这篇论文的标题为《A sustainable way to determine the water content in Torreya grandis kernels based on near-infrared spectroscopy》，由Xiang Jiankai, Huang Yu, Guan Shihao, Shang Yuqian, Bao Liwei, Yan Xiaojie, Hassan Muhammad, Xu Lijun和Zhao Chao等人共同完成，发表于2023年8月16日的《Sustainability》期刊。本文的核心内容是通过近红外光谱技术，提出了一种可持续的方式来快速、无损地检测大果花椒（Torreya grandis）种仁的水分含量。

一、研究背景及目的

大果花椒（Torreya grandis）是重要的农林产品，其种仁的水分含量对其质量、加工以及储存具有重要影响。传统的水分检测方法通常采用烘干法，该方法费时费力且不具备实时性。而现代分析技术如近红外光谱技术，因其快速、准确、无损、环保等特点，逐渐在农业领域得到应用。本文的研究目的是通过近红外光谱技术，快速检测大果花椒种仁的水分含量，进而为其质量控制、储存及加工提供科学依据，并推动农业领域的可持续发展。

二、研究对象与实验流程

1. 样品采集与水分测定

本研究选取了2022年9月在浙江省绍兴市季东镇采摘的大果花椒种仁。采集了180个样品，分别用于建模、交叉验证和外部预测。所有样品均经过清洗和堆肥处理，以保证样品的均质性。水分测定采用传统的烘干法，即将样品在60°C下烘干，直到达到恒重为止，最终计算出水分含量。

1. 近红外光谱采集

使用便携式近红外光谱仪（型号：smarteye1700），在1000至1650 nm的波长范围内，采集了大果花椒种仁的近红外光谱数据。为了减少实验误差，每个样品重复扫描三次，并取其平均值。实验室的温度和湿度分别控制在23°C和55% RH，以保证光谱数据的稳定性。

1. 数据预处理与异常值剔除

在数据处理过程中，首先对原始光谱数据进行了标准化处理，以消除样品间的尺寸和形状差异对光谱数据的影响。为保证模型的准确性，采用了马哈拉诺比斯距离法和浓度残差法剔除了异常值。马哈拉诺比斯距离法主要用于剔除光谱异常值，而浓度残差法用于剔除化学异常值。这两种方法在提高模型预测能力方面发挥了重要作用。

1. 建立定量水分预测模型

本研究使用偏最小二乘回归（PLS）方法建立了水分预测模型。光谱数据经过标准化、基线校正等预处理后，采用PLS回归方法进行建模。研究中通过比对不同预处理方法对模型预测性能的影响，最终确定了最佳的预处理方法——标准正态变换（SNV）。SNV预处理后的模型在训练集和交叉验证集上的相关系数分别为0.9879和0.9782，预测误差均较小，表明该方法具有很好的预测能力。

三、研究结果与分析

1. 水分含量的测定结果

通过传统烘干法测定的大果花椒种仁的水分含量在15.47%至28.77%之间，平均水分含量为22.58%。这一结果与先前研究的水分含量数据（约为17.8%）较为接近，说明实验结果具有一定的可靠性。

1. 光谱分析结果

大果花椒种仁的近红外光谱主要表现为O-H键的高次谐波吸收谱带，特别是在1200 nm和1470 nm的波段处，表现出明显的吸收峰。这一特征为后续的定量模型建立提供了重要的基础。通过光谱分析，研究团队成功地识别出与水分含量相关的吸收峰，从而为建立水分预测模型提供了依据。

1. 模型优化与预测结果

在进行近红外水分含量预测时，采用了不同的预处理方法，包括标准正态变换（SNV）、乘法散射修正（MSC）、一阶和二阶导数等。最终，经过SNV预处理后的PLS模型表现最佳，其校准集和交叉验证集的相关系数分别为0.9879和0.9782，预测集的相关系数为0.9625，根均方误差为0.0052。这些结果表明，使用近红外光谱技术可以快速、准确地预测大果花椒种仁的水分含量。

四、结论与应用意义

本研究提出了一种基于近红外光谱的快速、无损水分含量检测方法，并成功应用于大果花椒种仁的水分含量检测。该方法具有快速、高效、环保的特点，能够有效减少传统水分测定方法的时间和劳动成本。研究结果表明，近红外光谱技术在农业产品的水分检测中具有很大的应用潜力，尤其是在大果花椒种仁的质量控制、储存和加工过程中，能够提供精确的水分含量数据，从而提高产品的市场竞争力，减少质量风险。

此外，研究还为今后基于近红外光谱技术的其他农业产品的水分、蛋白质、脂肪等成分的定量检测提供了理论依据和方法支持。通过进一步优化模型和拓展应用范围，近红外光谱技术有望在农业领域推广应用，推动农业生产的智能化和可持续发展。

五、研究亮点与创新

1. 创新性应用： 本研究首次将近红外光谱技术应用于大果花椒种仁的水分含量检测，为该领域提供了新的技术手段。

2. 先进的预处理方法： 研究中采用了标准正态变换（SNV）等先进的光谱数据预处理方法，显著提高了模型的准确性。

3. 可持续发展： 本研究提供了一种环保、无损的水分检测方法，符合农业领域对可持续发展的需求。

本文展示了近红外光谱技术在大果花椒种仁水分含量检测中的成功应用，具有重要的科学价值和实际应用意义。通过进一步的研究和技术优化，近红外光谱技术有望在更广泛的农业领域发挥重要作用。