貝貝南瓜（以下稱南瓜）因口感軟糯香甜、營養價值高、耐貯存等特點，深受消費者青睞。可溶性固形物含量（SSC）和硬度反映南瓜成熟度，是影響南瓜風味和口感的重要因素，故選取SSC和硬度作為南瓜內在品質的主要評價指標。

可見-近紅外光譜技術是一種新型的果蔬品質檢測技術，具有快速、便捷、低成本、無損傷等特點，已廣泛應用于果蔬的品質分析與檢測。其中該技術在外形規整、果皮較薄的果蔬內在品質無損檢測方面研究較多，且已有多種便攜式果蔬品質無損檢測儀用于生產實踐，并取得較好的使用效果。

新疆農業大學化學化工學院的王加龍、朱金芳*，上海市農業科學院的馬坤等人基于可見-近紅外光譜技術，根據南瓜外形不規則及果皮粗糙且較厚的特點，專門設計可采集南瓜品質有效光譜數據的探頭，搭建便攜式可見-近紅外光譜檢測裝置，利用該裝置采集南瓜的光譜信息，構建南瓜SSC和硬度的預測模型并導入裝置，進而開發一種可快速無損檢測南瓜SSC和硬度的便攜式儀器，以實現南瓜內在品質的快速無損檢測及成熟度和貯藏期監測。

1 檢測裝置穩定性測試及光譜采集

使用MATLAB R2017a軟件繪制校正球和南瓜光譜圖，結果見圖4。由圖4A可知，在大于950 nm光譜區域內校正球的漫反射率波動較大，存在較大噪聲，這可能與本裝置所選光譜儀在大于950 nm波段內光譜響應值（＜20%）較低有關；在640～950 nm波段內校正球漫反射率穩定，噪聲較小，故本裝置在640～950 nm波段內具有較高的穩定性。由圖4B可知，168 個南瓜樣品在640～950 nm波段內光譜較平滑，形狀相似，但光譜反射率差異較大，這可能因樣本外形、顏色、內部組織結構等差異導致的噪聲和散射干擾；在大于950 nm波段內波動較大，存在明顯的噪聲和背景，結合裝置采集光譜的穩定性，故選取640～950 nm波段的光譜數據用于預測模型的建立。

2 不同時期南瓜SSC和硬度的變化

圖5顯示，在南瓜果實發育期內，隨著果實的成熟，SSC和硬度整體呈上升趨勢；在果實貯藏期內硬度無明顯變化，SSC隨貯藏時間的延長逐步升高，表明在南瓜貯藏期內果實存在后熟現象。以上結果說明，南瓜SSC和硬度均可作為發育期內南瓜品質無損監測的指標，SSC可作為貯藏期內南瓜品質無損檢測的指標。

3 光譜數據預處理及特征提取

采用一階導數、SG、MSC及不同處理方法組合，分別對南瓜原始光譜數據進行預處理，然后分別用原始數據和預處理后的數據建立南瓜SSC和硬度的全波長BP神經網絡預測模型，其預測集結果見表1。經對比發現，不同方法預處理后建立的南瓜SSC和硬度預測模型的R2和RPD均有不同程度提升，RMSE均不同程度降低，說明光譜數據的預處理可以提高模型的預測精度和預測穩定性，進而提高模型的預測性能；在南瓜SSC的預測模型中，經SG+MSC預處理后模型的預測集R2、RMSE、RPD分別為0.849 3、1.157 0 °Brix、2.288 9，預測性能最好，預測南瓜SSC效果最佳；在南瓜硬度的預測模型中，經SG+MSC預處理后模型的預測集R2、RMSE、RPD分別為0.825 2、5.387 0 kg/cm2、2.329 0，預測性能最好，預測南瓜硬度效果最佳。采用SPA算法提取南瓜SSC和硬度的特征波長，南瓜SSC特征波長提取結果見圖6，南瓜硬度特征波長提取結果見圖7。由圖6A可知，RMSE隨特征波長數的增加而降低，當特征波長數大于10時，RMSE變化不明顯，因此選取731、746、765、784、811、832、899、916、928、937 nm 10 個波長作為南瓜SSC的特征波長，篩選出的特征波長占原始光譜波長的5.95%，10 個特征波長分布見圖6B。由圖7A可知，當特征波長數大于7時，RMSE變化不明顯，因此選取757、767、778、793、840、864、941 nm 7 個波長作為南瓜硬度的特征波長，篩選出的特征波長占原始光譜波長的4.17%，7 個特征波長分布見圖7B。

4 樣本集的劃分

本研究將168 個南瓜樣本按照訓練集70%、驗證集15%、預測集15%劃分樣本集，用于建立BP神經網絡預測模型；按照建模集70%、預測集30%劃分樣本集，用于建立MLR和PLSR預測模型，劃分結果見表2。168 個南瓜樣本SSC分布在5.8～18.5 °Brix之間，均值為13.3 °Brix，硬度分布在39.6～104.1 kg/cm 2 之間，均值為77.4 kg/cm 2 ，表明本研究所選南瓜樣本的SSC和硬度跨度范圍較大，基本涵蓋正常南瓜果實發育中后期及貯藏期的SSC和硬度的變化范圍。BP神經網絡預測模型中，訓練集的SSC和硬度分布范圍大于驗證集和預測集的SSC和硬度分布范圍；MLR和PLSR預測模型中，建模集的SSC和硬度分布范圍大于預測集的SSC和硬度分布范圍，說明采用KS法劃分樣本集效果較好，有利于提高預測模型的穩定性和準確性。

5 不同預測模型的建立及比較

基于SG+MSC+SPA篩選出南瓜SSC的10 個特征波長，分別建立168 個南瓜SSC的BP神經網絡、MLR、PLSR預測模型，3 種預測模型各樣本集的南瓜SSC實測值和預測值散點圖見圖8。BP神經網絡預測模型的訓練集、RMSET分別為0.880 6、0.944 2 °Brix，驗證集RMSEV分別為0.901 6、0.891 5 °Brix，說明該模型訓練效果較好且具有較高的穩定性，預測集、RMSEP、RPD分別為0.895 5、0.874 4 °Brix、2.809 7，RPD大于2.5，說明該模型的預測準確性和穩定性均較高，總體預測效果較好，可較為準確地評估南瓜SSC；MLR預測模型的建模集RMSEC分別為0.762 0、1.214 0 °Brix，預測集Rp2、RMSEP、RPD分別為0.735 7、1.431 5 °Brix、1.450 0，PLSR預測模型的建模集RMSEC分別為0.762 7、1.215 6 °Brix，預測集Rp2、RMSEP、RPD分別為0.783 3、1.120 0 °Brix、1.920 6，說明二者建模效果基本相當，PLSR預測模型的預測準確性和穩定性略高于MLR預測模型，但其RPD均小于2，說明二者預測南瓜SSC效果較差，只可粗略地評估南瓜SSC。綜合對比上述3 種南瓜SSC預測模型，結果顯示，BP神經網絡預測模型各樣本集的決定系數顯著高于MLR預測模型和PLSR預測模型，RMSEP顯著低于MLR預測模型和PLSR預測模型，這說明BP神經網絡預測模型具有更高的魯棒性和泛化能力，預測南瓜SSC性能更佳。故基于BP神經網絡建立的南瓜SSC預測模型最優，并將此模型所涉及到的光譜預處理、特征波長提取等算法及預測模型參數以代碼形式導入可見-近紅外光譜檢測裝置，用于南瓜SSC的快速無損檢測。

基于SG+MSC+SPA篩選出南瓜硬度的7 個特征波長，分別建立168 個南瓜硬度的BP神經網絡、MLR、PLSR預測模型，3 種預測模型各樣本集的南瓜硬度實測值和預測值散點圖見圖9。BP神經網絡預測模型的訓練集RT2、RMSET分別為0.930 5、4.397 7 kg/cm2，驗證集Rv2、RMSEV分別為0.864 5、5.335 1 kg/cm2，說明該模型訓練效果較好，模型穩定性也較高，預測集Rp2、RMSEP、RPD分別為0.900 4、4.718 4 kg/cm2、2.942 8，RPD略小于3.0，說明該模型的預測準確性和穩定性均較高，總體預測效果接近于優異水平，可較為準確地評估南瓜硬度；MLR預測模型的建模集Rc2、RMSEC分別為0.914 3、3.943 8 kg/cm2，預測集Rp2、RMSEP、RPD分別為0.910 7、3.029 4 kg/cm2、3.214 4，RPD大于3.0，說明該模型的預測準確性和穩定性均非常高，總體預測效果達到優異水平，可準確地評估南瓜硬度；PLSR預測模型的建模集Rc2、RMSEC分別為0.871 9、4.879 2 kg/cm2，預測集Rp 2、RMSEP、RPD分別為0.860 2、4.924 4 kg/cm2、2.506 0，RPD略大于2.5，說明該模型預測準確性和穩定性一般，總體預測效果剛達到較好水平，只可粗略地評估南瓜硬度。綜合對比上述3 種南瓜硬度預測模型，結果顯示，MLR預測模型各樣本集RMSE顯著低于BP神經網絡預測模型和PLSR預測模型，且預測集的決定系數最高，說明該模型泛化能力最強，預測南瓜硬度性能最佳。故基于MLR建立的南瓜硬度預測模型最優，并將此模型所涉及到的光譜預處理、特征波長提取等算法及預測模型參數以代碼形式導入可見-近紅外光譜檢測儀，用于南瓜硬度的快速無損檢測。基于7 個特征波長建立的南瓜硬度MLR預測模型方程為：Y硬度＝164.463λ756.622-302.568λ767.280+229.016λ777.866+99.838λ792.565+137.845λ839.845+92.396λ863.881+66.101λ940.737-3 578.230。式中：Y硬度為硬度的預測值；λi為特征波長處的反射率（下標i表示波長/nm）。

便攜式果蔬無損檢測儀的功耗、預測精度及成本是其能否應用于實際的重要影響因素。收集足夠的樣品光信號信息是準確預測樣品內部品質的前提。為降低儀器功耗，目前已有的便攜式果蔬無損檢測儀大多以發光二極管（light-emitting diode，LED）或低功率鹵素燈為光源，如以12 個不同波長LED為光源的獼猴桃SSC和硬度無損檢測儀，以1 個7 W微型鹵素燈為光源的獼猴桃SSC無損檢測儀，以4 個總功率小于3 W的微型鹵素燈為光源的梨SSC無損檢測儀。由于南瓜果皮較厚且果肉致密，致使光的通過性差，儀器收集到的南瓜光信號信息相對較少，加強光源強度是解決此問題的重要措施之一。但在光源強度加強的同時也會提高儀器的整體功耗，致使鋰電池的續電時間縮短，本裝置將4 個10 W鹵素燈并聯作為光源，且儀器運行時光源只需點亮0.4 s便可完成一次檢測，可在提高光通過性的同時盡量降低裝置的功耗。本裝置預測南瓜SSC和硬度的RMSE分別為0.874 4 °Brix和3.029 4 kg/cm2，RPD分別為2.809 7和3.214 4（均大于2.5），此外預測集樣本的SSC分布范圍（8.0～18.2 °Brix）和硬度分布范圍（47.7～93.1 kg/cm2）均較廣，基本能涵蓋南瓜果實發育中后期及貯藏期的SSC和硬度變化范圍，這說明本裝置在南瓜果實發育中后期及貯藏期內具有較高的預測精度和較好的預測效果，可滿足南瓜SSC和硬度的快速無損檢測及成熟度和貯藏期監測的需求，這將對南瓜農業生產管理、果實品質評價具有重要意義。此外，鹵素燈光源具有光譜范圍廣和光穿透性強等優點，故還可用本裝置建立哈密瓜、番茄和蘋果等其他果蔬的SSC、硬度等內部品質的預測模型，實現一機多用，提高儀器的普適性。

結論

本研究搭建了一款以微型光譜儀為核心部件的便攜式可見-近紅外南瓜光譜檢測裝置，使用該裝置采集不同發育期和貯藏期南瓜的光譜信息，構建了南瓜的SSC和硬度預測模型，通過對比分析，篩選出最佳的光譜預處理方法、冗余信息和干擾最少的特征波長、最優的預測模型，將其用于南瓜SSC和硬度的無損檢測，并進行南瓜成熟度和貯藏期的監測。主要結論如下：

針對南瓜SSC，最佳光譜預處理方法為SG+MSC，通過SPA法提取10 個特征波長（731、746、765、784、811、832、899、916、928、937 nm）用于模型的建立，并篩選出BP神經網絡為其最優預測模型，該預測模型的Rp2、RMSEP、RPD分別為0.895 5、0.874 4 °Brix、2.809 7，預測南瓜SSC效果較好；針對南瓜硬度，最佳光譜預處理方法為SG+MSC，通過SPA法提取7 個特征波長（757、767、778、793、840、864、941 nm）用于模型的建立，并篩選出MLR為其最優預測模型，該預測模型的Rp2、RMSEP、RPD分別為0.910 7、3.029 4 kg/cm2、3.214 4，預測南瓜硬度效果優異。綜上，本研究搭建的便攜式無損檢測裝置可實現南瓜SSC和硬度的快速無損檢測及成熟度和貯藏期監測，這對南瓜農業生產管理、果實品質監測及商品價值的提升具有重要意義，此外，本研究還可為哈密瓜、柚子等大型厚皮果蔬的內部品質無損檢測及相關儀器開發提供參考。

作者簡介

通信作者：

朱金芳，女，醫學博士，教授，博士生導師，新疆執業藥師協會理事、新疆中藥材產業協會理事、新疆博士聯合會理事、新疆額敏甘草科技小院首席專家。研究方向為農產品精深加工、品質控制及功效評價。曾赴意大利博洛尼亞大學訪學，獲新疆維吾爾自治區科學技術進步獎二等獎、烏魯木齊市科學技術進步獎三等獎等獎勵。主持國家自然科學基金、新疆省自然科學基金、新疆省重點研發項目、新疆省科技特派員引導項目等國家級、省部級項目12 項。完成4 個化學藥新藥、3 個中藥天然藥新藥、3 個治療用生物制品新藥、2 個保健食品、8 個功能食品及5 個化妝品的研究開發。發表論文50余篇，其中在SCI和EI收錄10余篇，參編專著1 部，授權國家發明專利8 項。

第一作者：

王加龍，新疆農業大學化學化工學院生物與醫藥專業2022級碩士研究生，研究方向為食藥用農產品品質控制。

本文《基于可見 - 近紅外光譜技術研發便攜式貝貝南瓜品質無損檢測儀》來源于《食品科學》2025年46卷第6期254-262頁，作者：王加龍 ，馬坤 ，高鵬 ，朱金芳 ，張平 ，黃凡。DOI:10.7506 / spkx1002-6630-20241008-026。點擊下方 閱讀原文 即可查看文章相關信息。

實習編輯：王雨婷 ；責任編輯：張睿梅。點擊下方閱讀原文即可查看全文。圖片來源于文章原文及攝圖網。

為貫徹落實《中共中央國務院關于全面推進美麗中國建設的意見》《關于建設美麗中國先行區的實施意見》和“健康中國2030”國家戰略，全面加強農業農村生態環境保護，推進美麗鄉村建設，加快農產品加工與儲運產業發展，實現食品產業在生產方式、技術創新、環境保護等方面的全面升級。由 中國工程院主辦， 中國工程院環境與輕紡工程學部、北京食品科學研究院、湖南省農業科學院、岳麓山工業創新中心承辦， 國際食品科技聯盟（IUFoST）、國際谷物科技協會（ICC）、湖南省食品科學技術學會、洞庭實驗室、湖南省農產品加工與質量安全研究所、中國食品雜志社、中國工程院Engineering編輯部、湖南大學、湖南農業大學、中南林業科技大學、長沙理工大學、湘潭大學、湖南中醫藥大學協辦的“ 2025年中國工程院工程科技學術研討會—推進美麗鄉村建設-加快農產品加工與儲運產業發展暨第十二屆食品科學國際年會”，將于2025年8月8-10日在中國 湖南 長沙召開。

長按或微信掃碼進行注冊