开放光程FTIR光谱的葡萄品质劣变监测方法
汪杰君1, 陈嘉1,2, 叶松1, 董大明2,*
1. 桂林电子科技大学, 广西 桂林 541004
2. 北京农业智能装备技术研究中心, 北京 100097
*通讯联系人  e-mail: damingdong@hotmail.com

作者简介: 汪杰君, 1974年生, 桂林电子科技大学副教授

摘要

前期的研究报道了红外光谱能够监测水果变质产生的挥发物质, 其方法是将挥发物收集在气室中, 利用多次反射的结构来增强光信号。 实验中, 我们使用开放光程傅里叶变换红外光谱法监测葡萄变质挥发物, 尝试了主动和被动两种测量模式。 根据红外光谱特征对葡萄品劣变过程中产生的挥发物进行了定性分析, 并在研究中测量了葡萄储藏期间挥发物质的红外光谱特征的强度变化, 并且根据这种变化规律建立了不同变质阶段的分类方法。 此外, 还尝试直接从原始光谱中分析挥发物质, 证明了挥发物在原始光谱上仍然具有明显的光谱特征。 这一研究证实了现场开放式傅里叶变换红外光谱法监测水果变质的可行性。 开放光程傅里叶变换红外光谱法所具有的灵活使用性和非接触式在线测量的优点, 使其有可能应用于大面积监测储藏中的水果变质问题, 并具有进一步定位劣变源的潜力。

关键词: 开放光程; 红外光谱; 葡萄变质; 挥发物
中图分类号:O657.3 文献标志码:A
Monitoring of Grape Decay via Its Volatiles Based on Open-Path Fourier Transform Infrared Spectroscopy
WANG Jie-jun1, CHEN Jia1,2, YE Song1, DONG Da-ming2,*
1. Guilin University of Electronic Technology, Guilin 541004, China
2. Beijing Research Center for Intelligent Equipment for Agriculture, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China
*Corresponding author
Abstract

We had testified that the decay volatile of fruit could be detected by using infrared spectroscopy. We collected volatile to a gas cell in this methods and used multi-reflecting structure to enhance optical path. In this study, we used open-path infrared spectroscopy to monitor grape decay volatiles and tried both active and passive modes. We qualitatively analyzed the volatiles produced by the decay grape according to the characteristics of infrared spectroscopy, and measured the infrared spectra of the volatiles during storage establishing the method for different decay status according to the changing rules. We also tried to directly analyze the volatile by the origin spectra and demonstrated that it still had obvious spectra characteristics. In this study, It was proved to be feasible using open-path infrared spectroscopy to monitor the decay volatiles. With the advantages of flexible use and non-contact on-line measurement, the method could be applied in large area to monitor the decay status of fruit and even to locate decay source.

Keyword: Open-path; Infrared spectra; Grape decay; Volatile
引 言

葡萄在世界各地广泛种植, 其味道甜美, 广受欢迎。 但由于葡萄果皮薄, 容易在运输和贮藏过程中发生腐烂, 造成很大的经济损失。 因此, 对葡萄腐烂程度进行监测及预警具有重要意义[1]

果蔬及各类食品中会产生特定类型的挥发性化合物, 挥发物及其浓度会因为种类、 储藏环境, 及伤口类型的区别而有所不同[1]。 Goff等提出, 挥发物可以作为识别营养物含量和健康状态的重要指标[2]。 通常用气相色谱-质谱法(GC-MS)分析水果中的挥发物[3, 4, 5], 但这些方法操作复杂, 无法用于在线监测。 使用电子鼻系统收集挥发物, 结合化学计量学分析方法进行在线监测, 取得了很好的效果[6, 7, 8, 9], 但其复杂且造价高, 难以普及。

大多数有机化合物在红外波段具有明显的光谱特征[10], 因此红外光谱法被逐渐应用到定性、 定量分析中[11]。 我们通过多次反射的光学结构提高光程, 实现了醇类、 酯类等物质的监测, 并建立了食品挥发物的红外光谱特征与变质程度的关联模型, 如葡萄[12]、 草莓[13]、 牛肉[14]等, 但这些方法均需将气体抽到气体池中, 在实际应用中不够便捷, 也不能大范围监测。

开放光程傅里叶变换红外光谱法具有便捷, 安全, 监测范围大等优点, 因而迅速被用于在线监测分析及应用在其他条件下的监测中[15, 16]。 我们采用开放光程傅里叶变换红外光谱系统, 同时在主动和被动两种模式下长距离监测葡萄变质挥发物, 旨在通过红外光谱特征鉴别腐烂状态。

1 实验部分
1.1 材料

选用当天配送的新鲜“ 巨峰” 品种葡萄5 kg, 购自北京市海淀区彰化路果香四溢水果超市。 果实不做任何处理, 保持采摘后的自然状态, 以保留表皮上的细菌。 在室温下, 使用密封性较好的实验箱储存葡萄样品, 存储地点远离实验场所。

1.2 仪器

使用MIDAC公司(Westfield, Massachusetts, USA)的Rev A型Open-path FTIR光谱仪, 其中的检测器为MCT检测器, 需用液氮冷却。 光源为MIDAC公司的MIR/NIR红外光源。 设置的光谱范围是4 000~650 cm-1, 分辨率设置为2 cm-1, 扫描累加信号设置为16次。

1.3 方法

实验持续9天进行主动式监测, 在第10天进行了被动式监测。 图1(a)展示了主动式开放光程傅里叶变换红外光谱法的实验系统布局, 每天测两次(10:00和16:00), 每次实验前先通风5~10 min, 确保无残留干扰气体。 打开红外光源和Open-path FTIR探测器, 采集未放置样品时的背景光谱, 然后将葡萄样品放置于红外光源的正前方, 确保光路经过挥发气体, 打开样品箱立刻开始监测, 2 min内连续测得吸收谱和原始谱各39条。

图1 开放光程红外光谱监测水果挥发物原理图
(a): 主动式测量; (b): 被动式测量
Fig.1 The diagram of monitoring grape volatiles by using open-path Fourier transform infrared spectroscopy
(a): Active measurement; (b): Passive measurement

在实验的最后, 采用被动式测量方法进行监测, 图1(b)为被动式实验系统布局。 通风完成后不使用光源, 在其他条件不变的情况下直接打开样品箱, 监测挥发物的吸收谱与原始谱。

光谱收集, 处理和分析: 试验中使用AutoQuant Pro 4.5、 209版本(MIDAC公司配套产品)实时采集光谱。 采集到的光谱经格式转换后在OPUS 6.5软件(Bruker, 德国)中进行分析, 采取的数据处理方法是: 基线校正, 平滑(13点平滑)。 使用Unscrambler 9.7对光谱进行PCA分析。

2 结果与讨论
2.1 主动式开放光程探测葡萄挥发物

在主动式探测模式下, 采用开放光程傅里叶变换红外光谱法观察到葡萄变质挥发物一些明显的光谱特征, 表1列出了其中主要的挥发物及对应的特征波数, 包括乙酸乙酯、 乙醇、 二氧化碳和水。 由于水和二氧化碳同时也存在于新鲜葡萄的挥发物中, 不属于变质过程中形成的新物质, 因此我们不作为变质阶段的特征物质进行分析。

表1 葡萄主要挥发物的红外光谱特征[17] Table 1 FTIR spectra characteristics of major volatiles from grape[17]

图2(a)和(b)分别是第1、 9两天的新鲜空气和葡萄挥发物的开放光程红外光谱图(1 300~1 000 cm-1)。 可以看出第1天的红外光谱没有明显的特征吸收, 第9天出现明显的光谱吸收带, 说明在变质过程中出现了新的物质。 对比NIST数据库及我们以前的研究, 确定1 300~1 140和1 150~950 cm-1两个吸收带分别对应乙酸乙酯和乙醇。 此外, 已有研究表明: 葡萄变质过程中, 挥发物的主要成分是醇和脂类[17]。 实验结果符合这个结论。

图2 葡萄挥发物和空气的红外吸收光谱
(a): 第1天; (b): 第9天
Fig.2 The infrared absorption spectra of the volatiles of grapes and air
(a) on the first day; (b) on the ninth day

在传统傅里叶变换红外光谱的实验中, 我们已经证明: 随着葡萄变质, 挥发物浓度逐渐增加。 因此, 我们要进一步验证用开放光程是否也能监测条件下这一规律。 由比尔朗博定律可知, 在光程一定的情况下, 吸光度与气体浓度成正比。 吸光度一般有两种计算方法: 峰高法和峰面积法。 在本实验中光程固定, 所以我们通过计算红外光谱中吸收峰的峰面积来建立挥发物浓度变化的关系。 图3是挥发物质吸收峰峰面积随着变质过程变化的柱状图, 它表明了挥发物浓度在整个过程中的变化情况。 从图中我们可以看出, 前5天中酒精和乙酸乙酯浓度几乎没有变化, 在5-8天逐渐增加, 挥发物浓度在第8天达到最高, 在第9天开始减少, 这可能是由于在第9天时, 葡萄中的含水量已经减少到一定程度, 造成了挥发物质的减少。

图3 葡萄挥发物红外光谱吸收峰面积的变化规律Fig.3 Variation of infrared spectral absorption peak area of grape volatiles

2.2 主动探测模式下的葡萄变质识别方法

实验证明, 在开放光程的条件下, 葡萄储藏过程中挥发物浓度也是逐渐增加的。 根据这一事实, 我们认为可以通过挥发物的浓度, 也即其对应的红外光谱特征来区分葡萄变质的状态。 我们对不同新鲜度葡萄的红外光谱进行PCA分析, 将葡萄劣变程度分为三个级别: 新鲜、 轻度变质和重度变质。 PCA分析之前我们进行了光谱基线校正和13点平滑。 主成分数设为4, 光谱分析范围设置为1 300~1 000 cm-1, 包括乙醇和乙酸乙酯。 结果如图4所示, 大多数样本均被识别, 其中第一主成分对方差的贡献率为80%, 第二主成分对方差的贡献率为8%。 以上分析表明, 在开放光程的条件下, 对不同变质情况葡萄的红外光谱进行分析, 能较好的将样品分类。 因此在主动式开放光程的模式下, 可以通过挥发物的傅里叶变换红外光谱监测葡萄变质。

图4 不同新鲜度葡萄挥发物的红外光谱PCA结果Fig.4 The PCA result of infrared spectra of different freshness grape volatiles

2.3 主动探测模式下, 光谱图直接分析葡萄变质

上述结论证明了可以在远距离的情况下, 利用开放光程红外光谱系统对葡萄变质进行探测, 但要预先测量背景, 这给实际应用带来了不便。 我们进一步分析可否直接通过原始光谱对葡萄变质进行分析。 图5是葡萄变质挥发物的原始光谱图。 可以看到, 在原始谱中存在光谱强度减弱的凹陷区, 对比吸收谱发现, 该区域的范围和吸收光谱中吸收特征带的范围相一致, 结合表1, 说明在原始光谱中的这种光谱特征是由同种物质产生的, 引起凹陷的物质就是乙醇和乙酸乙酯, 所以我们认为可以通过葡萄变质的原始光谱直接定性分析挥发物。 根据这几处光谱特征的强度变化, 甚至可能通过原始光谱直接进行定量分析以及变化规律的分析, 这将进一步的研究。

图5 葡萄挥发物的原始光谱Fig.5 Original spectra of grape volatiles

2.4 被动探测葡萄挥发物

如图1(b), 不依赖于稳定光源, 我们也尝试了在被动模式下探测葡萄挥发物。 但由于噪声覆盖了整个吸收带, 整个光谱范围内没有出现明显的吸收特征峰, 所以无法判别挥发物种类。 我们尝试计算差谱、 比谱后, 均未发现吸收特征峰。 我们推测通过使用一些优化手段能够监测到信号。 首先, 可以使用较高的激光源的辐射能量来增强要检测的信号。 其次, 可以改变葡萄样品的布局以获得更长的光路。

3 结 论

使用开放式傅里叶变换红外光谱法对葡萄储藏过程中的变质挥发物进行监测。 通过挥发物的红外光谱特征定性分析挥发物的种类, 说明其产生的主要挥发物是乙醇和乙酸乙酯。 又分析了葡萄挥发物的变化规律, 证明挥发物浓度在储藏过程中逐渐增加。 进一步, 我们对不同新鲜度葡萄的光谱特征进行PCA分析, 成功鉴别了不同变质阶段的葡萄果实。 最后, 我们直接在原始光谱上定性分析挥发物, 成功找出其红外光谱特征。 这些都证明可以使用开放光程傅里叶变换红外光谱法监测葡萄变质挥发物。 该研究为监测果实变质提供了一种更加便捷和安全的监测手段, 其非接触式, 远距离的优点能够在一些复杂或危险的场合中代替传统的红外光谱法, 也为后续开发便携式监测设备奠定了基础。

The authors have declared that no competing interests exist.

参考文献
[1] Hui Y H. Hand book of Fruit and Vegetable Flavors. New Jersey: John Wiley & Sons, 2010. 171. [本文引用:2]
[2] Goff S A, Klee H J. Science, 2006, 311(5762): 815. [本文引用:1]
[3] Nardini G S, Merib J O, Dias A N, et al. Microchemical Journal, 2013, 109(7): 128. [本文引用:1]
[4] Steingass C B, Grauwet T, Carle R. Food Chemistry, 2014, 150(2): 382. [本文引用:1]
[5] ZHENG Hua, ZHANG Hong, GAN Jin, et al(郑华, 张弘, 甘瑾, ). Food Science(食品科学), 2010, 31(6): 141. [本文引用:1]
[6] Li C Y, Krewer G W, Ji P S, et al. Postharvest Biology and Technology, 2010, 55(3): 144. [本文引用:1]
[7] Papadopoulou O S, Tassou C C, Schiavo L, et al. Procedia Food Science, 2011, 1: 2003. [本文引用:1]
[8] Hui G H, Wu Y L, Ye D D, et al. Food Control, 2012, 28(1): 25. [本文引用:1]
[9] HUI Guo-hua, LI Peng, WU Yu-ling, et al(惠国华, 厉鹏, 吴玉玲, ). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2012, 28(6): 264. [本文引用:1]
[10] Griffiths P, De Haseth J A. Fourier Transform Infrared Spectrometry. New Jersey: John Wiley & Sons, 2007. [本文引用:1]
[11] Harren F J M, Cristescu S M. AoB Plants, 2013, 5(8): Plt003. [本文引用:1]
[12] ZHENG Wen-gang, JIAO Lei-zi, ZHAO Xian-de, et al(郑文刚, 矫雷子, 赵贤德, ). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2016, 36(6): 1645. [本文引用:1]
[13] Dong D, Zhao C, Zheng W, et al. Scientific Reports, 2013, 3(1): 2585. [本文引用:1]
[14] Zhang Bingke, Ye Song, Xiao Guangdong, et al. Analytical Methods, 2015, 7(14): 5891. [本文引用:1]
[15] Akagi S K, Burling I R, Mendoza A, et al. Atmospheric Chemistry and Physics, 2014, 14(1): 199. [本文引用:1]
[16] Burling I R, Yokelson R J, Griffith D W T, et al. Atmospheric Chemistry and Physics, 2010, 10(22): 11115. [本文引用:1]
[17] Dong D, Zheng W, Wang W, et al. Analyst, 2014, 139(19): 5028. [本文引用:1]