近红外光谱检测苹果硬度方法分析

宋 恺

(辽宁装备制造职业技术学院，辽宁 沈阳 110161)

1 水果品质检测技术研究现状

在实际检测过程中可以结合苹果的检测方向选择不同的检测技术。结合检测原理的差异，水果目前无损检测技术分为高光谱检测技术，声学检测技术，x射线检测技术和近红外检测技术等，本文主要对近红外检测方法进行了探究。近红外光谱主要指的是波长范围在1100nm内的红外短波，近红外光谱检测技术可以借助光谱检测手段来获取苹果样品的光谱数据信息，通过计算机和数据分析得出所需检测数据，这也属于苹果品质检测领域中的首选检测技术。

2 苹果品质和近红外光谱作用机理

近红外光谱检测仪在经过苹果样品反射，漫反射之后会携带苹果内部信息，这时就可以获得与苹果品质相关的信息。由于苹果硬度会受到纤维含量和果胶含量的影响，这也使不同硬度的苹果其近红外光谱信息之间差异巨大。通过读取苹果光谱数据可以从中提取苹果品质信息，建立苹果硬度之间的光谱模型，近红外光谱在吸收苹果信息的时候会受到苹果大小的影响，同时对设备光源要求较高，苹果反射光谱和漫反射光谱信噪比相对较低。为了提升整个实验的精确性，需要选择漫反射进行光谱信息的收集。苹果硬度会随着苹果生长时期而变化，这时结合近红外光谱漫反射需求可以在分析苹果硬度的基础上，设计不同采收时间下苹果硬度检测方案，从而构建出较为完善的近红外光谱数据平台，得到最佳漫反射参数，完成苹果硬度光谱测试平台的构建。

3 实验步骤

3.1 实验概述

傅里叶变换近红外光谱仪器具有多通道同时测量的优势，而这一优势也使其在目前苹果硬度测量过程中得到了广泛地应用，在未来无损检测过程中近红外光谱仪器也属于无损检测的主要发展方向。评估品质在实际检测的过程中需要借助近红外光谱检测仪对苹果糖度酸度、可溶性固型物进行相应地检测，但目前对于苹果硬度的红外检测研究还相对较少，由于该领域没有过多的研究结论，导致建立模型的预测精度较低。为了更好地提升苹果应用检测模型的实际预测效果，利用精密度较高的质构分析仪器来对苹果的硬度进行测量，采用傅里叶变换近红外光谱仪器对苹果的红外光谱进行采集，进一步分析频谱图对其进行预处理，提取其中存在的弱光谱信息，发现苹果内部预处理手段和有效共同范围，借助偏最小二乘法定量分析评估来进行红外光谱数据预测实际样本内容。

3.2 实验方法

本次实验使用德国 Bruker光学仪器公司的智能型傅里叶变换近红外光谱仪和智能光纤探头，接收输出漫反射零件进行红外光谱的采集光谱测量。波长范围为833～2500nm，扫描共64次，实际分辨率为8cm-1，苹果真实硬度值在测量的过程中主要使用质构分析仪器，测量探头需要选择0.5mm的源头，插入速度保持在10mm/s，插入深度为5mm。每个样品需要测量4点计算平均值。本次苹果在检测过程中样本共200个，将苹果随机分为检测组和观察组，观察组共150个苹果样本，检测组共50个苹果样本。在相同实验下对苹果的近红外漫反射光谱进行采集，每个苹果样本需要采集4次光谱，同时还需要在苹果最大横径处等距离的4个点面进行4次采集，而这4次采集的近红外漫反射光谱的平行光谱也就等于本次苹果样本的光谱。使用质构分析仪器对苹果应用进行测量，探头需要刺入苹果的内部，同时保证探头的次数，位置与红外光谱采集点相对应，在测量过程中计算机需要自动采集并对次数力度进行记录。在测试样品苹果4个点位均测量完毕后，需要将数据进行平均值计算，而此平均值就是苹果样本的硬度。在实际测验过程中会由于测验仪器，苹果样品以及环境储存等条件对苹果进行影响，导致红外光谱测量过程中会出现噪声，频谱图基线漂移的现象。而为了更好地避免这些外界因素对实际检测结果造成的干扰，就需要利用Bruker公司生产的定量分析仪软件对光谱进行预处理。

3.3 实验结果

模型的建立质量好坏会与苹果检测精准度以及样品参数覆盖范围有着一定的联系，本次检测组和观察组苹果实际硬度水平分为高硬度，中硬度和低硬度。实际以平均值为中心分布，这也表示苹果样品实际检测具有一定的代表性，同时苹果样品检测组的含量范围都保持在观察组范围内，可以更好地对模型质量进行相应的评价。光谱区间的选择能够对光谱数据进行压缩，如果光谱分析区域选择过宽，那么就会增加一些无效信息，如果分析区域选择过窄，那么将会丢掉一些有效信息，从而降低模型准确性。本次实验大部分苹果样品的光谱图形状较为相似，在图形首尾两端都具有较强的噪声干扰，同时在光谱内部含有较为丰富的吸收峰，但是由于不同苹果样品内部的组织结构和化学成分各不相同，因此苹果样品的光谱图播放强度也存在一定差距。为了降低光谱图首尾强噪声区域对实际精确度造成的干扰就需要对其进行预处理，预处理光谱波长范围需要进一步缩短，并在此区域里利用定量分析软件对其进行光谱预处理。最佳光谱范围内部包含了与苹果样品有着直接联系的物质，其中包含了碳水化合物、果胶以及水，这些物质都属于较为典型的吸收波段，而碳水化合物和果胶会出现较为强烈的吸收。因此，可以利用多元散射校正光谱对所给出的信息进行适合的波长选取，使用原始光谱进行建模能够决定系数的高低。实际模型用的预测值和真实预测值决定系数R=0.0150kg/cm2，这也表示模型能够更好地预测苹果硬度，同时还可以符合苹果用的检测精准度的需求，值得在实际检测中得以应用推广。

4 结语

多元散射校正手段属于多波长建模的一种有效数据处理手段，能够消除苹果样品由于散射从而造成的光谱噪声不稳定和基线平移等现象，进一步提升原光谱信噪比，强化苹果样品成分含量和希望度之间的联系，确立待测成分在红外波段的特征以及吸收位置，为波长的最优选择提供相应的数据支撑。