摘要
番茄是一种营养丰富且深受人们喜爱的果蔬,在全球都得到了广泛的种植,而我国番茄产销量稳居全球首位。番茄不仅在人们的生活中扮演了一个重要的角色,在工业生产中也占据了举足轻重的位置,我国番茄的出口也在不断增加。番茄的糖分、酸度、维生素C及可溶性固形物含量是反映番茄内部品质的重要评价指标,而可溶性固形物含量是这些内部品质的总和,能够较好地表征番茄的内部品质。因此,实现对番茄可溶性固形物含量的快速检测对番茄的工业生产和日常生活有着巨大的帮助。基于化学原理的传统检测方法会对番茄样品产生不可逆的破坏,且耗时耗力,难以应对我国现代工业生产的需要。因此,寻求番茄内部品质的快速无损检测技术成为了亟待解决的问题。近年来,近红外光谱分析在多个领域得到了广泛的应用;基于近红外光谱检测方法对反映番茄甜度的可溶性固形物含量进行了相关性建模和预测研究。实验搭建了近红外光谱检测平台,选择了255个不同成熟度和品种的番茄样本,每个样本采集了光谱数据和可溶性固形物含量值。研究对比了SNV, MSC, NOR和SG等光谱数据预处理方法,并采用K-S算法划分建模校正集和验证集。同时,为提高检测可靠度和建模效率,研究对比了CARS,RF,SPA和UVE等算法来进行数据降维。结果表明,采用SNV加二阶15点SG平滑组合的预处理与CARS波段选择相结合,利用选出的54个波段建立的模型效果较好,校正、验证和交互验证相关系数R2分别达到了0.90, 0.89和0.91,均方根误差RMSE分别为0.14, 0.15和0.14°Brix。利用自行搭建的近红外光谱检测平台可较好地实现了番茄糖分的快速检测。
- 单位