基于全透射可见/近红外光谱的血橙可溶性固形物与花青素含量在线检测技术研究

针对传统血橙品质检测方法破坏样本、耗时费力的问题，重庆研究者开发了基于多点位全透射Vis/NIR光谱技术，结合CARS特征波长筛选算法，构建了SSC（Rpre =0.862）和花青素（Rpre =0.845）的高精度PLSR预测模型，为水果内部品质无损检测提供了创新方案。

　　

血橙作为一种富含花青素(anthocyanins)的特色柑橘，其可溶性固形物(SSC)含量直接影响风味品质，而花青素则具有抗氧化、抗炎等健康功效。然而传统检测方法需破坏样本且效率低下，难以满足现代果蔬产业对快速无损检测的需求。针对这一技术瓶颈，来自重庆的研究团队创新性地将多点位全透射可见/近红外(Vis/NIR)光谱技术应用于血橙品质在线检测，相关成果发表在《Journal of Food Composition and Analysis》。

研究团队首先构建了短积分时间的全透射光谱采集系统，通过9点移动平均平滑(MAS)、均值归一化(MN)和标准正态变量变换(SNV)三种预处理方法优化光谱质量。采用连续投影算法(SPA)、竞争性自适应重加权采样(CARS)和自助软收缩(BOSS)筛选特征波长，最终建立偏最小二乘回归(PLSR)预测模型。

实验样本
研究选取450个重庆万州产血橙，涵盖树冠内外不同光照条件的果实，确保样本SSC(10.0-16.1 °Brix)和花青素含量(0.12-33.08 mg·100 ml^?1
)的广泛代表性。

SSC和花青素含量预测
SNV预处理光谱表现最优，CARS算法筛选的28个特征波长构建的PLSR模型对SSC预测精度最高(R_pre
=0.862，RMSEP=0.558 °Brix，RPD=1.965)；而花青素预测最佳模型采用CARS选出的10个波长(R_pre
=0.845，RMSEP=1.824 mg·100 ml^?1
，RPD=1.790)。

结论
该研究首次实现血橙SSC和花青素含量的在线无损检测，证实全透射模式比传统反射模式更能捕获果实内部信息。通过优化积分时间与多点扫描策略，解决了动态检测中信号稳定性难题。这项技术为水果品质智能化分级提供了重要工具，对促进功能性水果产业发展具有显著价值。研究获得国家重大水利工程建设基金(5001012022FA00001)和重庆市教委科研项目(KJQN202201220)支持。