[J][2012]近红外光谱分析技术在我国大宗水果品质无损检测中的应用研究进展

苏东林1，2 ，李高阳2 ，何建新1 ，张菊华2 ，刘 伟2 ，朱向荣2 ，单 杨1，* （ 1.湖南省农业科学院，湖南省农产品加工研究所，湖南长沙 410125；
2.湖南省食品测试分析中心，湖南长沙 410125）
摘 要：近红外光谱分析技术因具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低等特点，已成为 20 世 纪 90 年代以来发展最快、最引人注目的现代定量分析技术，广泛应用于农产品、食品的品质检测。本文概述了近几年 来国内在近红外光谱技术应用于大宗水果内部品质检测的最新研究进展； 指出其存在的问题并对其发展进行展望； 提 出了近红外光谱分析技术将会与网络技术相结合，实现模型的在线更新与升级； 同时，光谱成像技术将成为 21 世纪近 红外光谱分析技术的发展趋势； பைடு நூலகம்期对我国相关研究人员的工作提供参考。 关键词：近红外光谱，大宗水果，无损检测，研究进展，展望
1.3 维生素
夏俊 芳 等 采 用 偏 最 小 二 乘 法 交 叉 验 证 法 （ PLC－ CV） 建立脐橙 VC 含量数学模型，预测值与真 实值的 r = 0.9574、内部交叉验证均方差 RMSECV = 3.9mg /100g、主成分数 PC = 8［15］。刘燕德等建立南丰 蜜桔 VC 含 量 的 可 见 / 近 红 外 漫 反 射 主 成 分 分 析 （ PCA） 定标模型，预测 r = 0.813、RMSEP = 2.112mg / 100g、预测偏差 PE = －0.810mg /100g［16］。
detection since 1990’s because of its characteristics such as very high speed，no sample preparation，
nondestruction，no pollution，low cost etc. Many research works have been done on fruit quality detection using
收稿日期：2011－07－26 * 通讯联系人 作者简介：苏东林（ 1979－ ） ，男，工学硕士，助理研究员，研究方向： 食
品生物技术及农产品精深加工。 基金项目： 公益性行业（ 农业） 科研专项（ 200903043－04－01） 。
460
按照出口标准对水果品质进行分级［2］。传统的水果 内部品质检测主要依靠破坏性 （ 化学分析） 检验方 法，耗时、费力、成本高，难以满足快速分级分选的实 际要求； 随着科技的进步，无损（ 非破坏） 检测技术逐 渐应 用 到 水 果 检 测 中。 近 红 外 光 谱 技 术 （ Near Infrared Spectroscopy Technology） 是利用物质对光的 吸收、散射、反射和透射等特性来确定其成分含量的 一种 非 破 坏 性 检 测 技 术，具 有 快 速、非 破 坏 性、无 试 剂分 析、安 全、高 效、低 成 本 及 同 时 测 定 多 种 组 分 等 特点［3］。应用近红外光谱技术对水果品质进行无损 检测已成为 近 年 来 的 研 究 热 点，国 外 许 多 学 者 相 继 开展 了 对 柑 橘、苹 果、梨、桃 品 质 进 行 无 损 检 测 的 研 究工作并 卓 有 成 效［4－9］。本 文 将 着 重 介 绍 国 内 在 最 近 5 ～6 年中，利用近红外光谱技术在大宗水果品质
2.Hunan Food Test and Analysis Center，Changsha 410125，China）
Abstract： The near infrared spectroscopy（ NIRS） technique has found wide application in products and food quality
in recent years were summarized briefly.At the same time，the existing problems of NIRS were pointed out and the
prospect of NIRS technique was discussed. Finally，NIRS technique would combine with network technique to
NIRS technique both home and abroad，from static laboratory investigations to online investigations.In the present
paper，many latest studies and analysis process focused on NIRS to determine the big yield fruits’quality in China
1.4 多成分检测
袁雷等建立柑橘中总酸、总糖和维生素 PLS 预 测模型并进 行 优 化，化 学 值 与 预 测 值 的 相 关 决 定 系 数 r2 分别为 0.959、0.970 和 0.973［17］。邓烈等利用近 红外反射光谱检测分析哈姆林甜橙成熟果实的 SSC、 柠檬酸、VC 和 固 酸 比，结 果 表 明： SSC、固 酸 比 和 VC 均与波长 988nm 光谱呈极显著或显著正相关，r 分别 为 0.387、0.440 和 0.309； 可见光 429nm 光谱二阶倒数 与可溶性固形物和 VC 呈显著和极显著正相关，r 分 别为 0.351 和 0.387； 波长 944nm 光谱倒数对数与固 酸比呈显著正相关，r = 0.304［18］。
无损、快速、在线检测等方面的研究应用进展。
1 柑橘
1.1 可溶性固形物
刘燕德等确定赣南脐橙可溶性固形物（ SSC） 无 损检测偏最小二乘法（ PLS） 数学校正模型的相关系 数 rc = 0.929、校正标准偏差 RMSEC = 0.517、预测标 准偏 差 RMSEP = 0.592、预 测 值 与 实 测 值 的 r = 0.791［10］； 建立南丰蜜桔的可见 / 近红外 PLS 模型，完 整果和果肉的校正模型 rc 、预测集 rp 、RMSEP 分别为 0.963 和 0.970、0.825 和 0.893、0.899 和 0.749［11］。陆 辉山等采用近红外漫透射结合 PLS 评价柑橘 SSC 含 量，RMSEP = 0.538% 、r2 = 0.896［12］。
realize on － line update and upgrade of NIR models in the future. And spectral imaging technique will be the
development trend of NIRS technique in the 21st century，which would provide reference for Chinese researchers.
刘辉军等利用 SNV + detrend 和 PCA 方法对柑 橘不同货架期的近红外光谱进行处理，选用的 12 个 主成 分 累 计 贡 献 率 达 99.03% ； 模 型 鉴 别 准 确 率 超 过 90% 。 ［20］
2 苹果
2.1 糖度
刘燕德 等 采 用 近 红 外 漫 反 射 结 合 MATLAB6.1 和 PCA 建立苹果糖度预测模型，rmax = － 0.621、rmin = －0.365［21］； 建立红富士苹果糖度的近红外漫反射主 成分回归（ PCR） 多元校正模型，r = 0.844、标准校正
Key words： near infrared spectroscopy； big yield fruits； nondestructive detection； research progress； prospect
中图分类号：TS207.3
文献标识码：A
文 章 编 号：1002－0306（2012）06－0460－05
我 国 是 世 界 水 果 生 产 大 国，根 据《中 国 统 计 年 鉴》： 2008 年，水果总产量 19220.2 万 t（ 包括瓜果类，其 中苹果 2984.6 万 t、柑橘 2331.2 万 t、梨 1353.8 万 t） ，约 占世界总产量的 16% ，产值超过 4000 亿元，占农业 总产值的 11% 左右，自 1995 年 以 来 一 直 居 世 界 首 位； 但 水 果 出 口 量 不 到 总 产 量 的 3% ，远 低 于 9% ～10% 的世 界 平 均 水 平［1］。近 年 来，国 际 水 果 市 场竞争日益加剧，消费者更加注重水果的内部质量； 造成我国水果出口难的主要原因之一就是未能严格
1.2 糖度
刘春生等利用可见 / 近红外漫反射光谱结合 PLS 建立 南 丰 蜜 桔 糖 度 校 正 模 型，预 测 集 r = 0.9133、 RMSEP = 0.5577、平均 预 测 偏 差 为 － 0.0656［13］。周 文 超等建立 赣 南 脐 橙 内 部 糖 度 的 近 红 外 透 射 PLS 模 型，r = 0.9032、RMSEP = 0.2421［14］。
1.5 色泽及货架期
文建萍等建立赣南脐橙颜色指标 L、a、b 的近红 外漫 反 射 PLS 校 正 模 型，r 分 别 为 0.933、0.970、 0.893，RMSEP 分别为 1.330、1.524、2.676，完全交互验 证相关系数 rcross 分别达 0.926、0.967、0.875［19］。
误差 SEC = 0.729、标准预测误差 SEP = 0.864、偏差 Bias = 0.318［22］。傅霞萍等建立苹果糖度的近红外光 谱漫反射多元线性回归（ MLR） 模型，得到最佳波长 的 4 个校正方程［23］。张海东等采用正交信号校正法 （ OSC） 并 结 合 PLS 建 立 苹 果 糖 度 模 型，校 正 r2 = 0.92644、SEC = 0.40250，预测 SEP = 0.50229［24］； 利 用 近红外光谱结合混合线 性 分 析 法 的 一 种 变 形 算 法 （ HLA / XS） 建立苹果糖度校正模型，r2 = 0.87611、SEP = 0.48480［25］。赵杰文等利用近红外漫反射光谱结合 PCR 和 PLS 研究苹果糖度无损检测，所得 PLS 模型 更优［26］。应义斌等利用小波变换滤波技术并结合重 构光谱信号对苹果糖度进行逐步线性回归（ SLR） 建 立校正模型，预测集决定系数 R 提高到 0.85、SEP 降 为 6% 、线性 r 提高到 0.919［27］。邹小波等利用多尺 度小 波 去 噪 法 结 合 改 进 后 的 间 隔 偏 最 小 二 乘 法 （ iPLS ） 建 立 苹 果 糖 度 预 测 模 型，校 正 rc = 0.9635、 RMSEC = 0.3026，预测 rp = 0.9214、RMSEP = 0.4113， PC = 5［28］； 利用独立分量分析法（ ICA） 建立苹果糖度 的 PLS 模型，校正 rc = 0.9549、SEC = 0.3361，预测 rp = 0.9071、SEP = 0.4355［29］。李艳 肖 等 用 遗 传 区 间 间 隔 偏最小二乘法 （ GA － iPLS） 建立苹果糖度数学模型， 校正 rc = 0.962、RMSECV = 0.3346，预 测 rp = 0.932、 RMSEP = 0.3842［30］。王加华等建立苹果糖度一阶导 数光谱的遗传算法结合偏最小二乘（ GA－ PLS） 模型， Rc = 0.966、RMSEC = 0.469，Rp = 0.954、RMSEP = 0.797［31］。