硬度是描绘果本质地最常用的术语之一，是影响果实质量和贮藏期的重要指标

［1］:由于水果硬度这个物理指标不能直接吸收光线，近红外法的可行性曾遭到过质疑，但近几年来国外已有一些学者应用NIR 技术在水果硬度检测方面停止相关的一些研讨，证明即便不具备近红外吸收的信息也可与光谱间接地相关;Schmilovitch Z 等人

［2］，硬度主要受果胶、木质素、纤维素、淀粉等影响

［3］; 目前，水果硬度的检测普遍采用压力硬度计或质构仪等毁坏性检测，这种办法费时，检验结果实失去商品价值，近红外光谱技术是一种快速、无损、烦琐的检测办法，在同时检测水果质量的多个指标( 糖度、酸度等) 中得到了普遍应用

［4］展开了芒果生理特性和硬度的近红外光谱检测研讨，树立了硬度模型的SEP 为17.17，相关系数为0.823; Renfu Lu

［5］采用近红外反射技术丈量甜樱桃硬度，树立了“Hedelfinger”和“Sam”两种甜樱桃的预测模型，相关系数分别为0.80 和0.65规范预测误差( SEP) 分别为0.55N 和0.44N。本文采用近红外透射方式对南果梨样品的硬度停止了实验研讨，旨在树立南果梨果实硬度的近红外无损检测模型，并为南果梨近红外分级技术的应用提供根据。1 资料与办法1.1 资料与仪器南果梨鞍山、海城产区。Purespect 型近红外透射光谱仪日本杂贺技术研讨所;

GY－1 型果实硬度计州锐品精细仪器有限公司。

1.2 实验办法过15kg /cm2 ( 超出GY－1 型果实硬度计的大量程，此时果实不具备食用质量) ，随后的几天内，果实渐渐后熟，硬度开端降落在采后8d 左右，硬度低于15kg /cm2，因而实验从鞍山和海城每个产区各选取无伤病，大小、颜色和成熟度根本分歧的160 个左右的南果梨，在常温贮藏条件下，分别于采后6、7、8、9、10、11、12、13、14、15d 随机选取两产区各15 个样品

停止光谱测定。详细光谱仪器检测办法: 运用Purespect 型近红外仪停止扫描，在完整遮光的实验室内，将南果梨以“侧躺”的放置姿势放入操作台，并正反扫描两次求其均匀光谱，扫描波长范围为643.26 ～954.15nm，采点距离为1.29nm。1.2.2 果实硬度测定在南果梨的上中下三局部，分别取3 个预测部位，应用打孔器刺破待测南果梨并用水果刀将其表皮削下来，应用果实硬度计(仪器计量范围为2～15kg /cm2 ) 测定9 个孔型面积处的硬度，计算均匀硬度［6］。1.2.3 光谱数据的处置办法本实验应用Unscrambler 6.1 软件首先对光谱停止平滑和导数处置，扫除背景及信号强弱等的干扰，最后采用PLS 法对光谱数据停止统计处置并树立模型［7－8］。2 结果与剖析2.1 南果梨硬度的光谱差别剖析实验对常温贮藏2 个主产区的样品，从采摘当天至果实完整成熟的这段期间，停止光谱和硬度测定，图1 为不同时期的南果梨硬度的原始吸收光谱图。

由图1 可知，在643.26～721.95nm 范围内光谱变化较明显，标明硬度的变化与该范围内的光谱变化有一定的相关性。从图中能够看出，随着果实硬度值的降低，光谱曲线在643.26～721.95nm 内的波峰与波谷的吸光度差值也逐步减小，也就是说，在643.26～721.95nm 范围内光谱差别明显，但在721.95 ～879.33nm 范围内光谱差别是不明显的。

2.2 南果梨硬度近红外模型的树立

2.2.1 模型树立光谱区域的选择依据分段建模思想［2，9］，分离图1 的光谱结果本实验选取643.26 ～721.95、721.95～879.33、643.26～954.15nm 的3 段光谱区域为建模的谱区，首先对原始光谱停止平滑、求导等光谱的预处置，采用PLS 法分别对产自鞍山和海城的各100 个建容貌品集分别停止分段和全光谱校正模型的树立，结果如表1。

由表1 可见，应用全波段643.26～954.15nm 光谱树立的鞍山和海城两产区模型的相关系数分别为0.924、0.936，高于其它两个分段光谱树立的模型，阐明固然在643.26～721.95nm 波段光谱的变化较明显，但这种变化不只是由硬度惹起的，而可能同时遭到内部糖、酸含质变化的影响，因而样品的硬度信息是经过全波段光谱反响出来的，所以应用643.26 ～721.95nm 波段树立的硬度模型性能差于全波段的。

2.2.2 南果梨硬度近红外模型的树立实验以鞍山和海城两产区的共计200 个样品作为定标样品集，应用PLS 法树立南果梨硬度定标模型。图2 为南果梨硬度模型的校正集样品硬度预测值与实测值相对应的散点图。

由图2 可见，硬度模型相关系数为0.911，校正均方根误差为0.139，最佳主成分为4，为了进步模型性能，实验采用异常样品删除和主成分散布法停止模型的优化，详细做法: 删除图2 中勾勒出来的7 个异常样品( 8、35、43、44、139、154、173 号) ，由于其严重偏离拟合线，并重新建模。图3 为重新树立的194 个样品的主成分空间散布图。区域A 内堆叠比拟严重、样品的信息量较多，实验对194 个的样品集停止精简，使其主成分散布无明显堆叠区域。经过两次优化后的硬度模型相关系数为0.970，校正均方根误差为0.124，与初始模型( 相关系数0.911，校正均方根误差0.139) 相比有明显的进步，阐明经过优化的硬度模型相关性很好，能够用于未知样品的预测。

2.3 南果梨硬度模型预测性能的考证

本实验应用优化后的硬度模型停止预测性能的评价，即应用模型对采后8～15d 鞍山和海城两个主产区共40 个预测集样品停止了预测，预测的残差散布见图4。

由图4 可见样品的残差在零线上下较平均的动摇，残差之和为0.03，经过对模型校正集相关系数、均方根误差、残差散布和残差之和四项指标的剖析结果标明: 树立的南果梨硬度模型性能较稳定，满足实践应用的请求。

3 

3.1实验应用优化的硬度模型，预测不同常温贮藏期样品的硬度，经过对预测结果的残差散布和残差之和的剖析标明: 树立的模型性能较稳定，满足实践应用请求，最终肯定模型适用于预测硬度范围在2～15kg /cm2的样品硬度。

3.2 固然实验最终所树立的模型较理想，但应用果实硬度计对硬度的丈量存在一定的误差( 结果数值只能准确到0.1) ，特别是硬度计的量程范围有限，为了进步硬度模型的准确度，应进步化学实测值的精确性，能够应用精确度较高的质构仪停止果品硬度的测定。

3.3实验停止了分波段区域的建模，结果标明应用全波段643.26～954.15nm 光谱树立的鞍山和海城两个产区硬度模型优于其它两个分段光谱树立的模型，树立的两产区定标硬度模型的校正集相关系数分别为0.924、0.936; 校正均方根误差分别为0.125、0.105。

3.4实验应用PLS 法树立了鞍山、海城两产区混合的硬度模型，并应用剔除异常样品和主成分散布图对模型停止优化，最终树立的定标硬度模型的校正集相关系数为0.970，校正均方根误差为0.124。

信息来源于http://www.yqxz88.com