王 斌，薛建新，張淑娟

（山西農(nóng)業(yè)大學(xué)工學(xué)院，山西太谷030801）

壺瓶棗是山西十大名棗之一，以其果大、皮薄、肉厚、味美和極具滋補(bǔ)功能而享譽(yù)神州，且有極其豐富的營養(yǎng)價(jià)值和藥用價(jià)值[1]。目前，壺瓶棗的分級(jí)還是主要采用傳統(tǒng)方式，即依據(jù)果皮顏色、果實(shí)大小、形狀等進(jìn)行分級(jí)、包裝，存在誤差大、果實(shí)的品質(zhì)口感得不到保證、有效利用率低等問題。

近紅外光譜分析技術(shù)具有自身獨(dú)特的優(yōu)點(diǎn)：分析速度快，可以同時(shí)測(cè)定多種組分、實(shí)現(xiàn)非破壞性和無污染性的測(cè)試，費(fèi)用較低，應(yīng)用范圍較廣等。近紅外光譜分析已經(jīng)被廣泛應(yīng)用于農(nóng)產(chǎn)品品質(zhì)、品種的檢測(cè)以及農(nóng)業(yè)、生物化學(xué)和工業(yè)流程檢測(cè)等方面，并取得了較大的進(jìn)展[2]。然而，近紅外光譜分析技術(shù)是一種間接分析方法，其依賴于復(fù)雜的化學(xué)計(jì)量學(xué)校準(zhǔn)算法的間接定性定量分析技術(shù)，分析過程中受到很多因素（來自樣品、儀器、操作）的影響[3]。樣品掃描時(shí)樣品狀態(tài)、儀器的穩(wěn)定性和分辨率、掃描的次數(shù)和方式等掃描條件都會(huì)影響近紅外數(shù)學(xué)模型的預(yù)測(cè)能力。張璐等[4]在應(yīng)用近紅外漫反射光譜技術(shù)研究了研磨粒度、樣品送進(jìn)程度和平行掃描次數(shù)等因素對(duì)預(yù)測(cè)豆粕中常規(guī)化學(xué)成分含量的影響，王一兵等[5]、謝麗娟等[6]分別研究了光譜分辨率對(duì)乙酰氨基苯酚和楊梅汁有效酸度的定量分析模型的影響，王竹云等[7]分析了不同掃描次數(shù)對(duì)油菜種子含油量測(cè)定值及其生活力的影響，趙巧麗等[8]分析了基于冠層反射光譜的玉米LAI和地上干物質(zhì)量估測(cè)研究，高玉龍等[9]研究了新鮮煙葉不同處理對(duì)質(zhì)體色素含量的影響，趙麗麗等[10]以小麥粉為樣品，研究了在傅里葉變換近紅外光譜儀上掃描條件（包括He-Ne激光頻率、分辨率、樣品粒度）對(duì)近紅外數(shù)學(xué)模型預(yù)測(cè)精度的影響，李軍會(huì)等[11-12]研究了樣品裝樣、樣品狀態(tài)和測(cè)試條件等因素對(duì)近紅外檢測(cè)結(jié)果的影響。但不同掃描次數(shù)、掃描位置對(duì)鮮棗近紅外光譜穩(wěn)定性和模型建立的影響研究尚未見報(bào)道。

本試驗(yàn)以壺瓶棗為研究對(duì)象，在其他條件不變的情況下，研究不同掃描次數(shù)、不同位置對(duì)模型的建立及預(yù)測(cè)能力的影響，旨在為建立實(shí)際模型時(shí)選擇最佳的測(cè)量條件提供可靠的依據(jù)。

1 材料和方法

1.1 儀器與軟件

試驗(yàn)設(shè)備由微機(jī)、光譜儀、鹵光燈、校正白板等組成，其中，光譜儀為美國ASD（Analytical Spectral Device）公司生產(chǎn)的Field Spec 3，光譜數(shù)據(jù)間隔為1 nm，采樣范圍為350～2 500 nm，探頭視場(chǎng)角為10°，光源采用14.5 V鹵素?zé)?。試?yàn)采用漫反射方式進(jìn)行樣品光譜采集。樣品硬度真實(shí)值測(cè)定采用TMS-PRO型食品物性分析儀（美國FTC公司）。

1.2 材料

供試樣品產(chǎn)自太谷縣有機(jī)栽培棗園，無外部缺陷，外表全部呈紅色、形狀均一。采摘當(dāng)天運(yùn)至實(shí)驗(yàn)室，選取無傷病及大小、顏色和成熟度基本一致的120個(gè)代表性鮮棗，并置于（0±0.5）℃冷庫中貯藏，試驗(yàn)前取出于常溫放置1～2 h使之恢復(fù)常溫。將樣品按照1～120的順序依次編號(hào)，供光譜的采集、硬度的測(cè)定。

1.3 方法

1.3.1 近紅外光譜的測(cè)定 對(duì)每一個(gè)樣品在其赤道上按120°的間隔選取3個(gè)部位采集光譜，各掃描1，3，6次，以減少隨機(jī)誤差。試驗(yàn)樣品全光譜采集。在近紅外光譜分析技術(shù)的過程中，光譜采集方式的準(zhǔn)確性、可靠性是影響光譜所建模型性能好壞的主要因素。本研究結(jié)合Field Spec 3型近紅外光譜儀的光譜采集特點(diǎn)，探究了樣品在不同掃描次數(shù)下不同位置的光譜模型的穩(wěn)定性及所建硬度預(yù)測(cè)模型的精度。不同掃描方式的設(shè)定列于表1。

表1 不同掃描次數(shù)和掃描位置的設(shè)定

1.3.2 樣品硬度的測(cè)定 采用TMS-PRO型食品物性分析儀（美國FTC公司），用直徑為2 mm的圓平頭，測(cè)試模式為壓縮測(cè)試力，操作為返回開始；測(cè)前速率為5 mm/s，測(cè)試速率和測(cè)后速率均為2 mm/s；測(cè)試距離為15 mm，觸發(fā)力為5 g。探頭插入點(diǎn)與光譜采集位點(diǎn)相對(duì)應(yīng)，每個(gè)樣品測(cè)定3次。硬度的統(tǒng)計(jì)結(jié)果列于表2。

表2 校正樣品和預(yù)測(cè)樣品硬度統(tǒng)計(jì)分析結(jié)果

1.3.3 近紅外光譜數(shù)據(jù)預(yù)處理 為了消除高頻隨機(jī)噪聲、基線漂移、樣本不均勻、光散射等對(duì)光譜質(zhì)量的影響，在此采用9點(diǎn)平滑法（moveaverage）進(jìn)行光譜預(yù)處理，能很好濾除各種因素產(chǎn)生的高頻噪聲；隨后再進(jìn)行標(biāo)準(zhǔn)正態(tài)變量校正（SNV）處理；然后利用偏最小二乘法（PLS）建立壺瓶棗硬度的預(yù)測(cè)模型，并進(jìn)行預(yù)測(cè)[13]。偏最小二乘法是一種新型的多元統(tǒng)計(jì)數(shù)據(jù)分析方法，它是多因變量對(duì)多自變量的回歸建模方法，在普通多元回歸無法解決的問題上能達(dá)到良好的效果，在建模方面有很明顯的優(yōu)越性。

1.4 數(shù)據(jù)分析

數(shù)據(jù)采用ASD View Spec Pro V5.0，Unscramble V9.8和SPSSStatistics17.0軟件進(jìn)行分析。

2 結(jié)果與分析

2.1 光譜數(shù)據(jù)的分析

從圖1可以看出，壺瓶棗樣品的光譜圖都在波長為875，1 090，1 625，1 820，2 100，2 200 nm處出現(xiàn)吸收峰。壺瓶棗在光譜圖中的吸收峰主要是由于水的吸收所導(dǎo)致的。

2.2 不同的掃描方式對(duì)PLS 模型的影響分析

以90個(gè)壺瓶棗樣品為校正集，30個(gè)壺瓶棗樣品為預(yù)測(cè)集，對(duì)樣品的不同位置進(jìn)行不同次數(shù)的掃描，從而得到樣品的全光譜數(shù)據(jù)，對(duì)其光譜數(shù)據(jù)進(jìn)行預(yù)處理。采用PLS方法建立了9個(gè)硬度值預(yù)測(cè)模型。理論上好的檢測(cè)模型具有的RMSEC值和RMSEP值應(yīng)該越小越好，且二者的值應(yīng)非常接近，且有較高的決定系數(shù)R2值，這樣才能說明該模型穩(wěn)定性好。關(guān)于樣品3個(gè)位置的1，3，6次所建預(yù)測(cè)模型的決定系數(shù)、校正集均方根誤差和預(yù)測(cè)集均方根誤差列于表3。

表3 不同掃描次數(shù)掃描不同位置的樣品模型參數(shù)

由表3可以得出，當(dāng)對(duì)樣品的位置一進(jìn)行1，3，6次掃描時(shí)，掃描1次的決定系數(shù)較高，但RMSEC值和RMSEP值相差較大；掃描3次的決定系數(shù)相對(duì)較低，但RMSEC值和RMSEP值較接近，表明掃描3次的模型較穩(wěn)定。對(duì)樣品的位置二進(jìn)行1，3，6次掃描時(shí)，掃描3次的決定系數(shù)較高，但RMSEC值和RMSEP值相差較大；掃描6次的決定系數(shù)相對(duì)較低，但RMSEC值和RMSEP值較接近，表明掃描6次的模型較穩(wěn)定。對(duì)樣品的位置三進(jìn)行1，3，6次掃描時(shí)，掃描1次的決定系數(shù)較高，且RMSEC值和RMSEP值較接近，表明掃描1次的模型較穩(wěn)定。

當(dāng)對(duì)樣品的3個(gè)位置進(jìn)行1次掃描時(shí)，位置一的決定系數(shù)較高，但RMSEC值和RMSEP值相差較大；位置二的決定系數(shù)相對(duì)較低，但RMSEC值和RMSEP值較接近，表明位置二的模型穩(wěn)定。當(dāng)對(duì)樣品的3個(gè)位置進(jìn)行3次掃描時(shí)，位置二的決定系數(shù)較高，但RMSEC值和RMSEP值相差較大；位置一的決定系數(shù)相對(duì)較低，但RMSEC值和RMSEP值較接近，表明位置一的模型穩(wěn)定。當(dāng)對(duì)樣品的3個(gè)位置進(jìn)行6次掃描時(shí)，位置二的決定系數(shù)較高，但RMSEC值和RMSEP值相差較大；位置三的決定系數(shù)相對(duì)較低，但RMSEC值和RMSEP值較接近，表明位置三的模型穩(wěn)定。其可作為以后檢測(cè)所選擇參數(shù)的參考。

校正集具有較高的決定系數(shù)和較低的標(biāo)準(zhǔn)均方根誤差，對(duì)一個(gè)模型的可靠性是十分必要的，但一個(gè)模型的優(yōu)劣不僅取決于此，還要求有較高的預(yù)測(cè)能力，預(yù)測(cè)均方根誤差RMSEP值也應(yīng)較低，在實(shí)際應(yīng)用中后者往往尤為重要。本試驗(yàn)應(yīng)用所建模型對(duì)30個(gè)已知硬度值的樣品進(jìn)行預(yù)測(cè)，分析模型預(yù)測(cè)能力的差異性，利用SPSS數(shù)據(jù)處理軟件對(duì)30個(gè)樣品的預(yù)測(cè)值進(jìn)行方差分析，其結(jié)果列于表4。

表4 不同位置掃描1，3，6 次模型預(yù)測(cè)能力方差分析

由表4可知，不同位置掃描1，3次模型預(yù)測(cè)能力差異不顯著（P＞0.05），顯著性檢驗(yàn)概率分別為0.213，0.206，不必再進(jìn)行Tukey檢驗(yàn)的比較；不同位置掃描6次模型預(yù)測(cè)能力差異顯著（P＜0.05），顯著性檢驗(yàn)概率為0.037，需進(jìn)一步進(jìn)行均值多重比較（表5）。

由表5可知，模型預(yù)測(cè)能力按位置的不同從大到小依次排序?yàn)槲恢靡?、位置二、位置三?.05水平上Tukey檢驗(yàn)的比較顯示，3個(gè)位置的均值兩兩差異均顯著。

表5 Tukey 檢驗(yàn)結(jié)果

3 結(jié)論與討論

本試驗(yàn)研究了掃描次數(shù)對(duì)鮮棗近紅外光譜和模型精度的影響，結(jié)果表明，不同掃描次數(shù)下不同位置的掃描光譜所建立的硬度定標(biāo)模型，其決定系數(shù)均達(dá)到0.8以上，校正均方根誤差都在0.65以下；對(duì)分別建立的1，3，6次不同位置硬度模型的預(yù)測(cè)結(jié)果進(jìn)行方差分析，結(jié)果表明，不同位置進(jìn)行1，3次所建的模型為較佳掃描方式，不同位置進(jìn)行6次掃描時(shí)模型間有顯著差異性，顯著性檢驗(yàn)概率為0.037。在采集光譜建立模型時(shí)，應(yīng)考慮綜合因素選擇合適的掃描次數(shù)。

在實(shí)際的測(cè)定中，本試驗(yàn)所考慮的影響因素還不夠全面，其對(duì)樣品所采集的光譜和近紅外模型的建立都有影響。下一步試驗(yàn)將圍繞幾點(diǎn)進(jìn)行更加完善的研究分析：對(duì)樣品的掃描次數(shù)將增加2，4，5次，進(jìn)而對(duì)樣品所采集的光譜穩(wěn)定性進(jìn)行更加全面的分析；研究多測(cè)點(diǎn)掃描樣品的光譜對(duì)可溶性固形物含量（SSC）、有效酸度（pH值）模型建立的影響。

［1］樊軍，呂磊，尚宏偉.大棗的研究與開發(fā)進(jìn)展[J].食品科學(xué)，2003，43（4）：161-163.

［2］Krivoshiev G P，Chalucova R P，Moukarev M I.A Possibility for elimination of theinterferenceform the peel in non linn on destructive determination of the internal quality of fruit and vegetables by VIS/NIR spectroscopy[J].Postharvest Biology and Technology，2000，33（2）：344-353.

［3］Peirs A，Schenk A，Nicolai B M.Effect of natural variability among apples on the accuracy of VIS-NIR calibration models for optimal harvest date predictions[J].Postharvest Biology and Technology，2005，35：1-13.

［4］張璐，郝永忱，劉桂賓，等.近紅外光譜法測(cè)定豆粕中常規(guī)化學(xué)成分的研究[J].檢驗(yàn)檢疫科學(xué)，2003，13（1）：25.

［5］王一兵，王紅宇，翟宏菊，等.近紅外光譜分辨率對(duì)定量分析的影響[J].分析化學(xué)，2006，34（5）：699.

［6］謝麗娟，劉東紅，張宇環(huán)，等.分辨率對(duì)近紅外光譜和定量分析的影響研究[J].光譜學(xué)與光譜分析，2007，27（8）：1489.

［7］王竹云，楊翠玲.油菜種子含油量NMR法測(cè)定的條件優(yōu)化[J].西部糧油科技，2001，26（2）：46.

［8］趙巧麗，鄭國清，段韶芬，等.基于冠層反射光譜的玉米LAI和地上干物重估測(cè)研究[J].華北農(nóng)學(xué)報(bào)，2008，23（1）：219-222.

［9］高玉龍，吳興富，宋春滿，等.新鮮煙葉不同處理對(duì)質(zhì)體色素含量的影響[J].內(nèi)蒙古農(nóng)業(yè)科技，2008（1）：25-27.

［10］趙麗麗，趙龍蓮，李軍會(huì)，等.傅里葉變換近紅外光譜儀掃描條件對(duì)數(shù)學(xué)模型預(yù)測(cè)精度的影響 [J].光譜學(xué)與光譜分析，2004，24（1）：41-44.

［11］李軍會(huì)，秦西云，張文娟，等.樣品裝樣、測(cè)試條件等因素對(duì)近紅外檢測(cè)結(jié)果的影響與分析誤差源比較研究[J].光譜學(xué)與光譜分析，2007，27（9）：1751.

［12］吳靜珠，王一鳴，張小超，等.樣品狀態(tài)與裝樣條件對(duì)近紅外光譜測(cè)定的影響研究[J].現(xiàn)代科學(xué)儀器，2006（2）：69.

［13］ 張淑娟，張海紅，趙艷茹，等.鮮棗可溶性固形物可見/近紅外光譜檢測(cè)建模方法比較 [J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43（3）：108-112.