论文部分内容阅读
苹果霉心病是严重的果实内部病害,病变果实的外表没有明显的病害特征,严重制约我国苹果产业的发展。因此,建立快速、可靠的苹果霉心病无损检测模型在现实生产中具有重要意义。本文以富士苹果为研究对象,对干腐型(中度)果和不同等级湿腐型霉心病果的营养、生理、感官和质构品质以及挥发性物质、衰老指标和酶促防御系统进行测定,探究干腐型与湿腐型果以及不同等级湿腐型霉心病果的品质差异;基于电子鼻构建健康果和霉心病果的判别模型并比较不同模型的判别效果;基于漫透射和漫反射光谱检测技术构建不同等级霉心病果的判别模型,并对光谱的采集方式、预处理方法、建模方法以及不同建模波段的建模效果进行对比,得出最优的霉心病检测模型。研究结果如下:1.不同病变类型及不同等级湿腐型霉心病苹果有着不同的品质及生理生化反应。对于不同病变类型,与湿腐型苹果相比,同一病害程度的干腐型苹果的密度较低,促进果实硬度和脆度的下降,但挥发性物质(醛类、酯类和醇类等)的种类和含量较高;另外,干腐型果的呼吸强度较低,果实中MDA含量和相对电导率受到抑制,多酚氧化酶(PPO)和过氧化物酶(POD)活性保持在较低水平,总酚含量和苯丙氨酸解氨酶(PAL)活性水平较高,进而延缓果实的衰老与褐变,导致不同病变类型的出现。对于不同等级湿腐型果,病变程度越高,苹果果实的密度越小,使得果实的可滴定酸含量、质构品质(果皮强度、果皮脆性、硬度、脆度和咀嚼性)和酯类物质等的含量逐渐降低,但呼吸强度、醇类和芳香烃类等物质的含量逐渐增加;另外,病变程度的不断增加能够促进MDA含量和相对电导率的增加,且保持较高的总酚含量和PPO、CAT、POD以及PAL活性。2.基于SIMCA软件对采集的不同等级霉心病苹果的电子鼻信息进行主成分分析、聚类分析和正交偏最小二乘法-判别分析。结果表明,健康果的特征传感器有W5C、W1C和W3C,重度果的特征传感器有W1S、W2S、W1W和W5S。基于SPSS 23.0软件建立苹果霉心病Fisher函数、多层感知器神经网络(muhilayer perceptron neural network,MLPNN)和径向基函数神经网络(radial basis function neural network,RBFNN)判别模型。研究结果表明,电子鼻结合MLPNN模型的判别效果最好,其对训练集和验证集的总体预测判别率分别为88.61%和88.46%;电子鼻结合RBFNN模型的判别效果次之,其对训练集和测试集的总体预测判别率分别为93.50%和80.95%;电子鼻结合Fisher判别函数判别效果最差,其对训练集和验证集的总体预测判别率分别为91.50%和79.27%。另外,3种判别模型对健康果和重度果都有很好的判别效果,对健康果和轻度果的判别效果不理想,需要在今后的研究中进一步的优化。3.基于漫透射光谱采用3种光谱采集方式、5种光谱预处理方法和4种建模方法来建立苹果霉心病无损检测模型。两点横建模结果显示,单位归一化处理结合PLSR所建模型的效果最好,其判别率为85.29%;四点横建模结果显示,单位归一化处理结合PLSR所建模型的效果最好,其判别率为86.27%;四点纵建模结果显示,单位归一化处理结合MLR所建模型的效果最好,其判别率为83.33%。综上,四点横光谱采集方式、单位向量归一化预处理方法和PLSR建模方法更适用于漫透射光谱建立苹果霉心病无损检测模型,判别率为86.27%。然后对四点横漫透射光谱分波段建模,建模结果显示第二波段+第三波段(710nm~950 nm)的四种建模方法所建模型都有很好的判别效果,其中PLSR的判别率高达87.25%。4.基于漫反射光谱采用5种光谱预处理和4种建模方法来构建苹果霉心病无损检测模型。建模结果显示,一阶导处理结合PLSR所建模型的效果最好,其判别率为83.74%;一阶导处理结合MLR和SVR所建模型的效果次之,其判别率分别为82.11%和81.30%,PCR模型的判别率较低,在60.16%~67.48%之间,因此PCR这种建模方法不适用于漫反射光谱建立苹果霉心病模型。分波段建模结果显示,第二波段(740 nm~1386 nm)的模型效果最好,MLR、PLSR和SVR模型的判别率分别为82.93%、80.49%和79.67%。将漫透射和漫反射建模结果相对比,得出无论是原始模型还是最优预处理模型,漫透射光谱更适合建立苹果霉心病无损检测模型。