南果梨糖、酸度近红外光谱无损检测模型建立定标参数的确定

　　近红外无损榆测技术是近年来快速发展的一种现代分析技术，因其具有无污染、无需破坏样品、检测速度快等特点，在果蔬等农产品内部品质无损检测方面开始得到应用。南果梨是辽宁省鞍山、海城一带特产优质水果，其品质分级目前仍靠人工完成，且主要以果品的外部参数(如大小、有无伤痕等)作为分级标准，无法判断果品内在品质的好坏。因此采用近红外光谱分析技术对南果梨内在品质(糖、酸度)进行无损检测可行且意义重大。
　　近红外光谱分析技术是一种廊用化学计量学方法建立校正模型，从而实现对未知样品的定性或定量分析的间接分析技术。在近红外光谱分析中，样品集的基础数据测量的准确性直接关系着建立模型的准确性。基础数据越准确，所建模型的精度越高，其对未知样本的预测结果也越准确，模型的稳定性和适应性越好。因此，在建立南果梨糖、酸度模犁时，选择**的化学测定方法是至关重要的。本实验通过比较以小同化学测定方法测定的南果梨糖、酸度所建立模犁的校正集与预测集相关系数、均方根误差以及残差之和，确定南果梨糖、酸度近红外无损检测模型建立基础数据采集的适宜化学测定方法。
1 材料与方法
1．1 材料与试剂
　　实验所用南果梨产自辽宁省鞍山地区，选取代表性样品90个作为校正集样品供定标用，另取30个作为预测集样品供检验用，将它们分别编号后置于实验室备用。酚酞、氧氧化钾 沈阳化学试剂厂；氢氧化钠、邻苯二甲酸氧钾 天津市科密欧化学试剂研发中心：3，5一二硝基水杨酸 SCRC国药集团化学试剂有限公司；丙三醇 沈阳沈一精细化学品有限公司。

1．2 仪器
 WAY阿贝折射仪上海精密科学仪器有限公司；PB．10型pH计 北京赛多利斯仪器系统有限公司；Purespect近红外光谱透射仪 日本杂贺技术研究所。
1．3 方法
 1．3．1 光谱测定
　　在完全遮光的房间内，将样品依次编号，采用Purespect近红外光谱透射仪，将样品放在操作台上的橡胶碗里(果柄与操作台平行)进行光谱测定，波长范围600～1100nm，每个样品以果柄为轴每隔180。旋转一次扫描，求扫描两次的平均值，所得光谱数据以文本形式存入计算机内。

 1．3．2 化学测定
　　与光谱测定时间相同，取南果梨可食部分榨汁，直接利用WAY阿贝折射仪测定果汁中可溶性固形物含量(soluble solids content，SSC)，用PB．10型pH计测定果汁中的有效酸度(pH)；分别采用3，5一二硝摹水杨酸比色法和中和滴定法测定果汁中还原糖含量(reducingsugar content，RSC)和可滴定酸度(titratable acidity，TAl。
1．4 数据分析
　　由于近红外透射光谱仪采集的吸光度光谱信号往往受到许多不确定[大J素干扰，如样品不同成分之间的相互干扰导致吸收光谱谱线重叠、信号噪音等问题…，如果直接用原始光谱信号进行定量分析，必然会影响最终分析结果的准确性和精度，因此，在使用近红外光谱进行品质检测时，对光谱信号进行消除噪音等预处理十分必要。本实验采用二阶求导光谱数据预处理方法，对原始光谱进行二阶导数处理以消除部分随机误差、仪器噪音和光谱图基线漂移的影响。

　　目前近红外光谱常用的数据处理方法主要有主成分分析(PCA)、主成分回归(PCR)和偏最d,-乘法(PLS)等。每种方法都有各自的优点和局限性，其中偏最小二乘法被认为较适合分析近红外光谱数据的方法[10。¨，因此本实验采用偏最小二乘法(PLS)分析近红外透射光谱数据。

2 结果与分析
2．1 近红外光谱的处理
　　将光谱数据利用ChangeCR软件转化后存入Excel中进行预处理，在Excel中选取242个光谱数据(波长643．26rim为起点，采点间隔为1．29nm)，计算吸光度：A=log(Ii_I，Inj)，i为样本编号(i=1，2，．．．，20)，j为采点编号0=1，2，．．．，242)，n为参照光谱的平均值行。 Purespect型近红外光谱透射仪所获得的光谱为连续光谱，利用Unscrimbler6．1软件对原始光谱进行二阶求导处理，以消除随机误差和机器噪音。图l是南果梨的原始吸收光谱图，由图1可以看出在波长710nm和810nm左右有物质微弱的吸收峰，但由于近红外光谱信号受到不同物质成分彼此之间相互的干扰，导致有用的光谱信息较难辨认：在660nm波长之前和900nm波长之后的谱图由于受到信号噪音等冈素的影响，谱图所包含的信息量过多，有用信息难于识别，不利于模型建立所需数据的获得。图2是南果梨的二阶求导吸收光谱图，与图1相比，经二阶求导处理的光谱在波长710nm和810nm左右有明显的物质吸收峰，谱图在零线左右基本呈对称分布，建模所需的光谱信息较易被识别。

2．2 南果梨糖、酸度定标模型的建立
　　将经过二阶求导处理后的光谱数据和不同化学测定方法测定的化学数据导入Unscrimbler6．1软件中，选用偏最小二乘法进行回归分析，选取主成分数为9，建立定标模型。定标模型的结果见表1所示。

2．3 南果梨糖、酸度模型建立**定标参数的确定
　　化学实测值的可信度直接影响定标模型的准确度，因此采用不同定标参数将直接影响模型的性能优劣，近红外模型性能主要是通过相关系数(Re和Rr)、均方根误差(RMSEC和RMSEP)和残差(residual error)Z个指标进行评价，实验通过对建立的模犁性能的比较，确定**的定标参数。
 2．3．1 糖、酸度模犁Rc和RMSEC的比较
　　由表l可知，分别以90个样品的SSC、还原糖含量为定标参数建立的定标模型校正集相关系数(Rc)分别为0．920、0．845，校正均方根误差(RMSEC)分别为0．255、0．083。可见两个糖度模型的Rc都大于0．8，RMSEC都较小，均符合模型应用的要求。对两个糖度模型而言，以SSC建立模型的相关系数较高，SSC模型的相关性要好于RSC的模犁。

　　以90个样品的TA和pH值为定标参数建立定标模型的校正集相关系数Rc分别为0．83、0．95，RMSEC为0．032、0．043，均符合模型应用的要求。对于两个酸度模型而言，以有效酸度建立模型的相关系数更趋近1，说明pH模型的相关性要好于TA的模型。

 2．3．2 糖、酸度模型Rr和RMSEP的比较
　　虽然校正集样品的相关系数是反映模型预测效果的重要参数之一，但校正模犁的预测相关系数是模犁预测能力的最直接的评价标准，仅凭校正集相关系数评价模型的性能是不够全面和准确的，实验对4个模型的预测效果进行研究，图3～6为4个模犁对30个已知化学成份含营的样品进行的预测结果。

　　由图3～6可知，4个模型中，以RSC为定标参数。建立的模型R，值小于0．8，达不到应用的要求；其余3个模型的Rr值均大于0．9，均符合模犁应用的要求。对于两个糖度模型而言，以SSC为定标参数所建模型的RP值高于RSC的，所以SSC模犁的预测效果更好；对于两个酸度模型而言，两个模型的RP值十分接近且均大于0．9，所以两个酸度模型实际应用的预测效果都较好。因此，凭借预测集相关系数R，评价模型的预测效果可得出：除RSC模型外，SSC、总酸度和有效酸度模犁的预测效果都较好。

2．3．3 糖、酸度模型残差分析
　　一个预测效果和稳定性好的近红外模型要求残差正、负值在零点上下分布均匀，且残差之和接近于零。残差公式如下：残差：e=y—y’式中，Y为通过数学模型预测所得的样品预测值；Y’为用标准方法测得的样品化学值。实验利用模型对30个样品进行预测，并计算出预测残差，图7～10为样品残差的分布图。