利用近红外光谱技术与化学计量学结合，实现甜罗望子中霉菌的无损检测

《Applied Food Research》：Utilization of near infrared spectroscopy coupled with chemometrics for non-destructive detection of mold in sweet tamarind

本研究利用近红外光谱（NIR）结合机器学习模型，检测并分类甜罗望子果实内部霉菌感染。通过预处理（标准正态变量、乘法散射校正等）和平均光谱分析，发现SNV-ANN模型在测试集上准确率达93.3%，有效提升非破坏性检测效率，为减少出口损失提供方法。

　　### 非破坏性检测甜酸豆角霉变的可行性研究

甜酸豆角是一种重要的热带和亚热带豆科植物，因其独特的风味和广泛的用途，在食品加工和出口中占据重要地位。然而，霉菌感染是甜酸豆角在收获后面临的主要问题之一，不仅导致严重的产量损失，还可能对食品安全构成威胁。由于甜酸豆角的外壳缺乏明显的外部变化，传统的视觉检查方法难以准确识别内部霉变，因此需要一种非破坏性的检测手段。本研究通过近红外光谱技术（NIRS）探讨了甜酸豆角霉变检测的可能性，并结合多种数据预处理方法和分类模型，如主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）和人工神经网络（ANN），评估了该技术的适用性。

#### 研究背景与意义

甜酸豆角（*Tamarindus indica*）是一种稀有的野生植物，主要种植于印度、东南亚、非洲和美洲。尽管其具有治疗和经济价值，但其果实的内部霉变问题一直是制约其产量和质量的重要因素。霉菌感染不仅会降低果实的市场需求和价格，还可能对消费者的健康产生影响，因为霉菌可能产生毒素，进而影响多个生物系统。因此，开发一种快速、准确且非破坏性的检测方法，对于减少出口损失和提高食品安全至关重要。

在农业和食品工业中，近红外光谱技术因其高效、穿透力强以及能够同时检测多种成分而被广泛应用于食品质量评估。NIRS技术可以检测食品内部的化学成分变化，如水分、糖分和蛋白质含量，从而识别霉菌感染。然而，对于厚皮或不透明的果实，如甜酸豆角，其应用仍面临一定挑战。本研究旨在利用NIRS技术检测甜酸豆角的霉变情况，并通过化学计量学方法建立分类模型，以提高检测的准确性和效率。

#### 材料与方法

本研究选取了泰国北部和东北部地区种植的甜酸豆角品种Sithong作为研究对象。所有样本在成熟后进行采集，并在25°C、65%相对湿度下保持24小时以达到温度和湿度平衡。随后，使用多用途分析仪（MPA）和傅里叶变换近红外光谱仪（FT-NIR）对样本进行光谱测量，光谱范围为800至2500 nm。在果实的顶部、中部和末端各选取六个特定位置进行测量，以确保数据的全面性和代表性。

为了进一步提高检测精度，对原始光谱数据进行了四种预处理方法：标准正态变量（SNV）、乘法散射校正（MSC）、一阶导数和二阶导数。这些方法有助于消除光谱中的噪声和散射效应，提高数据的信噪比。随后，通过主成分分析（PCA）对数据进行降维处理，以观察不同处理后的光谱特征。

为了构建分类模型，研究采用了偏最小二乘判别分析（PLS-DA）和人工神经网络（ANN）。PLS-DA是一种监督分类技术，通过建立光谱数据与样本类别之间的关系，提高分类的准确性。而ANN则是一种模拟人脑神经网络的非线性分类方法，适用于复杂的数据模式识别。所有样本被随机分为训练集和测试集，以评估模型的泛化能力。

#### 结果与分析

在原始光谱数据中，甜酸豆角的霉变样本表现出更高的光谱强度，这可能是由于霉菌组织对光的吸收增强所致。通过SNV和MSC预处理后，光谱数据的基线被校正，噪声被去除，从而提高了分类的准确性。PCA分析结果显示，健康样本和霉变样本在光谱特征上存在一定的重叠，但通过预处理后的数据，两者的区分更加明显。

在PLS-DA模型中，使用平均光谱数据的分类效果优于特定位置的光谱数据。其中，SNV预处理后的PLS-DA模型在测试集中达到了93.3%的分类准确率，显著高于其他预处理方法。此外，ANN模型在SNV预处理后的数据中表现出更高的分类性能，测试集准确率达到了93.3%，并能正确识别97.6%的霉变样本。这表明，通过综合多个位置的光谱数据，可以提高检测的准确性和可靠性。

#### 模型的优化与应用

研究还发现，不同位置的光谱数据对分类模型的影响存在差异。例如，在顶部位置的光谱数据中，霉变样本的分类准确率较高，而在中部和末端位置的光谱数据中，准确率相对较低。这可能是因为不同位置的组织结构和化学成分存在差异，影响了光谱的吸收特性。因此，使用多个位置的平均光谱数据可以更全面地反映果实的整体状况，提高分类的准确性。

此外，研究还探讨了不同预处理方法对模型性能的影响。SNV预处理方法在去除散射效应和噪声方面表现出色，使得模型在训练和测试集中的分类准确率均较高。而MSC预处理方法虽然能够校正基线，但在某些情况下可能导致数据信息的丢失，从而影响分类效果。一阶导数和二阶导数预处理方法在提取光谱特征方面具有一定优势，但其分类效果不如SNV和MSC。

#### 讨论与展望

本研究的结果表明，近红外光谱技术可以有效地用于检测甜酸豆角的霉变情况，特别是在结合数据预处理和分类模型的情况下。然而，研究也发现，由于霉变程度的不同，某些轻度感染的样本可能被误判为健康样本，这在一定程度上限制了模型的预测能力。因此，未来的研究需要进一步优化模型，以提高对不同感染级别的识别能力。

此外，研究还指出，NIRS技术在检测厚皮或不透明果实中的应用仍需进一步探索。虽然本研究的样本具有一定的代表性，但不同品种和产地的甜酸豆角可能在光谱特征上存在差异，这可能影响模型的普适性。因此，未来的研究应涵盖更多品种和产地的样本，以增强模型的泛化能力。

本研究为甜酸豆角的霉变检测提供了一种高效、经济且用户友好的方法，具有重要的实际应用价值。通过非破坏性检测，可以有效减少出口损失，提高食品安全水平。同时，研究还强调了化学计量学方法在食品质量评估中的重要性，为其他类似研究提供了参考。未来的研究应进一步优化模型，以提高检测的准确性和可靠性，确保其在实际应用中的有效性。