摘要新鮮度是衡量果蔬品質的重要指標，對藍莓新鮮度的快速準確評價具有重大意義。針對傳統人工感官評價方法的不足，基于可見/近紅外光譜技術結合支持向量機(supportvectormachine，SVM)和隨機森林(randomforest，RF)建立了2種新鮮度快速評價模型，以期為藍莓新鮮度的快速準確評價提供參考。該研究以10℃恒溫貯藏綠寶石藍莓為研究對象，利用可見/近紅外光譜儀采集其不同貯藏天數樣品的光譜信息，綜合考慮貯藏天數、外觀、質量損失率、硬度、可溶性固形物和維生素C這6個反映藍莓新鮮度的理化指標，計算新鮮度綜合得分，將不同貯藏期的藍莓樣品劃分為新鮮、次新鮮和不新鮮3個類別。光譜數據應用SG(SavitzkyGolay)卷積平滑預處理，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SVM參數時，對主成分個數在[1，20]范圍進行了測試，結合5折交叉檢驗下平均分類準確率最佳值，確定最佳主成分個數為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。結果顯示，SVM模型訓練集和測試集識別準確率分別為97.78%和88%，RF模型訓練集和測試集識別準確率分別為100%和84%，SVM模型優于RF模型。研究表明可見/近紅外光譜技術結合主成分分析和SVM可用于藍莓新鮮度的快速評價。

　　關鍵詞可見/近紅外光譜;藍莓;新鮮度;主成分分析;支持向量機;隨機森林

　　藍莓，一種藍色小漿果，歸屬于杜鵑花科越橘屬，有漿果之王的美譽[1]。其酸甜可口，風味獨特，并且營養豐富，富含維生素、花青素和多種人體所缺礦物質。藍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，果實采后極其不易保存、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，其品質也會發生快速改變。

　　對藍莓的新鮮度進行快速準確評價可以更好地為之品質分級，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。傳統對于藍莓新鮮度分級評價主要依靠人工感官評定，不僅費時費力且效果因人而異。

　　可見近紅外光譜技術憑借分析速度快、成本低、無污染等優點，在食品快速無損檢測中被廣泛應用。其結合化學計量學方法在物質含量預測[2]、食品品質檢驗[3]等多有研究。對于藍莓無損檢測而言，目前國內外已經基于近紅外光譜技術實現了其硬度[4]、可溶性固形物[5]、花青素[6]和總酚[7]的無損檢測，但以往對藍莓的研究主要是針對個別指標預測，尚缺乏對新鮮度這一綜合指標的研究。

　　不少學者利用光譜無損檢測技術對肉質品[8]、水產品[9]和蛋類[10]的新鮮度進行了分析，但在果蔬尤其是藍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標準，其中李昆[11]采用近紅外光譜技術對不同放置天數的蘋果、白梨和香梨的新鮮度進行了探究，建立了PLS和BP神經網絡預測模型，并取得了一定的預測效果。孫紅等[12]利用其設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，建立的支持向量機模型準確率為86.81%。以上研究表明，可見近紅外光譜技術可被應用于水果新鮮度的快速檢驗和評價，但在對樣品的新鮮度劃分上僅以放置時長為判斷標準，劃分方法較為主觀且單一。

　　論文以綠寶石藍莓為研究對象，測得其可見近紅外光譜數據以及與藍莓新鮮度變化相關的個理化指標，通過這些理化指標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莓原始光譜數據采用(SavitzkyGolay)卷積平滑進行預處理，再運用主成分分析提取特征信息，建立支持向量機和隨機森林兩種新鮮度快速評價模型，比較兩種模型的評價效果，以期為藍莓新鮮度的快速準確評價提供參考。

　　1材料與方法

　　1.1實驗儀器與材料

　　實驗儀器：LabSpec5000型光譜儀，美國ASD公司;LYT330型手持式折光儀，上海淋譽公司;UniversalTA型質構儀，上海騰拔公司;UV180型紫外分光光度計，北京北分瑞利公司;PX70BⅢ型生化培養恒溫箱，天津泰斯特公司。實驗材料：藍莓選用的品種為綠寶石，2021年月采于遼寧省米粒生鮮(丹東)商貿有限公司藍莓種植基地，挑選大小均勻、無損傷的成熟新鮮藍莓當天低溫貯藏運回實驗室，分組放置于專用包裝盒內避免擠壓，再貯藏于恒溫箱內，恒溫箱內溫度設置為10℃。

　　1.2實驗方法

　　隨著貯藏天數的增加，由于蒸騰作用、呼吸消耗以及受到纖維素酶、果膠酶等影響，藍莓果實外觀色澤質地改變、質量減少、硬度下降、可溶性固形物在相關酶的作用下含量增加、內部維生素等被氧化[1314]。

　　基于上述考慮，研究測定了與新鮮度相關的個理化指標：外觀、貯存天數、質量損失率、硬度、可溶性固形物、維生素，以此個理化指標作為藍莓新鮮度指標，參考謝忠紅等[15]對菠菜新鮮度的劃分方法，以各指標的標準差比上標準差之和為每個指標賦予權值，求得每組藍莓新鮮度綜合得分，并據此劃分藍莓樣品新鮮度類別，以新鮮度類別作為分類標簽，進而基于可見近紅外光譜數據建立新鮮度評價模型。

　　挑選大小均勻、無損傷的成熟新鮮藍莓分成300組，個每組，裝于PET專用水果包裝盒內，于10℃恒溫箱中貯藏。每次實驗前取30組藍莓，邀請15名接受過培訓的同學作為專家進行外觀打分，待恢復至室溫后采集其可見近紅外漫反射光譜，之后進行相關理化指標的測定。樣品從貯藏當天開始測定，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，先將機器預熱30min，之后將二分光纖探頭對準聚四氟乙烯標準白板進行校正。掃描光譜時，先將藍莓表皮輕輕擦拭干凈，側放在墊有黑色植絨布的樣品盒內。由于藍莓果實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行次白板校正，光譜掃描時盡量避開表皮缺陷部位。

　　2結果與分析

　　2.1理化指標結果分析

　　2.1.1質量損失率和硬度

　　藍莓貯藏前期，果實飽滿水分充足，而隨著貯藏時間的增加，果實中的水分不斷減少，營養物質不斷被消耗，貯藏第天時，果實表皮已嚴重皺縮。藍莓質量損失率逐漸增加，截至最后次測量時，果實質量減少了13.40%。果實硬度不僅影響其外觀形狀，還對其口感有較大影響，果實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胞壁構成物質、細胞間結合程度以及相關分解酶的變化。質量減少和硬度降低主要表現出果實呈現萎蔫、疲軟或腐爛形態，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莓品質的重要指標，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果具有一致性。

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

　　維生素，又稱抗壞血酸，能增強人體免疫能力，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物質。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。據分析，藍莓采后，內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。實驗結果發現，10℃恒溫貯藏下綠寶石藍莓在～9d貯藏期內，花青素含量總體在0.7455～0.3307mg/g間波動，變化不明顯。在評價藍莓樣品的新鮮度類別時，由于指標測量誤差的不可避免，過多的指標可能會使評價效果下降。因此，最終考慮質量損失率、硬度、可溶性固形物、維生素、外觀得分和貯藏天數作為新鮮度評價的指標。

　　2.2新鮮度綜合得分

　　本次研究綜合考慮貯藏天數、外觀、質量損失率、硬度、可溶性固形物、維生素這個指標。參考謝忠紅等[15]對菠菜新鮮度的劃分方法，采用各指標標準差占標準差之和的比值給每個指標賦予權值，計算出每組藍莓的新鮮度綜合得分，并根據綜合得分情況將樣品藍莓合理劃分為新鮮、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行排序，采用隔三選一法22]劃分為訓練集和測試集。結果表明，訓練集共計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波段選擇和預處理

　　藍莓光譜兩端噪聲較大，去掉此部分光譜數據可使模型達到更好效果，本文選取500～2300nm之間光譜進行分析。光譜數據的準確性及有效性受到傳感器靈敏度、環境溫度和光照強度等因素的影響23]，合適的預處理手段可顯著提高信噪比，使模型的準確率大為提升。此處選擇次多項式、平滑點數為15點的卷積平滑算法[2對光譜數據進行預處理，預處理前后的反射光譜。相比于原始光譜，預處理之后的光譜曲線更加平滑，系統噪聲更低、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據，若直接使用其建立模型，計算量大，耗時長，且會導致建立的模型性能差、準確率低。主成分分析是一種常用的光譜數據降維和特征提取方法，能最大限度保留原始光譜信息，并加快模型訓練速度，提高預測精度和魯棒性。繪制前個主成分得分的三維散點圖(為避免圖中數據點堆積，僅展示測試集數據得分)，同一種新鮮類別數據點具有一定聚集性，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確劃分。

　　3結論

　　藍莓果實貯藏期間，新鮮度是反映果實品質的一個重要的綜合指標，快速準確評價藍莓果實新鮮度是一項重要的工作。為實現對藍莓新鮮度的快速準確評價，利用可見近紅外光譜儀采集不同貯藏天數藍莓樣品的光譜信息，使用卷積平滑方法和主成分分析對光譜數據去噪和提取特征信息。綜合考慮個理化指標：貯藏天數、外觀、質量損失率、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支持向量機參數時，對主成分數在[1，20]范圍內進行了測試，結合折檢驗下驗證集平均準確率最佳值，確定最佳主成分個數為個。以前個主成分得分為輸入變量，建立SVM和新鮮度評價模型，獲得的識別準確率分別為8%和4%。相對于模型，SVM模型具有更高的準確率和魯棒性，可以更好地區分藍莓新鮮度的個類別，研究表明可見近紅外光譜技術結合VM方法在藍莓新鮮度的快速評價方面具有良好的應用潛力。

　　參考文獻

　　[1]司琦，胡文忠，姜愛麗，等.動態氣調貯藏對藍莓采后生理代謝品質的影響[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可見/近紅外檢測儀設計與試驗[J].農業機械學報，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莓硬度的研究[J].浙江農業學報，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檢測藍莓可溶性固形物含量[J].食品工業科技，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.近紅外光譜技術快速無損檢測藍莓總黃酮、花青素的研究[J].食品工業科技，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構建藍莓總酚含量的模型[J].光譜實驗室，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