文献分享基于近红外的猕猴桃可溶性固形物和
一、研究背景
猕猴桃因其营养成分而成为一种受欢迎的水果和全球农业商品，可溶性固形物含量(SSC)和酸度(pH)分别是决定猕猴桃甜度和酸度风味的重要指标。此外，了解猕猴桃中SSC的变化也有助于确定 收获时间和采后贮藏行为。通常通过数字Brix折射测量和pH测试来预测SSC和pH是耗时的且需要销毁样品。因此，越来越需要更有效和无损的方法来确保消费者获得更安全和更美味的食物。采后水果和蔬菜评估中使用的大多数可见光-近红外光谱成像技术都显示出与完整样品中质量空间分布的识别有关的问题，主要是由于取样表面曲率效应。
二、研究目标
本研究的总体目标是为猕猴桃的SSC和pH评估提供一种无损、快速的映射方法。因此，必须实现以下子目标：（1）设计一个物体旋转NIR-HSI系统，扫描整个猕猴桃表面；（2）提取-nm范围内的关键波长，构建SSC和pH预测模型；（3）将 预测模型应用于HSI数据的每个像素，以可视化它们的空间分布。本研究的假设是，通过有效地利用NIR-HSI技术，可以可视化猕猴桃样品内的SSC和pH空间分布，并与它们的参考值高度相关，而不需要采样表面曲率引起的信号采集中的显著误差。
三、研究方法
实验样品制备：九十个猕猴桃处于相同的商业成熟阶段和储存条件，只选择每个样本的中心部分进行进一步的数据分析，以收集横向的高光谱图像。将位置标记并分成三片，分别为茎侧、中部和花萼侧，将90个猕猴桃随机分为两组，分别在(3-6?C和25-55%RH)和保质期(25-26?C和60-65%RH)条件下贮藏，然后从每组中选择15个样本，并在1、3和5个储存天后进行测量。在每次测量之前，冷藏样品在保质期条件下保存近12小时，以减少温度变化引起的光谱测量变化。
图1-猕猴桃表面高光谱图像采集
近红外高光谱图像采集：设计了一种物体旋转高光谱成像系统，相机到目标的距离被手动调整到26厘米，可以实现90毫米的水平视图，空间分辨率为.25μm，将辐照角度调整为45?，以尽量减少HSI摄像机接收到的镜面射线的比例，每个样本被定位在样本旋转阶段，茎-萼轴水平对齐，并在旋转过程中逐行扫描。其滚筒导轨的表面被弯曲，以防止猕猴桃样品的滑动。手动调整样品转速，以匹配摄像机帧速率及其空间分辨率。用大 s扫描每个猕猴桃样品的整个表面，所设计的HSI系统适用于圆柱形样品，而不是圆形和椭圆形样品。
图2-猕猴桃在不同SSC和pH下的原始(A)和预处理(B)近红外光谱
测量SSC和pH参考值：每个猕猴桃样品经光谱图像采集后切成三片去皮片。每片的果肉部分被用来榨汁，在实验室条件下(25-26?C和60-65%RH)，用紧凑型离心机提取并离心5分钟。然后，用数字Brix折射计(精度为0.1%)测量每个样品的SSC，用pH计(精度为0.01)测量pH。 进行光谱预处理和偏最小二乘回归分析。
四、研究结论
本研究提供了一种无损和快速的方法来可视化猕猴桃的SSC和pH，将推臂式近红外高光谱成像相机和一个样品旋转台相结合，扫描整个猕猴桃表面，通过偏最小二乘回归分析，提取-nm范围内的关键波长，构建SSC和pH校准模型。得到的SSC预测精度足够高：交叉验证集的确定系数和均方根误差分别为0.74和0.7；对于PH分别为0.64和0.14。SSC和pH映射结果与它们的参考值有很好的相关性，并且在每个样本中显示出显著的空间分布。此外，映射结果表明，必须通过检查模型校准过程和映射分析中的性能来优化基于HSI和PLS回归分析的预测模型。进一步的研究应包括通过增加样本规模来验证和改进这一方法。对这些方面的研究也有助于其他标准或近似圆柱形样品的质量评估。
图3-整个猕猴桃样品表面的SSC和pH映射结果
撰稿人：宋竹平声明：分享源自于个人理解仅供参考,具体详情见原文，点击蓝色“阅读原文”下载。原文下载：| |
