猕猴桃、桃和梨品质的近红外漫反射光谱无损检测研究
【摘要】:果品是我国除粮食作物和蔬菜之外的第三大农产品。我国果品产量居世界首位,但是由于果品质量参差不齐,商品化程度低,使得我国果品的出口量较低,严重影响了果品贸易产业的发展。目前,国内果品品质检测还主要依赖传统检测方法,无损检测方面的研究较多,但多停留在试验室阶段,并且检测过程繁琐。为了给果品品质提供一种快速检测方法,以猕猴桃(华优和西选二号)、水蜜桃(沙红、北京八号和莱山蜜)和梨(砀山酥和雪花梨)为研究对象,采用近红外漫反射光谱技术,研究了12000~4000cm-1(833~2500nm)光谱范围内,果品的品质指标与近红外光谱之间的内在联系,旨在为果品品质定性定量分析提供一种快速可行的方法。
本文利用偏最小二乘法(PLS)建立了低温贮藏期间猕猴桃、生长和采后梨以及三个品种水蜜桃的糖度、硬度和酸度模型,并且尝试采用近红外光谱对这三类水果进行定性分析。主要内容包括三个部分:1、分析低温贮藏期间猕猴桃近红外光谱图,建立该部分样品的糖度、硬度和有效酸度模型并进行预测;2、建立三个品种水蜜桃糖度和硬度的定量模型,筛选出最优建模条件;3、建立生长期和采后梨的糖度和糖度硬度模型,并对模型的预测适用性进行分析;4、采用聚类分析和判别分析方法对这三类样品进行品种鉴别。主要研究结果如下:
(1)低温贮藏期猕猴桃光谱的变化一定程度上可以反映贮藏期间其品质的变化,光谱测点对应品质指标的建模效果优于整果品质指标的建模效果。
(2)使用原始光谱所建西选二号猕猴桃糖度、硬度和有效酸度的模型效果最好,其中,糖度、硬度和有效酸度的校正相关系数r_c分别为0.951、0.971和0.882,校正均方根误差RMSEC分别为0.622、1.243和0.196。采用上述模型对未知样品的糖度、硬度和有效酸度进行预测,预测相关系数r_p分别为0.866、0.939和0.816,预测均方根误差RMSEP分别为1.040、1.711和0.238。
(3)三个品种水蜜桃糖度定量分析效果优于硬度定量分析。对于沙红和莱山蜜,糖度定量分析采用多元散射校正(MSC)预处理光谱建模效果最好,沙红和莱山蜜糖度模型的r_c分别为0.964和0.928,RMSEC分别为0.265和0.371。采用上述模型对未知样品的糖度进行预测,r_p分别为0.886和0.900,RMSEP分别为0.351和0.671;北京八号原始光谱建模效果最好,其r_c为0.937,RMSEC为0.346,r_p为0.920,RMSEP为0.668。硬度定量分析效果一般,沙红和北京八号原始光谱建模效果相对较好,r_c分别为0.760和0.836,RMSEC均大于2,莱山蜜MSC处理光谱建模效果最好,r_c为0.875,RMSEC为2.364。在这三个模型中,莱山蜜预测能力最好,r_p为0.769,RMSEP为2.765,沙红和北京八号均不能准确预测硬度。
(4)生长期和采后砀山酥梨糖度模型精度都很高,r_c分别为0.936和0.949,RMSEC为0.152和0.174,预测效果也很好,r_p分别为0.894和0.889,RMSEP为0.242和0.271,并且成熟前一个月左右的模型对样品糖度的预测效果最好。采后梨硬度模型精度不高,无法准确预测未知样品的硬度。
(5)采用聚类分析和判别分析方法对猕猴桃、水蜜桃和梨分别进行品种鉴定,结果两种方法均可成功鉴别猕猴桃,聚类分析法可以鉴别水蜜桃和梨,但是精度不高,判别分析法无法鉴别水蜜桃和梨。
本研究为生长期、贮藏期和采后果品品质的快速检测提供了一种方法,为果品的品质分级和货架期的确定提供了一定的理论指导。