Phytochemical-based quality control of cayenne pepper using spectroscopic monitoring of lycopene content and antioxidant capacity
Ine Elisa Putri · Kusumiyati Kusumiyati · Yuda Hadiwijaya
用可见-近红外光谱无损预测辣椒番茄红素含量与抗氧化能力，实现品质控制。
Vis-NIR光谱（381–1065 nm）结合支持向量机回归建模，分光光度法测
模型R≥0.85、RPD≥1.95，光谱可无损准确评估番茄红素与抗氧化能力。
可扩展到多品种、多产地辣椒及田间在线分级，并融合深度学习提升跨批次模型鲁棒性。
该研究将可见-近红外光谱与支持向量机回归结合，实现辣椒番茄红素与抗氧化能力的无损快速检测，方法新颖、模型可靠，对采后品控与智能分选有实用价值，但属细分作物技术进展，公共影响有限。
辣椒果实品质控制对于保持产品一致性具有重要意义。本研究旨在评估番茄红素含量和抗氧化能力作为辣椒品质的主要指标。可见-近红外（Vis-NIR）光谱技术是一种新兴技术，能够无损、准确、快速地预测番茄红素含量和抗氧化能力。采用支持向量机回归对光谱数据（381–1065 nm）进行分析，以建立校准模型。番茄红素和抗氧化能力的参考数据采用分光光度法测定。结果表明，光谱与参考数据之间存在较强的相关性。番茄红素含量和抗氧化能力的校准模型在准确性方面表现出足够的性能。对于这两个参数，模型显示相关系数（R）≥ 0.85，校准均方根误差（RMSEC）≥ 17.61，交叉验证均方根误差（RMSECV）≥ 42.01，预测偏差比（RPD）≥ 1.95。基于上述结果，进一步证实了Vis-NIR技术能够无损评估番茄红素含量和抗氧化能力。在食品和采后产业中，所开发的方法在快速品质筛查、自动化分级和实时监测方面展现出应用前景。此外，Vis-NIR光谱技术的快速性和无损性使其易于规模化应用于工业场景，尤其是在精准农业和现代质量控制系统中。这些发现支持了无损技术作为农业和食品工业中辣椒品质质量控制体系替代方案的潜力。