.苹果糖度和硬度检测的研究现状【摘要】本文介绍和分析了目前为止绝大多数对苹果糖度和硬度的检测的研究，这些研究主要是从苹果的无损检测入手，利用高光谱图像技术，采用傅里叶变换，CCD，MATLAB语言，光纤传感，遗传算法，混合线性分析方法对苹果进行糖度和硬度的检测。
关键词苹果红外光谱无损检测糖度硬度Apple sugar content and hardness testingresearch status【Absatract】This paper introduces and analyzes so far most apple sugar content and hardness testing research，these studies mainly from apple nondestructive testing of utilization of hyperspectral imaging technology，using Fourier transform，CCD，MATLAB language，the optical fiber sensing，genetic algorithm，the mixed linear analysis method for apple for sugar content and hardness testingKeywords：Fruits，Infrared spectrum，Nondestructive Testing，Sugar content，Hardness前言市场上的农产品越来越多样化，生产者除了要保持农产品的新鲜度外，还要确保有好的口感和营养价值，因此，当前迫切需要发展一种快速有效的无损检测方法。
在过去的几十年里，很多学者都在关注近红外光谱技术———一种测定有机物的重要技术，由于其具有快速性、无需样品前期处理、无化学污染等优势，使得近红外光谱技术在短短十几年就成为一项极具竞争力的分析技术，在农业、食品等行业中得到广泛的应用，常常被用于测定蔬菜水果中的有机酸、蛋白质等。
而且检测时间仅需数秒钟，可以同时检测多种成分，实现水果品质的快速分析，对水果生产，特别是水果加工质量的控制，具有十分重要的作用。
我国是世界第一水果生产大国，据保守统计，2003年苹果产量达到2060.96万吨，2004年是苹果丰产年，达到2200万吨以上，2009年全国苹果产量预计达到3300万吨]1[。
但我国的水果在国际市场上大多数档次较低，在国，高档水果市场也被国外水果垄断，其中一个很重要的原因是品种混杂、质量优劣不齐，苹果采收后，由于大小、成熟度和商品性的不同，应进行分级，其中糖度和酸度是评价苹果成熟度的重要指标，而这些指标难以从外部进行鉴别，传统的检测方法往往采用抽样方式的化学检测，这些方法大多存在分析过程比较复杂、耗时长、检测费用高、技术条件复杂、难于实现即时监控及需要破坏样品等缺点，从1980年开始，近红外光谱技术作为一种无损检测手段被广泛用于测定农产品的部品质，它不仅能够同时检测多种组分，而且因为它是非破坏性的，可以对一个样品进行多次检测]2[。
水果中的糖分分子属于红外活性分子，当近红外光照射到水果中时，不同的水果部成分对于不同波长的光学吸收程度不同，而随着水果部成分质量分数的不同，其部光谱也将发生变化，利用这一特性，即可根据近红外光谱特征分析水果中的主要成分及其质量分数]3[。
1苹果糖度和硬度的检测方法1.1基于MATLAB语言的苹果糖度近红外光谱定量分析利用MATLAB6.1语言实现水果近红外漫反射光谱法的定量分析数据的处理，着重研究了主成分分析多元校法在水果部品质定量分析中的实现方法.燕德，应义斌利用MATLAB6.1语言实现水果近红外漫反射光谱法定量分析数据的处理，研究了主成分分析在水果漫反射光谱分析中的实现方法，通过编程和计算机试算，找出苹果部糖度定量分析的两类吸收峰:一类为1453、1931、2314和2353nm;另一类为978、1198、1732和1790nm，并对吸收峰的光谱吸光度与苹果糖度进行了相关性分析，得出糖度与原始光谱吸光度的最大相关系数为-0.621，最小相关系数为-0.365。
燕德主要以我国主要水果———富士苹果的近红外漫反射吸光度(=log1/R)为考核指标，使用Necolet公司Nexus FT-IR光谱仪(800-500nm)获取34个富士苹果近红外漫反射原始光谱，然后利用OMNIC6.0软件将原始光谱保存为CSV文件，以方便MATLAB原始数据读取，同时将富士苹果原始光谱在978、1198、1453、1732、1790、1931、2314、2353nm等8个吸收峰处的漫反射吸光度值用于主成分，分析其指标变量记为x1、x2、x3、x4、x5、x6、x7、x8，样本数m=34，指标变量个数p=8，原始数据矩阵为X。
水果糖度测定用WYT4型手持糖量计测量(如表1所示)，用Y来表示成因变量.调用MATLAB统计工具箱提供的多元统计分析函数主成分分析princomp(X)和regress(Y，X)来实现]4[。
1.2基于光纤传感的富士苹果糖度检测研究燕德，应义斌，蒋焕煜利用傅立叶光谱仪的智能光纤传感器，探讨了近红外光无损检测水果糖度的方法。
通过主成分回归、偏最小二乘法和逐步回归法三种多元校正算法对水果光谱数据的分析，得出PLS模式水果糖度预测值和真实值的相关系数为0.86，标准校正误差为0.14，标准预测误差为0.97，PCA模式水果糖度预测值和真实值相关系数为0.85，标准校正误差为0.47，标准预测误差为1.27，而SMLR模式的水果糖度预测值和真实值相关系数为0.72，标准校正误差为0.72，标准预测误差为2.10，研究结果表明，在12500-3800cm1 光谱围应用光纤传感器技术进行苹果糖度无损检测具有可行性。
]5[1.3用遗传区间偏最小二乘法建立苹果糖度和硬度近红外光谱模型6[-，用近红外光谱来预测苹果的糖度和硬度已在许多论文中进行了报道]16目的是获得精度更高、更稳定的预测模型。
由于近红外区的谱带复杂、重叠多，通过苹果近红外光谱的分析可以看出，光谱的总体走势比较平缓，波峰和波谷没有剧烈的起伏。
在利用近红外漫反射光谱技术检测苹果糖度的前期研究中也发现，对原始光谱进行中心化处理后，再采用偏最小二乘法(PLS)进行多变量校正所建立的模型，出现用信噪比(SNR)高的波段比用信噪比低的波段建立PLS校正模型的预测能力明显增强，即如何选择合适的光谱谱区的问题。
为此采用近几年来发展起来的一种新的建模方法———区间偏最小二乘(iPLS)法]17[进行光谱建模，并在此基础上进行改进和发展成一种光谱谱区选择和建模的方法———遗传区间偏最小二乘法(GA-iPLS)。
艳肖，邹小波，董英选用水晶红富士85个，购回后从中随机地选取63个作为校正集，余下的22个作为预测集，试验时，由近红外光谱仪(Nexus670FTIR，美国Nicolet公司生产，配有近红外光纤附件和Zn-Gas检测器)在每个苹果的最大横径上进行光谱扫描，扫描波数围为4279-9843cm1-，扫描次数为32次，波数间隔为1.924cm1-(共2886个波数点)，分辨率为4cm1-，动镜速度为0.9494cm·s1-，光圈为50，以BaSO4作为参比材料。
扫描时光纤探头与苹果表面之间间隔保持1-3mm的距离。
将光谱数据(光谱围:4279-9843cm)等40个区间(其中第1-6号区间每个区间波数点为73余下的区间每个区间波数点为72)，用Nrgaard]17[的区最小二乘法进行处理。
用遗传区间偏最小二乘法建立糖度的预测模型。
结果发现，遗传区间偏最小二乘筛选法不仅能有效地减少建模所用的变量数，而且能有效地提高糖度模型的测量精度。
通过遗传区间偏最小二乘法选取合适的光谱区间进行建模，可以减小建模运算时间，剔除噪声过大的谱区，使最终建立的农产品品质检测近红外光谱模型的预测能力和精度更高。
1.4苹果中糖度的CCD近红外光谱分析基于CCD检测器的近红外光谱仪性能稳定、分辨率高、扫描速度快，相对于傅立叶光谱仪成本较低。
董一威，籍保平等人在对光谱议的硬件、软件充分调研的基础上选择75W 的进口石英卤钨灯作为光源，采用型号为SonyILX554B的CCD芯片作为检测器，分光系统的焦距为100mm，利用Y型漫反射光纤(芯径400um)采集光谱，数据处理和控制系统与PC之间采用USB2.0接口连接，自行开发了基于CCD近红外光谱仪的苹果部品质检测系统。
在自行搭建的基于CCD近红外光谱仪的苹果部品质检测系统上，对红富士苹果的糖度和酸度进行检测。
通过对比S—G平滑、一阶导数、二阶导数等三种光谱预处理后的建模效果，发现用S—G平滑处理后所建苹果糖度模型的效果最好，而一阶导数、二阶导数处理后光谱噪声变大，建立的模型效果变差。
结果表明，应用近红外光谱漫反射技术在630-1030nm波长围对苹果糖度进行快速无损检测具有可行性。
1.5苹果硬度的傅里叶变换近红外光谱无损检测目前，苹果硬度检测普遍采用压力硬度计或质构仪等破坏性检测，检测速度慢，检验后果实失去商品价值，近红外光谱无损检测技术具有简单、快速、无损的特点，且可降低测试费用，便于实现在线实时检测。
桂峰，国建等人采用精密度高的质构分析仪测定苹果的硬度，用傅里叶变换近红外光谱仪采集苹果的近红外光谱；通过解析谱图和进行不同的预处理，将比较复杂的弱光谱信息有效提取出来，找出苹果最好的预处理方法和有效光谱围；用偏最小二乘法对苹果的近红外光谱数据进行定量分析，并对样本进行预测。
多元散射校正能有效地消除样品间散射影响所导致的基线平移和偏移现象，提高原吸光度光谱的信噪比，消除由于样品颗粒度、分布均匀性等差异所造成的影响。
并将多元散射校正法用于苹果硬度光谱预处理，并对所建模型进行验证。
结果表明，多元散射校正能够有效消除光谱基线平移和偏移现象，提高原光谱的信噪比，选取有效信息波长围为1408～2235nm 。
偏最小二乘法结合多元散射校正所建模型的预测效果最好，模型的决定系数2R 为0.9852，部交叉验证均方根差MSEP R 和预测标准偏差MSEP R 分别为0.03982/cm kg 和0.01662/cm kg 。
进一步通过剔除异常值优化模型，并验证检验组的25个样品，模型的2R 为0.9908，MSEP R 为0.01472/cm kg 。
结果表明：建立的模型可靠，预测效果好，能满足苹果硬度快速检测的要求。
1.6基于混合线性分析的苹果糖度近红外光谱检测混合线性分析法是化学计量分析中一种较新的算法，主要用于混合物体系中纯组分的光谱定量分析。