水果内部品质近红外动态在线检测研究进展

摘要：近红外光谱分析技术具有无前处理、无污染、方便快捷、无破坏性、在线检测、多组分同时检测，适于现场检测和在线分析等特点，已经广泛应用于果蔬内部品质的无损检测中。主要介绍了水果近红外光谱在线检测原理及组成，最近几年近红外在线检测技术在水果品质检测方面的国内外研究进展，指出了近红外光谱分析技术尚存在的问题，并对今后的近红外光谱分析技术进行了展望。

关键词：近红外光谱；在线检测；水果；内部品质

中图分类号：O657.33 文献标识码：A 文章编号：0439-8114（2013）10-2242-03

随着人们生活水平的不断提高，人们对水果品质的要求越来越高。不仅注重外部品质（大小、色泽等），同时也越来越关注其内部品质（口感、甜度等）。这就使得在线检测分级尤为重要，近几年广阔的市场需求极大地促进了水果内部品质检测的发展。传统破损式化学检测方法制样繁琐、检测时间长、需要专业人员操作，难以满足大批量水果的在线检测与分级需求。而近红外光谱技术具有无损、效率高、快速、重现性好，适于现场检测和在线分析等特点，已在提高水果生产技术自动化水平和水果质量方面发挥了重要作用[1-7]。

近几年，随着近红外光谱分析技术和化学计量学的不断发展及研究，近红外光谱分析技术在水果品质检测的应用日渐成熟，已经逐渐从实验阶段走向应用阶段，从静态研究向动态在线检测发展；并且在动态在线检测方面取得了实质性的进展[8-11]。本文主要介绍了水果近红外光谱在线检测原理及组成，并简述了最近几年近红外检测技术在水果品质检测方面的国内外发展现状，指出了近红外光谱分析技术尚存在的问题，并对今后的近红外光谱分析技术作了展望。为近红外光谱在线检测技术的推广应用提供参考。

1 近红外在线检测原理及组成

1.1 动态在线近红外检测原理及方式

在进行水果动态在线检测时，光谱通过漫反射或透射或漫透射方式进行采集，如图1所示，透射和漫透射的优缺点是： ①可以测量果实整体；②可以测量厚皮果品；③可以检测果实内部特征；④只限于易透光物料；⑤需要配置高灵敏度、高动态范围检测器。漫透射和透射适宜苹果内部水心、褐腐病及鸭梨内部褐变等情况。漫反射的优缺点是： ①适合多种果品；②只能获取一个方向且为果皮附近果肉信息；③不能测量柑橘之类的厚皮果实； ④在选果线上，近红外线照射位置一定，而果实大小和人工放在输送装置上的果实位置，将使测定位置产生偏差，从而影响测定精度。漫反射适宜检测果皮较薄的桃、梨、苹果等果实的糖酸度[12-15]。

1.2 近红外在线检测分级系统组成及功能

水果近红外光谱在线检测装置一般由机械输送单元、近红外光谱检测单元、信号控制单元、PLC控制单元、分选执行单元等组成，如图2所示。机械输送单元：机械输送装置输送水果，进入可见近红外光谱检测装置工位； 近红外光谱检测单元：检测水果的品质，建立水果的品质与近红外光谱的关系；信号控制单元：在得到水果等级信息时，输送给PLC控制单元；PLC控制单元：在得到水果等级信号时，控制各分选口的执行元件；分选执行单元：执行分选功能，实现不同等级水果的分选。

2 国外水果品质近红外在线检测技术研究现状

Wedding等[16]在针对“哈斯”鳄梨水果的市场分级商品化研究中，对“哈斯”鳄梨进行了傅立叶变换（FT）的近红外光谱（NIRS）漫反射检测，利用近红外光谱技术对“哈斯”鳄梨品质分级检测，其建立的偏最小二乘回归的预测模型DM系数为0.76，均根误差DM范围在1.53%之内。这项研究的结果表明，FT-NIRS漫反射模式对于“哈斯”鳄梨品质分级具有很大的潜力。

Tsai等[17]构建了近红外在线检测梨果的装置，分别用GA-PLS和GA-SPA-MLR方法对样品进行建模，其交叉验证标准误差（SECV）=0.622 Brix，结果表明进行梨果的近红外在线检测是可行的，不过梨果的放置方式对测试精度影响较大。

Mcglone等[18]对高速运动（0.5 m/s）的完整苹果的干物质进行透射检测，并建立了苹果的干物质预测模型，其结果为LAS（大口径谱仪）R2=0.87，RMSEP=0.43%；TDIS（时间延迟积分光谱）R2=0.81， RMSEP=0.48%。结果表明，采用直接透射模式是进行高速水果测量一种可行的选择，速度的选择对试验有一定的影响。

Alain等[19]对新鲜番茄果实的整体品质，特别是番茄红素含量的测定，用VIS-NIR反射光谱进行试验检测，其波长范围在400～1 000 nm，结合化学计量学对番茄的番茄红素含量进行建模。试验结果为R2=0.98，RMSECV=3.15 mg/kg。试验表明，用VIS-NIR反射光谱对番茄红素含量的测定是可行的，对于番茄的多品质含量的测定准确性有待提高。

Patricia等[20]在针对水果的商业化加工生产线的内在品质分级问题上，构建了近红外在线检测李子的装置。其用近红外光谱（NIRS）主要评估了可溶性固形物含量（SSC，°糖度）和硬度（N）完整的李子 （共720份李子）。主要用来获得参考数据和近红外光谱数据的校正模型，交叉验证测定系数（R2）及标准误差（0.77°糖度，0.83），硬度（2.54 N，0.52）。结果表明，近红外光谱技术针对李子的可溶性固形物含量和硬度两项指标，可以很好地进行分级处理，提高了商品质量等级的精度和准确性；对于混合多品种的李子的建模效果较差，达不到商业化标准。

3 国内水果品质近红外在线检测技术研究现状

崔丰娟等[21]的试验采用透射方式采集样品光谱。光谱仪为德国 M.u.T公司的近红外光谱仪，波长范围为 500～1 100 nm，光源为德国欧司朗公司4个型号12 V、100 W的灯，苹果分别以0、0.3、0.6、0.9 m/s的切线速度运动，用偏最小二乘法（PI S）建立苹果糖度的模型，得出最好的模型相关系数为0.938 6，校正标准差RMSEC为0.289 4，最佳主因子数为4。研究结果表明，苹果运行速度对模型的预测结果有影响 ，用每个速度下的大量样品参与建模，可以有效地提高模型的稳健性，从而减少模型对水果运行速度的敏感性；当速度超过范围（阈值0.9 m/s）时，模型的稳定性较差。

刘燕德等[22]在试验中探讨了近红外光谱技术结合发光二极管（LED）组合光源探头在线检测水晶梨的可溶性固形物和大小的可行性（图3）。试验中采用850、880和940 nm 3盏LED组成组合光源探头，水晶梨在线速度5个/s，采用漫反射方式。最好模型的可溶性固形物和大小的相关系数分别为0.86和0.90，预测均方根误差分别为0.58%和1.93 nm。试验表明，应用近红外光谱技术结合LED组合光源探头在线检测水晶梨可溶性固形物和大小具有可行性。

田海清等[23]为使可见/近红外漫透射光谱技术用于西瓜品质在线检测，自行设计加工了运动西瓜光谱采集系统（图4），并进行了样品光谱采集。对运动状态下西瓜品质指标的测定，分别采用最小二乘拟合法、Norris微分滤波等方法进行了光谱的平滑消噪处理，发现Norris微分滤波法更适合该系统采集到的西瓜光谱的平滑消噪处理，建立运动西瓜的可溶性固形物含量模型，校正相关系数为0.895，均方根校正标准偏差RMSEP为0.549，均方根预测标准偏差RMSEP为0.760。

4 近红外动态在线检测技术存在的问题及今后的研究方向

虽然近红外光谱技术的研究持续多年，但大部分还处于试验阶段，只是进行了可行性的研究，没有进行更深入的探讨，而形成产业化、商业化的就更少。主要问题在于：①基础工作量大，建立模型困难（水果品种差异性），模型适应性比较差。建议建立专门的建模研究机构，这样就可以更加深入、专业有效地建立模型，也可以进行国际合作、资源共享。②动态在线检测时，光谱易受周围环境影响（如温度、振动、湿度等），导致其测量精度下降。今后的工作针对周围环境变化实施实时监测，建立反馈系统。③水果的多品质检测还处于比较不成熟的阶段。针对这一问题，今后的工作是在对一种水果的单一品质研究比较完善时，加大其多品质的研究力度。④仪器的性能稳定性不够（如仪器的噪声、基线的漂移、波长的准确性等），引起测量误差。针对这一问题，可以配置稳压电源、建立恒温恒湿系统、设置内标等。⑤在在线检测研究中所应用的模型大多为PLS或是神经网络模型。今后的研究方向是建立可描述的模型，加大对可描述模型研究的力度。

参考文献：

[1] 潘圆媛，刘燕德，孙旭东.水果内部品质近红外动态在线检测研究进展[J].激光与红外，2010，40（8）：805-810.

[2] SUN T， LIN H J， XU H R， et al. Effect of fruit moving speed on predicting soluble solids content of cuiguan pear using PLS and LS-SVM regression[J]. Postharvest Biology and Technology，2009，51（1）：86-90.

[3] 孙 通，徐惠荣，应义斌. 近红外光谱分析技术在农产品/食品品质在线无损检测中的应用研究进展[J].光谱学与光谱分析，2009，29（1）：122-126.

[4] XU H R， QI B， SUN T， et al. Variable selection in visible and near-infrared spectra： application to on-line determination of sugar content in pears[J]. Journal of Food Engineering，2012，109：142-147.

[5] 孙 通，应义斌，刘魁武，等. 梨可溶性固形物含量的在线近红外光谱检测[J]. 光谱学与光谱分析，2008，28（11）：2536-2539.

[6] 王 丽，郑小林，郑群雄. 基于近红外光谱技术的桃品质指标快速检测方法研究[J]. 中国食品学报，2011，11（3）：205-209.

[7] 孙旭东，郝 勇，高荣杰，等.脐橙糖度近红外光谱在线检测数学模型优化研究[J].光谱学与光谱分析，2011，31（5）：1230-1235.

[8] BART M N， KATRIEN B，ELS B， et al. Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy： A review [J]. Postharvest Biology and Technology，2007，46：99-118.

[9] 马海军. 水果品质近红外检测技术研究进展[J].农业科学研究，2011，32（2）：72-76.

[10] 蒋雪萍.近红外光谱分析仪校准方法的探讨[J].化学分析计量，2011，20（1）：80-82.

[11] 姚 胜，武国峰，周舒珂，等.实验误差对近红外模型准确性的影响[J]. 光谱学与光谱分析，2011，31（5）：1216-1219.

[12] 韩东海，王加华.水果内部品质近红外光谱无损检测研究进展[J].中国激光，2008，35（8）：1123-1131.

[13] 章海亮，孙旭东，刘燕德，等.近红外光谱检测苹果可溶性固形物[J].农业工程学报，2009，25（2）：340-344.

[14] 陈香维，杨公明. 猕猴桃糖度傅里叶变换近红外光谱无损检测[J].西北农业学报，2011，20（7）：143-148.

[15] 李东华，徐亚民，纪淑娟，等. 近红外光谱分析技术在果蔬品质无损伤检测方面的应用[J].农业科技与装备，2008（1）：53-54.

[16] WEDDING B B，WHITE R D GRAUF S.Non-destructive prediction of ‘Hass’ avocado dry matter via FT-NIR spectroscopy[J].Journal of the Science of Food and Agriculture，2011，91（2）：233-238.

[17] TSAI C Y，CHEN H J，HSIEH J F，et al. Fabrication of a near infrared online inspection system for pear fruit[J]. International Agricultural Engineering Journal，2007，16（2）：57-70.

[18] MCGLONE V A，CLARK C J，JORDAN R B. Comp-aring density and VNIR methods for predicting quality parameters of yellow-fleshed kiwifruit[J]. Post harvest Biology and Technology， 2007，46：1-9.

[19] ALAIN C， MARTINE D，MARCIA V J. Agric. food chem. nondestructive measurement of fresh tomato lycopene content and other physicochemical characteristics using visible？NIR spectroscopy[J]. Food and Feed chemistry，2008，56（21）：9813-9818.

[20] PATRICIA P， MARIA T. Nondestructive determination of total soluble solid content and firmness in plums using near-infrared reflectance spectroscopy[J]. Food and Feed Chemistry，2008，56（8）：2565-2570.

[21] 崔丰娟，闸建文.近红外透射苹果运动速度模型适用性的研究[J].农机化研究，2010（11）：170-173.

[22] 刘燕德，彭彦颖. 基于LED组合光源的水晶梨可溶性固形物和大小在线检测[J].农业工程学报，2010，26（11）：338-343.

[23] 田海清，应义斌，徐惠荣，等.运动西瓜可见/近红外光谱采集系统及品质检测试验研究[J].光谱学与光谱分析，2009，29（6）：1536-1540.

推荐访问:在线 研究进展 水果 品质 检测