四季豆（

Phaseolus vulgaris

由于四季豆表面不均勻，增加了其檢測難度，因此，目前鮮少有拉曼光譜檢測四季豆新鮮度的報道。質量損失率與四季豆內部的含水量及呼吸作用密切相關，色澤可以反映其顏色狀態和新鮮度，硬度可表征果實的堅挺程度和腐爛程度，抗壞血酸含量和葉綠素含量是四季豆重要的營養指標。

江南大學食品科學與資源挖掘全國重點實驗室的吳明慧、孫夢、謝云飛*等人以質量損失率、總色差、硬度、抗壞血酸含量以及葉綠素含量作為四季豆新鮮度的5 項考察指標，對光譜進行適當的預處理后，采用回歸系數（RC）法優選特征波數，建立全波數和優選波數的PLSR和主成分回歸（PCR）模型。本研究的目的是建立一種基于拉曼光譜技術的四季豆新鮮度無損、快速檢測方法，以期為四季豆新鮮度的檢測提供參考，推動其現場快速檢測的應用。

1 表面微生物分析

細菌總數、霉菌和酵母數可以指示果蔬微生物生長情況，是確定其腐敗程度、指示新鮮度的重要指標。四季豆在11 d貯藏期內的總菌數、霉菌和酵母數變化分別如圖1和圖2所示。隨貯藏時間的延長，四季豆表面細菌總數從初始的5（lg（CFU/g））開始波動性變化，整體呈增長趨勢，在6～8 d有接近對數的增長，到第9天后接近7（lg（CFU/g））并趨于平穩；霉菌和酵母數在前6 d基本無變化，維持在6（lg（CFU/g））以內，6 d以后開始顯著增加至7.5（lg（CFU/g）），說明此時四季豆表面的霉菌和酵母進入大量繁殖階段。綜合來看，第7天是四季豆表面微生物數量開始出現顯著性增長的時間節點，此后四季豆迅速腐敗變質，失去食用價值和商品價值。因此將后續實驗的貯藏時間選擇在7 d內。

2 新鮮度指標分析

四季豆在貯藏期間，逐漸失水皺縮，表面發生黃化，硬度降低，營養物質流失。質量損失率與四季豆內部的含水量及呼吸作用密切相關，是影響其營養品質變化的重要指標。由圖3a可知，貯藏期7 d內四季豆的質量損失率不斷上升，這是因為四季豆采后的蒸騰作用非常旺盛，易失水皺縮。?E為總色差，表示樣本貯藏期間色澤的變化程度，是反映樣本顏色狀態和新鮮度的重要指標。由圖3b可知，四季豆在7 d貯藏期內的?E值整體呈升高趨勢，這是由于隨貯藏時間的延長，四季豆表面發生黃化，逐漸衰老。果實硬度表征果實的堅挺程度，硬度越小，單位面積承受的力越小。采后四季豆質地不斷發生變化，內部組織變軟。由圖3c可知，四季豆在貯藏期間的硬度顯著降低，這是由于原果膠在果膠酶的作用下降解為果膠，相連的細胞解體，產生間隙，導致果肉硬度急劇下降?？箟难岷亢腿~綠素含量是四季豆重要的營養指標，含量的高低直接反映品質的好壞。由圖3d、e可知，四季豆抗壞血酸含量、葉綠素含量均快速下降。這是由于隨著貯藏時間的延長，其細胞內活性氧產生與消除平衡被破壞，使得膜脂過氧化，細胞膜系統受到破壞，導致細胞膜透性發生變化，營養物質流失。

3 原始拉曼光譜分析

采集不同貯藏時間下四季豆樣本的拉曼光譜如圖4所示，所有樣本的拉曼光譜光滑均勻，曲線總體趨勢相似，在842 cm -1 和1362 cm -1 附近有明顯的吸收峰，其中，842 cm -1 峰歸屬于醚鍵不對稱拉伸振動

νas

不同貯藏時間四季豆的原始拉曼光譜如圖5所示，隨貯藏時間延長，四季豆拉曼光譜曲線強度總體呈上升趨勢。這是可能是由于四季豆的表面質地在貯藏過程中發生了變化，導致光譜曲線的差異。

4 異常數據的剔除及樣本分集

異常數據的存在會降低后續建模的準確性及穩定性。本研究中獲得的質量損失率、硬度、總色差、抗壞血酸含量及葉綠素含量的樣本總數均為105，在建模之前用三維坐標法剔除其中的異常數據，即利用杠桿值、

X

Y

剔除異常數據后對剩余樣本按照校正集∶預測集＝3∶1進行隨機劃分，校正集用于建立定量預測模型，預測集用于檢驗模型建立的精度。各指標預測集值的范圍均在校正集范圍內，且數據分布均勻，以保證后續建模的有效性。各指標分集統計數據如表1所示。

5 四季豆新鮮度定量預測模型的建立與評價

5.1 全波數PLSR模型的建立與評價

在建立模型之前，需要對光譜進行適當的預處理，提高光譜信息的利用率。SNV通過對單個樣本光譜的標準差進行修正，減少粒度、散射和多重共線性變化在整個光譜中的乘法效應；BL可以降低甚至消除拉曼光譜儀在檢測樣本時產生的熒光背景以及基線漂移；NL可以消除由光程變化和樣本稀釋等變化產生的影響，校正微小光程產生的差異；GF、SG通過確定平滑點數提高光譜信噪比；DFA可以消除獲取數據時產生的光譜基線偏移。采用上述6 種方法進行預處理后的拉曼光譜如圖7所示。經過SNV和NL處理后，光譜曲線更加集中；BL、GF、SG與原始光譜曲線相似；DFA處理后光譜出峰更加顯著。

采用不同方法對光譜進行預處理后，將四季豆新鮮度指標值與原始拉曼光譜全波數建立PLSR定量預測模型。評價模型效果的指標為rc、RMSEC、rp和RMSEP。rc和rp越接近于1，RMSEC和RMSEP的值越小，且二者之間的差值越小，表明模型預測的準確性越好。四季豆質量損失率、?E、硬度、抗壞血酸含量和葉綠素含量的最佳預處理PLSR建模結果如表2所示。

質量損失率的最佳預處理方式為SG，rc＝0.994，RMSEC＝1.032%，rp＝0.852，RMSEP＝5.197%。?E的最佳預處理方式為BL，rc＝0.698，RMSEC＝2.799，rp＝0.627，RMSEP＝3.062。硬度的最佳預處理方式為原始光譜，rc＝0.947，RMSEC＝0.762 N，rp＝0.878，RMSEP＝1.247 N?？箟难岷康淖罴杨A處理方式為GF，rc＝0.980，RMSEC＝2.086 mg/g，rp＝0.868，RMSEP＝5.483 mg/g。葉綠素含量的最佳預處理方式為NL，rc＝0.960，RMSEC＝5.563 mg/kg，rp＝0.912，RMSEP＝9.717 mg/kg。除?E外，其余指標的rc均大于0.94，rp均大于0.85，模型預測準確度較好。

預測效果最好的為葉綠素含量（ r p ＝0.912），其次為硬度（ r p ＝0.878）、抗壞血酸含量（ r p ＝0.868）、質量損失率（ r p ＝0.852），對Δ E 的預測效果最差（ r p ＝0.627）。各模型RMSEC與RMSEP差值較大，預測效果可能不穩定，因此后續通過優選波數提高模型精度和穩定性。

5.2 優選波數PLSR、PCR模型的建立與評價

RC法是應用較為廣泛的一種特征波長提取方法，依據偏最小二乘權重和潛在變量數，計算光譜變量所對應RC的絕對值大小，根據變量對模型預測性能的貢獻，RC絕對值大的變量點即為特征光譜變量。由于拉曼光譜信息量大，數據存在冗余情況，采用RC法優選拉曼光譜特征波數可以在一定程度上消除一些無關變量的影響，提高模型運算速度和精度。RC優選拉曼波數的情況如圖8所示。

優選波數PLSR及PCR建模結果如表3所示。對于質量損失率，RC法篩選88 個波數，波數占比僅為8.437%，PLSR模型的rc和RMSEC有微弱降低，rp由0.852提高至0.936，RMSEP由5.197%降低至3.610%，預測集的準確性顯著提高（P＜0.05）。對于?E，波數占比為3.739%，PLSR模型的rc、rp分別由0.698和0.627顯著提高至0.946和0.893（P＜0.05），RMSEC和RMSEP由2.799和3.062顯著降低至1.265和1.905（P＜0.05），校正集和預測集的準確性均顯著提高（P＜0.05）。對于硬度，波數占比為20.038%，PLSR模型的rc和RMSEC基本無變化，rp由0.878提高至0.912，RMSEP由1.247 N降低至1.040 N，預測集的準確性顯著提高（P＜0.05）。對于抗壞血酸含量，波數占比為25.503%，rc和RMSEC基本無變化，PLSR模型的rp由0.868提高至0.911，RMSEP由5.483 mg/g降低至4.681 mg/g，預測集的準確性顯著提高（P＜0.05）。對于葉綠素含量，rc和RMSEC基本無變化，波數占比為16.683%，PLSR模型的rp由0.912提高至0.955，RMSEP由9.717 mg/kg降低至7.133 mg/kg，預測集準確性顯著提高（P＜0.05）。各指標PCR模型的rc分別為0.914、0.797、0.912、0.891、0.919，rp分別為0.885、0.736、0.908、0.910、0.925，預測精度好。

此外，表3中增加了對模型穩定性的評價指標RPD，其表示驗證集標準偏差與預測標準偏差的比值。當2＜RPD＜2.5時，模型具有良好的預測能力；當RPD＞2.5時，模型預測能力非常好。由表3可知，PLSR模型的RPD分別為2.701、2.031、2.423、2.322、3.274，均大于2，模型預測能力良好。其中質量損失率-SG-PLSR和葉綠素含量-NL-PLSR模型的RPD分別為2.701和3.274，均大于2.5，模型預測能力極好。PCR模型的RPD分別為2.108、1.462、2.371、2.393、2.594，除?E外均大于2，具有良好的預測穩定性。這些結果表明，利用RC法可以有效篩選各指標的拉曼特征波數，剔除無關變量，使模型運行時間縮短，模型精度得到顯著提高。

6 結論

本研究建立了一種基于拉曼光譜技術無損快速檢測四季豆新鮮度的方法，可將單個樣本的檢測時間控制在10 s之內。對不同貯藏時間的四季豆樣本進行拉曼光譜采集和5 項新鮮度指標的測定，利用化學計量學方法建立了拉曼全波數和優選波數的四季豆新鮮度指標定量預測模型，結果表明，四季豆質量損失率、?E、硬度、抗壞血酸含量以及葉綠素含量的光譜最佳預處理方式分別為SG、BL、原始光譜、GF和NL?；诶〝? 項理化指標PLSR預測模型的rc分別為0.994、0.698、0.947、0.980、0.960，rp分別為0.852、0.672、0.878、0.868、0.912。為提高模型預測精度和穩定性，采用RC法優選拉曼波數，各指標PLSR模型的rp分別提高至0.936、0.893、0.912、0.911、0.955，RPD分別為2.701、2.031、2.423、2.322、3.274，RMSEP均有顯著降低，模型的運算時間縮短，模型精度顯著提高。同時建立PCR模型進行對比研究，rc分別為0.914、0.797、0.912、0.891、0.919，rp分別為0.885、0.736、0.908、0.910、0.925，RPD分別為2.108、1.462、2.371、2.393、2.594，模型預測精度較高。從準確性和穩定性來看，PLSR模型的預測效果優于PCR，更適合作為四季豆新鮮度的化學計量學模型。以上結果表明，拉曼光譜可以實現四季豆新鮮度的無損快速檢測。

本研究選取四季豆作為研究對象，未來可以進一步增加研究對象的種類和數量，從而提高拉曼光譜技術在豆類蔬菜新鮮度指標預測的應用范圍。另外，由于不同儀器和不同使用條件下進行拉曼光譜采集存在差異，在不同儀器之間的模型傳遞的可行性有待進一步研究。

作者簡介

通信作者

謝云飛 教授

江南大學食品學院 副院長

謝云飛，江南大學食品學院教授、副院長、博士生導師，2021年教育部國家級高層次人才（青年），江蘇省“雙創博士”，無錫市優秀教育工作者，無錫市“五四青年獎章”獲得者，江蘇省科協第十屆委員會委員，江蘇省食品科學與技術學會理事。

科研成果：

目前發表SCI文章170余篇，其中第一和通訊作者發表50余篇；主持國家重大儀器科學設備開發項目課題等國家級項目5項；授權發明專利17項（1項為國際專利）；獲中國商業聯合會科學技術獎一等獎、中國輕工業聯合會技術發明獎二等獎等4項。

研究方向：

主要從事食品安全與質量控制方面的研究。包括食品危害物快速檢測方法的建立；食品中微納塑料的檢測、脫除、相互作用；食品加工過程質量控制在線監測設備的開發；新型保鮮劑與保鮮技術的研發與應用等。

教育經歷：

2006.09-2011.06 物理化學，理學博士，吉林大學超分子結構與材料國家重點實驗室

2009.09-2010.09 “國家建設高水平大學”聯合培養博士研究生，日本關西學院大學

2002.09-2006.07 化學，理學學士，吉林大學化學學院

工作經歷：

2019.06-至今 江南大學食品學院，教授

2017.11-至今 江南大學食品學院，副院長

2013.10-2019.06 江南大學食品學院，副教授

2011.06-2013.10 江南大學食品學院，講師

2011.09-2013.09 中國科學院長春應用化學研究所，博士后

第一作者

吳明慧

江南大學食品學院 碩士研究生

研究方向：食品安全快速檢測。

本文《應用拉曼光譜技術無損快速檢測四季豆新鮮度》來源于《食品科學》2024年45卷第12期276-284頁，作者：吳明慧，孫夢，蔡妮霏，姚衛蓉，于志龍，謝云飛*。DOI:10.7506/spkx1002-6630-20230910-072。點擊下方閱讀原文即可查看文章相關信息。

實習編輯：普怡然；責任編輯：張睿梅。點擊下方閱讀原文即可查看全文。圖片來源于文章原文及攝圖網

為了幫助食品及生物學科科技人員掌握英文科技論文的撰寫技巧、提高SCI期刊收錄的命中率，綜合提升我國食品及生物學科科技人員的高質量科技論文寫作能力。《食品科學》編輯部擬定于2025年8月7-8日在 中國 湖南 長沙 舉辦“第12屆食品與生物學科高水平SCI論文撰寫與投稿技巧研修班”，為期兩天。

長按或微信掃碼了解詳情

為貫徹落實《中共中央國務院關于全面推進美麗中國建設的意見》《關于建設美麗中國先行區的實施意見》和“健康中國2030”國家戰略，全面加強農業農村生態環境保護，推進美麗鄉村建設，加快農產品加工與儲運產業發展，實現食品產業在生產方式、技術創新、環境保護等方面的全面升級。由 中國工程院主辦， 中國工程院環境與輕紡工程學部、北京食品科學研究院、湖南省農業科學院、岳麓山工業創新中心承辦， 國際食品科技聯盟（IUFoST）、國際谷物科技協會（ICC）、湖南省食品科學技術學會、洞庭實驗室、湖南省農產品加工與質量安全研究所、中國食品雜志社、中國工程院Engineering編輯部、湖南大學、湖南農業大學、中南林業科技大學、長沙理工大學、湘潭大學、湖南中醫藥大學協辦的“ 2025年中國工程院工程科技學術研討會—推進美麗鄉村建設-加快農產品加工與儲運產業發展暨第十二屆食品科學國際年會”，將于2025年8月8-10日在中國 湖南 長沙召開。

長按或微信掃碼進行注冊