水果的近红外漫反射分析

作者：Yvette Mattley，博士

光靠外观是无法判定水果的品质的。色彩鲜亮的芒果或鳄梨不应只起到装点餐桌的作用。口味和新鲜度至关重要。靠品尝来判定水果质量很不现实，要想确定水果果肉的品质,需要采用客观、无破坏性的测量方式。在本应用说明中，为证实NIR具有非侵入性地评估水果品质的能力,近红外（NIR）漫反射光谱被用于检测鳄梨和芒果。

背景

消费者使用多种技巧来评估水果的品质，包括气味、紧实度、声音、外观甚至直觉。每个人都有自己独特的方法，结果有好有坏。虽然这些定性的技巧对消费者而言足够了，但果农和经销商需要一种判定水果品质的定量措施，以保证消费者满意，获取或扩大市场份额。 测定糖、淀粉、水分含量等关键性质量参数需要快速、无损的在线测量方法，在水果采摘或包装前对水果进行检测。 NIR光谱测量技术符合这些要求。

自20世纪70年代以来，NIR光谱就用于农产品质量的分析。 获取农产品（如谷物）反射的NIR的光谱数据，与成分含量已知的样品的光谱数据进行对比。 对于表面覆盖着果皮的水果，用于NIR分析的长波长不易被吸收，因此能通过果皮，检测里面的果肉。 测量NIR反射的速度很快（无需样品制备），能进行定量分析（借助于合理的校准模型），不具有破坏性。

NIR波段在780-2500 nm之间。 此波段的光吸收导致分子振动。 分子振动产生光谱数据，光谱特征取决于样品的化学组成。对农产品而言，NIR光谱一般有较宽的波峰，因为有机功能团（如C-H、O-H和N-H化学键）振动模型的倍频和合频会导致吸收重叠。NIR光谱包含了样品的全部信息，一张NIR光谱上同时有几种组分的信息。 这些特征和优势令现代红外光谱仪成为在线监控和过程控制的理想之选。

要判定水果的成熟度和品质，通常测定淀粉和糖（主要是果糖、葡萄糖和蔗糖）的含量。 虽然这些组分的波峰靠的很近，但淀粉有特定波长，能构建多参数模型，用于判定水果的品质。 对于这类测定而言，特征全光谱NIR光谱仪（诸如海洋光学的NIRQuest256-2.5）是一款非常理想的仪器，因为它能检测出1722 nm、2100 nm和2139 nm附近的关键淀粉峰，还有主要在900-1200 nm之间的糖峰（一些波峰也会出现在＞2100 nm处）。 NIRQuest256-2.5能在一张光谱图上显示这些特征波长。

除了光谱仪外，也需要诸如海洋光学Vivo光源等高强度光源。 Vivo配置了4个卤钨灯泡，GX率地输出光线，对水果进行有效的NIR光谱分析。 由于大部分光在水果表面发生散射，建议使用芯径较大的光纤（600微米）以提高转换率和灵敏度。  

对这类测定而言，采样设备至关重要。 除了水果表面的光散射外，水果中的水分也会吸收NIR波长。此外，水果（或任何一种天然产物或农产品）的组分在样品内并不是均匀分布的。 推荐扩大采样的表面积，获得水果组分的平均值。在检测水果品质时，光斑面积较大的光源特别适合样品光源。

这篇报告的结果是定性的，需要采用合理的化学计量学模型来对水果品质进行多参数定量评估。采用校正集光谱和PLC（偏最小二乘法）模型，可建立一个校准模型，测定水果的多个质量参数（糖、淀粉和其他组分），以预测水果品质。 在农业中，同时定量测定多个指标的能力令近红外光谱分析技术成为一个强有力的工具。

测量条件

用NIRQuest256-2.5 NIR光谱仪（900-2500 nm）和Vivo直接照明反射支架台获得了鳄梨和芒果的NIR光谱。一根与Vivo卤钨灯成45°角的2米长VIS-NIR光纤（芯径600微米）被用于检测水果的漫反射。用漫反射标准板采集对照光谱。将光源关闭后采集暗光谱。在采集暗光谱时，用黑色护罩遮住支架台，避免顶光照明的影响。使用的采集装置如图1所示。

图1：配备高亮度卤钨灯和光学支架台的NIR光谱仪是方便的对水果进行漫反射分析的仪器。

对水果的四个部位进行测定，采集整个样品的NIR漫反射光谱。 将水果放在光学支架台的磁环上，防止水果滚落。 因为水果具有易变的性质，如擦伤、颜色不均匀、糖含量的差异（因为日晒不均匀）均会产生光谱差异，因此应进行多次测量。应在水果表面的不同部位进行多次测量,以弥补水果表面的不均一性和差异性带来的影响。 

结果

对整个成熟或未成熟的芒果和鳄梨进行NIR漫反射测量。 图2是对两个芒果和两个鳄梨每块果肉上的4个位置进行测量后得到的平均光谱。每块果肉都进行了多次光谱分析（n=4），以弥补水果的不均一性。这些光谱表明在光谱范围内即使是同种水果也具有差异性，在＞1100 nm的范围内，鳄梨的性质较为一致。虽然两种水果的光谱形状类似，但从纵轴上能观察到差异。在水果表面的多个位置进行采样有利于缩小一块水果中的差异性，提高结果的准确性和重复性。幸运的是，NIR技术分析速度快，能对大的表面进行多次测量，而不会延长测量时间。

应注意，漫反射光谱中出现的特征光谱是由两种现场综合造成的，包括水果表面的光散射量和NIR光穿透样品的深度。那些在水果表面未发生散射的光穿透果皮，进入果肉中，被化学组分吸收。虽然漫反射光谱相对容易获取，但性质不均一的圆形样品（诸如一块水果）会产生较为复杂的光谱，需要合理构建模型。

图2：芒果和鳄梨的NIR漫反射光谱揭示了样品之间的差异性。

同样，也采集了剥皮和未剥皮成熟鳄梨和芒果的光谱图。对鳄梨而言，剥皮鳄梨的光谱特征要比未剥皮鳄梨更明显。这可能是因为果皮造成的光反射减少，而鳄梨化学成分的光吸收升高。

图3：剥皮和未剥皮成熟芒果光谱特征的差异可能是因为果皮造成的光反射下降。

在芒果中，剥皮的效应类似于剥皮和未剥皮鳄梨之间的差异。但剥皮对芒果的影响不明显，因为果皮光反射造成色散平滑较小（图3）。对剥去鳄梨或芒果果皮后观察到的光谱差异表明不同果皮有不同性质，其化学组分或反射率会影响总光谱。     

NIR分析中还能观察到水果的成熟程度。采集了成熟和未成熟鳄梨与芒果的光谱。在1900-2500 nm之间，未成熟鳄梨的光谱具有较高的一致性；相对不成熟的鳄梨，成熟鳄梨在此波段的光谱图较为平坦（图4）。

图4：在1900-2500 nm之间未成熟鳄梨的光谱特征极为一致。

对芒果而言，成熟和未成熟的样品光谱非常接近，只在1900-2500 nm波段有细微的差别。最可能造成这些差异的原因是果实成熟过程中糖和淀粉含量的差异。虽然一些光谱变化极为细微，但可用构建合理的校正模型和良好的采样方法从光谱图中获取关于水果成熟度的定量信息。

结论

NIR光谱是农产品样品质量表征的有力测量工具。对水果而言，吸收较弱的长波近红外波长能透过果皮进行采样。这样不再需要样品制备。将这些优势和快速检测能力结合起来，近红外光谱仪是水果品质检测的理想仪器。

虽然本文提出的光谱数据表明了成熟程度不同的鳄梨和芒果的性质差异，但用适当的化学计量学模型和消除了水果不均一性的采样方法能从这些光谱中得到关于水果品质的定量资料。

参考文献

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