引言

果实成熟度是农业生产中的一项关键品质指标，在果实采摘期的确定以及果实新鲜度的判断等方面具有重要意义。传统农业生产中主要依靠视觉对果实颜色进行判定实现不同成熟度的区分。这种方法受经验等人为因素影响较大，同时不适用对部分表皮颜色不能准确反映成熟度变换的果实。采用近红外光谱分析技术，通过分析不同成熟度水平下果实的总糖，总酸，胡萝卜素等理化成分含量及光谱的变化规律。通过对光谱数据预处理，结合PLS建模，终实现对果实成熟度或其他品质参数的快速无损检测。

基于近红外吸收光谱的番茄糖分快速检测

中国农业大学采用微型近红外光谱仪(波长范围：900-1700nm)、卤钨灯光源、光纤、光纤探头和电脑搭建如图1的实验平台。中国农业大学选取了不同成熟度且表面均匀、光滑无损伤的番茄，共255个样本，他们依次将样品紧贴在微型近红外光谱仪光纤探头前端进行扫描。每个样本取3次吸光度光谱数据，取平均值作为样本的光谱数据。该实验每检测5个番茄便重新进行白板校正。

中国农业大学终得到所有样本的吸光度光谱，如图2所示。由于光谱边缘数据(900~930和1650~1700nm)噪声大，信噪比低。他们选取930-1650nm的光谱数据进行数据预处理和建模分析。中国农业大学数据预处理采用了标准正态变化(SNV)，多元散射校正(MSC)，归一化(NOR)和卷积平滑(SG)四种预处理方法对光谱数据进行预处理，得到处理后光谱数据图如图3所示。在建模分析中，中国农业大学采用自适应重加权算法(CARS)基于自适应加权算法选取交叉验证均方根误差的模型所对应的变量。该算法终筛选出54个特征波长，结合PLS建模，使得相对系数达到0.91，标准偏差在0.14°Brix。


基于可见/近红外反射率光谱的番茄圣女果可溶性固形物含量(SSC)检测


河南科技大学采用的可见/近红外光谱采集系统包括微型光纤光谱仪(波长范围350~1000nm)，光源，光纤，光纤探头以及电脑搭建实验平台。样本选择188个果实完整、无裂痕、外观颜色相近的圣女果。测量在黑暗环境中进行，光纤探头紧贴样本表面。每个样本测2组数据，取平均值作为样本光谱数据。剔除噪声较大的区域，选择481~800nm波长范围的数据进行分析。采用SG平滑、归一化(NOR)、标准正态变量变换(SNV)对光谱数据进行预处理。通过CARS算法提取18个特征变量，确定如图4的特征波长。对18个变量建立IBP模型，使得R2和RMSE分别为0.997和0.0479。


总结
光谱技术在农产品检测中越来越受欢迎。并且光谱技术对水果品质进行无损检测成为近年来的研究热点，国内外许多学者相继开展了对柑橘、苹果、梨、桃等品质进行无损检测的研究工作并卓有成效。ATP8000近红外光谱仪可用于水果无损检测系统的搭建。更有专用仪器NY2000便携式水果无损糖度计，无需采摘、无需切肉、无需取汁便可直接检测水果糖度。ATZW300水果酸度甜度测量仪利用不同水果内部成分对不同波长的吸收程度不同，根据近红外光谱特征运用化学计量学方法建立分析模型(客户自建模型)，可实现在不破坏样品的前提下，实现水果糖度、酸度等指标的快速分析。除此之外，能针对特定水果，通过建立判别模型(客户自建模型)，分析内部病变与缺陷，配合水果分选系统进行快速和准确的在线分选。