一种基于荧光光谱的苹果黄酮含量无损检测方法

技术领域

本发明属于农业无损检测与探测技术领域，具体涉及基于荧光光谱的苹果果实黄酮含量无损检测波段优选与模型构建方法。

背景技术

消费者在购买苹果时对苹果的选择是由价格和质量之间的权衡决定的。然而，传统的苹果质量评价指标主要是通过物理性质决定的，如尺寸、重量和硬度；或口味性质，如甜度和酸度等指标，缺乏健康特性的检测指标，例如苹果内黄酮类化合物的含量。众多研究表明，苹果是世界各国人民摄入类黄酮的重要饮食来源。黄酮是一类多酚化合物。具有抗菌、抗病毒、消炎、抗过敏、扩张血管等生理功能。

传统的检测方法在检测苹果内的糖度、酸度、硬度等指标时，都以使用糖度计、PH计等设备的有损检测方式为主。这些检测手段存在检测效率低下、破坏水果营养成分等问题，而且无法通过上述手段直接或间接的反映出营养价值极高的黄酮物质含量。苹果黄酮含量检测通常使用化学检测方法，而化学检测方法比较复杂，例如超声辅助低共熔剂溶提取苹果叶中的总黄酮，或者是用紫外可见分光光度法，或者用高效液相色谱法来检测黄酮，或者使用高光谱技术来检测黄酮的含量等，这四种测量黄酮的方法虽然比较准确，但或多或少的存在操作复杂、配制试剂较难、成本较高、操作难度高、检测成本和设备花费较高等问题，不利于苹果中黄酮含量检测方法的普及。

激光诱导荧光光谱法和LED诱导荧光光谱法是一种无损、灵敏、快速响应的光学检测方法。经由仪器采集到的荧光发射光谱与果皮和果肉中的成分有关，可视为指纹图谱。激光诱导荧光光谱法已广泛应用于食品/植物分类和掺假检测等领域。LED在商业应用方面的广泛普及，使其具有更多可以被选择用于检测的波长。因此，LED在荧光相关实验中的应用变得越来越多。

发明内容

针对现有技术的不足，本发明提出了一种基于荧光光谱的苹果黄酮含量无损检测方法，该方法通过荧光激发的方法采集苹果表皮的荧光信号得到荧光光谱，通过主成分分析法分析光谱与黄酮含量的关系，建立预测模型，实现苹果内黄酮含量的无损检测方法。

一种基于荧光光谱的苹果黄酮含量无损检测方法，具体包括以下步骤：

步骤一、样本收集

收集数个苹果，对每个苹果进行标号，并圈出荧光光谱采集的感兴趣区域即FOI区域。

步骤二、光谱采集

使用波长范围为365～445nm的激发荧光照射每个苹果的FOI区域，使用高速成像光谱仪采集每个苹果反射的荧光光谱。

作为优选，使用波长为365nm的激发荧光照射苹果的FOI区域。

作为优选，激发荧光照射到苹果上的入射角度为60度。

步骤三、黄酮含量测定

使用化学方法测定每个苹果的FOI区域中的黄酮的含量，作为该苹果黄酮含量的真实值。

步骤四、模型建立

采用基于奇异值分解的主成分分析法对步骤二采集到的荧光光谱进行分析，得到黄酮物质在荧光光谱上敏感度最高的波段，然后利用所选主成分的得分建立基于多元线性回归方法的预测模型：

其中N为选取的主成分数量，Pc

作为优选，选用的主成分数量为4个，所选用的主成分为类黄酮物质、维生素k1、叶绿素a以及叶绿素b。

步骤五、黄酮含量检测

使用步骤二中的方法采集待测苹果表皮反射的荧光光谱，然后通过步骤四建立的预测模型，得到待测苹果的黄酮含量，完成检测。

本发明具有以下有益效果：

建立了荧光发射光谱测定黄酮含量特征波段光强度信息，与实际苹果内黄酮含量的相关性模型，使用该相关性模型可以简单、便捷得预测苹果黄酮含量，实现了无损的检测方法；

附图说明

图1为检测方法流程图；

图2为实施例使用的荧光发射、光谱采集系统；

图3为黄酮含量不同的苹果样本的荧光曲线；

图4为主成成分分析图；

图5为多元线性回归分析图；

图6为模型验证结果。

具体实施方式

以下结合附图对本发明作进一步的解释说明；

如图1所示，一种基于荧光光谱的苹果黄酮含量无损检测方法，包括以下步骤：

步骤一、样本收集

选择93个黄色表皮苹果，平均重量约200g，直径为8～12cm，对每个苹果进行标号，并圈出荧光光谱采集的感兴趣区域即FOI区域。

步骤二、光谱采集

步骤2.1、激发荧光的波长选择

设置一组对照实验，挑选出9个中心波长为365～445nm、波长间隔为10nm的LED分别照射苹果，进行荧光发射光谱采集实验。分析采集到的光强度信号发现，中心波长为365nm的LED灯组效果最佳，可以获得在500～650nm范围内诱导荧光最有效的波长，因此本实施例选用中心波长为365nm的LED灯组作为激发荧光。

步骤2.2、激发荧光的角度选择

为了获得最大化的黄色苹果表皮荧光信号，使用如图2所示的荧光发射、光谱采集系统分别以0度、30度、60度和90度四组不同入射角度照射FOI区域，根据采集到的数据发现，当入射角为60度时，荧光信号可以达到的最大的激发强度。因此本实施例选择60度作为荧光的入射角度。

步骤2.3、荧光发射稳定性实验

对荧光稳定性进行了持续了60分钟的测试，每间隔10分钟测定一次苹果表皮荧光发射强度，得到7组荧光发射光谱信号强度数据，利用组间的方差分析来计算荧光发射强度是否会随着时间的变化而衰减，方差分析的结果用P值来表示，当P>0.5时表示数据组间不存在显著差异，当0.10.5。叶绿素的荧光被称为考茨基效应(Kautsky effect)的激发后会衰减。而550nm区域的荧光因为不参与光合作用过程，随时间变化不大，因此针对波长为550nm区域的光谱，分析苹果的黄酮含量。

步骤2.4、光谱采集

使用中心波长为365nm，照射角度为60度的LED灯照射步骤一圈出的FOI区域。使用波长400～1100nm高速成像光谱仪进行采集，并使用仪器对应的软件对采集到的光谱信息进行初步的处理，不同黄酮含量的荧光图谱如图3所示。

步骤三、黄酮含量测定

根据黄酮化合物的络合反应，使用分光光度计测出每个苹果的FOI区域的吸光度，计算样本中黄酮物质的含量，作为该苹果黄酮含量的真实值。

步骤四、模型建立

高速成像光谱仪提供454至998nm的光谱通道信息，由于红外区荧光信号较少，故选择其中的454～898nm的光谱进行分析。本实施例采用基于奇异值分解的主成分分析(PCA)对步骤二采集到的光谱进行分析，选择pc1类黄酮物质、pc2维生素k1、pc3叶绿素a以及pc4叶绿素b进行分析，分析结果如图4所示，pc1黄酮物质在550nm波段敏感性最强。然后利用所选主成分(PCs)的得分建立基于多元线性回归(MLR)方法的预测模型。

将MLR应用于所选4个PCs的得分，可以发现得分与实际黄酮类化合物之间的相关性关系。该模型的R

步骤五、黄酮含量检测

使用步骤二中的方法采集9个待测苹果表皮反射的荧光光谱，然后通过步骤四建立的预测模型，计算测试样本的黄酮含量。再使用乙醇溶液提取并测定了9个苹果的黄酮含量，使用分光光度计测定了吸光度，作为实测值与模型的预测值进行比较以验证预测模型的准确性。结果得到该模型的验证test-R