论文部分内容阅读
生菜的新鲜度一直是研究生菜品质的核心问题，因为生菜鲜切后组织细胞代谢旺盛，呼吸速率很高，导致鲜切生菜容易萎蔫和衰老。同时生菜加工企业自动化式的生菜鲜切加工需要准确且快速的生菜新鲜度品质分级技术。因此急需开展生菜的新鲜度监测模型和评定方法方面的研究，为生菜资源的合理开发利用提供理论依据。本文的主要研究内容如下：
(1)本研究以市场销售的鲜切生菜为研究对象，结合感官评价建立生菜新鲜度品质综合评定方法。首先根据叶类蔬菜新鲜度的相关研究和鲜切生菜的感官评价结果，确定主要影响鲜切生菜新鲜度品质的关键指标，测定了鲜切生菜叶片的水分含量、可溶性固形物含量、叶绿素含量、和色彩(L*,a*和b*)值及丙二醛的含量。然后对鲜切生菜的感官评价结果和测定的理化指标进行相关性分析，结果发现水分含量、可溶性固形物含量是影响鲜切生产新鲜度的主要因素，其对新鲜度的累计贡献率分别达到87.399％和76.022％。最后根据相关性分析的结果，构建鲜切生菜的新鲜度量化模型，达到对鲜切生菜的新鲜度品质量化的目的。
(2)通过采用350～2500nm波段高光谱技术获取鲜切生菜叶片的光谱信息，通过对光谱信息进行数据规范化、数据平滑、导数法、多元散射校正和标准正态变换预处理，从而达到降低光谱信息噪点提高光谱信息准确性的目的。同时通过主成分分析和连续投影算法对相应理化指标进行特征提取。最后根据特征光谱信息构建了多元线性回归、偏最小二乘、人工神经网络及最小二乘支持向量机四种预测模型。根据鲜切生菜叶片的光谱信息和相应的理化值，首先构建了预测鲜切生菜水分含量的偏最小二乘-人工神经网络复合模型，其中鲜切生菜水分含量预测模型的相关系数R2=0.9653，均方根误差RMSE=0.134。选取的6个特征波长为：1323、1345、1382、1417、1794和1795nm。接着构建了预测鲜切生菜可溶性固形物(SSC )含量的偏最小二乘-人工神经网络模型，预测模型的相关系数R2=0.9568，RMSE=0.0017。选取的5个特征波长为：961、974、985、1120及1231nm。最后构建了鲜切生菜叶绿素含量和丙二醛(MDA)含量预测模型。其中鲜切生菜叶绿素含量预测模型的相关系数R2=0.903，RMSE=0.0124。选取的4个特征波长为：423、487、546和638nm。鲜切生菜丙二醛(MDA)含量预测模型的相关系数R2=0.889，RMSE=0.0733。选取的6个特征波长为：477、569、625、712、739和741nm。通过对不同理化指标预测模型进行复合处理，确定鲜切生菜新鲜度复合模型。其中模型的决定系数为0.97，均方根误差RSME为0.0103。
(3)在实际加工销售过程中，鲜切生菜通常用保鲜膜包装销售。考虑到鲜切生菜保鲜膜材料对预测模型的影响，测定了常用的三种保鲜膜材料：聚乙烯(PE)膜、氯乙烯(PVC)膜和聚偏二氯乙烯(PVDC)膜对复合预测模型精度的影响。通过建立最小二乘支持向量机(LS-SVM)模型的判别混淆矩阵结果来看，保鲜膜的存在对利用高光谱技术对鲜切生菜的判别结果影响较小，其中聚乙烯(PE)膜的判别正确识别率为85.7％、氯乙烯(PVC)膜的判别正确识别率为88.4％及聚偏二氯乙烯(PVDC)膜的判别正确识别率为94.1％。比较发现虽然三种保鲜膜均降低最佳模型的正确辨识度，但实际影响较小，本研究建立的生菜新鲜度复合预测模型具有较强的鲁棒性。
本研究基于高光谱技术对鲜切生菜新鲜度检测方法进行研究，相较于传统的检测方法具有无损、快速、易操作，且成本低廉、便于推广，可以为今后便携式生菜新鲜度无损监测设备的设计和开发提供了理论依据。
(1)本研究以市场销售的鲜切生菜为研究对象，结合感官评价建立生菜新鲜度品质综合评定方法。首先根据叶类蔬菜新鲜度的相关研究和鲜切生菜的感官评价结果，确定主要影响鲜切生菜新鲜度品质的关键指标，测定了鲜切生菜叶片的水分含量、可溶性固形物含量、叶绿素含量、和色彩(L*,a*和b*)值及丙二醛的含量。然后对鲜切生菜的感官评价结果和测定的理化指标进行相关性分析，结果发现水分含量、可溶性固形物含量是影响鲜切生产新鲜度的主要因素，其对新鲜度的累计贡献率分别达到87.399％和76.022％。最后根据相关性分析的结果，构建鲜切生菜的新鲜度量化模型，达到对鲜切生菜的新鲜度品质量化的目的。
(2)通过采用350～2500nm波段高光谱技术获取鲜切生菜叶片的光谱信息，通过对光谱信息进行数据规范化、数据平滑、导数法、多元散射校正和标准正态变换预处理，从而达到降低光谱信息噪点提高光谱信息准确性的目的。同时通过主成分分析和连续投影算法对相应理化指标进行特征提取。最后根据特征光谱信息构建了多元线性回归、偏最小二乘、人工神经网络及最小二乘支持向量机四种预测模型。根据鲜切生菜叶片的光谱信息和相应的理化值，首先构建了预测鲜切生菜水分含量的偏最小二乘-人工神经网络复合模型，其中鲜切生菜水分含量预测模型的相关系数R2=0.9653，均方根误差RMSE=0.134。选取的6个特征波长为：1323、1345、1382、1417、1794和1795nm。接着构建了预测鲜切生菜可溶性固形物(SSC )含量的偏最小二乘-人工神经网络模型，预测模型的相关系数R2=0.9568，RMSE=0.0017。选取的5个特征波长为：961、974、985、1120及1231nm。最后构建了鲜切生菜叶绿素含量和丙二醛(MDA)含量预测模型。其中鲜切生菜叶绿素含量预测模型的相关系数R2=0.903，RMSE=0.0124。选取的4个特征波长为：423、487、546和638nm。鲜切生菜丙二醛(MDA)含量预测模型的相关系数R2=0.889，RMSE=0.0733。选取的6个特征波长为：477、569、625、712、739和741nm。通过对不同理化指标预测模型进行复合处理，确定鲜切生菜新鲜度复合模型。其中模型的决定系数为0.97，均方根误差RSME为0.0103。
(3)在实际加工销售过程中，鲜切生菜通常用保鲜膜包装销售。考虑到鲜切生菜保鲜膜材料对预测模型的影响，测定了常用的三种保鲜膜材料：聚乙烯(PE)膜、氯乙烯(PVC)膜和聚偏二氯乙烯(PVDC)膜对复合预测模型精度的影响。通过建立最小二乘支持向量机(LS-SVM)模型的判别混淆矩阵结果来看，保鲜膜的存在对利用高光谱技术对鲜切生菜的判别结果影响较小，其中聚乙烯(PE)膜的判别正确识别率为85.7％、氯乙烯(PVC)膜的判别正确识别率为88.4％及聚偏二氯乙烯(PVDC)膜的判别正确识别率为94.1％。比较发现虽然三种保鲜膜均降低最佳模型的正确辨识度，但实际影响较小，本研究建立的生菜新鲜度复合预测模型具有较强的鲁棒性。
本研究基于高光谱技术对鲜切生菜新鲜度检测方法进行研究，相较于传统的检测方法具有无损、快速、易操作，且成本低廉、便于推广，可以为今后便携式生菜新鲜度无损监测设备的设计和开发提供了理论依据。