孙潇鹏 ，刘灿灿 ，陆华忠 ，，徐 赛

（1.华南农业大学 工程学院，广州 510642；2.广西大学 轻工与食品工程学院，南宁 530004；3.广东省农业科学院，广州 510642）

0 引言

梅州蜜柚风味极佳，含有有机酸、维生素C和糖等人体不可或缺的营养元素。有止咳清热、降血压/血脂等功效［1］。可见-近红外光谱技术在苹果、柑橘、西瓜和樱桃等内部品质检测中被广泛应用［2-5］。该方法也常因各类影响因素使所建预测模型不够稳健，难以提高其品质检测准确性［6］。如光源衰减和光路偏移等问题对设备检测的影响；果皮包含大量细胞壁、膜界面及悬浮颗粒等，导致光透过时产生强烈的多维散射，产生不容忽视的影响［7］。

可溶性固形物含量（SSC）也称为糖度，是水果内部品质的重要指标之一［8-9］。本文旨在通过可见-近红外透射光谱检测蜜柚糖度，探究3种影响因素（光源距离、光照强度和果皮厚度）对检测精度影响，寻求最优的检测参数及方法，以期为厚皮水果品质检测提供参考。

1 材料与方法

1.1 材料与仪器

1.1.1 材料

在2020年7～10月中旬，15天左右采样1次，分7批从梅州果园采摘，精选共计600个无损伤的红肉蜜柚，擦拭晾干后存于室温（19～21 ℃）静置24 h，编号后用于试验。

1.1.2 仪器

PAL-Grape Must型数显折射仪（单位为°Brix，ATAGO（爱拓）中国分公司），测量范围0.0%～53.0%，测试时间为3 s，误差为±0.2%；HTP312型天平（上海花潮电器有限公司）；游标卡尺（精度0.01 mm，上海申韩量具有限公司）。

1.1.3 试验平台

搭建可见-近红外透射光谱试验平台，如图1所示。

图1 光谱试验平台结构示意Fig.1 Structural diagram of the spectral test platform

图中，QE-Pro型光谱仪（美国海洋光学公司）：测量波长400～1 100 nm，光谱分辨率0.14～7.7 nm，信噪比 1 000：1；NIR-QUEST512型光谱仪（美国海洋光学公司）：测量波长900～1 700 nm，光谱分辨率为3 nm，信噪比15 000：1。光源系统采用100 W石英卤素灯，共计12组；柚果托盘：外径100 mm，内径80 mm，高20 mm，内倒角17.01°（实物加工以17°为准），材质为聚甲醛树脂（POM）［10］。

1.2 试验方法

1.2.1 光谱采集与预处理

开机预热15 min后开始试验，将托盘置于检测室内，使用配套的白板与黑板，分别贴住积分球窗口进行光谱校正。使用广州某公司开发的软件进行光谱采集，软件进入“组合光谱仪”界面可分别对2台光谱仪（QE-pro和NIR-QUEST）参数设定（积分时间分别为200 ms和2 000 ms），获取并存储试验数据。样本每旋转90°采集1次，取4次光谱的均值作为样本数据。选择光谱的透射率作为光谱信息的研究参数。光谱数据采集透射率如下式所示［11］：

式中T——蜜柚的透射率，%；

Is——蜜柚的光谱透射强度，cd；

Iw——亮背景的光谱透射强度，cd；

Ib——暗背景的光谱透射强度，cd。

使用Unscrambler X 10.4软件，将原始光谱经Savitzky-Golay（SG）多项式平滑法完成预处理。其目的是削弱各种干扰信息，保留有效信息，提高光谱分辨率，降低模型的复杂度［12］。光谱预处理后如图2所示。

图2 样本的可见-近红外透射光谱Fig.2 Visible and near-infrared transmittance spectra of samples

1.2.2 光谱特征变量选取

主成分贡献率分布如图3所示。

图3 主成分贡献率分布图Fig.3 Contribution rate distribution of principal components （PCs）

主成分分析法（principal component analysis，PCA）用于光谱预处理后，将光谱数据进行正交变换映射到低维子空间，较低维度的数据集不破坏原数据信息。其目的是用较少的特征变量去解释原数据中的大部分特征变量，即所谓主成分［13］。根据Kennard-Stone法按2：1分别建立校正集和验证集［14］，分析可得600个蜜柚光谱数据的主成分PC1至PC8的累积贡献率。结果表明：前6个主成分的累积贡献率可100%表征全波段原始光谱。

1.2.3 生长期蜜柚的理化测定

分别测定生长期蜜柚各采摘时间的横径（W）、纵径（H）和质量（M）。排水法测定体积（V）。从光谱检测区域切取样本部分果肉，用纱布包裹挤出果汁，将果汁滴于数显折射仪读取并记录SSC［15］。以上理化指标均测量3次后取平均值，以每个采摘时间的总样本均值为参考值，对理化指标进行ANOVA分析，结果如表1所示。质量、体积、横/纵径和SSC随蜜柚生长期呈先上升后下降线性规律性变化。

表1 生长期蜜柚的的理化指标Tab.1 Physical and chemical indicators of honey pomelo in growing period

1.2.4 模型建立与评价指标

偏最小二乘回归（partial least squares regression，PLSR）是一种多元回归分析的建模方法，是将样本采集的数据与其理化测定值同时进行分析，最大程度提取两者之间相关性信息，在对数据矩阵进行分解降维的同时进行回归分析，可用于组分复杂的样品体系［16］。数据矩阵分解和回归交互运算同时进行，得到的特征值向量直接与被测品质参数或者属性值进行相关性分析。模型中，品质指标（SSC）与光谱数据间内部关系如下式所示：

式中C（n×s）——n个样本的被测属性值或品质指标值矩阵；

T（n×m）——n个样本具有m个数据信息矩阵；

E（n×m）——数据参数矩阵的残差矩阵；

P（h×m）——数据参数载荷阵；

U（n×h）——被测属性或品质指标浓度特征因子阵；

λ（n×h）——数据参数特征因子阵；

Q（h×s）——被测属性或品质指标的浓度载荷阵；

F（n×s）——被测属性或品质指标浓度矩阵残差矩阵。

定量模型的评价指标有：决定系数（the coefficient of determination，R2）和均方根误差（root mean square error，RMSE）等，适用于衡量模型精度，其计算式如下［17］：

模型评价通过内部交叉验证（校验集）和样本测试（预测集）进行。其中，校验集决定系数（Rcal2）和预测集决定系数（Rpre2）越高，伴随校验均方根误差（RMSEC）和预测集均方根误差（RMSEP）值越低，模型精度越好［18-19］。

2 试验结果与分析

2.1 受光源距离影响的透射光谱变化规律

光源光谱是物质在高温状态或因受到带电粒子的撞击而直接激发的光谱。由于受激时物质所处的状态不同，发射光谱有不同的特征光谱［20］。自搭建光谱试验样机利用光栅光谱仪测量石英卤素灯的光源光谱—原子态明线光谱。石英卤素灯发光光强与距离之间的关系如下式所示：

式中E——光子总能量，cd；

I——光照强度，cd；

R——光照距离，cm。

光谱试验平台的试验误差主要源于光源系统至积分球的垂直距离。经测量，光谱试验平台中光源系统至积分球垂直极限距离为30 cm，将其作为原始距离，设置3 cm为1个试验梯度，每下降1次进行光谱采集和存储，直至15 cm为止。每隔45°开启1组光源，设置共8组100 W石英卤素灯。H1-H5为光源距离30～18 cm时，样本的可见-近红外透射光谱，如图4所示。

图4 不同光源距离的可见-近红外透射光谱Fig.4 Visible and near-infrared transmittance spectra of different light source distances

图4（a）中，在400～1 100 nm范围内光谱透过率随H1至H5依次递增，光谱吸收峰依次递增。图4（b）中，在900～1 700 nm范围内，光谱透过率随H1至H5也依次递增。由于H3至H5光谱透过率增长迅速，发现距离为24 cm（H3）至18 cm（H5）时，柚果置于托盘上直接放入检测室内较为困难，且样本出现不同程度灼伤，所以延迟光谱采样时间。样本果皮随光源距离的接近，灼伤程度逐渐加重。

综上所述，光源距离对样本的VIS-NIR透射光谱采样影响较大。H3至H5距离过近，光谱试验易灼伤柚果果皮，损伤柚果品质；H1至H2距离适宜，H2的光谱透过率较高于H1，且光谱吸收峰特征明显。因此，取27 cm（H2）为最佳的光源距离。

2.2 受光照强度影响的透射光谱变化规律

人工照明的光源光谱和光照强度会对植物果实生长产生影响［21］。长期强光照的光谱试验，对柚果品质也会产生影响。为保证光照强度的可控性，光源系统设置100 W石英卤素灯，共计12组，入射角度45°。以最佳光源距离H2开展试验，4组光源为基数，沿顺时针方向，每增加2组光源为1个梯度，共计5个光照强度。如图5所示，首先开启序号为1的4组光源，彼此间隔90°均匀分布；其次沿顺利针方向依次开启的光源序号为2，3，4，5；最后完成各梯度透射光谱采集。

图5 光源系统的开启顺序Fig.5 Turn-on sequence of the light source system

在不同的光照强度下，进行5个光照梯度的数据分析。如图6所示，L4-L12分别代表开启4～12组光源后采集的VIS-NIR透射光谱均值。光谱透过率随L4-L12逐渐增加，L10在近红外波段光谱吸收峰特征明显。典型的重叠吸收峰对应水果中水分和碳水化合物的C-H、O-H及N-H化学键，例如950 nm附近吸收峰为水分的吸收带；1 400 nm附近吸收峰与木质素含量有关［22］。

图6 不同光照强度的可见-近红外透射光谱Fig.6 Visible and near-infrared transmittance spectra of different light source intensity

观察测后样本品质：外部无灼伤，果皮无萎蔫，内部果实饱满，果汁充盈。为防止蜜柚灼伤，批量样本检测的最大光源强度选择L10为宜。

2.3 受果皮厚度影响的透射光谱变化规律

蜜柚果皮结构复杂，光透过果皮进入蜜柚内部组织才能被官能团吸收，结合化学计量学方法才能完成样本的相关内部品质检测。光线进入柚果内部后经过多次反射、折射、衍射及吸收后再经过果皮，方可到达积分球和探测器，通过光纤和光谱仪传输至电脑完成采集和存储。因此，果皮对光谱的透过率及光谱变化具有一定影响。

生长期蜜柚随采摘时间的不同，受“汁胞粒化”生理性病害影响，果皮厚度不同。固采摘不同生长期样本，并开展光谱采集和数据分析。蜜柚的透射光谱随生长期的变化，如图7所示。图7（a）中，自2020年7月12日～8月11日，在400 nm至1 100 nm范围内光谱透过率和吸收峰幅值呈上升趋势；自此至当年10月10日，光谱透过率和吸收峰幅值呈下降趋势。图7（b）中，光谱在900 nm至1 700 nm范围内随样本生长期也呈先上升后下降趋势。

图7 生长期蜜柚的透射光谱Fig.7 Transmittance spectra of honey pomelo in growing period

2.4 模型验证与评价

原始光谱经SG多项式平滑法预处理和PCA特征波长选取，使用MATLAB R2018a软件建立光谱数据与SSC的PLSR模型，剖析不同因素对模型精度的影响，结果如表2所示。

表2 不同影响因素的偏最小二乘回归模型Tab.2 Partial least squares regression model of different influencing factors

结果表明：光源距离和光照强度对模型精度产生一定的影响。当光源距离不变时，以H1为例，随着光照强度的逐步增加（L4-L10），模型的Rcal2和Rpre2依次递增，而RMSEC和RMSEP依次减小；当光照强度不变时，以L10为例，随着光源距离由H1（30 cm）减小至H2（27 cm），模型的Rcal2和Rpre2依次递增，而RMSEC和RMSEP依次减小。综上所述，当光源距离为H2、光照强度为L10时，模型的Rcal2和Rpre2分别达到0.893和0.914，与之对应的RMSEC和RMSEP分别为0.254°Brix和0.226°Brix，模型精度最佳。

3 结语

本文通过自搭建可见-近红外透射光谱试验样机，探究光照强度、光源距离和果皮厚度对生长期蜜柚光谱透射率和吸收峰的影响变化规律，得到最佳检测环境和优化参数。在光源距离27 cm（H2）、光照强度10组100W石英卤素灯（L10）、入射角度45°，采集原始光谱经SG多项式平滑法预处理和PCA特征波长选取，所建立SSC与特征波长的PLSR模型，模型校验与预测能力最佳。研究结果能为厚皮水果的品质检测提供数据支持。