近紅外反射光譜應用于番茄可溶性固形物快速檢測
番茄是世界范圍內廣泛栽培的作物，營養價值很高，即是蔬菜又是水果。番茄果實的糖、酸含量決定著番茄果實的口感和風味，而可溶性固形物含量包含由番茄中可溶性糖、酸、維生素等構成，不僅能夠反映甜度口感，更是反應番茄內部品質的重要因素。因此，實現對番茄可溶性固形物含量的快速檢測對番茄的工業生產和日常生活有著巨大的幫助。
近年來，基于近紅外光譜的無損檢測在化工、農業等多個領域中得到廣泛應用，尤其在農產品品質快速檢測方面發展迅速。近紅外譜區是電磁波譜中很窄的區段，其波長范圍為近紅外光譜區介于可見光與中紅外光譜區之間，波長范圍在780 -2526nm，近紅外光譜作為一種分析技術，可以測定有機物及部分無機物。許多物質種等到基團（如Ｏ—Ｈ，Ｃ—Ｈ，Ｈ—Ｎ等）在都有其固定的振動頻率。當分子受到近紅外線照射時，被激發產生共振，同時光的能量一部分被吸收，測量其吸收光可以得到極為復雜的圖譜，這種圖譜表示被測物質的特征。不同物質在近紅外區域有豐富的吸收光譜，每種成分都有其特定的吸收特征，這就為近紅外光譜定量分析提供了基礎。
近紅外光譜儀用于番茄可溶性固形物的操作流程如下：1.樣本及數據的采集：選取表面均勻、光滑無損傷的番茄。采集光譜前將樣本放置于實驗室，消除溫度變化帶來的差異。依次編號和標記采集部位，光譜和化學值采集點要同屬一個部位。采集好可溶性固形物濕化學數據及光譜數據用于后續建模。另，還要選取校正集樣品、以及驗證集樣品。
2.光譜數據預處理：由于光譜儀采集的數據除有效的信息外,還包含了大量的噪聲,如雜散光等。這些因素會給預測結果帶來較大誤差。因此,需要對光譜數據進行預處理。對比了標準正態變量變換 (standard normal variate,SNV)、多元散射校正(multiplicative scattering correction,MSC)、歸一化 (normalization,NOR)和卷積平滑(SG-Smooth,SG)四種預處理方法,以及他們的組合帶來的降噪效果。選擇*適合的處理方法。下一步驟開始進行建模。
3.確定模型評價指標：近紅外光譜模型的評價指標很多,本工作選擇的是相關系數R2 、校正均方根誤差RMSEC、預測均方根誤差RMSEP和交互驗證均方根誤差RMSECV。其中R2表示光譜數據和化學值的相關性,RMSEC,RMSEP和RMSECV分別表示校正集、預測集和交叉驗證的偏差。以R大,RMSEC,RMSEP，RMSECV越小的模型為*優模型。
4.驗證模型的預測結果良好后可投入使用，實現對大批量番茄的無損檢測，也可考慮繼續擴大番茄樣本的種類和范圍，使模型具有更好的普適性。
在近紅外光譜分析應用中經常遇到的一個問題是模型穩健性，包括模型的抗干擾能力和適用范圍，提高其適用范圍要解決的主要問題即模型傳遞，在某一儀器上建立的多元校正模型，在另一臺相同型號的儀器上使用時其預測結果產生較大的偏差，甚至校正模型根本無法使用。這種情況的發生是因為測量光譜不僅包含了樣品組分引起的光譜響應，還包含了儀器、測量條件的特性。模型傳遞問題是近紅外光譜技術中一個重要的問題，直接影響到模型的推廣與應用。布魯克的近紅外光譜儀很好的解決了模型傳遞這一問題，能夠實現模型在新舊儀器、不同型號之間***傳遞。這一問題的解決極大的提高布魯克近紅外光譜儀的實用性，其應用范圍也更加廣泛。
