基于近红外光谱技术的柑橘罐头品质测定方法的研究

曹江娜，张　俊，，*，陆胜民（.南京农业大学食品科技学院，江苏南京0095；.浙江省农业科学院食品科学研究所，浙江省果蔬保鲜与加工技术研究重点实验室，浙江杭州300）

基于近红外光谱技术的柑橘罐头品质测定方法的研究

曹江娜1，张俊1，2，*，陆胜民2
（1.南京农业大学食品科技学院，江苏南京210095；2.浙江省农业科学院食品科学研究所，浙江省果蔬保鲜与加工技术研究重点实验室，浙江杭州310021）

为了快速检测柑橘罐头主要营养指标的含量，实验对柑橘罐头进行光谱采集，通过偏最小二乘（PLS）线性拟合建立关于柑橘罐头总糖、总酸、黄酮和维生素C的近红外定量分析模型。通过分析比较不同的光谱预处理方法对近红外光谱模型的影响，其中经归一化预处理后建立的总糖和黄酮模型最优，相关系数分别为0.9156和0.9147，交互验证均方根误差（RMSECV）为0.6305%和2.7028 mg/100 g；平滑预处理后总酸的相关系数为0.8921，RMSECV为0.0539%；以原始光谱数据建立的维生素C模型的相关系数为0.9129，RMSECV为1.4323 mg/100 g；预测集总糖、总酸、黄酮和维生素C的相关系数分别为0.8519、0.8106、0.8334和0.8425，预测均方根误差（RMSEP）为0.8969%、0.0638%、3.6055 mg/100 g 和1.9732 mg/100 g。实验结果表明：应用近红外光谱技术测定柑橘罐头中总糖、总酸、黄酮和维生素C的含量是可行的。

柑橘罐头，近红外光谱，总糖，总酸，黄酮，维生素C

橘片罐头是我国柑橘加工行业的主导产品，出口量占世界贸易量的80%以上［1］。评价柑橘罐头品质的方法主要有感官评价和仪器分析。感官评价主要依赖于评审专家的个人因素和主观条件，评价结果因人而异；而仪器分析检测过程繁琐，且大多要求对样品进行前处理，对操作条件要求较高且实验结果可重复性差。这两种常用的检测方法均难以满足食品工业化发展对简便、快捷、客观的要求［2］。

近红外光谱技术是一种将被测样品的光学性质（如反射、透射、吸收）与化学计量学结合来确定相关成分含量的快速检测技术［3］，具有对样品前处理要求低，安全系数高，低成本，高效率等特点，现已被广泛地应用于果蔬内部品质检测［4-7］，但应用近红外光谱技术同时检测罐头中的多种成分报道较少。

本研究以柑橘罐头为研究对象，通过比较不同光谱预处理对模型性能的影响，建立柑橘罐头总糖、总酸、黄酮、维生素C含量的偏最小二乘（Partial Least Squares，PLS）模型，为实现柑橘罐头内部品质的快速检测提供参考。

1　材料与方法

1.1材料与仪器

柑橘罐头样品1浙江台州一罐食品有限公司，采用马口铁包装，净含量为425 g，其中固形物（橘瓣）占总重量的55%；柑橘罐头样品2丰岛集团股份有限公司，马口铁包装，净含量500 g，其中固形物为300 g；温州蜜柑来源于杭州下沙蔬菜水果批发交易市场，选取大小均一，色泽较好，无明显病虫害的温州蜜柑用于柑橘罐头的制作；抗坏血酸标准品Sigma公司，纯度≥99%；橙皮苷标准品上海士锋科技有限公司，纯度≥98%；葡萄糖标准品Sigma公司，纯度≥99.5%；三氯乙酸、邻菲罗啉、氯化铁、无水乙醇、85%磷酸、苯酚、硫酸、一缩二乙二醇、柠檬酸、氢氧化钠均为分析纯。

DA 7200近红外光谱仪瑞典波通仪器公司；801 Stirrer自动点位滴定仪瑞士万通集团；UV 1800紫外分光光度计日本岛津公司；DS-1高速组织捣碎机上海标本模型厂。

1.2实验方法

1.2.1柑橘罐头的制作参照丰岛集团股份有限公司罐头的制作方法稍作修改。将温州蜜柑于100℃水中热烫30 s，剥皮分瓣，浸泡于体积分数为0.4%的盐酸溶液中30 min，用清水清洗后用质量分数为1.2% 的NaOH溶液浸泡45 min，清水漂洗后进行灌装，其中橘瓣的质量占柑橘罐头重量的60%，糖水（糖度为18 Brix°，pH=3）为40%，分别采用玻璃瓶和高阻隔瓶进行包装，确保罐头的中心温度达到80℃时进行杀菌处理30 min，迅速冷却，于25℃下贮藏。

1.2.2光谱的扫描将柑橘罐头置于高速组织捣碎机中匀浆，静置30 min，待仪器稳定后进行装样扫描。波长范围为：950～1650 nm，分辨率为5 cm-1，每个样品扫描3次且重复装样2次，取平均值作为单个样品的原始光谱数据，每次扫描时保持外部环境条件一致，以减小系统误差。

1.2.3样品集的划分将三种不同来源的柑橘罐头按照4∶1的比例随机分为校正集和预测集，于25℃条件下贮藏，分别供建模和模型验证使用。

1.2.4化学指标测

1.2.4.1总糖含量测定采用苯酚硫酸比色法测定［8-9］。

1.2.4.2总酸含量测定用酸碱滴定法测定［10］。

1.2.4.3黄酮含量测定参照农业标准NY/T 2010～ 2011《柑橘类水果及制品中总黄酮含量的测定方法测定》［11］。

1.2.4.4VC含量测定用紫外分光光度法测定［12］。

1.3数据处理

光谱数据由DA7200自带的分析处理软件进行转化并对每个样品的6条光谱求平均值，通过CAMO公司的Unscrambler 9.7对原始光谱进行一阶导数、平滑、标准化等预处理，减少由于样品的复杂性和仪器本身对模型的干扰，提高分析信号的信噪比，建立校正集PLS模型。通过内部交互验证和外部未知样品验证来评价模型的性能，以相关系数r，交互验证均方根误差（Root mean square error of cross validation，RMSECV）和预测均方根误差（Root mean square error of prediction，RMSEP）为评价指标。

2　结果与分析

2.1柑橘罐头的透射光谱

图1为柑橘罐头样品的原始近红外谱图，由于原始谱图包含一些与样品性质无关的信息，因此有必要对原始光谱数据进行预处理。图2为经一阶导数处理后的柑橘罐头光谱图。从图1可以看出，在1280～1370 nm波长范围内光谱严重重叠，没有明显的吸收峰，经一阶导数处理后，出现了明显的吸收峰，且同图1相比，强化了谱带信息，使物质的吸收峰更加明显。

图1　柑橘罐头的原始光谱图Fig.1　Original spectrum of canned citrus

图2　柑橘罐头的一阶导数光谱图Fig.2　The first derivative spectra of canned citrus

2.2相关化学成分的测量值

由常规理化分析方法测定结果显示，预测集样品总糖、总酸、黄酮、维生素C含量均在校正集样品的范围之内，即用校正集样品建立的关于四种物质含量的PLS模型可用于预测集的预测。理化分析结果如表1所示。

2.3近红外光谱模型的建立及预测效果

2.3.1异常值的剔除在建立柑橘罐头近红外光谱定量分析模型时常常会出现即使选择了最佳主因子数，标准值和预测值之间仍会出现较大残差的现象，即校正集样品中存在异常样品。异常样品是指由理化分析方法测得的标准值与光谱数据之间存在较大误差以及样品的光谱或化学测定值与校正集中样品的平均值之间存在显著性差异的样品［13］。异常样品将直接影响校正模型的精度，降低模型的稳定性和预测性能，必须予以剔除。以未经过光谱预处理的120个校正集样品的平均光谱数据建立PLS模型，并通过交互验证评价模型的性能。根据残差法逐一剔除异常值，只有当相关系数r增大，交互验证均方差RMSECV减小时才可确定所选样品为异常样品，否则应予以保留。表2和表3中的定量分析模型均是在剔除异常样品的基础上建立的。

2.3.2最佳主因子数的选择建立PLS模型要选择恰当的主因子数，若主因子数较少，不能充分反映被测样品相关组分与光谱变化之间的关系，如果选择较多的主因子数，就会将一些与样品无关的如代表噪声的主因子数添加到模型中，出现过度拟合［14］。计算1～20个主因子数的残差值结合RMSEP确定最佳主因子数。以原始光谱数据建立的柑橘罐头总酸模型为例，图3反映了主因子数与残差之间的关系，当主因子数为1时，残差值为0.0141，随着主因子数的增加，残差值逐渐降低，当主因子数为9时，残差值最小为0.0062，当主因子数大于9时，残差随主因子数的增加而增加，即最佳主因子数为9。

图3　最佳主因子数与残差关系图Fig.3　Best of principal components and residual graph

表1　柑橘罐头相关理化指标分析结果Table 1　Canned citrus analysis results related to the physical and chemical indicators

表2　不同预处理方法对柑橘罐头总糖和黄酮模型的影响Table 2　Different pretreatment methods on total sugar and flavonoids model of citrus canned

表3　不同预处理方法对柑橘罐头总酸和维生素C模型的影响Table 3　Different pretreatment methods on total acid and vitamin C model of citrus canned

2.3.3光谱预处理方法的选择

2.3.3.1柑橘总糖和总黄酮含量的PLS模型不同的光谱预处理方法对近红外光谱定量分析模型的性能有较大的影响，由表2可知，原始光谱数据建立的柑橘罐头总糖和黄酮含量的PLS模型r分别为0.8719 和0.8977，基本上可满足定量分析的需要。关于柑橘罐头总糖含量的PLS模型，经归一化、标准正态变量变换（Standard normal variable correction，SNV）、一阶导数&归一化等处理后的定量分析模型精度均高于原始光谱数据，其中以归一化、基线校正&归一化两种光谱预处理方法所建模型效果较优，从最佳主因子数分析，基线校正&归一化主因子数较多，为防止过度拟合选择经归一化预处理后的光谱数据建立的柑橘罐头总糖定量分析模型为最佳。关于黄酮的PLS模型，经Savitzky-Golay平滑、归一化、平滑&归一化处理后模型的性能有显著提高，其中归一化模型的相关系数较原始模型提高了1.7%，交互验证均方差有所下降但幅度不大。经归一化处理的光谱信息可以校正因样品散射而引起的光谱误差，能更准确地反映柑橘罐头中总糖和黄酮的含量信息，建立PLS模型性能高于其他光谱预处理方法。

2.3.3.2柑橘罐头总酸和维生素C含量的PLS模型由表3可知，通过归一化处理建立的关于柑橘罐头总酸和维生素C模型性能并未得到改善甚至有所降低，这可能是与柑橘罐头中总酸和维生素C的含量较低，且含量范围较小有关。经光谱预处理后，在降低干扰因素的同时去除了部分有效光谱信息，如一阶微分可以消除基线漂移，但会放大噪声。通过分析比较，只有Savitzky-Golay平滑通过提高平滑噪音增加信噪比使柑橘罐头总酸的定量分析模型稍有改善，但无论是相关系数还是交互验证均方差变化都不大。而柑橘罐头中的维生素C见光易分解，随贮藏时间的延长损失较大，导致化学值的测定准确性较差，且含量较低，导致光谱数据中相关信息易被其他宏量物质掩盖，这些问题均增大了建模的难度，经光谱预处理，可能使部分信息丧失，导致预处理模型的相关系数均较原始模型0.9129低，交互验证均方差也大于1.4323 mg/100 g，模型精度下降。

2.3.4优化模型的建立及预测效果根据分析结果选择最恰当的光谱预处理方式建立关于柑橘罐头总糖、总酸、黄酮以及维生素C含量的最佳PLS模型，并通过对30个未知样品相关含量的预测验证模型的准确性及稳定性，验证结果如图4～图7所示。预测集中总糖、总酸、黄酮和维生素C的相关系数r分别为0.8519、0.8106、0.8334和0.8425，RMSEP分别为为0.8969%、0.0638%、3.6055 mg/100 g和1.9732 mg/100 g，基本上可用于柑橘罐头相关物质含量的预测。其中，总酸的预测效果较维生素C、总糖和黄酮差，由图5和图7可

图4　柑橘罐头总糖含量优化模型预测结果Fig.4　Optimized predictive model of total sugar content of citrus canned

图6　柑橘罐头黄酮含量优化模型预测结果Fig.6　Optimized predictive model of flavonoids content of citrus canned

图7　柑橘罐头维生素c含量优化模型预测结果Fig.7　Optimized predictive model of Vitamin C content of citrus canned

3　结论

本实验将近红外光谱技术和化学计量学结合，在960～1650 nm波长范围内建立了柑橘罐头总糖、总酸、黄酮和VC含量的定量分析模型，并通过对未知样品的预测来评估模型的性能，预测集总糖、总酸、黄酮和VC的相关系数分别为0.8519、0.8106、0.8334 和0.8425，预测结果表明所建模型稳定性较好，可用于测定柑橘罐头中总糖、总酸、黄酮和维生素C的含量，为实现柑橘罐头营养指标的快速检测提供理论依据。

［1］单杨.中国柑橘工业的现状、发展趋势与对策［J］.中国食品学报，2008，8（1）：1-8.

［2］王俊，崔绍庆，陈新伟.电子鼻传感技术与应用研究进展［J］.农业机械学报，2013，44（11）：160-167.

［3］毛莎莎，曾明，何绍兰，等.近红外光谱技术在水果成熟期预测中的应用［J］.亚热带植物科学，2010，39（1）：82-89.

［4］Cao Fang，Wu Di，He Yong.Soluble solids content and pH prediction and varieties discrimination of grapes based on visible near infrared spectroscopy［J］.Computers and electronics in agriculture，2010（71）：15-18.

［5］R Ferrer-Gallego，J M Hernandez-Hierro，J C Rivas-Gonzalo，et al.Determination of phenolic compounds of grape skins during ripeningbyNIRspectroscopy［J］.LWT-FoodScienceand Technology，2011，44（4）：847-853.

［6］Jiangbo Li，Wenqian Huang，Liping Chen，et al.Variable Selection in Visible and Near-Infrared Spectral Analysis for Noninvasive Determination of Soluble Solids Content of‘Ya’Pear［J］.Food Anal，2014，7：1891-1902.

［7］Aichen Wang，Lijuan Xie.Technology using near infrared spectroscopic and multivariate analysis to determine the soluble solids content of citrus fruit［J］.Journal of Food Engineering，2014，143：17-24.

［8］吴晓红，陈宝宏，李小华.柑橘类水果中总酸与总糖的测定［J］.食品研究与开发，2012，33（9）：144-146.

［9］李文生，冯晓元，王宝刚，等.应用自动电位滴定仪测定水果中的可滴定酸［J］.食品科学，2009，30（4）：247-249.

［10］刘志明，唐彦君，吴海舟，等.苯酚-硫酸法测定葡萄酒中总糖含量的样品处理［J］.中国酿造，2011（2）：158-161.

［11］NY/T 2010-2011柑橘类水果及其制品中总黄酮含量的测定［S］.2011.

［12］曹建康，姜微波，赵玉梅.果蔬采后生理生化实验指导［M］.北京：中国轻工业出版社，2007.

［13］闵顺耕，李宁，张明祥.近红外光谱分析中异常值的判别与定量模型优化［J］.光谱学与光谱分析，2004，24（10）：1205-1209.

［14］夏俊芳.基于近红外光谱的贮藏脐橙品质无损检测方法研究［D］.武汉：华中农业大学，2007.

Study on the method of canned citrus quality measurement based on the Near-infrared spectroscopy

CAO Jiang-na1，ZHANG Jun1，2，*，LU Sheng-min2
（1.Institute of Food Science and Technology，Nanjing Agricultural University，Nanjing 210095，China；2.Institute of Food Science，Zhejiang Academy of Agricultural Sciences，Key Laboratory of Fruits and Vegetables Postharvest and Processing Technology Research of Zhejiang Province，Hangzhou 310021，China）

In order to quickly detect the contents of main nutrition indicators of canned citrus，the experiment was conducted to spectral acquisition of canned citrus，by Partial Least Squares（PLS）linear fit to establish Nearinfrared quantitative analysis model on canned citrus total sugar，acid，flavonoids and vitamin C.Analyzed and compared the effects of different spectral pretreatment methods on Near-infrared spectroscopy models，in which the normalized model of total sugar and flavonoids were optimal，correlation coefficients were 0.9156 and 0.9147，root mean square error of cross-validation（RMSECV）were 0.6305%and 2.7028 mg/100 g.Smoothed model of total acid correlation coefficient was 0.8921，RMSECV was 0.0539%.Model of vitamin C based on raw spectral data whose correlation coefficient was 0.9129，RMSECV was 1.4323 mg/100 g.Through validation，prediction set of total sugar，total acid，flavonoids and vitamin C correlation coefficient were 0.8519，0.8106，0.8334 and 0.8425，predict root mean square error（RMSEP）were 0.8969%，0.0638%，3.6055 mg/100 g and 1.9732 mg/100 g.The results showed that Near-infrared spectroscopy for rapid detection of canned citrus total sugar，total acid，flavonoids and vitamin C content was feasible.

canned citrus；Near-infrared；total sugar；total acid；flavonoids；vitamin c

TS207.3

A

1002-0306（2016）04-0068-05

10.13386/j.issn1002-0306.2016.04.004

2015－05－22

曹江娜（1990-），女，硕士研究生，研究方向：农产品贮藏与加工的研究，E-mail：cjn02chx@163.com。

张俊（1977-），男，博士，副研究员，研究方向：农产品贮藏与加工，E-mail：hunterzju@163.com。

国家现代农业（柑橘）产业技术体系专项资金资助（2011R15A24A01）。