T/AFFIXXX—2024

蘋果品質(zhì)無損快速測定近紅外法

1范圍

本標(biāo)準(zhǔn)要求用于新疆地區(qū)蘋果。

本標(biāo)準(zhǔn)規(guī)定了無損快速測定蘋果果實(shí)中水分、硬度、可溶性固形物含量近紅外光譜方法。

本標(biāo)準(zhǔn)適用于本地區(qū)蘋果品質(zhì)（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(yīng)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(biāo)準(zhǔn)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(shù)語和定義

3.1定標(biāo)模型calibrationmodel

利用化學(xué)計(jì)量學(xué)方法建立的樣品近紅外光譜與對應(yīng)化學(xué)標(biāo)準(zhǔn)值之間關(guān)系的數(shù)學(xué)模型。

3.2樣品集sampleset

具有代表性的、基本覆蓋相關(guān)組分含量范圍的樣品集合。

3.3定標(biāo)樣品集calibrationset

用于建立定標(biāo)模型，具有代表性的，基本覆蓋定標(biāo)模型相關(guān)組分含量范圍的樣本集合，

一般定標(biāo)樣本數(shù)量占全部樣本集的60%左右。

3.4驗(yàn)證樣品集validationset

用于建立定標(biāo)模型，內(nèi)部交叉驗(yàn)證定標(biāo)模型的預(yù)測效果。驗(yàn)證集中各組分含量應(yīng)包含在

定標(biāo)集樣品各組分含量范圍以內(nèi)，其數(shù)量占全部樣品集的20%左右。

3.5預(yù)測樣品集predictionset

用于外部驗(yàn)證近紅外定標(biāo)模型的準(zhǔn)確性和重復(fù)性的樣品集，預(yù)測樣品集中各組分含量應(yīng)

包含在定標(biāo)集樣品對應(yīng)組分含量范圍以內(nèi)，其數(shù)量占全部樣品集的20%左右。

3.6定標(biāo)模型驗(yàn)證calibrationmodelvalidation

使用預(yù)測樣品集外部驗(yàn)證定標(biāo)模型準(zhǔn)確性和重復(fù)性的過程。

3.7離群值outlier

離開其他測定值較遠(yuǎn)的樣品測定值，表示樣品可能與定標(biāo)模型使用的樣品差異較大。

2

T/AFFIXXX—2024

3.8標(biāo)準(zhǔn)方法standardmethod

測定樣品組分含量標(biāo)準(zhǔn)值時(shí)所采用的國家、行業(yè)或國際標(biāo)準(zhǔn)測試方法。

3.9定標(biāo)模型驗(yàn)證calibrationmodelvalidation

使用驗(yàn)證樣品集驗(yàn)證定標(biāo)模型準(zhǔn)確性和重復(fù)性的過程。

3.10定標(biāo)標(biāo)準(zhǔn)偏差standarderrorofcalibration（SEC）

表示定標(biāo)樣品集樣品近紅外光譜法測定值與標(biāo)準(zhǔn)理化分析方法測定值間殘差的標(biāo)準(zhǔn)差。

3.11預(yù)測標(biāo)準(zhǔn)偏差standarderrorofprediction（SEP）

預(yù)測樣品組分的近紅外測定值扣除系統(tǒng)偏差后與其標(biāo)準(zhǔn)值之間的標(biāo)準(zhǔn)差，表示定標(biāo)模型

調(diào)整后的準(zhǔn)確度。近紅外分析儀扣除系統(tǒng)偏差后，預(yù)測樣品成分的測定值與其標(biāo)準(zhǔn)理化分析

方法測定值之間的標(biāo)準(zhǔn)偏差，表示定標(biāo)調(diào)整后的準(zhǔn)確度。

3.12決定系數(shù)（或）correlationcoefficientsquare

22

近紅外光譜法R測定值r與標(biāo)準(zhǔn)理化分析方法測定值之間相關(guān)系數(shù)的平方，定標(biāo)集以表

示；驗(yàn)證集用表示。2

R

2

3.13馬氏距離rmahalanobisdistance

表示數(shù)據(jù)的協(xié)方差距離、計(jì)算兩個(gè)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（）

3.15異常樣品abnormalsample/超限樣品gaugesamplesHL

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（），已超出了該定

標(biāo)模型的分析能力的樣品。

HL

3.16重復(fù)性repeatability（）

在同一實(shí)驗(yàn)室，由同一操作者Sr使用同一臺儀器，按相同的測試方法，在短時(shí)間內(nèi)通過重

新對同一被測樣品，連續(xù)多次測定獲得結(jié)果的一致性，以標(biāo)準(zhǔn)差計(jì)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(xué)鍵的泛頻振動(dòng)

或轉(zhuǎn)動(dòng)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(xué)計(jì)量學(xué)手段，建立物質(zhì)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(shí)現(xiàn)利用物質(zhì)近紅外光譜信息對目標(biāo)樣品成分的快速

測定。

5試劑與材料

無。

3

T/AFFIXXX—2024

6儀器和設(shè)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(shí)硬度計(jì)；

6.4糖度計(jì)。

7分析步驟

7.1測試前的準(zhǔn)備

將完整的蘋果樣品表面適當(dāng)?shù)厍鍧崳麑?shí)表面應(yīng)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(jìn)行儀器預(yù)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(yīng)跟蹤每天監(jiān)測的結(jié)果，同一監(jiān)控樣品的測定

結(jié)果與最初的測定結(jié)果比較，應(yīng)保證符合9.2的規(guī)定。

7.2定標(biāo)模型的建立

7.2.1樣品集的選擇

參與定標(biāo)的蘋果樣品應(yīng)具有代表性，樣品應(yīng)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(gè)新的模型，至少要收集

100個(gè)以上蘋果果實(shí)，通常以100個(gè)?150個(gè)果實(shí)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(gè)果實(shí)相對陰、

陽面各取一點(diǎn)，每點(diǎn)掃描3次，定標(biāo)時(shí)取三點(diǎn)掃描的光譜平均值。當(dāng)樣品溫度與環(huán)境溫度相

差大時(shí)，應(yīng)取不同溫度下的果實(shí)5個(gè)，釆集光譜數(shù)據(jù)加到預(yù)測模型中。

7.2.3預(yù)測值的標(biāo)準(zhǔn)理化分析方法

光譜采集后，在每個(gè)果實(shí)陰、陽面相應(yīng)的位置上取樣，按GB/T5009.3-2016方法分別

測定果實(shí)中水分的含量，按NY/T2009-2011方法分別測定果實(shí)硬度，然后按NY/T2637-2014

方法分別測定果實(shí)中可溶性固形物含量。

7.2.4定標(biāo)模型建立

采用建模軟件，優(yōu)化參數(shù)，進(jìn)行光譜預(yù)處理，同時(shí)，使用改進(jìn)的偏最小二乘法（modified

partialleastsquare，簡稱MPLS）或馬氏距離判別法等，利用化學(xué)計(jì)量學(xué)原理建立定標(biāo)模型。

定標(biāo)模型的決定系數(shù)（定標(biāo)集、驗(yàn)證集）、定標(biāo)標(biāo)準(zhǔn)差（SEC）和預(yù)測標(biāo)準(zhǔn)差（SEP）

參見附錄A，具體計(jì)算見公式（1）、（2）、（3）。

…………………（）

nc21

i=1(yi?y