番茄是世界范圍內(nèi)廣泛栽培的作物，營養(yǎng)價值很高，即是蔬菜又是水果。番茄果實的糖、酸含量決定著番茄果實的口感和風味，而可溶性固形物含量包含由番茄中可溶性糖、酸、維生素等構成，不僅能夠反映甜度口感，更是反應番茄內(nèi)部品質(zhì)的重要因素。因此，實現(xiàn)對番茄可溶性固形物含量的快速檢測對番茄的工業(yè)生產(chǎn)和日常生活有著巨大的幫助。

近年來，基于近紅外光譜的無損檢測在化工、農(nóng)業(yè)等多個領域中得到廣泛應用，尤其在農(nóng)產(chǎn)品品質(zhì)快速檢測方面發(fā)展迅速。近紅外譜區(qū)是電磁波譜中很窄的區(qū)段，其波長范圍為近紅外光譜區(qū)介于可見光與中紅外光譜區(qū)之間，波長范圍在780 -2526nm，近紅外光譜作為一種分析技術，可以測定有機物及部分無機物。許多物質(zhì)種等到基團（如Ｏ—Ｈ，Ｃ—Ｈ，Ｈ—Ｎ等）在都有其固定的振動頻率。當分子受到近紅外線照射時，被激發(fā)產(chǎn)生共振，同時光的能量一部分被吸收，測量其吸收光可以得到極為復雜的圖譜，這種圖譜表示被測物質(zhì)的特征。不同物質(zhì)在近紅外區(qū)域有豐富的吸收光譜，每種成分都有其特定的吸收特征，這就為近紅外光譜定量分析提供了基礎。

近紅外光譜儀用于番茄可溶性固形物的操作流程如下：1.樣本及數(shù)據(jù)的采集：選取表面均勻、光滑無損傷的番茄。采集光譜前將樣本放置于實驗室，消除溫度變化帶來的差異。依次編號和標記采集部位，光譜和化學值采集點要同屬一個部位。采集好可溶性固形物濕化學數(shù)據(jù)及光譜數(shù)據(jù)用于后續(xù)建模。另，還要選取校正集樣品、以及驗證集樣品。

2.光譜數(shù)據(jù)預處理：由于光譜儀采集的數(shù)據(jù)除有效的信息外,還包含了大量的噪聲,如雜散光等。這些因素會給預測結果帶來較大誤差。因此,需要對光譜數(shù)據(jù)進行預處理。對比了標準正態(tài)變量變換 (standard normal variate,SNV)、多元散射校正(multiplicative scattering correction,MSC)、歸一化 (normalization,NOR)和卷積平滑(SG-Smooth,SG)四種預處理方法,以及他們的組合帶來的降噪效果。選擇*適合的處理方法。下一步驟開始進行建模。

3.確定模型評價指標：近紅外光譜模型的評價指標很多,本工作選擇的是相關系數(shù)R² 、校正均方根誤差RMSEC、預測均方根誤差RMSEP和交互驗證均方根誤差RMSECV。其中R²表示光譜數(shù)據(jù)和化學值的相關性,RMSEC,RMSEP和RMSECV分別表示校正集、預測集和交叉驗證的偏差。以R大,RMSEC,RMSEP，RMSECV越小的模型為*優(yōu)模型。

4.驗證模型的預測結果良好后可投入使用，實現(xiàn)對大批量番茄的無損檢測，也可考慮繼續(xù)擴大番茄樣本的種類和范圍，使模型具有更好的普適性。

在近紅外光譜分析應用中經(jīng)常遇到的一個問題是模型穩(wěn)健性，包括模型的抗干擾能力和適用范圍，提高其適用范圍要解決的主要問題即模型傳遞，在某一儀器上建立的多元校正模型，在另一臺相同型號的儀器上使用時其預測結果產(chǎn)生較大的偏差，甚至校正模型根本無法使用。這種情況的發(fā)生是因為測量光譜不僅包含了樣品組分引起的光譜響應，還包含了儀器、測量條件的特性。模型傳遞問題是近紅外光譜技術中一個重要的問題，直接影響到模型的推廣與應用。布魯克的近紅外光譜儀很好的解決了模型傳遞這一問題，能夠?qū)崿F(xiàn)模型在新舊儀器、不同型號之間***傳遞。這一問題的解決極大的提高布魯克近紅外光譜儀的實用性，其應用范圍也更加廣泛。