郅建軍　陳　通　孫武堅(jiān)　王春峰　郭　麗　陳　斌

(1.江蘇大學(xué)食品與生物工程學(xué)院，鎮(zhèn)江 212013；2.江蘇大學(xué)機(jī)械工程學(xué)院，鎮(zhèn)江 212013)

?

微型近紅外光譜儀檢測水果可溶性固形物

郅建軍1陳通1孫武堅(jiān)2王春峰1郭麗1陳斌1

(1.江蘇大學(xué)食品與生物工程學(xué)院，鎮(zhèn)江 212013；2.江蘇大學(xué)機(jī)械工程學(xué)院，鎮(zhèn)江 212013)

摘要：以濱松公司生產(chǎn)的C11708MA微型光譜儀為基礎(chǔ)，在自行搭建的兩套光譜采集平臺上檢測水蜜桃、梨子的可溶性固形物含量。采用了多種光譜預(yù)處理方法，結(jié)合PLS和LS-SVM建立水蜜桃、梨子可溶性固形物模型。實(shí)驗(yàn)結(jié)果表明，水蜜桃光譜經(jīng)過標(biāo)準(zhǔn)化預(yù)處理，建立的LS-SVM模型效果最好，校正相關(guān)系數(shù)(Rp)和均方根誤差(RMSEP)分別為0.8902和0.7703。梨子光譜經(jīng)過CARS篩選得到46個(gè)變量，建立的PLS模型效果最好，Rp和RMSEP分別為0.7597和0.5783。驗(yàn)證了該光譜儀在水果可溶性固形物含量檢測方面的應(yīng)用的可行性，為進(jìn)一步構(gòu)建便攜式水果可溶性固形物檢測設(shè)備奠定了基礎(chǔ)。

關(guān)鍵詞：微型近紅外光譜儀水果可溶性固形物回歸模型

水蜜桃和梨子都是我國主要的水果品種，可溶性固形物含量是評價(jià)水果內(nèi)部品質(zhì)的一個(gè)重要指標(biāo)。方便快捷地檢測水果可溶性固形物含量，對于水果生產(chǎn)、加工和流通環(huán)節(jié)中把握其質(zhì)量，保證果品品質(zhì)具有重要意義。與傳統(tǒng)破壞式檢測相比，近紅外光譜檢測以其快速、無損等優(yōu)點(diǎn)[1]廣泛應(yīng)用于水果內(nèi)部品質(zhì)檢測。

由于價(jià)格昂貴、操作的專業(yè)性、儀器穩(wěn)定性等因素影響，近紅外光譜儀在我國的食品工業(yè)、農(nóng)業(yè)和農(nóng)產(chǎn)品加工部門并沒有得到真正意義上的應(yīng)用，其中價(jià)格成為主要制約因素。沒有出現(xiàn)能符合國情的低成本、使用極為方便的小型化、手提式近紅外水果品質(zhì)檢測儀[2]。

本研究嘗試以濱松公司生產(chǎn)的C11708MA微型光譜儀為基礎(chǔ)，自行搭建兩套可溶性固形物光譜采集系統(tǒng)。以微型光譜儀結(jié)合自行設(shè)計(jì)的光纖探頭檢測水蜜桃可溶性固形物含量，以微型光譜儀嵌式平臺檢測梨子可溶性固形物含量，并用另一種商品化的微型光譜儀JDSU 公司生產(chǎn)的MicroNIR-1700做對比。多種預(yù)處理方法結(jié)合PLS和LS-SVM建立水蜜桃可溶性固形物模型，多種波長優(yōu)選方法結(jié)PLS建立多品種梨子可溶性固形物模型，優(yōu)化水果可溶性固形物的檢測模型，提高預(yù)測精度。

1試驗(yàn)部分

1.1材料

水蜜桃品種為日川白鳳，采自鎮(zhèn)江市句容某果園。梨子有多個(gè)品種，包括晚生新水、祝水、喜水、明水、早生新水，采自鎮(zhèn)江市農(nóng)科院試驗(yàn)田。依次編號標(biāo)記，每個(gè)樣品用記號筆圈三點(diǎn)，分別是向陽面、背面和側(cè)面，每個(gè)點(diǎn)代表一個(gè)試驗(yàn)樣品。

1.2儀器與光譜采集

1.2.1微型光譜儀

圖3　 C11708MA微型光譜儀結(jié)構(gòu)原理示意圖

C11708MA微型光譜儀(濱松公司生產(chǎn))，該光譜儀外形如圖1所示，圖2是測試用驅(qū)動(dòng)電路板外形。該光譜儀結(jié)構(gòu)緊湊，尺寸只有拇指大小，重量為9g。光譜響應(yīng)范圍為640 nm~1 050 nm。該光譜儀探頭采用帶光接收狹縫的CMOS圖像傳感器，整合了MEMS和圖像傳感器技術(shù)。內(nèi)部光學(xué)系統(tǒng)包含了一個(gè)凸透鏡，光柵通過納米壓印技術(shù)制作在透鏡表面。具體結(jié)構(gòu)原理如圖3所示，用作對比的微型光譜MicroNIR-1700(JDSU 公司JDSU 公司)如圖4所示。

圖4　 MicroNIR-1700光譜儀

1.2.2微型光譜儀結(jié)合光纖的檢測平臺

在微型光譜儀結(jié)合自行設(shè)計(jì)的光纖系統(tǒng)上完成對水蜜桃光譜的采集，光源發(fā)出的光，經(jīng)出射光纖照射到樣品上，發(fā)生漫反射，返回的光經(jīng)入射光纖傳輸?shù)綑z測器，如圖5所示[3]，兩臺光譜儀采集到的光譜如圖6、圖7。

圖5　微型光譜儀結(jié)合光纖的檢測平臺示意圖

圖6　結(jié)合光纖的檢測平臺采集到的水蜜桃光譜圖

圖7　MicroNIR-1700采集到的水蜜桃光譜圖

1.2.3微型光譜儀嵌入式檢測平臺

微型光譜儀和電路板封裝在盒子中，在微型光譜儀兩側(cè)放置兩個(gè)鹵鎢燈，上方放置樣品支架，維持樣品穩(wěn)定并防止漏光。將梨子置于樣品支架上，鹵鎢燈發(fā)出的光照射到梨子上發(fā)生漫反射，返回的光進(jìn)入檢測器，具體結(jié)構(gòu)如圖8。兩臺光譜儀采集到的光譜如圖9和圖10。

圖8　微型光譜儀嵌入式檢測平臺示意圖

圖9　嵌入式檢測平臺采集到的梨子光譜圖

圖10　MicroNIR-1700采集到的梨子光譜圖

1.3可溶性固形物測定

樣品光譜測量完成后，按照NY/T2637-2014標(biāo)準(zhǔn)，用阿貝折射儀測定可溶性固形物含量[4]。可溶性固形物含量的實(shí)際測量結(jié)果見表1和表2，校正集和預(yù)測集用K-S 法劃分，從表中可以看到校正集的可溶性固形物分布范圍大于預(yù)測集的分布范圍，這有利于構(gòu)建更加穩(wěn)健的預(yù)測模型。

1.4模型建立及評價(jià)

利用 MATLAB2009b軟件完成數(shù)據(jù)整理及波長優(yōu)選，用江蘇大學(xué)近紅外課題組自行編寫的NIRSA4.3 進(jìn)行光譜預(yù)處理和模型建立。建立水果的校正模型，選擇校正均方根誤差RMSEC 預(yù)測均方根誤差RMSEP和校正相關(guān)系數(shù)Rp、預(yù)測相關(guān)系數(shù)Rc作為模型的評價(jià)標(biāo)準(zhǔn)。一個(gè)好的模型應(yīng)該有較高的較低RMSEC和 RMSEP，Rp越高且RMSEP 越小，模型的預(yù)測能力越強(qiáng)RMSEC和RMSEP越接近模型的穩(wěn)定性越好[5]。

表1　水蜜桃可溶性固形物含量分布情況

表2　梨子可溶性固形物含量分布情況

2結(jié)果與討論

2.1水蜜桃可溶性固形物

對光譜數(shù)據(jù)進(jìn)行預(yù)處理可以消除因樣品狀態(tài)、測量條件和雜散光等因素引起的基線平移及旋轉(zhuǎn)等噪聲，提高光譜數(shù)據(jù)的信噪比,在建立模型前對原始光譜信息進(jìn)行適當(dāng)?shù)念A(yù)處理是必要的[6]。表3、表4分別是C11708MA、NIR-1700采集到的水蜜桃近紅外光譜，經(jīng)過不同方法預(yù)處理之后采用PLS和LS-SVM建模及預(yù)測結(jié)果。

表3　不同預(yù)處理方法C11708MA水蜜桃所建模型校正和預(yù)測結(jié)果

表4　不同預(yù)處理方法MicroNIR-1700水蜜桃所建模型校正和預(yù)測結(jié)果

2.1多品種梨子可溶性固形物

應(yīng)用特定的方法篩選波段可以得到更好的模型,波長優(yōu)選一方面可以簡化模型,更主要的是可以剔除無關(guān)或非線性變量,從而得到預(yù)測能力強(qiáng)、穩(wěn)健性好的校正模型[7]不同方法篩選前后的建模結(jié)果如表5、表6。

表5　不同波長優(yōu)選方法C11708MA梨子所建PLS模型校正和預(yù)測結(jié)果

表6　不同波長優(yōu)選方法MicroNIR-1700梨子所建PLS模型校正和預(yù)測結(jié)果

3結(jié) 論

以濱松公司生產(chǎn)的微型光譜儀為基礎(chǔ)，搭建了兩套水果可溶性固形物檢測系統(tǒng)。分別采取不同的預(yù)處理方法，建立PLS和LS-SVM模型，比較了兩套系統(tǒng)與JDSU公司MicroNIR-1700微型光譜儀的建模和預(yù)測結(jié)果。

水蜜桃的建模結(jié)果，MicroNIR-1700光譜經(jīng)過MAF平滑預(yù)處理建立的LS-SVM模型結(jié)果最佳，其Rp與RMSEP分別為0.9269和0.5390。C11708MA光譜經(jīng)過標(biāo)準(zhǔn)化預(yù)處理的LS-SVM模型結(jié)果最佳，其Rp與RMSEP分別為0.8902和0.7703。

對梨子的光譜進(jìn)行波長優(yōu)選，MicroNIR-1700光譜經(jīng)CARS優(yōu)選，46個(gè)變量建模結(jié)果最佳，其PLS模型Rp與RMSEP分別為0.8476和0.5354。C11708MA梨子光譜經(jīng)CARS優(yōu)選，19個(gè)變量結(jié)果最佳，其PLS模型Rp與RMSEP分別為0.7583和0.5783。

綜合來看，濱松C11708MA微型光譜儀的建模效果略差于MicroNIR-1700。究其原因，可能是其波段主要集中在短波區(qū)，范圍窄，但完全可以滿足農(nóng)產(chǎn)品檢測需求。前者造價(jià)低，更適合用于農(nóng)業(yè)上的推廣。以后的工作中，對檢測平臺稍加改進(jìn)，模型效果會更好。本實(shí)驗(yàn)驗(yàn)證了濱松C11708MA微型近紅外光譜儀可以實(shí)現(xiàn)水果可溶性固形物的快速檢測，搭建的兩套檢測平臺為進(jìn)一步構(gòu)建水果可溶性固形物便攜式檢測設(shè)備奠定基礎(chǔ)。

參考文獻(xiàn)

[1] 陸婉珍，袁洪福，褚小立.近紅外光譜儀器[M].北京：化學(xué)工業(yè)出版社，2010：162-163.

[2] 馮幫，陳斌，顏輝.便攜式近紅外光譜檢測系統(tǒng)的開發(fā)[J] .研制開發(fā)，2014,20(2)：12-16.

[3] 畢衛(wèi)紅，許峰，呂超.水果含糖量近紅外檢測系統(tǒng)及實(shí)驗(yàn)[J].紅外技術(shù)，2007,(11):678-680.

[4] 秦善知，陳 斌，陸道禮.基于便攜式近紅外光譜儀檢測梨可溶性固形物[J].江蘇農(nóng)業(yè)科學(xué)，2014，42(8)：284-286.

[5] 樊書祥，黃文倩，李江波，郭志明，趙春江.特征變量優(yōu)選在蘋果可溶性固形物近紅外便攜式檢測中的應(yīng)用 [J]. 光譜學(xué)與光譜分析，2014,34(10):2707-2712.

[6] 傅霞萍，應(yīng)義斌，劉燕德. 近紅外光譜技術(shù)在水果內(nèi)部品質(zhì)無損檢測中的應(yīng)用[J] .農(nóng)機(jī)化研究，2004(2) :201- 203.

[7] 劉燕德，陳興苗，歐陽愛國.可見近紅外光譜法無損檢測贛南臍橙可溶性固形物[J]光學(xué)學(xué)報(bào)，2008,8(1)：140-144.

Detection of the soluble solids content(SSC) in fruit using miniature NIR spectrometry .ZhiJianjun1,ChenTong1,SunWujian2,WangChunfeng1,GuoLi1，ChenBin1

(1.SchoolofFoodandBiologicalEngineering,JiangsuUniversity,Zhenjiang212013,China;2.SchoolofMechanicalEngineering,JiangsuUniversity,Zhenjiang212013,China)

Abstract:Two sets of spectral acquisition platform based on miniature NIR spectrometry C11708MA were builded.Different spectral pretreatment methods were developed to establish PLS and LS-SVM regression model of SSC in peaches and pears.The Rp and RMSEP were 0.8902 and 0.7703 for peaches.The Rp and RMSEP were 0.7597 and 0.5783 for pears.The above results demonstrate that the method is feasible, and the data are useful for the further applications of miniature NIR spectrometry .

Key words:miniature NIR spectrometry;fruit;SSC; regression model

收稿日期：2015-11-09

DOI:10.3936/j.issn.1001-232x.2016.01.015

作者簡介：郅建軍，男，1990年出生，碩士研究生，研究方向：近紅外光譜技術(shù)在食品、農(nóng)產(chǎn)品中的應(yīng)用。通訊作者：陳斌，男，江蘇大學(xué)食品與生物工程學(xué)院，教授，博導(dǎo)，E-mail:ncp@ujs.edu.cn。

基金項(xiàng)目：陣列式半導(dǎo)體激光器件的食品原料品質(zhì)近紅外快速檢測方法的研究，國家自然基金項(xiàng)目(31171697)