主要技术内容:1  范围本标准规定了无损伤快速测定石榴硬度、可溶性固形物含量近红外光谱方法。本标准适用于石榴品质（硬度、可溶性固形物含量）的无损伤快速测定的原理、仪器、测定方法、结果处理和表示、异常样品的确认和处理、准确性和精密度、测试报告。2  规范性引用文件下列文件对于本文件的应用是必不可少的。标注日期的引用文件，仅所注日期的版本适用于本文件。未标注日期的引用文件，其最新版本（包括所有的修改单）适用于本标准。NY/T 2009-2011 水果硬度的测定NY/T 2637-2014 水果和蔬菜可溶性固形物含量的测定 折射仪法3   术语和定义3.1   定标模型 calibration model利用化学计量学方法建立的样品近红外光谱与对应化学标准值之间关系的数学模型。3.2   样品集sample set具有代表性的、基本覆盖相关组分含量范围的样品集合。3.3   定标样品集 calibration set用于建立定标模型，具有代表性的，基本覆盖定标模型相关组分含量范围的样本集合，一般定标样本数量占全部样本集的60%左右。3.4   验证样品集 validation set用于建立定标模型，内部交叉验证定标模型的预测效果。验证集中各组分含量应包含在定标集样品各组分含量范围以内，其数量占全部样品集的20%左右。3.5   预测样品集 prediction set用于外部验证近红外定标模型的准确性和重复性的样品集，预测样品集中各组分含量应包含在定标集样品对应组分含量范围以内，其数量占全部样品集的20%左右。3.6   定标模型验证 calibration model validation使用预测样品集外部验证定标模型准确性和重复性的过程。3.7   离群值 outlier离开其他测定值较远的样品测定值，表示样品可能与定标模型使用的样品差异较大。3.8   标准方法 standard method测定样品组分含量标准值时所采用的国家、行业或国际标准测试方法。3.9   定标模型验证 calibration model validation使用验证样品集验证定标模型准确性和重复性的过程。3.10  定标标准偏差 standard error of calibration （SEC）表示定标样品集样品近红外光谱法测定值与标准理化分析方法测定值间残差的标准差。3.11  预测标准偏差 standard error of prediction（SEP）预测样品组分的近红外测定值扣除系统偏差后与其标准值之间的标准差，表示定标模型调整后的准确度。近红外分析仪扣除系统偏差后，预测样品成分的测定值与其标准理化分析方法测定值之间的标准偏差，表示定标调整后的准确度。3.12  决定系数（R^2或r^2） correlation coefficient square近红外光谱法测定值与标准理化分析方法测定值之间相关系数的平方，定标集以R^2表示；验证集用r^2表示。3.13  马氏距离mahalanobis distance表示数据的协方差距离、计算两个未知样本集的相似度的方法，通常用字母H表示。3.14  马氏距离阈值 mahalanobis distance limitation value（H_L）3.15  异常样品 abnormal sample/超限样品 gauge samples出现离群值的样品，即：试样的马氏距离（H）大于马氏距离阈值（H_L），已超出了该定标模型的分析能力的样品。3.16  重复性 repeatability（S_r）在同一实验室，由同一操作者使用同一台仪器，按相同的测试方法，在短时间内通过重新对同一被测样品，连续多次测定获得结果的一致性，以标准差计算，用S_r表示。4  原理近红外反射光谱（Near infrared reflection spectroscopy，NIRS）无损伤分析石榴中硬度、可溶性固形物的原理是：利用分子中的C—H、N—H、O—H、C—O等化学键的泛频振动或转动对近红外光的吸收特性，以漫反射方式获得在近红外区的吸收光谱，通过逐步多元线性回归、主成分回归、偏最小二乘法等现代化学计量学手段，建立物质的特征光谱与待测成分含量之间的线性或非线性模型，从而实现利用物质近红外光谱信息对目标样品成分的快速测定。5  仪器近红外光谱分析仪：扫描范围 1000 nm~2500 nm；仪器波长准确度优于0.2 nm，波长重现性优于0.02 nm；近红外光谱仪附带软件具有近红外数据的采集、处理功能，能够建立可靠的定标模型。6  测定6.1   测试前的准备6.1.1  将完整的石榴样品表面适当地清洁，果实表面应无尘土、伤痕、腐烂、生理性病害、侵染性病害、叶摩擦等。6.1.2  按照近红外分析仪要求进行仪器预热和自检测试。6.1.3  在使用状态下每天至少用监控样品对近红外分析仪监测一次。应跟踪每天监测的结果，同一监控样品的测定结果与最初的测定结果比较，应保证符合9. 2的规定。6.2  定标模型的建立6.2.1  样品集的选择参与定标的石榴样品应具有代表性，样品应包含不同成熟度，不同大小，即硬度、可溶性固形物的含量范围能涵盖未来要分析的样品特性，创建一个新的模型，至少要收集100个以上石榴果实，通常以100个?150个果实为宜。6.2.2  光谱数据收集光谱数据收集过程中，测定条件以及样品和环境温度尽量保持一致。每个果实相对阴、阳面各取一 点，每点扫描3次，定标时取三点扫描的光谱平均值。当样品温度与环境温度相差大时，应取不同温度下的果实5个，釆集光谱数据加到预测模型中。6.2.3  预测值的标准理化分析方法光谱采集后，在每个果实阴、阳面相应的位置上取样，按NY/T 2009-2011方法分别测定果实硬度，然后按NY/T 2637-2014方法分别测定果实中可溶性固形物含量。6.2.4  定标模型建立采用建模软件，优化参数，进行光谱预处理，同时，使用改进的偏最小二乘法（modified partial least square，简称MPLS）或马氏距离判别法等，利用化学计量学原理建立定标模型。定标模型的决定系数（定标集R^2、验证集r^2）、定标标准差（SEC）和预测标准差（SEP）参见附录A，具体计算见公式（1）、（2）、（3）。SEC=√((∑_(i=1)^(n_c)?〖(y_i-(y_i ) ?)〗^2 )/(n_c-k-1))…………………………………（1）式中：y_i——样品i的标准理化分析方法测定值；(y_i ) ?——样品i的近红外光谱法测定值；n_c——定标集样品数；k——回归因子数目。SEP=√((∑_(i=1)^n?〖((y_i ) ?-y_i-Bias)〗^2 )/(n-1))………………………………（2）式中：(y_i ) ?——样品i的近红外光谱法测定值；y_i——样品i的标准理化分析方法测定值；n——样品数；Bias——系统偏差，即偏差之和除以样品数，Bias=1/n ∑_(i=1)^n?d_i 。式中d_i为验证样品i组分的近红外测定值与标准值的差，即d_i=(y_i ) ?-y_i。R^2 （r^2 ）=[1-(∑_(i=1)^n?(y_i-(y_i ) ? )^2 )/(∑_(i=1)^n?(y_i-(y_i ) ? )^2 )]×100%　………………………（3）式中：y_i——样品i的标准理化分析方法测定值；(y_i ) ?——样品i的近红外光谱法测定值；(y_i ) ?——标准参考值的平均值；n——样品数目，定标样品集为n_c，验证样品集为n_p。6.2.5  定标模型验证使用定标样品集之外的样品（预测样品集）验证定标模型的准确性和重复性，选择定标集样品数量的1/5~1/4（20~30个果实），应用建立的模型进行检测，然后采用6.2.3方法分析其化学值，比较定标标准偏差（SEC）和预测标准偏差（SEP）等参数，硬度的SEP≦0.8；可溶性固形物含量的SEP≦ 0. 8。6.3  试样的测定6.3.1  定标模型的选择6.3.1.1  选择原则根据试样选用对应的定标模型，即定标样品的NIRS光谱应能代表试样的NIRS 光谱。6.3.1.2  选择方法比较二者光谱间的马氏距离（H）。如果试样的H小于或等于马氏距离阈值（H_L），则可选用该定 标模型；如果试样的H大于H_L，则不能选用该定标模型。具体计算公式见（4）、（5）。H_i=√((t_i-T ?)×M^(-1)×〖(t_i-T ?)〗^' )  ………….…….………（4）式中：H_i——定标集样品z的马氏距离；t_i——定标集样品i的光谱得分；T ?——定标集n_c个样品光谱的平均得分矩阵，T ?=(∑_(i=1)^(n_c)?t_i )/n_c ；M——定标集样品的马氏矩阵（Mahalariobis 矩阵），M=(〖(T-T ?)〗^' (T-T ?))/(n_c-1)；T——定标集样品光谱得分矩阵。H_L=H ?+3×〖SD〗_MD…………………………….…….(5)式中：H ?——定标集样品马氏距离的平均值；〖SD〗_MD——定标集样品马氏距离的标准差。6.3.2  定标模型的升级在对来自与建模所用样品集不同产地、不同成熟度、不同栽培方式或不同年份等的果实进行检测前，如果试样的H大于HL，需要升级定标模型，操作上是将新采集到的具有代表性的石榴果实25?45 个，扫描其近红外光谱，用标准理化分析方法测定相应的硬度和可溶性固形物含量，然后将这些样品相应参数加入到定标样品集中，用原有的定标方法进行计算，即获得升级的定标模型。6.3.3  试样的测定测试样品温度应和环境温度尽量保持一致。在每个果实的相对阴、阳面各取一点，进行标记，标记的每点附近扫描3次，定标时取三点扫描的光谱平均值，根据试样的N1R光谱，将其在各波长点处的吸光度值代入相应的定标模型，即可得到相应的检测结果，如果试样的H小于或等于则仪器将直接给出试样的测定结果，计算平均值，作为果实的测定结果，单位为质量百分数（%），硬度小数点后保留二位，可溶性固形物小数点后保留一位。7  结果处理和表示7.1  为了得到有效的结果，测试结果应在仪器使用的定标模型所覆盖的成分含量范围内。7.2  两次测定结果的绝对差应符合9. 2的要求，取两次数据的平均值为测定结果，测定结果保留小数点后一位。7.3  如果两个测试结果的绝对差值不符合9. 2的要求，则必须再进行2次独立测试，获得4个独立测试结果。若4个独立测试结果的极差（X_max 〖-X〗_min）等于或小于允许差的1. 3倍，则取4个独立测试结果的平均值作为最终测试结果；如果4个独立测试结果的极差（X_max 〖-X〗_min）大于允许差的1. 3倍，则取 4个独立测试结果的中位数作为最终测试结果。7.4  对于仪器报警的异常测定结果，所得数据不应作为有效数据。异常样品的确认和处理按第8章的要求执行。8   异常样品的确认和处理8.1  异常样品的确认8.1.1  形成异常测定结果的原因，可能来自于以下几个方面：——该样品硬度、可溶性固形物含量超过了该仪器定标模型的范围；——该样品品种与参与该仪器定标样品集的品种有很大差异；——釆用了错误的定标模型；——光谱扫描过程中样品发生了位移；——样品温度超出定标模型规定的温度范围。8.1.2  应对造成测定结果异常的原因进行分析和排除，再进行第二次近红外测定，如仍出现报警，则确认为异常样品。8.2  异常样品的处理8.2.1  异常样品的再次测定异常样品的硬度应按NY/T 2009-2011规定的方法进行测定；异常样品的可溶性固形物含量应按NY/T 2637-2014规定的方法进行测定，并封存样品。8.2.2  确定异常样品类型如果异常样品加入定标模型后，SEC不会显著增加（变化范围小于5 %），将其加入到定标模型中，对定标模型进行升级；如果异常样品加入定标模型后，SEC将显著增加，则表示该样品需要放弃。8.2.3  通报异常样品应将异常样品的情况通报标准制定单位，以利于今后对定标模型进行升级。9  准确性和精密度9.1  准确性验证样品集硬度扣除系统偏差后的近红外测定值与其按NY/T 2009-2011规定的方法进行测定的结果之间的标准差（SEP）应不大于0.8%。验证样品集可溶性固形物含量扣除系统偏差后的近红外测定值与其按GB/T 5009.88 规定的方法进行测定的结果之间的标准差（SEP）应不大于0.8%。9.2  重复性在同一实验室，由同一操作者使用相同的仪器设备，按相同测定方法，在短的时间内通过重新分样和重新装样，对同一被测样品相互独立进行测定，获得的两次硬度、可溶性固形物含量测定结果的绝对差，当硬度、可溶性固形物在10%以下时，应不大于0.7%，当可溶性固形物含量在10%以上时，应不大于0.5%。10  测试报告测试报告应包括（但不限于）：——定标模型名称及编号；——定标模型的适用浓度范围；——定标模型允许温度范围；——近红外分析仪，应提供以下信息：验证样品集含量范围；验证样品集的测试温度范围；验证单位及验证时间；——仪器型号与序列号；——监控样品日常监控信息；——试样的名称及编号；——试样采样方法；——试样制备方法；——试样测试时的温度；——试样测定结果；——采用的测定方法标准；——出现异常样品时，应提供异常样品类型及处理的有关信息；——测试单位、测试人及测试时间；——本标准未规定的，或认为是非强制性的，以及可能影响测定结果的全部细节