脐橙糖酸比的近红外光谱检测

　　脐橙品质优良、无子多汁、色泽鲜艳。且营养丰富。含有人体所必需的各类营养成分．是世界各地竞相栽培的柑橘良种。甜酸度是脐橙果实风味品质的重要指标．它在很大程度上取决于果实内所含糖的种类、数量以及有机酸含量和糖酸比，而且糖酸比还反映了果实总糖和有机酸的相对含量⋯别。在贮藏过程中．脐橙内部品质会随着时间的变化而变化．为了适时地掌握脐橙内部品味，贴牌销售。提高脐橙的商品价值，简单、快捷、准确的检测方法和手段是必要的。

　　近红外光谱分析技术(Near infrared spec．troscopy)是利用近红外光谱区包含的物质信息进行有机物质定性和定量分析的一种分析技术。由于其光谱信号容易获取、光谱分析信息量丰富、检测快速无损等特点．使近红外光谱分析成为一类新型的分析技术。近红外分析技术已在石油、医药、农业等众多领域得到了广泛地应用[3．引。夏俊芳[5]已提出了脐橙内部品质近红外光谱快速无损检测方法．包括总糖、总酸、维生素C、可溶性固形物等。国内外学者利用近红外光谱分析技术对脐橙的定量无损检测和分级均取得了很好的效果【“101．然而近红外光谱快速检测脐橙糖酸比的研究国内外报道得还不多。研究旨在应用近红外光谱分析技术．建立脐橙糖酸比的预测模型．为脐橙的糖酸比快速检测及在线分级提供依据。

1　材料与方法

1．1 脐橙样品收集与光谱采集

　　从江西省定南县果园里随机采集90个脐橙作为试验样品。脐橙样品由德国布鲁克仪器公司生产的BRUKER Fr—NIR(VECTOR22N型)傅立叶近红外光谱仪进行近红外光谱扫描。将扫描参数设置为：光谱扫描范围为10 000～4 000 em～，镀金漫反射体作背景，分辨率为8 cm～，扫描次数为64。扫描时将脐橙整果的横向**直径部位置于旋转样品杯上，在脐橙“赤道”上相对900方向做4次光谱采集．得到每个样品的4条普通光谱．并将每个样品的4条普通光谱在OPUS软件中计算得到平均光谱．以每个样品的平均光谱作为原始光谱数据。90个样品的原始光谱见图l。

1．2样品糖酸比的化学测定

　 将扫描光谱后的脐橙样品分别测定其可溶性总糖和总酸的含量。可溶性总糖的测定方法为硫酸苯酚比色法【ll】．测得样品的浓度范围为9．768％．15．159％：总酸含量的测定参照文献[12]采用酸碱滴定法．测得样品的浓度范嗣为0．454％～1．094％。用可溶性总糖与总酸的比作为糖酸比．测得样品糖酸比的范围为14．398～24．133。

2　结果与分析

　 应用德国布鲁克仪器公司的OPUS定量分析软件，将样品光谱与化学分析值结合．建立偏最小二乘法(PLS)校正模型．并利用验证集样品预测模型的有效性。有效的光谱预处理方法和有效的光谱波段范围是影响模型预测精度的关键因素。用于建模的原始光谱在采集过程中可能受测量条件、光谱仪器状态和周围温度等影响．导致原始光谱可能存在不同的噪声，因此在利用光谱数据建模前，须分析比较不同光谱预处理方法对脐橙糖酸比定量模型的影响。另外。还需要对建立模型的有效光谱波段范同进行选择．对不同波段范嗣内的定量分析模型进行对比分析，确定**波段组合．找出光谱与待测信息之间的关系。

2．1 异常样品的剔除

　 采用OPUS 5．5定量分析软件．将90个脐橙样品划分得到校正集样品78个．验证集样品12个。由于采集光谱数据、进行化学分析测定标准值时会因操作、环境温度引起误差而产生异常样品。这些异常样品对校正模型的影响很大．必须将其从校正集中剔除。采用基于预测浓度残差准则[13]逐个剔除异常样品．经过异常样品剔除后的校正集样品74个。

 由表1可以看出。各种光谱预处理对所建模型的预测效果存在较大的差异。所建模型效果**的预处理方法是多元散射校正(MSC)．其内部交叉验证相关系数尺2达到0．827 9．内部交叉验证均方差(RMSECV)仅为0．767。其次是MMN．决定系数尺2为0．821 8。RMSECV为0．780。这两种光谱预处理方法均比在没有光谱预处理情况下所建的PLs模型效果好。效果最差的是二阶导数．其PLS模型的相关系数R2仅为0．634 0．RMSECV高达1．120。试验表明。MSC有效地去除了光谱噪声．提高了分析信号质量．是适合建立脐橙糖酸比PLS模型的**光谱预处理方法。MMN在要求不高的情况下也可用来作脐橙糖酸比PLS模型的预处理方法。