论文部分内容阅读
草莓具有独特风味,富含维生素、花青素、叶酸等营养成分,深受消费者喜爱。中国是重要的草莓生产国与消费国。草莓采后保鲜期短,易遭受机械损伤,导致其采后物流过程损耗较高。草莓采后物流过程新鲜度和机械损伤信息的快速感知是及早发现果实采后发生品质劣变、改进后续保鲜物流策略的关键支撑。传统无损检测果实品质、新鲜度和机械伤的方法多基于光学成像技术,不适合采后物流过程存放在包装内以及冷库和冷藏车等黑暗环境下的草莓损伤度和新鲜度检测。草莓含有丰富的挥发性物质（VOC）,并会随着草莓受伤或新鲜度降低而发生改变,是评价草莓品质变化的重要指标,且草莓VOC的感知不受果实包装或黑暗物流环境的限制。目前尚未有适合物流过程的基于感知草莓VOC实现新鲜度及机械伤检测的技术手段;并且草莓整果在储藏过程及遭受机械伤后的VOC变化规律尚不明确。本文以浙江省主栽草莓品种‘红颜’为材料,利用电子鼻技术获取草莓果实VOC信号,通过特征提取、模式识别、数据建模等计量学算法,对不同新鲜度和不同机械损伤程度草莓开展无损检测研究,同时利用气相色谱-表面声波传感器联用（GC-SAW）、气相色谱-质谱联用（GC-MS）技术开展了草莓不同新鲜度和机械损伤程度的VOC变化规律的研究。本文研究结果将为采后物流过程实时监测草莓品质变化提供技术支撑。同时通过初步筛选具有代表性的草莓品质劣变特征VOC,为解析草莓在采后物流过程品质裂变导致VOC变化的机制,进而研发基于VOC监测的草莓采后物流过程品质裂变专用传感器提供依据。主要研究内容和结果如下:1、基于VOC的草莓新鲜度无损检测研究。采集不同新鲜度草莓VOC的电子鼻响应信号,建立预测草莓新鲜度的偏最小二乘回归（PLSR）和支持向量机（LS-SVM）模型。最优模型为LS-SVM-EN120,其预测新鲜度的Rp值为0.983。然后采用GC-SAW技术对草莓整果顶空VOC进行了分析,发现5个信号峰的峰面积随着草莓储藏时间增加呈现上升或下降等变化规律。进一步无损获取草莓整果顶空VOC,并进行GC-MS分析,发现随着草莓新鲜度的下降,丁酸甲酯和己酸甲酯的相对含量逐渐减少,丁酸乙酯和正己酸乙酯逐渐升高。2、基于VOC的草莓撞击机械伤无损检测研究。对草莓进行不同程度撞击的处理,并采集其VOC的电子鼻信号,分别建立草莓撞击程度预测的PLSR和LS-SVM模型。最优模型LS-SVM-ENAll的Rp值为0.931,说明电子鼻技术可以用于无损检测草莓的撞击程度。进一步基于撞击后不同时间点的电子鼻数据分别建立撞击检测模型,结果普遍优于基于所有时间点样本所建立的模型,说明去除同样对草莓VOC产生影响的时间因素后,更容易判断草莓的受撞击程度。同时,基于电子鼻数据建立了草莓是否遭受撞击损伤的判别模型。其中基于全时间点样本数据建立的LS-SVM模型的平均预测集分类正确率达到94.12%;而基于不同时间点样本建立的LS-SVM最优模型的预测正确率达到100%。此外,建立了草莓遭受撞击发生时间的预测模型,最优模型LS-SVM-ENAll的Rp值达到0.866,且分别基于不同撞击程度建立的预测模型精度同样优于全样本建模。进一步基于遭受撞击损伤的草莓果实,分别无损采集了其整果顶空VOC以及通过果肉取样采集了果肉VOC,然后采用GC-MS技术分别进行分析。GC-MS无损检测结果显示,草莓撞击24 h后右旋萜二烯的相对含量显著升高,同时醇类物质的相对含量也有增加;而GC-MS取样检测的结果显示,（E）-乙酸-2-己烯-1-醇酯和（E）-2-庚烯醛可能是能够反映草莓遭受撞击损伤的关键VOC。3、基于VOC的草莓振动机械伤测研究。对草莓进行不同程度振动处理,并基于其VOC的电子鼻响应值分别建立预测草莓振动机械伤损伤程度的PLSR和LS-SVM模型。基于全样本数据建立的PLSR模型的平均Rp值仅为0.59,LS-SVM模型的平均Rp值为0.83,后者较前者的Rp值提升了40%。而分别基于不同振动后储藏时间点的样本所建立模型平均Rp值大于0.96,普遍优于全样本建模。草莓振动机械伤分类检测结果中,LS-SVM模型的分类精度比PLSR模型更高,预测集的平均正确率大于90%。草莓振动机械伤发生时间预测的研究结果显示最优模型LS-SVM-ENMax的Rp值为0.983。GC-MS无损分析结果显示,振动0.5 h草莓中中含有30%左右的烯类物质,高于1 h和2 h振动处理组;在GC-MS取样检测中,并未发现能够用于判别草莓振动机械伤发生的特征VOC。