紫薯原名川山紫，又名紫薯、紫红薯，是近几年发展起来的一种新型红薯类，富含强效自由基花青素。紫薯花青素具有抗氧化、保护肝脏、抗突变、降血脂等多种生理功能，较其他同类花青素，如葡萄花青素、李花青素和黑米花青素的理化性质稳定，且具有显着的生物学活性，是目前世界上公认的防治疾病﹑维护人类健康最直接最有效的抗氧化剂，其应用前景和经济效益日益受到人们的重视。
在紫薯的众多内部品质指标中，除花青素这一重要营养成分外，还有对紫薯的风味口感起着重要作用的可溶性固形物（SSC）和总糖（TS）等指标，它们是评价紫薯内部品质的重要成分。可见-近红外光谱作为一种快速无损检测技术，已应用于多种果蔬SSC、TS等品质指标的检测分选，但目前对花青素的检测研究主要集中在高效液相色谱法、可见分光光度法、pH值示差法等，这些方法不仅耗时、费力，还会对待测样品在一定程度上造成损伤。中国农业大学工学院，国家农产品加工技术装备研发分中心的卜晓朴、彭彦昆、王文秀等人基于实验室自行搭建的可见-近红外光谱系统，以市售宁紫4号生鲜紫薯为研究对象，探讨宁紫4号生鲜紫薯的花青素、SSC以及TS的同时快速无损检测方法，为生鲜紫薯加工业的原料检测分选提供技术支持。
1、紫薯可见-近红外光谱预处理
为消除高频随机噪声、仪器漂移等对样本的影响，需要对原始光谱进行预处理，常用平滑处理来滤除各种因素产生的随机噪声，经SG 15 点平滑后的光谱曲线可以很好地滤除随机噪声，同时也有效保留了在原始光谱中出现的特征峰。紫薯原始光谱和SG 15 点卷积平滑光谱曲线均在波长410 nm出现了花青素的特征峰，波长978 nm附近出现了水分的特征峰。SNV预处理主要用于校正光谱的散射，既可以有效消除光强衰弱等引起的噪声，也可使原始光谱数据标准正态化，不仅原始光谱中出现的两处特征峰更为显着，同时也很好地保留了紫薯全波段的光谱信息。一阶导数光谱可以获得原始光谱形态变化信息，同时可以强化原始光谱中隐藏在较宽吸收频带的微小特征峰，增强极值点、拐点等局部位置光谱反射率对内部成分含量等变化的响应差异。
2、紫薯各品质参数预测模型建立
全波段预测模型建立
花青素预测模型的校正集相关系数（Rc）和预测集相关系数（Rp）分别为0.853 6和0.850 4，校正均方根误差（RMSEC）和预测均方根误差（RMSEP）分别为0.338 3 mg/g和0.490 6 mg/g；TS预测模型的校正集和预测集相关系数分别为0.854 9和0.830 6，RMSEC和RMSEP分别为0.401 9%和0.414 0%。这可能是由于与其他预处理方法相比，经SG 15 点卷积平滑结合一阶求导预处理后，光谱曲线在波长410 nm处花青素特征峰和波长978 nm处糖类特征峰最为显着有关。
基于CARS算法优选特征波长后的建模分析
根据RMSECV最小原则，最终选择的采样次数为29 次，波长变量数为28 个，筛选后的大多变量集中在花青素特征峰波长410 nm附近，同理，对SSC和TS依次进行特征波长的筛选，SSC RMSECV最小时的运行次数为28 次，此时保留的SSC的波长变量数为37 个，大多均匀分布在690～1 100 nm范围内。
3、模型验证
生鲜紫薯花青素的标准理化值与预测值的相关系数为0.835 4，RMSEP为0.443 1 mg/g；SSC的标准理化值与预测值的相关系数为0.832 4，RMSEP为1.322 4 °Brix；TS的标准理化值与预测值的相关系数为0.848 6，RMSEP为0.444 2%。结果表明，实验所建立的预测模型可以实现对不同批次生鲜紫薯的花青素、SSC以及TS的快速无损检测。
结 论
本实验以市售宁紫4号生鲜紫薯为研究对象，探讨了基于可见-近红外光谱的生鲜紫薯花青素、SSC以及TS的同时快速无损检测方法。将52 个生鲜紫薯原始光谱曲线分别进行SG 15 点卷积平滑、SNV以及SG 15 点卷积平滑结合一阶求导预处理，再用PLSR方法对紫薯各品质参数进行了建模分析。对于花青素和TS而言，经SG 15 点卷积平滑结合一阶求导预处理后光谱在波长410 nm处花青素特征峰和波长978 nm处糖类特征峰最为显着模型预测效果最佳。花青素预测模型Rc和Rp分别为0.853 6和0.850 4，RMSEC和RMSEP分别为0.338 3 mg/g和0.490 6 mg/g；TS预测模型Rc和Rp分别为0.854 9和0.830 6，RMSEC和RMSEP分别为0.401 9%和0.414 0%。对于SSC而言，经SNV预处理的光谱曲线较好保留了整个波段样品信息预测效果最好，Rc和Rp分别为0.914 1和0.852 4，RMSEC和RMSEP分别为0.758 0 °Brix和1.082 9 °Brix。针对紫薯各参数最佳预处理光谱采用CARS算法进行了波长筛选，然后再用PLSR方法对紫薯各品质参数建立了预测模型。花青素预测模型Rc和Rp分别为0.947 7和0.942 1，均方根误差分别为0.206 2 mg/g和0.225 9 mg/g；SSC预测模型的Rc和Rp分别为0.947 0和0.943 1，均方根误差分别为0.600 6 °Brix和0.878 7 °Brix；TS预测模型的Rc和Rp分别为0.955 5和0.925 3，均方根误差分别为0.140 0%和0.244 3%。采用CARS算法有效剔除了光谱信息中与紫薯品质参数无关变量，显着提高了紫薯各品质参数预测模型的预测效果。结果显示，利用可见-近红外光谱完全可以实现对生鲜紫薯的花青素、SSC以及TS的同时快速无损检测，对生鲜紫薯品质的快速无损分选有着重要的实用意义。
