劉燕德，饒 宇，孫旭東，姜小剛，徐 海，李 雄，王觀田，徐 佳

華東交通大學機電與車輛工程學院，江西 南昌 330013

引 言

糖度(SSC)是影響水果口感的一個重要因素，SSC差異在2°Brix以上，水果口感差異明顯[1]。近年來，人們對口感品質十分重視，傳統(tǒng)外部品質分選難以滿足口感品質分選需求，可見/近紅外光譜技術作為一種快速無損檢測手段，目前已經(jīng)廣泛應用于蘋果[2]、梨、桃[3]等水果的內部品質檢測。

崔豐娟[4]等研究了蘋果動態(tài)在線檢測的傳輸速度對模型的精度的影響。曹松濤在他的學位論文中報道了對梨樣品相關因素對內部品質普適模型的穩(wěn)健性影響，樣品的尺寸差異、產(chǎn)地差異、品種差異都是主要影響，通過對光譜進行一階、二階微分預處理，基本能夠消除差異影響，提高了模型的預測精度。Saranwong[5]等對比分析了兩種不同近紅外漫反射儀器在芒果品質檢測上的應用。Greensill[6]等使用自行研發(fā)的光學系統(tǒng)，研究了硬皮甜瓜果實不同果肉位置的SSC取樣準確度，結果表明，果實赤道部位SSC取樣值與光譜建模模型準確度最高，能代表水果的真實糖度值。Mizuki[7]等結合偏最小二乘判別分析，應用蘋果分選機頂部和底部的光譜儀，建立了蘋果內部褐變發(fā)生的判別模型。

本工作主要研究了臍橙的尺寸差異對可見近紅外漫透射及兩種不同漫反射檢測方式模型的影響，對比分析了大果、小果及混合果模型的預測精度，考察了近紅外光譜模型及多元散射校正預處理方法對消除尺寸差異的效果。

1 實驗部分

1.1 材料

實驗所用的臍橙樣品購于南昌市某水果市場，將臍橙表面擦凈，在25 ℃的室溫下靜置24個小時，依次采集臍橙樣品的橫縱徑、重量、糖度的理化指標如表1所示。實驗共采用480個樣品，按照臍橙的橫縱徑指標劃分大小果，其中橫徑范圍在75～90 mm，縱徑在80～95 mm為大果共312個，橫徑范圍在60～75 mm，縱徑在65～85 mm為小果共168個，大果建模集為234個，預測集為78個，小果建模集為126個，預測集42個，混合果建模集360個，預測集120個。

表1 臍橙的理化指標范圍統(tǒng)計結果Table 1 Statistical results of physical andchemical indicators of navel orange

1.2 裝置和光譜采集

可見近紅外漫反射光譜采集平臺如圖1所示，實驗平臺搭建在重量分選裝置上的出果口前，考慮實際應用場景，光源發(fā)射與接收探頭安裝在距離果杯15 cm處。采用Ocean Optics公司的QE PRO光譜儀作為實驗的光譜采集裝置，其波長范圍為350～1 150 nm，光源為1個12 V、100 W的鹵鎢燈，采用穩(wěn)壓電源供電。光纖探頭分別為環(huán)形發(fā)射與接收和多點發(fā)射與接收漫反射式光纖探頭，均設計為將發(fā)射光源與接收光源裝置集成在同一探頭上，通過鹵鎢燈提供直射光源，從光源接收端口進入光纖，由探頭發(fā)射端發(fā)射出光照，光信號經(jīng)過樣品內部后，經(jīng)過吸收、反射等，由探頭接收端口接收到漫反射光信號，經(jīng)過光纖傳輸并觸發(fā)光譜儀進行數(shù)據(jù)保存，每觸發(fā)一次，光譜采集軟件便儲存一條光譜。

圖1 近紅外漫反射在線檢測裝置1： 光源； 2： 光源接收端口； 3： 光源發(fā)射與接收端口；4： QE PRO光譜儀； 5： 電腦； 6： 臍橙樣品； 7： 果杯Fig.1 Near-infrared diffuse reflection on-line detecting device

開機預熱0.5 h，聚四氟乙烯球作為光譜參比，采集臍橙樣品光譜，實驗參數(shù)為： 積分時間100 ms，速度5個·s-1，光強100 W。光譜采集軟件采集光譜，分別標記面光譜，取平均光譜作為該樣品可見近紅外漫反射光譜。

漫透射光譜采集裝置如圖2所示，采用海洋光學公司的QE65000光譜儀，波長范圍為350～1 150 nm，光源為10個12 V、100 W的鹵鎢燈，均勻分布在傳送帶兩側，通過穩(wěn)壓電源供電。光纖探頭位于果杯正下方，光信號從樣品表面進入，經(jīng)過透射到達樣品下方的光纖探頭，探頭每接收到光信號一次，光譜儀觸發(fā)一次，則光譜采集軟件保存一條光譜。果杯設計有彈性避光圈與透光孔，避免雜散光與外界干擾光被光纖接收到。

開機預熱0.5 h，聚四氟乙烯球作為光譜參比，采集臍橙樣品光譜，實驗參數(shù)為： 積分時間100 ms，速度5個·s-1，光強1 000 W。采用光譜采集軟件采集光譜，分別標記面光譜，取平均光譜作為該樣品可見近紅外漫反射光譜。

圖2 近紅外漫透射在線檢測裝置1： 光源； 2： 樣品； 3： 遮光圈；4： 光路； 5： 光纖探頭； 6： 彈跳爪Fig.2 Near-infrared diffuse transmissionon-line detecting device1： Light source； 2： Sample； 3： Shading ring；4： Optical path； 5： Fiber optic probe； 6： Bouncing claw

1.3 糖度含量判定

臍橙糖度含量由折射式數(shù)字糖度計(ATAGO PAL-α，日本ATAGO公司)測定，測量前，用純凈水洗凈并擦干糖度計，并進行標定，糖度值為0°Birx，測量時，使用一次性紗布將標記部分約5 mm深果肉濾出少量果汁，滴于糖度計的測試窗口，重復3次，取3次的平均值作為糖度真實值，所得值以質量分數(shù)表示。

2.4 數(shù)據(jù)處理

采用matlab2012a將光譜數(shù)據(jù)轉換為數(shù)據(jù)矩陣，再通過Unscrambler進行PLS建模。建模前先進行光譜數(shù)據(jù)預處理，再使用偏最小二乘法(PLS)分別建立漫透射及兩種不同漫反射式的糖度模型。偏最小二乘法中的相關系數(shù)r和預測集均方根誤差RMSEP、建模集均方根誤差RMSEC計算公式如式(1)—式(3)所示

(1)

(2)

(3)

2 結果與討論

2.1 不同檢測方式的尺寸差異影響分析

近紅外光譜分析是一種應用于水果內部品質無損檢測的重要手段，但由于樣品的相關因素如樣品溫度、大小、產(chǎn)地、品種等的影響，模型的穩(wěn)健性受到較大影響，其中，樣品大小是一個重要的影響因素。近紅外漫透射和漫反射檢測方式不同大小樣品光路圖如圖3所示，其中圖3(a)為漫透射檢測大、小尺寸的臍橙光路圖，在相同光照路徑下，光在大果中的光程要比小果中的光程更長，光的能量衰減嚴重，光纖探頭接收到的能量強度更低，而小果由于它的小尺寸，光能快速透過，光纖探頭接收到的能量衰減少，強度強，攜帶的有效信息多。圖3(b)為漫反射檢測大、小尺寸的臍橙光路圖，在相同光照路徑下，光在大果中的光程要比小果中的光程要短，可能穿過的果肉組織不多，攜帶的有效信息少，而在小果中，光程較長，穿過的果肉組織較多，攜帶的有效信息也多。

圖3 漫透射(a)和漫反射(b)上大、小尺寸的臍橙光路示意圖

2.2 不同檢測方式的光譜對比分析

對樣品的尺寸進行測量，每個樣品的最大橫徑測量5次，取平均值作為樣品的橫徑指標，考察尺寸差異對臍橙糖度在線檢測精度的影響。由圖4可知，無論是漫透射檢測還是漫反射檢測，小果的光譜能量強度都要比大果強。對同一樣品的三種不同檢測方式的光譜進行對比分析。兩種漫反射光譜的能量要比漫透射光譜強，而環(huán)形發(fā)射與接收漫反射光譜又要比多點發(fā)射與接收漫反射光譜的能量強。漫反射光譜在690 nm左右存在吸收峰，漫透射光譜的峰在700和825 nm左右，從兩種檢測方式的光譜波形上來看，漫透射光譜要比漫反射光譜多一個吸收峰，且漫透射光譜集中在600～850 nm范圍內，漫反射光譜范圍則在500～900 nm內，比漫透射光譜范圍大一點。對比分析三種不同檢測方式，漫透射檢測方式中，光源位于樣品兩側，接收裝置位于樣品下方，果杯上的橡膠遮光圈能有效消除樣品表面反射光及其他干擾光進入接收器； 在漫反射檢測方式中，光源與接收裝置集成在同一光纖上，環(huán)形發(fā)射與接收的漫反射檢測方式中，由于它的環(huán)形光源的結構特點，光在樣品表面形成一個圓形光斑，可以有效的將外界干擾光及樣品表面反射光隔離在光斑外面，達到克服雜散光的目的； 多點發(fā)射與接收漫反射檢測方式中，由于它是點光源，點接收方式，所以它克服樣品表面反射光和其他干擾光的能力要比前兩種檢測方式稍差。

圖4 三種檢測方式的大小果光譜對比Fig.4 Spectral comparison of fruit with differentsizes using three detection methods

2.3 不同檢測方式下尺寸預測模型建立

不同樣品尺寸在某一波長范圍光下具有一定的衰減規(guī)律，實驗選用波長范圍為900～936 nm建立近紅外光譜尺寸預測模型?？梢?近紅外光譜波長范圍320～500 nm是可見光波段，受顏色變化影響較大； 500～900 nm是光譜的有效信息集中波段，用來建立糖度預測模型； 936～1 150 nm波段噪聲和無效信息較多，故選用900～936 nm建立尺寸預測模型。不同檢測方式下，尺寸模型預測散點圖如圖5所示。由圖5可知，漫透射檢測方式下尺寸模型的預測集相關系數(shù)為0.60，預測集均方根誤差3.95°Brix，截距B=81.27； 多點發(fā)射與接收漫反射檢測方式下尺寸模型的預測集相關系數(shù)為0.97，預測集均方根誤差1.46°Brix，截距B=94.3； 環(huán)形發(fā)射與接收漫反射檢測方式下尺寸模型的預測集相關系數(shù)為0.96，預測集均方根誤差1.73°Brix，截距B=70.73。由不同的檢測方式下尺寸預測散點圖可知，漫透射檢測方式的尺寸模型預測精度較低，兩種漫反射檢測方式的尺寸模型預測精度較高，可以有效的預測樣品的尺寸大小。

圖5 不同檢測方式下尺寸模型預測結果散點圖(a)： 漫透射檢測方式尺寸預測散點圖；(b)： 多點發(fā)射與接收漫反射檢測方式尺寸預測散點圖；(c)： 環(huán)形發(fā)射與接收漫反射檢測方式尺寸預測散點圖Fig.5 Scatter plot of dimensional model predictionresults under different detection modes

2.4 糖度預測模型建立

王動民(本刊34卷9期)利用MSC方法對光譜進行預處理，基于不同波段的光譜數(shù)據(jù)會得到不同的校正結果，進而影響所得定標模型的可靠性。分別建立三種不同檢測方式的不同果型的PLS模型，模型預測結果如表2所示，通過預測集相關系數(shù)Rp來評價模型的預測能力。由表2可知，三種不同的近紅外光譜檢測方式下，小果的PLS模型預測能力要強于大果和混合果，其中漫透射方式的Rp為0.76，多點發(fā)射與接收方式的Rp為0.72，環(huán)形發(fā)射與接收檢測方式的Rp為0.72。在相同光照路徑下，光在大果中的光程要比小果的長，衰減嚴重，接收到的光譜能量強度低，因此攜帶的有效信息比小果光譜的要少很多，所以小果的模型預測精度相對較高。

表2 不同尺寸樣品集的不同檢測方式PLS建模集預測結果Table 2 PLS modeling prediction results for different size sample sets by using different detection methods

糖度預測模型公式如式(4)所示。

(4)

其中，n為參與建模的光譜變量數(shù)，β為糖度相關能量譜強度，b為模型的截距。

2.5 臍橙糖度最佳模型建立和預測

通過以上多種模型的對比分析，漫透射檢測方式模型預測效果最好，多元散射校正預處理后，模型預測效果有所優(yōu)化，可以消除尺寸差異帶來的影響。采用多元散射校正預處理漫透射光譜，再利用偏最小二乘(PLS)建立漫透射及漫反射的預測模型如圖6所示。由圖6可知，經(jīng)過MSC校正的漫透射光譜預測模型散點距離擬合線較為集中，預測精度較高，建模相關系數(shù)為0.88，預測相關系數(shù)為0.84，預測集均方根誤差RMSEP為0.64，截距b=14.05?；貧w系數(shù)與近紅外漫透射大小果光譜曲線對比如圖7所示，光譜變量在PLS定量模型中貢獻率越大，回歸系數(shù)越大。所用的光譜變量與回歸系數(shù)加權求和再加上截距，及PLS模型預測值，實現(xiàn)了對樣品的糖度值的預測。

在漫反射檢測方式中，先進行尺寸分選，區(qū)分出大小果后，再進行大小果的糖度分選方式，也可以消除尺寸差異帶來的影響。

圖6 漫透射MSC-PLS建模散點圖Fig.6 Diffuse transmission MSC-PLS modeling scatter plot

3 結 論

研究了樣品尺寸差異對臍橙漫透射及漫反射在線無損檢測精度的影響。分析了臍橙的尺寸差異在漫透射和漫反射裝置上的不同影響以及臍橙三種不同檢測方式的近紅外光譜特性。分別建立了三種檢測方式下的大果、小果、混合果、經(jīng)MSC預處理后的混合果糖度PLS模型和尺寸PLS預測模型，其中小果的糖度PLS模型預測效果均最佳，在漫透射糖度預測模型中，經(jīng)MSC預處理后，混合果預測模型精度有所提高，預測效果要優(yōu)于小果，模型的預測相關系數(shù)為0.84，預測均方根誤差為0.64°Brix； 在不同檢測方式下的尺寸預測模型中，漫透射檢測方式要比兩種漫反射檢斥方式的尺寸模型預測精度低，在漫反射檢測方式下，先采用尺寸模型進行尺寸進行分選，然后再使用糖度模型進行糖度分選，最終實現(xiàn)不同檢測方式下不同尺寸臍橙的同時在線分選。論文研究為不同果型的水果糖度同時在線無損檢測和分選提供了參考和理論支持。

圖7 回歸系數(shù)與漫透射大小果光譜對比Fig.7 Comparison of regression coefficientand diffuse transmission size