近红外光谱仪应用之水果品质检测

近红外光谱仪是基于近红外光谱区（780-2526nm）与有机分子中含氢官能团（如C-H、O-H、N-H等）振动的合频以及各***倍频的吸收特性来工作的。当近红外光照射到水果样品时，水果内部的基本成分（如可溶性有机酸、水分、糖分等）会吸收特定波长的近红外光，形成独特的光谱特征。通过分析这些光谱数据，可以获取水果内部的品质信息，如含糖量、酸度、水分含量等，从而实现对水果品质的无损检测。

不同成分的光谱特征峰具有唯***性，例如：

糖度：与果肉中葡萄糖、果糖的O-H键吸收峰强度相关；

酸度：受苹果酸、柠檬酸等有机酸的C-O键振动模式影响；

水分：与游离水和结合水的O-H伸缩振动密切相关。

通过采集水果表面反射或透射的近红外光谱，结合化学计量学算法（如偏***小二乘回归PLS、人工神经网络ANN等），可建立光谱数据与理化指标的定标模型，实现成分含量的快速反演。

近红外光谱仪能够在不破坏水果的情况下进行品质检测，保持了水果的完整性。这对于高品质、高价值水果的检测尤为重要，因为有损检测会降低水果的市场价值。此外，无损检测避免了样品制备过程中的复杂操作和可能引入的误差，简化了检测流程。

近红外光谱仪可以同时检测水果的多个品质指标。例如，它能够同时测量水果的糖度、酸度、水分含量、硬度等内部品质参数。这种多指标检测能力为全面评估水果品质提供了丰富的数据支持，有助于更准确地判断水果的整体品质。

近红外光谱仪能够提供精确且可靠的测量与控制效果，在复杂环境下亦能保持优异性能，为果品表面曲率、光照条件、温度波动等因素易干扰检测结果带来卓越的解决方案，有效提升生产效率与产品质量，降低运行成本。

近红外光谱仪的检测速度非常快，通常在几秒钟内即可完成***次测量。从扫描出具光谱图到结合化学计量学模型预测多种性质和组成，几分钟内就可以完成。这种快速检测能力大大提高了检测效率，适合大规模水果品质检测的应用场景，如在水果分选线上实时检测水果品质。

近红外光谱仪能够实现水果在生产线上的在线检测。可以实时监控水果品质的变化，及时发现品质问题，毫秒***响应并***剔除瑕疵品。数据同步至云端实现动态监控，适配工厂分***、仓储抽验、物流复检等多环节，以高精度、高效率突破传统抽检局限，降低人工成本，保障全流程品控稳定性，助力企业降本增效与产品***致性提升。

近红外光谱仪是***种绿色分析技术。它不需要使用化学试剂，不会产生化学废料，对环境无污染。这符合现代社会对环保和可持续发展的要求，有助于减少水果产业对环境的影响。

糖度、酸度等成分检测：近红外光谱仪能够快速、无损地检测水果中的糖度、酸度、可溶性固形物含量等重要品质指标。

硬度检测：通过分析水果的近红外光谱，可以间接评估水果的硬度。这对于判断水果的成熟度和适宜的采摘时间具有重要意义。

近红外光谱技术可用于预测水果的成熟度，避免了传统方法中对水果进行破坏性采样的弊端。

近红外光谱仪能够识别不同品种水果的光谱特征差异，实现对水果品种的快速、准确区分。这对于水果市场的品种管理和消费者的选择具有重要意义。

近红外光谱仪结合其他技术，可以用于检测水果表面的缺陷，如病斑、机械损伤等。这有助于提高水果的外观品质和市场竞争力。

近红外光谱仪可以检测水果在储存和运输过程中的品质变化，如水分含量的减少、糖度的降低等，从而评估水果的新鲜度。这对于保证水果在到达消费者手中时仍保持良好的品质至关重要。

在水果采摘和分选生产线上，近红外光谱仪能够实现对水果品质的实时在线检测，并根据检测结果进行自动化分选。这不仅提高了分选效率，还减少了人工成本，确保了水果品质的***致性。

使用近红外光谱仪进行水果品质检测时，通常需要搭建***个包括光源、光纤、光谱仪和计算机等部件的检测系统。

光源：使用宽光谱光源，提供连续的光谱范围，确保测量结果的准确性。

光纤：使用1分2的反射光纤，用于传输光源信号及反射光信号。

光谱仪：根据需求光谱范围、分辨率和灵敏度要求等选择合适的光谱仪，采集反射光谱数据，并进行分析。

定制采样附件：用于固定光纤探头，满足不同样品的测量需求。

软件算法：利用计算机控制光谱仪采集光谱数据，并通过化学计量学软件对数据进行分析和处理，以得到水果品质的相关参数。

***先将光源与光纤连接，确保光源发出的光能够通过光纤传输到光谱仪；然后，将水果样品放置在测量位置，通过光纤将近红外光照射到水果表面，并收集反射或透射的光信号；***后，利用计算机控制光谱仪采集光谱数据，并通过化学计量学软件对数据进行分析和处理，以得到水果品质的相关参数。

在使用过程中，需要注意保持设备的稳定性和准确性，定期对光谱仪进行校准和维护，以确保检测结果的可靠性。同时，根据不同的水果种类和检测需求，可能需要优化测量参数和化学计量学模型，以提高检测精度和适应性。

图1 水果反射率测量搭建示意图

Peng Li等人使用由提供的近红外光谱仪结合广泛学习系统（BLS）模型和混合波长选择策略可以快速、无损、准确地检测枇杷的可溶性固形物含量（SSC），为预测水果中的SSC提供了***种可行的替代方案。