基于可见/近红外光谱的水蜜桃糖度无损检测方法优化研究

张小斌,朱怡航,赵懿滢,陈妙金,孙奇男,谢宝良,冯绍然,顾 清,*

(1.浙江省农业科学院 数字农业研究所,浙江 杭州 310021; 2.宁波市奉化区水蜜桃研究所,浙江 宁波 315502; 3.北京阳光亿事达科技有限公司,北京 100020)

水果的品质主要取决于其外部和内部的质量因素[1-2]。大小、形状、颜色和整体外观等是水果主要的外部品质因素[3-4],而可溶性固形物(SSC)、可滴定酸(TA)、糖酸比(SSC/TA)、淀粉和硬度等是水果主要的内部品质因素[5-6]。水果的内部品质因素测量方法主要分为有损检测和无损检测方法。有损检测方法会对水果造成物理损伤,不利于水果的生长和销售管理。因此,无损检测方法对水果内部品质因素的测量具有重要意义。

目前,近红外光谱技术已在无损检测技术当中发挥了重要的作用[7-9]。Martínez-Valdivieso等[10]利用近红外光谱进行高通量检测胡萝卜素含量,与传统实验方法相比,具有更加快速、简单、安全和低成本的优点;Mishra等[11]利用变量选择和模型更新相结合的方法开发出的近红外光谱模型,能够在不同情况下有效获取梨果实质量参数(如含水量MC 和 SSC);Liu等[12]通过可见/近红外光谱(visible/near infrared spectroscopy,VIS/NIR)预测桃子在贮藏过程中的品质变化过程,并通过该方法有效地分析出了不同环境下水蜜桃的最佳贮藏期,还发现波段选择方法、不同品种种类等因素都会对模型分析结果产生较大影响,水果所处的时期和环境等也会干扰分析结果。Mishra等[13]发现,预处理方法会影响近红外光谱模型最终预测的结果;Mulisa Bobasa等[14]发现,基于不同扫描位置获得的水分和总可溶性固形物数据建立的模型的分析结果存在差异;Pourdarbani等[15]发现,选择有效的波长才能获得最佳的分析结果,并在富士苹果中得到了验证;Mishra等[11]发现,采用近红外光谱对不同时期的水果进行分析时,糖度结果存在较大的差异性。因此,近红外光谱技术虽然在无损检测技术中具有重要的作用,但是需要结合具有代表性的数据集、有效的光谱波段和具有合适的检测位置才能更为精确地预测水果糖度值。Sunforest H100型水果内部品质无损伤检测仪是一款基于近红外光谱技术的无损检测仪器,其检测范围大且检测深度深,并能通过检测获得的光谱数据进行再次建模,自由度高。本文主要借助H100检测仪对水蜜桃糖度进行检测,探究最佳的水蜜桃无损分析模型,同时与其他无损检测仪器进行对比来选取最适合的水蜜桃糖度检测方法,为当前水蜜桃糖度检测提供一定的指导。

1 材料与方法

1.1 供试材料

实验材料为浙江宁波奉化水蜜桃研究所种植基地采摘的白丽、湖景蜜露和新玉3个品种的水蜜桃,共包含3个批次。其中,第1批次在2021年7月14日摘取,品种和个数分别为白丽60个、湖景蜜露60个、新玉60个。第2批次在2021年7月29日获得,摘取的水蜜桃包括白丽、湖景蜜露和新玉3个品种,该批材料将3个品种随机混合起来,共60个水蜜桃。第3批次在2021年7月29日摘取,主要为新玉60个和湖景蜜露60个。

1.2 实验设备

Sunforest H100型水果内部品质无损伤检测仪,该仪器检测波段范围为650～950 nm,光谱分辨率为2 nm,内置可充电锂电池,单次充满电后可连续检测5 000次,并可由用户根据需求自行建立检测模型。ATAGO水果糖度计,PAL-HIKARi系列,根据红外原理计算果实糖度(Brix值),具有设计便携、环境友好、测量快速的优点。久保田K-SS300-LC,根据近红外分光法(波长:600～1 000 nm)对水果进行无损糖度检测,具有测量快速的优点。折射式数字糖度计PAL-1(ATAGO,Japan),也叫糖度折射仪,具有广泛的衡量范围(0～53.0% Brix),适用于几乎任何果汁、食品与饮料的测量。单反相机,型号为佳能EOS 60D,通过相机拍摄获取高质量图片。

1.3 水蜜桃糖度测定方法

采摘得到的3个批次水蜜桃样本大小相近、表面无损伤和疤痕,将其分批次依次编号后如图1-A所示。然后采集所有标记样本的图像,并在当天完成水蜜桃糖度测定。

图1 水蜜桃检测样品编号(A)和内外果实区域分割(B)

对于第1批次水蜜桃,在无损检测之后立即进行有损检测,检测部位为缝合线的两侧靠近赤道位置。

对于第2批次水蜜桃,先对其进行无损检测后立即如图1-B所示进行切割,在将其分为内部果实区域和外部果实区域后,分别进行有损糖度检测,检测部位为缝合线的两侧靠近赤道位置。最后取2个位置的测量平均值作为整个水蜜桃的糖度值再进行分析。

对于第3批次水蜜桃,先各选出30个样品利用H100型水果内部品质无损伤检测仪进行无损糖度检测和硬度检测,然后立即进行有损检测。将剩下的水蜜桃静置于实验室96 h后,再次利用H100检测仪进行无损检测糖度和硬度检测,然后立即进行有损检测。实验期间的环境温度(26±1)℃。

水蜜桃糖度具体参照食品卫生检验方法NT/T2637—2014《水果、蔬菜制品可溶性固形物含量的测定-折射仪法》进行测定。

1.4 数据处理与分析方法

偏最小二乘回归(partial least squares regression,PLSR)是最常用的多元线性校正技术,广泛应用于光谱分析中,用以定量预测水果内部品质。PLSR可以同时分解光谱矩阵X和化学值矩阵Y,消除无用的噪声信息,使PLSR在实际应用中具有更强的鲁棒性。PLSR的回归模型如下:

Y=bX+e。

式中,b为回归系数的向量,e为模型残差。

PLSR将光谱数据投射到一组称为潜在变量(latent variables, LVs)的正交因子上,并使用简单交叉验证等方法来避免由于使用过小或过大的LVs而导致的欠拟合或过拟合。使用The Unscrambler V9.7软件对数据进行PLSR分析,将校正模型应用于预测集或验证集中水蜜桃糖度参数的预测,并通过均方根误差(root mean square error,RMSE)和决定系数(R2)等统计参数进行评价。

最后,通过Matlab R2021a和Microsoft Office Excel 2010软件对数据结果进行统计分析,并利用二次多项式拟合方程的相关系数和标准偏差来评判数据结果的可靠性和有效性。

2 结果与分析

2.1 不同品种数据建模分析比较

对不同品种的水蜜桃光谱数据进行建模并对其进行分析比较,利用The Unscrambler 软件对一组光谱数据进行建模,并通过模型结果来分析其优越性。同时为了更好地说明模型的有效性,本节内容还利用建好的模型结合H100检测仪对各个品种水蜜桃进行测量并与有损检测值进行比较来综合分析模型的优越性。

首先,构建单品种模型(白丽、新玉、湖景蜜露)、两品种模型(白丽+新玉)、三品种模型(白丽+新玉+湖景蜜露),同时为了更好地分析模型的优越性,本节还将模型对各类品种的水蜜桃糖度进行测试并与有损检测值进行比较,结果如表1和表2所示。

表1 H100检测仪的各类模型分析

表2 多品种模型对单一品种的检测结果

从表1中可以看出,基于单品种的光谱数据建立的模型中,新玉模型的R2最高且RMSE值最低,分别为0.98和0.22,检测效果最优。白丽模型的R2较低,为0.92。两种品种混合模型的RMSE最高为0.45。用构建好的模型对各品种的水蜜桃进行测试,从表2的结果中可以看出,混合品种构建的模型平均R2高于单品种构建的模型,并且品种混合越多,平均R2越高。同时,用单品种模型对同一品种进行糖度检测分析时,基于对应品种的模型检测结果最佳,基于其他品种的检测结果则较差,并且低于其他混合品种建立的模型。这说明H100型水果内部品质无损伤检测仪建立的模型虽然R2较高,但是在与有损糖度检测值进行比较分析后,H100检测仪结合模型测得的水蜜桃糖度值与真实值仍存在一定的差距。但是品种越多,所建立的模型表现更优,R2也越高。

2.2 不同仪器在不同水蜜桃品种中检测的区别

为了比较不同类型水蜜桃糖度检测仪的性能,本研究使用较为典型的无损糖度检测仪久保田和ATAGO进行测试,同时利用2.1节构建好的H100模型进行测量,最后将这3款仪器的检测效果进行分析对比,结果如图2所示。

图2 不同仪器在不同水蜜桃品种中的检测

从图2中可以看到,久保田检测得到的3个品种的水蜜桃的糖度值与有损检测糖度值的R2分别为白丽0.832 4、新玉0.877 3、湖景蜜露0.860 3,ATAGO检测得到的3个品种的水蜜桃的糖度值与有损检测糖度值的R2分别为白丽0.570 3、新玉0.702 3、湖景蜜露0.624 4,H100型水果内部品质无损伤检测仪检测得到的3个品种的水蜜桃的糖度值与有损检测糖度值的R2分别为白丽0.914 1、新玉0.962 6、湖景蜜露0.900 4。从结果可以看出,H100无论对哪个品种进行糖度检测,得到的检测结果都明显优于其他两个仪器,ATAGO的检测结果最差。因此,H100检测仪结合有效合理的模型能够提高水蜜桃糖度无损检测的精度。

2.3 水蜜桃不同深度位置处的糖度分析

2.3.1 水蜜桃不同位置的糖度差异性分析

利用1.3节水蜜桃糖度测定方法得到如图3所示的结果。从图中可以说明,内外区域的水蜜桃糖度具有较高的相关性。这说明同一样本的糖度在内外区域分布中具有较高的相关性,同时也说明本文在实验操作过程中尽量避免了由于切割水蜜桃导致实验结果数据的不可靠。这为后续实验结果的准确性提供了基础。

图3 内外区域水蜜桃糖度相关性

水蜜桃外部区域的糖度检测值为12.76,标准差为1.26,而内部区域的糖度检测值为12.49,标准差为1.47,得到的内外区域糖度差为0.27。由此可以说明,外部区域的糖度值和内部区域的糖度值存在差异,并且外部区域的糖度值整体略高于内部区域的糖度值。因此,在检测过程中若没有对水蜜桃样品进行合理采样和分析,极容易导致水蜜桃糖度检测存在较大的差异,从而导致检测值不能合理地表征水蜜桃糖度。

2.3.2 不同设备对水蜜桃内外区域的糖度相关性分析

从图4中可以看到,久保田测得的水蜜桃糖度值与有损外部检测糖度值的拟合程度最高,R2为0.804 3,而与有损内部糖度值的相关性较低,为0.679 6,与有损平均糖度值的相关性为0.756 5。从图中可以看到,ATAGO测得的水蜜桃糖度检测值与有损外部检测糖度值的相关性最高为0.426 0,与有损内部糖度值的相关性较低,为0.276 3,与有损平均糖度值的相关性为0.355 0。H100测得的水蜜桃糖度检测值与外部检测糖度值的相关性为0.693 8,与内部糖度值的相关性较低,为0.685 0,而与有损平均糖度值的相关性最高,R2为0.708 9。因此,从整体上来看,久保田的糖度检测值更加接近真实值,H100次之,ATAGO最差。而其中,水蜜桃内部区域的糖度相关性,H100比久保田略接近真实值。同时,从相关性上来看,利用久保田和ATAGO对水蜜桃果肉的外部区域的检测效果较好,与内部区域的糖度检测值存在较大的差异,其中久保田内外区域的糖度相关性相差0.124 7,ATAGO内外区域的糖度相关性相差0.149 7。H100与有损外部区域的糖度相关性和有损平均糖度相关性比久保田要差,但是H100内外区域的糖度相关性相差非常小,仅为0.008 8。而且,H100的无损检测糖度值与有损平均糖度检测值的相关性反而最高。因此可以说明,H100无损检测获取的糖度值能更好地反映水蜜桃果实的整体糖度水平,而久保田和ATAGO更多地反映了水蜜桃外部区域的糖度水平,无法代表整个水蜜桃的糖度水平。

图4 不同仪器对水蜜桃不同区域的糖度相关性分析

2.4 不同硬度对水蜜桃糖度检测的影响

由于水蜜桃采摘后硬度会逐渐下降,而糖度会逐渐上升[12],因此这个变化过程对水蜜桃糖度检测具有一定的难度,同时对无损糖度检测更加具有挑战性。为了分析糖度无损检测仪在不同水蜜桃成熟度下的检测性能,本节内容选取实验材料中的第3批样品,利用H100设备对不同品种的不同硬度水蜜桃进行糖度检测,分析比较H100无损糖度检测与有损糖度检测的差异性,其中水蜜桃硬度状况如表3所示,H100无损糖度检测与有损糖度检测的相关性如图5所示。

表3 水蜜桃硬度参数

图5 不同品种水蜜桃在不同成熟度下的糖度检测

从图5中可以看到,随着水蜜桃硬度下降,H100无损糖度检测的精度也出现了下降。对于新玉品种,样本平均硬度为5.02时,H100无损检测糖度值与有损检测值的R2为0.962 6,当样本平均硬度为2.70时,H100无损检测糖度值与有损检测值的R2下降至0.791 7。对于湖景蜜露品种,样本平均硬度为5.25时,H100无损检测糖度值与有损检测值的R2为0.900 4,当样本平均硬度为2.25时,H100无损检测糖度值与有损检测值的R2下降至0.756 2。因此,水蜜桃硬度的改变会影响水蜜桃糖度无损检测的精度。

3 讨论

利用不同的无损糖度检测仪对不同品种、不同硬度的奉化水蜜桃进行糖度分析,同时分析了水蜜桃不同深度位置的糖度情况。本文首先通过对H100检测仪的数学模型建立进行分析,分别从数据种类、数据量的大小和波段设立来综合性地分析得到最优模型。但由于品种之间存在差异性,不同品种的可溶性固形物含量不同,因此综合分析后本文选取的模型为3个品种的混合模型,然后将其对不同品种的水蜜桃进行无损糖度检测,并与有损糖度进行相关性分析,相关性的平均值高达0.92。但是对于其他品种在不同时期的水蜜桃糖度测量仍待分析。

利用建立好模型的H100检测仪与另外两款无损糖度检测仪进行分析对比。通过对不同品种的水蜜桃进行糖度分析后发现,H100型检测仪与有损糖度检测仪的相关性最高,而ATAGO无损糖度检测仪与有损糖度检测仪的相关性最低。因此,利用合理有效的数学模型能够大大提高无损检测仪的糖度检测精度。

通过对水蜜桃不同深度位置的糖度进行检测,来分析H100检测仪的准确性高的原因。首先通过有损糖度检测对本文实验所设定的水蜜桃内外部位进行糖度分析,发现内外部位的水蜜桃糖度具有高度的相关性,但是内外部位的水蜜桃糖度具有明显的偏差,差值为0.27,并且体现为外部区域的水蜜桃糖度高于内部水蜜桃糖度。然后将不同品种的内部、外部和内外平均有损糖度检测值与各品种的无损糖度检测值进行分析。结果发现,H100检测仪检测得到的数据与有损内外糖度检测得到的数据,其相关性差异小,而其他两款无损糖度检测仪的相关性差异较大。主要原因在于H100检测仪的实测面广,能穿透的深度深,并且能够结合可自建的数学模型,因此检测得到的分析结果优于其他两款无损糖度检测仪。

通过H100检测仪检测不同硬度的水蜜桃糖度发现,硬度下降会降低水蜜桃无损糖度检测精度。H100型水果内部品质无损伤检测仪主要通过近红外光分析水蜜桃中的SSC,而可溶性固形物由糖、酸、维生素等组成[12]。在水蜜桃采摘后的放置过程中,随着放置时间加长,水蜜桃的硬度会逐渐下降,而糖度逐渐上升。这是一个复杂多变的过程,水蜜桃中各物质都发生较大的改变,因此导致H100检测仪在检测时发生变化。同时对水蜜桃内外区域糖度相关性分析进行了一定的补充,因为水蜜桃果实外部区域的硬度比内部区域的硬度变化得快,从而导致水蜜桃外部区域的糖度检测无法表征整个水蜜桃的糖度,并且解释了H100检测仪在检测硬度不同的水蜜桃时与有损糖度检测值会产生较大差异的原因。

4 结论

研究综合分析了水蜜桃不同品种数据对糖度模型的影响并将其应用到可自建模型的H100型水果内部品质无损伤检测仪。然后利用不同的无损糖度检测仪对不同品种、不同硬度的奉化水蜜桃进行糖度分析,综合体现利用地方品种水蜜桃建模的糖度无损检测技术在水蜜桃糖度检测上的优越性及有效性,为实际生产与消费过程中的水蜜桃糖度检测提供了一定的参考。