馮尚坤，徐海菊

（臺州科技職業(yè)學(xué)院，浙江臨海318020）

近年來，可見/近紅外光譜分析技術(shù)已廣泛應(yīng)用于水果內(nèi)部品質(zhì)無損檢測研究[1-2]，并在逐步走向在線檢測[3-4]。國內(nèi)外學(xué)者先后采用近紅外光譜技術(shù)反射法或漫反射法對水果內(nèi)在品質(zhì)進(jìn)行檢測，如：蘋果[5-6]、梨[7]、柑橘[8-9]、番茄[10]等水果的可溶性固形物含量（SSC）、總酸度（TA）、干物質(zhì)（DM）等指標(biāo)。但水果的表面顏色及各位置品質(zhì)指標(biāo)的不一致性，使生產(chǎn)實(shí)踐中采用基于單點(diǎn)反射或漫反射光譜采集方式來檢測水果的內(nèi)部品質(zhì)存在較大誤差。自McGlone等[11-12]成功應(yīng)用近紅外光譜透射法檢測水果內(nèi)部品質(zhì)，以及商業(yè)化的便攜式光纖光譜儀的發(fā)展極大方便了現(xiàn)場檢測[13]，并使成本降低[14]，透射光譜采集模式逐漸成為檢測水果內(nèi)部品質(zhì)的主要方法。但水果的擺放位置以及檢測部位始終受到限制，使得模型的魯棒性大大降低。Fan[15]比較了不同檢測位置透射光譜信號的影響，認(rèn)為赤道部位檢測效果最好，但并未將其模型對其他位置采集的光譜進(jìn)行預(yù)測。特別是在實(shí)際生產(chǎn)中，生產(chǎn)線上水果檢測位置存在隨機(jī)性，都會影響光譜的檢測精度。此外，由于透射光譜信號弱，極容易受到外界光線的干擾，所以選擇適合的光照強(qiáng)度和可靠的聚光系統(tǒng)就顯得尤為重要。本實(shí)驗(yàn)是針對水果擺放位置的隨機(jī)性，尋找最適光源分布，克服當(dāng)前實(shí)際操作中水果的擺放位置不一致，以便提高模型的魯棒性能，滿足生產(chǎn)需要。

1 材料與方法

1.1 材料與儀器

紅富士蘋果 產(chǎn)自山東煙臺。挑選94個蘋果，外形端正，蘋果的橫徑分布在為70～85mm左右，用濕布擦凈蘋果表面并水筆編號，于12℃的恒溫室室內(nèi)放置24h。

USB2000+微型便攜式光譜儀 Ocean Optics Ltd，USA；WAY-2S型數(shù)字阿貝折射儀 上海精密科學(xué)儀器有限公司；JYZ-B550型榨汁機(jī) 九陽；MR16鹵素?zé)?飛利浦，12V 150W。

1.2 光譜數(shù)據(jù)采集

USB2000+微型光譜儀的檢測波長為340～1025nm，分辨率為0.3nm，共計(jì)2048個波數(shù)點(diǎn)。采集參數(shù)經(jīng)優(yōu)化后設(shè)置為積分時間100ms，平均采集4次，箱車平滑窗口6。光譜采集前，樣本先在（20±2）℃的空調(diào)室內(nèi)放置12h。在如圖1所示的實(shí)驗(yàn)平臺上，分別在如圖2所示四種光照方式下采集透射光譜信號。其中鹵素?zé)粢?guī)格為12V 150W，距離托盤中心30cm；在托盤下方安裝一個凸透鏡，收集透射光信號，經(jīng)下方的準(zhǔn)直透鏡，匯聚到光纖傳至檢測器；托盤表面附一質(zhì)地柔軟材料物，以防漏光。蘋果隨機(jī)擺放，檢測點(diǎn)為赤道附近部位，每個樣本采集3次，取其平均值作為樣本的透射光譜曲線。采集的透射光譜數(shù)據(jù)分別記作L1、L2、L3、L4。

圖1 透射光譜采集方式Fig.1 Sampling spectrum data by Transmission system

四種光照方式說明如下：

L1：兩只光源對稱放置在托盤上方的兩側(cè)，光源與檢測探頭的夾角均為120°；

L2：兩只光源對稱放置在托盤的兩側(cè)，光源略高于托盤，即光源與檢測探頭的夾角均為100°；

L3：在L2的光照基礎(chǔ)上增加兩只光源，對稱放置在托盤的上方，與檢測探頭的夾角為160°；

L4：在L2的光照基礎(chǔ)上增加兩只光源，四只均勻放置在托盤的四周；

圖2 四種不同鹵素?zé)魯[放形式Fig.2 Four type of the halogen light placed in differentmode

1.3 可溶性固形物的檢測

采用國標(biāo)方法檢測蘋果的可溶性固形物含量（SSC）。在結(jié)束光譜采集后，立即取蘋果的可食用部分（約100～150g），利用榨汁機(jī)進(jìn)行榨汁，濾紙過濾一次后的果汁用阿貝折射儀檢測SSC，分別測定三次取平均值作為該樣本SSC。每次使用榨汁機(jī)、阿貝折射儀前都需擦洗干凈。

1.4 光譜數(shù)據(jù)處理

采用Chauvenet檢測各光譜與平均光譜之間的距離關(guān)系，若樣本光譜不在平均光譜標(biāo)準(zhǔn)偏差的95%置信區(qū)間內(nèi)，則判定該樣本為光譜異常樣本，予以剔除。異常樣本剔除后，將樣本的光譜數(shù)據(jù)與SSC指標(biāo)一一對應(yīng)，按比例2∶1分為訓(xùn)練集與預(yù)測集，建立偏最小二乘（PLS）回歸模型。在建模過程中采用訓(xùn)練集內(nèi)部20%樣本交互驗(yàn)證方法、以交互驗(yàn)證均方根誤差（RMSECV）最小為原則來確定最佳主成分因子數(shù)。由于透射光譜較弱，易受噪聲干擾[16]，采用5點(diǎn)平滑（5-smooth）、一階微分（1st diff）、多元散射校正（MSC）和標(biāo)準(zhǔn)歸一化（SNV）等幾種預(yù)處理改善模型的預(yù)測性能。所有數(shù)據(jù)于Matlab（The MathWorks Inc.，version 2008a）軟件中處理。

2 結(jié)果與分析

2.1 理化指標(biāo)

圖3為實(shí)驗(yàn)樣本的可溶性固形物含量（SSC）頻數(shù)圖。SSC的單位以錘度（°Brix）表示，數(shù)值越大，表示水果越甜。樣本SSC的平均值為11.59，分布范圍為9.1～ 14.8。從頻數(shù)圖可見其含量服從正態(tài)分布，說明選擇的樣本具有一定代表性。

圖3 蘋果可溶性固形物含量分布頻數(shù)圖Fig.3 Distributions of apples’SSC

2.2 光譜曲線

圖4為光照方式L4下的透射光譜，與其他三種光照方式下的透射光譜曲線走勢基本相同，分別在710、815nm處存在明顯的波峰，在675、750nm處存在明顯的波谷；在透射光譜曲線的兩端（350～520、920～ 1035nm）噪聲大，信噪比（RSN）差，不能用于光譜分析；結(jié)合700～900nm為近紅外評判水果內(nèi)部品質(zhì)指標(biāo)的“診斷窗口”[17]，截取RSN相對較高的570～880nm，共計(jì)933個波數(shù)點(diǎn)作為光譜分析區(qū)域。而后進(jìn)行異常樣本檢測，剔除的異常樣本數(shù)參見表1。經(jīng)比較發(fā)現(xiàn)異常樣本多為透射率高的光譜樣本，可能是受托盤漏光的影響。

圖4 光照方式L4下透射光譜曲線Fig.4 Transmitted spectra of light-illumination L4

2.3 PLS模型建立

表1為各種光照方式下原始透射光譜以及最佳預(yù)處理方法對PLS模型預(yù)測的統(tǒng)計(jì)結(jié)果。從無預(yù)處理的預(yù)測結(jié)果看，L1、L2光照下處理結(jié)果較差，L3、L4光照方式較好。通過多種光譜預(yù)處理后，PLS模型的預(yù)測性能均得到了改善，其中L2的模型預(yù)測性能最差，L4的模型預(yù)測性能最好，即經(jīng)MSC預(yù)處理后，PLS模型采用6個主成分因子時的性能最佳，模型的交互驗(yàn)證結(jié)果為rcv=0.816、RMSECV=0.655，預(yù)測結(jié)果為rp= 0.804、RMSEP=0.635，圖5為L4光照方式下的模型預(yù)測散點(diǎn)圖。

圖5 光照方式L4下的PLS模型預(yù)測散點(diǎn)圖Fig.5 Scatter plotof PLSmodel based on the fourth arrangements

2.4 光照分析

L1、L2的模型較差，L3、L4的模型相對較好，說明增加光照可較好地反映水果內(nèi)部品質(zhì)信息，提高模型的預(yù)測性能。當(dāng)光源較少，使水果的光照不充分，不能克服水果位置變化帶來的光譜差異；由于光照L3下的透射光譜含有果核相關(guān)信息，而果核并不能反映蘋果SSC，致使L3模型稍差于L4；高角度的光照可能會存在漏光，增加光譜透射率，模型預(yù)測受到影響。與L2相比，L4光照分布在托盤周圍，可減小蘋果非規(guī)則擺放產(chǎn)生的影響，提高了模型的魯棒性。Fan等[15]只以L1方式來檢測蘋果糖度與硬度，許等[18]僅以L2光照方式來檢測臍橙SSC，卻未考慮L4光照方式，而且高角度的光照極容易產(chǎn)生漏光。同時上述均采用固定式的水果擺放，這必將影響今后水果檢測的實(shí)用性，相比之下L4具有更小的空間體積，便于布置光源，為便攜裝置、在線檢測光照系統(tǒng)的設(shè)計(jì)提供借鑒。

3 結(jié)論

采用便攜式USB2000+光譜儀采集透射光譜信號時，低角度光照、多光源組合L4光照可減少水果不同位置帶來透射光譜的差異，同時也避免與水果果核組織作用，可較好地反映水果內(nèi)部品質(zhì)信息。但模型的預(yù)測還有待進(jìn)一步提高，主要原因可能是：使用的光譜儀檢測器靈敏度不高，暗電流較大，特別是在700～1000nm之間，存在較大噪聲，使模型受到嚴(yán)重影響；水果尺寸、擺放位置、光譜采集點(diǎn)等不定因素對透射光譜信號影響甚大；光源功率較大，極易灼傷水果表皮；輻射角偏大，應(yīng)該選擇輻射角較小的燈杯。

[1]Nicolai B M，Beullens K，Bobelyn E，et al.Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy：A review[J].Postharvest Biology and Technology，2007，46（2）：99-118.

[2]孫通，徐惠榮，應(yīng)義斌.近紅外光譜分析技術(shù)在農(nóng)產(chǎn)品/食品品質(zhì)在線無損檢測中的應(yīng)用研究進(jìn)展[J].光譜學(xué)與光譜分析，2008，28（2）：285-290.