硬度是描繪果本質地最常用的術語之一，是影響果實質量和貯藏期的重要指標

［1］:由于水果硬度這個物理指標不能直接吸收光線，近紅外法的可行性曾遭到過質疑，但近幾年來國外已有一些學者應用NIR 技術在水果硬度檢測方面停止相關的一些研討，證明即便不具備近紅外吸收的信息也可與光譜間接地相關;Schmilovitch Z 等人

［2］，硬度主要受果膠、木質素、纖維素、淀粉等影響

［3］; 目前，水果硬度的檢測普遍采用壓力硬度計或質構儀等毀壞性檢測，這種辦法費時，檢驗結果實失去商品價值，近紅外光譜技術是一種快速、無損、煩瑣的檢測辦法，在同時檢測水果質量的多個指標( 糖度、酸度等) 中得到了普遍應用

［4］展開了芒果生理特性和硬度的近紅外光譜檢測研討，樹立了硬度模型的SEP 為17.17，相關系數為0.823; Renfu Lu

［5］采用近紅外反射技術丈量甜櫻桃硬度，樹立了“Hedelfinger”和“Sam”兩種甜櫻桃的預測模型，相關系數分別為0.80 和0.65規范預測誤差( SEP) 分別為0.55N 和0.44N。本文采用近紅外透射方式對南果梨樣品的硬度停止了實驗研討，旨在樹立南果梨果實硬度的近紅外無損檢測模型，并為南果梨近紅外分級技術的應用提供根據。1 資料與辦法1.1 資料與儀器南果梨鞍山、海城產區。Purespect 型近紅外透射光譜儀日本雜賀技術研討所;

GY－1 型果實硬度計州銳品精細儀器有限公司。

1.2 實驗辦法過15kg /cm2 ( 超出GY－1 型果實硬度計的大量程，此時果實不具備食用質量) ，隨后的幾天內，果實漸漸后熟，硬度開端降落在采后8d 左右，硬度低于15kg /cm2，因而實驗從鞍山和海城每個產區各選取無傷病，大小、顏色和成熟度根本分歧的160 個左右的南果梨，在常溫貯藏條件下，分別于采后6、7、8、9、10、11、12、13、14、15d 隨機選取兩產區各15 個樣品

停止光譜測定。詳細光譜儀器檢測辦法: 運用Purespect 型近紅外儀停止掃描，在完整遮光的實驗室內，將南果梨以“側躺”的放置姿勢放入操作臺，并正反掃描兩次求其均勻光譜，掃描波長范圍為643.26 ～954.15nm，采點距離為1.29nm。1.2.2 果實硬度測定在南果梨的上中下三局部，分別取3 個預測部位，應用打孔器刺破待測南果梨并用水果刀將其表皮削下來，應用果實硬度計(儀器計量范圍為2～15kg /cm2 ) 測定9 個孔型面積處的硬度，計算均勻硬度［6］。1.2.3 光譜數據的處置辦法本實驗應用Unscrambler 6.1 軟件首先對光譜停止平滑和導數處置，掃除背景及信號強弱等的干擾，最后采用PLS 法對光譜數據停止統計處置并樹立模型［7－8］。2 結果與剖析2.1 南果梨硬度的光譜差別剖析實驗對常溫貯藏2 個主產區的樣品，從采摘當天至果實完整成熟的這段期間，停止光譜和硬度測定，圖1 為不同時期的南果梨硬度的原始吸收光譜圖。

由圖1 可知，在643.26～721.95nm 范圍內光譜變化較明顯，標明硬度的變化與該范圍內的光譜變化有一定的相關性。從圖中能夠看出，隨著果實硬度值的降低，光譜曲線在643.26～721.95nm 內的波峰與波谷的吸光度差值也逐步減小，也就是說，在643.26～721.95nm 范圍內光譜差別明顯，但在721.95 ～879.33nm 范圍內光譜差別是不明顯的。

2.2 南果梨硬度近紅外模型的樹立

2.2.1 模型樹立光譜區域的選擇依據分段建模思想［2，9］，分離圖1 的光譜結果本實驗選取643.26 ～721.95、721.95～879.33、643.26～954.15nm 的3 段光譜區域為建模的譜區，首先對原始光譜停止平滑、求導等光譜的預處置，采用PLS 法分別對產自鞍山和海城的各100 個建容貌品集分別停止分段和全光譜校正模型的樹立，結果如表1。

由表1 可見，應用全波段643.26～954.15nm 光譜樹立的鞍山和海城兩產區模型的相關系數分別為0.924、0.936，高于其它兩個分段光譜樹立的模型，闡明固然在643.26～721.95nm 波段光譜的變化較明顯，但這種變化不只是由硬度惹起的，而可能同時遭到內部糖、酸含質變化的影響，因而樣品的硬度信息是經過全波段光譜反響出來的，所以應用643.26 ～721.95nm 波段樹立的硬度模型性能差于全波段的。

2.2.2 南果梨硬度近紅外模型的樹立實驗以鞍山和海城兩產區的共計200 個樣品作為定標樣品集，應用PLS 法樹立南果梨硬度定標模型。圖2 為南果梨硬度模型的校正集樣品硬度預測值與實測值相對應的散點圖。

由圖2 可見，硬度模型相關系數為0.911，校正均方根誤差為0.139，最佳主成分為4，為了進步模型性能，實驗采用異常樣品刪除和主成分散布法停止模型的優化，詳細做法: 刪除圖2 中勾勒出來的7 個異常樣品( 8、35、43、44、139、154、173 號) ，由于其嚴重偏離擬合線，并重新建模。圖3 為重新樹立的194 個樣品的主成分空間散布圖。區域A 內堆疊比擬嚴重、樣品的信息量較多，實驗對194 個的樣品集停止精簡，使其主成分散布無明顯堆疊區域。經過兩次優化后的硬度模型相關系數為0.970，校正均方根誤差為0.124，與初始模型( 相關系數0.911，校正均方根誤差0.139) 相比有明顯的進步，闡明經過優化的硬度模型相關性很好，能夠用于未知樣品的預測。

2.3 南果梨硬度模型預測性能的考證

本實驗應用優化后的硬度模型停止預測性能的評價，即應用模型對采后8～15d 鞍山和海城兩個主產區共40 個預測集樣品停止了預測，預測的殘差散布見圖4。

由圖4 可見樣品的殘差在零線上下較平均的動搖，殘差之和為0.03，經過對模型校正集相關系數、均方根誤差、殘差散布和殘差之和四項指標的剖析結果標明: 樹立的南果梨硬度模型性能較穩定，滿足實踐應用的請求。

3 

3.1實驗應用優化的硬度模型，預測不同常溫貯藏期樣品的硬度，經過對預測結果的殘差散布和殘差之和的剖析標明: 樹立的模型性能較穩定，滿足實踐應用請求，最終肯定模型適用于預測硬度范圍在2～15kg /cm2的樣品硬度。

3.2 固然實驗最終所樹立的模型較理想，但應用果實硬度計對硬度的丈量存在一定的誤差( 結果數值只能準確到0.1) ，特別是硬度計的量程范圍有限，為了進步硬度模型的準確度，應進步化學實測值的精確性，能夠應用精確度較高的質構儀停止果品硬度的測定。

3.3實驗停止了分波段區域的建模，結果標明應用全波段643.26～954.15nm 光譜樹立的鞍山和海城兩個產區硬度模型優于其它兩個分段光譜樹立的模型，樹立的兩產區定標硬度模型的校正集相關系數分別為0.924、0.936; 校正均方根誤差分別為0.125、0.105。

3.4實驗應用PLS 法樹立了鞍山、海城兩產區混合的硬度模型，并應用剔除異常樣品和主成分散布圖對模型停止優化，最終樹立的定標硬度模型的校正集相關系數為0.970，校正均方根誤差為0.124。

信息來源于http://www.yqxz88.com