基于近紅外光譜的椰子肉含水率檢測方法

劉 蕊，吳 翼，李和帥，范海闊

（1. 中國熱帶農(nóng)業(yè)科學(xué)院椰子研究所，海南 文昌 571339；2. 農(nóng)業(yè)農(nóng)村部文昌椰子種質(zhì)資源圃，海南 文昌 571339）

0 引言

【研究意義】椰子樹是典型的熱帶木本油料和食品能源作物[1]，由于在食品[2-3]、醫(yī)療[4-5]、保健[6-7]和化妝品[8]等各個(gè)領(lǐng)域均有廣泛應(yīng)用，被稱為“生命之樹”[9]。椰果是椰子樹的種果，由椰衣（外果皮、中果皮）、椰殼（內(nèi)果皮）、椰肉（固體胚乳）和椰子水（液體胚乳）組成。其中椰肉是重要的加工原料，主要被加工成椰干。椰干是國際上椰子進(jìn)出口貿(mào)易的重要形式，根據(jù)APCC和FAO數(shù)據(jù)，2016年，世界椰干產(chǎn)量達(dá)到500萬噸。此外，在椰子品種選育過程中，單位面積的椰干產(chǎn)量是一個(gè)非常重要的指標(biāo)[10]。根據(jù)相關(guān)定義，椰干是指將新鮮椰肉粉碎成適當(dāng)大小的片狀或粒狀物料，再加熱將椰肉的水分含量降至3%左右而制得的產(chǎn)品[11]。因此檢測椰肉中含水率是預(yù)測椰干產(chǎn)量的重要指標(biāo)。同時(shí)，不同椰子品種、不同栽培條件下椰肉的含水量存在較大差異，因此椰肉含水率的檢測也是鑒定篩選優(yōu)良種質(zhì)、評(píng)價(jià)栽培措施的重要指標(biāo)。目前椰肉含水率的常規(guī)檢測法為恒溫干燥法，該方法比較準(zhǔn)確，但需要過夜烘干處理，所需時(shí)間長，樣品所占空間大，難以實(shí)現(xiàn)快速、高通量檢測，不能滿足生產(chǎn)、科研需求。因此，建立一種椰肉含水率的快速檢測方法對(duì)于椰干產(chǎn)量的高效鑒定、優(yōu)良種質(zhì)的篩選等十分必要。【前人研究進(jìn)展】碳水化合物、脂類、蛋白質(zhì)和水分等組分中含有CH、OH、NH、CO基團(tuán)，這些官能團(tuán)振動(dòng)的諧波及其組合帶落在光譜的近紅外區(qū)（波長700～2500 nm），所以相關(guān)樣品的近紅外光譜包含了各有機(jī)組分的大量信息，通過對(duì)這些信息進(jìn)行分析、處理、計(jì)算就可以得出各組分的含量。近紅外光譜技術(shù)就是以此為基礎(chǔ)，通過現(xiàn)代電子技術(shù)、光譜法分析技術(shù)、計(jì)算機(jī)技術(shù)和化學(xué)計(jì)量技術(shù)的集合而建立的一種光譜技術(shù)。用近紅外技術(shù)進(jìn)行檢測的主要流程是收集具有代表性的樣品，進(jìn)行樣品的光學(xué)數(shù)據(jù)采集；對(duì)樣品的化學(xué)成分進(jìn)行測定；通過數(shù)學(xué)方法將光譜數(shù)據(jù)和檢測數(shù)據(jù)進(jìn)行關(guān)聯(lián)，建立模型；分析未知樣品時(shí)，先對(duì)待測樣品進(jìn)行掃描，根據(jù)光譜及所建立的模型快速得出待測樣品的成分含量[12]。近紅外光譜技術(shù)作為一種高效、無損、易操作、可實(shí)時(shí)在線檢測的技術(shù)，已經(jīng)被廣泛應(yīng)用于醫(yī)藥、食品、農(nóng)產(chǎn)品[13-15]等的檢測中。Hazarika等[16]采用PLS回歸算法對(duì)55個(gè)茶葉樣品的近紅外光譜建立了原位測定多酚含量的回歸模型，開發(fā)了利用近紅外光譜技術(shù)快速、原位測定茶葉中多酚含量的綜合葉片質(zhì)量檢測系統(tǒng)；Wang等[17]采用近紅外光譜與化學(xué)計(jì)量學(xué)相結(jié)合的方法對(duì)饅頭中的馬鈴薯粉含量進(jìn)行了預(yù)測。Sun等[18]的研究結(jié)果表明，近紅外光譜結(jié)合wide-kernel-PLS算法適用于馬鈴薯粉中還原糖復(fù)雜化學(xué)成分的定量分析。但將近紅外光譜技術(shù)應(yīng)用于椰子相關(guān)檢測的，目前僅見于Noypitak等[19]利用該技術(shù)鑒別泰國香水椰子的內(nèi)部椰殼是否開裂。近紅外光譜技術(shù)也常被用于含水率的檢測，如王雪等[20]應(yīng)用近紅外光譜技術(shù)，構(gòu)建了玉米灌漿期的水分定量分析模型；楊傳得等[21]利用近紅外反射光譜技術(shù)，采用交叉檢驗(yàn)建立了大花生含水量的近紅外模型，可用于鮮食花生種子水分含量快速檢測。【本研究切入點(diǎn)】椰肉含水率是預(yù)測椰干產(chǎn)量的重要指標(biāo)，利用常規(guī)的技術(shù)測定椰肉含水率需時(shí)長，操作繁瑣，不能實(shí)現(xiàn)快速便捷的檢測，不能滿足生產(chǎn)、科研的高通量需求。在椰肉含水率方面，也無相關(guān)的近紅外檢測報(bào)道。【擬解決的關(guān)鍵問題】本試驗(yàn)以不同種質(zhì)的360個(gè)成熟椰果的果肉為試驗(yàn)材料，通過椰肉近紅外光譜采集、椰肉含水率測定，建立椰肉含水率的近紅外模型，實(shí)現(xiàn)椰子品種椰干含量及椰子種質(zhì)含水率的高效率實(shí)時(shí)在線檢測，滿足椰干產(chǎn)量預(yù)測及椰子種質(zhì)快速鑒定的需求。

1 材料與方法

1.1 儀器設(shè)備

本研究的光譜數(shù)據(jù)采集采用上海棱光技術(shù)有限公司生產(chǎn)的S400型近紅外農(nóng)產(chǎn)品品質(zhì)測定儀，F(xiàn)A1204B電子天平（上海天美天平儀器有限公司）、DHG-9140A電熱恒溫鼓風(fēng)干燥箱（上海精宏實(shí)驗(yàn)設(shè)備有限公司）。

1.2 試驗(yàn)材料

所有試驗(yàn)樣品采自海南省文昌市椰子研究所試驗(yàn)基地。選取已經(jīng)響水、健康無損的椰子果樣本360個(gè)。剖開椰果，剝?nèi)⌒迈r椰肉并將椰肉切成6 mm×6 mm大小的樣品，樣品分成兩份，其中一份于5 h內(nèi)利用S400型近紅外農(nóng)產(chǎn)品品質(zhì)測定儀完成光譜采集，一份用于含水率測定。

1.3 光譜數(shù)據(jù)采集

光譜采集的參數(shù)如下：數(shù)據(jù)模式為吸光度（A），采樣波段范圍為1000～2500 nm，光譜采樣間隔為1 nm，掃描次數(shù)為3次。光源采用與光譜儀配套的歐司朗12 v鎢燈。為了減少樣品不均勻性帶來的誤差，試驗(yàn)過程中每個(gè)樣品都重裝樣3次采集光譜。

1.4 含水率測定

含水率的測定參考GB 5009.3—2016《食品安全國家標(biāo)準(zhǔn) 食品中水分的測定》中的直接干燥法，并做適當(dāng)調(diào)整。用電子天平測量培養(yǎng)皿的重量（W1），將切成方丁的樣品盛放于培養(yǎng)皿中，測量鮮樣與培養(yǎng)皿的共同重量（W2），置于70 ℃鼓風(fēng)干燥箱中烘干至恒重，在干燥器中冷卻后，用電子天平測量干樣與培養(yǎng)皿的共同重量（W3），計(jì)算含水率。含水率=[（W2-W3）/（W2-W1）]×100%。

每個(gè)樣品重復(fù)測定2次平行值，2次檢測結(jié)果相對(duì)誤差不得大于2%，以2次的平均值作為樣品最終的含水率。

1.5 光譜數(shù)據(jù)預(yù)處理與建模分析

將采集到的光譜數(shù)據(jù)導(dǎo)入CAUNIR分析軟件，并輸入每一條光譜所對(duì)應(yīng)的含水率值，利用CAUNIR軟件所提供的定量偏最小二乘分析方法（Quantitative partial least squares，QPLS）進(jìn) 行 建模。建模的波段1000～2000 nm，波長間隔5 nm，試驗(yàn)樣本按1∶1的比例分成建模集和檢驗(yàn)集。數(shù)據(jù)處理過程中，為了消除光譜采集過程中來自隨機(jī)噪音、基線漂移、樣本不均勻等的影響，對(duì)原始光譜進(jìn)行預(yù)處理，方法分別為軟件提供的一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、散射校正、中心化和極差歸一法。

所建模型的精確性通過建模相關(guān)系數(shù)R、校正標(biāo)準(zhǔn)差（SEC）以及檢驗(yàn)相關(guān)系數(shù)R、預(yù)測標(biāo)準(zhǔn)差（SEP）來評(píng)價(jià)。相關(guān)系數(shù)越接近1和標(biāo)準(zhǔn)差越接近于0，并且校正標(biāo)準(zhǔn)差和預(yù)測標(biāo)準(zhǔn)差越接近時(shí)，表明所建模型較優(yōu)。

2 結(jié)果與分析

2.1 樣品原始光譜

360份樣品含水率最小值為36.72%，最大值為80.54%，平均值為55.88%，符合建模要求。原始光譜信息如圖1所示。不同的樣品在同一波長下吸收強(qiáng)度不同，但是近紅外光譜吸收趨勢(shì)基本一致，分別在1101 、1211、1283、1424、1660、1725、1849、1892 nm處有明顯的吸收峰。

圖1 樣品原始近紅外（NIR）漫反射光譜Fig. 1 Original NIR diffuse reflectance spectra

2.2 預(yù)處理光譜模型的建立與分析

將光譜及其對(duì)應(yīng)的含水率數(shù)值添加入CAUNIR軟件，設(shè)置波長范圍和波長間隔后，依次選用一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、散射校正、中心化和極差歸一預(yù)處理方法。檢驗(yàn)集的設(shè)置采用隨機(jī)選擇檢驗(yàn)樣品的方法，以1∶1的比例劃分建模集和檢驗(yàn)集，模型采用的推薦主成分?jǐn)?shù)由內(nèi)部留一交叉確定。在上述參數(shù)條件下試建并保存模型。

在建模過程中，常常需要對(duì)原始光譜進(jìn)行預(yù)處理，以提高模型性能。本試驗(yàn)采用儀器自帶的CAUNIR分析軟件對(duì)原始光譜進(jìn)行預(yù)處理，預(yù)處理方法主要包括一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、散射校正、中心化和極差歸一。對(duì)原始光譜進(jìn)行不同的預(yù)處理后，應(yīng)用QPLS進(jìn)行建模會(huì)產(chǎn)生不同的效果（表1、圖2）。

表1 椰肉水分檢測QPLS模型結(jié)果Table 1 NIR-spectrum-based copra moisture determination obtained by using QPLS models

從圖2的建模模型和檢驗(yàn)?zāi)Ｐ徒Y(jié)果來看，中心化和極差歸一預(yù)處理后的光譜所建的模型，數(shù)據(jù)點(diǎn)的分布相對(duì)集中，均勻地分布于曲線兩側(cè)，而其他方法預(yù)處理的光譜所建的模型，數(shù)據(jù)點(diǎn)分布相對(duì)比較松散，多個(gè)數(shù)據(jù)點(diǎn)偏離曲線。

圖2 不同預(yù)處理方法下建模模型、檢驗(yàn)?zāi)Ｐ椭幸夂式徊鏅z驗(yàn)預(yù)測值與化學(xué)值散點(diǎn)圖（橫坐標(biāo)為化學(xué)值，縱坐標(biāo)為預(yù)測值）Fig. 2 Scatter plot of predicted (x-axis) and measured (y-axis) moisture contents of copra

分析表1的數(shù)據(jù)可知，與原始光譜的建模結(jié)果相比，采用散射校正、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)等方法預(yù)處理后的光譜建模效果不理想，這些模型的相關(guān)系數(shù)（R）明顯低于原始光譜模型，而標(biāo)準(zhǔn)差（SEC/SEP）高于原始光譜模型，且數(shù)值多高于1。極差歸一預(yù)處理光譜所建的模型相關(guān)系數(shù)（R）低于原始光譜，而標(biāo)準(zhǔn)差（SEC/SEP）高于原始光譜。中心化預(yù)處理時(shí)的建模集相關(guān)系數(shù)高于原始光譜，但檢驗(yàn)集相關(guān)系數(shù)低于原始光譜，同時(shí)其校正標(biāo)準(zhǔn)差與預(yù)測標(biāo)準(zhǔn)差差值為0.3772，高于原始光譜和極差歸一預(yù)處理光譜所建模型的相應(yīng)值。因此，綜合比較之下，原始光譜所建的模型性能最好，其建模集和檢驗(yàn)集的相關(guān)系數(shù)分別為0.9963和0.9960。

3 討論與結(jié)論

植物葉片、果實(shí)、種子、農(nóng)作物加工產(chǎn)品等的含水率是一項(xiàng)重要參考指標(biāo)，間接反映了植物生長狀態(tài)、水分需求、產(chǎn)品新鮮度、品質(zhì)及儲(chǔ)存條件等。目前常用于快速檢測樣品含水率的方法有很多，主要有近紅外光譜法、微波法、核磁共振法及高光譜成像法等。如于旭峰等[22]提出了運(yùn)用近紅外光譜技術(shù)檢測新鮮馬鈴薯葉片中含水量的方法。曲正義等[23]采用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法，對(duì)大力參中水分含量進(jìn)行快速無損測定，結(jié)果證明該方法操作簡便、快速無損、結(jié)果準(zhǔn)確。李陳孝等[24]提出了一種基于微波空間駐波法的蔬菜含水率預(yù)測方法，實(shí)現(xiàn)對(duì)蔬菜含水率的快速、無損、高精度檢測。陳文玉等[25]利用低場核磁共振技術(shù)研究了干燥過程中澳洲堅(jiān)果的水分態(tài)及其分布，建立含水率與低場核磁總信號(hào)幅度的關(guān)系，證明該技術(shù)可以用作澳洲堅(jiān)果含水率的快速無損檢測。李紅等[26]利用高光譜成像技術(shù)和特征波長選取方法對(duì)生菜冠層含水率進(jìn)行檢測研究，實(shí)現(xiàn)了生菜冠層葉片干基含水率可視化檢測。上述方法的共同特點(diǎn)為簡便、快速、無損、綠色、適用范圍廣；近紅外法的優(yōu)點(diǎn)為分析速度快，缺點(diǎn)為不能測定樣品的內(nèi)部水分含量，需要不斷優(yōu)化校準(zhǔn)建模；核磁共振法的優(yōu)點(diǎn)為試驗(yàn)精度高，所需樣品少，缺點(diǎn)為建模及校準(zhǔn)過程較為復(fù)雜；高光譜成像法的優(yōu)點(diǎn)為計(jì)算準(zhǔn)確，缺點(diǎn)為建模集校準(zhǔn)過程較為復(fù)雜[27]。在實(shí)際生產(chǎn)中，可以根據(jù)檢測樣品的需求及實(shí)際條件進(jìn)行選擇。在椰肉含水率的測定方面，目前常用的方法為恒溫干燥法，該方法所需時(shí)間長，操作步驟較多，無法實(shí)現(xiàn)快速、實(shí)時(shí)在線檢測。目前尚未見椰肉含水率快速檢測方法的提出。

近紅外光譜技術(shù)在水果、作物等含水率的快速檢測方面應(yīng)用十分廣泛。劉潔等[28]利用偏最小二乘法建立板栗含水率定量近紅外檢測模型，結(jié)果表明，栗仁的水分檢測模型校正集和驗(yàn)證集的相關(guān)系數(shù)分別為0.9359和0.8473；王文霞等[29]采用近紅外光譜結(jié)合變量優(yōu)選方法，建立了干制哈密大棗水分含量的預(yù)測模型，校正集相關(guān)系數(shù)和預(yù)測集相關(guān)系數(shù)分別為0.9842和0.9675；高升等[30]采用近紅外技術(shù)建立了紅提含水率模型，最優(yōu)模型的預(yù)測集相關(guān)系數(shù)為0.942。這些報(bào)道均采用近紅外技術(shù)成功建立了含水率的定量預(yù)測模型，實(shí)現(xiàn)了含水率的快速檢測。本研究也采用近紅外光譜技術(shù)建立椰肉含水率模型，最優(yōu)建模模型和檢驗(yàn)?zāi)Ｐ偷南嚓P(guān)系數(shù)分別為0.9963和0.9960，可見該技術(shù)可以應(yīng)用于椰子肉含水率的實(shí)時(shí)快速檢測中。

試驗(yàn)隨機(jī)選擇檢驗(yàn)樣品，以建模集：檢驗(yàn)集為1∶1進(jìn)行樣本集劃分，在1000-2000 nm光譜范圍內(nèi)利用近紅外漫反射光譜技術(shù)對(duì)椰肉的含水率指標(biāo)進(jìn)行檢測，建立了基于近紅外漫反射光譜檢測椰肉含水率的方法和模型。試驗(yàn)研究了360個(gè)椰肉樣品，采用QPLS進(jìn)行模型建立，對(duì)比一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、散射校正、中心化、極差歸一等方法預(yù)處理原始光譜后建模的效果，證明原始光譜所建模型最優(yōu)，預(yù)測模型相關(guān)系數(shù)達(dá)到0.9960，預(yù)測標(biāo)準(zhǔn)差為0.8378，能夠滿足椰子肉含水量快速實(shí)時(shí)在線檢測的需求，也對(duì)椰肉蛋白質(zhì)、脂肪、糖類含量的快速檢測有著重要的借鑒意義。