作者：Yvette Mattley，博士

光靠外觀是無法判定水果的品質的。色彩鮮亮的芒果或鱷梨不應只起到裝點餐桌的作用。口味和新鮮度至關重要。靠品嘗來判定水果質量很不現(xiàn)實，要想確定水果果肉的品質,需要采用客觀、無破壞性的測量方式。在本應用說明中，為證實NIR具有非侵入性地評估水果品質的能力,近紅外（NIR）漫反射光譜被用于檢測鱷梨和芒果。

背景

消費者使用多種技巧來評估水果的品質，包括氣味、緊實度、聲音、外觀甚至直覺。每個人都有自己獨特的方法，結果有好有壞。雖然這些定性的技巧對消費者而言足夠了，但果農(nóng)和經(jīng)銷商需要一種判定水果品質的定量措施，以保證消費者滿意，獲取或擴大市場份額。 測定糖、淀粉、水分含量等關鍵性質量參數(shù)需要快速、無損的在線測量方法，在水果采摘或包裝前對水果進行檢測。 NIR光譜測量技術符合這些要求。

自20世紀70年代以來，NIR光譜就用于農(nóng)產(chǎn)品質量的分析。 獲取農(nóng)產(chǎn)品（如谷物）反射的NIR的光譜數(shù)據(jù)，與成分含量已知的樣品的光譜數(shù)據(jù)進行對比。 對于表面覆蓋著果皮的水果，用于NIR分析的長波長不易被吸收，因此能通過果皮，檢測里面的果肉。 測量NIR反射的速度很快（無需樣品制備），能進行定量分析（借助于合理的校準模型），不具有破壞性。

NIR波段在780-2500 nm之間。 此波段的光吸收導致分子振動。 分子振動產(chǎn)生光譜數(shù)據(jù)，光譜特征取決于樣品的化學組成。對農(nóng)產(chǎn)品而言，NIR光譜一般有較寬的波峰，因為有機功能團（如C-H、O-H和N-H化學鍵）振動模型的倍頻和合頻會導致吸收重疊。NIR光譜包含了樣品的全部信息，一張NIR光譜上同時有幾種組分的信息。 這些特征和優(yōu)勢令現(xiàn)代紅外光譜儀成為在線監(jiān)控和過程控制的理想之選。

要判定水果的成熟度和品質，通常測定淀粉和糖（主要是果糖、葡萄糖和蔗糖）的含量。 雖然這些組分的波峰靠的很近，但淀粉有特定波長，能構建多參數(shù)模型，用于判定水果的品質。 對于這類測定而言，特征全光譜NIR光譜儀（諸如海洋光學的NIRQuest256-2.5）是一款非常理想的儀器，因為它能檢測出1722 nm、2100 nm和2139 nm附近的關鍵淀粉峰，還有主要在900-1200 nm之間的糖峰（一些波峰也會出現(xiàn)在＞2100 nm處）。 NIRQuest256-2.5能在一張光譜圖上顯示這些特征波長。

除了光譜儀外，也需要諸如海洋光學Vivo光源等高強度光源。 Vivo配置了4個鹵鎢燈泡，GX率地輸出光線，對水果進行有效的NIR光譜分析。 由于大部分光在水果表面發(fā)生散射，建議使用芯徑較大的光纖（600微米）以提高轉換率和靈敏度。  

對這類測定而言，采樣設備至關重要。 除了水果表面的光散射外，水果中的水分也會吸收NIR波長。此外，水果（或任何一種天然產(chǎn)物或農(nóng)產(chǎn)品）的組分在樣品內并不是均勻分布的。 推薦擴大采樣的表面積，獲得水果組分的平均值。在檢測水果品質時，光斑面積較大的光源特別適合樣品光源。

這篇報告的結果是定性的，需要采用合理的化學計量學模型來對水果品質進行多參數(shù)定量評估。采用校正集光譜和PLC（偏Z小二乘法）模型，可建立一個校準模型，測定水果的多個質量參數(shù)（糖、淀粉和其他組分），以預測水果品質。 在農(nóng)業(yè)中，同時定量測定多個指標的能力令近紅外光譜分析技術成為一個強有力的工具。

測量條件

用NIRQuest256-2.5 NIR光譜儀（900-2500 nm）和Vivo直接照明反射支架臺獲得了鱷梨和芒果的NIR光譜。一根與Vivo鹵鎢燈成45°角的2米長VIS-NIR光纖（芯徑600微米）被用于檢測水果的漫反射。用漫反射標準板采集對照光譜。將光源關閉后采集暗光譜。在采集暗光譜時，用黑色護罩遮住支架臺，避免頂光照明的影響。使用的采集裝置如圖1所示。

圖1：配備高亮度鹵鎢燈和光學支架臺的NIR光譜儀是方便的對水果進行漫反射分析的儀器。

對水果的四個部位進行測定，采集整個樣品的NIR漫反射光譜。 將水果放在光學支架臺的磁環(huán)上，防止水果滾落。 因為水果具有易變的性質，如擦傷、顏色不均勻、糖含量的差異（因為日曬不均勻）均會產(chǎn)生光譜差異，因此應進行多次測量。應在水果表面的不同部位進行多次測量,以彌補水果表面的不均一性和差異性帶來的影響。 

結果

對整個成熟或未成熟的芒果和鱷梨進行NIR漫反射測量。 圖2是對兩個芒果和兩個鱷梨每塊果肉上的4個位置進行測量后得到的平均光譜。每塊果肉都進行了多次光譜分析（n=4），以彌補水果的不均一性。這些光譜表明在光譜范圍內即使是同種水果也具有差異性，在＞1100 nm的范圍內，鱷梨的性質較為一致。雖然兩種水果的光譜形狀類似，但從縱軸上能觀察到差異。在水果表面的多個位置進行采樣有利于縮小一塊水果中的差異性，提高結果的準確性和重復性。幸運的是，NIR技術分析速度快，能對大的表面進行多次測量，而不會延長測量時間。

應注意，漫反射光譜中出現(xiàn)的特征光譜是由兩種現(xiàn)場綜合造成的，包括水果表面的光散射量和NIR光穿透樣品的深度。那些在水果表面未發(fā)生散射的光穿透果皮，進入果肉中，被化學組分吸收。雖然漫反射光譜相對容易獲取，但性質不均一的圓形樣品（諸如一塊水果）會產(chǎn)生較為復雜的光譜，需要合理構建模型。

圖2：芒果和鱷梨的NIR漫反射光譜揭示了樣品之間的差異性。

同樣，也采集了剝皮和未剝皮成熟鱷梨和芒果的光譜圖。對鱷梨而言，剝皮鱷梨的光譜特征要比未剝皮鱷梨更明顯。這可能是因為果皮造成的光反射減少，而鱷梨化學成分的光吸收升高。

圖3：剝皮和未剝皮成熟芒果光譜特征的差異可能是因為果皮造成的光反射下降。

在芒果中，剝皮的效應類似于剝皮和未剝皮鱷梨之間的差異。但剝皮對芒果的影響不明顯，因為果皮光反射造成色散平滑較小（圖3）。對剝去鱷梨或芒果果皮后觀察到的光譜差異表明不同果皮有不同性質，其化學組分或反射率會影響總光譜。     

NIR分析中還能觀察到水果的成熟程度。采集了成熟和未成熟鱷梨與芒果的光譜。在1900-2500 nm之間，未成熟鱷梨的光譜具有較高的一致性；相對不成熟的鱷梨，成熟鱷梨在此波段的光譜圖較為平坦（圖4）。

圖4：在1900-2500 nm之間未成熟鱷梨的光譜特征極為一致。

對芒果而言，成熟和未成熟的樣品光譜非常接近，只在1900-2500 nm波段有細微的差別。Z可能造成這些差異的原因是果實成熟過程中糖和淀粉含量的差異。雖然一些光譜變化極為細微，但可用構建合理的校正模型和良好的采樣方法從光譜圖中獲取關于水果成熟度的定量信息。

結論

NIR光譜是農(nóng)產(chǎn)品樣品質量表征的有力測量工具。對水果而言，吸收較弱的長波近紅外波長能透過果皮進行采樣。這樣不再需要樣品制備。將這些優(yōu)勢和快速檢測能力結合起來，近紅外光譜儀是水果品質檢測的理想儀器。

雖然本文提出的光譜數(shù)據(jù)表明了成熟程度不同的鱷梨和芒果的性質差異，但用適當?shù)幕瘜W計量學模型和消除了水果不均一性的采樣方法能從這些光譜中得到關于水果品質的定量資料。

參考文獻

Near-infrared Spectroscopy in Food Analysis, Brian G. Osborne, Encyclopedia of Analytical Chemistry, 1986

標簽：NIR光譜近紅外光譜儀