果实品质表型是植物育种的瓶颈。本工作旨在探讨可见(Vis)和近红外(NIR)光谱技术在干红辣椒粉质量评价中的适用性。我们利用光谱学和多元统计技术构建了美国香料贸易协会(American Spice Trade Association, ASTA)的颜色和斯高维尔辣度单位(Scoville Heat Unit, SHU)辛辣辣椒性状的预测模型。

预测偏最小二乘(partial least squares, PLS)模型成功实现，预测值和参考值之间具有较高的相关性(r)，用于校准和验证(ASTA-colour的r = 0.955和0.928; SHU-pungency的r = 0.941和0.918。

来自可见光和短波辐射(visible and short-wave radiation，Vis-SWNIR)的光谱数据为ASTA-colour (RPD = 2.84)和长波辐射(long-wave radiation，LWNIR)的SHU-pungency (RPD = 2.48)提供了最可靠的(剩余预测偏差值)模型。波长范围选择的光谱类别、有效波长选择的变量重要性和因子选择的均方根压力统计量是PLS的重要依据，特征方差和分布也是模型预测能力和功率的重要依据。综上所述，非侵入性光谱学是我们研究干红辣椒品质表型的一个有前途的工具。

图1 干辣椒粉的原始吸收光谱与可见光和近红外区域(400 - 2500 nm)的光谱数据。照片是用来扫描干辣椒粉的旋转杯。

图2 均方根预测残差平方和(predicted residual sum of squares，PRESS)- (A)美国香料贸易协会(ASTA)-颜色和(C) SHU-pungency性状的精细化校准统计量及其校准散点图(标记为圆形符号;N = 140)和预测(标记为交叉符号;n = 119)的(B) ASTA-colour和(D) SHU-pungency。

图3 (A)美国香料贸易协会(ASTA)-颜色和(B)史高维尔热量单位(SHU)-辛辣特征的精致PLS回归的投影(Variable importance in the projection，VIP)评分的可变重要性。如水平线所示，VIP分数大于0.8的波长对模型发展有效。ASTA-colour的可见光和短波辐射(VIS-SWNIR)以及SHU-pungency的长波辐射(LWNIR)对于最优模型来说很重要。