番茄（Solanum lycopersicum L.）因其營養(yǎng)豐富以及風(fēng)味深受廣大消費(fèi)者的喜愛。成熟過程受遺傳和環(huán)境的調(diào)控導(dǎo)致生理生化變化，如番茄紅素的生物合成、可滴定酸的損失、可溶性糖的增加、硬度和顏色等物理變化以及番茄香氣、營養(yǎng)成分和風(fēng)味的變化。目前，無損檢測技術(shù)已被廣泛探索用于預(yù)測番茄品質(zhì)，如機(jī)器視覺、電子鼻技術(shù)、光譜分析技術(shù)、核磁共振技術(shù)。高光譜成像將光譜與傳統(tǒng)圖像相結(jié)合，可以同時(shí)獲得目標(biāo)的空間和光譜信息，具有可靠性高、無損、準(zhǔn)確等優(yōu)點(diǎn)。
山東農(nóng)業(yè)大學(xué)邵園園副教授團(tuán)隊(duì)利用我司高光譜設(shè)備，對番茄高光譜數(shù)據(jù)進(jìn)行采集的同時(shí)獲取番茄綜合品質(zhì)指標(biāo)，預(yù)測番茄內(nèi)在營養(yǎng)品質(zhì)的變化，為實(shí)現(xiàn)番茄果實(shí)最佳采摘時(shí)期的確定、分級、運(yùn)輸、貯藏和保鮮等具有重要的指導(dǎo)意義。我司高光譜設(shè)備參數(shù)如圖1所示。
在番茄的品質(zhì)檢測中，大多數(shù)檢測是針對單一品質(zhì)指標(biāo)，很少能同時(shí)檢測番茄的綜合品質(zhì)。本研究為尋找可表示番茄綜合品質(zhì)的指標(biāo)，采用可見光和近紅外（Vis-NIR）高光譜成像技術(shù)，分別在綠熟期、轉(zhuǎn)色期、成熟期和晚熟期，對3個(gè)常栽番茄品種（‘圣羅蘭’、‘凱德雅麗1832’和‘愛綠士T147’）的果實(shí)進(jìn)行了圖像采集，并測定了其中的12個(gè)品質(zhì)指標(biāo)：果實(shí)的顏色指標(biāo)（L*、a*、b*、色度值、色調(diào)值、a*/b*）、硬度、番茄紅素、可溶性固形物、可溶性糖、有機(jī)酸和VC含量作為參考標(biāo)準(zhǔn)。
其次，通過分析不同指標(biāo)的變化趨勢及相關(guān)性，利用因子分析提出了綜合品質(zhì)指標(biāo)（CQI）。因子分析用于從12個(gè)番茄品質(zhì)指標(biāo)中尋找潛在和主導(dǎo)因子，用于番茄果實(shí)的綜合品質(zhì)評價(jià)。因子分析的合理性通過kaiser meyer olkin（KMO）和bartlett球形檢驗(yàn)進(jìn)行評估。開發(fā)因子的方差和特征值，生成因子得分表。
表1 各項(xiàng)品質(zhì)指標(biāo)的因子的成分矩陣
| Index | Factor | ||
| 1 | 2 | 3 | |
| L* | -0.693 | 0.548 | -0.285 |
| a* | 0.943 | -0.001 | 0.216 |
| b* | -0.589 | 0.642 | 0.409 |
| Chroma | 0.153 | 0.779 | 0.567 |
| Hue | -0.965 | 0.045 | -0.111 |
| Hardness | -0.829 | -0.095 | 0.262 |
| SSC | 0.583 | 0.610 | -0.194 |
| Lycopene | 0.802 | 0.120 | 0.035 |
| Soluble sugar | 0.481 | 0.634 | -0.510 |
| Titratable acid | -0.651 | 0.275 | -0.266 |
| VC | 0.792 | 0.062 | -0.087 |
| a*/b* | 0.974 | -0.024 | 0.092 |
其中T是番茄紅素，F(xiàn)是硬度，C是色度值，H是色調(diào)值。
最后通過連續(xù)投影算法選擇特征波長，用于建立CQI預(yù)測的三個(gè)回歸模型。結(jié)果表明，多元線性回歸（MLR）模型RV2= 0.87，RMSEV = 1.33，RPD = 2.58取得了良好的性能。本研究表明，基于高光譜成像和化學(xué)計(jì)量學(xué)技術(shù)，可以無損預(yù)測番茄的綜合品質(zhì)，為番茄果實(shí)的最佳采收期的確定、果實(shí)分級、運(yùn)輸、貯藏和保鮮提供了技術(shù)支持。本研究提出的綜合品質(zhì)指標(biāo)（CQI）不僅綜合了番茄果實(shí)的內(nèi)外部品質(zhì)指標(biāo)，而且與番茄的成熟度具有一定的關(guān)聯(lián)性。
圖3高光譜數(shù)據(jù)分析過程
第一作者簡介：
邵園園，工學(xué)博士，山東農(nóng)業(yè)大學(xué)副教授，碩士生導(dǎo)師。
主要研究方向：1、農(nóng)業(yè)機(jī)械設(shè)計(jì)，包括播種育苗移栽機(jī)械、免耕播種機(jī)械、秸稈后處理機(jī)械及蘋果、花生、甘薯收獲機(jī)械等。
2、機(jī)構(gòu)運(yùn)動與動力學(xué)優(yōu)化仿真；精準(zhǔn)農(nóng)業(yè)、農(nóng)產(chǎn)品檢測、圖像識別、高光譜圖像處理等。
參考文獻(xiàn)：Shao Y , Shi Y , Qin Y，Xuan G , et al. A new quantitative index for the assessment of tomato quality using Vis-NIR hyperspectral imaging [J]. Food Chemistry, 386(2022):132864.
© 2019 版權(quán)所有：江蘇雙利合譜科技有限公司 備案號：蘇ICP備2021046114號-3 技術(shù)支持：化工儀器網(wǎng) GoogleSitemap 管理登陸
在線客服