花生籽仁中的糖含量是影响食味品质的重要指标, 建立快速测定糖含量的方法可有效提高食用型花生的检测效率。 样品外观颜色是影响近红外分析的重要因素之一, 按样品外观颜色分类定标(校正)更有利于提高模型的预测性能。 研究选择不同糖含量的花生种质332个, 采用色差仪将花生种质按种皮颜色分成黑紫色、 红色和粉色三大类。 采用3,5-二硝基水杨酸法、 蒽酮乙酸乙酯法、 蔗糖酶法分别测定籽粒中的总糖、 可溶性糖及蔗糖含量。 总糖含量分别在6.42%~39.53%(黑紫色籽粒)、 9.66%~39.71%(红色籽粒)和8.52%~38.84%(粉色籽粒)之间; 可溶性糖含量分别在2.4%~14.32%(黑紫色籽粒)、 2.94%~13.75%(红色籽粒)和2.19%~14.53%(粉色籽粒)之间; 蔗糖含量分别在0.92%~7.53%(黑紫色籽粒)、 1.05%~7.23%(红色籽粒)和0.95%~7.99%(粉色籽粒)之间, 变异系数均在33%以上。 采用瑞典波通DA7250型近红外分析仪(950~1 650 nm)采集籽粒的近红外光谱值, 选用基于全波段的偏最小二乘回归法(PLSR), 通过对比单一和复合预处理方法, 对比模型的相关系数和误差确定最佳预测模型。 分别建立了黑紫色、 红色、 粉色花生籽仁的总糖含量、 可溶性糖含量和蔗糖含量的近红外光谱定标模型, 共计9个模型, 预测相关系数(R_c)在0.883~0.925之间, 预测均方根误差(RMSEC)在0.370~1.988之间。 对总糖含量所建立的模型中, 粉色种皮花生的预测相关系数R_c可达0.925, RMSEC为1.705; 对可溶性糖含量所建模型中, 黑紫色种皮花生的预测相关系数R_c可达0.921, RMSEC为0.667; 对蔗糖含量所建的模型中, 粉色种皮花生的预测相关系数R_c可达0.914, RMSEC为0.435。 并分别用15份种质进行外部验证, 9个模型的预测相关系数R_p在0.892~0.967之间, 预测均方根误差RMSEP在0.327~2.177之间。 本研究建立的近红外光谱模型可同步、 快速地检测花生籽粒中的多种糖含量, 为高糖含量的鲜食花生育种提供了技术支持。

蔗糖分是衡量甘蔗品质的重要指标, 基于光谱学原理的活体甘蔗蔗糖分无损检测的方法具有重要意义。 探究了不同光谱测量方式对预测结果的影响, 改进了特征提取方法, 建立了甘蔗蔗糖分预测模型。 采用自行搭建的甘蔗透射光谱采集平台, 在光源与探测器夹角为120°, 150°和180°的条件下, 按照甘蔗表皮蜡质去除与否, 获取了123个甘蔗样本在6类不同采集方式下的甘蔗透射光谱数据集。 首先采用了偏最小二乘回归(PLS)的建模精度评价了Savitzky-Golay平滑处理(S-G平滑)、 标准正态变化(SNV)、 多元散射校正(MSC)、 一阶微分(FD)等多种光谱预处理方法对模型性能的影响, 选取了综合效果最好的SNV进行预处理。 接着分析了不同光谱测量方式对蔗糖分建模的影响。 结果发现: (1) 对于蜡质覆盖的影响而言, 去蜡后的光谱透过率更高、 单样本不同采集位点的光谱差异更低、 与蔗糖分的相关性也更高; (2) 对于光谱采集角度的影响而言, 在一定范围内光谱透过率随角度的增大而降低; (3) 在获取的6类数据集中, 去蜡且采集角度为120°的测量方式下获取的透射光谱建模效果最好, 预测集相关系数为0.790 6, 预测集均方根误差为0.898 6。 最后, 使用了间隔偏最小二乘法(i-PLS)、 遗传算法(GA)、 蚁群算法(ACO)和提出的基于全波段PLS建模回归系数的改进蚁群算法(VRC-ACO)筛选特征波长。 VRC-ACO挑选得到的特征波长数量最少(10个), 且建模效果最好, 预测集相关系数达到0.861 6, 比全波段建模结果提高9.0%, 预测均方根误差降低到0.746 6, 比全波段建模结果降低20.0%。 该研究为甘蔗蔗糖分无损检测及相应传感器的研发提供了理论支持。