论文部分内容阅读
以陕西“秦美”猕猴桃为试材,在0℃±0.5℃贮藏条件下,研究对照果、膨大剂处理果、1-MCP处理果、膨大剂+1-MCP处理果的呼吸强度、乙烯释放量、硬度、可溶性固形物含量(SSC)等指标的变化以及1-MCP处理对猕猴桃叶绿素及其衍生物、叶绿素酶和脱镁螯合酶活性的影响,同时研究电子鼻对低温贮藏猕猴桃品质的预测并比较了GC-MS和电子鼻在检测猕猴桃贮藏期香气变化中的应用效果,为贮藏期猕猴桃香气和糖酸等品质的快速检测以及护绿技术提供参考。结果如下:(1)5mg/L膨大剂处理能有效地促进冷藏期果实乙烯的释放和有机酸的分解,加速果实的衰老。在贮藏的第Od～30d,膨大剂处理能显著加速猕猴桃硬度的下降;在贮藏的第45d,膨大剂处理果的硬度逐渐降低,与对照果没有显著性差异。1.0μL/L1-MCP处理能延缓冷藏期果实呼吸高峰的出现,抑制乙烯的释放和可滴定酸的下降,显著抑制果实硬度的降低,从而延缓果实的成熟与衰老。膨大剂或1-MCP处理均对SSC没有影响。膨大剂+1-MCP处理能延缓呼吸高峰的出现,抑制乙烯的释放以及硬度和可滴定酸的降低,进而延缓果实的后熟。(2)1.0μL/L1-MCP处理可提高猕猴桃果实过氧化物酶活性,抑制叶绿素酶和脱镁螯合酶的活性,减缓叶绿素的降解,抑制脱植基叶绿素a、脱镁叶绿酸a、叶绿素a和b、脱镁叶绿素a和b的生成,从而延缓果实的成熟与衰老。在新鲜的猕猴桃果实中,主要含有叶绿素a、b和少量的脱镁叶绿素a、b;在贮藏过程中,脱植基叶绿素a、脱镁叶绿素a和脱镁叶绿酸a是叶绿素的主要降解产物。在贮藏过程中,脱植基叶绿素、脱镁叶绿酸的相对含量呈现先上升后下降的趋势,叶绿素和脱镁叶绿素呈现下降的趋势。(3)利用电子鼻测定贮藏期猕猴桃的香气成分,同时采用主成分分析结合多层感知器(MLP)神经网络、Fisher判别和径向基函数(RBF)神经网络3种分析方法建立区分猕猴桃贮藏时间的判别模型,得出MLP神经网络、RBF神经网络、Fisher判别三种分析方法建立的判别模型对检验集的正确判别率分别为96.8%、90.6%和96.7%,因此采用多层感知器神经网络所建立的预测模型要优于Fisher判别和RBF神经网络。利用电子鼻测定贮藏期猕猴桃的香气成分,同时采用偏最小二乘法(PLS)、BP神经网络、多元线性分析(MLR)建立评价膨大剂处理猕猴桃果的SSC、硬度、pH值的数学模型,其中采用PLS分析方法建立的测试集模型的R2分别为0.88、0.86、0.85,相应的RMSEP为0.62、2.58、0.08;采用MLR建立的测试集模型的R2分别为0.92、0.88、0.86,相应的RMSEP为0.51、2.38、0.08;BP网络的测试集模型的R2为0.93、0.90、0.90,相应的RMSEP分别为0.48、2.15、0.08。可见BP网络预测对猕猴桃品质的预测能力高于MLR方法,MLR的分析精度优于PLS。利用电子鼻测定贮藏期猕猴桃的香气成分,采用MLP和RBF神经网络预测对照猕猴桃贮藏期间的品质,其中MLP测试集中SSC、SSC/TA、硬度、可滴定酸预测值和测量值之间的R2分别为0.91、0.90、0.85、0.84,相应的RMSEP分别为0.55、0.56、4.61、0.05;RBF测试集中SSC、SSC/TA、硬度、TA预测值和测量值之间的R2分别为0.90、0.88、0.84、0.82,相应的 RMSEP 分别为 0.60、0.58、4.76、0.06。可见,MLP 对猕猴桃品质的预测精度高于RBF神经网络。可见,电子鼻结合化学计量学法能较好地预测猕猴桃的贮藏时间和品质,因此利用定量分析方法建立水果质量指标与电子鼻信号之间的数学模型,并用于水果质量的预测是可行的。(4)在贮藏过程中,猕猴桃果实香气中的醇类、醛类、酮类物质的相对含量总体呈上升趋势,酯类物质的相对含量呈先上升后下降的趋势,烃类物质的相对含量呈下降趋势。1-MCP能促进果实香气中的醇类、醛类、烃类物质的释放,抑制酮类和酯类物质的释放。膨大剂对猕猴桃香气成分的影响与1-MCP相反,即膨大剂处理促进果实香气中酮类和酯类物质的释放,抑制醇类、醛类、烃类物质的释放。膨大剂或1-MCP处理均对贮藏过程中猕猴桃果实香气中的烃类、酯类、醛类、醇类、酮类物质的种类没有影响。酯类物质是猕猴桃特征香气物质的主要成分,贮藏30d酯类的相对含量高于其他贮藏期,此时的芳香成分是最好的。利用电子鼻检测四种处理猕猴桃在贮藏期香气成分的变化,得出猕猴桃果实的芳香苯类、烷烃类、醇类等物质在贮藏过程中变化显著,这些物质是猕猴桃主要的特征香气成分;同时膨大剂处理能抑制烷烃类化合物的产生,1-MCP能促进烷烃类物质、醇类物质的释放,这与GC-MS的测定结果一致。可见电子鼻能快速地检测猕猴桃香气成分的变化。