夜雨聆风本文研制一套配套专用软件的可见 - 近红外光谱检测系统，可对受硝酸盐污染的蔬菜（菠菜、黄瓜）开展快速无损检测。该系统由两大核心模块组成：一是光谱采集单元，用于获取蔬菜样品的可见 - 近红外光谱；二是分析模型，包括样品硝酸盐含量预测模型，以及依据硝酸盐限量标准区分合格与超标蔬菜的判别模型。研究针对不同蔬菜品类，结合上述模型开发了可视化人机交互软件，操作简便。该软件可在线完成光谱数据读取、预处理与分析，并快速输出检测结果。系统性能测试结果显示：用于未知菠菜样品筛查时，检测效果优异，准确率 92.31%、灵敏度 100%；硝酸盐含量预测效果良好，预测相关系数rp=0.75，预测标准误差SEP=685.45，相对分析误差RPD=1.52。应用于未知黄瓜样品筛查时，系统性能达标，准确率 72.22%、灵敏度 76.74%；硝酸盐含量预测表现较佳，rp=0.87，SEP=60.92，RPD=2.07。综上，该检测系统成本低廉、操作快速且无需破坏样品，适用于蔬菜硝酸盐污染的现场初筛工作。
一、引言
氮是植物生长必需的营养元素，参与蛋白质合成与叶绿素生成。植株缺氮时叶片发黄、生长迟缓；氮素过量则会导致叶色浓绿、茎叶徒长。植物主要以硝酸根离子的形式吸收氮元素。
蔬菜是人体摄入硝酸盐的主要来源。硝酸盐进入人体后会转化为亚硝酸盐与亚硝酸，二者结合一级、二级胺可生成亚硝胺，这类物质已被证实会危害人体健康。近年来氮肥过度施用，造成蔬菜中硝酸盐不断累积。由于硝酸盐超标会带来健康风险，因此对蔬菜硝酸盐含量开展监测十分必要。
世界卫生组织（WHO）规定，硝酸盐每日可耐受摄入量为3.7 mg/kg 体重。长期大量食用高硝酸盐蔬菜，摄入量一旦超标，易引发高铁血红蛋白症；同时体内生成的 N - 亚硝基化合物还会提升患癌风险。
传统实验室硝酸盐检测方法存在破坏性取样、成本高、耗时长、操作复杂等问题，亟需研发低成本、快速、无损的蔬菜硝酸盐检测技术。近几十年来，可见 - 近红外光谱技术已被证实可有效用于各类蔬菜品质检测，也能实现菠菜、小松菜、生菜、萝卜、黄瓜等蔬菜硝酸盐含量的快速测定。
本研究在前人工作基础上，研发一套集成式可见 - 近红外光谱检测系统，并配套简易专用软件，实现常见叶菜与瓜果蔬菜（菠菜、黄瓜）硝酸盐含量无损检测及超标样品快速筛查。
二、材料与方法
2.1 光谱采集单元
光谱采集单元用于获取蔬菜样品的可见 - 近红外光谱，主要由美国 StellarNet 公司的微型可见 - 近红外光谱仪（GW–VIS）、微型卤钨灯光源（LS1–Filter）以及光纤（R600–8–VisNIR）组成，设备参数详见表 1。
表1 所选光谱设备主要参数
该光谱仪功耗低、使用寿命长，可通过 USB2.0 接口连接笔记本电脑使用；光源使用寿命可达 10000 小时。光谱仪与光源集成于尺寸280×115×80 mm的设备壳体中，便携性良好，壳体可保证内部设备正常通风。设备内部留有充足空间，用于布设隔热材料以及为光源供电的 12 V 电池；光谱仪、光源与光纤之间通过 SMA-950 接口连接。
深圳市富临神通科技有限公司是StellarNet Inc中国代理商，我们为客户提供：拉曼探针、拉曼光谱仪。
2.2 硝酸盐检测模型与超标判别模型构建
本系统核心为两类模型：一是蔬菜硝酸盐含量预测模型，二是依据世界卫生组织（WHO）及伊朗国家标准局（INSO）硝酸盐限量标准建立的蔬菜超标判别模型。
基于漫反射模式采集菠菜、黄瓜样品的可见 - 近红外光谱，结合光谱预处理结果与样品硝酸盐标准检测数据完成模型搭建。经性能验证后，筛选最优预测模型与判别模型，用于系统软件开发，建模流程见图 1。
图1 蔬菜硝酸盐含量检测及超标判别最优模型的构建与筛选流程
试验样品分别采自伊朗厄尔布尔士省与德黑兰省卡拉季市、德黑兰西部的多家农贸市场，分多批次采购。试验共使用360 份菠菜样品（根据叶片大小，每份含 1~3 片叶片）、300 份黄瓜样品（包含露地黄瓜与温室黄瓜两类）；另选取 30 份两类蔬菜样品测定含水率。所有样品密封于塑料袋中，置于 3 ℃环境冷藏保存，试验前取出恢复至室温。完成光谱采集后，采用实验室标准方法测定样品硝酸盐含量。
采用光谱采集单元，以漫反射模式在 450~1000 nm 波段范围内，对样品多点采集光谱，取单样品多点光谱平均值作为该样品的特征光谱。剔除异常光谱后，最终有效光谱数据为：菠菜 323 组、黄瓜 264 组。
将光谱转换为吸光度值（log(1/R)），按约 8:2 比例随机划分为校正集与外部验证集；再采用萨维茨基 - 戈莱（SG）算法，依次进行均值归一化、一阶导数、二阶导数预处理。光谱采集与预处理分别使用美国 StellarNet 公司的 SpectraWiz 软件、挪威 CAMO 公司的 Unscrambler X10.4 软件完成（专用系统软件开发前）。
样品硝酸盐含量（单位：mg NO3/kg）参照国际标准 6635，在伊朗化工研究院化学分析中心完成检测。样品硝酸盐含量统计结果见表 2：菠菜硝酸盐含量区间为 0~5215 mg/kg，黄瓜为 2~692 mg/kg。
表2 菠菜与黄瓜样品的硝酸盐含量分布情况
按照标准限值划分等级：菠菜硝酸盐含量≤2000 mg/kg 为合格样品，＞2000 mg/kg 为超标样品（同时遵循 WHO 与 INSO 标准）；依据 WHO 标准，黄瓜硝酸盐≤150 mg/kg 为合格，＞150 mg/kg 为超标；依据 INSO 标准，黄瓜硝酸盐≤90 mg/kg 为合格，＞90 mg/kg 为超标。
基于预处理后的光谱数据与标准检测值，采用偏最小二乘（PLS）算法结合20 段随机交叉验证，构建菠菜、黄瓜硝酸盐含量校正模型。分段数设置为 20 可近似实现留一法全交叉验证，模型稳定性更强，也是化学计量学领域的通用做法。
模型评价指标包括：校正相关系数、校正标准误差、交叉验证相关系数、交叉验证标准误差。利用预测相关系数、预测标准误差、相对分析误差，评估模型对未知样品的预测能力，最终筛选最优硝酸盐预测模型嵌入系统软件。
以硝酸盐限量为依据，基于主成分分析 - 判别分析（PCA-DA），分别采用线性、二次、马氏距离三种算法构建分类模型，区分合格与超标样品。通过混淆矩阵评价分类模型性能，评价指标包括灵敏度、特异度、准确率。
指标释义：真阳性（TP）= 超标样品被正确判定为超标；真阴性（TN）= 合格样品被正确判定为合格；假阳性（FP）= 合格样品被误判为超标；假阴性（FN）= 超标样品被误判为合格。最终优选判别模型集成至系统软件。
2.3 软件设计与开发
基于筛选后的检测模型，开发操作简便的图形用户界面软件。软件可读取、显示光谱数据，根据蔬菜种类匹配对应算法完成光谱预处理，同时快速输出检测结果，包含样品是否超标、硝酸盐预测含量。
软件设计遵循以下原则：操作简单、响应迅速、结果重现性好；支持替换现有模型、新增其他蔬菜检测模型。
软件与微型光谱仪通过动态链接库（DLL）实现通信，调用动态链接库可实时采集样品光谱、调整光谱参数。本软件基于.NET 框架，使用 C语言在微软 Visual Studio 平台（Windows 窗体）开发。光谱采集的同时，软件可实时读取光谱、调用模型分析，输出硝酸盐含量及筛查结果。
三、结果与讨论
图 1 为样品光谱曲线。菠菜与黄瓜样品可见光区域的吸收特征由天然色素决定；所有样品光谱在 670~680 nm 处均出现强吸收峰，对应叶绿素 a 的特征吸收，与已有文献报道一致。已有研究表明，蔬菜硝酸盐总量与叶绿素含量存在显著相关性。
样品近红外区域吸光度整体呈上升趋势，主要由 N-H、O-H 官能团二级倍频以及 N-O 键高次倍频吸收所致。黄瓜样品该波段吸光度高于菠菜，原因是黄瓜含水率更高（黄瓜平均含水率 95.07%，标准差 0.82；菠菜平均含水率 92.43%，标准差 3.49）。
有文献指出，黄瓜果皮硝酸盐含量约为果肉的三倍，因此可见 - 近红外光谱技术无需深入穿透样品，即可实现黄瓜硝酸盐无损检测，适用性良好。
表 3 为偏最小二乘模型校正集、交叉验证集、预测集的相关系数热力图。
表3 蔬菜硝酸盐含量偏最小二乘预测模型相关系数热力图
四、结论
本研究研制出一套 450~1000 nm 波段的便携式可见 - 近红外光谱检测系统，并配套专用软件，可快速、无损检测蔬菜硝酸盐含量并判定样品是否超标。
性能测试结果表明：系统对叶菜类（菠菜）筛查效果优异，灵敏度 100%、准确率 92.31%；对瓜果类（黄瓜）筛查效果达标，灵敏度 74.76%、准确率 72.22%。传统实验室方法在多次检测、高浓度样品检测中同样存在误差，综合来看，本系统适用于菠菜、黄瓜的现场快速无损初筛。
相较于高效液相色谱（HPLC）等传统硝酸盐检测方法，本光谱模型线性度略低，这也是复杂基质下化学计量学模型的共性问题。该方法检出限为 0.44 mg/kg，定量限为 1.46 mg/kg，指标与传统标准方法处于同一水平。该检测手段无需化学试剂、检测快速且不破坏样品，即便模型线性度稍有不足，仍是蔬菜硝酸盐筛查的高效替代方案。
系统软件支持模型替换，后续可利用更多样本数据、人工智能算法优化模型，提升泛化能力。该便携式设备可依据国际、国内标准完成蔬菜硝酸盐无损初筛，有效降低农产品安全检测的成本与时间成本。
后续研究将进一步优化设备便携性，提升软件内嵌模型的稳定性；同时计划融合物联网技术，将实时硝酸盐检测数据、安全判定信息对接农田管理系统，实现自动化管控。
深圳市富临神通科技有限公司是StellarNet Inc中国代理商，采购拉曼探针、拉曼光谱仪，请立即联系我们。
