论文部分内容阅读
花椰菜营养价值高,可以预防心血管疾病、糖尿病和癌症的发生,但花椰菜在感染灰霉病之后会大量减产。随着生活方式和消费观念的改变,鲜切花椰菜受到了消费者的欢迎,但鲜切花椰菜在贮藏期间会出现褐变、异味散发、营养品质流失等问题。因此开展鲜切花椰菜的品质和灰霉病的早期判别检测具有重要的现实意义。本研究以鲜切花椰菜为研究对象,基于近红外光谱技术,建立花椰菜品质检测和病害判别模型,实现对花椰菜质地特性、抗坏血酸的有效预测,形成对花椰菜灰霉病早期阶段准确诊断的新方法理论。（1）以鲜切花椰菜为研究对象,采集花椰菜样本的光谱数据,利用多种预处理方法结合竞争性自适应重加权算法（Competitive adaptive reweighted sampling,CARS）,建立偏最小二乘回归模型（Partial least square regression,PLSR）、最小二乘支持向量机模型（Least square support vector machine,LS-SVM）和BP神经网络模型。结果表明经过9点平滑预处理（Savitzkye-Golay Smoothing 9,SG-9）建立的PLSR模型对于硬度、胶粘性和咀嚼性的预测效果最好;经过多元散射校正预处理（Multiplicative Scatter correction,MSC）建立的PLSR模型对于粘附性的预测效果最好;经过标准归一化预处理（Stand Normal Variate,SNV）建立PLSR模型对于弹性的预测效果最好。结果表明:CARS-PLSR模型对于硬度和咀嚼性的预测效果最好,预测集相关系数分别为0.9297、0.7442;CARS-LS-SVM模型对于粘附性和胶粘性的预测效果最好,预测集相关系数分别为0.9248、0.7378;CARSBP模型对于弹性的预测效果最好,预测集相关系数为0.6821;实现了使用近红外光谱技术对鲜切花椰菜贮藏期质地特性的预测。（2）为了实现花椰菜抗坏血酸（Ascorbic Acid,ASA）含量的实时监测以及贮藏时间的预测,建立了室温下花椰菜贮藏期的近红外光谱抗坏血酸动力学模型。采集花椰菜样本的近红外光谱曲线,使用K-S算法（Kennard-Stone）以3:1的比例划分样品集;选择SG-9预处理消除干扰因素对光谱数据的影响;使用连续投影算法（Successive projections algorithm,SPA）、回归系数法（Regression coefficient,RC）、随机蛙跳算法（Random Frog,RF）以及CARS算法提取特征波长,建立花椰菜ASA含量检测模型;分析不同贮藏天数的花椰菜ASA含量,建立零级和一级反应方程;确定花椰菜的光谱动力学模型。结果表明CARS-LS-SVM模型对于贮藏期花椰菜ASA含量预测精度最高;以CARS算法所提取的特征波段吸光度为自变量,花椰菜的ASA含量为因变量,应用多元线性回归（Multiple linear regression,MLR）建立花椰菜ASA动力学模型,模型的相关系数达到0.981,在此基础上建立了花椰菜贮藏时间与近红外光谱吸光度值的线性回归关系。研究表明,结合动力学模型的近红外光谱技术可实现对花椰菜ASA含量和贮藏时间的预测。（3）应用近红外光谱技术实现花椰菜灰霉病的早期判别检测。以接种灰霉菌孢的花椰菜为研究对象,采集花椰菜的近红外光谱曲线并进行去噪处理,获取4个批次样本（接菌0.5d、1d、2d、3d每日的健康和染病花椰菜各76朵）在500～2400 nm波段范围内的光谱曲线。同时测量样本的多酚氧化酶（Polyphenol oxidase,PPO）、过氧化物酶（Peroxidase,POD）与丙二醛（Malondialdehyde,MDA）的活性值,采用单因素方差分析（Analysis of variance,ANOVA）对单一批次的健康和染病花椰菜品质指标进行统计分析。采用K-S算法将样本划分为校正集（114个样本）与预测集（38个样本）,使用SPA算法、CARS算法进行光谱数据特征波段提取,建立PLSR和LS-SVM的单一批次和组合批次判别模型。结果表明:在接菌早期,使用肉眼无法实现染病花椰菜样本的识别,仅在染病第3d后部分染病样本病害特征明显时可实现判别。测定花椰菜品质指标后发现:染病2d后,对照组和染病组样本的所有品质指标均存在显著性差异（p＜0.05）,但在第0.5d时各项指标均无显著性差异,仅在第1d时MDA值出现显著性差异,说明从品质指标上无法判别早期染病花椰菜。建立单一批次下的CARS-PLSR判别模型表明:第一批次样本（0.5d）所建模型的判别准确率达到了94.74%,第二至第四批次（接菌1d～3d）所建判别模型准确率达到100%,表明PLSR模型可以实现单一批次下早期染病花椰菜样本的判别检测。CARS-LS-SVM组合判别模型在第0.5d和第1d判别准确率分别达到了92.11%与94.74%,可以判别出大部分的染病花椰菜,但是CARS-LS-SVM组合批次建模效果低于CARSPLSR单一批次建模。结果表明,基于近红外光谱技术判别模型的建立可以检测出早期感染灰霉病的花椰菜。