劉勇

摘 要：隨著我國居民生活水平的提高，人們對食品的質量要求也越來越正規(guī)。為了滿足人們對于食品質量的要求，越來越多的科學技術被應用到了食品安全品質監(jiān)測之中。以蘋果為例，作為人們日常生活中接觸最多的水果之一，人們對其的質量等級劃分也最為豐富，其中最具代表性的就是硬度和糖度的指標劃分。在傳統(tǒng)的等級測試中最常用到的是損傷測試，主要是指針對蘋果的硬度進行穿刺實驗，同時對果肉深處的汁液進行折射率檢測。但是傳統(tǒng)的損傷實驗有著諸多的弊端，所以筆者在基于近紅外光譜技術的研究成果上，針對蘋果等級的特性對LED熒光光譜檢測系統(tǒng)進行優(yōu)化，從而更加高效的完成品質檢測工作。

關鍵詞：LED；優(yōu)化；熒光

一、LED熒光光譜檢測系統(tǒng)

早在十九世紀，熒光光譜技術就已經得到了廣泛應用，但是直到二十一世紀，人們才將熒光光譜技術應用到了食物檢測領域。在食物檢測方面，熒光光譜技術主要是依靠激光技術和計量分析技術才獲得了更強和更可控的熒光信號，通常被應用到食物檢測的光譜系統(tǒng)結構主要由反射式、交互式和透射式，筆者對此進行了相應的整合和實驗，選擇了基于LED熒光光譜蘋果檢測系統(tǒng)來對蘋果的等級進行檢測。

二、基于熒光光譜的蘋果品質檢測優(yōu)化

實驗的對象為S省所收購的甲型和乙型富士蘋果，每種個28個，總計56個實驗樣本。本次試驗為對照實驗，將56個實驗樣本分為2組，每組兩種富士蘋果各14個，其中A組采用傳統(tǒng)的品級檢測流程。

在A組的實驗中，首先對A組進行硬度值檢測，主要在HANDPIG-3穿刺測試儀器上進行測試，大小以N為單位，統(tǒng)一將11mm直徑的測試探頭刺入果肉10mm，在顯示硬度值的同時將溢出的職業(yè)采集，進行折射率測試，結果以%為單位，最終的到標準測試結果。

在B組的實驗中，主要是利用LED熒光光譜檢測系統(tǒng)進行照射，本系統(tǒng)采用的LED選擇的是中心波長375nm，半波帶寬15nm，輸出功率25mW左右的產品。主要通過LED系統(tǒng)對蘋果樣本進行8mm直徑光斑的照射。本系統(tǒng)具有如下優(yōu)點：首先LED系統(tǒng)價格相對經濟，同時發(fā)散角偏小，整體系統(tǒng)非常穩(wěn)定，省去了傳統(tǒng)激光發(fā)射器對光源進行的聚焦、準直、傳輸?shù)冗^程；其次是本系統(tǒng)結構相對簡單，本系統(tǒng)分為計算機、光譜采集模塊、系統(tǒng)控制模塊和檢測探頭四個部分，采用模塊化的設計，整體易于調整和升級；第三是光譜信號的采集和分析非常全面，本次試驗所設計的設備采取了8個熒光光譜信號采集點，采集的數(shù)據(jù)被進行歸一化后求取相應的平均值，每次檢測重復三次，綜合全面的對蘋果樣本進行相應檢測。

在經過測試之后筆者在B組每個樣本上都得到了都得到了3條相應的光譜數(shù)據(jù)，通過對光譜數(shù)據(jù)進行建模分析和與A組的結果比對，筆者發(fā)現(xiàn)該儀器對于甲型蘋果糖分的預測精度要略好于乙型蘋果。

此外，無論是針對糖度還是硬度采用遞歸偏最小二乘法進行變量選擇，所得最優(yōu)模型對應的波長變量都較多，基本分散覆蓋了全熒光光譜波段，雖然數(shù)學上基于這些波長變量所建立模型的RMSEV值較小。但選擇如此多而分布廣泛的波長變量，實際在物理意義上與選取全光譜波段無太大區(qū)別。這也是iPLS、rPLS等波長變量選取算法多用于近紅外光譜紅外而非熒光光譜的原因，前者相對于后者含有更為豐富且相對獨立的化學成分信息，可通過波長選擇算法定位到與目標矩陣最為相關的化學物質，進而優(yōu)化模型。而如本次研究所針對熒光光譜所用rPLS，最優(yōu)模型下所選擇的波長數(shù)較多且比較分散，但這相對于使用全有效譜段仍然起到了波長選擇和一定程度上的優(yōu)化作用。

該熒光光譜檢測系統(tǒng)與偏最小二乘法結合應用到蘋果品質檢測中，對于兩類蘋果的兩大品質因素，糖度（SSC）和硬度（Firmness），分析建模所得的RMSEV值與基于近紅外光譜技術的檢測結果近似，證明了該熒光光譜技術對于蘋果品質的有效檢測能力和用于食品檢測的可行性。

三、總結

本次研究基于筆者的研究結果，首先對LED熒光光譜檢測系統(tǒng)的原理進行了大致的介紹，然后設計了A組和B組兩組實驗，所得到的結果總體上趨同，最終得出了本次試驗設計的LED熒光光譜檢測系統(tǒng)在蘋果的品級檢測中確實有一定的應用可能性。希望相關研究者能夠結合前沿技術和實際的政策導向對蘋果品級的檢測流程進行改進和優(yōu)化，共同推動我國食品安全邁向新的臺階。

參考文獻

[1] 單佳佳，吳建虎，陳菁菁，彭彥昆，王偉，& 李永玉. （2010）. 基于高光譜成像的蘋果多品質參數(shù)同時檢測. 光譜學與光譜分析，30（10），2729-2733.

[2] 劉木華，趙杰文，& 程仁發(fā). （2008）. 蘋果硬度品質的光譜圖像檢測技術研究. 食品科學，13（3），418-422.

[3] 賈敏，歐中華. 高光譜成像技術在果蔬品質檢測中的應用[J]. 激光生物學報，2018，27（2）：27-34.