论文部分内容阅读
以富士和粉红女士为试材,研究电子鼻结合化学计量学法对不同损伤程度苹果的分级和低温贮藏苹果品质的预测效果,以及比较了电子鼻和GC-MS在检测苹果贮藏期香气变化中的应用效果,为电子鼻更好应用于苹果品质检测中提供理论参考。结果如下:(1)建立区分苹果不同损伤程度的判别模型。电子鼻结合LDA能够较好地将不同损伤程度的苹果进行区分,LD1和LD2的总贡献率达到98.7%;而利用SDA、RBF神经网络、MLP神经网络和BP神经网络所建立的判别模型分别对训练集的总体判别准确率分别为97.5%、78.8%、99.7%和99.1%,对测试集的总体判别准确率分别为93.8%、66.3%、95.0%和96.3%。RBF神经网络的总体判别准确率较低,但对损伤程度较大(0.5 m跌落损伤和0.8 m跌落损伤)的苹果有较好的判别准确率,均大于80.0%。SDA、MLP神经网络模型和BP神经网络模型均有较高的判别准确率,均大于93.0%,而MLP和BP神经网络模型的判别效果较SDA更好。电子鼻能够对常温贮藏中不同损伤程度的苹果进行区分并预测其贮藏时间。电子鼻结合LDA能够对各贮藏期不同损伤程度苹果进行清晰地区分;结合Fisher判别函数能够对不同损伤程度苹果的贮藏时间进行较好地预测,对对照组、0.2 m跌落损伤组、0.5 m跌落损伤组、0.8 m跌落损伤组校正集贮藏时间进行总体预测的准确率分别为96.7%、97.5%、98.3%和95.8%,对各组验证集贮藏时间进行总体预测的准确率分别为97.5%、95.0%、97.5%和92.5%。Fisher判别模型对0.5 m跌落损伤苹果贮藏时间预测效果最好。可见,利用电子鼻不但能够对采后不同损伤程度的苹果进行较好地区分,也能够对完好苹果和损伤苹果的常温贮藏时间进行有效地预测,有利于苹果采后的分级处理,提高贮藏苹果的商品价值,降低苹果采后损失率,为完好苹果和损伤苹果常温贮藏中更合理、及时地加工利用提供技术和理论参考。(2)电子鼻能够对苹果低温贮藏时间及品质进行预测。电子鼻结合MLP神经网络均能对富士和粉红女士苹果贮藏时间进行较好地预测,其中对富士和粉红女士苹果训练集预测的准确率分别为99.3%和98.5%,两种苹果测试集预测的准确率分别为97.4%和97.5%。电子鼻结合PLS法能够对苹果各理化品质指标建立预测模型,模型对富士苹果硬度、SSC、TA和固酸比校正时的R2分别为0.9103、0.8599、0.9184和0.8322,预测时的R2分别为0.9047、0.8302、0.8851和0.8139;PLS模型对粉红女士苹果硬度、SSC、TA和固酸比校正时的R2分别为0.9181、0.8776、0.8691和0.8480,预测时的R2分别为0.8860、0.8258、0.8516和0.8452。利用电子鼻的检测结果对富士苹果各理化品质指标建立的BP神经网络预测模型的R2均大于0.9000,对粉红女士各理化品质指标建立的BP神经网络预测模型的R2均大于0.8300。PLS法对富士苹果硬度和TA的预测效果较SSC更好,对粉红女士苹果理化品质指标中硬度的预测效果最好,而BP神经网络在苹果理化品质预测中较PLS有更好的应用效果。建立的通用于两种苹果理化品质指标预测的BP神经网络模型,仅对SSC预测时的R2低于0.8500,对硬度、TA和固酸比校正和预测时的R2均大于0.8500,应用效果较好,为扩大电子鼻在苹果品质预测中的应用范围提供参考。电子鼻结合PLS法能够对富士苹果质地品质中的脆度和回复性进行较好地预测,模型的R2均大于0.8000,而对凝聚性和咀嚼性的预测效果稍差。(3)电子鼻结合GC-MS评价苹果贮藏期香气变化。GC-MS检测到富士和粉红女士在低温贮藏过程中分别释放出75种和78种挥发性成分,主要为烃类、醛类、酮类、酯类、醇类、酸类、萜稀类等物质,且在贮藏过程中,果实释放出的酯类和醇类物质的相对含量较高。两种苹果产生的挥发性物质的含量在贮藏90 d时有明显的上升或下降趋势,在贮藏末期多呈现明显的下降趋势,且均在贮藏90d和120d时分别产生较多的酯类和醇类挥发性物质。在贮藏的90 d和120 d,粉红女士苹果产生的烃类、酮类、酸类、酚类和萜烯类物质含量相近。电子鼻中的S2、S7和S9传感器对苹果香气检测有重要作用,优化后的电子鼻传感器结合LDA法能够对不同贮藏期苹果进行区分,两种苹果香气均在贮藏90 d时发生较大变化,这也与GC-MS对苹果贮藏期香气变化的分析结果基本一致。此外,富士和粉红女士苹果贮藏期香气的感官评价结果与电子鼻和GC-MS对两种苹果贮藏期香气变化的检测结果也基本一致。说明利用电子鼻可实现对苹果品质的准确、快速无损检测,检测结果具有可靠性。