马铃薯黑心病是一种马铃薯主要内部缺陷, 严重损害薯条、 薯片、 全粉等加工制品的质量和产率。 目前对马铃薯的分级主要侧重于外部品质检测, 针对内部缺陷检测的研究很少。 旨在开发一种马铃薯黑心病的快速无损检测技术, 为此搭建了马铃薯可见近红外透射光谱分析平台, 分析健康与黑心病马铃薯的透射光谱特性并优化光谱判别模型参数。 基于现有马铃薯分级线和复享PG2000高速光谱仪, 采用左右透射方式（光源与光纤探头位于分级线果盘左右两侧）, 采集470个马铃薯（其中健康薯234个、 黑心薯236个）的透射光谱图, 建立偏最小二乘判别模型（PLS-DA）, 并利用主成分分析（PCA）与光谱形态特征相结合的方法选择特征波长, 优化模型。 分析发现, 健康薯与黑心薯的可见近红外透射光谱在吸光度值和光谱形态特征方面均存在明显区别。 黑心薯的平均光谱吸光度值高于健康薯（650～900 nm范围内）, 但黑心薯的平均光谱曲线较为平缓, 无明显吸收峰, 而健康薯平均光谱曲线在665, 732和839 nm附近有明显吸收峰, 并且健康薯与黑心薯的平均光谱差值在705 nm处达到最大值。 基于PLS-DA法建立了马铃薯黑心病判别模型, 对黑心病的判别效果显著, 分类器特性曲线（ROC）下面积（AUC）值为0.994 2, 黑心薯识别总正确率能够达到97.16%, RMSECV和RMSEP分别为0.28和0.26。 此外, 成功利用PCA与光谱形态特征相结合的方法对模型进行简化, 最终得到由6个波长（658, 705, 716, 800, 816和839 nm）组成的特征波长组合, 简化后的模型总正确率能够达到96.73%, 接近全波段模型判别水平。 研究表明, 左右透射的方式能够准确识别黑心马铃薯, 实现对马铃薯内部缺陷的快速无损检测。 对我国马铃薯产业的发展起到一定的促进作用, 为马铃薯内部缺陷在线检测技术的提高提供了重要的理论基础和实践依据。

马铃薯是与小麦、 稻米、 玉米协调发展的第四大主粮作物, 现阶段我国正积极推进马铃薯主食开发, 但马铃薯品质的参差不齐严重制约了马铃薯产业主食化进程, 马铃薯品质快速无损检测对其加工产业化进程有着重要意义。 国内外学者基于可见/近红外光谱对马铃薯内部品质检测进行了不少相关研究, 但迄今为止大部分研究都基于可见/近红外漫反射原理, 马铃薯粗糙的表皮对样品漫反射光谱影响较大。 近红外透射光谱能较好的反映样品的品质信息, 但马铃薯样品全透射光谱因样品大小不同, 导致光谱受光程差异的影响较大。 考虑到马铃薯样品整体质地较为均匀, 根据马铃薯的形状特性搭建了马铃薯局部透射光谱采集系统, 局部透射检测方式既能避免马铃薯表皮的影响, 又能在保证光程统一的情况下获得样品内部的信息。 该光谱采集系统由光谱采集单元(光谱仪、 耦合透镜)与光源单元(卤素灯、 灯杯)构成。 进行光谱采集时, 将二者贴紧马铃薯表面以确保光谱采集单元不会接收到来自马铃薯表面的反射光。 用该系统采集了120个马铃薯650~1 100 nm范围的局部透射光谱, 分别进行去趋势(detrend)、 多元散射校正(muliplication scattering correction, MSC)、 标准正态变量变换(standard normal variable transformation, SNV)和一阶导数(first Derivative, FD)预处理, 并建立了马铃薯干物质、 淀粉、 还原糖含量的偏最小二乘预测模型(partial least squares regression, PLSR)。 结果显示, 采用多元散射校正预处理的干物质和淀粉含量预测模型效果较好, 其验证集决定系数分别为0.854 0和0.851 0, 验证集均方根误差分别为0.521 9%和0.484 8%; 采用一阶导数预处理的还原糖预测模型效果最好, 其验证集决定系数为0.768 6, 均方根误差为0.025 1%。 为进一步优化模型采用竞争性自适应重加权采样(competitive adaptive reweighted sampling, CARS)等三种方法进行特征波长的筛选, 并建立了偏最小二乘预测模型。 结果显示, 马铃薯各品质参数的预测效果均得到了较大提升, CARS筛选波长后的干物质、 淀粉、 还原糖预测模型的验证集决定系数分别为0.877 6, 0.865 3和0.887 7, 验证集均方根误差分别为0.449 2%, 0.930 2%和0.016 7%。 采用CARS特征波长提取能够简化模型, 去除无关变量和共线性变量, 从而提高模型的精度和稳定性, 尤其是对低含量组分还原糖的预测模型效果显著。 最后, 为验证马铃薯各品质参数预测模型的精度及稳定性, 选取30个不同批次马铃薯样品对所建预测模型进行了外部验证。 马铃薯干物质、 淀粉、 还原糖含量的模型预测值与标准理化值决定系数分别为0.849 9, 0.867 1, 0.877 6, 均方根误差分别为0.660 9, 0.480 9, 0.016 9, 平均相对误差分别为2.03%, 1.77%, 7.58%。 研究表明, 局部透射光谱携带了马铃薯的内部信息, 与干物质、 淀粉、 还原糖含量有显著相关性。 该可见/近红外局部透射检测系统可以实现马铃薯多品质参数的快速无损预测, 特别是干物质含量及淀粉含量的预测效果较好, 但是对个别还原糖含量非常低的样品出现预测相对误差较大现象, 下一步研究中需要进一步优化完善。

中国是马铃薯生产和消费大国， 伴随马铃薯主粮化战略推进， 马铃薯对中国农业结构和消费者饮食结构的影响与日俱增。 环腐病是制约马铃薯产业发展的常见病害， 对种薯会造成死苗死株， 对加工原料会降低加工效率和成品质量， 严重可达30%~60%。 传统检测马铃薯病害的主要方法是目测、 机器视觉以及高光谱成像等方法， 目测或机器视觉方式鉴别环腐病需要对样品进行破坏； 高光谱成像技术成本高昂， 存在一定的应用局限性。 因环腐病会造成整薯内部品质变化， 利用近红外光谱技术探测整薯内部品质变化， 从而将环腐病马铃薯从健康薯中区别开来， 具有可行性和实用价值。 创新地尝试利用近红外光谱结合SIMCA模式方法来区分马铃薯环腐病及健康薯。 研究结果表明， 基于主成分分析的SIMCA模式识别能有效判别马铃薯环腐病样品， 模型校正集中环腐病和健康薯的识别率、 拒绝率均为100%； 模型验证集中环腐病的识别率、 拒绝率分别为99.00%和100%， 健康薯的识别率、 拒绝率分别为94.12%和100%， 所建模型精度较高。 利用独立的18个样品进行模型外部验证， 环腐病样品识别率为87.50%， 健康薯识别率为80.00%， 均没有错判。 表明所建SIMCA二值识别模型效果良好， 可满足实际应用， 但模型精度需进一步提高。 马铃薯环腐病发病部位接近表皮0.5 cm左右， 近红外光谱对马铃薯样品有一定的透射和漫反射。 可考虑采集马铃薯接近表皮部分的果肉组织内部光谱信息， 结合马铃薯环腐病的发病机理及近红外漫反射光谱的特性， 利用近红外识别模型进行环腐病判别， 具有一定的创新性和应用性。

以200个不同品种的马铃薯为样品，采用真空微波冷冻干燥技术对样品进行了预处理。用基于偏最小二乘法（PLS）的傅里叶变换近红外光谱技术建立了马铃薯4个主要加工品质指标（水分、还原糖、淀粉和蛋白质）的预测模型。以模型决定系数（R2）、校正标准差（RMSECV）、预测标准差（RMSEP）和相对分析误差（RPD）作为模型精度的评价指标，利用50个未知品种的马铃薯样品对模型预测结果进行了外部检验。外部检验结果表明，利用近红外吸收光谱技术预测马铃薯主要加工品质指标含量是可行的，水分和淀粉模型的预测效果理想，而蛋白质和还原糖模型的精度还有待于进一步提高。