基于光學吸收和散射系數光譜的番茄成熟度分析方法研究

黃玉萍，王德鎮，周海燕，楊雨圖，陳坤杰

1. 南京林業大學機械電子工程學院，江蘇 南京 210037 2. 南京農業大學工學院，江蘇 南京 210031

引 言

成熟度是評估番茄品質最重要因素之一，隨著番茄成熟階段的遞進，葉綠素含量的下降和番茄紅素含量的增加，使得果實顏色由綠色轉變為紅色。因此，在判定番茄成熟方面，顏色是一個重要參數[1]。

目前，用于評估番茄成熟度的無損檢測技術包括機器視覺、光譜分析技術、X射線技術、核磁共振技術等。機器視覺技術僅適用于檢測樣品的外部品質；而X射線和核磁共振技術由于儀器價格較高，檢測速度較慢等因素限制了其廣泛應用?？梢?近紅外光譜檢測技術以其快速、無損和無需樣品制備等優點被廣泛用于番茄品質評估[2-3]。其主要根據比爾-朗伯定律(Beer-Lambertian Law)，通過樣品組分或物理特性的變化引起相應光學特性的變化，進而使得光譜特征也發生變化實現檢測。然而，可見-近紅外光譜只表征光在樣品組織內部被吸收和散射的總體結果，忽略了光子在樣品組織中的傳播信息，且由于番茄組織的混濁性與異質性，光在番茄組織內部的傳播不完全遵守比爾-朗伯定律，這將帶來較大的檢測誤差。另外，可見-近紅外光譜屬于特定區域測量，只能獲得番茄很小部分的組織信息，而番茄在成熟過程中，組織變化的不均勻性也將導致檢測誤差的增大。

光與生物組織間的相互作用主要取決于吸收和散射特性，它們分別與生物組織的化學成分和物理特性相關[4]?；谳椛鋫鬏斃碚?，測量生物組織吸收和散射特性的方法包括時間分辨技術[5]，頻域技術[6]，空間頻域成像技術[7]和空間分辨技術[8]等。時間分辨技術和頻域技術儀器較貴，且覆蓋光譜區域較窄，而空間頻域成像技術檢測時間較長等原因，限制了它們在食品和果蔬檢測中的應用?？臻g分辨光譜技術測量距離恒定強度點光源不同距離處的反射率，根據漫射近似方程反演算法估算出吸收和散射特性[9]。相比較于時間分辨和頻域技術，空間分辨光譜技術所用儀器簡單、操作簡便、波長覆蓋范圍相對較寬。因此，該技術在食品和果蔬檢測領域受到廣泛關注[10]。Xia[11]等采用單一光纖的移動實現牛肉的空間分辨光譜，通過計算吸收和散射系數預測牛肉的嫩度。該方法不但耗時，還會引入較大的測量誤差，另外，在測量過程中，樣品組織的特性有可能隨著時間而改變，長時間的測量也會引起光源輸出的波動，從而引入光學特性測量誤差。Herremans[12]和Do Trong[13]設計了光纖陣列探頭，探頭上布置5根光纖可同時采集空間分辨光譜，實現對食品和果蔬品質的評估。但是，由于所有檢測光纖都固定在剛性探頭，不適用于檢測曲面或不規則表面的樣品，而且，探頭布置的光纖較少，光源-檢測器距離也相對較小，因此，在檢測食品的光學特性和解析樣品品質與空間分辨光譜相關關系上很難取得令人滿意的結果?；诟吖庾V成像式空間分辨光譜技術以檢測速度快、非接觸式和空間分辨率高等優點常被用于檢測果蔬的品質[4]和成熟度[14-15]。高光譜成像式空間分辨光譜技術適用于檢測表面平坦的樣品，對于曲面樣品的測定，會因為表面曲率而引起信號誤差，需要對所測的空間分辨反射光譜進行校正，以確保準確估算光學特性[16]。但校正方法往往比較復雜，可能無法達到預期效果。而且，基于高光譜成像式空間分辨光譜系統的波長范圍限制在400～1 000 nm。在生物醫學研究中，光譜區域在600～1 300 nm被稱之為“診斷窗口”，因為該光譜區域的光在生物組織中具有良好的穿透性，能夠檢測組織更深層的信息。另外，一些研究顯示偏最小二乘判別分析(PLSDA)結合多元線性回歸和主成分分析的優點，常被用來建立農產品品質等方面的分類模型[17]。

本課題組開發的新型空間分辨光譜系統能夠在550～1 650 nm光譜區域同時獲得15個不同光源-檢測器距離的空間分辨光譜，光源-檢測器距離達到1.5～36 mm。本文采用該系統測量番茄在550～1 300 nm的吸收和散射特性，并根據吸收和約化散射系數，以及它們的組合建立番茄成熟度的PLSDA模型，分析比較番茄各成熟階段的識別率。

1 實驗部分

1.1 材料

依據美國農業部給出的番茄不同成熟度顏色標準，在美國密歇根州立大學的園藝研究與教學中心(Holt, Michigan, USA)采摘的600個“Sun Bright”番茄樣品通過視覺評估被分為六個成熟度等級，見圖1。按照表面顏色標準，每個成熟度等級分別有100個樣品，若按內部顏色標準，Green, Breaker, Turning, Pink, Light red and Red六個成熟階段分別有88，84，123，102，94和109個樣品。

圖1 根據內外部顏色確定的番茄不同成熟度Fig.1 Different maturity stages for tomatoes based on their internal and surface color

1.2 基于空間分辨光譜的光學特性參數提取

新型空間分辨光譜系統如圖2所示，具體描述詳見文獻[16]。光譜采集與光源設置與文獻[1]一致。由于光在組織中傳輸衰減，光源-檢測器距離超過12.5 mm的信號太弱，因此，靠近光源的9個空間分辨光譜(光源-檢測器距離1.5～12.5 mm)被用來分析和評估番茄的吸收和散射特性。受水分強吸收影響，1 300 nm之后的光譜區域信噪比較小，僅550～1 300 nm的光譜區域被用來分析和計算番茄的吸收和約化散射系數。光譜歸一化后，采用樣本校正曲線(詳見文獻[16])在波長區間550～1 300 nm對空間分辨光譜進行校正，得到600個番茄樣品校正后空間分辨反射率。

最后，根據漫射近似方程逆算法計算出吸收和約化散射系數，如圖3所示?？臻g分辨漫反射解析方程如下所示

圖2 空間分辨光譜系統(a)及其探頭(b)Fig.2 Schematic of the spatially-resolved spectroscopy system (a), and the flexible probe (b)

圖3 吸收和約化散射系數的計算流程Fig.3 Procedure of calculating μa and

1.3 建模方法

2 結果與討論

2.1 不同成熟度番茄的光學特性光譜

圖4顯示番茄六個成熟度的吸收和約化散射系數在550～1 300 nm光譜區間的平均光譜。由圖4(a)觀察到吸收系數光譜在番茄不同成熟度有著明顯的變化。隨著番茄成熟階段的遞進，葉綠素吸收峰(675 nm)逐漸衰減，而花青素和姜黃素吸收峰(560 nm)逐漸增加，這是由于隨著番茄由Green轉變成Red，葉綠素含量減少，而花青素開始增加[15]，從而出現了560和675 nm的吸收峰具有相反的趨勢。從吸收系數光譜圖還可以發現，在750 nm處有個微小的吸收峰，這是由于水分吸收引起的。在970和1 180 nm處有顯著的吸收峰，這是由水分和番茄組織中C—H，N—H和O—H吸收帶的組合產生的。

圖4 番茄不同成熟度的平均吸收(a)和約化散射(b)系數光譜

圖4(b)發現所有測試番茄的約化散射系數在550～1 300 nm光譜區域都隨著波長增加單調遞減。約化散射系數與樣品物理特性相關，如細胞結構，顆粒尺寸和密度等。在番茄早期成熟階段(Green到Breaker再到Turning)，細胞壁解聚和纖維素降解會導致約化散射系數的降低。隨著番茄從Turning到Pink，再轉變到Light Red，最終到Red階段，可溶性果膠和纖維素會產生小分子，而使得番茄組織的小顆粒密度增加，從而扭轉了約化散射系數的變化趨勢，使得約化散射系數大幅增加[14]。

2.2 基于光學特性參數的番茄成熟度分類

表1 番茄成熟度測試集結果分析Table 1 The overall classification accuracies for tomato maturity in test set

表番茄六成熟度測試集分類結果Table 2 Classification accuracies for tomato of six maturity stages using in test set

表番茄三成熟度測試集分類結果Table 3 Classification accuracies for tomato of three maturity stages using in test set

3 結 論