【儀表網(wǎng) 行業(yè)標(biāo)準(zhǔn)】由廣東省農(nóng)業(yè)科學(xué)院設(shè)施農(nóng)業(yè)研究所等單位提出的《柚果內(nèi)部品質(zhì)無(wú)損檢測(cè) 可見(jiàn)/近紅外光譜法》項(xiàng)團(tuán)體標(biāo)準(zhǔn)已完成征求意見(jiàn)稿，為保證團(tuán)體標(biāo)準(zhǔn)的科學(xué)性、實(shí)用性及可操作性，現(xiàn)公開(kāi)征求意見(jiàn)。
 

　　本文件按照GB/T 1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則 第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。本文件起草單位：廣東省農(nóng)業(yè)科學(xué)院設(shè)施農(nóng)業(yè)研究所、廣東十記集團(tuán)有限公司。
 

　　本文件規(guī)定了柚果設(shè)備、無(wú)損測(cè)量方法、建模方法、結(jié)果輸出等。本文件適用于采后柚果可溶性固形物含量、含水量和汁胞硬粒化品質(zhì)參數(shù)同步無(wú)損檢測(cè)，不適用于仲裁檢驗(yàn)。
 

　　原理：
 

　　可見(jiàn)近紅外光譜儀(Visible Near Infrared Spectrum Instrument，Vis-NIRS)波長(zhǎng)范圍為 350nm～2526 nm，近紅外光是介于可見(jiàn)光和中紅外之間的電磁波，可見(jiàn)光對(duì)被測(cè)樣本顏色變化較敏感，近紅外光主要是對(duì)含氫基團(tuán) X-H (X=C、 N、 O) 振動(dòng)的倍頻和合頻吸收，使得經(jīng)過(guò)被測(cè)樣本反射或者透射的近紅外光攜帶被測(cè)樣本相關(guān)品質(zhì)信息。通過(guò)建立光譜與待測(cè)參數(shù)之間的對(duì)應(yīng)關(guān)系(稱為分析模型)，通過(guò)光譜和對(duì)應(yīng)關(guān)系，能很快得到所需要的質(zhì)量參數(shù)數(shù)據(jù)。分析方法包括校正和預(yù)測(cè)兩個(gè)過(guò)程：
 

　　1) 在校正過(guò)程中，收集一定量有代表性的樣品(一般需要 100 個(gè)樣品以上)，在測(cè)量其光譜圖的同時(shí)，根據(jù)需要使用有關(guān)標(biāo)準(zhǔn)分析方法進(jìn)行測(cè)量，得到樣品的各種質(zhì)量參數(shù)，稱之為參考數(shù)據(jù)。通過(guò)化學(xué)計(jì)量學(xué)對(duì)光譜進(jìn)行處理，并將其與參考數(shù)據(jù)關(guān)聯(lián)，這樣在光譜圖和其參考數(shù)據(jù)之間建立起一一對(duì)應(yīng)映射關(guān)系，通常稱之為模型。對(duì)于建立模型所使用的校正方法視樣品光譜與待分析的性質(zhì)關(guān)系不同而異，常用的有多元線性回歸，主成分回歸，偏最小二乘，人工神經(jīng)網(wǎng)絡(luò)和拓?fù)浞椒ǖ龋?br /> 

　　2) 在預(yù)測(cè)過(guò)程中，使用近紅外光譜儀測(cè)定待測(cè)樣品的光譜圖，通過(guò)軟件自動(dòng)對(duì)模型庫(kù)進(jìn)行檢索，選擇正確模型計(jì)算待測(cè)質(zhì)量參數(shù)。
 

　　儀器：
 

　　PAL-GrapeMust 型數(shù)字折光儀，ATAGO(愛(ài)拓)中國(guó)分公司；游標(biāo)卡尺(測(cè)量范圍 0 mm～300 mm)，上海申韓量具有限公司；DHC-9030A 型電熱鼓風(fēng)干燥箱，上海一恒科學(xué)儀器有限公司。
 

　　可見(jiàn)/近紅外透射光譜檢測(cè)系統(tǒng)：計(jì)算機(jī)、QE 65 Pro 型光譜儀(光譜范圍：350 nm ～1100 nm，光譜分辨率：3.6 nm，像素間隔分辨率：0.75 nm，像素：1024×58(1044×64 總像素)， 狹縫：100 um，信噪比：1000：1(全信號(hào))，光路：f/4，交叉式 Czerny-Turner，暗噪聲：3RMS counts，積分時(shí)間：8ms～60min)、實(shí)驗(yàn)暗箱、光源、光纖、自動(dòng)校準(zhǔn)黑白參考板、電源和托盤(pán)等。
 

　　樣品集的選擇：
 

　　參與定標(biāo)的柚子樣品分為沙田柚跟蜜柚兩種，都來(lái)自廣東梅州，柚子樣品應(yīng)精選無(wú)損傷的柚子，至少需要選擇100個(gè)以上，剔除外部破損和畸形的蜜柚，擦拭蜜柚外部污漬，擦拭晾干后存于室溫(19 ℃～21 ℃)靜置24h。
 

　　檢測(cè)模型建立：
 

　　采用建模軟件，優(yōu)化參數(shù)，進(jìn)行光譜預(yù)處理。同時(shí)，使用偏最小二乘法(PLSR)，利用化學(xué)計(jì)量學(xué)原理建立檢測(cè)模型。
 

　　檢測(cè)模型的更新：
 

　　在對(duì)來(lái)自與建模所用樣品集不同產(chǎn)地、不同成熟度、不同栽培方式或不同年份等的果實(shí)進(jìn)行檢測(cè)前，需要升級(jí)定標(biāo)模型，操作上將新采集到的具有代表性的柚子果實(shí)25個(gè)～45個(gè)，掃描其近紅外光譜，用標(biāo)準(zhǔn)理化分析方法測(cè)定相應(yīng)的總可溶性固形物含量、含水量和汁胞硬粒化程度，然后將這些樣品相應(yīng)參數(shù)加入到檢測(cè)訓(xùn)練集中，用原有的檢測(cè)方法進(jìn)行計(jì)算，即獲得升級(jí)的檢測(cè)模型。
 

　　更多詳情請(qǐng)見(jiàn)附件。