；氫氧化鈉（分析純）：重慶川東化工（集團）有限公司。

1.2 儀器與設備

NIRMagic1100便攜式果品近紅外光譜分析儀：北京偉創(chuàng)英圖科技有限公司；PAL－1型手持式數(shù)顯折射儀：日本ATAGO（愛拓）公司；4161型電動榨橙汁機：德國Braun（博朗）公司；ME204E型萬分之一分析天平：瑞士梅特勒-托利多集團；Titretteclass A precision型數(shù)字滴定儀：德國BRAND（普蘭德）公司。

1.3 塔羅科血橙樣品的光譜檢測

將編號完全的塔羅科血橙依次排列在瓷盤中，并在其赤道面選擇3個點（避開瑕疵及病蟲害傷口）用記號筆畫出30 mm～50 mm直徑的圈，并依次編號。應用NIRMagic1100便攜式果品近紅外光譜分析儀依次獲取單個塔羅科血橙標記圓圈中的光譜圖。

1.4 果實品質(zhì)測定與分析

獲取光譜數(shù)據(jù)后，立即將塔羅科血橙依次榨汁，雙層紗布過濾，按編號分裝在小燒杯內(nèi)混勻，靜置。

1.4.1 可溶性固形物測定

在室溫25℃下利用PAL－1型手持式數(shù)顯折射儀測定TSS，每果汁樣品重復3次，取平均值作為樣品的TSS數(shù)據(jù)。

1.4.2 可滴定酸測定

利用酸堿滴定法[31]測定，每樣品重復3次，取平均值。

1.4.3 維生素C測定

利用碘量法[32]測定，每樣品重復3次，取平均值。

1.5 數(shù)據(jù)統(tǒng)計分析與模型構(gòu)建

化學分析數(shù)據(jù)統(tǒng)計分析：采用Microsoft Excel Office 2010軟件。

近紅外光譜數(shù)據(jù)分析與模型建立：應用ChemoStudio化學計量學分析軟件對光譜數(shù)據(jù)進行處理，并結(jié)合處理好的化學分析數(shù)據(jù)進行模型建構(gòu)，將單果赤道不同圈面的3條原始光譜數(shù)據(jù)轉(zhuǎn)化為平均值，共100個平均譜圖，其中隨機選取67個作為校正集，其余33個作為預測集。在600 nm～1 100 nm檢測范圍選擇合適光譜區(qū)間至關(guān)重要。圖1為塔羅科血橙原始近紅外光譜圖。

圖1 塔羅科血橙樣品的原始近紅外光譜Fig.1 Primary near infrared spectra of tarocco blood orange samples

在小于750 nm與大于950 nm的波長區(qū)間光譜數(shù)據(jù)相對紊亂，故選擇750 nm～950 nm的光譜數(shù)據(jù)，并使用Savitsky-Golay方法對光譜進行平滑預處理，分析吸光度值與TSS、TA及VC含量的相關(guān)性，并通過PLS定量分析，建立PLS模型。

PLS模型的實際驗證：2019年2月28日，于試驗園內(nèi)隨機采取樹冠外圍21個成熟樣品，于實驗室洗凈擦干。運用目前NIRMagic1100便攜式果品近紅外光譜分析儀導入先前建立的PLS模型，測定已做處理的塔羅科血橙（同1.3光譜測定）的TSS、TA及VC含量，隨后采用化學分析法測定實際果實TSS、TA及VC含量。利用Microsoft Excel Office 2010軟件論證近紅外光譜預測值與實際值的相關(guān)關(guān)系。

2 結(jié)果與分析

2.1 塔羅科血橙內(nèi)在品質(zhì)化學分析

建立PLS模型前對TSS、TA及VC的相關(guān)數(shù)據(jù)進行預分析處理。PLS模型預測的好壞關(guān)鍵在于化學分析的精度與樣品指標數(shù)據(jù)的范圍，具有精度高、范圍廣的數(shù)據(jù)構(gòu)建的模型更加精確，預測結(jié)果更加有效。表1為塔羅科血橙內(nèi)在品質(zhì)化學分析的結(jié)果。

表1 塔羅科血橙內(nèi)在品質(zhì)指標分析結(jié)果Table 1 Analysis of internal quality indicators of tarocco blood orange

結(jié)果表明，校正樣本集的范圍廣度較好，預測集樣品TSS、TA及VC含量均落在校正集的范圍內(nèi)，利用本數(shù)據(jù)建立的模型能夠用于塔羅科血橙內(nèi)在品質(zhì)的無損檢測。

2.2 PLS模型建立與預測分析

試驗對原始光譜數(shù)據(jù)進行了Savitzky-Golay卷積平滑、多元散射校正、Savitzky-Golay卷積導數(shù)3種方法的預處理，對比原始圖譜發(fā)現(xiàn)在750 nm～950 nm的擬建模波長區(qū)間內(nèi)，吸光度出現(xiàn)明顯峰值。在750 nm～950 nm波長區(qū)間建立模型，分析校正-預測偏差的差異顯著，篩選偏差值，并剔除異常值。異常值為異常樣品導致，嚴重影響建立模型的精度與預測效果，運用殘差法剔除異常值，相關(guān)系數(shù)（r）與交互驗證均方差（root mean square error of cross validation ，RMSECV）為剔除標準，僅在r值增大，RMSECV值減小的情況下，確定為異常值，必須剔除，否則保留。

本試驗，PLS模型的性能由校正標準偏差（square error of calibration，SEC）、校正定向相對分析誤差（residual predictive deviation of calibration，RPDC）及模型預測值與實際值的相關(guān)系數(shù)r值評價。根據(jù)相關(guān)分析及異常值剔除，在0～15個評價因子中確認最佳因子，建立最佳模型。表2為TSS、TA及VC的最佳PLS模型的評價參數(shù)。

表2 塔羅科血橙內(nèi)在品質(zhì)指標PLS模型的結(jié)果Table 2 Results of PLS model for internal quality indicators of tarocco blood orange

分析表明TSS的最佳因子（主成分）、SEC、RPDC及r值分別是7、0.30、1.69和0.833。PLS模型預測值與實際值的相關(guān)系數(shù)r值是評價PLS模型重要的參數(shù)因子，其中VC的預測值與實際值相關(guān)性最高，達0.925。TSS、TA及VC含量實測值與預測值相關(guān)圖分別如圖2所示。將PLS模型代入預測集數(shù)據(jù)進行檢測，TSS、TA及VC含量散點圖的相關(guān)系數(shù)r值分別為0.691、0.496、0.856。VC的預測值與實際值的相關(guān)性較高。

圖2 PLS校準模型下TSS、TA、VC實際值及預測值得散點圖Fig.2 Scatter plots of actual and predicted values of TSS，TA and VCunder PLS calibration model

圖3 PLS校準模型下TSS、TA、VC預測值及實際值對比圖Fig.3 Comparison of TSS，TA，VCpredicted values and actual values under PLS calibration model

2.3 PLS模型實際驗證

應用PLS模型對21份塔羅科血橙樣品的TSS、TA及VC含量進行實際驗證，結(jié)果見圖3及表3。

將光譜所得與化學分析數(shù)據(jù)進行對比分析發(fā)現(xiàn)，近紅外光譜分析的TSS結(jié)果較小于化學分析的TSS結(jié)果，平均值分別為10.3%、11.2%，差值為0.9%；近紅外分析TA、VC大于化學分析值，其平均值分別為0.84、0.75 g/100 mL 和 62.91、58.98 mg/100 mL，差值分別為0.09 g/100 mL、3.9 mg/100 mL。近紅外分析獲得TSS結(jié)果與化學測定結(jié)果的差異基本表現(xiàn)在1%以內(nèi)，占比71.43%；VC基本表現(xiàn)在5 mg/100 mL以內(nèi)，占比71.43%；TA差異較大，離散范圍較大，近紅外分析獲得的TA的結(jié)果與化學測定值沒有相關(guān)性。

表3 PLS模型實際驗證塔羅科血橙內(nèi)在品質(zhì)分析Table 3 PLS model practical validation of internal quality analysis of tarocco blood orange

3 結(jié)論

本文采用NIRS與化學分析法，獲取光譜信息，進行光譜分析與建模，在750 nm～950 nm的近紅外光譜區(qū)間內(nèi)，建立的PLS模型，對塔羅科血橙TSS、TA和VC等內(nèi)在品質(zhì)多指標進行近紅外光譜評測試驗。本試驗研究近紅外光譜建立PLS模型評測塔羅科血橙內(nèi)在品質(zhì)的性能，得到TSS、TA及VC預測值與實際值的相關(guān)系數(shù)r值分別是0.833、0.699、0.925，其中TSS與VC的相關(guān)性表現(xiàn)良好，預測值結(jié)果表明所建立的PLS模型穩(wěn)定性良好，可用于評測塔羅科血橙TSS與VC含量，而TA的相關(guān)性相對略差，其中存在多方誤差影響，如TA化學測定數(shù)據(jù)不精準（柑橘酸度隨時間易降解）、塔羅科血橙表皮著色、內(nèi)部花青苷等影響光譜形成，待后續(xù)進一步試驗驗證。將PLS模型進行實際驗證，TSS與VC預測值與實際值差異較小，TSS的差異基本表現(xiàn)在1%以內(nèi)，占比71.43%；VC基本表現(xiàn)在5 mg/100 mL以內(nèi)，占比70.00%，可接受程度高，表明所建立的PLS模型可用于塔羅科血橙TSS與VC含量的實際評測。