HPLC測定に基づいて近赤外分光法によるブルーベリーにおける成分含量の非破壊予測のためのモデルの構築

近赤外（NIR）分光法は、広く様々な種類の果物や野菜の内容を分析する非破壊技術として適用される^。1,2非破壊は、近赤外分光法により分析保証品質を有する唯一のおいしい果物や野菜の出荷を可能にします。近赤外分光法は、まだ上のTSC（総固形分）、総糖含有量に対応し、その糖度、酸度を知っているように、オレンジ、リンゴ、メロン、チェリー、キウイフルーツ、マンゴー、パパイヤ、桃とに適用される、とされてきました。最近、我々は、ブルーベリーの品質評価への近赤外分光法の適用を報告している^。3当社は、全糖含量と酸味に対応する全有機酸含量だけでなく、総アントシアニン含有量だけでなく、を測定しました。アントシアニンは、ヒトの健康を改善すると考えられている生物活性成分です。彼らは糖度、交流の保証でおいしいブルーベリーを購入することができた場合には、消費者にとって便利ですidity、およびアントシアニン含量。

果物や野菜のNIR吸収スペクトルでは、唯一の広い吸収帯が観察されます。彼らは主に繊維や水分に起因するバンドです。非破壊対象の様々な成分には多くの弱いバンドが同時に観察されるが、観察されたバンドは、ほとんどの場合、ターゲットの特定のコンポーネントの特定の振動モードに割り当てることはできません。したがって、ランベルト – ベールの法則を使用して特定の成分の含有量を決定するための従来の技術は、NIRスペクトルのために有効ではありません。代わりに、観測されたスペクトルからの標的成分の含有量を予測するためのキャリブレーションモデルは、観測されたスペクトルとのスペクトルに対応する成分の内容との相関関係を調べることにより、ケモメトリックスを使用して構築される^。4,5なお、モデルを構築し、検証するプロトコル全糖含量、acidiに対応する全有機酸含量を予測するためTY、およびNIRスペクトルからブルーベリーの総アントシアニン含量が提示されます。

図1は、信頼性の高い強固な較正モデルを構築するための一般的なフローチャートを示します。十分な数のサンプルが収集されます。他の構築モデルの検証に使用されている間、それらのいくつかは、モデルの構築に使用されます。収集したサンプルのそれぞれについて、NIRスペクトルを測定し、その後、標的成分は、従来の破壊的な化学分析法を用いて定量的に分析されます。ここで、高速液体クロマトグラフィー（HPLC）は、糖、有機酸、およびアントシアニンの化学分析のために使用されます。部分最小二乗は、（PLS）回帰は、化学分析によって決定し、観察されたスペクトルと成分含有量との相関を調べる較正モデルの構築に使用されます。最良の予測能力、obserの前処理と堅牢なモデルを構築するためにVEDスペクトルを予測するために使用される波長領域も検討されています。最後に、構築したモデルは、それらの十分な予測能力を確認するために検証されます。検証では、コンテンツは、構築したモデル（予測値）を観測スペクトルから予測化学分析（観測値）によって決定した内容と比較されます。十分な相関が予測と観測値との間で見つけることができない場合は、十分な相関が得られるまで、キャリブレーションモデルを再構築する必要があります。同図（外部検証）に示すように、モデルの構築および検証のための試料の異なるグループを使用することが好ましいが、同じグループ内のサンプルは、建設および検証（クロスバリデーション）の両方に使用される場合の数サンプルは十分な大きさではありません。

Fキャリブレーションモデルの構築と検証のためigure 1.フロー・チャート。青と緑の線で囲ま手順は、キャリブレーションモデルとその検証の建設に、それぞれ対応している。 この図の拡大版をご覧になるにはこちらをクリックしてください。