基于近红外光谱技术的水果品质检测研究进展

,,, , ,金池

(黑龙江八一农垦大学 食品学院， 大庆 163319)

基于近红外光谱技术的水果品质检测研究进展

宋雪健,王洪江,张东杰,于果,周义,于金池

(黑龙江八一农垦大学食品学院，大庆163319)

综述了近红外光谱技术在水果的糖度、酸度、硬度及Vc含量等指标检测研究的最新进展，分析了近红外光谱技术在水果品质检测中的应用现状，认为近红外光谱技术在水果品质检测方面具有一定的可行性，指出了其存在的问题，并对后续研究进行了展望，以为近红外光谱技术在水果品质检测中的应用和发展提供参考依据。

近红外光谱技术；水果；品质；检测

1 检测理论

近红外光(Near Infrared, NIR)是波长介于可见光(VIS)与中红外光(IR)之间的一种电磁波，美国材料与试验协会(American Society for Testing and Materials, ASTM)将其谱区定义为780～2 526 nm(即波数为12 800～3 960 cm-1，波数的定义是波长的倒数)，是在吸收光谱中的第一个非可见光区。近红外光具有光的“波粒”二象性，物质中红外活性分子的键能与近红外光子发生相互作用，产生近红外光谱吸收。分子在红外光谱区内的吸收产生于两种方式中的任意一种，其一是分子的振动或者转动的状态变化，其二是分子振动或者转动状态在不同能量级间的跃迁。能量跃迁包括基频跃迁、倍频跃迁、合频跃迁，所有近红外吸收谱带都是中红外吸收基频(4 000～1 600 cm-1)的倍频及合频。该光谱区主要体现基频2000 cm-1以上的基团信息，其中以含氢基团为主，包括C-H、O-H、S-H、N-H等，也有其他一些基团的信息(如C=C、C=O等)，但是强度相对较弱。近红外光谱分析技术是利用近红外谱区包含的丰富的物质信息，同时由于吸收带的吸收强度与其分子组成或化学基团的含量有关，所以可用于测定物质的化学成分和分析其物理性质[1]。对某些无近红外光谱吸收的物质，也能够通过其共存的本体物质的近红外光谱的变化，间接地反映其信息。但由于近红外光谱承载的复杂样品信息具有多元性特征，使得从中提取待测量的弱信息变得困难。因此，运用化学计量学算法建立与应用待测量与样品光谱特征间具有容变性的关系模型是近红外光谱分析技术的关键[2]。

近红外光谱的采集方式主要有透射式、漫反射式、透漫射式，其原理示意如图1所示。

透射式Near-IR Transmittance(NIT)：近红外光经单色器或干涉仪后，照射到样品，作用光再经过样品的吸收、散射等过程到达检测器而被接收。漫反射式Near-IR Refectance(NIR)：近红外光照到样品内部，发生反射、折射、吸收等相互作用，使光传播方向不断变化，最终携带样品信息又反射出样品表面而被检测器接收。透漫射式Near-IR Trans-Refectance(NITR)：近红外光照到样品，经作用后穿过样品并发生散射，收集于检测器。因此，近红外光谱的采集技术具有相当大的选择弹性，可依据不同样品物性或环境而改变。

图1 近红外光谱的采集方式示意

3种桃样品的近红外漫反射光谱图，如图2所示，其中在977,1 450,1 929 nm处的吸收峰是水分的特征吸收峰，主要受O-H的各级倍频所影响。在1 200,1 800,2 469 nm处的吸收峰是由淀粉、纤维素及果胶等大分子糖类物质所产生的，主要受C-H与C-O的倍频吸收以及C-H/O-H与O-H/C-O的组合频吸收[3]，这也从理论上验证了利用近红外光谱检测桃可溶性固形物含量的可行性。

图2 3种桃样品的近红外漫反射光谱图

我国的水果种类十分丰富并且产量高居世界首位[4]，但因种植、采摘、贮藏、运输、包装等环节的影响，水果的品质会有所下降，因此，通过对水果品质的检测来完善各环节的工艺，从而提升水果品质已是亟待解决的问题之一。传统的化学分析方法不仅会破坏水果本身，而且分析过程冗杂，稳定性差，时间长；另外，电子鼻技术在水果品质检测中也存在精度低的缺点[5]。高光谱成像技术在水果品质检测中存在不能实时检测的缺点[6]。而近红外光谱技术具有快速、无损、高效，能测定多种组分值等特点[7]，被广泛应用于粮食[8]、肉类[9]、乳品[10]等食品的品质分析中，在水果的产地溯源研究中也有相应报道[11]，同时国内外学者应用近红外光谱技术对水果品质的检测研究也取得了一定的成果[12-13]。

2 检测应用进展

2.1概述

近红外光照射水果时，水果的内外部特征存在差异，从而对近红外光产生不同程度的吸收或者反射等，使水果的组成成分和结构特征被反映到相关的近红外光谱图上，进而从光谱上提取出水果的品质信息,即可实现对水果品质的快速无损检测。多年的研究表明，利用近红外光谱技术能在不破坏样品的前提下，实现对梨、苹果、草莓、桃、柑橘等多种水果的糖度、酸度、硬度、维生素C等多项指标的快速检测。

2.2水果糖度的检测

糖度是衡量部分水果品质的重要指标之一，目前，主要采用糖度计对水果进行糖度测定，但该方法测定时间长且需要破坏样品，同时对于糖度分布不均匀的水果的检测精度相对较低。而近红外光谱技术可以对水果糖度进行高效检测。NICOLAI等[14]利用近红外漫反射光谱(Near Infrared Diffuse Reflectance Spectroscopy，NIDRS)技术在波长800～1 690 nm范围内,利用偏最小二乘法(PLS)对苹果酸度进行检测，结果表明该方法具有可行性。周文超等[15]运用近红外投射光谱技术对80个赣南脐橙的糖度进行检测，结果表明，在波长200～1 100 nm的范围内采用PLS法建立的糖度分析模型预测精度要高于多元线性回归法(MLR)、主成分回归法(PCR)的检测精度，其相关系数为90.32%，预测样本均方根误差为0.2421。王硕等[16]采用NIDRS技术在波长为725～1 000 nm的范围内,结合PLS法建立了糖度分析模型，实现了对小西瓜平均糖度、中糖及边糖的快速检测，并且精度较高。彭海根等[17]利用NIDRS技术在波数5 303～5 600 cm-1、6 205～6 302 cm-1、7 308～7 405 cm-1范围内，采用PLS法对100 个和田冬枣的糖度进行定量分析建模，模型的校正样本均方根误差为0.613，预测样本均方根误差为0.573，相关系数为96.70%，该模型的预测效果较高。

2.3水果酸度的检测

水果中含有许多的有机酸、无机酸和酸式盐等化合物，其中以酒石酸、柠檬酸等为主。酸度作为衡量水果品质的指标之一，不仅能影响水果的风味，而且会随着水果成熟度的变化而变化，同时在水果的加工中对pH的控制能有效地防止酶促褐变的发生。刘燕德等[18]应用NIDRS技术在波数5 461～10 341 cm-1的范围内对120个红富士苹果,采用PLS法建立糖度定量分析模型，其模型的相关系数为97.00%，校正样本均方根误差为0.261，预测样本均方根误差为0.272，模型的精度较高。杨帆等[19]研究发现利用NIDRS技术能实现对来自中国、美国、印度3个国家的98 个苹果酸度的快速检测。赵静等[20]研究发现采用近红外透射光谱技术结合PLS法，能实现对不同放置方式的橘子的酸度检测，其模型的标准偏差都低于0.1，相关系数高于95.00%。

2.4水果硬度的检测

硬度是衡量水果品质及耐贮性的重要指标之一，通常用来确定水果的成熟度与采摘时间，同时也可为制定水果的储藏、包装和运输等环节提供重要参考依据。CAVACO[21]等利用NIDRS技术结合PLS法建立了梨的硬度模型，得到了较好的预测效果。王丹等[22]利用可见/近红外漫反射光谱技术在波长400～2 500 nm范围内,结合改进偏最小二乘法(MPLS)建立的甜柿硬度检测模型的精度较高。同时NIDRS对蓝莓、猕猴桃、苹果等水果的硬度检测也具有一定的可行性[23-25]。

2.5水果中维生素C含量的检测

维生素C不仅是人体必须的营养素，也是衡量水果品质的指标之一。胡润文等[25]研究发现利用NIDRS技术在波数4 246.7～5 176.3 cm-1和7 498.2～8 751.8 cm-1范围内,能实现对脐橙中Vc含量的检测。罗枫等[27]利用NIDRS技术在波长408.8～2 492.8 nm范围内对沙蜜豆樱桃中的Vc含量进行了检测，结果表明，采用MPLS法建立的模型，其校正样本均方根误差为0.258 3，相关系数为87.79%，预测相对分析误差为3.30，该模型对樱桃在冷藏过程中的Vc含量的检测具有可行性。陈辰等[28]利用可见/近红外漫反射光谱技术，应用MPLS法建立了红提葡萄中Vc含量的模型，该模型的预测相对分析误差为3.64，模型的稳定性较高。

2.6水果中可溶性固形物含量的检测

可溶性固形物含量(SSC)是指包括糖、酸、维生素等可溶于水的物质含量，是衡量水果的成熟度、内部品质及食用加工特性的重要参考指标之一。PATRICIA等[29]利用NIDRS技术建立的苹果中可溶性固形物含量检测模型具有较好的预测效果。王铭海等[30]利用NIDRS技术结合移动窗口偏最小二乘法-极限学习机法(MWPLS-ELM),建立了桃中可溶性固形物含量的分析模型。该模型的校正样本均方根误差为0.397，相关系数为99.10%；预测样本均方根为0.497，相关系数为98.30%。陈辰等[31]利用可见/近红外漫反射光谱技术在波长408～1 092.8 nm范围内，采用MPLS法建立的葡萄中的可溶性固形物含量检测模型具有较好的预测效果。

3 存在的问题与发展方向

3.1存在的问题

近红外光谱技术因分析速度快、不污染环境、适用范围广等特点被广泛应用，但也存在一此问题。

(1) 在对样品收集光谱的过程中，容易受到温度、噪声、冗杂光的干扰，需要结合“化学计量法”来提高模型的预测精度，导致近红外光谱技术的发展受到“化学计量法”的制约。

(2) 利用近红外光谱技术对水果品质检测的研究,多数局限于静态的实验室分析，对于动态的工厂在线检测的研究则较为罕见。

(3) 利用近红外光谱技术建立的水果品质检测模型是否具有通用性有待进一步研究，对水果品质的指标进行检测时样本采集数量并未有统一的标准。

(4) 近红外光谱技术存在不能对水果中较低含量成分进行检测的缺点。

3.2发展方向

近年来各国学者应用近红外光谱技术对水果品质检测的研究尝试，目前已取得了阶段性进展，基本形成了近红外光谱技术用于水果品质检测是可行的统一共识。同时也认识到了近红外光谱技术用于水果品质检测的研究中还受很多因素(自然环境和人为环境)的影响，今后还需从以下方面加以研究。

首先，在对水果品质进行检测时应制定统一的样本采集数量标准。其次，开发利用近红外光谱技术建立全面的水果品质检测数据平台来实现水果品质的在线检测具有一定的研究意义。另外，水果品质检测技术也不局限于近红外光谱技术一种溯源方法，可考虑结合多种技术，以优化品质检测模型，提高检测精度，如采取近红外技术和电子鼻技术、近红外技术和高效液相色谱技术等结合的方式。总之，综合考虑技术应用对象、范围、场所、经济等因素选择合适的方法，可推动其在水果产业和水果安全监管中的应用。

[1] 张小超, 吴静珠, 徐云. 近红外光谱分析技术及其在现代农业中的应用[M]. 北京：电子工业出版社, 2012.

[2] 褚小立, 许育鹏, 陆婉珍. 用于近红外光谱分析的化学计量学方法研究与应用进展[J]. 分析化学, 2008, 36(5):702-709.

[3] 杰尔·沃克曼，洛伊斯·文依. 近红外光谱解析实用指南[M].北京:化学工业出版社,2009:49-67.

[4] 王维, 刘东琴, 王佩. 果品分级检测技术的研究现状及发展[J]. 包装与食品机械, 2016,34(6):55-58.

[5] 唐会周. 电子鼻在水果品质评价体系中应用的研究进展[J]. 包装与食品机械, 2011, 29(1):51-54.

[6] 刘燕德, 邓清. 高光谱成像技术在水果无损检测中的应用[J]. 农机化研究, 2015(7):227-231.

[7] 陆婉珍. 现代近红外光谱分析技术[M].北京：科学出版社, 2007.

[8] DAGOU S, RICHARD F C. Inheritance of kernel hardness in spring wheat as measured by near-infrared reflectance spectroscopy[J]. Euphytica, 2016, 209(3):679-688.

[9] NEYRINCK E, SMET S D, VERMEULEN L, et al. Application of near-infrared spectroscopy for the classification of fresh pork quality in cooked ham production[J]. Food and Bioprocess Technology, 2015, 8(12):1-9.

[10] MELFSEN A, HARTUNG E, HAEUSSERMANN A. Robustness of near-infrared calibration models for the prediction of milk constituents during the milking process[J]. Journal of Dairy Research, 2013, 80(1):103.

[11] FU X, YING Y, ZHOU Y, et al. Application of probabilistic neural networks in qualitative analysis of near infrared spectra: determination of producing area and variety of loquats[J]. Analytica Chimica Acta, 2007, 598(1):27.

[12] SIRISOMBOON P, TANAKA M, FUJITA S, et al. Evaluation of pectin constituents of Japanese pear by near infrared spectroscopy[J]. Journal of Food Engineering, 2007, 78(2):701-707.

[14] NICOLAI B M, THERON K I, LAMMERTYN J. Kernel PLS regression on wavelet transformed NIR spectra for prediction of sugar content of apple[J]. Chemometrics & Intelligent Laboratory Systems, 2007, 85(2):243-252.

[15] 周文超, 孙旭东, 陈兴苗,等. 近红外透射光谱无损检测赣南脐橙糖度的研究[J]. 农机化研究, 2009(5):161-163.

[16] 王硕, 袁洪福, 宋春风,等. 小西瓜糖度表征与漫反射近红外检测方法的研究[J].光谱学与光谱分析，2012,32(8):2122-2125.

[17] 彭海根, 罗华平, 彭云发,等. 近红外技术对南疆冬枣糖度无损检测的研究[J]. 农机化研究, 2014(11):146-150.

[18] 刘燕德, 应义斌, 傅霞萍. 近红外漫反射用于检测苹果糖度及有效酸度的研究[J]. 光谱学与光谱分析, 2005, 25(11):1793-1796.

[19] 杨帆, 李雅婷, 顾轩,等. 便携式近红外光谱仪测定苹果酸度和抗坏血酸的研究[J]. 光谱学与光谱分析, 2011, 31(9):2386-2389.

[20] 赵静, 匡立学, 徐方旭,等. 橘子不同放置方式对近红外无损检测有效酸度模型差异性的影响[J]. 中国食品学报, 2014, 14(4):246-250.

[21] CAVACO A M, PINTO P, ANTUNES M D, et al. ‘Rocha’ pear firmness predicted by a Vis/NIR segmented model[J]. Postharvest Biology & Technology, 2009, 51(3):311-319.

[22] 王丹, 鲁晓翔, 张鹏,等. 可见/近红外漫反射光谱无损检测甜柿果实硬度[J]. 食品与发酵工业, 2013, 39(5):180-184.

[23] 薛璐, 刘小路, 鲁晓翔,等. 近红外漫反射无损检测蓝莓硬度的研究[J]. 浙江农业学报, 2015, 27(9):1646-1651.

[24] 刘卉, 郭文川, 岳绒. 猕猴桃硬度近红外漫反射光谱无损检测[J]. 农业机械学报, 2011, 42(3):145-149.

[25] 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.

[26] 胡润文. 脐橙品质近红外光谱分析模型传递方法的研究[D].武汉：华中农业大学, 2011.

[27] 罗枫, 鲁晓翔, 张鹏,等. 冷藏过程中樱桃Vc含量的近红外检测[J]. 食品与发酵工业, 2015, 41(5):173-176.

[28] 陈辰, 鲁晓翔, 张鹏,等. 红提葡萄Vc含量的可见/近红外检测模型[J].食品与机械,2015,31(5):70-74.

[29] PATRICIA P, MARATERESA S, DOLORES P, et al. Evaluating NIR instruments for quantitative and qualitative assessment of intact apple quality[J]. Journal of the Science of Food & Agriculture, 2009, 89(5):781-790.

[30] 王铭海, 郭文川, 商亮,等. 基于近红外漫反射光谱的多品种桃可溶性固形物的无损检测[J]. 西北农林科技大学学报(自然科学版), 2014, 42(2):142-148.

[31] 陈辰, 鲁晓翔, 张鹏,等. 基于可见-近红外漫反射光谱技术的葡萄贮藏期间可溶性固形物定量预测[J]. 食品科学, 2015, 36(20):109-114.

ResearchProgressofFruitQualityDetectionBasedonNearInfraredSpectroscopy

SONGXuejian,WANGHongjiang,ZHANGDongjie,YUGuo,ZHOUYi,YUJinchi

(CollegeofFoodScience,HeilongjiangBayiAgriculturalUniversity,Daqing163319,China)

In this paper, the recent advances in near-infrared spectroscopy techniques for the determination of sugar content, acidity, hardness and Vc content of fruits were reviewed. This paper analyzes the application status of near infrared spectroscopy in fruit quality detection and points out that near infrared spectroscopy has certain feasibility in the detection of fruit quality. The paper also points out the existing problems and research prospects. At the same time, it provides a reference for the application and development of near infrared spectroscopy in fruit quality testing.

near infrared spectroscopy; fruit; quality; detection

TG115.28

A

1000-6656(2017)10-0071-04

2017-05-09

国家科技支撑计划资助项目(2015BAD1605)

宋雪健(1991-)，男，硕士研究生，研究方向为食品加工与质量安全,582572280@qq.com

张东杰(1966-)，男，教授，博士，研究方向为农产品加工及贮藏工程，byndzdj@126.com

10.11973/wsjc201710016