本研究主要集中于高光譜成像技術在番茄品質評估中的應用。通過可見光-近紅外（Vis-NIR）高光譜成像技術，能夠同時獲取番茄的空間和光譜信息，實現(xiàn)對番茄外觀（如顏色）和內(nèi)部品質（如硬度、番茄紅素、可溶性固形物、維生素C等）的無損檢測。研究提出了一種新的綜合質量指數(shù)（CQI），結合多項品質指標，通過化學計量學方法和因子分析對番茄的綜合品質進行全面評估。

這種基于高光譜成像的綜合質量評估方法，不僅能夠用于準確預測番茄的成熟度，還能生成番茄不同成熟階段的空間分布圖，實現(xiàn)對番茄品質的可視化分析。這為番茄的分級、采摘時機的確定、運輸中的質量監(jiān)控，以及冷藏保鮮策略的優(yōu)化提供了科學依據(jù)。此外，該技術可擴展應用于其他水果或蔬菜的質量監(jiān)控，為現(xiàn)代農(nóng)業(yè)中的智能種植和供應鏈管理提供支持。

背景：

番茄是全球范圍內(nèi)重要的經(jīng)濟作物，富含維生素、礦物質和抗氧化物質如番茄紅素。番茄的成熟過程不僅伴隨顯著的外觀變化（如顏色由綠色向紅色過渡），還涉及內(nèi)部品質的變化。隨著消費者對番茄質量要求的不斷提高，傳統(tǒng)的質量檢測方法通常依賴于單一指標，不能全面反映番茄的綜合質量。近年來，非破壞性檢測技術，如機器視覺、電子鼻、光譜分析和核磁共振技術，逐漸應用于番茄質量評估。其中，光譜分析技術，特別是可見光-近紅外（Vis-NIR）高光譜成像，能夠實現(xiàn)對番茄的外部顏色、內(nèi)部化學成分以及成熟度進行無損檢測。因此，基于高光譜成像的化學計量學技術為番茄的綜合質量檢測實現(xiàn)了對番茄品質的全面預測和評估，從而為現(xiàn)代農(nóng)業(yè)中的采摘、分級、儲存和運輸提供科學依據(jù)。

實驗設計:

番茄樣本采自山東省山東農(nóng)業(yè)大學科技創(chuàng)新園實驗站。果實在開花期進行標記，并于開花后30天至完*成熟之間，在不同成熟階段每隔5天采摘一次，分四次采摘。四個成熟階段分別為綠色、轉色、淡紅色和紅色。實驗共采集了257個無皮缺陷的番茄。每次采摘完成后，用干凈的白紗布擦去番茄表面的淤泥和污垢，保持清潔。然后將番茄放置在室內(nèi)1-2小時。番茄的高光譜圖像來自400-1000nm高光譜成像系統(tǒng)（GaiaField-V10E，江蘇雙利合譜光譜成像技術有限公司，中國江蘇無錫）。該裝置由高光譜成像儀（GaiaField-V10E）、光源（HSIA-LS-T-200W）、鏡頭（HSIA-OL23）以及配備了高光譜數(shù)據(jù)采集軟件SpecView的專用計算機組成。

在采集光譜后，使用色差計測量色差值（L*，a*，b*，色度、色調）。數(shù)字水果硬度測試儀被用來測量西紅柿的硬度。用榨汁機研磨并提取過濾番茄果肉，將所得番茄汁滴在ATAGOBrix計的棱鏡板上，測量可溶性固溶體含量（SSC）。以無水乙醇、無水甲醇、石油醚和2%二氯甲烷為萃取劑，從未過濾的全番茄醬中提取番茄紅素。利用蒽酮硫酸比色法測定可溶性糖，堿性滴定法測定可滴定酸。采用2,6-二氯吲哚酚滴定法測定維生素C含量。

番茄質量指標的分析表明，在番茄成熟過程中，a*值、可溶性固形物（SSC）、番茄紅素、可溶性糖和維生素C（VC）逐漸增加，而L*值、b*值、色調、a*/b*值、硬度和可滴定酸逐漸減少，色度值變化平穩(wěn)。從圖1可以看出，隨著番茄的自然生長，各單項指標發(fā)生了明顯變化，顏色參數(shù)中的色調、a*和a*/b*值的變化尤為顯著。此外，番茄紅素的生物合成也表現(xiàn)得十分明顯。由于單一的質量指標無法全面反映番茄的綜合質量，因此有必要進一步尋找綜合質量指標，以對番茄進行全面評價。

圖1 番茄品質指標的變化：（a）L*；（b）a*；（c）b*；（d）色度；（e）色調；（f）硬度；（g）SSC；（h）番茄紅素含量；（i）可溶性糖含量；（j）可滴定酸含量；（k）VC含量；（L）a*/b*。

運用SPSS軟件進行Pearson相關系數(shù)分析，檢驗各參數(shù)之間是否存在顯著相關關系（圖2）。從圖2可以看出，番茄紅素含量與L*、b*、色調、硬度呈負相關，與a*、色度、SSC呈正相關。結果表明，番茄紅素含量越高，果實的L*、b*、色調和硬度越低，a*、色度和SSC含量越高?？傻味ㄋ岷颗c色度的相關性不顯著，其他指標之間也存在正相關和負相關。相關分析結果表明，各指標均能反映番茄品質，且各指標具有不同的相關性。為了提高番茄品質評價的分析效率和可靠性，采用因子分析法對品質指標進行進一步分類和簡化。

圖2 品質特性之間的皮爾遜等級相關系數(shù)（顏色越深，相關性越強）

通過質量相關性分析，對相關質量指標進行綜合評價。首先通過函數(shù)將12個質量指標的數(shù)據(jù)轉換為0-1的范圍。其次，在對結果進行解釋之前，需要通過SPSS對因素的可信度進行確認?？尚哦冉Y果表明，KMO為0.832，顯著性為0.000，適合進行因子分析。此外，基于因子分析結果，本研究選取了前三個因子進行分析，它們的綜合貢獻率達到82.11%，且特征值大于1。因此，這三個因子能代表所有指標的大部分信息，能綜合反映番茄的品質特征，可作為番茄品質評價的綜合指標。

最后，為了更好地解釋質量指標與前三個因子的關系，通過因子分析得到了載荷值（表1）。這表明每個指標在前三個因子中的重要性。第一個因子主要反映了a*值、色調、硬度、番茄紅素、a*/b*值和維生素C的質量特性，這些指標的絕對值較大。色度在第二個因子中具有最大的正載荷權重，發(fā)揮了決定性的作用。相比之下，在第三個因子中沒有任何一個指標占據(jù)主導地位。通過因子分析后，選擇了七個主要指標用于番茄綜合評價，包括a*值、色度、色調、硬度、番茄紅素、維生素C和a*/b*值。正負載荷值分別分配給分子和分母，進而提出了一個綜合質量指數(shù)（CQI）。

綜合質量指數(shù)（CQI）結合了外部質量指標（a*值、色度、色調和a*/b*值）和內(nèi)部質量指標（硬度、番茄紅素和維生素C），反映了番茄的綜合質量。隨著番茄的成熟，其綜合質量持續(xù)累積。該指數(shù)用于將番茄的光譜信息與其物理和化學特性及成熟度的感官感知進行關聯(lián)分析。

圖3展示了綠色、轉色、淺紅色和紅色番茄在400–1000 nm范圍內(nèi)的平均光譜曲線。三種番茄品種的光譜模式基本相同。不同成熟階段的番茄在405–700 nm范圍內(nèi)的反射光譜差異明顯，但在780–970 nm范圍內(nèi)則較為相似。這種可見光范圍內(nèi)的差異主要是由于不同成熟樣品之間的顏色變化所致。可以看到，大約670 nm處的波谷是番茄中葉綠素的吸收峰。此外，在970 nm處可以觀察到明顯的吸收峰，這歸因于水中O–H鍵伸縮帶的第二個泛音。

圖3 番茄在綠色、混色、淡紅色和紅色時的平均光譜曲線。（a）‘Shengluolan’；（b）‘AilvshiT147’；（c）‘Kaideyali1832’；（d）三個品種的混合平均光譜

為了提高運算速度，減少信息冗余，采用SPA選擇特征波長。當選取10個變量時，RMSE達到*優(yōu)值。選取的特征波長分別為437nm、474nm、510nm、552nm、627nm、667nm、713nm、746nm、860nm和978nm。特征波長大部分在405~700nm之間，與圖3中光譜曲線的變化區(qū)間一致。

基于綜合質量指數(shù)（CQI）和特征波長，分別建立了PLSR、PCR和MLR的綜合質量預測模型。表2顯示了PLSR、PCR和MLR模型的校準、交叉驗證和驗證性能。各模型均獲得了滿意的性能，R2C接近于1，RPD大于2.5。比較R2V和RMSEV的值，MLR的預測效果*好，R2V=0.87，RMSEV=1.33，RPD=2.58。本研究提出的新質量指標（CQI）考慮了更多的質量信息，可以應用于水果的綜合評價。結果表明，利用高光譜成像技術對番茄品質進行無損預測，對番茄高效栽培和采收具有重要的指導意義。

為了可視化番茄在整個成熟過程中的綜合質量，使用了預測性能更優(yōu)的多元線性回歸（MLR）模型，并將多變量分析的校準結果應用到圖像的每個像素點上。圖4顯示了根據(jù)圖像右側顏色標尺對番茄每個像素的預測CQI值。顏色從藍色到紅色變化，紅色表示更高的CQI值。隨著番茄成熟階段的不同，偽彩圖上的紅色逐漸增加，表明質量隨著成熟度的提高逐步增加。此外，番茄樣品中的顏色變化還表明CQI值的分布不均勻。

圖4 番茄綠色、混色、淡紅色、紅色4個階段CQI含量分布圖。（a）“Shengluolan”；（b）“aivshiT147”；（c）“Kaideyali1832”

結論:

本研究提出以CQI代替單一指標法，利用高光譜成像與化學計量學技術來預測番茄品質的變化趨勢。分析了包括色差值（L*、a*、b*、a*/b*、色度、色調）、硬度、SSC、番茄紅素含量、可溶性糖含量、可滴定酸含量、維生素C含量等在內(nèi)的多項品質指標的變化規(guī)律。CQI通過數(shù)值歸一化和因子分析得到?；贑QI建立了MLR模型，模型的驗證決定系數(shù)R2V=0.87，RMSEV為1.33，RPD為2.58，顯示出較好的預測效果。隨后生成了番茄果實中CQI的空間分布圖。結果表明，MLR模型能夠有效預測番茄的綜合品質，并可通過高光譜成像實現(xiàn)無損檢測，對水果的分級、運輸及冷藏保鮮具有重要的指導意義。

推薦產(chǎn)品:

400-1000nm高光譜成像系統(tǒng)（GaiaField-V10E，江蘇雙利合譜光譜成像技術有限公司，中國江蘇無錫）

作者簡介:

通訊作者：楊鳳娟；山東農(nóng)業(yè)大學園藝科學與工程學院/作物生物學國家重點實驗室、山東省果蔬優(yōu)質高效生產(chǎn)協(xié)同創(chuàng)新中心、農(nóng)業(yè)農(nóng)村部黃淮地區(qū)園藝作物生物學與遺傳改良重點實驗室；博導。

參考文獻:

論文引自一區(qū)SCI：Yuanyuan Shao, Yukang Shi, Yongdong Qin, Guantao Xuan, Jing Li, Quankai Li, Fengjuan Yang, Zhichao Hu. A new quantitative index for the assessment of tomato quality using Vis-NIR hyperspectral imaging. Food Chemistry. Volume 386. 2022. 132864.