一种便携式、防尘防水的可见近红外（VNIR）系统，集成了PEPO算法，用于油菜籽叶绿素的定量分析

《Contact Lens and Anterior Eye》：Portable moisture-robust VNIR system integrating a PEPO algorithm for rapeseed chlorophyll quantification

　　

张越香|李永宇|聂森|彭彦坤|刘洁|彭坤

中国农业大学工程学院，北京100083

摘要

叶绿素含量是决定油菜籽质量的关键因素，对油的加工效率和氧化稳定性有显著影响。然而，在收获到加工的过程中，水分的波动会干扰可见光近红外光谱分析，因为水分引起的光谱变化与叶绿素的光谱特征重叠。本研究开发了一种便携式油菜籽检测设备，并采用了部分外部参数正交化（PEPO）方法来减少水分干扰。与全光谱校正相比，PEPO使用部分相关分析来校准对水分敏感的波长，旨在保留目标特定的光谱信息。对机器学习架构的比较显示，人工神经网络（ANN）结合PEPO在测试模型中具有最高的预测性能。该模型在预测集上的决定系数为0.891，预测的均方根误差为2.7毫克/千克。与标准的全光谱校正方法相比，所提出的方法减少了校准集和预测集之间的性能差距，表明模型的泛化能力得到了提高。本研究不仅为油菜籽叶绿素含量的快速无损检测提供了技术基础，也为易受水分干扰的复杂农业材料的光谱分析提供了一种有效的校正方法。

引言

油菜籽（Brassica napus L.）是全球最重要的油料作物之一，因其脂肪酸组成均衡以及富含多酚和生育酚等生物活性化合物而备受重视（Alu’datt等人，2017年；Fu等人，2016年）。尽管油菜籽具有经济价值，但其不定型花序的生物学特性导致单个植株内的角果成熟度不均匀（Feng等人，2024年），这给工业生产带来了挑战。这种生物学上的异质性导致机械收获时混合了未成熟的绿色种子和完全成熟的黑色种子。在采后干燥过程中，这些未成熟的种子会变成深棕色，尽管其内部叶绿素含量很高，但在视觉上与成熟种子无法区分。叶绿素的存在会在油脂提取和精炼过程中导致质量下降（Li等人，2018b）。叶绿素作为天然光敏剂会促进光化学脂质氧化，从而加速过氧化物值的增加并影响油的稳定性。此外，它还会给原油带来深色，增加了精炼过程中脱色的能耗和化学成本。目前，叶绿素含量的标准测定方法是分光光度法（国际标准化组织（ISO），2015年）。虽然分光光度法准确，但它是一种破坏性较强且劳动密集型的方法（每次分析需要超过90分钟），并且会产生化学废物，这限制了其在高通量加工设施中的快速、原位质量检测应用。

可见光近红外（VNIR）光谱由于其无损、快速和灵敏的特点，已被广泛用于评估和预测农产品的内部质量（Gao和Xu，2022年；Sun等人，2025年）。近年来，光谱技术与微电子技术的结合促进了各种便携式无损检测设备的发展。这些设备已在水果和谷物等农产品的生产和加工现场得到应用，促进了农业操作的智能化和高效化（Wang等人，2025年；Lu等人，2024年）。VNIR光谱在油菜籽质量评估中也显示出巨大潜力。然而，大多数现有研究集中在预测油菜籽中的蛋白质、油脂、油酸和芥酸含量上（Peng等人，2025年；Barthet等人，2020年）。相比之下，尽管叶绿素是直接影响油菜籽油色和加工质量的关键指标，但关于其含量快速无损检测的研究仍然相对有限（Daun、Clear和Williams，1994年）。此外，目前用于油菜籽分析的近红外光谱仪器主要是实验室级别的设备，它们的体积庞大且成本高昂，不适用于实际生产加工中的现场检测需求。

值得注意的是，在实际应用中，VNIR光谱极易受到目标样品水分含量波动的干扰。从收获和储存到初步加工，油菜籽的水分含量通常会经历显著的变化（8%–20%）（Xu等人，2025年；Zuo等人，2014年）。由于水分子在近红外区域具有强烈的吸收峰，这种严重的水分变化会导致目标物质特征光谱信息的复杂掩盖和干扰（Büning-Pfaue，2003年；Li等人，2018a）。先前对谷物和其他农产品的研究已经充分记录了这一现象。例如，Peiris等人（2016年；Peiris等人，2019年）指出，样品水分含量的差异会显著降低小麦和高粱近红外光谱分析预测模型的准确性和稳健性。Guo等人（2023b）进一步证实了水分波动对烟草质量定量分析中光谱预测准确性的负面影响。

关于油菜籽的具体研究表明了上述常见问题。在早期利用光谱技术检测叶绿素的应用中，Daun等人（1994年）指出，样品必须预先脱水至均匀的低水分含量（约7%）以确保分析准确性。此外，Oblath等人（2016年）发现油菜籽样品的水分含量变化与质量预测模型中的异常值之间存在显著相关性。然而，很少有报告详细说明水分波动如何具体影响基于VNIR光谱的油菜籽叶绿素检测的性能，相应的补水机制研究也十分有限。这一限制制约了便携式光谱检测设备在复杂现场环境中的实际应用。

为了解决水分变化对油菜籽叶绿素预测的影响，需要进行了光谱校正。常见的校正方法包括外部参数正交化（EPO）（Roger、Chauchard和Bellon-Maurel，2003年）、反射率的一阶导数（FDR）（Cho、Skidmore和Atzberger，2008年）、水分去除（WR）（Gao和Goetz，1994年）以及连续谱去除（CR）（Kokaly，1999年）。EPO技术已在农业领域得到应用；例如，Guo等人（2023a）证明EPO在水分变化条件下提高了鲜茶叶中氮含量的检测准确性，而Li等人（2024年）进一步证实EPO比其他方法更有效地消除了水分引起的光谱变化。EPO将光谱分解为与目标参数相关的成分和与水分相关的干扰成分，然后通过正交变换去除干扰信号以提高模型性能。然而，标准EPO的一个局限性是在整个光谱范围内实施。由于水分引起的变化在波长上的分布不均匀，全光谱正交化可能会去除与水吸收带重叠的光谱特征。这种对叶绿素敏感信息的校正可能会影响最终模型的预测灵敏度。因此，需要一种选择性的校正方法来分离与水分相关的变异，同时保留目标分析物的光谱信号。

本研究旨在开发一种在不同水分条件下检测油菜籽叶绿素的無損方法。研究内容包括以下几个方面：（1）开发了一种便携式检测设备，其成本约为实验室级光谱仪的15%，该设备配备了一个探针，用于减少现场测量时的环境光干扰。（2）实施部分外部参数正交化（PEPO）方法，通过部分相关分析识别对水分敏感的波段，以去除光谱干扰同时保留与叶绿素相关的特征。（3）将机器学习算法与PEPO方法结合，建立和评估在水分变化条件下油菜籽的叶绿素预测模型。这一集成系统为农业生产中的油籽提供了实时质量监测方法。

节片段

样品制备

本研究使用了来自中国湖北省的三个油菜籽品种（‘Huayouza 62’、‘Dadi 199’和‘Shengyuan 2’）。样品在45°C的对流烤箱中干燥12小时，直至水分含量达到3.0±0.5%。为了创建叶绿素梯度，将每种品种的未成熟种子（0%–15%重量百分比）与成熟种子混合。最终准备了240个样品，每个样品的质量为20.0±0.1克，用于光谱测量。

一组包含40个样品的水分校正数据

未经光谱校正的基线模型性能

图4显示了油菜籽样品在可见光和近红外区域的原始吸光光谱。这些光谱特征与化学成分的分子振动和电子跃迁相关，反映了油菜籽的叶绿素含量和物理特性。如表1所示，校准集中的叶绿素含量范围为2.2至33.6毫克/千克，预测集中的叶绿素含量范围为2.3至29.9毫克/千克。

结论

本研究开发了一种便携式检测设备和一种在水分变化条件下定量油菜籽叶绿素的無損方法。PCA分析证实，水分变化会扭曲光谱特征，降低传统模型的预测性能。为了解决全光谱校正导致的信息损失，提出了PEPO算法。通过整合部分相关分析，PEPO可以选择性地校准对水分敏感的波段。

CRediT作者贡献声明

张越香：撰写——原始草稿、软件开发、方法论设计、概念构思。李永宇：撰写——审稿与编辑、监督、资源协调、项目管理、资金筹措。聂森：撰写——审稿与编辑、监督。彭彦坤：撰写——审稿与编辑、监督、资源协调、项目管理。刘洁：撰写——审稿与编辑。彭坤：软件开发。

利益冲突声明

作者声明他们没有已知的利益冲突或个人关系可能影响本文的报告。

致谢

本研究得到了中国国家重点研发项目（项目编号：2021YFD1600101-06）和中国农业大学2115人才发展计划的支持。