结球甘蓝是一种富含碳水化合物的常见蔬菜, 可溶性糖含量是决定其品质的重要参数。 可溶性糖易溶于水, 是蔬菜和水果口味的有效调节剂。 作为碳水化合物, 可溶性糖由三种元素C, H和O组成, 其分子吸收光谱主要由被检测材料的分子中C—H, O—H和CO等基团的组合频率吸收和倍频吸收组成, 包含丰富的有机物信息。 因此, 采用近红外光谱和化学计量学方法, 探索结球甘蓝可溶性糖含量的快速检测方法。 用德国布鲁克公司的MATRIX-Ⅰ型傅里叶变换近红外光谱仪采集161份结球甘蓝样本光谱数据。 波数范围: 12 800～4 000 cm-1(780～2 500 nm)。 蒽酮比色法测量样本的可溶性糖。 综合应用马氏距离法(MD)和蒙特卡洛交叉验证法(MCCV)剔除异常样本, 采用Kennard-Stone(K-S)法将样本按照给定比例划分为校正集和验证集。 分别使用Savitzky-Golay卷积平滑(S-G), 一阶导数(FD), 二阶导数(SD), 多元散射校正(MSC)和变量标准化(SNV)及它们的组合共12种方法对样本进行光谱预处理, 获得最佳预处理方法, 提高光谱数据的信噪比。 采用竞争性自适应重加权采样法(CARS)筛选偏最小二乘回归(PLS)模型中回归系数绝对值大的波数点, 去掉回归系数绝对值小的波数点, 以有效选择与所测特性值相关的最优波数组合, 获得具有良好鲁棒性和强预测能力的校正模型。 使用模型决定系数R2、 交互验证均方根误差(RMSECV)、 预测均方根误差(RMSEP)作为模型精度评价指标。 根据蒙特卡洛交叉验证法和马氏距离剔除异常样本的原理, 共剔除10个光谱或者化学值异常的样本。 最终参与建模分析的样本个数为151。 异常样本剔除后, 通过K-S法将样本按照3∶1被分成校正集(110个样本)和验证集(41个样本)。 使用原始光谱数据, 预处理后的光谱数据和对应于优选波数的光谱数据, 建立PLS模型。 结果表明, 利用MSC+FD光谱预处理可以提高建模精度, 校正集R2从处理前的0.68增长到0.93, MSC+FD是本研究中理想的光谱数据预处理方法。 利用CARS法共优选了84个建模波数。 在12 000~10 000 cm-1波数区域内, 有O—H键2级和C—H键3级倍频伸缩振动吸收, 此区域主要的背景信息为水和其他含氢基团, 在此区域内共包含了36个选定的波数。 在8 500~6 000 cm-1区域, 存在糖类和水的O—H键的1级倍频伸缩振动吸收, 葡萄糖的O—H键的1级倍频伸缩振动吸收, 该区域是包含反映可溶性糖成分的主要光谱区间, 背景影响较小, CARS方法在此区域共选择了15个建模波数。 5 800~4 000 cm-1区域与12 000~10 000 cm-1区域相似, 包含的选定波数多, CARS方法在此区域选择了33个建模波数。 利用CARS对参与建模的波数进行优选, 减少了无关信息, 降低了模型的复杂度, 选择的波数不但引入了表征待测组分的光谱, 同时还引入了代表背景信息的光谱, 使得校正模型适应性增强。 建立了结球甘蓝可溶性糖的全谱PLS模型, 根据CARS波数优选结果, 建立了结球甘蓝可溶性糖的CARS-PLS模型。 对于全谱PLS定量模型, 校正集的决定系数R2为0.93, RMSECV为0.157 2%, RMSEP为0.132 8%。 对于CARS-PLS模型, 校正集的决定系数R2为0.96, RMSECV为0.076 8%, RMSEP为0.059 4%。 数据表明, 两种模型具有相当的R2, 但CARS-PLS模型的RMSECV是全谱PLS模型的1/2。 RMSEP也接近1/2, CARS-PLS模型比全谱PLS定量模型所用建模变量少, 模型得到简化, 精度更优。 用CARS-PLS模型对验证集41个样本进行预测, 预测集决定系数R2为0.86, 预测标准误差为0.059 4%。 提供了一种工作效率较高的结球甘蓝质量无损检测方法。

为了探索一种简捷、 快速、 高效的西红柿品质检测方法， 应用近红外光谱技术与光纤传感技术相结合的新方法， 快速测量西红柿果浆样品中营养成分的含量。 实验所用的主要仪器为近红外光纤光谱仪， 波长范围为900～2　500 nm。 以164个西红柿样品为标准样品， 进行了光谱采集及相应的化学值测定。 实验数据采用偏最小二乘法（PLS）进行回归，　建立西红柿果浆中总酸及可溶性糖含量的数学模型， 并对回归方法进行统计分析。 结果为： 西红柿果浆中总酸验证集的决定系数（R2）为0.967， 均方根误差（RMSEC）为0.133， 预测均方根误差（RMSEP）为0.103； 总糖验证集的决定系数（R2）为0.976， 均方根误差（RMSEC）为0.463， 预测均方根误差（RMSEP）为0.460。 均达到了较好的预测结果， 表明该方法对定量分析西红柿果浆中多组分含量是可行的。 基于该方法快速、 简便及可对同一样品多组分含量同时分析的优点,它是一种极具发展前途的传感器， 正在逐渐成为国际传感器领域的研究热点。