（北京四中）
摘要：葡萄作为世界十大水果之一，其种植面积和年生产量始终处于世界水果生产前列。在2015年，中国以1260万吨的葡萄产量（含鲜食葡萄），成为世界第一大葡萄生产国（占全球总量的 17%），逐渐从原来传统的农业与工业混合型朝着现代农业转型。但与世界发达国家相比，中国葡萄的优质化、标准化生产以及市场运作还处于初级阶段，葡萄浆果的产后处理，品质鉴别检测一直是农产品加工研究的重要课题。目前我国葡萄含糖量测试方法是从每穗摘取1至3粒葡萄，获得葡萄汁再进行糖度的测量，这样的方法耗时耗力，还会对葡萄造成损伤，并且不能满足现代农业生产的需求。本课题采用可见——近红外光谱技术，实现葡萄的无损糖度测量。
关键词：特征光谱，光谱鉴别，糖度分析
一、引言
国外非常重视水果产后的商品化处理，所有果品上市前必须经过分选包装线，根据超市要求，对果品进行严格分选和包装，常年满足超市的供货需求。在澳大利亚太平洋世纪集团的一个农场里所出的水果，无论是葡萄、柑橘、柠檬，还是荔枝等等，百分之百都经过水果加工的生产线进行预冷、清洗、挑选、杀虫、杀菌、打蜡、分选、包装冷藏后再推向市场，因而他们的葡萄在市场上可以卖到300至600元/箱，而新疆的“红地球葡萄”在市面上也只能卖至70至150元/箱，其价格相差5至6倍[1]。
葡萄浆果的含糖量是葡萄品质评定的重要指标,尤其在作为酿酒原料时，由于要适应葡萄酒的种类及其酿造工艺，对葡萄浆果的含糖量要严格控制。传统的葡萄浆果含糖量的检测方法是从每穗摘取1至3粒葡萄，取一定数量的浆果以获得250mL左右的葡萄汁再进行含糖量的测定，这样的测量方式耗时费力，对葡萄进行损伤，易造成样本变质，人为误差较大。利用近红外光谱分析技术具有快速、非破坏性、无需前期处理以及多组分类同时定量分析、测试等优势。可充分利用全谱或多谱长下的光谱数据进行定性和定量分析[2-3]。另外，快速无损的糖度检测方法给工业化、无人化农业生产提供了可能。果农可通过数据实时监测水果的成熟情况，从而科学地种植、采摘甚至运输，大幅度地降低生产、运输损耗，提高生产效率，降低生产成本。
二、近红外光谱分析技术发展现状
无损检测技术是在不损坏被检测对象的性质和使用效果的前提下，以光学、化学、声学、电学、物理、图像视觉等方法为手段，借助先进的技术和设备[3]，对物体表面与内部的结构、性质、状态进行检查或测试的一种检测手段，经过国内外研究人员不断地深入研究，无损检测技术正逐步与高精度化、低辐射化、智能化、信息化接轨[1]。近年来，现代光纤通讯技术飞速发展，带动小型化的半导体激光器LD，发光二极管LED等新型光源器件不断涌现，为开发小型化的专用水果糖度检测仪器提供了技术支持[2]。通过可见光近红外光谱技术对水果的检测也在不断地发展和拓展，在越来越多种的水果种植中提供生产信息[4]。
三、可见光——近红外光谱技术对葡萄的检测方法
（一）选定实验器材。实验中选用钨灯作为光源，将波长量程在390-1100nm左右的光谱仪和折光糖度仪作为实验仪器使用。
（二）选定实验材料。考虑到季节因素，所测试时间为冬季，选用市场上的的四种提子，表皮颜色不同，分别为青提、黑提、红提和小红提。将新鲜的样品储存在冰箱中，实验前两小时取出，洗净，分离果粒，并选择分别从四种提子中选取各1至3粒颗粒饱满的果粒待测。
（三）预实验。首先需要控制测试温度、测试湿度、测试光线等变量，找到适合本实验的测试方法以提高实验数据的准确性，然后通过测试剔除异常样本。因为正常葡萄表面都会有“白霜”，属于葡萄在生长过程中合成的天然物质。为保证实验结果的准确性，试验时选取葡萄样本上最接近原本表皮颜色的区域上一点作为测试点。
（四）实验。第一步，打开光谱仪与光源并进行预热三十分钟，保持设备的稳定性。第二步，打开光谱仪软件，将待测葡萄置于白板上，分别测量并保存三种葡萄的光谱数据。第三步，将葡萄样本分别转入带有标记的纸杯中，准备下一步糖度测量。第四步，室温下，用滴管吸取少量蒸馏水，滴加在折光仪上，待显示折光仪示数为0可以开始实验。第五步，挤压果粒，将汁液覆盖折射仪镜面并直接读取数值，重复取样测量 3 次，计算平均值作为该串葡萄样本的最终 SSC 值。每次平行测定之间只需纸巾擦去汁液，两个样品之间需用蒸馏水冲洗镜面擦干后再进行测定，并做好相关记录。
四、实验数据处理与模型建立
（一）葡萄籽粒提取可溶性固形物样本的选取。在建立葡萄可溶固形物定量模型时，我们进行了异常样本的剔除，选用了39个葡萄样本。
建模样本与检测样本的合理选择直接影响葡萄可溶固形物数学模型的建立和预测效果的好坏。通常建模样本的性质需要具有广泛代表性及一定数量，所建立的数学模型才具有通用性，也才能对未知的葡萄样本做出比较好的预测结果。因此，对于每个品种均从中随机选取67%作为校正集，其余33%作为验证集。表1为提子可溶固形物模型建立的建模样本和检测样本的选取情况。
表1 建模样本与检测样本的选取
（二）葡萄籽粒可溶性固形物含量PLS模型的建立与检验。按照 GB-12295《水果、蔬菜制品可溶性固形物含量的测定》中规定的方法来测定葡萄可溶性固形物的含量，用数字式糖度折射仪，仪器的精度为0.1°Brix，测量范围为 0~45°Brix。以穗为单位，去除代表该穗葡萄的 12 颗葡萄样本非可食部分，将可食部分压榨后用滤纸过滤获得葡萄汁混匀。测试前，需用蒸馏水进行零点校正，将汁液覆盖折射仪镜面并直接读取数值，重复取样测量 3 次，计算平均值作为该串葡萄样本的最终 SSC 值。每次平行测定之间只需纸巾擦去汁液，两个样品之间需用蒸馏水冲洗镜面擦干后再进行测定，并做好相关记录。
（三）光谱数据预处理。记 为波长 处所对应的参照光谱强度， 为波长 处的暗谱线强度， 为波长 处样本的反射光谱强度。那么样本光谱在波长 处的标准反射值Sref为:
将采集到的光谱曲线载入到Matlab中，利用Matlab中的平滑函数对曲线进行平滑处理。
（四）特征波长选取。由于获得的原始光谱光谱数据量较大，其中包含有大量与被测组分不相关、无用的信息，并非所有波段数据都利于模型的建立，而那些冗余信息可能影响模型的预测精度和建模速度，因此，有必要对采集到的光谱波长变量进行优选，通过提取特征波长，压缩输入变量个数和减少数据信息重叠，降低模型复杂度，提高数据处理效率和模型预测性能。采用特征波段（645，683，707，749，785）对所有样本进行分析。
图1 葡萄光谱曲线
(五)数据建模方法。采用Matlab软件中最小二乘法函数进行数据建模。最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。
（六）模型精度。模型精度所建定量模型的优劣是通过相关系数（The Correlation Coefficient，R）和均方根误差（Root Mean Square Error，RMSE）来判定，本文选择的评价性能参数有校正均方根误差（Root Mean Square Errors of Correction，RMSEC）、预测均方根误差（Root Mean Square Error of Prediction ，RMSEP）、相关系数
。通常，模型的相关系数 
越大越接近于 1，RPD 越高，RMSEC 和 RMSEP 越小且越接近，说明模型预测性能越好，精度高。计算公式如下：
模型相关系数为Rc为0.9369，预测模型相关系数为Rp为0.9340，可见模型相关系数较高，模型预测集均方根误差也在允许误差范围内为0.4785和0.5346，预测相对误差最大为4.58%，小于10%。因此最小二乘法模型对葡萄可溶性固形物含量的预测满足实际应用要求，模型建立比较成功。
五、结论
为了得到无损测量葡萄糖度的有效方法，本研究使用了光谱分析法及数据建模法以39个葡萄样本的光谱和糖度数据建立了糖度分析模型。首先，在实验中选用了三种不同表皮颜色的提子，并选取了各13粒作为实验样本，用近红外光谱仪获得光谱数据，再用数字式糖度折射仪（精度为 0.1°Brix）得到糖度数据；对平滑处理后的光谱曲线和糖度数据采用连续投影算法提取光谱的特征波长；再用Matlab软件中最小二乘法函数进行数据建模；最后检验模型精度，发现该模型对葡萄可溶性固形物含量的预测满足要求，模型建立成功。
参考文献
[1]吴桂芳，黄凌霞，何勇.葡萄浆果糖度可见/近红外光谱检测的研究.光谱学与光谱分析.
[2] 杨承时，中国葡萄栽培的起始和演化.中外葡萄与葡萄酒，2003 (4):4-7.
[3]鲁伟奇，葡萄成熟度无损检测研究.中国计量学院
[4]R Lu, R., Guyer, D.E., & Beaudry, R.M.(2000).determination of firmness and sugar content of apples using near – infrared diffuse reflectance. Journal of Texture Studies, 31(6):615 -630
[5]Choi K.H., Lee K.H., Kim G., 2006，Nondestructive Quality Evaluation Technology for Fruits and Vegetables Using Near-Infrared Spectroscopy.International Seminar on Enhancing Export Competitiveness of Asian Fruits.Bangkok, Thailand, 18-19 May 2006
[6]徐慧荣，基于可见/近红外光谱的水果糖度检测模型优化及应用研究.浙江大学博士学位论.2010.
论文作者:吕茁源
论文发表刊物:《电力设备》2018年第20期
论文发表时间:2018/11/13
标签：葡萄论文; 光谱论文; 糖度论文; 样本论文; 模型论文; 数据论文; 波长论文; 《电力设备》2018年第20期论文;