本研究主要集中于高光譜成像技術(shù)在番茄品質(zhì)評(píng)估中的應(yīng)用。通過可見光-近紅外（Vis-NIR）高光譜成像技術(shù)，能夠同時(shí)獲取番茄的空間和光譜信息，實(shí)現(xiàn)對(duì)番茄外觀（如顏色）和內(nèi)部品質(zhì)（如硬度、番茄紅素、可溶性固形物、維生素C等）的無損檢測(cè)。研究提出了一種新的綜合質(zhì)量指數(shù)（CQI），結(jié)合多項(xiàng)品質(zhì)指標(biāo)，通過化學(xué)計(jì)量學(xué)方法和因子分析對(duì)番茄的綜合品質(zhì)進(jìn)行全面評(píng)估。

這種基于高光譜成像的綜合質(zhì)量評(píng)估方法，不僅能夠用于準(zhǔn)確預(yù)測(cè)番茄的成熟度，還能生成番茄不同成熟階段的空間分布圖，實(shí)現(xiàn)對(duì)番茄品質(zhì)的可視化分析。這為番茄的分級(jí)、采摘時(shí)機(jī)的確定、運(yùn)輸中的質(zhì)量監(jiān)控，以及冷藏保鮮策略的優(yōu)化提供了科學(xué)依據(jù)。此外，該技術(shù)可擴(kuò)展應(yīng)用于其他水果或蔬菜的質(zhì)量監(jiān)控，為現(xiàn)代農(nóng)業(yè)中的智能種植和供應(yīng)鏈管理提供支持。

背景：

番茄是全球范圍內(nèi)重要的經(jīng)濟(jì)作物，富含維生素、礦物質(zhì)和抗氧化物質(zhì)如番茄紅素。番茄的成熟過程不僅伴隨顯著的外觀變化（如顏色由綠色向紅色過渡），還涉及內(nèi)部品質(zhì)的變化。隨著消費(fèi)者對(duì)番茄質(zhì)量要求的不斷提高，傳統(tǒng)的質(zhì)量檢測(cè)方法通常依賴于單一指標(biāo)，不能全面反映番茄的綜合質(zhì)量。近年來，非破壞性檢測(cè)技術(shù)，如機(jī)器視覺、電子鼻、光譜分析和核磁共振技術(shù)，逐漸應(yīng)用于番茄質(zhì)量評(píng)估。其中，光譜分析技術(shù)，特別是可見光-近紅外（Vis-NIR）高光譜成像，能夠?qū)崿F(xiàn)對(duì)番茄的外部顏色、內(nèi)部化學(xué)成分以及成熟度進(jìn)行無損檢測(cè)。因此，基于高光譜成像的化學(xué)計(jì)量學(xué)技術(shù)為番茄的綜合質(zhì)量檢測(cè)實(shí)現(xiàn)了對(duì)番茄品質(zhì)的全面預(yù)測(cè)和評(píng)估，從而為現(xiàn)代農(nóng)業(yè)中的采摘、分級(jí)、儲(chǔ)存和運(yùn)輸提供科學(xué)依據(jù)。

實(shí)驗(yàn)設(shè)計(jì):

番茄樣本采自山東省山東農(nóng)業(yè)大學(xué)科技創(chuàng)新園實(shí)驗(yàn)站。果實(shí)在開花期進(jìn)行標(biāo)記，并于開花后30天至完*成熟之間，在不同成熟階段每隔5天采摘一次，分四次采摘。四個(gè)成熟階段分別為綠色、轉(zhuǎn)色、淡紅色和紅色。實(shí)驗(yàn)共采集了257個(gè)無皮缺陷的番茄。每次采摘完成后，用干凈的白紗布擦去番茄表面的淤泥和污垢，保持清潔。然后將番茄放置在室內(nèi)1-2小時(shí)。番茄的高光譜圖像來自400-1000nm高光譜成像系統(tǒng)（GaiaField-V10E，江蘇雙利合譜光譜成像技術(shù)有限公司，中國(guó)江蘇無錫）。該裝置由高光譜成像儀（GaiaField-V10E）、光源（HSIA-LS-T-200W）、鏡頭（HSIA-OL23）以及配備了高光譜數(shù)據(jù)采集軟件SpecView的專用計(jì)算機(jī)組成。

在采集光譜后，使用色差計(jì)測(cè)量色差值（L*，a*，b*，色度、色調(diào)）。數(shù)字水果硬度測(cè)試儀被用來測(cè)量西紅柿的硬度。用榨汁機(jī)研磨并提取過濾番茄果肉，將所得番茄汁滴在ATAGOBrix計(jì)的棱鏡板上，測(cè)量可溶性固溶體含量（SSC）。以無水乙醇、無水甲醇、石油醚和2%二氯甲烷為萃取劑，從未過濾的全番茄醬中提取番茄紅素。利用蒽酮硫酸比色法測(cè)定可溶性糖，堿性滴定法測(cè)定可滴定酸。采用2,6-二氯吲哚酚滴定法測(cè)定維生素C含量。

番茄質(zhì)量指標(biāo)的分析表明，在番茄成熟過程中，a*值、可溶性固形物（SSC）、番茄紅素、可溶性糖和維生素C（VC）逐漸增加，而L*值、b*值、色調(diào)、a*/b*值、硬度和可滴定酸逐漸減少，色度值變化平穩(wěn)。從圖1可以看出，隨著番茄的自然生長(zhǎng)，各單項(xiàng)指標(biāo)發(fā)生了明顯變化，顏色參數(shù)中的色調(diào)、a*和a*/b*值的變化尤為顯著。此外，番茄紅素的生物合成也表現(xiàn)得十分明顯。由于單一的質(zhì)量指標(biāo)無法全面反映番茄的綜合質(zhì)量，因此有必要進(jìn)一步尋找綜合質(zhì)量指標(biāo)，以對(duì)番茄進(jìn)行全面評(píng)價(jià)。

圖1 番茄品質(zhì)指標(biāo)的變化：（a）L*；（b）a*；（c）b*；（d）色度；（e）色調(diào)；（f）硬度；（g）SSC；（h）番茄紅素含量；（i）可溶性糖含量；（j）可滴定酸含量；（k）VC含量；（L）a*/b*。

運(yùn)用SPSS軟件進(jìn)行Pearson相關(guān)系數(shù)分析，檢驗(yàn)各參數(shù)之間是否存在顯著相關(guān)關(guān)系（圖2）。從圖2可以看出，番茄紅素含量與L*、b*、色調(diào)、硬度呈負(fù)相關(guān)，與a*、色度、SSC呈正相關(guān)。結(jié)果表明，番茄紅素含量越高，果實(shí)的L*、b*、色調(diào)和硬度越低，a*、色度和SSC含量越高?？傻味ㄋ岷颗c色度的相關(guān)性不顯著，其他指標(biāo)之間也存在正相關(guān)和負(fù)相關(guān)。相關(guān)分析結(jié)果表明，各指標(biāo)均能反映番茄品質(zhì)，且各指標(biāo)具有不同的相關(guān)性。為了提高番茄品質(zhì)評(píng)價(jià)的分析效率和可靠性，采用因子分析法對(duì)品質(zhì)指標(biāo)進(jìn)行進(jìn)一步分類和簡(jiǎn)化。

圖2 品質(zhì)特性之間的皮爾遜等級(jí)相關(guān)系數(shù)（顏色越深，相關(guān)性越強(qiáng)）

通過質(zhì)量相關(guān)性分析，對(duì)相關(guān)質(zhì)量指標(biāo)進(jìn)行綜合評(píng)價(jià)。首先通過函數(shù)將12個(gè)質(zhì)量指標(biāo)的數(shù)據(jù)轉(zhuǎn)換為0-1的范圍。其次，在對(duì)結(jié)果進(jìn)行解釋之前，需要通過SPSS對(duì)因素的可信度進(jìn)行確認(rèn)?？尚哦冉Y(jié)果表明，KMO為0.832，顯著性為0.000，適合進(jìn)行因子分析。此外，基于因子分析結(jié)果，本研究選取了前三個(gè)因子進(jìn)行分析，它們的綜合貢獻(xiàn)率達(dá)到82.11%，且特征值大于1。因此，這三個(gè)因子能代表所有指標(biāo)的大部分信息，能綜合反映番茄的品質(zhì)特征，可作為番茄品質(zhì)評(píng)價(jià)的綜合指標(biāo)。

最后，為了更好地解釋質(zhì)量指標(biāo)與前三個(gè)因子的關(guān)系，通過因子分析得到了載荷值（表1）。這表明每個(gè)指標(biāo)在前三個(gè)因子中的重要性。第一個(gè)因子主要反映了a*值、色調(diào)、硬度、番茄紅素、a*/b*值和維生素C的質(zhì)量特性，這些指標(biāo)的絕對(duì)值較大。色度在第二個(gè)因子中具有最大的正載荷權(quán)重，發(fā)揮了決定性的作用。相比之下，在第三個(gè)因子中沒有任何一個(gè)指標(biāo)占據(jù)主導(dǎo)地位。通過因子分析后，選擇了七個(gè)主要指標(biāo)用于番茄綜合評(píng)價(jià)，包括a*值、色度、色調(diào)、硬度、番茄紅素、維生素C和a*/b*值。正負(fù)載荷值分別分配給分子和分母，進(jìn)而提出了一個(gè)綜合質(zhì)量指數(shù)（CQI）。

綜合質(zhì)量指數(shù)（CQI）結(jié)合了外部質(zhì)量指標(biāo)（a*值、色度、色調(diào)和a*/b*值）和內(nèi)部質(zhì)量指標(biāo)（硬度、番茄紅素和維生素C），反映了番茄的綜合質(zhì)量。隨著番茄的成熟，其綜合質(zhì)量持續(xù)累積。該指數(shù)用于將番茄的光譜信息與其物理和化學(xué)特性及成熟度的感官感知進(jìn)行關(guān)聯(lián)分析。

圖3展示了綠色、轉(zhuǎn)色、淺紅色和紅色番茄在400–1000 nm范圍內(nèi)的平均光譜曲線。三種番茄品種的光譜模式基本相同。不同成熟階段的番茄在405–700 nm范圍內(nèi)的反射光譜差異明顯，但在780–970 nm范圍內(nèi)則較為相似。這種可見光范圍內(nèi)的差異主要是由于不同成熟樣品之間的顏色變化所致。可以看到，大約670 nm處的波谷是番茄中葉綠素的吸收峰。此外，在970 nm處可以觀察到明顯的吸收峰，這歸因于水中O–H鍵伸縮帶的第二個(gè)泛音。

圖3 番茄在綠色、混色、淡紅色和紅色時(shí)的平均光譜曲線。（a）‘Shengluolan’；（b）‘AilvshiT147’；（c）‘Kaideyali1832’；（d）三個(gè)品種的混合平均光譜

為了提高運(yùn)算速度，減少信息冗余，采用SPA選擇特征波長(zhǎng)。當(dāng)選取10個(gè)變量時(shí)，RMSE達(dá)到*優(yōu)值。選取的特征波長(zhǎng)分別為437nm、474nm、510nm、552nm、627nm、667nm、713nm、746nm、860nm和978nm。特征波長(zhǎng)大部分在405~700nm之間，與圖3中光譜曲線的變化區(qū)間一致。

基于綜合質(zhì)量指數(shù)（CQI）和特征波長(zhǎng)，分別建立了PLSR、PCR和MLR的綜合質(zhì)量預(yù)測(cè)模型。表2顯示了PLSR、PCR和MLR模型的校準(zhǔn)、交叉驗(yàn)證和驗(yàn)證性能。各模型均獲得了滿意的性能，R2C接近于1，RPD大于2.5。比較R2V和RMSEV的值，MLR的預(yù)測(cè)效果*好，R2V=0.87，RMSEV=1.33，RPD=2.58。本研究提出的新質(zhì)量指標(biāo)（CQI）考慮了更多的質(zhì)量信息，可以應(yīng)用于水果的綜合評(píng)價(jià)。結(jié)果表明，利用高光譜成像技術(shù)對(duì)番茄品質(zhì)進(jìn)行無損預(yù)測(cè)，對(duì)番茄高效栽培和采收具有重要的指導(dǎo)意義。

為了可視化番茄在整個(gè)成熟過程中的綜合質(zhì)量，使用了預(yù)測(cè)性能更優(yōu)的多元線性回歸（MLR）模型，并將多變量分析的校準(zhǔn)結(jié)果應(yīng)用到圖像的每個(gè)像素點(diǎn)上。圖4顯示了根據(jù)圖像右側(cè)顏色標(biāo)尺對(duì)番茄每個(gè)像素的預(yù)測(cè)CQI值。顏色從藍(lán)色到紅色變化，紅色表示更高的CQI值。隨著番茄成熟階段的不同，偽彩圖上的紅色逐漸增加，表明質(zhì)量隨著成熟度的提高逐步增加。此外，番茄樣品中的顏色變化還表明CQI值的分布不均勻。

圖4 番茄綠色、混色、淡紅色、紅色4個(gè)階段CQI含量分布圖。（a）“Shengluolan"；（b）“aivshiT147"；（c）“Kaideyali1832"

結(jié)論:

本研究提出以CQI代替單一指標(biāo)法，利用高光譜成像與化學(xué)計(jì)量學(xué)技術(shù)來預(yù)測(cè)番茄品質(zhì)的變化趨勢(shì)。分析了包括色差值（L*、a*、b*、a*/b*、色度、色調(diào)）、硬度、SSC、番茄紅素含量、可溶性糖含量、可滴定酸含量、維生素C含量等在內(nèi)的多項(xiàng)品質(zhì)指標(biāo)的變化規(guī)律。CQI通過數(shù)值歸一化和因子分析得到?；贑QI建立了MLR模型，模型的驗(yàn)證決定系數(shù)R2V=0.87，RMSEV為1.33，RPD為2.58，顯示出較好的預(yù)測(cè)效果。隨后生成了番茄果實(shí)中CQI的空間分布圖。結(jié)果表明，MLR模型能夠有效預(yù)測(cè)番茄的綜合品質(zhì)，并可通過高光譜成像實(shí)現(xiàn)無損檢測(cè)，對(duì)水果的分級(jí)、運(yùn)輸及冷藏保鮮具有重要的指導(dǎo)意義。

推薦產(chǎn)品:

400-1000nm高光譜成像系統(tǒng)（GaiaField-V10E，江蘇雙利合譜光譜成像技術(shù)有限公司，中國(guó)江蘇無錫）

作者簡(jiǎn)介:

通訊作者：楊鳳娟；山東農(nóng)業(yè)大學(xué)園藝科學(xué)與工程學(xué)院/作物生物學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室、山東省果蔬優(yōu)質(zhì)高效生產(chǎn)協(xié)同創(chuàng)新中心、農(nóng)業(yè)農(nóng)村部黃淮地區(qū)園藝作物生物學(xué)與遺傳改良重點(diǎn)實(shí)驗(yàn)室；博導(dǎo)。

參考文獻(xiàn):

論文引自一區(qū)SCI：Yuanyuan Shao, Yukang Shi, Yongdong Qin, Guantao Xuan, Jing Li, Quankai Li, Fengjuan Yang, Zhichao Hu. A new quantitative index for the assessment of tomato quality using Vis-NIR hyperspectral imaging. Food Chemistry. Volume 386. 2022. 132864.