论文部分内容阅读
以疑似霉心病、疑似水心病及对应品种的健康苹果为试材,研究傅里叶近红外光谱技术（FT-NIR）和电子鼻技术分别结合化学计量学无损检测苹果霉心病、水心病的可行性,为近红外光谱和电子鼻技术更好地应用于采后苹果内部病害的判别分析,合理加工和利用提供理论参考;比较霉心病和水心病分别对果实内部好果肉部分理化品质指标的影响,为消费者购买健康放心的水果提供参考,结果如下:（1）区分苹果霉心病近红外模型的建立。对霉心病苹果和健康苹果的近红外原始光谱进行主成分分析,分别结合Fisher判别函数和MLP神经网络2种化学计量学方法,建立苹果霉心病的判别模型,结论是用12000 cm-14000 cm-1波段的前15个主成分分别结合Fisher判别函数和MLP神经网络建模,验证集的正确判别率分别为72%和87.7%,因此,MLP神经网络模型能更好地鉴别苹果霉心病,说明利用主成分分别结合Fisher判别函数和MLP神经网络鉴别苹果霉心病是可行的,但是鉴别模型的准确率有待提高。（2）区分苹果霉心病电子鼻模型的建立。比较电子鼻分别结合MLP神经网络、RBF神经网络和Fisher判别3种方法对苹果霉心病进行鉴别,综合考虑建模集和验证集的正确判别率得出,MLP神经网络模型对苹果霉心病的鉴别结果最好,建模集和验证集的总体正确判别率为87.9%和86.2%,其中,霉心病苹果的建模集和验证集的判别正确率较差,分别为68%和64.7%。因此,电子鼻技术结合化学计量学的方法对苹果霉心病的鉴别准确率需进一步提高。（3）区分苹果水心病近红外模型的建立。水心病和健康苹果的近红外原始光谱经5种方法预处理后,用全波段光谱提取的主成分结合Fisher判别函数,建立针对苹果霉心病的Fisher判别模型。结论是近红外光谱经多元散射校正、VN、MMN、9点平滑和一阶导数（9点平滑）预处理后,用12000 cm-14000 cm-1波数范围的前20个主成分进行Fisher判别函数建模,对建模集的正确判别率分别为93.8%、94.3%、92.3%、94.3%和100%,经一阶导数（9点平滑）预处理后所建Fisher判别函数对未知样本的预测准确率为100%;由于经一阶导数（9点平滑）预处理结合主成分所建Fisher判别模型对建模集和验证集的正确判别率均为100%,因此一阶导数（9点平滑）光谱预处理模型优于其它模型,验证了近红外漫反射光谱技术可用于苹果水心病的无损检测。（4）区分苹果水心病的电子鼻模型的建立。比较了电子鼻分别结合Fisher判别、多层感知神经网络、径向基神经网络3种方法所建立的判别模型,对未知样本的正确判别率分别为89.7%、89.5%和85.7%。其中,Fisher判别和多层感知神经网络鉴别的效果较好,但差异不显著,验证了电子鼻技术结合化学计量学方法可以用于苹果水心病的鉴别。（5）健康苹果和霉心病苹果的好果肉部分理化品质指标的差异性研究。随着苹果霉心病的发生,果实内部的好果肉部分的理化品质发生变化,密度和SSC显著减少（P≤0.05）,总酚和类黄酮的含量显著增加,可滴定酸含量差异不显著,均为0.21%;虽然霉心病苹果的硬度为7.82 N/cm2大于健康苹果硬度7.57 N/cm2,但差异未达到显著水平（P≤0.05）,说明霉心病病害部位会影响整个果实的理化品质,使其营养价值和保健功能降低,为苹果采后及时鉴别霉心病提供理化品质参考,建议消费者不宜食用病害果的好果肉部分。（6）健康苹果和水心病苹果的好果肉部分理化品质指标的差异性研究。随着水心病病害的发生,苹果内部好果肉的理化品质发生变化,其中,可滴定酸含量显著减少,密度、硬度、SSC和类黄酮含量均显著增大,总酚含量虽然高于健康苹果内部总酚,但差异不显著（P≤0.05）,说明水心病病害部位会影响整个果实的理化品质,但轻微的水心病并不影响果实的食用,反而因为口感好受到人们喜爱,为苹果采后及时鉴别水心病提供理化品质参考。