基于LED诱导荧光光谱技术的辣椒辛辣度与色度值同步快速检测方法研究

为解决传统辣椒品质检测方法耗时耗力的问题，中国农业大学团队创新性地开发了基于LED诱导荧光光谱技术的同步检测系统。研究通过优化荧光校正算法，显著提升了辛辣度预测精度（Rc2达0.941），并实现色度值的高通量检测（Rc2为0.862），为农产品工业化质检提供了便携式解决方案。

　　

辣椒作为全球重要的经济作物，其辛辣度和色泽是决定商业价值的关键指标。传统检测依赖高效液相色谱（HPLC）和紫外-可见分光光度法，不仅需要复杂的样本前处理，还难以满足工业化生产的实时监测需求。尽管近红外光谱（NIR）和拉曼光谱等技术已被尝试用于单一指标检测，但同步评估辣椒多重品质特性仍存在技术空白。

中国农业大学的科研团队在《Food Chemistry》发表的研究中，开创性地将LED诱导荧光光谱技术应用于辣椒品质的同步检测。该团队设计了一款便携式检测设备，通过优化光学系统捕获辣椒样本的荧光信号，并创新性地提出对称运算荧光校正法，有效消除了激发光反射对信号的干扰。研究选用魔鬼椒（ghost chilli）和红龙23号（Honglong 23）分别作为辛辣度和色度值的检测样本，采用偏最小二乘回归（PLSR）和支持向量机（SVM）算法建模。

关键技术包括：1）多波长LED激发荧光采集系统搭建；2）基于对称运算的反射光干扰消除算法；3）结合化学计量学的多指标预测模型优化。样本队列来源于生物制药企业和辣椒加工厂的合作供应，确保数据工业代表性。

【LED诱导荧光光谱特征】
研究首次发现辣椒样本在280 nm激发下的荧光峰与辣椒素（capsaicin）和二氢辣椒素（dihydrocapsaicin）的固有荧光特性相关，而类胡萝卜素（carotenoids）的荧光信号则与色度值显著相关。通过对称校正后的光谱使辛辣度预测误差降低至6813.41 SHU（RMSEC）。

【模型性能】
辛辣度最佳PLSR模型的校正集决定系数R_c²达0.941，交叉验证R_cv²为0.935；色度值模型R_c²为0.862，验证集误差（RMSECV）仅1.402。SVM模型在非线性数据处理中展现出更强的鲁棒性。

【工业应用价值】
该研究突破性地实现了辣椒品质双指标的60秒快速检测，设备成本仅为传统方法的1/5。荧光校正技术的应用使系统抗干扰能力显著提升，为农产品加工线上的实时质量控制提供了新范式。作者团队特别指出，该方法可扩展至其他茄科作物的多参数检测，未来通过增加LED波长组合有望实现更多营养指标的同步分析。

讨论部分强调，该技术解决了生物技术企业在天然植物提取过程中面临的检测效率瓶颈。与NIR和HSI技术相比，LED荧光系统在便携性和成本控制方面具有明显优势。研究存在的局限性包括样本品种尚未覆盖所有栽培变种，后续将通过扩大样本多样性进一步提升模型泛化能力。这项由中国农业大学2115人才计划支持的研究，为智慧农业检测装备的国产化开发提供了重要技术储备。