【摘要】 利用近红外光谱技术也成功地预测了桃子的内部品质指标,如SSC、pH值、硬度和果肉色泽。

中国种植了1000多个品质差异显著的桃子品种。区分桃子品种不仅是桃子销售商的需要,也是消费者的要求。近红外(NIR)光谱在检测农产品质量方面具有分析速度快、操作简单、无损测量等优点,优于传统的物理和化学方法。它已被用于测定水果的可溶性固形物含量(SSC)和硬度,如梨,草莓,猕猴桃,葡萄和甜瓜。此外,近红外光谱还用于无损区分农产品品种,例如,使用偏最小二乘法(PLS)回归的红色和粉红色西红柿,可区分性为96.85%,使用逻辑回归的泰国橙子品种,分类准确率为100%,以及使用 PLS 的咖啡豆品种,错误分类误差在 5-10% 范围内。这些研究表明,这些品种可以被识别出具有极好的鉴别率。

 

利用近红外光谱技术也成功地预测了桃子的内部品质指标,如SSC、pH值、硬度和果肉色泽。然而,据我们所知,关于桃子品种鉴定的信息有限。因此,Guo W等人[1]探索近红外光谱在桃子品种鉴定中的可行性。为了提供识别桃子品种的信息,使用傅里叶变换近红外光谱仪(图1)在漫反射模式下收集了四个桃子品种的NIR光谱,每个品种 100 个样品,介于 833 和 2500 nm 之间。图2显示了400个样品的近红外吸光度光谱,通过Savitzky-Golay平滑和MSC进行预处理。400个桃谱的总体趋势相似。在980.58、1199.19、1450.03、1799.21和1927.63 nm处均有显著的吸收峰。4个桃子品种的平均吸光度光谱表明,4个品种的吸光度值差异不大。在吸光度峰处观察到明显的差异。例如,“北京八号”在1799.21和1927.63 nm处的吸收值最大,“红米”在1450.03 nm处的吸收值最大,“来山米”的吸收值最大,为980.58和1199.19 nm。四个桃子品种之间有许多交叉重叠。很难根据原始的吸光度光谱直接区分这些品种。

 

图1. 傅里叶变换近红外光谱仪[1]

 

图2. Savitzky-Golay 平滑和 MSC 后所有桃子的吸光度光谱[1]

 

采用主成分分析(PCA)、基于偏最小二乘法的无信息变量消除法(UVE-PLS)和连续投影算法(SPA)分别提取了8个主成分(PC)、1067个和10个特征波长,分别来自2074个初始波长的全光谱(FS)。采用最小二乘支持向量机(LSSVM)和极限学习机(ELM)建立了以FS、选定PC和特征波长为输入变量的桃子品种识别模型。实验结果表明,所有基于PCA的模型对4个桃子品种的鉴定准确率均达到100%。基于UVE-PLS的LSSVM模型的准确率也达到了100%。研究表明,利用近红外光谱可以成功地区分桃子品种。

 

[1] Guo W , Gu J , Liu D ,et al.Peach variety identification using near-infrared diffuse reflectance spectroscopy[J].Computers and Electronics in Agriculture, 2016, 123:297-303.

 

科学指南针充分发挥互联网技术和业务优势,在国内率先打造出业界领先的线上化、数字化的科研服务基础设施,在行业内首创用户自主下单、服务全流程追踪、测试“云现场”等模式,进一步提高了大型科学仪器设施开放共享和使用效率,以实际行动助力科技创新。现已发展成为中国专业科研服务引领者,已获得检验检测机构资质认定证书(CMA)、实验动物使用许可证、“ISO三体系认证”等专业认证。

 

免责声明:部分文章整合自网络,因内容庞杂无法联系到全部作者,如有侵权,请联系删除,我们会在第一时间予以答复,万分感谢。