0 引言

近红外漫反射光谱分析技术是利用近红外谱区包含的丰富的物质信息，吸收带的吸收强度与分子组成或化学基团的含量有关，可用于测定化学物质的成分和分析物理性质[1]。近红外光照射水果时，由于水果的内外部特征差异，会对近红外光产生不同程度的吸收或者反射等特性，使水果的组成成分和结构特征被反映到相关的近红外光谱图上，进而从光谱上提取出水果的品质信息，即可实现对水果品质的快速无损检测。罗枫等人[2]利用近红外漫反射光谱分析技术在波长为408.8～2 492.8 nm范围内对沙蜜豆樱桃中的VC含量进行检测研究。结果表明，采用的改进偏最小二乘法（MPLS） 建立的模型，其RMSEP=0.258 3，R2=87.79，该模型对樱桃在冷藏过程中VC含量的检测具有可行性。王铭海等人[3]利用近红外漫反射光谱分析技术结合移动窗口偏最小二乘法-极限学习机法（MWPLS-ELM）建立的鲜桃中SSC的分析模型，其模型的RMSEP=0.397，R2=99.10，RMSECV=0.497，R2=98.30。试验采用近红外光谱技术对鲜切哈密瓜的品质进行检测研究，为该技术在对鲜切哈密瓜品质检测研究中提供理论参考。

1 材料与方法

1.1 材料与试剂

抗坏血酸，天津富宇化工厂提供；2,6-二氯靛酚溶液，上海研生实业有限公司提供；哈密瓜，购于北京华联超市。

1.2 主要设备

FA2004N型分析天平，上海民桥精密科学仪器厂产品；2WAJ型阿贝折射仪，上海光学仪器厂产品；TENSOR II型傅立叶变换近红外光谱仪，德国布鲁克（北京）科技有限公司产品。

1.3 试验方法

1.3.1 样品的选取

以20个哈密瓜的80块鲜切哈密瓜果肉作为建模样品集，以10个哈密瓜的40块鲜切哈密瓜果肉作为预测样品集。

试验采用偏最小二乘法（PLS法）在全波数范围内对样品的原始光谱图进行预处理，原始光谱的预处理方式有消除常数偏移量、减去一条直线、矢量归一化（Standard Normal Variate，SNV）、最小-最大归一化、多元散射矫正（Multiplicative Scatter Correction，MSC）、内部标准、一阶导数+平滑（5，9，13，17，21，25点，下同）、二阶导数+平滑、一阶导数+减去一条直线+平滑、一阶导数+SNV+平滑、一阶导数+MSC+平滑。将测定好的水果样品的指标一一对应地输入给原始光谱，通过系统自动优化筛选出合适的波数范围及预处理方式，通过衡量均方根误差（RMSECV，RMSEP） 及定向系数（R2）来衡量模型的好坏。其中R2数值越接近100%则预测含量值越接近真实值；RMSECV数值越小越好。将预测样品集带入模型中通过计算得出均方根误差（RMSEP） 值，若RMSEP≤RMSECV时，说明所建模型预测效果极佳。

1.3.2 光谱的采集方式

1.3.5 可溶性固形物含量的测定（SSC）

1.3.3 模型的建立及验证

护士需要具有扎实的医学基础理论知识和专业护理技能，才有可能做好护理循证工作。护士需要根据病人的实际需求进行相关文献的查阅，并能够对结果进行准确无误的分析与处理，将个人护理经验与病人需求相结合，及时做出正确客观的评价。如果在日常的护理教学中能遵循循证护理工作原则，将循证医学理念、护理观念渗透入护理教学实践中，将会有效的缩短循证护理理论教学与实践的距离，并且为日后的临床循证护理工作打好基础。

采用2,6-二氯靛酚法进行测定。

1.3.4 VC含量的测定

将TENSOR II型傅里叶变换近红外光谱仪预热30 min，打开OPUS 7.5软件经由检查信号、保存峰位，扫描背景单通道光谱，每间隔1 h扫描一次背景，消除外界信息干扰保证光谱的稳定性，以减少误差。环境温度25±1℃，相对湿度20%～30%，光谱波数12 000～4 000 cm-1，分辨率8 cm-1，扫描64次。

水果的理化指标见表1。

采用阿贝折射仪测定，取果实中部果肉，吸取汁液均匀涂在仪器上，计数。

2 结果与分析

2.1 鲜切哈密瓜的理化指标

如图3所示，漂烫温度与切片厚度之间交互作用显著，切片厚度和漂烫温度分别为4 mm和90 ℃时，标准化综合得分达到最大值。当切片厚度大于4 mm样品厚度越大，内部淀粉颗粒为糊化，使得产品破碎力增加，脆度降低。在一定漂烫温度和时间下，样品中引起褐变的为完全失活，有利于产品色泽的提高。

由图1可知，在8 000～9 000 cm-1内的吸收峰是由C-H健振动导致的，6 800 cm-1处的吸收峰是CO-NH-键的一级倍频振动峰，5 263 cm-1处是羧基中的羟基二级倍频吸收峰。

 

表1 水果的理化指标

  

水果类别 VC/mg·（100 g）-1 可溶性固形物/%鲜切哈密瓜 4.00～7.40 6.3～12.0

2.2 近红外光谱分析结果

鲜切哈密瓜近红外光谱见图1。

1.1 资料来源 本次研究对象均来自于2015年2月-2017年4月在本院治疗的小儿过敏性紫癜患儿80例，其中，男性患儿41例，女性患儿39例，年龄在3～11岁，平均年龄为(6.72±1.37)岁，病程在3～12 d，平均为(6.11±1.21)d，按照随机原则，使用随机数字表，将以上患儿分为两组，每组患儿40例，两组患儿的性别、年龄、病程之间的差异不存在统计学差异(P>0.05)，具有可比性。所有患儿均签署知情同意书，并经医院伦理委员会论证通过。见表1。

  

图1 鲜切哈密瓜近红外光谱

2.3 定量模型结果分析

试验发现在波数4 249.8～4 600.6 cm-1和5 447.7～6 100.9 cm-1范围内采用一阶导数+17点平滑预处理方式建立的鲜切哈密瓜VC含量校正模型其RMSECV=0.075 2，R2=99.12，且预测模型的RMSEP=0.041 4，R2=99.71，模型精度较高，故选此方法建立模型。

近红外光谱模型见表2，鲜切哈密瓜品质校正模型图及预测模型见图2。

其一，横向研究。 即将不同时期全之三晋学术思想，三晋重要学人，任职晋地的名宦，游历晋地的贤达，全部置于当时国内甚至国际学术的大背景之下，对照研究晋学先哲在中国学术史上的地位和作用，从而找出晋学对于全国甚至世界学术的意义，更为客观地衡量名宦、寓贤对于晋学的促进作用。

 

表2 近红外光谱模型

  

类别 成分指标 波数范围/cm-1预处理方法 RMSECV R2 RMSEP R2鲜切哈密瓜VC/mg·（100 g）-1 4 249.8～4 600.6 5 447.7～6 100.9一阶导数+17点平滑0.075 2 99.12 0.041 4 99.71可溶性固形物/%4 249.8～9 400.9消除常数偏移量0.167 98.60 0.11 99.5

在波数4 249.8～9 400.9 cm-1范围内采用消除常数偏移量预处理方式建立的鲜切哈密瓜SSC校正模型效果较好，其RMSECV=0.167，R2=98.60，且预测模型的RMSEP=0.11，R2=99.5。

3 结论

试验采用近红外光谱技术结合PLS法对鲜切哈密瓜品质进行检测分析，结果表明在波数4 249.8～4 600.6 cm-1和5 447.7～6 100.9 cm-1范围内采用一阶导数+17点平滑预处理方式建立的鲜切哈密瓜VC含量检测模型，在波数4 249.8～9 400.9 cm-1范围内采用消除常数偏移量预处理方式建立的鲜切哈密瓜SSC检测模型，具有较高的检测精度，因此采用近红外光谱技术在对鲜切哈密瓜品质进行检测分析研究中具有一定的可行性。

院子里还有一只大公鸡，这只大公鸡竟能像狗一样看家。有陌生人来的时候，它不会像狗一样大叫呼唤主人，而是直接用尖尖的嘴巴啄人。有一次，亲戚来家里做客，经过院子的时候，隐约感到身后有一道犀利的视线。他觉得很纳闷：这是谁在跟着我啊？回头一看，那只白色带着血红鸡冠的大公鸡扑扇着翅膀向他直面扑来，幸亏亲戚身手不凡，一脚踢过去，才免于被啄。姥爷发现后，立刻把鸡赶到了鸡窝里。我想，这要是个坏人，大公鸡说不定还真可以和他搏斗一番呢。

西安电子科技大学图书馆已与一家大数据公司合作，把大数据应用于白皮书、报表、智慧墙大屏、专题分析、热点分析、资源保障分析，还将实现各类数据展示图书馆形象。

参考文献：

[1]张小超，吴静珠，徐云.近红外光谱分析技术及其在现代农业中的应用 [M].北京：电子工业出版社，2012：25-30.

  

图2 鲜切哈密瓜品质校正模型图及预测模型

[2]罗枫，鲁晓翔，张鹏，等.冷藏过程中樱桃VC含量的近红外检测 [J].食品与发酵工业，2015，41（5）：173-176，182.

[3]王铭海，郭文川，商亮，等.基于近红外漫反射光谱的多品种桃可溶性固形物的无损检测 [J].西北农林科技大学学报（自然科学版），2014，42（2）：142-148.◇