1、ICS 67.080.10 B 31 NY 中华人民共和国农业行业标准NY/T 1841一2010苹果中可溶性固形物、可滴定酸无损伤快速测定近红外光谱法Non-destructive determination of soluble solid and titratable acidity in apple frnit by NlR 2010-05-20发布2010-09-01实施中华人民共和国农业部发布NY/T 1841一2010前言本标准的附录A为资料性附录。本标准由中华人民共和国农业部种植业管理司提出并归口。本标准起草单位北京市农林科学院林业果树研究所、农业部果品及苗木质量监督检验测试中
2、心(北京)。本标准主要起草人冯晓元、王宝刚、李文生、张开春、石磊、牛爱国、蔡宋宋。I NY/T 1841-2010 1 范围苹果中可溶性固形物、可滴定酸无损伤快速测定近红外光谱法本标准规定了元损伤快速测定苹果果实中可溶性固形物、总酸含量近红外光谱的方法。本标准适用于中、晚熟苹果品种中可溶性固形物、总、酸含量的无损伤快速测定。本标准不适用于仲裁检验。2 规范性引用文件下列文件中的条款通过本标准的引用而成为本标准的条款。凡是注日期的引用文件，其随后所有的修改单(不包括勘误的内容)或修订版均不适用于本标准，然而，鼓励根据本标准达成协议的各方研究是否可使用这些文件的最新版本。凡是不注日期的引用文件，其
3、最新版本适用于本标准。GB/T 12456 食品中总酸的测定ISO 2173 水果蔬菜产品可溶性固形物含量的测定3 术语和定义下列术语和定义适用于本标准。31 样晶集sampl臼set具有代表性的、基本覆盖可溶性固形物、可滴定酸含量最小至最大范围、满足相关过程对样品量基本需求的不同的样品组合。3.2 残差residual 样品近红外光谱法测定值与标准理化分析方法测定值的差值。33 偏差bias 残差的平均值。3.4 定标模型calibration model 利用化学计量学方法建立的近红外光谱与对应的标准理化分析方法测定值之间关系的数学模型。3.5 定标模型验证calibration mode
4、l validation 使用定标样品集之外的验证样品验证定标模型准确性和重复性的过程。3. 6 定标标准差standard error of calibration (SEC) 表示定标样品集样品近红外光谱法测定值与标准理化分析方法测定值间残差的标准差，按公式(1)计算z1 (Yi-YY n, -k-l NY/T 1841-2010 (1) SEC = 式中2Yi一一样品z的标准理化分析方法测定值;主z一样品i的近红外光谱法测定值;n，一定标集样品数;走回归因子数目。3. 7 预测标准偏差standard error of prediction (SEP) 近红外分析仪扣除系统偏差后，验证样
5、品成分的测定值与其标准理化分析方法测定值之间的标准偏差，表示定标调整后的准确度。预测标准偏差按公式(2)计算仙-Yi - Bias) (2) n-l 式中z少z一样品z的近红外光谱法测定值;Yi 样品z的标准理化分析方法测定值;一样品数;Bias 系统偏差。SEP = 3. 8 决定系数(R或r) correlation coefficient sqnare 近红外光谱法测定值与标准理化分析方法测定值之间相关系数的平方，定标集以R表示，验证集用r表示。M川nu A只-y一一一y-y nZ问了ZH一?f R 式中:如-一样品z的标准理化分析方法测定值;Yi 样品z的近红外光谱法测定值;歹标准参考
6、值的平均值，n 样品数目，定标样品集为矶，验证样品集为np，3. 9 马氏距离mahalanobis distance 表示数据的协方差距离、计算两个未知样本集的相似度的方法，通常用字母H表示。Hi = /(;，丁百7证王Z盲 式中zHi-定标集样品z的马氏距离;t，一一定标集样品z的光谱得分;三JLT一定标集n，个样品光谱的平均得分矩阵，1=2.兰n, 2 3. 10 M一定标集样品的马氏矩阵(Mahalanobis矩酌，M=T二r)(T-罚;T一一定标集样品光谱得分矩阵。马氏距离阔值mahalanobis distance Iimitation value(Hd NY/T 1841-201
7、0 HT.=H十3X SDMD . (5) 311 式中H 定标集样品马氏距离的平均值;SD阳一定标集样品马氏距离的标准差。异常样品abnonnal sample 试样的马氏距离(H)大于马氏距离阀值(HL)，已超出了该定标模型的分析能力的样品。4 原理近红外反射光谱(Nearinfrared reflection spectroscopy, NIRS)元损伤分析苹果中可溶性固形物、总酸方法的原理是利用果实中含有C-H、N-H、O-H等含氢基团的倍频和合频吸收带，以漫反射方式获得在近红外区的吸收光谱，通过逐步多元线性回归、主成分回归、偏最小二乘法等现代化学计量学的手段，建立物质的特征光谱与待测
8、成分含量之间的线性或非线性模型，从而实现利用物质近红外光谱信息对目标样品成分的快速测定。5 仪器近红外光谱仪:可用于无损分析水果营养成分的近红外光谱仪，波长范围570nm2 500 nm，随机软件具有近红外光谱数据的收集、存储分析和计算等功能，能够建立可靠的定标模型。6 试样市j备将完整的苹果样品表面适当地清洁，果实表面应无尘土、伤痕、腐烂、生理性病害、侵染性病害、叶摩擦等。7 分析步骤7. 1 仪器准备每次测定前应按设备使用说明书规定的测定日常检测程序，对仪器进行噪声、波长准确度和重现性检验。7.2 定标模型的建立7.2. 1 样晶集的选择参与定标的苹果样品应具有代表性，同-品种的样品应包含
9、不同成熟度，不同产地，不同大小，即可溶性固形物和总酸的含量范围能涵盖未来要分析的样品特性，创建个新的模型，至少要收集100个以上苹果果实，通常以100个150个果实为宜。7.2.2 光谱数据收集光谱数据收集过程中，测定条件以及样品和环境温度尽量保持-致。每个果实相对阴、阳面各取一点，每点扫描3次，定标时取三点扫描的光谱平均值。当样品温度与环境温度相差大时，应取不同温度下的果实5个，采集光谱数据加到预测模型中。7.2.3 预测值的标准理化分析方法3 NY/T 1841-2010 光谱采集后，在每个果实阴、阳面相应的位置上取样，按ISO2173方法分别测定果实可溶性固形物含量，然后按GB/T124
10、56方法测定每个果实的总酸(可滴定酸)含量。7.2.4 定标模型建立采用建模软件，优化参数，进行光谱预处理，同时，使用改进的偏最小二乘法(modifiedpartial least square，简称MPLS)或马氏距离判别法等，利用化学计量学原理建立定标模型。定标模型的决定系数、定标标准差参见附录A。7.2.5 定标模型验证使用定标样品集之外的样品验证定标模型的准确性和重复性，选择定标集样品数量的1/51/4(2030个果实)，应用7.2.4建立的模型进行检测，然后采用7.2.3方法分析其化学值，比较无损检测与标准理化分析方法测定值之间的偏差和预测标准偏差。，EP)等参数，可溶性固形物含量的
11、SEP0.8;总酸含量的SEPO.05 , 7.3 试样的测定7.3. 1 定标模型的选择7. 3.1.1 选择原则:根据试样选用对应的定标模型，即定标样品的NIRS光谱应能代表试样的NIRS光谱。7.3. 1.2 选择方法:比较二者光谱间的马氏距离(H)。如果试样的H小于或等于HL，则可选用该定标模型;如果试样的H大于HL，则不能选用该定标模型。7.3.2 定标模型的升级在对来自与建模所用样品集不同产地、不同成熟度、不同栽培方式或不同年份等的果实进行检测前，如果试样的H大于HL，需要升级定标模型，操作上是将新采集到的具有代表性的苹果果实2545个，扫描其近红外光谱，用标准理化分析方法测定相应
12、的可溶性固形物和总酸含量，然后将这些样品相应参数加入到定标样品集中，用原有的定标方法进行计算，即获得升级的定标模型。7.3.3 试样的测定测试样品温度应和环境温度尽量保持一致。在每个果实的相对阴、阳面各取一点，每点附近扫描2次，取2次分析结果的平均值，根据试样的NIR光谱，将其在各波长点处的吸光度值代入相应的定标模型，即可得到相应的检测结果，如果试样的H小于或等于HL则仪器将直接给出试样的测定结果，计算平均值，作为果实的测定结果，单位为质量百分数(%)，可溶性圆形物小数点后保留一位，总酸含量小数点后保留二位。7.4 异常样品的处理NIR分析中发现异常样品后，要用标准理化分析方法对该样品进行分析
13、，同时对该异常样品类型进行确定，如果异常样品加入定标模型后，SEC不会显著增加(变化范围小于5%)，将其加入到定标模型中，对定标模型进行升级;如果异常样品加入定标模型后，SEC将显著增加，则表示该样品需要放弃。8 精密度在重复性条件下获得的多次(大于6次)独立测试结果，可溶性固形物含量的变异系数应不大于2.0%;总酸的变异系数应不大于5.0%。4 NY/T 1841-2010 附录A资料性附录)定标模型的决定系数和定标标准差表A.l定标模型的决定系数和定标标准差参数指标含量范围决定系数定标标准差% R SEC 可溶性圆形物含量9.017.8 二三O.90 O. 5 总酸含量O. OlO. 75 二注O.65 ;0.05 5
