国产偷国产偷亚洲高清日韩|精品国产三级av不卡顿|日韩有码国产精品一区二区|亚洲综合日韩国产欧美中文字幕

消費者生活水平的提高也表現(xiàn)在對食物的高品質(zhì)需求。對于食品工業(yè)來說，特別是它復(fù)雜的國際供應(yīng)鏈，有效的監(jiān)測方法對交付質(zhì)量和一致性起到至關(guān)重要的作用。近紅外 (NIR) 反射光譜法作為一個可行的監(jiān)測手段，在本應(yīng)用案例中，我們應(yīng)用近紅外反射光譜法測定水果的成熟度。

介紹

監(jiān)測的水果成熟度能幫助農(nóng)民、 加工商以及零售商將他們的損失降到最低，并最大限度地通過準(zhǔn)確的分類監(jiān)控產(chǎn)品質(zhì)量。這能減少整個供應(yīng)鏈的浪費，并提高消費者對產(chǎn)品感受的一致性。近紅外光譜技術(shù)的一大優(yōu)勢就是測試樣品的無需準(zhǔn)備。

此應(yīng)用中我們使用緊湊的設(shè)計和強大的性能的線陣檢測器光譜儀——NIRQuest，用于監(jiān)測在表皮不可知其成熟度的香蕉和其他水果。NIRQuest 的性能、 尺寸和耐用性使開發(fā)的近紅外光譜技術(shù)應(yīng)用從實驗室可以直接轉(zhuǎn)移到工廠車間。

實驗裝置和方法

要測量水果的反射光譜，我們使用 NIRQuest512-1.7 (900-1700 nm) 和 NIRQuest256-2.5 (900-2500 nm) 光譜儀，HL-2000鎢鹵素光源和反射探頭。探頭通過透反射支架(STAGE-RTL-T)固定，并可以調(diào)整探頭的位置固定探頭與樣品間的距離 (圖 1)。表 1 提供了所使用設(shè)備的詳細(xì)信息和其選擇的原因。

我們對香蕉、 蘋果和橘子進行了連續(xù)七天（一般存放環(huán)境）的測量，這些水果都是從同一家超市購買，并以當(dāng)天作為測試的第一天。在每組測量之間，我們都使用WS-1 漫反射標(biāo)準(zhǔn)板做一次標(biāo)準(zhǔn)白板測試。對每個水果進行不同位置的六次測量，并取其平均值，這樣做是為了排除水果的不均勻性導(dǎo)致測試結(jié)果的差異性。即使近紅外光譜方法無需樣品制備，但水果的結(jié)構(gòu)不均勻性使得有必要在不同的位置進行多次測量并取其平均值來作為針對整個水果的分析結(jié)果。對于大多數(shù)的應(yīng)用來說，近紅外光譜法還要求復(fù)雜化學(xué)計量學(xué)校準(zhǔn)模型，但是在本應(yīng)用中我們沒有使用該數(shù)學(xué)方法來監(jiān)測水果的成熟度(1) (2) (3)。

數(shù)據(jù)收集的流程如下所示︰

1. 打開 HL-2000光源，等待15 分鐘使光源達(dá)到熱平衡和穩(wěn)定。

2. 關(guān)閉光源開關(guān)快門對光譜儀進行暗噪聲測量

3. 使用標(biāo)準(zhǔn)漫反射板測量反射光譜作為標(biāo)準(zhǔn)漫反射。

4. 對水果樣品的不同位置進行6次測量可燃?xì)怏w報警器，水果的表面和探頭的距離固定在~0.5 cm

5. 重復(fù)步驟 3 和 4 為測量每個水果樣品。

圖 1︰ 儀器搭建：光譜儀，光源，探頭和樣品支架

表 1︰ 近紅外漫反射光譜搭建

結(jié)果與討論：

我們測量了兩個香蕉樣本，以及蘋果和桔子，大約七天的反射率數(shù)據(jù)。每個樣本的結(jié)果顯示出類似的趨勢，但香蕉表面漫反射的數(shù)據(jù)特別明顯，這時因為香蕉更容易變熟。

針對香蕉在不同時間段進行的漫反射測量數(shù)據(jù)可以參考圖2。數(shù)據(jù)在小于950 nm 和大于 1650 nm 這些波長段我們不需做更多分析，因為在這些波長段并不包含樣品重要的物質(zhì)信息，并且大多數(shù)是噪音引起的，也是由于該波長段接近光譜儀的檢測極限所致。隨著時間的推移，光譜趨勢更加明顯，比如1450 nm附近。

近紅外光譜技術(shù)是一種光譜振動技術(shù)，與分子激發(fā)引起的能量吸收有關(guān)。近紅外光譜 (750-2500 nm) 主要表現(xiàn)為物質(zhì)的特定官能團內(nèi)部的基本振動頻率產(chǎn)生的光譜信息。有機樣品中的以O(shè)-H和 C-H官能團(4)為主，因為多數(shù)有機物本身含有大量的水分，從而導(dǎo)致水分（O-H 官能來衡量）的變化占了主要測試的變化。

圖 2 所示1400nm到1550nm是吸收譜帶，在 1150nm和1000nm處，可以表示為水果水分含量的變化。每一天反射率都在增加，變化最快的是在第三天。這表明隨著水果的成熟水果的水分含量不斷降低，我們可以從光譜的吸收帶進行判斷。水分的校準(zhǔn)在測試水果成熟度方面必須具備的算法(5)。

圖2︰ 隨著時間的推移，香蕉的不同反射光譜。每個光譜做了歸一化平均，保證每個光譜對于分析都有效。

在圖2中所示的光譜數(shù)據(jù)的一階導(dǎo)數(shù)計算結(jié)果能清楚地表明香蕉在存放過程中發(fā)生的變化，見圖3。圖3顯示波長吸收變化的速率與波長的關(guān)系。隨著時間的推移，我們很容易觀察到反射光譜的變化趨勢，圖3中顯示的光譜是我們在不同天數(shù)中測量的光譜數(shù)據(jù)。例如前兩天在光譜尖峰的變化率明顯大于后面幾天的水果檢測儀，而后段時間香蕉是更成熟，果皮也開始呈現(xiàn)棕色。這表明，使用近紅外光譜不僅能對水果的表面變化定性，甚至能彌補視覺或者顏色測量的誤差。

圖 3︰ 香蕉表面近紅外反射光譜的一階導(dǎo)數(shù)與波長的關(guān)系。

其他非接觸式的光學(xué)方法比如光學(xué)密度法也可以對水果的成熟度進行過監(jiān)控。但與光學(xué)密度法不同的是，近紅外反射光譜可以反映特定波長的特征信息，從而獲得更全面、更可靠的結(jié)果，以及更精確的信息天然氣報警器，如糖、脂肪和蛋白質(zhì)含量等等(6)。

水果中水的溫度對光譜測量也有影響，而且每天的變化不一致，因此我們相對的很難獲得水果成分的準(zhǔn)確結(jié)果，所以這些測量需要建立準(zhǔn)確的校準(zhǔn)化學(xué)計量學(xué)模型。這類模型廣泛應(yīng)用于近紅外光譜技術(shù)，而且有許多技術(shù)已經(jīng)將這些近紅外光譜測量應(yīng)用在水果的近紅外測量中(1) (2) (3)。然而由于我們使用的樣品量太少，從而不能從我們的研究結(jié)果中生成校準(zhǔn)模型，但是我們可以從1000 nm, 1150 nm 和1400-1550 nm波長段的光譜數(shù)據(jù)獲得水果成熟過程中水分的變化。重要的是，通過近紅外反射光譜測量我們可以在能觀察到香蕉外皮發(fā)生變化前預(yù)先觀察到變化的發(fā)生。

總結(jié)：

腐爛或過熟的水果嚴(yán)重地浪費生產(chǎn)商、加工商和消費者的時間和金錢。通過監(jiān)測整個供應(yīng)鏈的水果成熟度就可以更好地控制產(chǎn)品的成熟。

該應(yīng)用表明，我們可以使用近紅外漫反射光譜監(jiān)測水果的成熟度，隨著水果的變熟，與水分含量相關(guān)的趨勢圖可以作為樣品的典型特征進行表征。

近紅外反射光譜法作為一種快速和可靠的監(jiān)測水果品質(zhì)和生產(chǎn)的方式，而且無需任何樣品制備，也不會損壞樣品。雖然真實的應(yīng)用該方法用于質(zhì)量控制環(huán)境還需要進一步發(fā)展校準(zhǔn)模型水果檢測儀，但是我們已經(jīng)證明可以使用近紅外光譜法作為監(jiān)測水果成熟的有力工具。測量是相對簡單的水果檢測儀，而且不需要樣品制備；測試過程是快速的，相似的應(yīng)用也是使用該方法，結(jié)合可靠的校準(zhǔn)正模型可以擴展至多個參數(shù)的獲得。通過遠(yuǎn)程—從產(chǎn)地到工廠和超市貨架監(jiān)測整個供應(yīng)鏈的水果品質(zhì)可以節(jié)省很多時間和金錢。我們更愿意聽到這樣的話語——再也沒有爛香蕉了！

文獻(xiàn)引用:

Linear and non-linear regression models for classification of fruit from visible-near infrared spectra。 Kim, J。, Mowat, A。, Poole, P。, Kasabov, N。 2, July 24, 2000, Chemometrics and Intelligent Laboratory Systems, Vol。 51, pp。 201-216。Postharvest quality of apple predicted by NIR-spectroscopy: Study of the effect of biological variability on spectra and model performance。 Bobelyn, E。, Serban, A。-S。, Nicu, M。, Lammertyn, J。, Nicolai, B。, Saeys, W。 55, 20110, Postharvest Biology and Technology, pp。

133-143。Preliminary study on the application of near infrared spectroscopy and pattern recognition methods to classify different types of apple samples。 Luo, W。, Shuangyan, H。, Fu, H。, Wen, G。, Cheng, H。, Zhou, J。, Wu, H。, Shen, G。, Yu, R。 128, 2011, Food Chemistry, pp。 555-561。Using NIRS spectroscopy to predict post harvest quality。 Cayuela Sanchez, J。 A。 Sevilla: s。n。, 2012。Non-destructive measurement of moisture content using handheld NIR。 Blakey, R。 J。, van Rooyen, Z。 2009。Non-destructive measurement of moisture content in avocado’s using handheld near-infrared spectroscopy。 Blakey, R。 J。, van Rooyn, Z。 2011, South African Avacado Growers Association Yearbook, Vol。 34。

騰元達(dá)編輯，轉(zhuǎn)載請注明出處