Спектроскопия помогла недеструктивно измерить красноту мякоти яблок

Японские агрономы научились измерять степень окраски яблок с красной мякотью при помощи метода интерактантной оптической спектроскопии. Проведя калибровку метода для одного сорта яблок, они построили регрессионную модель, которая позволяет быстро определять их внутренние свойства, не разрезая сами плоды. Исследование опубликовано в Scientific Reports.

Оптическая спектроскопия — один из самых прямых и распространенных неразрушающих методов оценки качества сельскохозяйственных продуктов. Многообразие ее видов позволяет изучать, как химический состав овощей и фруктов, так и их структурные свойства и дефекты. Простота и компактность спектроскопической техники дает возможность интегрировать ее в автоматизированные производственные линии, существенно повышая эффективность и скорость сортировки продуктов.

Метод оптической спектроскопии уже использовали для исследования как поверхности фруктов и овощей, так и их внутренних свойств, например, сладости, спелости и так далее. Также представляет интерес оценка степени окраски мякоти некоторых плодов, например, красных яблок, которая связана с концентрацией в ней антоцианов. Попадая в наш организм, эти пигменты играют роль антиоксидантов. При этом краснота мякоти не связана с окраской кожуры, а сами плоды слишком массивны и непрозрачны, чтобы использовать методы абсорбционной спектроскопии. Поэтому для определения степени внутренней окраски яблоки приходится выборочно разрезать, что снижает надежность сортировки.

Группа японских агрономов из университета Хиросаки под руководством Осаму Аракава (Osamu Arakawa) предложила измерять красноту яблок с помощью метода интерактантной спектроскопии. В его основе лежит свойство непрозрачных сред рассеивать попадающее в них излучение. Поскольку это рассеяние имеет всенаправленный характер, можно измерять спектральный состав света с поверхности плода на разном расстоянии от точки ввода излучения. При этом чем дальше будет детектор, тем большие глубины будут давать вклад, но тем слабее будет сигнал.

Чтобы найти оптимальные параметры, которые позволили бы максимально точно измерять концентрацию антоцианов интерактантным методом, авторы провели серию спектроскопических измерений над яблоками сорта «Куренаиноюме» с последующей хемометрической калибровкой. Они использовали излучение с широкополосным спектром в диапазоне от 500 до 1070 нанометров, а сигнал собирали для восьми различных расстояний от источника с шагом два миллиметра. В результате анализа получившихся спектров ученые заметили, что интенсивность сигнала убывает с расстоянием до детектора. Выяснилось также, что фрукты с большей концентрацией антоцианов сильнее поглощают излучение, что приводит к деформации профиля.

Агрономы использовали массив полученных данных, чтобы построить предсказательную регрессионную модель, которую можно было бы использовать для неразрушающего предсказания концентрации антоцианов и, следовательно, степени окраски мякоти. Задача усложняется тем, что распределение пигмента не равномерно внутри плода и зависит от глубины. В этом случае при слишком коротких расстояниях до детектора сердцевина плода практически не будет давать информацию, а при слишком длинных сигнал будет слабым. Построив модель с помощью метода частичных наименьших квадратов, авторы выяснили, что точность предсказания концентрации антоцианов в кожице с ее помощью оказывается очень высокой (R² > 0,9), в то время как для середины плода этот параметр зависит от расстояния до детектора и достигает максимума для его средних значений.

Авторы отмечают, что предложенный ими метод универсален, но для каждого конкретного вида и даже сорта необходимо подбирать свои источники излучения и проводить отдельные калибровочные исследования. Они также предположили, что использование света с более узкими спектральными линиями поможет увеличить точность метода.

Яблоки — это интересный объект не только для физики, но и для математики. О том, как можно найти математическую сингулярность в обычном яблоке, вы можете прочитать в материале «Бездна в яблоке».

Марат Хамадеев