基于可见近红外光谱的蓝莓新鲜度快速评价研究

　　摘要新鲜度是衡量果蔬品质的重要指标，对蓝莓新鲜度的快速准确评价具有重大意义。针对传统人工感官评价方法的不足，基于可见/近红外光谱技术结合支持向量机(supportvectormachine，SVM)和随机森林(randomforest，RF)建立了2种新鲜度快速评价模型，以期为蓝莓新鲜度的快速准确评价提供参考。该研究以10℃恒温贮藏绿宝石蓝莓为研究对象，利用可见/近红外光谱仪采集其不同贮藏天数样品的光谱信息，综合考虑贮藏天数、外观、质量损失率、硬度、可溶性固形物和维生素C这6个反映蓝莓新鲜度的理化指标，计算新鲜度综合得分，将不同贮藏期的蓝莓样品划分为新鲜、次新鲜和不新鲜3个类别。光谱数据应用SG(SavitzkyGolay)卷积平滑预处理，再采用主成分分析提取光谱特征信息。为使最佳主成分选取更合理，在使用粒子群算法寻优SVM参数时，对主成分个数在[1，20]范围进行了测试，结合5折交叉检验下平均分类准确率最佳值，确定最佳主成分个数为5。以前5个主成分得分为输入变量，新鲜度类别为输出量，基于SVM和RF建立2种新鲜度快速评价模型。结果显示，SVM模型训练集和测试集识别准确率分别为97.78%和88%，RF模型训练集和测试集识别准确率分别为100%和84%，SVM模型优于RF模型。研究表明可见/近红外光谱技术结合主成分分析和SVM可用于蓝莓新鲜度的快速评价。

　　关键词可见/近红外光谱;蓝莓;新鲜度;主成分分析;支持向量机;随机森林

　　蓝莓，一种蓝色小浆果，归属于杜鹃花科越橘属，有浆果之王的美誉[1]。其酸甜可口，风味独特，并且营养丰富，富含维生素、花青素和多种人体所缺矿物质。蓝莓鲜果自身含水量大，容易受到挤压等损伤，且集中成熟于68月的多雨高温时节，果实采后极其不易保存、容易失水干皱和腐烂。随着贮藏时间的增加以及新鲜程度的快速变化，其品质也会发生快速改变。

　　对蓝莓的新鲜度进行快速准确评价可以更好地为之品质分级，或者何时将其制成果酱、含片以及提取化合物等加工品提供参考，以更好提高其利用价值。传统对于蓝莓新鲜度分级评价主要依靠人工感官评定，不仅费时费力且效果因人而异。

　　可见近红外光谱技术凭借分析速度快、成本低、无污染等优点，在食品快速无损检测中被广泛应用。其结合化学计量学方法在物质含量预测[2]、食品品质检验[3]等多有研究。对于蓝莓无损检测而言，目前国内外已经基于近红外光谱技术实现了其硬度[4]、可溶性固形物[5]、花青素[6]和总酚[7]的无损检测，但以往对蓝莓的研究主要是针对个别指标预测，尚缺乏对新鲜度这一综合指标的研究。

　　不少学者利用光谱无损检测技术对肉质品[8]、水产品[9]和蛋类[10]的新鲜度进行了分析，但在果蔬尤其是蓝莓的新鲜度研究还较少，主要原因是对于果蔬类样本的新鲜度判定仍缺乏明确的行业标准，其中李昆[11]采用近红外光谱技术对不同放置天数的苹果、白梨和香梨的新鲜度进行了探究，建立了PLS和BP神经网络预测模型，并取得了一定的预测效果。孙红等[12]利用其设计的可见光近红外鲜切果品新鲜度快速检测装置对红富士苹果进行了测试，以切开时长为分界线，将苹果样品分为两个新鲜等级，建立的支持向量机模型准确率为86.81%。以上研究表明，可见近红外光谱技术可被应用于水果新鲜度的快速检验和评价，但在对样品的新鲜度划分上仅以放置时长为判断标准，划分方法较为主观且单一。

　　论文以绿宝石蓝莓为研究对象，测得其可见近红外光谱数据以及与蓝莓新鲜度变化相关的个理化指标，通过这些理化指标计算新鲜度综合得分，将样品划分为新鲜、次新鲜、不新鲜个类别。不同新鲜度类别的蓝莓原始光谱数据采用(SavitzkyGolay)卷积平滑进行预处理，再运用主成分分析提取特征信息，建立支持向量机和随机森林两种新鲜度快速评价模型，比较两种模型的评价效果，以期为蓝莓新鲜度的快速准确评价提供参考。

　　1材料与方法

　　1.1实验仪器与材料

　　实验仪器：LabSpec5000型光谱仪，美国ASD公司;LYT330型手持式折光仪，上海淋誉公司;UniversalTA型质构仪，上海腾拔公司;UV180型紫外分光光度计，北京北分瑞利公司;PX70BⅢ型生化培养恒温箱，天津泰斯特公司。实验材料：蓝莓选用的品种为绿宝石，2021年月采于辽宁省米粒生鲜(丹东)商贸有限公司蓝莓种植基地，挑选大小均匀、无损伤的成熟新鲜蓝莓当天低温贮藏运回实验室，分组放置于专用包装盒内避免挤压，再贮藏于恒温箱内，恒温箱内温度设置为10℃。

　　1.2实验方法

　　随着贮藏天数的增加，由于蒸腾作用、呼吸消耗以及受到纤维素酶、果胶酶等影响，蓝莓果实外观色泽质地改变、质量减少、硬度下降、可溶性固形物在相关酶的作用下含量增加、内部维生素等被氧化[1314]。

　　基于上述考虑，研究测定了与新鲜度相关的个理化指标：外观、贮存天数、质量损失率、硬度、可溶性固形物、维生素，以此个理化指标作为蓝莓新鲜度指标，参考谢忠红等[15]对菠菜新鲜度的划分方法，以各指标的标准差比上标准差之和为每个指标赋予权值，求得每组蓝莓新鲜度综合得分，并据此划分蓝莓样品新鲜度类别，以新鲜度类别作为分类标签，进而基于可见近红外光谱数据建立新鲜度评价模型。

　　挑选大小均匀、无损伤的成熟新鲜蓝莓分成300组，个每组，装于PET专用水果包装盒内，于10℃恒温箱中贮藏。每次实验前取30组蓝莓，邀请15名接受过培训的同学作为专家进行外观打分，待恢复至室温后采集其可见近红外漫反射光谱，之后进行相关理化指标的测定。样品从贮藏当天开始测定，其间每天测定次，每次30组样品，共测定了10次。

　　1.3光谱采集

　　采用ASD公司LabSpec500型光谱仪采集光谱，该仪器波长范围为350～2500nm，在0nm处光谱分辨率为nm，在400、100nm处为0nm。使用二分光纤及其探头作为光谱检测附件，光斑直径为mm，检测方式为漫反射，单波长快速扫描32次，使用配套软件IndicoProVersion3.采集光谱，采集间隔为1nm。

　　采集样品光谱前，先将机器预热30min，之后将二分光纤探头对准聚四氟乙烯标准白板进行校正。扫描光谱时，先将蓝莓表皮轻轻擦拭干净，侧放在垫有黑色植绒布的样品盒内。由于蓝莓果实较小且大小形状存在一定差异，为保证每个样本光谱采集情况一致以及减少反射光散射外露，扫描样品时光纤探头与蓝莓样品表面直接紧密接触，在样品果腹赤道处每隔约20°位置扫描光谱次，以次所得平均结果作为该单果样品的可见近红外漫反射光谱，以每组中个样品的平均光谱代表该组样本光谱，每采集完成组样品进行次白板校正，光谱扫描时尽量避开表皮缺陷部位。

　　2结果与分析

　　2.1理化指标结果分析

　　2.1.1质量损失率和硬度

　　蓝莓贮藏前期，果实饱满水分充足，而随着贮藏时间的增加，果实中的水分不断减少，营养物质不断被消耗，贮藏第天时，果实表皮已严重皱缩。蓝莓质量损失率逐渐增加，截至最后次测量时，果实质量减少了13.40%。果实硬度不仅影响其外观形状，还对其口感有较大影响，果实硬度值在贮藏期间不断下降，至第天时，硬度下降到最低值。硬度的变化可以反映其细胞壁构成物质、细胞间结合程度以及相关分解酶的变化。质量减少和硬度降低主要表现出果实呈现萎蔫、疲软或腐烂形态，表皮光泽降低且变得不均匀。

　　2.1.2可溶性固形物和维生素

　　可溶性固形物是反映蓝莓品质的重要指标，极大地影响其食用口感。贮藏期间可溶性固形物含量总体呈上升趋势，前可溶性固形物含量增长迅速，然后增长速度放缓，这与李洋等[1在10℃贮藏条件下贮藏前期的测定结果具有一致性。

　　经分析，可溶性固形物含量上升主要原因是贮藏期间蓝莓内淀粉、纤维素和果胶被淀粉酶、纤维素酶和果胶酶分解，从而产生了大量可溶性固形物[1，贮藏前期可溶性固形物产生速度大于其消耗速度，表现为其含量在贮藏期间不断上升。虽然继续贮藏时，可溶性固形物含量会达到峰值然后下降，但此刻蓝莓早已肉眼可见的腐烂，再利用光谱无损检测技术判断蓝莓新鲜度并无意义。

　　维生素，又称抗坏血酸，能增强人体免疫能力，具有防治坏血病的作用，广泛存在于各类果蔬中，是果蔬中的一种重要营养物质。随着贮藏时间增加，维生素含量逐渐下降，至贮藏第天时减少了30.66%。

　　维生素具有还原性，在空气中易被氧化。据分析，蓝莓采后，内部维生素含量下降主要是由于其被不断氧化分解19，且贮藏时间越长，维生素含量降低越多。实验结果发现，10℃恒温贮藏下绿宝石蓝莓在～9d贮藏期内，花青素含量总体在0.7455～0.3307mg/g间波动，变化不明显。在评价蓝莓样品的新鲜度类别时，由于指标测量误差的不可避免，过多的指标可能会使评价效果下降。因此，最终考虑质量损失率、硬度、可溶性固形物、维生素、外观得分和贮藏天数作为新鲜度评价的指标。

　　2.2新鲜度综合得分

　　本次研究综合考虑贮藏天数、外观、质量损失率、硬度、可溶性固形物、维生素这个指标。参考谢忠红等[15]对菠菜新鲜度的划分方法，采用各指标标准差占标准差之和的比值给每个指标赋予权值，计算出每组蓝莓的新鲜度综合得分，并根据综合得分情况将样品蓝莓合理划分为新鲜、次新鲜和不新鲜个类别。

　　2.3划分样本集

　　样本集依照新鲜度综合得分进行排序，采用隔三选一法22]划分为训练集和测试集。结果表明，训练集共计25组样本，包含新鲜组、次新鲜86组、不新鲜73组;测试集总计组，包含新鲜22组，次新鲜组和不新鲜组。

　　2.4光谱分析与处理

　　2.4.1波段选择和预处理

　　蓝莓光谱两端噪声较大，去掉此部分光谱数据可使模型达到更好效果，本文选取500～2300nm之间光谱进行分析。光谱数据的准确性及有效性受到传感器灵敏度、环境温度和光照强度等因素的影响23]，合适的预处理手段可显著提高信噪比，使模型的准确率大为提升。此处选择次多项式、平滑点数为15点的卷积平滑算法[2对光谱数据进行预处理，预处理前后的反射光谱。相比于原始光谱，预处理之后的光谱曲线更加平滑，系统噪声更低、信噪比更高。

　　2.4.2主成分分析

　　每一个样本的光谱信息都有上千维的数据，若直接使用其建立模型，计算量大，耗时长，且会导致建立的模型性能差、准确率低。主成分分析是一种常用的光谱数据降维和特征提取方法，能最大限度保留原始光谱信息，并加快模型训练速度，提高预测精度和鲁棒性。绘制前个主成分得分的三维散点图(为避免图中数据点堆积，仅展示测试集数据得分)，同一种新鲜类别数据点具有一定聚集性，但不同类别之间存在交叉部分，仅依靠主成分得分难以对不同新鲜类别样本准确划分。

　　3结论

　　蓝莓果实贮藏期间，新鲜度是反映果实品质的一个重要的综合指标，快速准确评价蓝莓果实新鲜度是一项重要的工作。为实现对蓝莓新鲜度的快速准确评价，利用可见近红外光谱仪采集不同贮藏天数蓝莓样品的光谱信息，使用卷积平滑方法和主成分分析对光谱数据去噪和提取特征信息。综合考虑个理化指标：贮藏天数、外观、质量损失率、硬度、可溶性固形物和维生素，计算新鲜度综合得分，将所测00组蓝莓样品划分为新鲜、次新鲜和不新鲜个类别。

　　在使用粒子群算法寻优支持向量机参数时，对主成分数在[1，20]范围内进行了测试，结合折检验下验证集平均准确率最佳值，确定最佳主成分个数为个。以前个主成分得分为输入变量，建立SVM和新鲜度评价模型，获得的识别准确率分别为8%和4%。相对于模型，SVM模型具有更高的准确率和鲁棒性，可以更好地区分蓝莓新鲜度的个类别，研究表明可见近红外光谱技术结合VM方法在蓝莓新鲜度的快速评价方面具有良好的应用潜力。

　　参考文献

　　[1]司琦，胡文忠，姜爱丽，等.动态气调贮藏对蓝莓采后生理代谢品质的影响[J].包装工程，2017，38(17)：1318.SIQ,HUWZ,JIANGAL,etal.Effectsofdynamicmodifiedatmospherestorageonqualityofphysiologicalmetabolismofthepostharvestblueberry[J].PackagingEngineering,2017,38(17):1318.

　　[2]SHENJG,QIAOWM,CHENHZ,etal.Applicationofvisible/nearinfraredspectrometerstoquicklydetectthenitrogen,phosphorus,andpotassiumcontentofchemicalfertilizers[J].AppliedSciences,2021,11(11):51035103.

　　[3]高升，王巧华，施行，等.便携式红提葡萄多品质可见/近红外检测仪设计与试验[J].农业机械学报，2021，52(2)：308319.GAOS,WANGQH,SHIH,etal.Designandtestofportableredglobegrapeextractionmultiqualityvisible/nearinfrareddetector[J].TransactionsoftheChineseSocietyforAgriculturalMachinery,2021,52(2):308319.

　　[4]薛璐，刘小路，鲁晓翔，等.近红外漫反射无损检测蓝莓硬度的研究[J].浙江农业学报，2015，27(9)：16461651.XUEL,LIUXL,LUXX,etal.Nondestructivedetectionofblueberryhardnessbasedonnearinfrareddiffusedspectroscope[J].ActaAgriculturaeZhejiangensis,2015,27(9):16461651.

　　[5]王姗姗，孙红男，陈健，等.基于近红外光谱技术检测蓝莓可溶性固形物含量[J].食品工业科技，2012，33(1)：340341;369.WANGSS,SUNHN,CHENJ,etal.Determinationofsolublesolidscontentofblueberrieswithnearinfraredspectroscopy[J].ScienceandTechnologyofFoodIndustry,2012,33(1):340341;369.

　　[6]刘小路，薛璐，鲁晓翔，等.近红外光谱技术快速无损检测蓝莓总黄酮、花青素的研究[J].食品工业科技，2015，36(16)：5861;67.LIUXL,XUEL,LUXX,etal.Fastnondestructivetestingoftotalflavonoidsandanthocyaninsinblueberriesbynearinfraredspectroscope[J].ScienceandTechnologyofFoodIndustry,2015,36(16):5861;67.

　　[7]王姗姗，李路宁，孙红男，等.基于近红外光谱技术构建蓝莓总酚含量的模型[J].光谱实验室，2011，28(6)：31693174.WANGSS,LILN,SUNHN,etal.Contentmodelestablishmentoftotalpolyphenolsinblueberriesbynearinfraredspectroscopy[J].ChineseJournalofSpectroscopyLaboratory,2011,28(6):31693174.

　　作者：曾明飞，朱玉杰，冯国红，朱金艳，刘思岐