便携式近红外光谱仪测定苹果酸度和抗坏血酸的研究

摘　要　应用便携式近红外光谱分析仪对６种苹果进行无损检测，运用Ｋｅｒｎｅｌ　Ｉｓｏｍａｐ结合广义回归神经网络的方法分别建立苹果酸度和抗坏血酸定量分析模型。结果表明：采用Ｋｅｒｎｅｌ　Ｉｓｏｍａｐ方法能够使模型具有良好的预测能力。苹果酸度模型校正集相关系数Ｒｃ＝０．９９９４，预测集相关系数Ｒｐ＝０．９７９　９，ＲＭＳＥＰ＝０．０５５　８。苹果抗坏血酸模型校正集相关系数Ｒｃ＝０．９８９　１，预测集相关系数Ｒｐ＝０．９２７　２，ＲＭＳＥＰ＝４．０４３　１。研究结果表明，使用该便携式近红外光谱仪可以用于苹果样本的酸度和抗坏血酸含量的测定。

    近红外光谱（ＮＩＲ）技术作为一种快速、高效的分析工具，在苹果品质的测量中已被广泛的应用。国内外对苹果品质的研究主要集中在硬度和可溶性固溶物两个指标［１－４］，而苹果的酸度和抗坏血酸含量对苹果口感和营养价值也有较大影响。对苹果酸度和抗坏血酸的传统测量方法均存在破坏样
品、操作复杂、耗时较长等检测缺点。因此，应用近红外光谱技术建立苹果酸度和抗坏血酸含量的快速检测方法是非常必要的。
    由于近红外光谱谱带重叠严重，并含有一定水平的噪声，因此从近红外光谱中提取有用信息是近红外光谱分析的技术核心。基于待测样品理化性质与近红外光谱之间的线性和非线性关系，主成分分析（ＰＣＡ）、偏最小二乘（ＰＬＳ）、支持向量机回归（ＳＶＲ）、等距映射（Ｉｓｏｍａｐ）、局部线性嵌入（ＬＬＥ）等线性和非线性降维、回归方法已被引入到近红外光谱分析中［５，６］。杨辉华等的研究表明Ｉｓｏｍａｐ能够有效反映ＮＩＲ光谱中存在的非线性结构，但Ｉｓｏｍａｐ没有良好的推广性。Ｃｈｏｉ等［７］的研究表明Ｋｅｒｎｅｌ　Ｉｓｏｍａｐ算法能够应用核方法将测试数据点映射到特征空间，使算法具有良好的推广性。
    广义回归神经网络（ＧＲＮＮ）是一种训练速度快、逼近性能好、调整参数少、能够处理小样本和不稳定数据的神经网络。本文主要研究了Ｋｅｒｎｅｌ　Ｉｓｏｍａｐ算法和ＧＲＮＮ应用于苹果酸度和抗坏血酸含量的近红外光谱定量分析，取得了满意的结果。