全 文 ：第３　４卷，第２期　 　　　　　　　　　　　光 谱 学 与 光 谱 分 析 Ｖｏｌ．３４，Ｎｏ．２，ｐｐ３５０－３５３
２　０　１　４年２月　　　　　　　　　　　 　Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ　 Ｆｅｂｒｕａｒｙ，２０１４ 　
近红外光纤光谱技术检测西红柿果浆总酸及可溶性糖的研究
张丙芳１，２，苑立波１＊，张丙秀３
１．哈尔滨工程大学理学院，黑龙江 哈尔滨　１５０００１
２．东北农业大学理学院，黑龙江 哈尔滨　１５００３０
３．东北农业大学园艺学院，黑龙江 哈尔滨　１５００３０
摘　要　为了探索一种简捷、快速、高效的西红柿品质检测方法，应用近红外光谱技术与光纤传感技术相结
合的新方法，快速测量西红柿果浆样品中营养成分的含量。实验所用的主要仪器为近红外光纤光谱仪，波长
范围为９００～２　５００ｎｍ。以１６４个西红柿样品为标准样品，进行了光谱采集及相应的化学值测定。实验数据
采用偏最小二乘法（ＰＬＳ）进行回归，建立西红柿果浆中总酸及可溶性糖含量的数学模型，并对回归方法进行
统计分析。结果为：西红柿果浆中总酸验证集的决定系数（Ｒ２）为０．９６７，均方根误差（ＲＭＳＥＣ）为０．１３３，预
测均方根误差（ＲＭＳＥＰ）为０．１０３；总糖验证集的决定系数（Ｒ２）为０．９７６，均方根误差（ＲＭＳＥＣ）为０．４６３，预
测均方根误差（ＲＭＳＥＰ）为０．４６０。均达到了较好的预测结果，表明该方法对定量分析西红柿果浆中多组分
含量是可行的。基于该方法快速、简便及可对同一样品多组分含量同时分析的优点，它是一种极具发展前途
的传感器，正在逐渐成为国际传感器领域的研究热点。
关键词　近红外光谱学；西红柿；总酸；可溶性糖；偏最小二乘法（ＰＬＳ）
中图分类号：Ｓ１２３　　文献标识码：Ａ　　　ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３（２０１４）０２－０３５０－０４
　收稿日期：２０１３－０４－０２，修订日期：２０１３－０７－２１
　基金项目：国家自然科学基金项目（６１２９０３１４，１１２７４０７７），教育部（１１１）计划项目（（Ｂ１３０１５）），科技部国际合作项目（２０１０ＤＦＡ－２７７０）和东
北农业大学科学研究基金项目资助
　作者简介：张丙芳，女，１９７９年生，哈尔滨工程大学理学院讲师　　ｅ－ｍａｉｌ：ｈｌｊｚｂｆ＠１６３．ｃｏｍ
＊通讯联系人　　ｅ－ｍａｉｌ：ｌｂｙｕａｎ＠ｖｉｐ．ｓｉｎａ．ｃｏｍ
引　言
　　农产品品质的判定及检测一直是农产品加工研究的重要
方向。现在的人们越来越重视产品品质，在选购农产品时除
了注重形状、颜色等直观品质之外，对于其口感、维生素含
量等也是极为关注，而西红柿的口感等品质主要取决于其酸
度和糖度。研究简捷、快速、高效的西红柿品质检测方法是
西红柿分级的重要前提。
近红外光谱分析技术作为一类新型的定性、定量分析技
术，具有快速、简便、无损、绿色环保、多组分瞬间分析等优
点，现已广泛应用于农业、食品、医药、石油等行业［１－５］。
近几年来近红外光谱在水果的品质检测方面已被广泛研
究，主要的检测对象有苹果、梨、杨梅、桃子、柑桔类、草
莓、黑加仑等品种，检测方式主要以漫反射和透射光谱检测
为主［６－９］。
本工作是将光纤技术和近红外光谱分析技术巧妙的结合
在一起，利用光纤做为测样探头，对西红柿果浆样品进行测
量，建立西红柿果浆总酸、可溶性糖近红外定量分析的数学
模型。以总酸、可溶性糖两种营养成分含量为考察指标，探
究一种简捷、快速、高效的检测方法，对西红柿优良品种的
选育推广具有较大现实意义和理论价值。该方法既保留了近
红外光谱分析技术快速、简便的优点，同时通过光纤探头，
可以实现远距离在线实时监测和定位分析，也可在恶劣、危
险的环境中采样分析，它是一种极具发展前途的传感器，正
在逐渐成为国际传感器领域的研究热点。
１　实验部分
１．１　仪器
实验所用主要设备为近红外光纤光谱仪（Ｏｃｅａｎ　Ｏｐｔｉｃｓ，
Ｉｎｃ．，ＮＩＲＱＵＥＳＴ　２５６　２．５），测量溶液的吸光度。所用其他
仪器：光纤（６００μｍ）；卤钨灯（广州标旗有限责任公司，ＬＳ－
３０００）；１－ｃｍ比色皿支架；ＨＷＳ２４型数显恒温水浴锅（上海
一恒科技有限公司）；ＢＳＡ２２４Ｓ－ＣＷ型电子精密天平（塞多利
斯科学仪器（北京）有限公司）；ＴＧＬ－１６Ｇ低速离心机（上海
安亭科学仪器厂）；Ｔ６紫外－可见分光光度计（北京普析通用
科技有限公司）。
１．２　材料与试剂
实验用西红柿均为超市中购买，共选取１６９个样品；实
验用试剂：酚酞、乙醇、氢氧化钠、邻苯二甲酸氢钾、蒽酮、
乙酸乙酯、浓硫酸、蔗糖均为分析纯；实验用水为蒸馏水。
１．３　方法
１．３．１　近红外光谱采集
实验装置如图１所示，探测器为美国海洋公司生产的
ＮＩＲＱＵＥＳＴ　２５６　２．５近红外光纤光谱仪，波长范围９００～
２　５００ｎｍ，采样软件为ＳｐｅｃｔｒａＳｕｉｔｅ。光源为卤钨灯，波长范
围３６０～２　０００ｎｍ，两根多模光纤（６００μｍ）连接光源和光谱
仪与支架，其中光纤与光源、光谱仪的耦合都采用ＳＭＡ９０５
标准接口。在１－ｃｍ支架上固定有两个准直器（７４－ＵＶ），对光
线进行准直和聚焦。
Ｆｉｇ．１　Ｓｃｈｅｍａｔｉｃ　ｄｉａｇｒａｍ　ｏｆ　ＮＩＲ　ｓｐｅｃｔｒｏｓｃｏｐｉｃ　ｓｙｓｔｅｍ
　　将１６９个西红柿样品依次编号，用打浆机打成浆状，再
用纱布进行过滤。将未经任何化学处理的西红柿果浆放入光
程为１－ｃｍ的比色皿中，在光纤光谱仪上直接进行光谱测定。
测量西红柿果浆的吸光度，测得的近红外光谱如图２所示，
横坐标为波长，波长范围９００～１　５００ｎｍ，纵坐标为果浆吸
光度。所得光谱数据以文本的形式存入计算机内。以空比色
皿作为参考。积分时间为５ｓ，平均次数为５次，平滑度为
１０。实验在２０℃下进行。
Ｆｉｇ．２　Ｒａｗ　ＮＩＲ　ｓｐｅｃｔｒａ　ｏｆ　ｔｏｍａｔｏ　ｊｕｉｃｅ
ｓａｍｐｌｅｓ　ｉｎ　ｔｈｅ　ｃａｌｉｂｒａｔｉｏｎ　ｓｅｔ
１．３．２　样品总酸和可溶性糖含量的化学测定方法
测定光谱同时，用化学方法测出每一个样品总酸、可溶
性糖含量。总酸采用 ＮａＯＨ 滴定法（ＧＢ／Ｔ１２４５６－９０），以苹
果酸计；可溶性糖采用蒽酮比色法［１０］。所有样品的特征分布
如表１所示。
Ｔａｂｌｅ　１　Ｓｕｍｍａｒｙ　ｏｆ　ｔｈｅ　ｖａｒｉａｔｉｏｎ　ｒａｎｇｅｓ　ｏｆ　ｔｏｔａｌ
ａｃｉｄ　ａｎｄ　ｓｏｌｕｂｌｅ　ｓｕｇａｒ　ｃｏｎｔｅｎｔ
样品集 总酸／（ｍｇ·ｍＬ－１） 可溶性糖／（ｍｇ·ｍＬ－１）
校正集 １．１１～４．６９　 １１．４８～２８．２５
预测集 １．２７～３．７８　 １２．４７～２４．７５
２　结果与讨论
２．１　异常样品的剔除和样品集的划分
利用ｔｈｅ　ｕｎｓｃｒａｍｂｌｅｒ　９．７软件对所有样品建立近红外分
析数学模型，再对参与建模的样品进行预测。若某样品预测
误差明显偏大，则认为该样品为异常样品。我们分别建立
１６９份西红柿果浆样品中总酸和可溶性糖含量的近红外分析
数学模型，之后利用该模型对每个样品进行预测。结果在总
酸含量的预测中，有２个样本被判定为异常样品予以剔除；
在可溶性糖含量的预测中，有３个样本被判定为异常样品也
予以了剔除，剩余的１６４份西红柿果浆样品参与建模和验
证。
将剩余的合格西红柿果浆样品随机分为两组，一组作为
校正集，用以建立果浆中总酸和可溶性糖含量的近红外分析
数学模型；一组为验证集，用以检验所建模型的稳健性。校
正集为１３２个样品，验证集为３２个样品。
２．２　光谱数据预处理
采集光谱时，会伴有高频随机噪声、样品颗粒大小和光
散射等噪声，需要进行光谱预处理来消除噪声［１１］。实验采用
多元散射校正和标准归一化对原始光谱进行校正，来消除噪
声信息。
２．３　波段选择
西红柿果浆属于复杂体系，不可避免地包含了干扰成
分，为了提高模型的稳健性，使模型具有更好的预测性能，
通常采用的方法就是进行变量选择。采用间隔偏最小二乘回
归（ｉＰＬＳ）方法对近红外光谱数据进行波段选择。将全谱划分
为１０个相同间隔的波段（每个光谱有１０１个波长点，每段１０
个波长点），然后在每个波段上对所有样品总酸和可溶性糖
的含量建立一个ＰＬＳ模型，计算每个模型的交叉验证均方残
差（ＲＭＳＥＣＶ），选择ＲＭＳＥＣＶ比较小的区间参与建模，就
可以得到样品总酸和可溶性糖含量的最佳模型。经ｉＰＬＳ选
择总酸的特征波段为８６７～９２６，９３３～９９１，１　０６２～１　１１９，
１　１２６～１　１８２，１　２５１～１　３０７和１　３１３～１　３６９ｎｍ，共６０个波
长点；可溶性糖的特征波段为８６７～９２６，９３３～９９１，９９８～
１　０５６，１　０６２～１　１１９，１　１８９～１　２４５，１　２５１～１　３０７和１　３１３～
１　３６９ｎｍ，共７０个波长点。
２．４　模型与预测
实验利用ｔｈｅ　ｕｎｓｃｒａｍｂｌｅｒ　９．７软件，将１３２份校正集样
品中总酸、可溶性糖含量与近红外光谱吸收值之间分别进行
１５３第２期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析
ＰＬＳ统计回归，建立校正模型，然后用３２份验证集样品对该
模型进行验证，考察其预测结果与化学值的一致性。模型优
劣以校正集决定系数Ｒ２、均方根误差（ＲＭＳＥＣ）、验证集决
定系数Ｒ２、验证均方根误差（ＲＭＳＥＰ）来评价，Ｒ２ 越大，
ＲＭＳＥＣ和ＲＭＳＥＰ越小说明模型准确性越好，计算结果如
表２所示。
Ｔａｂｌｅ　２　Ｐｒｅｄｉｃｔｉｏｎ　ｒｅｓｕｌｔｓ　ｂａｓｅｄ　ｏｎ　ＰＬＳ　ｒｅｇｒｅｓｓｉｏｎ
回归方法
校正集
决定系数
验证集
决定系数
均方根
误差
验证均方
根误差
总酸ＰＬＳ　 ０．９５９　 ０．９６７　 ０．１３３　 ０．１０３
可溶性糖ＰＬＳ　 ０．９７９　 ０．９７６　 ０．４６３　 ０．４６０
　　由表２可以看出，总酸和可溶性糖模型ＰＬＳ算法的校正
集决定系数（Ｒ２）分别为０．９５９和０．９７９，验证集决定系数分
别为０．９６７和０．９７６，都大于０．８，均方根误差（ＲＭＳＥＣ）和
预测均方根误差（ＲＭＳＥＰ）都较小，均符合模型应用要求，所
以本实验采用偏最小二乘法（ＰＬＳ）回归。
Ｆｉｇ．３　Ｍｅａｓｕｒｅｄ　ｖａｌｕｅ　ｖｅｒｓｕｓ　ＮＩＲ　ｐｒｅｄｉｃｔｉｏｎ
ｆｏｒ　ｔｈｅ　ｃｏｎｔｅｎｔ　ｏｆ　ｔｏｔａｌ　ａｃｉｄ
　　３２份验证集中总酸和可溶性糖的含量与光谱预测值的
散点图如图３和图４。由表２及散点图可知，近红外对西红
柿果浆样品中总酸和可溶性糖含量的预测值与化学值之间存
在较好的线性关系，相关性显著，表明该方法对定量分析西
红柿果浆中多组分含量是可行的。
Ｆｉｇ．４　Ｍｅａｓｕｒｅｄ　ｖａｌｕｅ　ｖｅｒｓｕｓ　ＮＩＲ　ｐｒｅｄｉｃｔｉｏｎ
ｆｏｒ　ｔｈｅ　ｃｏｎｔｅｎｔ　ｏｆ　ｓｏｌｕｂｌｅ　ｓｕｇａｒ
３　结　论
　　实验初步证明利用近红外光谱技术与光纤传感技术相结
合的新方法来快速测量西红柿果浆样品中营养成分的含量是
可行的。该方法可以同时对两种以上组分进行检测分析，节
省了大量的检测时间，与色谱法等方法相比大大提高了检测
效率，因此具有广阔的应用前景，在未来农产品检测中将占
有重要地位。
此方法是建立在模型的稳定性和适应性之上的，在国内
研究较少，处于初步摸索阶段。在后续的研究中必须进行大
量的精确化学指标采集，以保证模型的稳定性和准确性，并
继续深入优化实验方法和分析方法。
Ｒｅｆｅｒｅｎｃｅｓ
［１］　Ｗａｎｇ　Ｄ，Ｒａｍ　Ｍ　Ｓ，Ｄｏｗｅｌ　Ｆ　Ｅ．Ｔｒａｎｓ．ＡＳＡＥ，２００２，４５：１９４３．
［２］　Ｎｉ　Ｙｏｎｇｎｉａｎ，Ｍｅｉ　Ｍｉｎｇｈｕａ，Ｓｅｒｇｅ　Ｋｏｋｏｔ．Ｃｈｅｍｏｍｅｔｒｉｃｓ　ａｎｄ　Ｉｎｔｅｌｉｇｅｎｔ　Ｌａｂｏｒａｔｏｒｙ　Ｓｙｓｔｅｍｓ，２０１１，１０５：１４７．
［３］　Ｙｕ　Ｈ　Ｙ，Ｎｉｕ　Ｘ　Ｙ，Ｌｉｎ　Ｈ　Ｊ，ｅｔ　ａｌ．Ｆｏｏｄ　Ｃｈｅｍｉｓｔｒｙ，２００９，１１３：２９１．
［４］　Ａｄｅｒｖａｌ　Ｓ　Ｌｕｎａａ，Ａｒｎａｌｄｏ　Ｐ　ｄａ　Ｓｉｌｖａａ，Ｊéｓｓｉｃａ　Ｓ　Ａ．Ｐｉｎｈｏａ，Ｓｐｅｃｔｒｏｃｈｉｍｉｃａ　Ａｃｔａ　Ｐａｒｔ　Ａ，２０１３，１００：１１５．
［５］　Ｂｏｒｇｅｓ　Ｇ　Ｂ　Ｃ，Ｒｏｈｗｅｄｄｅｒ　Ｊ　Ｊ　Ｒ，Ｂｏｒｔｏｎｉ，Ｅ　Ｃ．ＡＡＳＲＩ　Ｐｒｏｃｅｄｉａ，２０１２，２：５６．
［６］　Ｌｉ　Ｊｉａｎｇｂｏ，Ｈｕａｎｇ　Ｗｅｎｑｉａｎ，Ｚｈａｏ　Ｃｈｕｎｊｉａｎｇ．Ｆｏｏｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１３，１１６：３２４．
［７］　Ｆａｎ　Ｇｕｏｑｉａｎｇ，Ｚｈａ　Ｊｉａｎｗｅｎ，Ｄｕ　Ｒａｎ．Ｆｏｏｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００９，９３：４１６．
［８］　Ｓｌａｕｇｈｔｅｒ　Ｄ　Ｃ，Ｃｒｉｓｏｓｔｏ　Ｃ　Ｈ，Ｔｉｗａｒｉ　Ｇ．Ｆｏｏｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１３，１１６：９２０．
［９］　Ｎｉｃｏｌｅｔｔａ　Ｓｉｎｅｌｉ，Ｅｒｎｅｓｔｉｎａ　Ｃａｓｉｒａｇｈｉ，Ｓｔｅｆａｎｉａ　Ｂａｒｚａｇｈｉ．Ｆｏｏｄ　Ｒｅｓｅａｒｃｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ，２０１１，４４：１４２７．
［１０］　ＷＡＮＧ　Ｘｕｅ－ｋｕｉ（王学奎）．Ｐｌａｎｔ　Ｐｈｙｓｉｏｌｏｇｉｃａｌ　ａｎｄ　Ｂｉｏｃｈｅｍｉｃａｌ　Ｅｘｐｅｒｉｍｅｎｔ　Ｐｒｉｎｃｉｐｌｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ（植物生理生化实验原理和技术）．
Ｂｅｉｊｉｎｇ：Ｈｉｇｈｅｒ　Ｅｄｕｃａｔｉｏｎ　Ｐｒｅｓｓ（北京：高等教育出版社），２００６．５．
［１１］　ＣＨＵ　Ｘｉａｏ－ｌｉ，ＹＵＡＮ　Ｈｏｎｇ－ｆｕ，ＬＵ　Ｗａｎ－ｚｈｅｎ（褚小立，袁洪福，陆婉珍）．Ｐｒｏｇｒｅｓｓ　ｉｎ　Ｃｈｅｍｉｓｔｒｙ（化学进展），２００４，１６（４）：５２８．
２５３ 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第３４卷
Ｓｔｕｄｙ　ｏｎ　Ｐｒｅｄｉｃｔｉｎｇ　Ｔｏｔａｌ　Ａｃｉｄ　Ｃｏｎｔｅｎｔ　ａｎｄ　Ｓｏｌｕｂｌｅ　Ｓｕｇａｒ　ｏｆ　Ｔｏｍａｔｏ　Ｊｕｉｃｅ
ｂｙ　Ｎｅａｒ　Ｉｎｆｒａｒｅｄ　Ｏｐｔｉｃａｌ　Ｆｉｂｅｒ　Ｓｐｅｃｔｒｏｍｅｔｅｒ　Ｔｅｃｈｎｉｑｕｅ
ＺＨＡＮＧ　Ｂｉｎｇ－ｆａｎｇ１，２，ＹＵＡＮ　Ｌｉ－ｂｏ１＊，ＺＨＡＮＧ　Ｂｉｎｇ－ｘｉｕ３
１．Ｃｏｌｅｇｅ　ｏｆ　Ｓｃｉｅｎｃｅ，Ｈａｒｂｉｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　１５０００１，Ｃｈｉｎａ
２．Ｃｏｌｅｇｅ　ｏｆ　Ｓｃｉｅｎｃｅ，Ｎｏｒｔｈｅａｓｔ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　１５００３０，Ｃｈｉｎａ
３．Ｃｏｌｅｇｅ　ｏｆ　Ｈｏｒｔｉｃｕｌｔｕｒｅ，Ｎｏｒｔｈｅａｓｔ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　１５００３０，Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ　Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｅｘｐｌｏｒｅ　ａ　ｓｉｍｐｌｅ，ｒａｐｉｄ　ａｎｄ　ｅｆｆｉｃｉｅｎｔ　ｔｏｍａｔｏ　ｑｕａｌｉｔｙ　ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄ，ｉｎ　ｔｈｅ　ｐｒｅｓｅｎｔ　ｅｘｐｅｒｉｍｅｎｔ　ｎｅａｒ　ｉｎｆｒａ－
ｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　ｏｐｔｉｃａｌ　ｆｉｂｅｒ　ｓｅｎｓｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｗｅｒｅ　ａｐｐｌｉｅｄ　ｔｏ　ｑｕｉｃｋｌｙ　ｍｅａｓｕｒｅ　ｔｈｅ　ｎｕｔｒｉｔｉｏｎ　ｉｎｇｒｅｄｉｅｎｔ　ｃｏｎｔｅｎｔ　ｉｎ　ｔｏｍａｔｏ
ｊｕｉｃｅ　ｓａｍｐｌｅｓ．Ｔｈｅ　ｍａｉｎ　ｉｎｓｔｒｕｍｅｎｔ　ｕｓｅｄ　ｉｎ　ｔｈｉｓ　ｅｘｐｅｒｉｍｅｎｔ　ｗａｓ　ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｏｐｔｉｃａｌ　ｆｉｂｅｒ　ｓｐｅｃｔｒｏｍｅｔｅｒ　ｉｎ　ａ　ｗａｖｅｌｅｎｇｔｈ　ｒａｎｇｅ
ｆｒｏｍ　９００ｔｏ　２　５００ｎｍ，ｗｈｉｃｈ　ｍｅａｓｕｒｅｄ　ｔｈｅ　ａｂｓｏｒｂａｎｃｅ　ｏｆ　ｔｈｅ　ｔｏｍａｔｏ　ｊｕｉｃｅ　ｓａｍｐｌｅｓ；Ａ　ｃｏｌｅｃｔｉｏｎ　ｏｆ　ｏｎｅ　ｈｕｎｄｒｅｄ　ａｎｄ　ｓｉｘｔｙ－ｆｏｕｒ
ｔｏｍａｔｏ　ｊｕｉｃｅ　ｓａｍｐｌｅｓ　ｗｅｒｅ　ｓｅｌｅｃｔｅｄ　ａｓ　ｔｈｅ　ｓｔａｎｄａｒｄ　ｓａｍｐｌｅｓ，ｔｈｅ　ｓｐｅｃｔｒａ　ａｎｄ　ｔｈｅ　ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ｃｈｅｍｉｃａｌ　ｖａｌｕｅ　ｗｅｒｅ　ｍｅａｓｕｒｅｄ．
Ｐａｒｔｉａｌ　ｌｅａｓｔ　ｓｑｕａｒｅｓ（ＰＬＳ）ｗａｓ　ａｄｏｐｔｅｄ　ｔｏ　ｅｓｔａｂｌｉｓｈ　ｔｈｅ　ｍａｔｈｅｍａｔｉｃａｌ　ｍｏｄｅｌ　ｏｆ　ｔｈｅ　ｔｏｔａｌ　ａｃｉｄ　ａｎｄ　ｓｏｌｕｂｌｅ　ｓｕｇａｒ　ｃｏｎｔｅｎｔ　ｉｎ　ｔｏｍａｔｏ
ｊｕｉｃｅ　ｓａｍｐｌｅｓ，ａｎｄ　ｔｈｅ　ｒｅｇｒｅｓｓｉｏｎ　ｅｑｕａｔｉｏｎ　ｗａｓ　ｓｔａｔｉｓｔｉｃａｌｙ　ａｎａｌｙｓｅｄ．Ｔｈｅ　ｔｏｔａｌ　ａｃｉｄ　ｉｎ　ｔｏｍａｔｏ　ｊｕｉｃｅ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｆｉ－
ｃｉｅｎｔ　ｗａｓ　０．９６７，ｃａｌｉｂｒａｔｉｏｎ　ｓｔａｎｄａｒｄ　ｄｅｖｉａｔｉｏｎ（ＲＭＳＥＣ）ｗａｓ　０．１３３，ｓｔａｎｄａｒｄ　ｅｒｒｏｒ　ｏｆ　ｐｒｅｄｉｃｔｉｏｎ（ＲＭＳＥＰ）ｗａｓ　０．１０３；ｔｈｅ
ｓｏｌｕｂｌｅ　ｓｕｇａｒ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔ　ｉｓ　０．９７６，ｃａｌｉｂｒａｔｉｏｎ　ｓｔａｎｄａｒｄ　ｄｅｖｉａｔｉｏｎ（ＲＭＳＥＣ）ｗａｓ　０．４６３，ａｎｄ　ｔｈｅ　ｓｔａｎｄａｒｄ
ｅｒｒｏｒ　ｏｆ　ｐｒｅｄｉｃｔｉｏｎ（ＲＭＳＥＰ）ｗａｓ　０．４６０．Ｔｈｅ　ａｂｏｖｅ　ｄａｔａ　ａｃｈｉｅｖｅｄ　ｂｅｔｔｅｒ　ｆｏｒｅｃａｓｔｉｎｇ　ｒｅｓｕｌｔｓ，ｗｈｉｃｈ　ｓｈｏｗｅｄ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ
ｑｕａｎｔｉｔａｔｉｖｅ　ａｎａｌｙｓｉｓ　ｏｆ　ｔｏｍａｔｏ　ｆｒｕｉｔ　ｍｕｌｔｉｃｏｍｐｏｎｅｎｔ　ｃｏｎｔｅｎｔ　ｗａｓ　ｆｅａｓｉｂｌｅ．Ｔｈｅ　ｍｅｔｈｏｄ　ｉｓ　ｒａｐｉｄ，ｓｉｍｐｌｅ　ａｎｄ　ｃａｎ　ｄｏ　ｍｕｌｔｉｃｏｍｐｏ－
ｎｅｎｔ　ａｎａｌｙｓｉｓ　ｏｎ　ｔｈｅ　ｓａｍｅ　ｓａｍｐｌｅ　ｓｉｍｕｌｔａｎｅｏｕｓｌｙ．Ｉｔ　ｉｓ　ａ　ｐｒｏｍｉｓｉｎｇ　ｓｅｎｓｏｒ　ａｎｄ　ｇｒａｄｕａｌｙ　ｂｅｃｏｍｉｎｇ　ａ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｒｅｓｅａｒｃｈ　ｆｏｃｕｓ
ｉｎ　ｓｅｎｓｏｒ　ｆｉｅｌｄ．
Ｋｅｙｗｏｒｄｓ　Ｎｅａｒ　ｉｎｆａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ；Ｔｏｍａｔｏ；Ｔｏｔａｌ　ａｃｉｄ；Ｓｏｌｕｂｌｅ　ｓｕｇａｒ；Ｐａｒｔｉａｌ　ｌｅａｓｔ　ｓｑｕａｒｅ　ｍｅｔｈｏｄ
（Ｒｅｃｅｉｖｅｄ　Ａｐｒ．２，２０１３；ａｃｃｅｐｔｅｄ　Ｊｕｌ．２１，２０１３）　　
＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ａｕｔｈｏｒ
３５３第２期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析