近红外光谱分析技术在果品品质检测中的应用.

近红外光谱分析技术在果品品质检测中的应用

摘要:概述了近红外光谱分析技术的原理和优点,分析了国内外近红外光谱分 析技术在果品品质检测中的研究进展,指出了目前该技术在研究应用过程中的存在问题,最后对该技术的应用前景进行了展望。

关键词:近红外光谱;果品品质;检测;

Application of Near Infrared Spectroscopy in Detection of fruit Quality

Abstract:In this paper,the principle and characteristics of the NIR spectroscopy technique were firstly discussed and the latest research progresses in detection of fruit quality were summarized in detail.At last,the existing problems in this field were analyzed and the future research directions this field were also forecasted.

Key words:Near infrared spectroscopy;Detection;Fruit quality 传统的果品内部品质检测主要采用化学分析法,制样繁琐、检测速度慢,通

常用少量样本代替批次果品的品质。且检测时必须破坏果品,因此难以在商业上广泛应用。近年来兴起的无损检测技术,依据果品物理力学、光学、电学、生物学等特性,在不破坏被检测对象的情况下,应用一定的检测技术和分析方法测定其内在品质。并按一定的标准作出评价。无损检测方法包括计算机视觉检测技术、分光分析检测技术、声学特性检测技术、力学特性检测技术、射线检测技术、核磁共振检测技术、生物传感器检测技术、电子鼻与电子舌检测技术等。分光分析检测技术是利用果品对光的吸收、散射、反射和透射等特性来确定其成分含量的技术。主要包括紫外光谱法、可见光谱法和近红外光谱法。其中近红外光谱分析技术的研究尽管起步较晚,但是在农产品的品质检测和分级的研究应用中已取得较大进展。本文主要概述近红外光谱分析技术在果品品质检测中的研究情

况。

1 近红外光谱分析技术概述

近红外光谱(NIR分析技术是20世纪80年代发展起来的一项可以实现无损检测的测试技术。它是一种现代光谱技术,是现代电子技术、光谱分析技术、计算机技术和化学计量技术的集合体,在近红外光波长范围内,特定的原子群(如

水分、脂肪、蛋白质等均有其相应的特征吸收波长而且符合比尔定律。因此,可以通过测定样品对某一特殊波长光的吸收值,来计算对应的原子群(成分的聚集度(百分含量。近些年,随着仪器制造技术的发展,新的光谱理论和光度分析新方法不断建立,特别是化学计量学的深入研究和广泛使用,促进了NIR技术的进一步发展。近红外光是电磁波,具有波粒二重性。从光源发出的红外光照射到由一种或多种分子组成的物质上,如果分子没有产生吸收。则光穿过样品,该物质分子为非红外活性分子;反之,为红外活性分子。只有红外活性分子中的键才能与近红外光子发生作用,产生近红外光谱吸收。近红外光谱Near infrared spectroscopy,NIRS是指物质在波长780—2 526nm (波数12 820~3 959cm 的吸收光谱。利用物质的近红外吸收光谱信息,采用化学计量学方法分析处理实验数据,从而对样品进行定性和定量分析测定。

近红外光谱(NIR分析技术是一种快速、无损的新型检测技术其突出特点如下:①许多物质在近红外区域的吸收系数很小,使分析过程简单;②近红外区内光散射效应及穿透深度大,使得近红外光谱技术可以用漫反射技术对样品直接测定:③近红外光可在玻璃或石英介质中穿透;④分析过程的投资及操作费用低;

⑤既可用于样品定性分析。也可以得到精度较高的定量结果;⑥分析过程不破坏样品。不用试剂,不会污染环境;⑦测定速度极快。1—2rain即可完成检测,具有其它检测手段无法比拟的优势。由于果品的内部成分及外部特性不同.在不同波长的射线照射下会有不同的吸收或反射特性,且吸收量与果品的组成成分、波长及照射路径有关。根据这一特性结合光学检测装置能实现果品品质的无损检测。

采用近红外光谱分析技术进行果品品质分析具有如下优点:果品可以不经过样品分离。直接由近红外光谱测定出其中的多种成分含量,测定的准确度取决于化学计量学建立的数学模型,利用理想的数学模型预测的准确度可以达到校准仪器的测

定值。但是一般来说,近红外分析的准确度要略低于标准法。然而,由于近红外光谱分析技术省去了化学分析方法中的称量、定容等繁琐步骤,具有速度快、效率高、成本低、重现性好、方便等特点。而且可以同时测定同一样品的多个不同组分含量,因此近几年来,利用近红外光谱分析技术进行果品品质的研究正在形成一个新的热点研究领域。

2 近红外光谱分析技术在果品品质检测中的应用

20世纪60年代,美国的Norris等首先开始研究应用近红外光谱分析技术测定谷物中的水分、蛋白质、脂肪等含量,并致力于其他农产品品质的研究。此后,学者们开始应用近红外光谱分析技术对果品、谷物、畜肉类、乳制品等[1]进行研究。近红外光谱分析技术在果品内部品质检测的研究主要包括糖度、酸度、坚实度、可溶性固形物含量、维生素C含量和病变、缺陷和损伤等指标。

2.1 糖度、酸度、硬度分析

Ann等【2,3】采取温度补偿技术将近红外漫反射用于检测苹果的可溶性固形物含量发现样品的温度变化与近红外光谱之间呈非线性关系。如果忽略温度的补偿,测量误差可达到4%oBrix:建立了不同成熟度Jonagold苹果的可溶性固形物、坚实度、酸度、淀粉含量的相关数学模型,结果显示,只有当样品具有足够宽的成熟度范围,建立的模型才是稳健的。Antihus等【4】运用可见/近红外光谱检测无核小蜜桔的酸度、可溶性固形物含量、坚实度等品质,采用偏最小二乘法和主成回归法建立其与光谱吸光度的相关数学模型。结果表明,可溶性固形物预测值

和真实值的相关系数为0,预测标准误差为0.330Brix,酸度和坚实度的相关系为0.80和0.83、预测标准误差为0.18和8.53。虞佳佳等【5】翻用偏最小二乘法计算芒果糖度酸度光数据的主成分得分值,获取芒果近红外指纹图谱,再合遗传算法优化人工神经网络技术进行检测:分析明,主因子18对糖度具有较好的聚类作用,而主因子对酸度的聚类效果好。选取最佳主因子建立人工神经络模型,结果显示,提出的遗传算法和人工神经网模型相结合的光谱分析方法具有很好的预测能力。杜等晦【6】运用近红外透射光谱技术快速分析了苹果的糖度硬度,使用偏最,b-乘法建立预