近红外漫反射光谱-鉴定桃子品种

中国种植了1000多个品质差异显著的桃子品种。区分桃子品种不仅是桃子销售商的需要，也是消费者的要求。近红外（NIR）光谱在检测农产品质量方面具有分析速度快、操作简单、无损测量等优点，优于传统的物理和化学方法。它已被用于测定水果的可溶性固形物含量（SSC）和硬度，如梨，草莓，猕猴桃，葡萄和甜瓜。此外，近红外光谱还用于无损区分农产品品种，例如，使用偏最小二乘法（PLS）回归的红色和粉红色西红柿，可区分性为96.85%，使用逻辑回归的泰国橙子品种，分类准确率为100%，以及使用 PLS 的咖啡豆品种，错误分类误差在 5-10% 范围内。这些研究表明，这些品种可以被识别出具有极好的鉴别率。

利用近红外光谱技术也成功地预测了桃子的内部品质指标，如SSC、pH值、硬度和果肉色泽。然而，据我们所知，关于桃子品种鉴定的信息有限。因此，Guo W等人^[1]探索近红外光谱在桃子品种鉴定中的可行性。为了提供识别桃子品种的信息，使用傅里叶变换近红外光谱仪（图1）在漫反射模式下收集了四个桃子品种的NIR光谱，每个品种 100 个样品，介于 833 和 2500 nm 之间。图2显示了400个样品的近红外吸光度光谱，通过Savitzky-Golay平滑和MSC进行预处理。400个桃谱的总体趋势相似。在980.58、1199.19、1450.03、1799.21和1927.63 nm处均有显著的吸收峰。4个桃子品种的平均吸光度光谱表明，4个品种的吸光度值差异不大。在吸光度峰处观察到明显的差异。例如，“北京八号”在1799.21和1927.63 nm处的吸收值最大，“红米”在1450.03 nm处的吸收值最大，“来山米”的吸收值最大，为980.58和1199.19 nm。四个桃子品种之间有许多交叉重叠。很难根据原始的吸光度光谱直接区分这些品种。

图1. 傅里叶变换近红外光谱仪^[1]

图2. Savitzky-Golay 平滑和 MSC 后所有桃子的吸光度光谱^[1]

采用主成分分析（PCA）、基于偏最小二乘法的无信息变量消除法（UVE-PLS）和连续投影算法（SPA）分别提取了8个主成分（PC）、1067个和10个特征波长，分别来自2074个初始波长的全光谱（FS）。采用最小二乘支持向量机（LSSVM）和极限学习机（ELM）建立了以FS、选定PC和特征波长为输入变量的桃子品种识别模型。实验结果表明，所有基于PCA的模型对4个桃子品种的鉴定准确率均达到100%。基于UVE-PLS的LSSVM模型的准确率也达到了100%。研究表明，利用近红外光谱可以成功地区分桃子品种。

[1] Guo W , Gu J , Liu D ,et al.Peach variety identification using near-infrared diffuse reflectance spectroscopy[J].Computers and Electronics in Agriculture, 2016, 123:297-303.

科学指南针充分发挥互联网技术和业务优势，在国内率先打造出业界领先的线上化、数字化的科研服务基础设施，在行业内首创用户自主下单、服务全流程追踪、测试“云现场”等模式，进一步提高了大型科学仪器设施开放共享和使用效率，以实际行动助力科技创新。现已发展成为中国专业科研服务引领者，已获得检验检测机构资质认定证书（CMA）、实验动物使用许可证、“ISO三体系认证”等专业认证。

免责声明：部分文章整合自网络，因内容庞杂无法联系到全部作者，如有侵权，请联系删除，我们会在第一时间予以答复，万分感谢。