臺灣博碩士論文加值系統

針對蓮霧及木瓜之糖度值、酸度值、維生素C及纖維素為主要對象成份，本研究以MPLSR、PCR、ANN及MLR建立蓮霧及木瓜內部品質之近紅外光線光譜檢測模式。各成份之最佳分析模式及結果中，蓮霧果肉為糖度：MLR， rc＝0.981、SEC＝0.252 oBrix、SEP＝0.342 oBrix；酸度： ANN（PLSR），rc＝0.899、SEC＝0.043 Wt%、SEP＝0.057 Wt%；維生素C：MPLSR，rc＝0.880、SEC＝16.67 ppm、SEP＝17.02 ppm；纖維素：MPLSR， rc＝0.980、SEC＝0.016 g/100g、SEP＝0.028 g/100g。蓮霧果汁為糖度： MPLSR， rc＝0.999、SEC＝0.044 oBrix、SEP＝0.055 oBrix；酸度：MPLSR，rc＝0.983、SEC＝0.020 Wt%、SEP＝0.028 Wt%；維生素C：ANN（PCR）， rc＝0.858、SEC＝15.98 ppm、SEP＝19.19 ppm。木瓜果肉為糖度： MPLSR， rc＝0.803、SEC＝0.481 oBrix、SEP＝0.661 oBrix；酸度：MPLSR， rc＝0.859、SEC＝0.061 Wt%、SEP＝0.077 Wt%；維生素C：MPLSR， rc＝0.815、SEC＝72.53 ppm、SEP＝78.91 ppm；纖維素：MPLSR，rc＝0.969、SEC＝0.021 g/100g、SEP＝0.028 g/100g。木瓜果汁為糖度： MPLSR， rc＝0.996、SEC＝0.069 oBrix、SEP＝0.072 oBrix；酸度：MPLSR， rc＝0.979、SEC＝0.028 Wt%、SEP＝0.035 Wt%；維生素C：MPLSR， rc＝0.833、SEC＝60.97 ppm、SEP＝67.81 ppm。
在分析模式方面，波段檢量模式以線性之MPLSR及非線性之ANN（PLSR）為佳。波長檢量模式MLR分析中，各成份之重要化學鍵結的吸收波長都有出現。另外實驗進行時，化學分析值量測的即時性，以及果汁吸收光譜以水作為參考樣本，都提升了實驗之準確度。本研究不論蓮霧或木瓜各成份，均可建立不錯之近紅外光檢測模式。

The constituents of sugar content, acidity, ascorbic acid (Vitamin C) and cellulose were analyzed using Modified Partial Least Squares Regression (MPLSR), Principal Component Regression (PCR), Artificial Neural Network (ANN) and Multiple Leaner Regression (MLR) to establish near-infrared (NIR) calibration models for the internal quality of wax apple and papaya. The best models and results for each constituent of wax apple pulp are: sugar content: MLR, rc＝0.981, SEC＝0.252 oBrix, SEP＝0.342 oBrix；acidity: ANN(PLSR), rc＝0.899, SEC＝0.043 Wt%, SEP＝0.057 Wt%；Vitamin C: MPLSR, rc＝0.880, SEC＝16.67 ppm, SEP＝17.02 ppm；cellulose: MPLSR, rc＝0.980, SEC＝0.016 g/100g, SEP＝0.028 g/100g. For wax apple juice, sugar content: MPLSR, rc＝0.999, SEC＝0.044 oBrix, SEP＝0.055 oBrix；acidity : MPLSR, rc＝0.983, SEC＝0.020 Wt%, SEP＝0.028 Wt%；Vitamin C: ANN(PCR), rc＝0.858, SEC＝15.98 ppm, SEP＝19.19 ppm. Regarding papaya pulp, sugar content: MPLSR, rc＝0.803, SEC＝0.481 oBrix, SEP＝0.661 oBrix；acidity: MPLSR, rc＝0.859, SEC＝0.061 Wt%, SEP＝0.077 Wt%；Vitamin C: MPLSR, rc＝0.815, SEC＝72.53 ppm, SEP＝78.91 ppm；cellulose: MPLSR, rc＝0.969, SEC＝0.021 g/100g, SEP＝0.028 g/100g. As for papaya juice, sugar content: MPLSR, rc＝0.996, SEC＝0.069 oBrix, SEP＝0.072 oBrix；acidity: MPLSR, rc＝0.979, SEC＝0.028 Wt%, SEP＝0.035 Wt%；Vitamin C: MPLSR, rc＝0.833, SEC＝60.97 ppm, SEP＝67.81 ppm.
Among the models being evaluated, MPLSR and ANN (PLSR) are superior to others. The absorption bands found in MLR models are well corresponding to the chemical bonds of constituents of interest. In this study, conducting the wet chemistry analyses in time and adopting the water as a reference in NIR measurements improved the models’ accuracy. The models were successfully developed for the evaluation of internal quality including sugar content, acidity, Vitamin C and cellulose in wax apples and papayas.

第一章 前言與研究目的 1
1.1前言 1
1.2研究目的 2
第二章 文獻探討 3
2.1近紅外光理論及吸收原理 3
2.2近紅外光分析相關應用 8
第三章 實驗儀器設備與實驗步驟 17
3.1實驗儀器設備 17
3.1.1分光光度計設備 17
3.1.1.1線上型分光光度計（FOSS On-Line NIRS 6500） 17
3.1.1.2實驗室型分光光度計（FOSS NIRS 6500） 21
3.1.2化學分析儀器 25
3.1.2.1數位式糖度計（ATAGO PR-101型） 25
3.1.2.2糖酸度分析裝置（HORIBA NH-1000） 26
3.1.2.3反射式光度計（MERCK RQflex plus） 27
3.1.2.4離心機（KUBOTA 2700型） 28
3.2光譜分析軟體 29
3.2.1光譜處理分析軟體（WinISI） 29
3.2.2光譜處理分析軟體（Vision） 30
3.3實驗步驟 30
3.3.1實驗樣本準備 30
3.3.2實驗步驟流程 31
3.3.3果肉光譜掃瞄及化學分析 32
3.3.4果汁光譜掃瞄及化學分析 36
3.3.5總酸度值的量取 37
3.3.6纖維素量測 38
第四章 光譜處理及分析方法 41
4.1光譜處理 41
4.1.1光譜雜訊分析 42
4.1.1.1線上型分光光度計之木瓜果肉吸收光譜雜訊分析 42
4.1.1.2實驗室型分光光度計之木瓜果汁吸收光譜雜訊分析 45
4.1.2光譜平滑化處理 48
4.1.2.1線上型分光光度計量測光譜之平滑化處理 48
4.1.2.2實驗室型分光光度計量測光譜之平滑化處理 49
4.1.3光譜微分處理 50
4.1.3.1線上型分光光度計量測光譜之微分處理 52
4.1.3.2實驗室型分光光度計量測光譜之微分處理 53
4.1.4最佳波段之挑選 55
4.1.5交叉驗證模式 56
4.2樣本分組 56
4.2.1刪除無效樣本 57
4.2.2校正組與預測組之分群 58
4.3光譜分析模式 59
4.3.1 MLR模式分析（Multiple Leaner Regression） 60
4.3.2 MPLSR模式分析（Modified Partial Least Squares Regression） 62
4.3.3 ANN類神經網路模式分析（Artificial Neural Network） 64
4.3.4 PCA主成份分析（Principal Component Analysis） 65
4.4光譜分析流程 66
第五章 結果與討論 67
5.1維生素C純質測試 67
5.1.1反射式光度計測試結果 67
5.1.2維生素C之光譜相關度 68
5.1.3維生素C之MLR-Stepwise分析結果 70
5.2蓮霧果肉吸收光譜分析結果 73
5.2.1蓮霧果肉吸收光譜之糖度結果 76
5.2.2蓮霧果肉吸收光譜之酸度分析結果 83
5.2.3蓮霧果肉吸收光譜之維生素C分析結果 90
5.2.4a蓮霧果肉吸收光譜之纖維素分析結果 96
5.2.4b蓮霧果肉吸收光譜之纖維素分析結果 103
5.3蓮霧果汁吸收光譜分析結果 110
5.3.1蓮霧果汁吸收光譜之糖度分析結果 112
5.3.2蓮霧果汁吸收光譜之酸度分析結果 122
5.3.3蓮霧果汁吸收光譜之維生素C分析結果 130
5.3.4蓮霧綜論 137
5.4木瓜果肉吸收光譜分析結果 152
5.4.1木瓜果肉吸收光譜之糖度分析結果 155
5.4.2木瓜果肉吸收光譜之酸度分析結果 161
5.4.3木瓜果肉吸收光譜之維生素C分析結果 168
5.4.4a木瓜果肉吸收光譜之纖維素分析結果 174
5.4.4b木瓜果肉吸收光譜之纖維素分析結果 180
5.5木瓜果汁吸收光譜分析結果 187
5.5.1木瓜果汁吸收光譜之糖度分析結果 189
5.5.2木瓜果汁吸收光譜之酸度分析結果 196
5.5.3木瓜果汁吸收光譜之維生素C分析結果 203
5.5.4木瓜綜論 210
第六章 結論 225
第七章 建議 233
參考文獻 235
附錄A RQflex plus之Ascorbic Acid準度 240

FOSS。1998。Laboratory products and applications。FOSS NIRSystems Company泰國曼谷WINISI訓練講義。Maryland, USA：FOSS NIRSystems Company。
王文政、藍惠玲。1998。近紅外光測定技術在水產飼料品管上的應用。FOSS NIRSystems近外光光譜儀研討會講義。台北：頤華科技股份有限公司。
李汪盛。1998。以近紅外線分光光度計偵測稻米之成分及食味。博士論文。台北：國立台灣大學農業機械工程學研究所。
邱鶴圍。1999。近紅外光應用於芒果內部品質分析之研究。碩士論文。台北：國立台灣大學農業機械工程學研究所。
區少梅、陳玉舜。1993。近紅外線分光技術鑑定茶品質之研究。中國農業化學會誌31（2）：183-199。
區少梅、林聖敦、林添立、吳松杰、田美純。1997。近紅外線光譜技術分析椪柑品質相關成份之研究。中國農業化學會誌35（4）：462-474。
陳加增、陳世銘、黃竣吉、楊宜璋。2000。近紅外光技術應用於芒果內部品質分析之研究。八十九年農業機械論文發表會論文摘要集，P.111-112。台北：中華農業機械學會。
陳加增、陳世銘、楊宜璋、黃竣吉。2000。以近紅外光技術檢測葡萄糖酸度之研究。八十九年農業機械論文發表會論文摘要集，P.113-114。台北：中華農業機械學會。
陳加增。2001。近紅外光應用於水果糖酸度線上檢測之研究。碩士論文。台北：國立台灣大學生物產業機電工程學研究所。
陳世銘、張文宏、謝廣文、1998。果汁糖度檢測模式之研究。農業機械學刊7（3）：41-60。
陳致平。1997。以近紅外線分光光度計偵測梨的品質。碩士論文。台北：國立台灣大學農業機械工程學研究所。
張文宏、陳世銘、郭立穎。1998。洋香瓜糖度檢測之研究（二）-近紅外線分析法。農業機械學刊7（1）：87-98。
張文宏。1999。水果品質檢測模式之研究。博士論文。台北：國立台灣大學農業機械工程學研究所。
楊宜璋、陳世銘、張文杰、陳加增。2001。近紅外光技術應用於柑桔類水果果汁糖酸度之測定。九十年農業機械論文發表會論文摘要集，P.228-230。台北：中華農業機械學會。
鍾允睿。1998。以可攜式近紅外線分光光度計偵測鳳梨果實糖度。碩士論文。台北：國立台灣大學農業機械工程學研究所。
魏亞玲。1994。青果物之非破壞性品質評價之相關研究。第53回農業機械學會年次大會，P.211-212。
台灣省政府農林廳。1998。台灣農業年報。中興新村：台灣省政府農林廳。
續光清。1985。食品化學。七版，97-99。台北：徐氏基金會。
小島孝之。1994。近赤外分光法應用於梨之非破壞品質評價。農業機械學會年次大會第53回，P.209-210。
伊東雅宏。1995。近紅外線糖度計之應用。農業綜合企業10（42）：87-92。日本：農業機械學會。
村上誠。1994。近赤外分光法應用於青果之成份測定I。農業施設24（4）：191-196。
河野吉秀。1993。近赤外分光分析應用於熱帶果實之內部品質判定。第52回農業機械學會年次大會，P.455-456。
飯島渡。1995。近赤外分光法應用於甜瓜糖度測定。農機學會北海道支部會部35號，P.20-24。
Baronti, S., A. Casini, F. Lotti and P. Simone. 1997. Principle component analysis of visible and near-infrared multispectral images of works of art. Chemometrics and Intelligent Laboratory Systems. 39: 103-114.
Brown, G. K., L. J. Segerlind and R. Summitt. 1974. Near-infrared Reflectance of Bruised Apples. Transactions of the ASAE：17-19.
Chang, W. H., S. Chen, and C. C. Tsai. 1998. Development of a universal algorithm for use of NIR in estimation of soluble solids in fruit juices. Transactions of the ASAE 41（6）：1739-1745.
Choi, C. H., J. A. Abbott, B. Park and Y. R. Chen. 1997. Prediction of soluble solid and firmness in apple by visible/near infrared spectroscopy. 5th international symposinm on fruit, nut, and vegetable production engineering. Davis, CA：U.S.A.
Delwiche, S. R., Y. R. Chen, and W. R. Hruschka. 1995. Differentiation of Hard Red Wheat by Near-Infrared Analysis of Bulk Samples. Cereal Chem. 72（3）：243-247.
Giangiacomo, R. and G. G. Dull. 1986. Near infrared spectrophotometric determination of individual sugars in aqueous mixtures. Journal of Food Science 51（3）：679-683.
Guthrie, J. and K. Walsh. 1999. Influence of environmental and instrumental variables on the non-invasive prediction of brix in pineapple using near infrared spectroscopy. Australian Journal of Experimental Agriculture 39：73-80.
Haaland D. M. and E. V. Thomas. 1988. Partial least-square method for spectral analysis. （I）Relation to other quantitative calibration methods and the extraction of qualitative information. Anal. Chem., Vol（60）：1193-1202.
Irawan, R. S., Y. Ikeda and T. Nishizd. 1995. Determination of individual sugars and acid content in apple by near infrared reflectance spectroscopy. Proceedings of ARBIP98, Kobe, Japen. 103-108.
Kawano, S., H. Watanabe and M. Iwamoto. 1989. Measurement of sugar contents in intact peachs by NIRS. In “Proc. Of 2nd International NIRS Conference.” P. 343-352. Tsukuba, Japen.
Kawano, S., T. Sato and M. Iwamoto. 1992. Determination of sugars in Satsuma orange using NIR transmittance. In “Marking Light Work：Advances In NIRS.”, ed. by Murray, I. And Cowe, I. A. p. 387-393. New York：VCH Publishers.
Lanza, E. and B. W. Li. 1984. Application for near infrared spectroscopy for predicting the sugar content of fruit juice. Journal of Food Science 49：995-998.
Li, W., G. Pierre and M. Marc. 1996. Quantitative analysis of individual sugar and acid in orange juices by near-infrared spectroscopy of dry extract. Journal of Agric. Food Chem. 44（8）：2252-2259.
Mroczyk, W. B. and K. M. Michalski. 1998. Application of modern computer methods for recognition of chemical compounds in NIRS computers. Chem. Vol. 22, No. 1, pp. 119-122.
Murray, I. and P. C. Williams. 1987. Chemical principal of near-infrared technology. In” Near-infrared Technology in the Agricultural and Food Industries.” Ed. by Williams, T. and Norris, K. p.17-34. St. Paul, American Association of Cereal Chemists.
Park, B., Y. R. Chen and M. Nguyen. 1998. Multi-spectral image analysis using neural network algorithm for inspection of poultry carcasses. J. agric. Engng Res. 69：351-363.
Park, B., Y. R. Chen, W. R. Hruschka, S. D. Shackelford, and M. Koohmaraie. 1998. Near-Infrared Reflectance Analysis for Predicting Beef Longissimus Tenderness. J. Anim. Sci. 76：2115-2120.
Slaughter, D. C. 1995. Nondestructive determination of internal quality in peaches and nectarines. In Transactions of the ASAE, Vol. 38（2）：617-623, St. Paul, American Association of Agricultural Engineers.
Tanaka, M. and T. Kojima. 1996. Near infrared monitoring of the growth period of Japenese pear fruit based on constituent sugar concentrations. Journal of Agric. Food Chem. 44（8）：2272-2277.
Williams, P. and K. Norris. 1987. Near-infrared Technology in the Agriculture and Food Industries. Minnesota：American Association of Cereal Chemists,Inc.
Yang, C. W. 1996. The application of near infrared reflectance spectroscopy (NIRS) for the analysis of poultry feeds and excretra. In “Proceedings of The annual meeting of the Society of Feed Technologists”. P25.