留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于光谱指数的蜜橘成熟度评价模型研究

刘燕德 叶灵玉 孙旭东 韩如冰 肖怀春 马奎荣 朱丹宁 吴明明

刘燕德, 叶灵玉, 孙旭东, 韩如冰, 肖怀春, 马奎荣, 朱丹宁, 吴明明. 基于光谱指数的蜜橘成熟度评价模型研究[J]. 中国光学, 2018, 11(1): 83-91. doi: 10.3788/CO.20181101.0083
引用本文: 刘燕德, 叶灵玉, 孙旭东, 韩如冰, 肖怀春, 马奎荣, 朱丹宁, 吴明明. 基于光谱指数的蜜橘成熟度评价模型研究[J]. 中国光学, 2018, 11(1): 83-91. doi: 10.3788/CO.20181101.0083
LIU Yan-de, YE Ling-yu, SUN Xu-dong, HAN Ru-bing, XIAO Huai-chun, MA Kui-rong, ZHU Dan-ning, WU Ming-ming. Maturity evaluation model of tangerine based on spectral index[J]. Chinese Optics, 2018, 11(1): 83-91. doi: 10.3788/CO.20181101.0083
Citation: LIU Yan-de, YE Ling-yu, SUN Xu-dong, HAN Ru-bing, XIAO Huai-chun, MA Kui-rong, ZHU Dan-ning, WU Ming-ming. Maturity evaluation model of tangerine based on spectral index[J]. Chinese Optics, 2018, 11(1): 83-91. doi: 10.3788/CO.20181101.0083

基于光谱指数的蜜橘成熟度评价模型研究

doi: 10.3788/CO.20181101.0083
基金项目: 

国家自然科学基金 61640417

“十二五”国家863计划课题 SS2012AA101306

江西省优势科技创新团队建设计划项目 20153BCB24002

南方山地果园智能化管理技术与装备协同创新中心 2014-60

江西省研究生创新资金项目 YC2015-S238

详细信息
    作者简介:

    刘燕德(1967—), 女, 江西泰和人, 博士, 教授, 博士生导师, 主要从事光机电检测技术方面的研究。E-mail:jxliuyd@163.com

  • 中图分类号: TS255.7

Maturity evaluation model of tangerine based on spectral index

Funds: 

National Natural Science Foundation of China 61640417

"Twelfth five-year" National 863 Plan Project SS2012AA101306

Jiangxi Advantage Science and Technology Innovation Team Construction Project 20153BCB24002

Center of the Technology and Equipment of the Intelligent Management for the Southern Mountain Orchard Collaborative Innovation 2014-60

Innovative Funds for Jiangxi Graduate Students YC2015-S238

More Information
图(15) / 表 (3)
计量
  • 文章访问数:  569
  • HTML全文浏览量:  250
  • PDF下载量:  458
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-07-11
  • 修回日期:  2017-08-13
  • 刊出日期:  2018-02-01

基于光谱指数的蜜橘成熟度评价模型研究

doi: 10.3788/CO.20181101.0083
    基金项目:

    国家自然科学基金 61640417

    “十二五”国家863计划课题 SS2012AA101306

    江西省优势科技创新团队建设计划项目 20153BCB24002

    南方山地果园智能化管理技术与装备协同创新中心 2014-60

    江西省研究生创新资金项目 YC2015-S238

    作者简介:

    刘燕德(1967—), 女, 江西泰和人, 博士, 教授, 博士生导师, 主要从事光机电检测技术方面的研究。E-mail:jxliuyd@163.com

  • 中图分类号: TS255.7

摘要: 本文探索了基于光谱指数的蜜橘成熟度快速无损评价方法及模型。以2016年9~11月份6个不同采收期的300个蜜橘作为实验样品,采集重量、横纵径、叶绿素、色差、可溶性固形物(SSC)、酸度(TA)、近红外光谱等数据。通过对比分析上述各参数的平均值和偏差,筛选出叶绿素、叶绿素/SSC、叶绿素/固酸比作为蜜橘成熟度评价指标。利用光谱变异系数分析光谱的特征,筛选出649、724、672、1 100 nm 4个特征波长,通过特征波长线性组合方法以及相关性分析,得出最佳光谱指数。接着,以225个样品为建模集、75个样品为预测集,在成熟度评价指标与光谱指数间进行多元线性回归(MLR)分析。对比发现,以叶绿素为成熟度评价指标的评价模型的预测结果最准确,建模和预测相关系数分别达到0.98和0.96,建模均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.49和0.59,建模和预测偏差分别为-6.1×10-8和-0.014。实验结果表明,利用光谱指数能便捷、准确地评定蜜橘成熟度,为后续开发低成本测量成熟度的仪器提供了理论依据。

English Abstract

刘燕德, 叶灵玉, 孙旭东, 韩如冰, 肖怀春, 马奎荣, 朱丹宁, 吴明明. 基于光谱指数的蜜橘成熟度评价模型研究[J]. 中国光学, 2018, 11(1): 83-91. doi: 10.3788/CO.20181101.0083
引用本文: 刘燕德, 叶灵玉, 孙旭东, 韩如冰, 肖怀春, 马奎荣, 朱丹宁, 吴明明. 基于光谱指数的蜜橘成熟度评价模型研究[J]. 中国光学, 2018, 11(1): 83-91. doi: 10.3788/CO.20181101.0083
LIU Yan-de, YE Ling-yu, SUN Xu-dong, HAN Ru-bing, XIAO Huai-chun, MA Kui-rong, ZHU Dan-ning, WU Ming-ming. Maturity evaluation model of tangerine based on spectral index[J]. Chinese Optics, 2018, 11(1): 83-91. doi: 10.3788/CO.20181101.0083
Citation: LIU Yan-de, YE Ling-yu, SUN Xu-dong, HAN Ru-bing, XIAO Huai-chun, MA Kui-rong, ZHU Dan-ning, WU Ming-ming. Maturity evaluation model of tangerine based on spectral index[J]. Chinese Optics, 2018, 11(1): 83-91. doi: 10.3788/CO.20181101.0083
    • 国标要求柑橘类的水果成熟度达到可食用的适当程度即可[1]。中国农业科学研究所研究证明果皮色泽和果汁的固酸比值可以作为尾张系柑橘果实的成熟度指标,固酸比一般达到8:1以上即认为是成熟[2]。成熟度是果实品质的评价重要指标,果实成熟度不一,会严重影响其整体品质,同时大大降低了其市场竞争力。目前评价成熟度的指标有硬度[3]、乙烯含量[4]等。其中采用硬度的评价方法适用于在成熟过程中硬度变化比较大的水果,例如猕猴桃、香蕉等水果;乙烯评价方法对于成熟过程中释放乙烯较少的水果不适用[5]。成熟度评价对于水果采摘后的储藏和运输起着重要的作用,采摘早了,果实得不到充分的生长,采摘晚了,在储藏和运输过程中容易腐烂。因此,探索一种准确、有效的成熟度评价方法具有重要意义。

      光谱指数(spectral index)是由特定的多光谱波段的反射率经过线性或非线性组合而构成的一种光谱参数,其构建的原则是选择适合的波段强化果实的特征信息且弱化环境对光谱影响为目的,定性、定量地评估农作物生长及成熟度等情况[6-8]。罗丹[9]等人通过分析350~2 500 nm波段光谱反射率任意两波段交叉组合的主要高光谱指数与冬小麦叶绿素含量的定量关系,并建立估算模型,结果表明比值光谱指数的效果最好,但这种光谱指数仍未能完全去除干扰信息。Attila[10]对苹果成熟过程中的光谱特性、叶绿素、类胡萝卜素和水分等进行研究,结果表明,类胡萝卜素与叶绿素的比值适合用来表示苹果的成熟度,其中678 nm波长的光谱数据适用于判断苹果是否成熟。水果的成熟度涉及到各项参数指标,这种采用单个波长的信息来判断水果成熟度的方法较为简单,没有对比的参考量,存在很大的不确定性。近年来国外有许多研究者采用基于光谱指数的便携式仪器来研究水果的成熟度。其中Alejandra[11]采用cherry-meters仪器测量葡萄基于两个波峰(560 nm和640 nm)的吸光度差异指数,并根据吸光度差异指数的数值将样品分为10类,利用主成分分析不同吸光度差异指数的葡萄集群的成熟度。两个波长的光谱指数评价方法比一个波长的光谱指数评价方法较稳定,但前者只有两个波长之间的相对变化,不能对结果进行验证,容易受到外界环境的影响。光谱指数的评定方法已经被国内外学者广泛使用,采用这种方法可以通过选择少量波长,就能实现对蜜橘的成熟度评价,为开发低成本测量成熟度的仪器提供理论依据。

    • 实验样品为江西蜜橘于9月到11月份6次采摘于江西某果园,样品随机选取没有损坏、腐烂以及虫害的新鲜蜜橘。实验样品总数为300个,实验样品每次为50个。将样品表面清洗干净,存放于温度为20°和湿度为60%的环境下存放,并在24 h内采集光谱,同时测量样品重量、横径、纵径、叶绿素、糖度、酸度以及色差等参数,其各种参数范围如表 1所示。江西蜜橘为多汁水果,其皮厚约为1 mm,比赣南蜜橘的皮略薄,更适合采用近红外光谱仪进行光谱研究,果皮对实验的影响更小。

      表 1  不同采收期的参数范围

      Table 1.  Parameter ranges of different harvest periods

      批次 采摘时间 重量/g 横径/mm 纵径/mm 叶绿素 色差 糖度(Bix°) 酸度/%
      1 9月1日 94~116.7 60~63 47~54 5.8~35 -50~-27.9 9.1~11.6 0.53~2.88
      2 9月11日 94.43~137.82 60~68 46~54 3.9~40 55.7~66.8 9.2~11.5 0.3~2.41
      3 10月9日 110.4~156.1 66~74 46~56 0.1~23.5 57.4~74.4 9.8~12.2 0.47~2.22
      4 10月24日 109.87~141.89 62~71 50~59 0.1~13.2 56.6~75.7 9.4~12.8 0.84~1.66
      5 11月8日 87.44~136.11 62~71 48~57 0.1~3.2 65.1~76.3 9.5~13.1 0.4~1.4
      6 11月28日 108.36~151.73 60~75 46~58 0.1~1.8 58.6~75.7 10.7~13.3 0.41~0.97
    • 采用Ocean optics便携式光谱仪采集光谱,如图 1所示,由光源、光纤、检测器和PC机组成。其中光源为LS-1的白色光源,其光源稳定、强度合适,光谱采集前需将光源预热15 min,检测器的型号为QE65000,使用Spectrasuite软件读取和储存光谱。光谱采集范围:400~1 200 nm;分辨率:6 nm;功率:6.5 W;积分时间:100 ms;平均次数:1;平滑度:15,并勾选去除噪声。参数设置好后,分别在样品的赤道部位均布采集3条光谱,沿赤道部位每隔72°采集一次光谱,最后求取平均光谱。

      图  1  便携式光谱仪

      Figure 1.  Portable spectrometer

    • 重量:0.01 g,采用电子称量法称量,电子秤型号JM-B;

      横纵径:采用游标卡尺分别在蜜橘在赤道和纵向的直径;

      色差:使用白色聚乙烯板作为参照,采用ATAGO色差仪测量蜜橘赤道采集点处的色差(Lab);

      叶绿素:在光谱采集点,切下一小块果皮,去掉表皮中白色囊状物之后,采用SPAD-520叶绿素测量仪测量[12]

      可溶性固形物和酸度:为了防止果肉对实验的影响,用纱布将果汁过滤,进而测量其糖度含量;用移液枪取1 mL果汁放入烧杯中,用纯净水稀释至50 mL,搅拌均匀后用日本爱拓专用于测量柑橘的糖酸度计测量酸度[13]

    • 蜜橘成熟度指标是一项重要指标,蜜橘从未成熟期到成熟期的各项指标参数先增大(减小)后趋于稳定。如图 234所示,不同采收期的蜜橘横纵径没有显著变化,重量虽然呈上升的趋势,但是趋势并不明显。如图 5所示,叶绿素含量随着时间的变化越来越少,且标准偏差越来越小,可见蜜橘的叶绿素含量可作为蜜橘成熟度指标之一。色差如图 6所示,第1批数值较低表明第一个采收期的蜜橘颜色偏暗,而后面5批的蜜橘颜色偏亮,色差基本不变,从色泽上已趋于稳定,但上升的过快不利于判断成熟时期。

      图  2  不同采收期的蜜橘重量

      Figure 2.  Tangerine weights in different harvest periods

      图  3  不同采收期的蜜橘横径

      Figure 3.  Transverse diameters in different harvest periods

      图  4  不同采收期的蜜橘纵径

      Figure 4.  Longitudinal diameters in different harvest periods

      图  5  不同采收期的蜜橘叶绿素

      Figure 5.  Chlorophyll in different harvest periods

      图  6  不同采收期的蜜橘色差

      Figure 6.  Chromatic aberrations in different harvest periods

      蜜橘在成熟过程中淀粉会分解,可溶性固形物的含量会逐渐升高,而酸度会逐渐降低。中国农业科学院柑橘研究所研究结果表明[2]柑橘成熟时的固酸比≥8:1,由图 9可知,这6个采收期的蜜橘的固酸比平均值均大于8,适宜食用,但若是确定蜜橘的最佳成熟度,还需要实验研究。在图 9中前4个采收期的固酸比没有明显的变化,在第5个采收期固酸比开始上升,在第6个采收期的时候达到最高值,这是由于这6个采收期的蜜橘的可溶性固形物的含量没有明显变化(如图 7所示),但其酸度在第5个采收期开始下降,到第6个采收期达到最小值(如图 8所示)。使用叶绿素比上SSC、叶绿素比上固酸比可得到如图 10图 11所示,其平均值逐渐减小且趋于稳定,偏差也逐渐变小,也可作为江西蜜橘成熟度指标。

      图  7  不同采收期的蜜橘可溶性固形物含量

      Figure 7.  Soluble solid contents in different harvest periods

      图  8  不同采收期的蜜橘酸度含量

      Figure 8.  Tangerine acidity contents in different harvest periods

      图  9  不同采收期的蜜橘固酸比

      Figure 9.  Tangerine solid-acid ratios in different harvest

      图  10  不同采收期的叶绿素与糖度的比值

      Figure 10.  Ratio of chlorophyll to SSC in different harvest periods

      图  11  不同采收期的叶绿素与固酸比的比值

      Figure 11.  Ratios of chlorophyll to solid-acid in different harvest periods

    • 江西蜜橘样品的反射光谱的平均光谱如图 12所示,光谱范围500~1 500 nm。在649 nm和724 nm波段处有明显的两个波峰,672 nm波段处有明显波谷,随成熟期的变化672 nm处波谷越来越不明显,渐渐趋近于平缓。这是由于蜜橘中的有机物含有C-H键、O-H键、N-H键等氢基团,而在蜜橘逐渐成熟的过程中,蜜橘的表皮颜色逐渐由绿色转变成红黄色,蜜橘的内部品质也逐渐改善,口感越来越好。在672 nm波段处的波谷可能是由于果皮中的叶绿素造成的,叶绿素吸收波段为450~470 m和640~680 nm[14],前3个采收期的蜜橘表皮颜色偏绿,采集点呈黄色的部位较少,叶绿素含量较多,导致在672 nm波段附近形成波谷,而在649 nm和724 nm两处形成波峰。后3个采收期的蜜橘表皮颜色多呈红黄色,叶绿素含量较少,这时光谱显现出来的是红光和黄光的反射能量。由6个采收期的平均光谱的吸收带可知,光谱的成熟度与果皮中叶绿素的含量密切相关。

      图  12  不同采收期的江西蜜橘近红外光谱特性

      Figure 12.  Near infrared spectrum characteristics of Jiangxi orange in different harvest periods

      在蜜橘的原始光谱中,不同波长的反射值差异较大,宜采用变异系数[15]来反应光谱的变化,变异系数公式为:

      (1)

      变异系数越大体现出蜜橘在6个采收期的变化越大,如图 13所示,光谱值从500~670 nm波长呈一个上升的趋势,这个波段的蜜橘的差异越来越大并在670 nm达到最大值,从670~724 nm呈下降趋势,并在724 nm时降到最低后不再有明显的变化。表明蜜橘的成熟过程中,670 nm波长时的光谱变化最明显,能体现蜜橘成熟的差异性。而670 nm波长正是叶绿素的吸收波峰[16],因此以光谱特性来看,叶绿素亦适宜作为成熟度参数指标。

      图  13  变异系数曲线

      Figure 13.  Variation coefficient curve

    • 如3.2节所述,蜜橘的反射光谱在649 nm和724 nm形成波峰,在672处形成波谷,在1 100 nm处亦处于下降的最低点。成熟度光谱的变化速度的快慢,可以通过计算波长对应的光谱值的相关系数来体现。如表 2所示,采用了4种波长对应的光谱值进行了分析。当只采用两个波峰或波谷作为成熟度光谱值评价时,r=0.967 8和r=0.955 9。相比之下,将波峰和波谷的光谱值进行处理[17]后其相关系数有所提高,其中的效果最好,相关系数为0.991 6,其对成熟度的变化最为敏感,可作为成熟度光谱评价指数。随着蜜橘的成熟,其反射光谱曲线表明其成熟度与叶绿素的含量有着密切的关系。这6个采收期的光谱数值离散图如图 14所示,成熟度光谱指数值越来越小逐渐趋近于稳定,同时偏差也逐渐减小。

      表 2  光谱评价指数相关性分析

      Table 2.  Correlation analysis of spectral evaluation indices

      光谱评价指数 相关系数(r)
      0.967 8
      0.955 9
      0.991 6
      -0.975 3
      0.991 2
      -0.964 3

      图  14  成熟度光谱指数随采收期的变化

      Figure 14.  Maturity spectral index changes with the harvest period

    • 通过成熟度评价指标和光谱指数建立多元线性回归[18](MLR)评价模型,成熟度评价指标如3.1节所述为叶绿素、叶绿素比可溶性固溶物、叶绿素与固酸比之比。将3组原始数据按照3:1的比例,分为建模集和预测集,建模集样本为225个,预测集为75个。如表 3所示,在3个成熟度指标中,叶绿素与光谱指数建立的MLR模型的效果最好,其建模集相关系数rc达到0.98,建模均方根误差RMSEC为0.49,建模偏差为-6.1×10-8,预测集相关系数为0.96,预测均方根误差RMSEP为0.59,预测偏差为-0.014。如图 15为叶绿素与光谱指数的MLR模型,建模集的多元线性回归方程为y=0.95x+0.016,预测集的多元线性回归方程为y=0.91x+0.032。

      表 3  成熟度指标与光谱指数建模结果

      Table 3.  Modeling results of maturity index and spectral indices

      成熟度指标 rc RMSEC Bias rp RMSEP Bias
      叶绿素 0.98 0.49 -6.1×10-8 0.96 0.59 -0.014
      叶绿素/SSC 0.95 0.71 3.7×10-7 0.94 0.82 -0.041
      叶绿素/固酸比 0.92 0.97 -4.1×10-8 0.89 1.02 0.084

      图  15  多元线性回归模型

      Figure 15.  Multiple linear regression model

    • 为了对蜜橘的成熟度进行评价,实验测量了9月份到11月份蜜橘的重量、横纵径色差、叶绿素、可溶性固形物和酸度,根据蜜橘成熟时其指标会逐渐趋近于稳定,选定了叶绿素、叶绿素比可溶性固形物以及叶绿素与固酸比的比值为成熟度指标。采用便携式光谱仪测量了6批蜜橘的光谱,比较不同采收期的平均光谱及变异系数,表明蜜橘的光谱收叶绿素的影响比较大。结合光谱特性分别取出了649 nm、672 nm、724 nm、1 100 nm等4个波长,进一步分析出最佳光谱指数为,其相关系数为0.991 6。最后采用多元线性回归方法MLR处理成熟度指标和光谱指数,模型最好的是以叶绿素作为成熟度光谱指标的MLR模型,其建模集相关系数rc达到0.98,建模均方根误差RMSEC为0.49,建模偏差为-6.1×10-8,预测集相关系数为0.96,预测均方根误差RMSEP为0.59,预测偏差为-0.014。结果表明叶绿素作为成熟度指标与光谱指数的多元线性回归模型最好。

参考文献 (18)

目录

    /

    返回文章
    返回