近紅外光譜技術在辣椒無損檢測中的應用研究

余梅 ，李尚科，易智，李跑,*，杜國榮,3，丁勝華，蔣立文，劉霞

（1.湖南農業大學食品科學技術學院，食品科學與生物技術湖南省重點實驗室，湖南長沙 410128；2.湖南省農業科學院湖南省農產品加工研究所，果蔬貯藏加工與質量安全湖南省重點實驗室，湖南長沙 410125；3.上海煙草集團有限責任公司技術中心北京工作站，北京 101121）

辣椒是一年生或有限多年生草本植物，原產于中拉丁美洲，后經由歐洲學者傳播至世界各地，并于明朝末年傳入我國[1-2]。辣椒中所含的維生素C 在蔬菜中位于首位，且果皮中含有的辣椒素可以刺激味覺，增進食欲，因此受到廣大消費者的青睞。作為我國重要的蔬菜作物，經過不斷地培育與研究，現已有幾十個辣椒品種，比如朝天椒、櫻桃椒、圓錐椒和燈籠椒等[3]。作為僅次于白菜的第二大蔬菜作物，辣椒的用途不僅限于作為鮮食蔬菜食用，更是調味佳品、天然色素、制藥等的重要原料[4]。辣椒加工制成的辣椒粉、剁辣椒、辣椒油、辣椒醬等是我國傳統的加工產品，不僅在國內具有廣闊的市場，在國際上也是享有一定的聲譽。

辣椒成分測定常見的方法有高效液相色譜法和紫外分光光度法。董彩軍等[5]采用高效液相色譜法對辣椒中的辣椒素進行了分析，實現了對辣椒辣度的分級；王榮等[6]使用丙酮浸提法提取辣椒素，最后采用紫外分光光度法對辣椒素進行定量分析，從而實現了對辣椒辣度的分級。然而，不論是高效液相色譜法還是紫外分光光度法都需要對樣品進行前處理，分析過程復雜、速度慢，并且破壞樣品，使其無法進行二次銷售。因此開發一種新型檢測技術以實現辣椒的快速無損檢測是非常有必要的。

近紅外光譜技術是一種光譜波長介于可見光譜區和中紅外光譜區之間的電磁波技術，其波長為780～2 526 nm[7-8]。作為一種新型綠色快速無損分析技術，近紅外光譜技術不需要進行繁瑣的預處理便可直接對樣品進行檢測，該方法耗時短、操作簡便，非常適合農產品的定性和定量分析。近年來，近紅外光譜技術在食品[9-13]及農業[14-15]等領域中得到了廣泛應用。本文從近紅外光譜技術的檢測原理和特點出發，對近十年來其在辣椒無損檢測中的應用研究進行了總結，重點闡述了近紅外光譜技術在辣椒辣度分級、品質分析與品種鑒別等方面的應用，并對該技術在辣椒無損檢測中的發展前景進行了展望。

1 近紅外光譜技術在辣椒無損檢測中的應用

1.1 在辣度分級方面的應用

相比于其他果蔬，辣椒品質指標不僅包含形狀、顏色、果實及營養成分，還包括辣度。辣度是評判辣椒品質優劣的一個決定性指標。辣度的檢測已經成為辣椒品質鑒定、品種篩選、品種培育、辣椒和辣椒制品辣度分級、辣椒素的食品添加等項目中的重要環節。

為了實現對辣椒辣度的無損分級，李沿飛等[16-17]利用近紅外光譜儀采集干辣椒的近紅外光譜，結合高效液相色譜法檢測得到了辣椒堿和二氫辣椒堿含量，利用化學計量學方法建立了辣度定量模型。結果表明，近紅外光譜技術可以實現干辣椒辣度的準確預測，篩選出建模光譜波段為4 000～9 000 cm-1，校正集和驗證集的相關系數達到0.987 1、0.910 4。董楠等[18]使用近紅外光譜技術對8種干辣椒中辣椒堿類物質含量進行準確測定，建立了偏最小二乘法定量模型。在對波長范圍與模型因子數進行優化后，校正集的相關系數為0.99，驗證集的相關系數為0.87，表明該模型可以滿足干辣椒辣度檢測的快速分析。由于新鮮辣椒體型較大，其物理參數對光譜的影響較大，因此新鮮辣椒辣度分級難度要遠大于干辣椒粉的辣度分級。呂曉菡等[19]對杭椒類辣椒分級進行了研究，結果表明，競爭性自適應重加權取樣-偏最小二乘模型的預測效果最好，預測集相關系數和均方根誤差分別為0.838 6、0.014 8 mg/g。通過與傳統方法相比，近紅外光譜技術因簡單、快速、無損、便捷、無需對樣品進行前處理等優點，可以實現對辣椒辣度的快速分級。近紅外光譜技術初步實現了對干辣椒和新鮮辣椒辣度的無損檢測，然而，即使是經過波長篩選所得的新鮮辣椒，其辣度模型精度仍然較差，因此在新鮮辣椒辣度模型的構建方面還需要進一步的研究。

1.2 在辣椒品質檢測方面的應用

辣椒的優質與否主要體現在外在形態及內部品質兩方面，外觀在形態可通過消費者的主觀辨別進行初步實現分辨，而內部品質主要體現在可溶性糖、維生素C、葉綠素和類胡蘿卜素等指標上[20-23]。

覃方麗等[24]采用矢量歸一化、一階導數對20 種不同鮮辣椒的光譜數據進行預處理，通過偏最小二乘建立了可溶性固形物與維生素C 的定量模型，實驗結果表明，利用近紅外光譜技術結合化學計量學方法，鮮辣椒中可溶性糖、維生素C 指標的預測相關系數均達到0.90，說明近紅外光譜技術可為鮮辣椒中可溶性糖和維生素C含量的測定提供一定的理論依據。劉燕德等[25]提出最小二乘支持向量機結合近紅外光譜技術檢測辣椒中可溶性固形物和維生素C，采用7 種預處理方法消除光譜中的噪聲及無關信息的影響，并且運用蒙特卡羅無信息變量消除法來提取有效波長以達到簡化模型的目的，進而建立了可溶性固形物和維生素C 預測模型。在對葉綠素和類胡蘿卜素的組成及果實質地等指標的檢測中，潘冰燕等[26]通過對全光譜進行建模分析，并運用不同預處理方法對模型進行評價，利用近紅外漫反射光譜對線椒中的葉綠素a、葉綠素b 和類胡蘿卜素含量進行了檢測。雖然試驗選擇的導數預處理方法可以消除光譜中的背景干擾與基線漂移，但同時會降低信噪比，且利用全波長進行檢測時數據處理工作量大、費時費力，所以為了保證模型的精確度與結果的準確性，選擇合適的波長范圍與預處理方法至關重要。因此潘冰燕等[27]以黃色甜椒為研究對象，通過對不同波段的選擇與不同預處理方法模型的比較，選取120 個甜椒的2 個波段，利用改進偏最小二乘法（MPLS）建立了甜椒固形物與總酸的定量模型，結果較為理想，但由于樣品數量太少，說服力不強，因此在未來的研究中應增大樣品量加以探究。除了上述提到的影響辣椒品質的幾個因素以外，果實評價也是重要的影響因素之一，潘冰燕等[28]以黃色甜椒的果肉彈性、回復性和凝聚性為研究對象，通過不同的預處理與3 波段選擇分別建立了定量模型，消除了其他因素對模型的影響，提高了模型的靈敏度和準確性。

1.3 在辣椒品種鑒別方面的應用

辣椒品種包括甜椒、朝天椒、線椒、牛角椒、羊角椒、圓錐椒等，由于消費者的需求不同導致不同辣椒品種的銷量存在差異。目前，在進行辣椒品種的分類時主要依靠人工挑選，盡管可以根據外觀差異區分大部分辣椒品種，但對于品種不同、外觀十分相似的辣椒難以區分，近紅外光譜技術作為一種新型綠色、快速的檢測技術，近年來在農產品檢測上越來越受到重視，在分類、鑒別真偽、成分分析等方面均有所應用。

黎瑞君等[29]運用高光譜遙感技術通過對4 個品種辣椒在盛果冠狀層的光譜差異及葉片全氮、葉片SPAD 以及地上干生物量之間的相關性分析，為辣椒的品種識別、生產及產量檢測提供了一種快速準確的檢測技術。黎瑞君等[30]利用高光譜技術研究了辣椒、水稻與烤煙在350～2 500 nm 處的葉片光譜特征，根據它們的反射曲線將辣椒從水稻、烤煙中成功分離出來。李偉星等[31]利用傅里葉變換紅外光譜技術對朝天椒和涮涮椒進行了研究，結合系統聚類分析和主成分分析對兩種辣椒進行分類，結果表明主成分分析的正確率達到100%。李偉星[32]等利用波變換結合反向傳播網絡和支持向量機對朝天椒（簇生椒）和燈籠椒進行分類，結果表明，傅里葉變換近紅外光譜技術結合統計分析可用于對這兩種辣椒的鑒別，然而此類方法僅適用于大棚作物，且辣椒品種較少。而且此類方法是通過葉片的近紅外光譜采集進行分類，無法滿足線上生產、大批量快速檢測的需求，所以仍需開發出能夠實現辣椒分類的無損檢測技術。

2 展望

在辣椒的檢測分析上，目前以液相色譜法為主的傳統手段成本較高，前處理復雜，費時費力，效率不高，且會破壞樣品。從近年來的研究來看，近紅外光譜技術因具有分析速度快、重現性好，能實現多組分同時分析等優點，在食品、環境、化工等領域得到了廣泛應用，在辣椒檢測中的研究也越來越深入。

近紅外光譜技術在辣椒無損檢測方面存在一定的局限性。首先如何篩選出最適宜辣椒的光譜采集方式以及如何消除采集過程中出現的干擾因素；其次辣椒的儲存時間、儲藏方式和在生長過程中的光照等因素是否會對結果產生影響；最后在采集光譜時光源與樣品之間的距離是否會影響模型建立。現有的化學計量學算法參數較多，操作較為繁瑣，且沒有成熟的軟件界面。因此辣椒檢測的模型多停留在試驗階段，還未廣泛推廣。因此，為保證模型的準確性、適用性與結果的精準度，還需進一步增加辣椒的品種、指標的數量與內在品質的相關性分析。隨著近紅外光譜儀器和化學計量學方法的不斷完善，該技術可在辣椒無損檢測領域得到更廣泛的應用。