摘要新鮮度是衡量果蔬品質(zhì)的重要指標(biāo)，對藍(lán)莓新鮮度的快速準(zhǔn)確評價具有重大意義。針對傳統(tǒng)人工感官評價方法的不足，基于可見/近紅外光譜技術(shù)結(jié)合支持向量機(jī)(supportvectormachine，SVM)和隨機(jī)森林(randomforest，RF)建立了2種新鮮度快速評價模型，以期為藍(lán)莓新鮮度的快速準(zhǔn)確評價提供參考。該研究以10℃恒溫貯藏綠寶石藍(lán)莓為研究對象，利用可見/近紅外光譜儀采集其不同貯藏天數(shù)樣品的光譜信息，綜合考慮貯藏天數(shù)、外觀、質(zhì)量損失率、硬度、可溶性固形物和維生素C這6個反映藍(lán)莓新鮮度的理化指標(biāo)，計算新鮮度綜合得分，將不同貯藏期的藍(lán)莓樣品劃分為新鮮、次新鮮和不新鮮3個類別。光譜數(shù)據(jù)應(yīng)用SG(SavitzkyGolay)卷積平滑預(yù)處理，再采用主成分分析提取光譜特征信息。為使最佳主成分選取更合理，在使用粒子群算法尋優(yōu)SVM參數(shù)時，對主成分個數(shù)在[1，20]范圍進(jìn)行了測試，結(jié)合5折交叉檢驗(yàn)下平均分類準(zhǔn)確率最佳值，確定最佳主成分個數(shù)為5。以前5個主成分得分為輸入變量，新鮮度類別為輸出量，基于SVM和RF建立2種新鮮度快速評價模型。結(jié)果顯示，SVM模型訓(xùn)練集和測試集識別準(zhǔn)確率分別為97.78%和88%，RF模型訓(xùn)練集和測試集識別準(zhǔn)確率分別為100%和84%，SVM模型優(yōu)于RF模型。研究表明可見/近紅外光譜技術(shù)結(jié)合主成分分析和SVM可用于藍(lán)莓新鮮度的快速評價。

　　關(guān)鍵詞可見/近紅外光譜;藍(lán)莓;新鮮度;主成分分析;支持向量機(jī);隨機(jī)森林

　　藍(lán)莓，一種藍(lán)色小漿果，歸屬于杜鵑花科越橘屬，有漿果之王的美譽(yù)[1]。其酸甜可口，風(fēng)味獨(dú)特，并且營養(yǎng)豐富，富含維生素、花青素和多種人體所缺礦物質(zhì)。藍(lán)莓鮮果自身含水量大，容易受到擠壓等損傷，且集中成熟于68月的多雨高溫時節(jié)，果實(shí)采后極其不易保存、容易失水干皺和腐爛。隨著貯藏時間的增加以及新鮮程度的快速變化，其品質(zhì)也會發(fā)生快速改變。

　　對藍(lán)莓的新鮮度進(jìn)行快速準(zhǔn)確評價可以更好地為之品質(zhì)分級，或者何時將其制成果醬、含片以及提取化合物等加工品提供參考，以更好提高其利用價值。傳統(tǒng)對于藍(lán)莓新鮮度分級評價主要依靠人工感官評定，不僅費(fèi)時費(fèi)力且效果因人而異。

　　可見近紅外光譜技術(shù)憑借分析速度快、成本低、無污染等優(yōu)點(diǎn)，在食品快速無損檢測中被廣泛應(yīng)用。其結(jié)合化學(xué)計量學(xué)方法在物質(zhì)含量預(yù)測[2]、食品品質(zhì)檢驗(yàn)[3]等多有研究。對于藍(lán)莓無損檢測而言，目前國內(nèi)外已經(jīng)基于近紅外光譜技術(shù)實(shí)現(xiàn)了其硬度[4]、可溶性固形物[5]、花青素[6]和總酚[7]的無損檢測，但以往對藍(lán)莓的研究主要是針對個別指標(biāo)預(yù)測，尚缺乏對新鮮度這一綜合指標(biāo)的研究。

　　不少學(xué)者利用光譜無損檢測技術(shù)對肉質(zhì)品[8]、水產(chǎn)品[9]和蛋類[10]的新鮮度進(jìn)行了分析，但在果蔬尤其是藍(lán)莓的新鮮度研究還較少，主要原因是對于果蔬類樣本的新鮮度判定仍缺乏明確的行業(yè)標(biāo)準(zhǔn)，其中李昆[11]采用近紅外光譜技術(shù)對不同放置天數(shù)的蘋果、白梨和香梨的新鮮度進(jìn)行了探究，建立了PLS和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，并取得了一定的預(yù)測效果。孫紅等[12]利用其設(shè)計的可見光近紅外鮮切果品新鮮度快速檢測裝置對紅富士蘋果進(jìn)行了測試，以切開時長為分界線，將蘋果樣品分為兩個新鮮等級，建立的支持向量機(jī)模型準(zhǔn)確率為86.81%。以上研究表明，可見近紅外光譜技術(shù)可被應(yīng)用于水果新鮮度的快速檢驗(yàn)和評價，但在對樣品的新鮮度劃分上僅以放置時長為判斷標(biāo)準(zhǔn)，劃分方法較為主觀且單一。

　　論文以綠寶石藍(lán)莓為研究對象，測得其可見近紅外光譜數(shù)據(jù)以及與藍(lán)莓新鮮度變化相關(guān)的個理化指標(biāo)，通過這些理化指標(biāo)計算新鮮度綜合得分，將樣品劃分為新鮮、次新鮮、不新鮮個類別。不同新鮮度類別的藍(lán)莓原始光譜數(shù)據(jù)采用(SavitzkyGolay)卷積平滑進(jìn)行預(yù)處理，再運(yùn)用主成分分析提取特征信息，建立支持向量機(jī)和隨機(jī)森林兩種新鮮度快速評價模型，比較兩種模型的評價效果，以期為藍(lán)莓新鮮度的快速準(zhǔn)確評價提供參考。

　　1材料與方法

　　1.1實(shí)驗(yàn)儀器與材料

　　實(shí)驗(yàn)儀器：LabSpec5000型光譜儀，美國ASD公司;LYT330型手持式折光儀，上海淋譽(yù)公司;UniversalTA型質(zhì)構(gòu)儀，上海騰拔公司;UV180型紫外分光光度計，北京北分瑞利公司;PX70BⅢ型生化培養(yǎng)恒溫箱，天津泰斯特公司。實(shí)驗(yàn)材料：藍(lán)莓選用的品種為綠寶石，2021年月采于遼寧省米粒生鮮(丹東)商貿(mào)有限公司藍(lán)莓種植基地，挑選大小均勻、無損傷的成熟新鮮藍(lán)莓當(dāng)天低溫貯藏運(yùn)回實(shí)驗(yàn)室，分組放置于專用包裝盒內(nèi)避免擠壓，再貯藏于恒溫箱內(nèi)，恒溫箱內(nèi)溫度設(shè)置為10℃。

　　1.2實(shí)驗(yàn)方法

　　隨著貯藏天數(shù)的增加，由于蒸騰作用、呼吸消耗以及受到纖維素酶、果膠酶等影響，藍(lán)莓果實(shí)外觀色澤質(zhì)地改變、質(zhì)量減少、硬度下降、可溶性固形物在相關(guān)酶的作用下含量增加、內(nèi)部維生素等被氧化[1314]。

　　基于上述考慮，研究測定了與新鮮度相關(guān)的個理化指標(biāo)：外觀、貯存天數(shù)、質(zhì)量損失率、硬度、可溶性固形物、維生素，以此個理化指標(biāo)作為藍(lán)莓新鮮度指標(biāo)，參考謝忠紅等[15]對菠菜新鮮度的劃分方法，以各指標(biāo)的標(biāo)準(zhǔn)差比上標(biāo)準(zhǔn)差之和為每個指標(biāo)賦予權(quán)值，求得每組藍(lán)莓新鮮度綜合得分，并據(jù)此劃分藍(lán)莓樣品新鮮度類別，以新鮮度類別作為分類標(biāo)簽，進(jìn)而基于可見近紅外光譜數(shù)據(jù)建立新鮮度評價模型。

　　挑選大小均勻、無損傷的成熟新鮮藍(lán)莓分成300組，個每組，裝于PET專用水果包裝盒內(nèi)，于10℃恒溫箱中貯藏。每次實(shí)驗(yàn)前取30組藍(lán)莓，邀請15名接受過培訓(xùn)的同學(xué)作為專家進(jìn)行外觀打分，待恢復(fù)至室溫后采集其可見近紅外漫反射光譜，之后進(jìn)行相關(guān)理化指標(biāo)的測定。樣品從貯藏當(dāng)天開始測定，其間每天測定次，每次30組樣品，共測定了10次。

　　1.3光譜采集

　　采用ASD公司LabSpec500型光譜儀采集光譜，該儀器波長范圍為350～2500nm，在0nm處光譜分辨率為nm，在400、100nm處為0nm。使用二分光纖及其探頭作為光譜檢測附件，光斑直徑為mm，檢測方式為漫反射，單波長快速掃描32次，使用配套軟件IndicoProVersion3.采集光譜，采集間隔為1nm。

　　采集樣品光譜前，先將機(jī)器預(yù)熱30min，之后將二分光纖探頭對準(zhǔn)聚四氟乙烯標(biāo)準(zhǔn)白板進(jìn)行校正。掃描光譜時，先將藍(lán)莓表皮輕輕擦拭干凈，側(cè)放在墊有黑色植絨布的樣品盒內(nèi)。由于藍(lán)莓果實(shí)較小且大小形狀存在一定差異，為保證每個樣本光譜采集情況一致以及減少反射光散射外露，掃描樣品時光纖探頭與藍(lán)莓樣品表面直接緊密接觸，在樣品果腹赤道處每隔約20°位置掃描光譜次，以次所得平均結(jié)果作為該單果樣品的可見近紅外漫反射光譜，以每組中個樣品的平均光譜代表該組樣本光譜，每采集完成組樣品進(jìn)行次白板校正，光譜掃描時盡量避開表皮缺陷部位。

　　2結(jié)果與分析

　　2.1理化指標(biāo)結(jié)果分析

　　2.1.1質(zhì)量損失率和硬度

　　藍(lán)莓貯藏前期，果實(shí)飽滿水分充足，而隨著貯藏時間的增加，果實(shí)中的水分不斷減少，營養(yǎng)物質(zhì)不斷被消耗，貯藏第天時，果實(shí)表皮已嚴(yán)重皺縮。藍(lán)莓質(zhì)量損失率逐漸增加，截至最后次測量時，果實(shí)質(zhì)量減少了13.40%。果實(shí)硬度不僅影響其外觀形狀，還對其口感有較大影響，果實(shí)硬度值在貯藏期間不斷下降，至第天時，硬度下降到最低值。硬度的變化可以反映其細(xì)胞壁構(gòu)成物質(zhì)、細(xì)胞間結(jié)合程度以及相關(guān)分解酶的變化。質(zhì)量減少和硬度降低主要表現(xiàn)出果實(shí)呈現(xiàn)萎蔫、疲軟或腐爛形態(tài)，表皮光澤降低且變得不均勻。

　　2.1.2可溶性固形物和維生素

　　可溶性固形物是反映藍(lán)莓品質(zhì)的重要指標(biāo)，極大地影響其食用口感。貯藏期間可溶性固形物含量總體呈上升趨勢，前可溶性固形物含量增長迅速，然后增長速度放緩，這與李洋等[1在10℃貯藏條件下貯藏前期的測定結(jié)果具有一致性。

　　經(jīng)分析，可溶性固形物含量上升主要原因是貯藏期間藍(lán)莓內(nèi)淀粉、纖維素和果膠被淀粉酶、纖維素酶和果膠酶分解，從而產(chǎn)生了大量可溶性固形物[1，貯藏前期可溶性固形物產(chǎn)生速度大于其消耗速度，表現(xiàn)為其含量在貯藏期間不斷上升。雖然繼續(xù)貯藏時，可溶性固形物含量會達(dá)到峰值然后下降，但此刻藍(lán)莓早已肉眼可見的腐爛，再利用光譜無損檢測技術(shù)判斷藍(lán)莓新鮮度并無意義。

　　維生素，又稱抗壞血酸，能增強(qiáng)人體免疫能力，具有防治壞血病的作用，廣泛存在于各類果蔬中，是果蔬中的一種重要營養(yǎng)物質(zhì)。隨著貯藏時間增加，維生素含量逐漸下降，至貯藏第天時減少了30.66%。

　　維生素具有還原性，在空氣中易被氧化。據(jù)分析，藍(lán)莓采后，內(nèi)部維生素含量下降主要是由于其被不斷氧化分解19，且貯藏時間越長，維生素含量降低越多。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，10℃恒溫貯藏下綠寶石藍(lán)莓在～9d貯藏期內(nèi)，花青素含量總體在0.7455～0.3307mg/g間波動，變化不明顯。在評價藍(lán)莓樣品的新鮮度類別時，由于指標(biāo)測量誤差的不可避免，過多的指標(biāo)可能會使評價效果下降。因此，最終考慮質(zhì)量損失率、硬度、可溶性固形物、維生素、外觀得分和貯藏天數(shù)作為新鮮度評價的指標(biāo)。

　　2.2新鮮度綜合得分

　　本次研究綜合考慮貯藏天數(shù)、外觀、質(zhì)量損失率、硬度、可溶性固形物、維生素這個指標(biāo)。參考謝忠紅等[15]對菠菜新鮮度的劃分方法，采用各指標(biāo)標(biāo)準(zhǔn)差占標(biāo)準(zhǔn)差之和的比值給每個指標(biāo)賦予權(quán)值，計算出每組藍(lán)莓的新鮮度綜合得分，并根據(jù)綜合得分情況將樣品藍(lán)莓合理劃分為新鮮、次新鮮和不新鮮個類別。

　　2.3劃分樣本集

　　樣本集依照新鮮度綜合得分進(jìn)行排序，采用隔三選一法22]劃分為訓(xùn)練集和測試集。結(jié)果表明，訓(xùn)練集共計25組樣本，包含新鮮組、次新鮮86組、不新鮮73組;測試集總計組，包含新鮮22組，次新鮮組和不新鮮組。

　　2.4光譜分析與處理

　　2.4.1波段選擇和預(yù)處理

　　藍(lán)莓光譜兩端噪聲較大，去掉此部分光譜數(shù)據(jù)可使模型達(dá)到更好效果，本文選取500～2300nm之間光譜進(jìn)行分析。光譜數(shù)據(jù)的準(zhǔn)確性及有效性受到傳感器靈敏度、環(huán)境溫度和光照強(qiáng)度等因素的影響23]，合適的預(yù)處理手段可顯著提高信噪比，使模型的準(zhǔn)確率大為提升。此處選擇次多項式、平滑點(diǎn)數(shù)為15點(diǎn)的卷積平滑算法[2對光譜數(shù)據(jù)進(jìn)行預(yù)處理，預(yù)處理前后的反射光譜。相比于原始光譜，預(yù)處理之后的光譜曲線更加平滑，系統(tǒng)噪聲更低、信噪比更高。

　　2.4.2主成分分析

　　每一個樣本的光譜信息都有上千維的數(shù)據(jù)，若直接使用其建立模型，計算量大，耗時長，且會導(dǎo)致建立的模型性能差、準(zhǔn)確率低。主成分分析是一種常用的光譜數(shù)據(jù)降維和特征提取方法，能最大限度保留原始光譜信息，并加快模型訓(xùn)練速度，提高預(yù)測精度和魯棒性。繪制前個主成分得分的三維散點(diǎn)圖(為避免圖中數(shù)據(jù)點(diǎn)堆積，僅展示測試集數(shù)據(jù)得分)，同一種新鮮類別數(shù)據(jù)點(diǎn)具有一定聚集性，但不同類別之間存在交叉部分，僅依靠主成分得分難以對不同新鮮類別樣本準(zhǔn)確劃分。

　　3結(jié)論

　　藍(lán)莓果實(shí)貯藏期間，新鮮度是反映果實(shí)品質(zhì)的一個重要的綜合指標(biāo)，快速準(zhǔn)確評價藍(lán)莓果實(shí)新鮮度是一項重要的工作。為實(shí)現(xiàn)對藍(lán)莓新鮮度的快速準(zhǔn)確評價，利用可見近紅外光譜儀采集不同貯藏天數(shù)藍(lán)莓樣品的光譜信息，使用卷積平滑方法和主成分分析對光譜數(shù)據(jù)去噪和提取特征信息。綜合考慮個理化指標(biāo)：貯藏天數(shù)、外觀、質(zhì)量損失率、硬度、可溶性固形物和維生素，計算新鮮度綜合得分，將所測00組藍(lán)莓樣品劃分為新鮮、次新鮮和不新鮮個類別。

　　在使用粒子群算法尋優(yōu)支持向量機(jī)參數(shù)時，對主成分?jǐn)?shù)在[1，20]范圍內(nèi)進(jìn)行了測試，結(jié)合折檢驗(yàn)下驗(yàn)證集平均準(zhǔn)確率最佳值，確定最佳主成分個數(shù)為個。以前個主成分得分為輸入變量，建立SVM和新鮮度評價模型，獲得的識別準(zhǔn)確率分別為8%和4%。相對于模型，SVM模型具有更高的準(zhǔn)確率和魯棒性，可以更好地區(qū)分藍(lán)莓新鮮度的個類別，研究表明可見近紅外光譜技術(shù)結(jié)合VM方法在藍(lán)莓新鮮度的快速評價方面具有良好的應(yīng)用潛力。

　　參考文獻(xiàn)

　　[1]司琦，胡文忠，姜愛麗，等.動態(tài)氣調(diào)貯藏對藍(lán)莓采后生理代謝品質(zhì)的影響[J].包裝工程，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，王巧華，施行，等.便攜式紅提葡萄多品質(zhì)可見/近紅外檢測儀設(shè)計與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報，2021，52(2)：308319.GAOS,WANGQH,SHIH,etal.Designandtestofportableredglobegrapeextractionmultiqualityvisible/nearinfrareddetector[J].TransactionsoftheChineseSocietyforAgriculturalMachinery,2021,52(2):308319.

　　[4]薛璐，劉小路，魯曉翔，等.近紅外漫反射無損檢測藍(lán)莓硬度的研究[J].浙江農(nóng)業(yè)學(xué)報，2015，27(9)：16461651.XUEL,LIUXL,LUXX,etal.Nondestructivedetectionofblueberryhardnessbasedonnearinfrareddiffusedspectroscope[J].ActaAgriculturaeZhejiangensis,2015,27(9):16461651.

　　[5]王姍姍，孫紅男，陳健，等.基于近紅外光譜技術(shù)檢測藍(lán)莓可溶性固形物含量[J].食品工業(yè)科技，2012，33(1)：340341;369.WANGSS,SUNHN,CHENJ,etal.Determinationofsolublesolidscontentofblueberrieswithnearinfraredspectroscopy[J].ScienceandTechnologyofFoodIndustry,2012,33(1):340341;369.

　　[6]劉小路，薛璐，魯曉翔，等.近紅外光譜技術(shù)快速無損檢測藍(lán)莓總黃酮、花青素的研究[J].食品工業(yè)科技，2015，36(16)：5861;67.LIUXL,XUEL,LUXX,etal.Fastnondestructivetestingoftotalflavonoidsandanthocyaninsinblueberriesbynearinfraredspectroscope[J].ScienceandTechnologyofFoodIndustry,2015,36(16):5861;67.

　　[7]王姍姍，李路寧，孫紅男，等.基于近紅外光譜技術(shù)構(gòu)建藍(lán)莓總酚含量的模型[J].光譜實(shí)驗(yàn)室，2011，28(6)：31693174.WANGSS,LILN,SUNHN,etal.Contentmodelestablishmentoftotalpolyphenolsinblueberriesbynearinfraredspectroscopy[J].ChineseJournalofSpectroscopyLaboratory,2011,28(6):31693174.

　　作者：曾明飛，朱玉杰，馮國紅，朱金艷，劉思岐