使用VIS-NIR光谱设备的非接触式葡萄品质评估方法开发

《Smart Agricultural Technology》：Development of Non-Contact Grape Quality Assessment Method Using a VIS-NIR Spectroscopic Device

　　

摘要：消费者对脆甜葡萄的偏好日益增加，凸显了硬度（firmness）、应变率（strain rate）和可溶性固形物含量（SSC）是关键品质属性。传统测量方法劳动密集且导致采后损失，突显了非破坏性和可替代方法的必要性。在本研究中，研究人员开发了偏最小二乘回归（PLSR）模型，以评估一种低成本可见-近红外（VIS-NIR）光谱系统用于非破坏性葡萄品质评估。SSC预测表现出稳定性能（反射模式r=0.82，透射模式r=0.80），表明可靠的预测能力。硬度预测在透射模式下达到中等可行性（r=0.60），而应变率预测在反射模式下表现出可比性能（r=0.59）。关键光谱区域（400-550 nm、680-700 nm和920-970 nm）被识别为对所有三个属性具有信息量。这些发现表明，在研究的条件下，基于透射的VIS-NIR光谱在硬度预测方面优于反射光谱，而反射光谱对应变率提供了中等预测性能，对SSC提供了强预测性能。所提出的系统结合了低成本光学组件与化学计量学分析，为多种葡萄品质属性的非破坏性估计提供了一种成本效益高的方法。未来工作将侧重于通过扩展数据集和先进数据处理方法提高模型鲁棒性。

论文解读文章

**研究背景与意义**

葡萄（Vitis vinifera）是全球经济价值最高的水果作物之一，鲜食或加工为葡萄酒、果汁和葡萄干后广泛消费。消费者对葡萄品质的偏好日益倾向于脆甜口感，这使硬度、应变率和可溶性固形物含量（SSC）成为关键品质属性。然而，传统测量方法依赖破坏性技术，如机械测试和化学分析，不仅耗时费力，还导致采后损失，难以实现重复测量或连续质量监控。因此，开发非破坏性、低成本的评估方法对葡萄品质监测和规模化应用至关重要。本研究旨在评估一种基于低成本可见-近红外（VIS-NIR）光谱系统的非破坏性葡萄品质预测能力，为替代传统破坏性方法提供可行性基础。该论文发表在《Smart Agricultural Technology》上，研究团队通过整合低成本光学组件与化学计量学分析，探索了同时预测多个品质属性的可能性。

**关键技术方法**

本研究采用Sweet Globe品种葡萄（绿色无籽鲜食葡萄，购自日本东京本地商业市场），样本取自7个果串的顶部、中部和底部，共获得100颗完整测量的浆果。关键技术包括：1）定制组装的VIS-NIR光谱测量装置，包含黄色光源（PIS-UHX-NIR）、硅基探测器光谱仪（YIXIST YSM-8101-02-05，覆盖400-1100 nm）、光纤、USB线缆、暗室和计算机，分别设置反射模式和透射模式进行光谱采集；2）纹理测量使用流变仪（Yamaden RE2-33005C）以5 mm圆柱压头压缩至赤道高度50%，记录硬度（N）和应变率（%）；3）SSC测量使用口袋折射计（PAL-BX|ACID4）测定果汁，单位为°Bx；4）光谱预处理采用二阶Savitzky-Golay滤波器（窗口31点），将偶数编号样本作为校准集、奇数编号作为验证集（1:1比例），建立偏最小二乘回归（PLSR）模型，并利用变量重要性投影（VIP）评分识别关键波长。

**研究结果**

**3.1 品质属性描述性统计**
校准集和验证集的硬度、应变率和SSC分布高度一致，中位数和四分位距相似，表明数据划分保留了总体结构，仅存在少量异常值反映正常生物学变异，无系统性抽样偏差。

**3.2 光谱剖面**
二阶导数吸收光谱显示，透射模式的光谱峰更尖锐、幅度更大，表明对内部成分更敏感。关键吸收峰位于400-550 nm（叶绿素蓝吸收带）、680-700 nm（叶绿素红吸收带）、920-950 nm（糖含量相关）和970 nm（水分吸收），其中甜青葡萄因无花青素，400-550 nm峰归因于叶绿素。

**3.3 预测模型建立**
- **硬度预测**：透射模式PLSR模型表现更优，校准相关系数（r_c=0.72）和验证相关系数（r_v=0.60），预测误差（RMSEP=1.04）；反射模式几乎无预测能力（r_c=-0.02，r_v=-0.37）。
- **应变率预测**：反射模式表现较好，r_c=0.74，r_v=0.59，但RMSEP较大（39.52）；透射模式预测能力有限（r_c=0.23，r_v=0.17）。
- **SSC预测**：两种模式均表现优异，反射模式略优（r_c=0.89，r_v=0.82，RMSEP=1.81），透射模式r_c=0.82，r_v=0.80，RMSEP=1.90。

**3.4 VIP得分**
VIP分析显示，硬度、应变率和SSC模型在400-550 nm、680-700 nm和920-970 nm区域出现重叠峰值，其中680-700 nm区域VIP值高达约6，归因于叶绿素吸收。进一步相关性分析表明，硬度与SSC呈中等负相关（r=-0.57），应变率与SSC也呈中等负相关（r=-0.48），符合葡萄成熟过程中糖积累伴随细胞壁降解的生理变化，提示共享光谱特征可能预测所有三个属性。

**讨论与结论**

**总结讨论**：本研究验证了低成本硅基VIS-NIR光谱系统在非破坏性葡萄品质估计中的潜力。SSC预测精度最高，与VIS-NIR光谱评估化学组成的成熟能力一致；硬度和应变率预测性能较低，但校准性能尚可，表明系统成功捕获了与机械属性相关的光谱信息。预测性能受限可能源于：机械属性与光学吸收特征关联较弱；样本变异范围有限；模型选择策略可能导致过拟合。关键光谱区域（400-550 nm、680-700 nm、750-860 nm、920-970 nm）与叶绿素、糖和水分吸收相关，其中750-860 nm区域虽无特定化学吸收，但可能对内部结构变化敏感。透射模式在硬度预测上优于反射，因透射光采样更多内部组织；反射模式在应变率和SSC上更优，因其保留外层组织光谱细节。VIP分析揭示了共享光谱特征，且与SSC的负相关表明三者共同的物理化学基础。

**研究结论**：本研究成功开发了一种使用可见-近红外（VIS-NIR）光谱设备的低成本传感系统，从Sweet Globe葡萄获取反射和透射模式光谱数据。光谱采集装置经自行设计和优化，提供了商业仪器的低成本替代方案，支持葡萄品质评估的可及性方法。结合光谱预处理和PLSR建模，该系统展示了非破坏性评估Sweet Globe品种关键品质属性的潜力。可溶性固形物含量（SSC）在两种测量模式下均以高精度预测（r_v≥0.8），确认了VIS-NIR光谱评估水果SSC的有效性。尽管硬度和应变率预测性能相对较低，但结果仍表明光学测量可捕获有意义的组织结构信息，为通过更大、更多样化的数据集进一步改进提供了基础。两种测量模式对模型性能贡献不同：透射模式因整合与内部结构完整性相关的广泛光学变化而更好地预测硬度；反射模式则对应变率和SCC提供更优预测能力，其对源于外层组织的细微光谱变化的敏感性改善了速率依赖变形的建模，而NIR水-糖吸收特征的更清晰表达增强了SSC预测。VIP分析还突出了重叠波长区域（400-550 nm、680-700 nm、920-970 nm）对硬度、应变率和SSC模型的贡献，表明共享光谱特征可能反映共同的潜在物理化学属性。两种模式共同提供互补的光学信息，支持更全面的葡萄品质评估。使用硅基VIS-NIR系统展示了低成本光学硬件在非破坏性葡萄品质评估中的潜力。结合化学计量学分析，所提出的系统为估计多种品质属性提供了成本效益高的平台，并为低成本非破坏性葡萄品质评估系统的进一步开发和改进奠定了基础。基于这些发现，本研究确定的关键VIP波长区域可能支持未来开发针对葡萄品质评估的靶向、低成本传感器。未来工作将侧重于通过扩展不同成熟阶段的采样以及整合先进数据处理和建模方法，进一步提高模型在更广泛评估条件下的预测性能。