可见／近红外光谱区分不同保存时间苹果的方法研究

郑海霞　尹芳缘　沈　凤　姜　燕　惠国华

（浙江工商大学 食品与生物工程学院，浙江杭州310012）

［摘 要］ 该文研究了一种基于可见／近红外光谱的苹果品质检测方法。采用光纤光谱仪检测和记录不同保存时间苹果样品的漫反射可见／近红外光谱信号，以苹果样品光谱数据的随机共振输出信噪比曲线特征值进行主成分分析，结果表明：基于信噪比曲线的特征值比原始光谱数据的特征值更适用于苹果保存时间的区分。该方法在食品品质快速分析领域具有良好的应用前景。

［关键词］ 苹果保存时间；可见／近红外光谱；随机共振；信噪比

Apple Preserving Time Discriminating Method Based on Visible／NIR Spectroscopy

Zheng Haixia Yin Fangyuan Shen Feng Jiang Yan Huiguohua

（College of Food Science and Biotechnology，Zhejianggongshang University，Hangzhou Zhejiang 310012，China）

Abstract：In this paper，apple storage time analysis method by visible／NIR spectroscopy was investigated．Fiber optic spectrometer was used to record diffuse reflection visible／NIR spectroscopy signal．Eigen values of stochastic resonance signal－to－noise ratio using spectroscopy data of apple samples were used for principal component analysis．The results indicated that eigen values of signal－to－noise ratio were more effective than eigen values of original spectroscopy signals for apple storage time distinguishment．This method is promising in food quality rapid analysis field．

Key words：apple storage time；visible／NIR spectroscopy；stochastic resonance；signal－to－noise ratio

在光谱检测分析中，可见／近红外波段包含丰富的物质信息，光谱信息与被测物自身的含量和组成紧密相关，因此可见／近红外光谱常应用于物质的分类判断。Upchurch等利用450—1050 nm波段光谱对损伤苹果和完好苹果进行了检测，实现了两类苹果的分类。浙江大学应义斌教授课题组采用可见／近红外光谱对乙烯利催熟西瓜与正常成熟西瓜进行了分类研究，利用727nm处的透过率与810nm处的透过率之比作为判别特征值，结果表明该方法可以实现两类西瓜的区分。郭俊先等采用近红外光纤漫反射光谱预测和区分皮棉杂质含量，表明近红外光谱可以预测皮棉杂质含量等指标。徐惠荣等应用可见／近红外光谱技术结合多元校正法研究了不同温度条件下香梨糖度的快速检测。丁永军等采用自适应小波变换消除光谱中的随机噪声，使用最小偏二乘法建立叶绿素含量预测模型，可以作为温室番茄营养状态快速诊断的技术基础。罗华平等利用近红外光谱仪获取南疆红枣品质光谱，建立了在线校正模型，实现了红枣品质近红外光谱的在线检测。

本文采用可见／近红外光谱检测不同保存时间的苹果样品，提取光谱数据的随机共振信噪比曲线特征值进行主成分分析，区分不同保存时间的苹果样品。

1．　可见／近红外光谱系统及实验

1．1　苹果样品

新鲜红富士苹果样品购自杭州某水果超市，选择个体大小、成熟度、颜色相近的20个，用水洗净后晾干，于室温下避光保存。

1．2　可见／近红外光谱系统

图1－1所示为检测系统结构示意图，主要包括可见／近红外光谱仪（USB2000＋，美国海洋光学公司），双分叉光纤，光纤探头以75°角固定在样品检测托架上，光纤一端与USB2000＋光谱仪连接，另一端与特制卤素灯光源连接，样品池为可密封的不透光立方体，通过更换样品池的采集端，每种样品可以获得5个不同方向的光谱数据，有利于消除样品各方向差异带来的影响。光谱仪软件采用美国海洋光学公司的SpectraSuite，运行于计算机系统中。每次随机选取5个苹果样品，分别于第0天、第2天、第4天和第6天检测样品的光谱数据待分析。

1．3　随机共振模型

随机共振通常以输出信号的信噪比表征随机共振。图1－2所示为随机共振信噪比分析路线图，在非线性信号传输过程中，通过调节外噪声的强度调谐系统输出达到协同状态，也就是输入信号、非线性系统、噪声的协同状态。在激励噪声的激励下，系统产生随机共振，此时输出信号大于输入信号，起到了信号放大的作用。同时，随机共振将部分检测信号中的噪声能量转换到信号中，有效地抑制了检测信号中的噪声量。因此，随机共振系统相当于提高输出信号信噪比的作用。

图1－1　可见／近红外光谱系统结构

图1－2　随机共振信噪比分析路线图

2．　苹果品质检测结果

2．1　可见／近红外漫反射光谱的获取

图1－3是第0天苹果样品的漫反射光谱曲线，光谱信号在607．67nm附近强度最高，此外在664．55、730．94、799．11和890．47nm处也出现了特征峰（如图1－3中虚线2—虚线6所示），光谱检测信号包含了较为丰富的检出信息。

图1－3　苹果可见／近红外漫反射光谱(www.daowen.com)

2．2　苹果保存时间分析结果

选取光谱检测数据在546．04、607．67、664．55、730．94、799．11和890．47nm处的光谱数值作为特征值进行主成分分析，结果如图1－4所示。图1－4为主成分1和主成分2构成的二维空间图，前两个主成分的贡献率分别为73．35%和11．17%，图中的各点对应为每次检测的光谱数据经降维后的二维数据坐标位点。随着保存时间的增加，不同苹果样品的主成分1数值减小然后增加，主成分2数值则是持续减小。可以观察出第0天的苹果样品与其他样品区分比较明显，而第2天、第4天和第6天的样品部分出现重叠而无法区分。

随机共振的一个特点在于并非消除检测系统中的内禀噪声信号，而采用添加外噪声调制目标信号达到共振状态，增强目标微弱信号而易于检测。光谱数据的随机共振分析结果如图1－5所示，不同保存时间的苹果样品光谱数据的输出信噪比曲线首先呈上升趋势，在噪声强度102处达到极大值后开始下降。选取各信噪比曲线的信噪比极大值及对应的噪声强度作为特征值进行主成分分析。

信噪比曲线特征值主成分分析结果如图1－6所示，前两个主成分的贡献率分别为87．32%和10．85%，表明前两个主成分可以作为样品区分的依据。不同保存时间的苹果样品分析数据点之间的距离较大，分布于各自区域，有效地消除了重叠问题。随着保存时间的增加，各样品沿着主成分1方向呈现大体左移的趋势，并且相同保存时间的样品离散度沿着第二主成分方向增加，呈现一定的变化趋势。分析结果表明，信噪比曲线特征值相比较原始光谱数据在主成分分析中可以有效地区分不同保存时间的苹果样品。该方法将可见／近红外光谱响应信号差异转换为输出信噪比特征参数的差异，而随机共振输出信噪比曲线仅与检测特征信息相关，提高了检测结果的稳定性。

图1－4　光谱特征值主成分分析结果

图1－5　光谱检测数据的随机共振输出信噪比曲线

图1－6　信噪比曲线特征值主成分分析结果

3．　结 语

本文研究了一种基于可见／近红外光谱的苹果保存时间分析方法。采用光纤光谱仪检测和记录不同保存时间苹果样品的漫反射光谱数据，以光谱数据的随机共振输出信噪比曲线特征值进行主成分分析，不同保存时间的苹果样品分析数据点之间的距离较大，分布于各自区域，有效地消除了重叠问题，信噪比曲线特征值相比较原始光谱数据在主成分分析中可以有效地区分不同保存时间的苹果样品。我们将开展进一步的实验研究，为可见／近红外光谱技术在水果品质分析中的应用继续探索。

［参考文献］

［1］Norris K H，Barnes R F，Moore J E，et al．Predicting forage quality by infrared reflectance spectroscopy［J］．Journal of Animal Science，1976，43（4）：889－897．

［2］孙通，徐惠荣，应义斌．近红外光谱分析技术在农产品／食品品质在线无损检测中的应用研究进展［J］．光谱学与光谱分析，2009，29（1）：122－126．

［3］Upchurch B L，Throop J A，Aneshansley D J．Detecting internal breakdown in apples using interactance measurements［J］．Postharvest Biology and Technoology，1997，10 （1）：15－19．

［4］田海清，应义斌，陆辉山，等．基于可见／近红外光谱的乙烯利催熟西瓜与正常成熟西瓜分类试验研究［J］．光谱学与光谱分析，2009，29（4）：940－944．

［5］郭俊先，饶秀勤，成芳，等．近红外光谱用于皮棉杂质含量预测和分类的研究［J］．光谱学与光谱分析，2010，30（3）：649－653．

［6］徐惠荣，陈晓伟，应义斌．基于多元校正法的香梨糖度可见／近红外光谱检测［J］．农业机械学报，2010，41（12）：126－129，147．

［7］丁永军，李民赞，郑立华．基于近红外光谱小波变换的温室番茄叶绿素含量预测［J］．光谱学与光谱分析，2011，31（11）：2936－2939．

［8］罗华平，卢启鹏，丁海泉，等．南疆红枣品质近红外光谱在线模型参数的实验研究［J］．光谱学与光谱分析，2012，32（5）：1225－1229．

［9］Benzi R，Suters A，Vulpiani A．The mechanism of stochastic resonance［J］．Journal of Physics A，1981（A14）：L453－L457．

［10］Benzi，R，Parisig，Sutera A，et al．Stochastic resonance in climatic change［J］．Tellus．1982，34：10－16．

［11］Gammaitoni L，Marchesoni F，Santucci S．Stochastic resonance without symmetry breaking［J］．Physics Letters A，1994，195：116—120．

［12］Jung P，Hanggi P．Amplification of small signals via stochastic resonance［J］．Physical Review A，1991（44）：8032—8042．

［13］Huiguohua，Wang Lvye，Mo Yanhong，et al．Study ofgrass carp（Ctenopharyngodon idellus）quality predictive model based on electronic nose［J］．Sensors and Actuators B：Chemical，2012，35（2）：301－308．

［14］Huiguohua，Mi Shanshan，Deng Shaoping．Sweet and bitter tastants specific detection by the taste cell－based sensor［J］．Biosensors and Bioelectronics，2012，35（1）：429－438．