蘋果品質無損快速測定 近紅外法

2T/AFFIXXX—2024蘋果品質無損快速測定近紅外法本標準要求用于新疆地區(qū)蘋果。本標準規(guī)定了無損快速測定蘋果果實中水分、硬度、可溶性固形物含量近紅外光譜方法。本標準適用于本地區(qū)蘋果品質（水分、硬度、可溶性固形物含量）無損快速測定。2規(guī)范性引用文件本文件中引用的文件對于本文件的應用是必不可少的。凡是注日期的引用文件，僅所注日期的版本適用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T5009.3-2016食品安全國家標準食品中水分的測定NY/T2009-2011水果硬度的測定NY/T2637-2014水果和蔬菜可溶性固形物含量的測定折射儀法NY/T1841-2010蘋果中可溶性固形物、可滴定酸無損傷快速測定近紅外光譜法3術語和定義3.1定標模型calibrationmodel利用化學計量學方法建立的樣品近紅外光譜與對應化學標準值之間關系的數(shù)學模型。3.2樣品集sampleset具有代表性的、基本覆蓋相關組分含量范圍的樣品集合。3.3定標樣品集calibrationset用于建立定標模型，具有代表性的，基本覆蓋定標模型相關組分含量范圍的樣本集合，一般定標樣本數(shù)量占全部樣本集的60%左右。3.4驗證樣品集validationset用于建立定標模型，內部交叉驗證定標模型的預測效果。驗證集中各組分含量應包含在定標集樣品各組分含量范圍以內，其數(shù)量占全部樣品集的20%左右。3.5預測樣品集predictionset用于外部驗證近紅外定標模型的準確性和重復性的樣品集，預測樣品集中各組分含量應包含在定標集樣品對應組分含量范圍以內，其數(shù)量占全部樣品集的20%左右。3.6定標模型驗證calibrationmodelvalidation使用預測樣品集外部驗證定標模型準確性和重復性的過程。3.7離群值outlier離開其他測定值較遠的樣品測定值，表示樣品可能與定標模型使用的樣品差異較大。3T/AFFIXXX—20243.8標準方法standardmethod測定樣品組分含量標準值時所采用的國家、行業(yè)或國際標準測試方法。3.9定標模型驗證calibrationmodelvalidation使用驗證樣品集驗證定標模型準確性和重復性的過程。3.10定標標準偏差standarderrorofcalibration（SEC）表示定標樣品集樣品近紅外光譜法測定值與標準理化分析方法測定值間殘差的標準差。3.11預測標準偏差standarderrorofprediction（SEP）預測樣品組分的近紅外測定值扣除系統(tǒng)偏差后與其標準值之間的標準差，表示定標模型調整后的準確度。近紅外分析儀扣除系統(tǒng)偏差后，預測樣品成分的測定值與其標準理化分析方法測定值之間的標準偏差，表示定標調整后的準確度。3.12決定系數(shù)（R2或r2）correlationcoefficientsquare近紅外光譜法測定值與標準理化分析方法測定值之間相關系數(shù)的平方，定標集以R2表示；驗證集用r2表示。3.13馬氏距離mahalanobisdistance表示數(shù)據(jù)的協(xié)方差距離、計算兩個未知樣本集的相似度的方法，通常用字母H表示。3.14馬氏距離閾值mahalanobisdistancelimitationvalue（HL）3.15異常樣品abnormalsample/超限樣品gaugesamples出現(xiàn)離群值的樣品，即：試樣的馬氏距離（大于馬氏距離閾值（HL），已超出了該定標模型的分析能力的樣品。3.16重復性repeatability（Sr）在同一實驗室，由同一操作者使用同一臺儀器，按相同的測試方法，在短時間內通過重新對同一被測樣品，連續(xù)多次測定獲得結果的一致性，以標準差計算，用表示。4原理近紅外反射光譜（Nearinfraredreflectionspectroscopy，NIRS）無損傷分析蘋果中水分、硬度、可溶性固形物的原理是：利用分子中的C-H、N-H、O-H、C-O等化學鍵的泛頻振動或轉動對近紅外光的吸收特性，以漫反射方式獲得在近紅外區(qū)的吸收光譜，通過逐步多元線性回歸、主成分回歸、偏最小二乘法等現(xiàn)代化學計量學手段，建立物質的特征光譜與待測成分含量之間的線性或非線性模型，從而實現(xiàn)利用物質近紅外光譜信息對目標樣品成分的快速測定。5試劑與材料4T/AFFIXXX—20246儀器和設備6.1近紅外光譜分析儀：掃描范圍1000nm～2500nm；6.2恒溫干燥箱；6.3果實硬度計；6.4糖度計。7分析步驟7.1測試前的準備將完整的蘋果樣品表面適當?shù)厍鍧?，果實表面應無塵土、傷痕、腐爛、生理性病害、侵染性病害、葉摩擦等。按照近紅外分析儀的要求進行儀器預熱和自檢測試。在使用狀態(tài)下每天至少用監(jiān)控樣品對近紅外分析儀監(jiān)測一次。應跟蹤每天監(jiān)測的結果，同一監(jiān)控樣品的測定結果與最初的測定結果比較，應保證符合9.2的規(guī)定。7.2定標模型的建立7.2.1樣品集的選擇參與定標的蘋果樣品應具有代表性，樣品應包含不同成熟度，不同大小，即水分、硬度、可溶性固形物的含量范圍能涵蓋未來要分析的樣品特性，創(chuàng)建一個新的模型，至少要收集100個以上蘋果果實，通常以100個~150個果實為宜。7.2.2光譜數(shù)據(jù)收集光譜數(shù)據(jù)收集過程中，測定條件以及樣品和環(huán)境溫度盡量保持一致。每個果實相對陰、陽面各取一點，每點掃描3次，定標時取三點掃描的光譜平均值。當樣品溫度與環(huán)境溫度相差大時，應取不同溫度下的果實5個，釆集光譜數(shù)據(jù)加到預測模型中。7.2.3預測值的標準理化分析方法光譜采集后，在每個果實陰、陽面相應的位置上取樣，按GB/T5009.3-2016方法分別測定果實中水分的含量，按NY/T2009-2011方法分別測定果實硬度，然后按NY/T2637-2014方法分別測定果實中可溶性固形物含量。7.2.4定標模型建立采用建模軟件，優(yōu)化參數(shù)，進行光譜預處理，同時，使用改進的偏最小二乘法（modifiedpartialleastsquare，簡稱MPLS）或馬氏距離判別法等，利用化學計量學原理建立定標模型。定標模型的決定系數(shù)（定標集、驗證集）、定標標準差（SEC）和預測標準差（SEP）參見附錄A，具體計算見公式（1）、（2）、（3）。 … …nc?k?1………………式中：yi——樣品i的標準理化分析方法測定值；i——樣品i的近紅外光譜法測定值；nc——定標集樣品數(shù)；k——回歸因子數(shù)目。5T/AFFIXXX—2024SEP=………………式中：i——樣品i的近紅外光譜法測定值；yi——樣品i的標準理化分析方法測定值；n——樣品數(shù)；Bias——系統(tǒng)偏差，即偏差之和除以樣品數(shù)，Bias=1di。式中di為驗證樣品i組分的近紅外測定值與標準值的差，即di=i?yi?！?00%………式中：yi——樣品i的標準理化分析方法測定值；i——樣品i的近紅外光譜法測定值；y——標準參考值的平均值；n——樣品數(shù)目，定標樣品集為nc，驗證樣品集為np。7.2.5定標模型驗證使用定標樣品集之外的樣品驗證定標模型的準確性和重復性，選擇定標集樣品數(shù)量的1/5~1/4（20~30個果實），應用建立的模型進行檢測，然后分析其化學值，比較定標標準偏差（SEC）和預測標準偏差（SEP）等參數(shù)，水分含量的SEPC0.8；硬度的SEPC0.8；可溶性固形物含量的SEPC0.7。7.3測定7.3.1定標模型的選擇根據(jù)試樣選用對應的定標模型，即定標樣品的NIRS光譜應能代表試樣的NIRS光譜。比較二者光譜間的馬氏距離（H）。如果試樣的H小于或等于馬氏距離閾值（HL），（5）?！街校篐i——定標集樣品z的馬氏距離；ti——定標集樣品i的光譜得分；——定標集nc個樣品光譜的平均得分矩陣M——定標集樣品的馬氏矩陣T——定標集樣品光譜得分矩陣。HL=H-+3×SDMD………………（5）式中：H-——定標集樣品馬氏距離的平均值；SDMD——定標集樣品馬氏距離的標準差。6T/AFFIXXX—20247.3.2定標模型的升級在對來自與建模所用樣品集不同產地、不同成熟度、不同栽培方式或不同年份等的果實進行檢測前，如果試樣的H大于HL，需要升級定標模型，操作上是將新采集到的具有代表性的蘋果果實25~45個，掃描其近紅外光譜，用標準理化分析方法測定相應的水分、硬度和可溶性固形物含量，然后將這些樣品相應參數(shù)加入到定標樣品集中，用原有的定標方法進行計算，即獲得升級的定標模型。7.3.3試樣的測定測試樣品溫度應和環(huán)境溫度盡量保持一致。在每個果實的相對陰、陽面各取一點，每點附近掃描2次，取2次分析結果的平均值，根據(jù)試樣的NIR光譜，將其在各波長點處的吸光度值代入相應的定標模型，即可得到相應的檢測結果，如果試樣的H小于或等于則儀器將直接給出試樣的測定結果，計算平均值，作為果實的測定結果，單位為質量百分數(shù)（%水分、可溶性固形物含量均小數(shù)點后保留一位，硬度小數(shù)點后保留二位。8結果處理和表示為了得到有效的結果，測試結果應在儀器使用的定標模型所覆蓋的成分含量范圍內。兩次測定結果的絕對差應符合9.2的要求，取兩次數(shù)據(jù)的平均值為測定結果，測定結果保留小數(shù)點后一位。如果兩個測試結果的絕對差值不符合9.2的要求，則必須再進行2次獨立測試，獲得4個獨立測試結果。若4個獨立測試結果的極差（xmax?xmin）等于或小于允許差的1.3倍，則取4個獨立測試結果的平均值作為最終測試結果；如果4個獨立測試結果的極差（xmax?xmin）大于允許差的1.3倍，則取4個獨立測試結果的中位數(shù)作為最終測試結果。對于儀器報警的異常測定結果，所得數(shù)據(jù)不應作為有效數(shù)據(jù)。9精密度9.1準確性驗證樣品集水分含量扣除系統(tǒng)偏差后的近紅外測定值與其按GB/T5009.3規(guī)定的方法進行測定的結果之間的標準差（SEP）應不大于0.8%。驗證樣品集硬度扣除系統(tǒng)偏差后的近紅外測定值與其按NY/T2009-2011規(guī)定的方法進行測定的結果之間的標準差（SEP）應不大于0.8%。驗證樣品集可溶性固形物含量扣除系統(tǒng)偏差后的近紅外測定值與其按GB/T5009.88規(guī)定的方法進行測定的結果之間的標準差（SEP）應不大于0.7%。9.2重復性在同一實驗室，由同一操作者使用相同的儀器設備，按相同測定方法，在短的時間內通過重新分樣和重新裝樣，對同一被測樣品相互獨立進行測定，獲得的兩次水分、硬度、可溶性固形物含量測定結果的絕對差，當水分、硬度、可溶性固形物含量在10%以下時，應不大于0.5%，當水分、硬度、可溶性固形物含量在10%以上時，應不大于0.8%。10異常樣品的確認和處理10.1異常樣品的確認7T/AFFIXXX—202410.1.1形成異常測定結果的原因——該樣品水分、硬度、可溶性固形物含量超過了該儀器定標模型的范圍；——該樣品品種與參與該儀器定標樣品集的品種有很大差異；——釆用了錯誤的定標模型；——光譜掃描過程中樣品發(fā)生了位移；——樣品溫度超出定標模型規(guī)定的溫度范圍。10.1.2解決辦法應對造成測定結果異常的原因進行分析和排除，再進行第二次近紅外測定，如仍出現(xiàn)報警，則確認為異常樣品。10.2異常樣品的處理10.2.1異常樣品的再次測定異常樣品的水分含量應按GB/T5009.3規(guī)定的方法進行測定；異常樣品的硬度應按NY/T2009-2011規(guī)定的方法進行測定；異常樣品的可溶性固形物含量應按NY/T2637-2014規(guī)定的方法進行測定，并封存樣品。10.2.2確定異常樣品類型如果異常樣品加入定標模型后，SEC不會顯著增加（變化范圍小于5%將其加入到定標模型中，對定標模型進行升級；如果異常樣品加入定標模型后，SEC將顯著增加，則表示該樣品需要放棄。10.2.3通報異常樣品應將異常樣品的情況通報標準制定單位，以利于今后對定標模型進行升級。8T/AFFIXXX—2024附錄A（資料性）>0.90>0.856.3~12.5>0.90>0.808.1~16.3>0.90>0.859T/AFFIXXX—2024《蘋果品質無損快速測定近紅外法》編制說明標準名稱蘋果品質無損快速測定近紅外法標準主要起草人嚴歡、阿依古麗·塔什波拉提、馬玉花、孫蕾、楊中、楊璐、胡小明、李慕春、楊佳欣、王苗苗、田合、沈珂、盧彬、劉軍、艾合買提江·艾海提、陳敏、何軍、賈淑華、李玉路、方冰、郭姝含、李運干標準制訂背景：新疆是著名的瓜果之鄉(xiāng)，有著豐富的水果資源。然而，新疆的水果產后處理技術和再加工水平較低，水果檢測和分選手段技術也相對落后，技術上的不足影響了水果的品質與銷售，進而降低了新疆水果在國內國際市場上的競爭力。近年來，近紅外光譜技術憑借快速、無損、無污染、在線檢測及多組分同時測定等優(yōu)點，被廣泛應用于農產品內部品質的快速無損檢測中。目前水果檢測一般采用大型近紅外光譜儀進行抽樣檢測，主要檢測水果酸度、甜度等性質的含量大小。而蘋果中水分、硬度和可溶性固形物含量是衡量水果口感和營養(yǎng)價值的關鍵指標，也是判斷水果成熟度的主要依據(jù)，所以檢測蘋果的水分、硬度和可溶性固形物含量對于判斷其內部品質和采收時間具有非常重要的意義。對推進新疆林果業(yè)的全面發(fā)展，為充分開發(fā)利用新疆林果業(yè)資源、良種選育與精深加工提供理論依據(jù)；同時也對優(yōu)質新疆林果業(yè)品種適生區(qū)劃、深化新疆林果產業(yè)精準升級、增加經濟和生態(tài)效益有重要的指導意義。主要工作過程：為確保標準內容的準確性、實用性和客觀真實性，標準起草組主要開展了以下工作：（1）2020年1月4日，根據(jù)新疆維吾爾自治區(qū)科學技術廳資助的2020年自治區(qū)創(chuàng)新環(huán)境（人才、基地）建設專項——科技創(chuàng)新基地建設（資源共享平臺建設）：新疆地理標志林果產品品質特征成分數(shù)據(jù)庫