苹果内部成分含量的比较分析及产地溯源

张立欣

（塔里木大学信息工程学院，新疆 阿拉尔 843300）

0 引言

中医认为苹果具有生津止渴、润肺除烦、健脾益胃、养心益气等功效，并且味道酸甜适口，营养丰富，因此成为老幼皆宜的水果之一。中国是世界上最大的苹果生产国，种植面积和产量均占世界50%以上。由于环境因素、土壤特征等不同，导致各地苹果的品质存在差异。例如，阿克苏地区昼夜温差大、光照充足、土壤肥沃、采用冰川雪融水浇灌等特性，使阿克苏苹果的果核部分糖分堆积成透明状，形成了世界上独一无二的“冰糖心”。但是，市场上假冒阿克苏“冰糖心”苹果的现象屡禁不止，因此，研究不同产地苹果的品质差异并进行产地溯源，让消费者明白消费，对提高人民的生活质量，更好地规范交易市场，保证农产品的真实性, 为地理标志产品、地区特征性产品产地真伪鉴别，具有重要的理论意义和现实意义。

苹果的主要成分包括水分、总糖、总酸等，对苹果内在品质的检测靠化学检测方法，虽然化学检测方法准确，但是费时费力，不适合进行大批量操作。光谱分析法可以克服这些缺点实现快速无损检测，尤其是在固体有机物采集及对苹果主要成分的检测分析方面。雷鹰等人[1]利用便携式光谱仪器可以快速、无损地现场检测出苹果糖度。王转卫，陈帅帅，刘亚，樊书祥等人[2-5]结合化学计量学方法，建立的苹果内部成分含量与近红外光谱之间的预测模型精度较高。欧阳爱国等人[6]采用STS 和QE 两款不同光谱仪，搭建的试验平台可实现苹果可溶性固形物含量的测量。

内部成分含量的差异，会导致光谱曲线的差异，为基于光谱技术进行分类奠定了基础。Arana I 等人[7]对来自西班牙Cadreita 和Villamayor de Monjardin 2 个地区的葡萄光谱结合偏最小二乘法建立识别模型，准确率分别达到了97.2%和79.2%。Fu X P 等人[8]采用傅里叶变换近红外漫反射光谱仪对来自于浙江檀溪和淳安的枇杷进行分析，并结合主成分分析- 概率神经网络进行产地鉴别，其校正集和验证集样品的识别率分别为97%和86%，能有效地将2 个地区的枇杷分开。张鹏等人[9]探索近红外光谱定性分析技术鉴别苹果产地的可行性，对天津、陕西和北京3个产地富士苹果，建立主成分分析结合最小二乘法产地鉴别模型，预测集的鉴别正确率为98.33%。

国内外的研究表明，光谱技术在农产品的检测分析中具有广泛的应用，但是应用光谱技术对阿克苏“冰糖心”苹果识别的研究相对较少。以阿克苏“冰糖心”苹果、甘肃花牛苹果、甘肃静宁苹果为研究对象，利用光谱分析的理论和方法，建立苹果的产地识别模型，为无损鉴别阿克苏“冰糖心”苹果提供理论参考，对苹果的产地溯源具有重要意义。

1 材料和方法

1.1 材料

以新疆阿克苏“冰糖心”苹果、甘肃天水花牛苹果、甘肃静宁苹果为试验对象，挑选表面无缺陷、直径范围为65～85 mm、大小均匀的苹果样品，放置在冰柜内保存，试验前分批拿出，待其恢复到室温后开始试验。

试验中所用的高光谱系统为北京卓立汉光公司的Hyperspectral Sorting System 推扫式高光谱分选系统，光谱测定范围900～1 700 nm（实际可测量到1 750 nm），光谱分辨率5 nm，光谱采样点4 nm，样本在室温20～25 ℃环境下进行扫描，对每一个样本进行5×5 感兴趣区域提取平均光谱值，通过ENVI5.3 导出为 Excel 文件。

1.2 测定方法

总糖测定根据GB/T 36058—2018 中所需的仪器设备、试剂及步骤实现。

总酸测定根据GB/T 12456—2008 所需的仪器设备、试剂及步骤实现。

还原糖测定根据GB 5009.7—2016 中直接滴定法所需的仪器设备、试剂及步骤实现。

有效酸度测定借助酸度计（即pH 计） 来测定。

可溶性糖测定根据GB/T 36056—2018 中所需的仪器设备、试剂及步骤实现。

1.3 研究方法

借助于SPSS 软件对苹果的内部成分含量进行差异性分析，在F 检验差异显著的情况下，采用新复极差法进行多重比较分析。

利用不同产地苹果的光谱数据，借助于MATLAB2019b 软件，采用连续投影算法（Successive projection algorithm，SPA） 提取有效波长变量，建立贝叶斯判别分析模型（Bayes discriminant analysis model，Bayes）。

将光谱数据集以3∶1 的比例间隔分为训练集和测试集，依靠训练集建立模型，测试集将通过已经建立好的模型进行验证，以准确率为标准来评判模型的优劣。

2 结果与分析

2.1 苹果内部成分含量的比较分析

为比较“冰糖心”苹果与其他苹果内部成分含量上的差异，选取地理位置上较近的，同样是国家地理标志产品的甘肃花牛苹果和静宁苹果作为对比。

2.1.1 总糖含量的比较

总糖含量的高低是决定果实品质的重要指标之一。

总糖含量的方差分析见表1。

表1 总糖含量的方差分析

由表1 可知，F 检验统计量的值为5.650，显著性检验的p 值仅为0.042，小于0.05。因此，可以得出结论，3 个产地的苹果在总糖含量方面存在显著性差异。

总糖含量的多重比较结果见图1。

图1 总糖含量的多重比较结果

由图1 可知，阿克苏“冰糖心”苹果的总糖含量最高为14.15%，而花牛苹果的总糖含量最低为11.57%，它们之间存在显著的差异。静宁苹果的总糖含量居中，与“冰糖心”苹果、花牛苹果的总糖含量之间的差异不显著。

2.1.2 总酸含量的比较

总酸含量对果实的风味影响很大，是决定苹果味感的重要成分。

总酸含量的方差分析见表2。

表2 总酸含量的方差分析

由表2 可知，F 检验统计量的值为6.382，显著性检验的p 值仅为0.033，小于0.05。因此，可以得出结论，3 个产地的苹果在总酸含量方面存在显著性差异。

总酸含量的多重比较结果见图2。

图2 总酸含量的多重比较结果

由图2 可知，阿克苏“冰糖心”苹果的总酸含量最高为0.26%，而花牛苹果的总酸含量为0.21%，静宁苹果的总酸含量为0.22%，“冰糖心”苹果和花牛苹果、静宁苹果在总酸含量上都具有显著性差异，而花牛苹果和静宁苹果在总酸含量上的差异不显著。

2.1.3 还原糖含量的比较

还原糖含量的方差分析见表3。

表3 还原糖含量的方差分析

由表3 可知，F 检验统计量的值为14.399，显著性检验的p 值仅为0.005，远小于0.05，3 个产地的苹果在还原糖含量方面具有极显著性差异。

还原糖含量的多重比较结果见图3。

由图3 可知，阿克苏“冰糖心”苹果的还原糖含量最低为9.91%，而花牛苹果的还原糖含量为10.80%，静宁苹果的还原糖含量最高为11.12%，“冰糖心”苹果和花牛苹果、静宁苹果在还原糖含量上都具有显著性差异，而花牛苹果和静宁苹果在还原糖含量上的差异不显著。

图3 还原糖含量的多重比较结果

2.1.4 有效酸含量的比较

pH 值的方差分析见表4。

表4 pH 值的方差分析

由表4 可知，F 检验统计量的值为6.708，显著性检验的p 值仅为0.002，远小于0.05，可以得出3 个产地的苹果的pH 值具有极显著性的差异。

有效酸含量的多重比较结果见图4。

图4 有效酸含量的多重比较结果

由图4 可知，“冰糖心”苹果的平均pH 值为4.01，花牛苹果为4.13，静宁苹果为3.97，“冰糖心”苹果和花牛苹果的pH 值具有显著的差异，与静宁苹果的pH 值差异不显著。花牛苹果和静宁苹果的pH 值具有显著性的差异。

2.1.5 可溶性糖含量的比较

可溶性糖含量的方差分析见表5。

表5 可溶性糖含量的方差分析

由表5 可知，F 检验统计量的值为38.742，显著性检验的p 值小于0.001。因此，3 个产地的苹果可溶性糖含量具有极显著性的差异。

可溶性糖含量的多重比较结果见图5。

由图5 可知，“冰糖心”苹果的可溶性糖含量最高为15.39%，而花牛苹果可溶性糖含量最低为12.84%，静宁苹果的居中为13.48%，“冰糖心”苹果和花牛苹果、静宁苹果在可溶性糖含量都具有显著性差异，而花牛苹果和静宁苹果在可溶性糖含量上的差异不显著。

图5 可溶性糖含量的多重比较结果

不同产地的苹果在总糖、总酸、还原糖、有效酸和可溶性糖含量存在差异，成分含量的差异会导致高光谱曲线的差异，为基于高光谱技术对苹果的产地溯源研究提供了信息。

2.2 苹果的产地溯源

2.2.1 光谱特征分析

采集的苹果光谱数据中，剔除异常值后，共得到阿克苏“冰糖心”苹果、花牛苹果、静宁苹果样本各72 个。

原始光谱图见图6。

图6 原始光谱图

由图1 可知，1 060 nm 波段附近有一个明显的波峰，这是N-H 基团的3 倍频带，1 180 nm 处的波谷位于C-H 的3 倍频带，1 440 nm 处的波谷是H2O 2 倍频吸收带等。如果样品的组成相同，则其光谱也相同，反之亦然。因此，高光谱分析法是一种间接的分析技术。在对未知样本产地溯源之前，需要获得样品的光谱数据和产地之间的关联模型。如果建立了光谱与产地的对应关系，只要测得样品的光谱，就能很快判别其产地。

将样本以3∶1 的比例间隔产生训练集和测试集，即得162 个样本组成的训练集和54 个样本组成的测试集。训练集用于建立判别分析模型，测试集用于检验模型。

2.2.2 特征波长选取

波长变量之间具有很强的相关性，全光谱波长变量参与建模，会导致共线性，也会增加模型的复杂性。因此，需要提取体征波长变量来参与建模[10]。连续投影算法（SPA） 通过计算光谱矩阵中某一波长对其他波长的投影，在该波长序列中选取投影量最大的波长作为下一个波长，序列中每个波长都与其前一个波长相关性最小，能最大程度消除共线性对模型的干扰，降低建模过程的复杂度。指定波长数为2～20，采用均方根误差最小来确定最终参与建模的波长变量个数。

SPA 选取变量过程见图7。

图7 SPA 选取变量过程

由图7 可知，随着变量个数的增加，均方根误差呈现递减的趋势，当选取的变量个数为13 时，均方根误差达到0.103 5，此时，再增加有效变量的个数，均方根误差并无明显的减小。因此，选取13 个有效变量作为建模输入自变量。

SPA 选取的变量见图8。

图8 SPA 选取的变量

由图8 可知，小方框对应的横坐标即为有效变量对应的波长，分别为957.98，967.41，992.65，1 053.06，1 098.00，1 140.05，1 271.40，1 338.17，1 392.12，1 439.71，1 588.15，1 633.69，1 686.63 nm。

2.2.3 模型建立

以提取出的特征波长变量作为输入自变量，建立贝叶斯判别分析模型。

Bayes 训练集判别结果见表6，测试集判别结果见表7。

由表6 和表7 可知，Bayes 判别分析模型训练集总准确率为95.68%，测试集总准确率为98.15%。

表6 Bayes 训练集判别结果

表7 测试集判别结果

2.2.4 模型比较

采用目前在光谱定性分析应用较为广泛的偏最小二乘判别分析（PLSDA） 模型进行建模。

PLSDA 训练集的判别结果见表8，PLSDA 测试集的判别结果见表9。

表8 PLSDA 训练集的判别结果

表9 PLSDA 测试集的判别结果

PLSDA 判别分析模型训练集总准确率为85.19%，测试集总准确率为87.04%，低于Bayes 模型的，这是由于苹果内部结构复杂，除了线性关系外，还有非线性关系。因此，具有线性和非线性预测能力的Bayes 模型准确率较高。

3 结论

对3 个不同产地的苹果内部品质的比较研究表明，在总糖、总酸、还原糖、有效酸和可溶性糖含量上，阿克苏“冰糖心”苹果与花牛苹果都具有显著性差异；在总酸、还原糖、可溶性糖含量上，“冰糖心”苹果和静宁苹果具有显著性差异；花牛苹果和静宁苹果在有效酸含量上具有显著性差异，其他成分和静宁苹果无显著性差异。

不同产地苹果内部成分含量的差异导致高光谱曲线的差异。基于高光谱技术的理论和方法，建立苹果产地的Bayes 判别分析模型，其训练集和测试集的准确率分别为95.68%和98.15%，优于PLSDA 模型，可用于苹果的产地溯源。

随着大数据、物联网和云计算的发展，光谱技术将会为智能工厂提供更快、更准、更有用的化学感知信息[11]，解决苹果品质信息无法有效快速获取的关键科技问题，实现对农产品的产地溯源。