冬枣黑斑病的光学特性检测方法建立.pdf

江梦薇，兰维杰，屠康，等.冬枣黑斑病的光学特性检测方法建立 J.食品工业科技，2023，44（18）：321330.doi:10.13386/j.issn1002-0306.2022100082JIANG Mengwei,LAN Weijie,TU Kang,et al.Method Establishment for the Detection of Black Spot Disease on Winter JujubesBased on Optical PropertiesJ.Science and Technology of Food Industry,2023,44(18):321330.(in Chinese with English abstract).doi:10.13386/j.issn1002-0306.2022100082 分析检测 冬枣黑斑病的光学特性检测方法建立冬枣黑斑病的光学特性检测方法建立江梦薇1，兰维杰1，屠康1，彭菁1，白冰瑶2，张丽2,3，宋丽军2,3,*，潘磊庆1,4,*（1.南京农业大学食品科技学院，江苏南京 210095；2.塔里木大学生命科学学院，新疆阿拉尔 843300；3.河北科技师范学院食品科技学院，河北秦皇岛 066600；4.三亚南京农业大学研究院，海南三亚 572024）摘要：本研究旨在探究冬枣果实黑斑病过程中光学特性的变化，并筛选出病害检测的特征波长。采用单积分球检测系统结合反向倍加（IAD）算法测定冬枣果实在黑斑病过程中短-中波近红外区域（9001650 nm）内光学吸收和散射特性，通过光学特性与品质指标间的相关性分析获得特征波长，最后通过近红外光谱对特征波长的有效性进行了验证。研究结果表明，随着黑斑病的发展，冬枣果实的失重率和 a*呈现明显的上升趋势，L*、可溶性固形物及叶绿素含量则随贮藏时间下降。冬枣果实的吸收系数（a）和约化散射系数（s）均表现出明显的下降趋势。a和 s分别在 14001650 和 9001360 nm 与病害程度（病斑面积）和部分品质指标（失重率、L*、a*、可溶性固形物和叶绿素）呈现高度相关。与全波长和基于算法获得的特征波长模型相比，基于光学特性优选的 10 个特征变量建立的冬枣黑斑病判别模型效果最佳，建模集和预测集总体正确率分别达到 92.53%和 92.35%，证明了短-中波近红外光学信号识别不同病害程度冬枣果实的潜力及基于光学特性优选的特征波长的有效性。关键词：冬枣，黑斑病，光学特性，短-中波近红外，特征波长，吸收系数，约化散射系数本文网刊:中图分类号：TS255.1 文献标识码：A 文章编号：10020306（2023）18032110DOI:10.13386/j.issn1002-0306.2022100082MethodEstablishmentfortheDetectionofBlackSpotDiseaseonWinterJujubesBasedonOpticalPropertiesJIANGMengwei1，LANWeijie1，TUKang1，PENGJing1，BAIBingyao2，ZHANGLi2,3，SONGLijun2,3,*，PANLeiqing1,4,*（1.College of Food Science and Technology,Nanjing Agricultural University,Nanjing 210095,China；2.College of Life Sciences,Tarim University,Alaer 843300,China；3.College of Food Science and Technology,Hebei Normal University of Science&Technology,Qinhuangdao 066600,China；4.Sanya Institute of Nanjing Agricultural University,Sanya 572024,China）Abstract：The objective of this study is to investigate the variations of optical properties during the progression of blackspot disease and select the characteristic wavelengths for disease detection.The optical absorption and scattering propertieswere measured on winter jujubes using a single integrating sphere detection system in the band range of 9001650 nmcombined with inverse adding-doubling (IAD)algorithm in this study.The characteristic wavelengths were obtaineddepending on the correlation analysis between optical properties absorption and physicochemical indicators.Finally,theeffectiveness of characteristic wavelengths was verified using near-infrared spectroscopy.The results indicated that a*and 收稿日期：20221011 基金项目：国家自然科学基金项目（U2003114，32272389）；海南省自然科学基金创新研究团队项目（322CXT523）；国家级外专项目（G2022145004L）。作者简介：江梦薇（1998）女，硕士研究生，研究方向：农产品加工与检测，E-mail：。*通信作者：宋丽军（1982），男，博士，副教授，研究方向：农产品精深加工，E-mail：。潘磊庆（1980），男，博士，教授，研究方向：农产品无损检测、贮藏与加工，E-mail：pan_。第 44 卷 第 18 期食品工业科技Vol.44 No.182023 年 9 月Science and Technology of Food IndustrySep.2023 weight loss increased with storage time,while L*,soluble solids content and chlorophyll showed a consistent decrease.Boththe absorption coefficient (a)and the reduced scattering coefficient (s)of the winter jujubes showed a significantdownward trend with the development of black spot disease.The a and s curves were highly correlated with diseaseextent(spot area)and some quality indicators(weight loss,L*,a*,soluble solids content and chlorophyll)in the 14001650and 9001360 nm,respectively.The discriminant models built based on the 10 characteristic variables selected by opticalproperties performed best compared with the models based on full wavelengths and algorithm-based characteristicwavelengths,with an overall accuracy of 92.53%and 92.35%for the calibration and prediction set,respectively.This studydemonstrated the potential of the short-and mid-wave infrared optical signal in the disease detection on winter jujubes andthe effectiveness of characteristic wavelengths on the basis of optical properties.Keywords：winter jujube；black spot disease；optical properties；short-and mid-wave infrared；characteristic wavelengths；absorption coefficient；reduced scattering coefficient 冬枣（Ziziphus jujuba Mill.cv.Dongzao）作为品质最好的鲜食枣品种之一，不仅皮薄肉厚、口感脆甜，风味独特，同时还因含有人体所需的多种氨基酸、维生素、微量元素以及其他生物活性物质而深受喜爱1。然而冬枣果实在采后易受到病原菌的侵染而引起腐烂，造成品质下降、商业损失严重等问题。由链格孢菌引起的冬枣黑斑病是冬枣果实最主要的采后病害之一2。受到链格孢菌侵染后，果实表面形成黑褐色病斑，同时果实内部品质也易腐烂，容易导致传染性病害。因此对冬枣黑斑病的识别与检测至关重要。为满足无损、快速的检测需求，基于光谱技术检测果实病害已取得一定进展。Pham 等3建立基于高光谱成像技术的冬枣缺陷识别方法，识别准确率可达 96.3%以上；Pan 等4通过高光谱成像中光谱信息对香梨黑斑病进行监测与识别，对不同病害天数的香梨果实的判别正确率可达 97.50%。光谱技术可以获取光与果实组织产生交互过程的光谱信息，但由于果实组织具有复杂的化学和结构组成，导致光在果实组织中的传输过程比较复杂5，因此，上述光谱技术不足以探明病害过程中光在果实组织中的传输规律。组织的光学特性参数可以用于表征光在组织中的传输规律，反映果实组织中化学及结构的变化67，其中吸收系数（a）和约化散射系数（s）常被用于定量表征组织光学吸收和散射的特性。Sun 等8发现桃果实病害过程中的光学特性参数与内部品质及微观结构高度相关。Wang 等9发现在可见波段（550750 nm）范围内病害洋葱的吸收系数高于健康样本。此外，吸收系数也被证明对梨褐心病的检测至关重要10。上述研究均表明在病害过程中，果实组织存在一定的光学响应且利用光学信号进行病害检测具有一定可行性，然而对于冬枣黑斑病过程中光学特性变化却鲜有报道。与此同时，特征波段的筛选有助于剔除冗余及具有共线性的光学信号，进而提高检测的精度和稳定性。因此，本研究选取陕西大荔冬枣为研究对象，探究冬枣果实发生黑斑病过程中理化指标的变化，同时采用单积分球技术结合反向倍加算法（IAD）探究冬枣果实发生黑斑病过程中短-中波近红外波段（9001650 nm）光学特性的变化。最后，通过与品质指标的关联研究挑选病害检测的特征波段，建立基于近红外光谱的冬枣果实不同病害程度的判别模型以验证特征波段的有效性，以期为冬枣黑斑病的检测提供理论基础和实际指导。1材料与方法 1.1材料与仪器大荔冬枣产地为陕西大荔，采摘次日购于南京众彩物流有限公司。选择白熟期（果面无红色），大小均匀，表面无机械伤及病虫害的果实。其中用于内部品质以及光学特性研究的样本采摘时间为 2021年 10 月 21 日，用于近红外光谱采集的样本采摘时间为 2022 年 8 月 6 日；链格孢菌（Alternaria alter-nata）购自广东省微生物研究所，由南京农业大学食品科学与技术学院实验室提供，在 4 条件下保藏；马铃薯琼脂（PDA）培养基上海盛思生化科技有限公司；次氯酸钠（分析纯）、无水乙醇（分析纯）广东光华科技股份有限公司。CTHI-250B 型恒温恒湿箱施都凯设备公司；CR-10 便携式色差计日本美能达公司；PAL-1 手持式糖度仪、Easy ACID F5 型酸度计日本爱拓公司；UV1800 紫外分光光度计日本岛津公司；积分球系统：ASBN-W100-L 卤素灯上海复享光学股份有限公司；F240SMA-B 准直镜美国 Thorlabs 公司；SW2520 光谱仪上海五铃光电科技公司；4P-GPS-033-SL 积分球美国 Labsphere 公司；NIR2500近红外光谱仪、型传输光纤、校正白板上海复享光学股份有限公司；卤素光源台湾超微光学股份有限公司。1.2实验方法 1.2.1 菌悬液的制备及试验样本的处理将保藏的链格孢菌接种至 PDA 培养基，28、90%RH 条件下活化 7 d，相同条件下进行二次活化。将少量无菌水倒入活化好的带菌 PDA 平板，用无菌玻璃棒刮下链格孢菌孢子后，再用 4 层无菌纱布过滤以去除菌丝，制成链格孢菌孢子悬液。最后在显微镜下利用血球计数板将悬液中的孢子浓度调整至 1105 个/mL。322 食品工业科技2023 年 9 月挑选成熟度一致、大小均匀、果面无病害缺陷的冬枣样本。用 2%（v/v）次氯酸钠溶液浸泡 2 min 后用无菌水冲洗后自然风干备用。将冬枣样本均分为3 组，即健康组、无菌水对照组和病害组，每组各挑选约 2 kg 冬枣样品备用。病害组和无菌水对照组果实均在赤道部位用无菌注射器针头制造一个直径和深度均为 2 mm 的伤口，病害组果实在伤口处接种 5 L上述孢子悬液，以模拟链格孢菌的侵染；无菌水对照组果实在伤口处接种 5 L 无菌水，用于排除接种过程中机械损伤对果实造成的影响；健康组样本不做任何处理，用于排除贮藏过程对果实的影响。制备好的样品被置于恒温恒湿箱（20，90%RH）贮藏 5 d，在贮藏 0、1、2、3、4、5 d 分别对不同处理组样品进行光学特性以及理化指标的测定。为减少个体差异，每次取样选取病害程度相似的果实。对于用于近红外光谱采集的样品，处理方法、贮藏条件以及取样时间同上。1.2.2 理化指标的检测在贮藏过程中，用电子天平测量各组冬枣样本的重量；用十字交叉法11测量病害组冬枣果实病斑区域的直径并计算面积；采用美能达 CR-100 型色差计对冬枣果实接种部位亮度（L*）、红色度（a*）和黄色度（b*）进行测定；可溶性固形物含量（Soluble solid content，SSC）用 PAL-1 手持式糖度仪进行测定，将接种部位附近的果肉挤汁进行测定，测定结果用百分比（%）表示；可滴定酸含量（Titra-table acid，TA）用 PAL-Easy ACID F5 型酸度计进行测定12，将接种部位附近的果肉挤汁进行测定，测定结果用百分比（%）表示。果皮叶绿素含量参考 Sun等13的方法，结果以每克冬枣果皮中含叶绿素的毫克数表示。1.2.3 光学特性检测光学特性的检测采用的是实验室自主搭建的单积分球检测系统（图 1a），主要由光源、准直镜、光谱仪、积分球、样品架、滑台控制器、滑台以及计算机构成。系统可以通过滑台调整样品架与积分球的相对位置来实现透射模式和反射模式的转换。系统在使用前已进行了精度验证14。本研究选取赤道部位总厚度为 3 mm 的外层果实（包括果皮及果肉）（图 1a）。每个样品切片用 2 片厚度为 1 mm 的石英玻璃片夹好后放置在积分球系统的样品架上，分别在透射和反射模式下获取冬枣样品的透射光谱和反射光谱，通过公式（1）和（2）分别计算反射率和透射率。最后利用 IAD 算法求解 a和s。每个冬枣果实的光学特性参数为与接种伤口相切的周围四个测定位点（图 1a）光学特性参数的平均值。健康组（无伤口）在赤道部位对应位置进行检测。各处理组在每个取样时间测定 5 个样本并取平均值。R=RsRdRrRdRw式（1）T=TsTdTrTd式（2）式中：R 代表冬枣样品的反射率；Rs、Rd、Rr分别代表样品、暗背景和白背景的反射光强；Rw=0.98为白板反射率；T 代表冬枣样品的透射率；Ts、Td、Tr分别为样品、暗背景和白背景光强。1.2.4 近红外光谱检测实验室自主搭建的点光源近红外光谱检测系统主要由光源、光谱仪、Y 型光纤以及计算机组成（图 1b）。通过检测探头对冬枣果实接种部位附近位点（与积分球检测位点相同）进行光谱采集，计算平均值作为单个样本的近红外光谱。每个取样点随机选取 40 个冬枣样本进行光谱采集，共采集 240 个不同病害程度的冬枣样本的光谱信息。按照约 7:3 的比例划分建模集（174 个样本）与预测 数据线数据线计算机计算机光谱仪光谱仪光纤滑台光源光源待测样品检测探头Y型光纤准直镜样品切片(3 mm)接种伤口病害位置测定位点(4个)积分球样品架a 积分球检测系统b 近红外光谱检测系统滑台控制装置图 1 积分球检测系统（a）和近红外光谱检测系统（b）示意图Fig.1 Schematic of integrating sphere detection system(a)and the near-infrared spectroscopy detection system(b)注：a 为积分球检测系统的透射模式，反射模式下样品架位于积分球左侧；b 为近红外光谱检测系统。第 44 卷 第 18 期江梦薇，等：冬枣黑斑病的光学特性检测方法建立 323 集（66 个样本）。1.3数据处理Pearson 线性相关性分析在 IBM SPSS Statistics20.0 软件中进行，绘图在 OriginPro2022b 软件中进行。近红外光谱的预处理、特征波长的筛选以及判别模型的建立在 Matlab R2016a 软件中进行。为消除噪声、基线漂移、背景等冗余信息来提高光谱信息的有效性和模型检测的准确性和稳定性，在用于模型的建立之前在本研究采用自动标准化（Autoscale）方法对光谱信息进行预处理。模型效果用判别正确率表示。2结果与分析 2.1冬枣品质变化 2.1.1 病斑面积以及果皮色差的变化如图 2 所示，贮藏 01 d 病害组的冬枣样本接种部位附近还未发生明显变化（图 2a），这是由于病原菌在此期间仍处于潜伏状态15，然而随着病害程度的加深，接种部位逐渐形成黑褐色的病斑，在贮藏 23 d 病斑面积开始有显著变化（P0.05）（图 2b），且病斑面积随贮藏时间的延长逐渐增大，在贮藏 45 d 接种部位可以看到明显的菌丝，证明已经发生了严重病害。而健康组与无菌水对照组均未发生病害。三个处理组果皮色泽的变化如表 1 所示。由表可见，随着贮藏时间的延长三个处理组的 L*值均呈现不同程度的下降，其中病害组的下降幅度最大。病害组的冬枣果皮 L*值在贮藏 3 d 开始显著（P0.05）低于两个未感染的处理组，在贮藏 5 d 降至 57.64。研究表明，L*值越大则说明果实表面的颜色与新鲜的自然色越相近16，L*值的下降也证实了果实新鲜度的不断下降。三个处理组的 a*值则呈现不断上升的变化趋势，健康组和无菌水对照组的 a*值分别从3.6 和3.4 升至0.5 和0.2，病害组的 a*值从3.3 升至 5.3，在贮藏 3 d 开始呈现正值并且显著（P0.05）高于两个对照组，这与上述观察一致，即从 3 d 开始接种位置处已出现肉眼可见的黑褐色病斑。然而对于 b*值，随着果实病害的发生未发现明显的变化规律。2.1.2 失重率、SSC、TA 及叶绿素含量的变化水分、糖、酸是冬枣果实的主要营养成分，在病害发生的过程中，病害果实的失重率上升明显，且在接种后3 d 开始显著（P0.05）高于两个未感染病原菌的处理组（图 3a），原因在于冬枣果实受病原菌的侵染后呼吸作用增强，果实中的水分消耗增大造成了失重率的显著上升。冬枣果实的 SSC 在接种病原菌后 4 d 显著（P0.05）下降（图 3b），这表明在严重病害的情况下果实内部糖类物质的生成途径受阻且快速分解17。TA 含量在冬枣果实发生病害的过程中呈现先下降后上升的变化趋势，这不同于健康组以及无菌水对照组整体下降的变化趋势（图 3c），其原因可能在于：果实内部的酸类物质在病害的初期随着果实的成熟衰老，其含量缓慢减少，病害发生后，果实内部代谢途径受阻，果实内部的酸类物质难以转化成糖类以及其他物质而积累，造成了 TA 的异常上升，这与病害桃果实中 TA 含量的变化相似13。冬枣果实受到病原菌的侵染后果皮叶绿素含量呈现显著的下降趋势 30ba2418126ddcdcba00123贮藏时间(d)病害组病斑面积(mm2)45健康组无菌水组病害组第0 d第1 d第2 d第3 d第4 d第5 d图 2 20 贮藏期间冬枣形态变化（a）及病害组冬枣果实病斑面积变化（b）Fig.2 Changes in morphological of winter jujubes(a)and thesizes of the infected area of inoculated samples(b)during the storage at 20 注：图 b 中小写字母不同表示差异显著（P0.05）。表 1 20 贮藏期间冬枣样品颜色变化Table 1 Changes in skin color of winter jujubes during thestorage at 20 指标时间（d）健康组无菌水对照组病害组L*070.71.0Aa68.32.2Aa71.01.0Aa170.01.2Aa68.91.3Ab68.40.6Ab269.10.9Aab68.20.5ABbc67.11.1Bb368.61.9Aab67.80.5Abc61.61.9Bc467.60.8Aab66.70.8Abc57.41.4Bd566.81.6Ab65.91.4Ac57.62.0Bda*03.61.1Ac3.41.1Ab3.31.2Ac12.90.6Ac2.00.2Aab2.01.5Ab21.60.7Abc1.41.2Aab1.11.1Ab31.40.7Bbc0.81.4Bab2.51.3Aa41.00.8Bab0.91.4Bab3.20.2Aa50.50.5Ba0.21.5Ba5.31.1Aab*040.31.1Aa41.10.8Aa40.91.0Aa140.70.7Aa41.01.4Aa40.31.5Aa240.61.0Aa41.11.1Aa40.40.9Aa340.31.1Aa40.41.0Aa40.70.9Aa440.40.5Aa40.71.4Aa40.50.9Aa540.00.7Aa40.70.4Aa39.21.2Aa注：同行不同大写字母表示组别间存在显著差异（P0.05），同列不同小写字母表示不同贮藏时间存在显著差异（P0.05）。324 食品工业科技2023 年 9 月（图 3d），尤其是从接种后 3 d 起叶绿素含量较健康组和无菌水对照组显著（P0.05）减少，这是由于真菌侵染破坏了细胞中的叶绿体结构，从而导致叶绿素含量快速下降，于此同时病害部位开始失绿并发生褐变1819。未感染病原菌的冬枣果皮中的叶绿素含量则逐步小幅减少，这表明冬枣在正常的成熟衰老过程中叶绿素也会逐渐分解。2.1.3 病害冬枣理化指标的相关性分析根据理化指标的变化情况可以看出，感染链格孢菌的冬枣果实的物理化学性质对比未感染的样本有显著差异且存在更大范围的波动，这说明病原菌侵染会显著影响果实的物理特性及化学组成。为研究病害发生过程中各理化指标间的关联性，对病害冬枣果实病斑面积以及其他品质指标的变化进行 Pearson 相关性分析。由表 2 可知，病害过程中水分的损失（失重率）与果皮颜色（L*、a*）（r=0.974，P0.01）以及叶绿素含量（r=0.981，P0.01）的变化密切相关，这与文献中报道的研究结果相一致20。于此同时，病斑面积作为病害程度的直观表征之一，与叶绿素含量的相关性最高（r=0.956，P0.01），这说明叶绿素是与病害最相关的指标，这与桃果实的研究结果相一致13。此外病斑面积与果皮色泽（L*、a*）、失重率和 SSC 均呈现显著（P0.05）的线性相关，说明这些指标在病害发展过程中变化显著，可在一定程度上反映病害程度。表 2 黑斑病冬枣样品各指标间相关性分析结果Table 2 Correlation analysis on physical and chemicalindicators of winter jujubes with black spot disease指标病斑面积L*a*失重率SSCTA叶绿素病斑面积10.859*0.907*0.849*0.947*0.811 0.956*L*10.974*0.974*0.891*0.706 0.970*a*10.974*0.875*0.743 0.981*失重率10.854*0.591 0.946*SSC10.727 0.947*TA10.799叶绿素1注：由于病害组冬枣的果皮b*值未发生显著变化，因此未列入相关性分析；*和*分别表示显著相关（P0.05）和极显著相关（P0.01）。2.2光学特性的变化及其与理化指标间的相关性研究 2.2.1 光学吸收及散射特性的变化如图 4a图 4c所示，三个处理组在不同贮藏时间的 a平均光谱曲线形状相似。在 1480 nm 附近呈现明显的水的吸收峰，与苹果21、梨22等水果的吸收系数类似。病害组冬枣果实的 a曲线随着贮藏时间的延长整体呈现明显的下降趋势，1480 nm 处降幅最大，从贮藏初期的0.2708 下降到贮藏 5 d 的 0.1411 mm1，在贮藏 5 d显著（P0.05）低于健康组（a=0.2033 mm1）和无菌水对照组（a=0.2051 mm1）。这是由于病原菌的侵染导致水分的流失，与 2.1.2 中得到的结论相一致。而健康组和无菌水对照组的冬枣果实的 a仅出现了略微下降且不同贮藏时间下存在重叠。由图 4d图4f 可知冬枣果实的s远高于a，范围在0.20.8 mm1之间，这是由于水果组织属于浑浊介质，其散射特性远大于吸收特性。s曲线没有明显的特征峰，且符合米氏散射定律，即 s随波长的增加而减小23。随着贮藏时间的延长，病害组的冬枣果实的 s呈现大幅减小的变化趋势，这是由于细胞壁是引起光散射的重要因素，然而在病原菌侵染的过程中细胞受到损伤的同时原本致密的细胞壁结构被严重破坏，导致了散射 1.8abcd1.41.00.60.20.20123贮藏时间(d)失重率(%)450123贮藏时间(d)450123贮藏时间(d)450123贮藏时间(d)叶绿素(mg/g)45健康组无菌水对照组病害组健康组无菌水对照组病害组健康组无菌水对照组病害组健康组无菌水对照组病害组16.015.515.0SSC(%)14.514.00.400.350.30TA(%)0.250.100.080.060.040.02图 3 20 贮藏期间三个处理组冬枣失重率（a）、SSC（b）、TA（c）和叶绿素含量（d）变化Fig.3 Changes in water loss rate(a),SSC(b),TA(c)andchlorophyll content(d)of winter jujubes in three treatmentgroups during the storage at 20 第 44 卷 第 18 期江梦薇，等：冬枣黑斑病的光学特性检测方法建立 325 作用的降低8。结合两种光学特性参数的曲线图可以看出在 9001650 nm 的波段范围内，随着波长的增加，冬枣果实的散射特性逐渐减弱，而吸收系数逐渐升高，最终占据主导地位。此外，健康组和无菌水对照组的吸收系数和约化散射系数的光谱曲线相似且随贮藏时间的延长变化幅度均较小，证明本研究中接种造成机械伤口产生的影响可以忽略。2.2.2 光学特性与理化指标的相关性研究及特征波长筛选考虑到健康组和无菌水对照组的光学特性参数变化幅度不大，且本文重点在于探究病害期间的光学特性变化，因此仅对病害组的冬枣样品的光学特性与病斑面积以及理化指标进行了相关性分析。全波长范围内（9001650 nm）病害组的冬枣样品各理化指标与光学特性参数的相关性曲线如图 5 所示。吸收和散射两种光学特性参数与 L*、SSC 和叶绿素含量呈正相关，与病斑面积、a*、失重率和 TA 呈负相关。由图 5a 可知，所有品质指标在 1400 nm 附近与 a的相关系数（r）达到最大值并在 14001650 nm波段范围内保持在稳定水平。在此波段内，除 TA 外其他指标均与 a高度相关，这表明在这一波段下光学吸收特性可以反映冬枣果实这些理化特性的变化，与 2.1.3 中提到的病斑面积、L*、a*、失重率、SSC 以及叶绿素含量间的相关性结果相一致。在上述波段范围内，a与叶绿素含量、L*、失重率以及 a*的相关性最高，与 Sun 等13的研究结果一致。相关系数平均值分别为 0.9831、0.9770、0.9751 以及0.9717。前文的分析中得出叶绿素、L*、失重率以及 a*之间存在极显著（P0.01）的相关性能很好得解释这一现象，这些指标与 a的相关性系数的绝对值在 1453、1498、1511 和 1557 nm 处达到最大值，证明在这些波段下光学特性与品质变化的相关性最强。其中，a*和失重率在 1453 nm 处的相关系数达到最大值，分别是0.9756 和0.9786；病斑面积（r=0.9318）和 SSC（r=0.9544）在 1511 nm 处的相关性最强；L*和叶绿素含量分别在 1498 和 1556 nm 处与 a的相关性最强，相关系数分别为 0.9734 和 0.9878。在 9001360 nm波段范围内，s与除 TA 外的各指标高度相关（图 5b），0.3adefbc0.20.10100012001400(nm)a(mm1)s(mm1)1600100012001400(nm)1600100012001400(nm)1600100012001400(nm)16000 d1 d2 d3 d4 d5 d0 d1 d2 d3 d4 d5 d0 d1 d2 d3 d4 d5 d0 d1 d2 d3 d4 d5 d0 d1 d2 d3 d4 d5 d0 d1 d2 d3 d4 d5 d0.30.20.10a(mm1)100012001400(nm)16000.30.20.10a(mm1)100012001400(nm)16001.00.80.60.40.20.0s(mm1)1.00.80.60.40.20.0s(mm1)1.00.80.60.40.20.0图 4 各组冬枣果实吸收系数 a和约化散射系数 s在贮藏期间的变化Fig.4 Changes in absorption coefficient(a)and reduced scattering coefficient(s)of winter jujubes during storage注：a：健康组 a；b：无菌水对照组 a；c：病害组 a；d：健康组 s；e：无菌水对照组 s；f：病害组 s。1.0ab0.50.00.51.0100012001400(nm)1600相关系数100012001400(nm)16001.00.50.00.51.0相关系数病斑面积失重率叶绿素SSCTAL*a*病斑面积失重率叶绿素SSCTAL*a*图 5 黑斑病冬枣果实理化指标与光学吸收系数（a）和约化散射系数（b）的相关性Fig.5 Correlations of physicochemical indicators and opticalabsorption coefficient(a)and reduced scattering coefficient(b)of winter jujubes with black spot disease 326 食品工业科技2023 年 9 月其与病斑面积的相关性最高，其次是叶绿素含量（平均相关系数分别为 0.9700 和 0.9664），与失重率、L*、a*、SSC 之间的平均相关系数的绝对值均在0.9088 以上，一定程度上说明在这些波长下 s能够较好地反映病害的发展。s与各品质指标的相关性系数的绝对值最大值分别出现在 933、1020、1034、1047、1162 和 1360 nm 处，对应的品质指标为失重率（r=0.9451）、L*（r=0.9259）、a*（r=0.9649）、叶绿素（r=0.9800）、病斑面积（r=0.9901）和 SSC（r=0.9581）。光学特性与理化指标间的相关性分析结果印证了 2.2.1 中的实验结果，即散射在 9001360 nm 占主导地位，然而随着波长的增大果实组织对于光的吸收作用逐渐增强，14001650 nm 波段的吸收系数包含更多反映果实组织的物理化学性质变化的信息，这证明了在短-中波近红外波段范围内光学技术在冬枣病害检测中的可行性。与此同时，由全波段的相关性分析可知，光学特性参数与病害发展过程中各品质指标的相关性系数在 933、1020、1034、1047、1162、1360、1453、1498、1511 和 1557 nm 波长处有最大值，证明这些波段下的光学信息与病害发展过程高度相关，优选为基于光学技术检测冬枣黑斑病的特征波长，在后续的研究中将通过近红外光谱技术对基于光学特性筛选到的特征波长的有效性进行验证。2.3基于近红外光谱的特征波长验证及病害冬枣的判别在实际检测中全波长光谱通常存在易引入噪声、含有冗余信息、计算量大等缺点，造成检测效率以及准确率的降低24，特征波长的筛选有利于有效信息的提取，同时简化模型、减少计算量，这说明特征波长的科学性和有效性至关重要。在 2.2.2 部分的相关性分析中筛选获得了 10 个特征波长，本节将采用无损的近红外光谱技术对光学特性优选波长的有效性进行验证，同时采用算法进行特征波长的筛选，将基于光学特性得到的特征波长建立的判别模型结果与全波长和基于算法得到的特征波长得到的检测结果对比总结，以期为光学技术检测冬枣黑斑病提供信息指导。2.3.1 光谱分析接种后不同贮藏天数的冬枣样品的近红外光谱曲线如图 6 所示。冬枣样品的光谱在9001650 nm 区域内主要呈现 3 个水的吸收峰，分别位于 980 nm（O-H 二级倍频）、1190 nm（O-H 键的合频吸收峰）以及 1440 nm（O-H 键伸缩振动一级倍频）2526。上述这些波长在水果果实内部品质及病害检测中常被认为是近红外区域的关键波段，如在苹果27、梨28等的果实检测中起到了重要作用。随着病害的发展，冬枣果实的相对反射率呈现逐步下降趋势，尤其是在接种病原菌后贮藏 4 d 起呈现明显的下降趋势。这主要是由于随着果实组织结构的逐渐受损，光将被更多地吸收和散射，造成了反射光的减少29。在西红柿的相关研究研究中也获得了类似的结果30。与此同时，表面亮度的降低也导致了反射光谱的下降，这也印证了 2.1.1 部分果皮 L*随病害程度的加深不断降低这一发现。为更好地对不同病害程度的果实进行判别，同时结合病害发展规律（图 2），将贮藏 01 d 的冬枣样品定义为未发生病害的样本，贮藏 23 d 的样本定义为轻微病害，贮藏 45 d 的样本定义为严重病害。0.60.50.40.30.20.1100012001400(nm)16000 d1 d2 d3 d4 d5 d相对反射率图 6 9001650 nm 波段范围内病害组冬枣果实在贮藏期间的相对反射率Fig.6 Relative reflectance of diseas