论文部分内容阅读
水果果实发育过程一般分为生长、成熟和衰老三个阶段,生长阶段和成熟阶段又称为生长期,在此期间,水果内部物质会发生很多变化。目前,苹果、梨等水果内部品质特性研究多侧重于采后和储藏期,很少涉及果实生长成熟过程中的品质与特性变化规律研究,而生长过程的品质变化与监测直接会影响果实质量及水果优质化培育,并最终影响水果的销售、储存、后续加工等环节,因此,很有必要对生长期水果的特性变化作进一步的深入研究。另外,很多针对水果的品质检测,是基于单一检测方法下的多指标研究,较少有针对同一水果的多方法比较研究。针对这两个问题,本文的主要研究内容和结论如下:（1）生长期水果理化特性变化规律及与内部品质之间的关系研究以目前使用比较广泛且技术成熟的介电频谱方法、近红外光谱方法和高光谱方法为检测手段,研究了生长期“富士”苹果、生长期“砀山酥”梨的理化特性变化与内部品质之间的关系,结果表明:随发育时间增加,“富士”苹果和“砀山酥”梨的??和???总体均呈现减小趋势,苹果样品到发育第167d介电参数基本稳定下来,梨样品到第143d基本稳定下来。结合生理参数变化综合判断,“富士”苹果样品在发育第167d达到采收条件;“砀山酥”梨样品在发育第143d达到采收条件。因此,通过检测“富士”苹果和“砀山酥”梨的介电特性,结合生长过程中的硬度、糖度等参数变化,可以预测苹果和酥梨果实的成熟度;（2）基于单一频率或单一波长下的特性参数预测水果内部品质可行性研究基于介电频谱、近红外光谱和高光谱技术,研究了生长期“富士”苹果及“砀山酥”梨,采摘期成熟甜瓜及香梨的介电特性（204500MHz）、近红外光谱特性（8332500nm）及高光谱特性（9001700nm）变化规律,并分析了单一频率介电参数及单一波长近红外吸光强度（或高光谱反射率）与水果内部品质参数之间的线性相关性,结果表明:生长期“富士”苹果介电参数??、???与糖度、硬度在1001000MHz频率范围内存在比较稳定的线性相关性,介电参数与含水率、pH值之间线性关系较弱;生长期“砀山酥”梨、成熟甜瓜、成熟香梨的介电参数、近红外吸光强度或高光谱反射率与其内部各品质参数之间线性相关性均较弱。因此可以通过1001000MHz频率范围内某些特定频率下的介电参数值,预测生长期“富士”苹果的糖度和硬度;较难通过单一频率下的特性参数预测生长期“富士”苹果的其他品质以及“砀山酥”梨的全部内部品质;较难通过单一波长下的吸光强度（或高光谱反射率）预测生长期“富士”苹果、生长期“砀山酥”梨、成熟甜瓜和成熟香梨的内部品质。（3）基于介电频谱技术的水果内部品质检测模型设计分别以生长期“富士”苹果、成熟甜瓜为研究对象,基于介电频谱技术,研究水果内部品质检测模型构建,并比较不同变量优选方法、不同建模方法对模型预测效果的影响。结果表明:基于介电频谱技术均可实现生长期“富士”苹果和成熟甜瓜的内部品质参数预测。其中,苹果的糖度、含水率预测效果优于甜瓜。（4）基于近红外光谱技术的水果内部品质检测模型设计分别以生长期“富士”苹果、生长期“砀山酥”梨、成熟甜瓜和成熟香梨为研究对象,基于近红外光谱技术,研究水果各内部品质检测模型,并比较不同变量优选方法、不同建模方法对模型预测效果的影响。结果表明:基于近红外光谱技术所建模型,均能成功检测各水果的内部品质。其中,香梨检测效果最好,甜瓜检测效果相对最不好。（5）基于高光谱技术的水果内部品质检测模型设计以生长期“富士”苹果、生长期“砀山酥”梨为研究对象,研究水果内部品质检测模型。结果表明:糖度检测方面,苹果的检测效果优于酥梨;硬度检测方面,酥梨的检测效果优于苹果;含水率检测方面,酥梨的检测效果优于苹果。（6）水果单一品质参数不同检测方法比较对比分析了基于介电频谱方法、近红外光谱方法及高光谱方法的不同水果同一品质指标的检测效果,获得了水果单一品质参数无损检测的最佳方法和最优模型。结果显示:1)生长期“富士”苹果糖度、含水率的最佳检测方法均为近红外光谱法,最优检测模型分别为SPA-ELM和PCA-ELM,对应预测均方根误差分别为0.444°Brix和0.624%;硬度、pH值的最佳检测方法均为介电频谱法,最优检测模型分别为UVE-LSSVM和SPA-ELM,对应预测均方根误差分别为0.447 kg·cm-2和0.005。2)生长期“砀山酥”梨糖度和硬度的最佳检测方法均为近红外光谱法,最优检测模型均为UVE-LSSVM,预测均方根误差分别为0.271°Brix和0.399 kg·cm-2;含水率的最佳检测方法是高光谱方法,最优检测模型为PCA-ELM,预测均方根误差为0.564%。3)采摘期成熟甜瓜糖度和含水率的最佳检测方法均为介电频谱法,最优检测模型分别为SPA-LSSVM和UVE-LSSVM,预测均方根误差分别为1.096°Brix和1.404%。4)近红外光谱法检测成熟香梨的内部品质时,糖度检测最优模型为UVE-LSSVM,预测均方根误差为0.252°Brix;硬度和含水率检测最优模型均为PCA-LSSVM,预测均方根误差分别为0.348 kg·cm-2和0.329%。