APP下载

近红外光谱技术在苹果品质无损检测中的应用

2014-11-28屈亚堃宫元娟

农业科技与装备 2014年6期
关键词:无损检测苹果应用

屈亚堃 宫元娟

摘要:近红外光谱技术是一种高新分析技术,被越来越多地应用于农业领域。概述近年来国内外近红外光谱技术在苹果品质无损检测中的应用情况,分析近红外光谱技术在苹果质检中的应用方向,为果品无损检测技术的发展提供参考。

关键词:近红外光谱技术;无损检测;苹果;应用

中图分类号:O657.61 文献标识码:A 文章编号:1674-1161(2014)06-0032-02

苹果糖酸度和内部损伤等品质信息是苹果分级时所要检测的重要指标。通常判断一个苹果的糖酸度是通过果皮颜色来间接衡量,但表征糖度、酸度的多少还是由其内部可溶性固形物直接决定的。1912年,近红外光谱技术第一次应用于检测空气湿度;如今,近红外光谱技术结合计算机等先进技术得到了飞速发展,并越来越多地应用于农业领域。现介绍近红外光谱检测技术的发展情况,并着重阐述其在苹果检测方面的应用。

1 近红外光谱检测技术概述

近红外光是位于可见光(VIS)和中红外光(MIR)之间波段的电磁波,其波长范围为780~2 526 nm,每厘米波数为3 959~12 820。由于有机分子中含氢官能团(如—OH,—NH,—CH),与近红外光频率振动的合频和各级倍频的吸收区一致,因此通过扫描样品的近红外光谱,便可以得到样品中有机分子含氢官能团的特征信息,进而对样品进行定性及定量分析。

根据探测器接收光的方式,近红外光谱技术可分为透射光谱技术和反射光谱技术。透射光谱波长为780~1 050 nm;反射光谱波长为1 050~2 500 nm。近红外光谱取决于被检测物的成分和组织,并存在一定的函数关系,通过应用化学计量方法进行函数模型校正,就可根据近红外光谱反向预测被检测物成分及含量。目前常用的校正方法有偏最小二乘法(PLS)、多元线性回归(MLR)、主成分分析(PCA)、人工神经网络(ANN)等。

2 近红外光谱技术在苹果品质检测中应用现状

苹果中的水分、碳水化合物(总糖和酸)、蛋白质、脂肪、果胶、维生素等是构成其品质的主要成分;纤维素、黄酮、激素等对苹果的风味、口感等品质具有重要影响;而农药、微生物、有机化学品等污染是导致苹果质量下降的重要因素。利用近红外无损检测技术可以完全有效地检测上述几种物质,实现苹果营养成分测量、口感检测和商品化评价检测等目的。

2.1 营养成分测量

苹果营养成分测量目前主要针对苹果的糖度、酸度、果胶等成分的测量。大多采用近红外漫反射技术对苹果主成分进行定量分析,也有少部分采用近红外透射技术;同时,配合化学计量法,对光谱数据进行多元统计分析。例如:赵杰文等人利用波长为1 300~

2 100 nm的近红外光谱仪对水晶富士苹果进行糖度检测,采用主成分回归(PCR)和偏最小二乘法(PLS)对试验数据进行统计分析,得到校正集的相关系数rc和校正标准偏差SEC分别为:0.966 7和0.391 1(PCR法),0.967 9和0.377 5(PLS法);预测集的相关系数rp和校正标准偏差SEP分别为:0.934 0和0.523 8(PCR法),0.938 7和0.505 4(PLS法)。说明各种校正模型对于利用近红外光谱预测水晶富士苹果糖度均有很高的相关系数。

2.2 口感检测

苹果口感检测指标包括苹果硬度、果皮厚度、含水量,以及纤维素等成分的含量。目前多采用近红外漫反射技术,结合相应的校正模型,进行建模和预测。例如:李桂峰等人采用傅里叶变近红外光谱仪,在1 408~2 355 nm波段对富士苹果硬度指标进行检测,利用偏最小二乘法(PLS)建立模型,得到模型的决定系数R2为0.985 2,内部交叉验证均方根差RMSECV和预测标准偏差RMSEP分别为0.039 8 kg/cm2和0.016 6 kg/cm2;并进一步通过提出异常优化模型的R2为0.990 8,RMSEP为0.014 7 kg/cm2。结果表明:试验所建立的模型可靠,预测效果好,能满足苹果硬度检测要求。

2.3 商品化评价检测

苹果商品化评价指标包括农药残留含量、植物生长调节剂、内部褐变等信息。目前检测多为全谱扫描后,选择特定的几个波段,进行结构判断分析。例如:韩海东等人利用可见近红外连续透射技术(650~900 nm)对富士苹果的内部褐变进行研究,分析其光谱特性,选择715,750和810 nm这3个特征波长进行褐变果判别分析。具体方法为:全谱采集后,将苹果沿赤道切开,用CCD成像技术结合图像处理软件,计算褐变所占面积,划分褐变等级。结果表明:样品的正确判别率达到95.65%,可基本满足实际生产要求,因此利用近红外光谱技术检测苹果内部褐变是可行的。

3 近红外光谱技术在苹果品质检测中应用需研究的问题

近红外光谱技术虽然具有无损检测、适用范围广等特点,但作为一种间接检测方法,其与传统的检测手段相比,存在两方面不足:一是定量分析中的精度问题,二是苹果物理特性和环境因素的影响问题。这二者是制约近红外光谱技术走出实验室与实际生产相结合的“瓶颈”问题,需要科研工作者和仪器厂家共同关注。

3.1 定量分析中的精度问题

近红外光谱分析仪器的定量分析精度问题体现在两方面:一是与其自身的信噪比、波长稳定性、有效检测范围、检验重复性等有关;二是所参考理化分析方法的精度,也直接影响定标模型所给出的测量结果精度。因此,要想进一步提高理化参考分析方法的精度,提高仪器测得的近红外光谱吸光度数据与理化分析值的相关性等,也需要理化学科同步发展。

3.2 苹果物理特性和环境因素影响问题

在对同一品种的苹果进行某一指标的近红外光谱检测时,苹果的大小及形状、照射位置的不同都会对模型的建立和预测结果有显著影响,所以目前的苹果分级流水线为解决这一问题,大都采用多种检测仪器配合使用。例如,在近红外光谱检测前,利用质量传感器、CCD成像传感器和位置传感器等仪器先进行初步分级分选。

另外,同一品种的苹果受环境因素(温度、湿度、储藏时间等)影响,其内部品质会随时间推移而发生变化。例如,用对某一品种苹果的某一品质在采摘时所作的定量建模,去预测储藏很久的苹果,则所得的结果并不能反映其真实值。目前,对于综合考虑各种环境因素的方法,尚待研究与探索。

4 结语

我国是苹果生产大国,但苹果分级方式却相对落后,因此苹果的深层次分级日益受到关注。近红外光谱技术作为无损检测的主要手段,完全适用于苹果的检测。目前存在的主要问题有:一是部分流水线上的设备只能检测苹果的单一性状指标;二是苹果的近红外光谱数据库不完善。今后近红外光谱检测的一个主流方向就是在线无损检测,即在丰富的近红外光谱数据库前提下,对于不同的检测物及检测指标,调取相应的数学模型进行检测。

参考文献

[1] WILLIAMS P,NORRIS K.Near-infrared technology in the agricultural and food industries[M].Minnesota:American Association of Cereal Chemists,1987.

[2] KIM M S,LEFCOURT A M,CHAO K.,et al.Multispectral detection of fecal contamination on apples based on hyperspectral imagery: Part I.application of visible and near-infrared reflectance imaging[J].Trans of the ASAE,2002,45(6):2 027-2 037.

[3] 刘建学.实用近红外光谱分析技术[M].北京:科学出版社,2008.

[4] 赵杰文,张海东,刘木华.利用近红外漫反射光谱技术进行苹果糖度无损检测的研究[J].农业工程学报,2005,21(3):162-165.

[5] 李桂峰,赵国建,刘兴华,等.苹果硬度的傅里叶变换近红外光谱无损检测[J].农业机械学报,2009,40(1):120-123.

猜你喜欢

无损检测苹果应用
收获苹果
应力波反射法测锚索长度的数据处理软件设计与实现
中子照相技术及其在考古中的应用
GM(1,1)白化微分优化方程预测模型建模过程应用分析
煤矿井下坑道钻机人机工程学应用分析
气体分离提纯应用变压吸附技术的分析
会计与统计的比较研究
拿苹果
会说话的苹果