消费者生活水平的提高也表现在对食物的高品质需求。对于食品工业来说，特别是它复杂的国际供应链，有效的监测方法对交付质量和一致性起到至关重要的作用。近红外 (NIR) 反射光谱法作为一个可行的监测手段，在本应用案例中，我们应用近红外反射光谱法测定水果的成熟度。

介绍

监测的水果成熟度能帮助农民、 加工商以及零售商将他们的损失降到最低，并最大限度地通过准确的分类监控产品质量。这能减少整个供应链的浪费，并提高消费者对产品感受的一致性。近红外光谱技术的一大优势就是测试样品的无需准备。

此应用中我们使用紧凑的设计和强大的性能的线阵检测器光谱仪——NIRQuest，用于监测在表皮不可知其成熟度的香蕉和其他水果。NIRQuest 的性能、 尺寸和耐用性使开发的近红外光谱技术应用从实验室可以直接转移到工厂车间。

实验装置和方法

要测量水果的反射光谱，我们使用 NIRQuest512-1.7 (900-1700 nm) 和 NIRQuest256-2.5 (900-2500 nm) 光谱仪，HL-2000钨卤素光源和反射探头。探头通过透反射支架(STAGE-RTL-T)固定，并可以调整探头的位置固定探头与样品间的距离 (图 1)。表 1 提供了所使用设备的详细信息和其选择的原因。

我们对香蕉、 苹果和橘子进行了连续七天（一般存放环境）的测量，这些水果都是从同一家超市购买，并以当天作为测试的第一天。在每组测量之间，我们都使用WS-1 漫反射标准板做一次标准白板测试。对每个水果进行不同位置的六次测量，并取其平均值，这样做是为了排除水果的不均匀性导致测试结果的差异性。即使近红外光谱方法无需样品制备，但水果的结构不均匀性使得有必要在不同的位置进行多次测量并取其平均值来作为针对整个水果的分析结果。对于大多数的应用来说，近红外光谱法还要求复杂化学计量学校准模型，但是在本应用中我们没有使用该数学方法来监测水果的成熟度(1) (2) (3)。

数据收集的流程如下所示︰

1. 打开 HL-2000光源，等待15 分钟使光源达到热平衡和稳定。

2. 关闭光源开关快门对光谱仪进行暗噪声测量

3. 使用标准漫反射板测量反射光谱作为标准漫反射。

4. 对水果样品的不同位置进行6次测量可燃气体报警器，水果的表面和探头的距离固定在~0.5 cm

5. 重复步骤 3 和 4 为测量每个水果样品。

图 1︰ 仪器搭建：光谱仪，光源，探头和样品支架

表 1︰ 近红外漫反射光谱搭建

结果与讨论：

我们测量了两个香蕉样本，以及苹果和桔子，大约七天的反射率数据。每个样本的结果显示出类似的趋势，但香蕉表面漫反射的数据特别明显，这时因为香蕉更容易变熟。

针对香蕉在不同时间段进行的漫反射测量数据可以参考图2。数据在小于950 nm 和大于 1650 nm 这些波长段我们不需做更多分析，因为在这些波长段并不包含样品重要的物质信息，并且大多数是噪音引起的，也是由于该波长段接近光谱仪的检测极限所致。随着时间的推移，光谱趋势更加明显，比如1450 nm附近。

近红外光谱技术是一种光谱振动技术，与分子激发引起的能量吸收有关。近红外光谱 (750-2500 nm) 主要表现为物质的特定官能团内部的基本振动频率产生的光谱信息。有机样品中的以O-H和 C-H官能团(4)为主，因为多数有机物本身含有大量的水分，从而导致水分（O-H 官能来衡量）的变化占了主要测试的变化。

图 2 所示1400nm到1550nm是吸收谱带，在 1150nm和1000nm处，可以表示为水果水分含量的变化。每一天反射率都在增加，变化最快的是在第三天。这表明随着水果的成熟水果的水分含量不断降低，我们可以从光谱的吸收带进行判断。水分的校准在测试水果成熟度方面必须具备的算法(5)。

图2︰ 随着时间的推移，香蕉的不同反射光谱。每个光谱做了归一化平均，保证每个光谱对于分析都有效。

在图2中所示的光谱数据的一阶导数计算结果能清楚地表明香蕉在存放过程中发生的变化，见图3。图3显示波长吸收变化的速率与波长的关系。随着时间的推移，我们很容易观察到反射光谱的变化趋势，图3中显示的光谱是我们在不同天数中测量的光谱数据。例如前两天在光谱尖峰的变化率明显大于后面几天的水果检测仪，而后段时间香蕉是更成熟，果皮也开始呈现棕色。这表明，使用近红外光谱不仅能对水果的表面变化定性，甚至能弥补视觉或者颜色测量的误差。

图 3︰ 香蕉表面近红外反射光谱的一阶导数与波长的关系。

其他非接触式的光学方法比如光学密度法也可以对水果的成熟度进行过监控。但与光学密度法不同的是，近红外反射光谱可以反映特定波长的特征信息，从而获得更全面、更可靠的结果，以及更精确的信息天然气报警器，如糖、脂肪和蛋白质含量等等(6)。

水果中水的温度对光谱测量也有影响，而且每天的变化不一致，因此我们相对的很难获得水果成分的准确结果，所以这些测量需要建立准确的校准化学计量学模型。这类模型广泛应用于近红外光谱技术，而且有许多技术已经将这些近红外光谱测量应用在水果的近红外测量中(1) (2) (3)。然而由于我们使用的样品量太少，从而不能从我们的研究结果中生成校准模型，但是我们可以从1000 nm, 1150 nm 和1400-1550 nm波长段的光谱数据获得水果成熟过程中水分的变化。重要的是，通过近红外反射光谱测量我们可以在能观察到香蕉外皮发生变化前预先观察到变化的发生。

总结：

腐烂或过熟的水果严重地浪费生产商、加工商和消费者的时间和金钱。通过监测整个供应链的水果成熟度就可以更好地控制产品的成熟。

该应用表明，我们可以使用近红外漫反射光谱监测水果的成熟度，随着水果的变熟，与水分含量相关的趋势图可以作为样品的典型特征进行表征。

近红外反射光谱法作为一种快速和可靠的监测水果品质和生产的方式，而且无需任何样品制备，也不会损坏样品。虽然真实的应用该方法用于质量控制环境还需要进一步发展校准模型水果检测仪，但是我们已经证明可以使用近红外光谱法作为监测水果成熟的有力工具。测量是相对简单的水果检测仪，而且不需要样品制备；测试过程是快速的，相似的应用也是使用该方法，结合可靠的校准正模型可以扩展至多个参数的获得。通过远程—从产地到工厂和超市货架监测整个供应链的水果品质可以节省很多时间和金钱。我们更愿意听到这样的话语——再也没有烂香蕉了！

文献引用:

Linear and non-linear regression models for classification of fruit from visible-near infrared spectra。 Kim, J。, Mowat, A。, Poole, P。, Kasabov, N。 2, July 24, 2000, Chemometrics and Intelligent Laboratory Systems, Vol。 51, pp。 201-216。Postharvest quality of apple predicted by NIR-spectroscopy: Study of the effect of biological variability on spectra and model performance。 Bobelyn, E。, Serban, A。-S。, Nicu, M。, Lammertyn, J。, Nicolai, B。, Saeys, W。 55, 20110, Postharvest Biology and Technology, pp。

133-143。Preliminary study on the application of near infrared spectroscopy and pattern recognition methods to classify different types of apple samples。 Luo, W。, Shuangyan, H。, Fu, H。, Wen, G。, Cheng, H。, Zhou, J。, Wu, H。, Shen, G。, Yu, R。 128, 2011, Food Chemistry, pp。 555-561。Using NIRS spectroscopy to predict post harvest quality。 Cayuela Sanchez, J。 A。 Sevilla: s。n。, 2012。Non-destructive measurement of moisture content using handheld NIR。 Blakey, R。 J。, van Rooyen, Z。 2009。Non-destructive measurement of moisture content in avocado’s using handheld near-infrared spectroscopy。 Blakey, R。 J。, van Rooyn, Z。 2011, South African Avacado Growers Association Yearbook, Vol。 34。

腾元达编辑，转载请注明出处