采后褪黑素处理对鲜切花椰菜保鲜品质及货架期的影响

为研究采后外源性褪黑素处理对鲜切花椰菜货架期间品质及生理的影响,试验以"雪白"花椰菜为材料,拟从中筛选出有效的使用浓度,进而从生理、细胞和基因表达水平解析褪黑素对鲜切花椰菜保鲜品质的调节作用,以期为探索鲜切花椰菜保鲜和衰老调控的有效途径提供科学依据。采用0.05、0.10、0.50 mmol/L褪黑素溶液浸泡鲜切花椰菜样本15 min,分析货架期间(0、4、8、12、16 d)样本的失重率、硬度、1,1-二苯基-2-三硝基苯肼(1,1-diphenyl-2-picrylhydrazyl,DPPH)值、总酚含量、抗坏血酸含量、色泽、总硫代葡萄糖苷含量、内源性褪黑素含量、多聚半乳糖醛酸酶(polygalacturonase,PG)和脂氧合酶(lipoxygenases,LOX)活性及基因表达水平、细胞超微结构的变化。结果表明:0.10mmol/L褪黑素处理明显延缓(P<0.05)了失重率、硬度、色泽和总硫代葡萄糖苷含量的下降,提升(P<0.05)了样本中内源性褪黑素的含量。同时,0.10mmol/L褪黑素处理最有利于提高总酚含量和抗氧化能力,延缓抗坏血酸的降低。此外,0.10 mmol/L可抑制细胞结构的损伤,降低PG和LOX的基因表达,延缓PG和LOX的活性。由此可知,对鲜切花椰菜进行外源褪黑素处理可能是延长其采后寿命和提高品质的有效技术。

基于近红外光谱特征提取的花椰菜灰霉病早期检测

花椰菜在生长过程中容易感染灰霉病而导致产量减少,现有的分选方法难以在早期检测到感染灰霉病的花椰菜。应用近红外光谱技术实现花椰菜灰霉病的早期判别检测,对花椰菜病害防治意义重大。以接种灰霉菌孢的花椰菜为研究对象,首先,采集对照组和处理组花椰菜的近红外光谱曲线并进行去噪处理,获取4个批次共608个样本(接菌0.5,1,2和3 d每日的健康和染病花椰菜各76朵)在500~2400 nm波段范围内的光谱曲线。同时测量花椰菜样本的多酚氧化酶(polyphenol oxidase,PPO)、过氧化物酶(peroxidase,POD)与丙二醛(malondialdehyde,MDA)的活性值,采用单因素方差分析(analysis of variance,ANOVA)对单一批次的健康和染病花椰菜品质指标进行统计分析。然后,采用K-S算法(Kennard-Stone)将单天的样本划分为校正集(114个样本)与预测集(38个样本),使用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)进行4个批次的花椰菜样本的光谱数据特征波段提取,并基于偏最小二乘回归(partial least square regression,PLSR)算法建立单一批次判别模型和组合批次判别模型。结果表明:在接菌早期,用肉眼无法实现染病花椰菜样本的识别,仅在染病第3 d后部分染病样本病害特征明显时可实现判别。测定对照组和处理组花椰菜品质指标后发现:染病2 d后,对照组和染病组样本的所有品质指标均存在显著性差异(p<0.05),但在第0.5 d时各项指标均无显著性差异,仅在第1 d时MDA值出现显著性差异,说明从品质指标上无法判别早期染病花椰菜。建立单一批次下的PLSR判别模型后表明:第一批次样本(0.5 d)所建模型的判别准确率达到了94.74%,预测集均方根误差为0.835,第二至第四批次(接菌1~3 d)所建判别模型准确率达到100%,表明PLSR模型可以实现单一批次下早期染病花椰菜样本的检测;PLSR组合判别模型在第0.5 d和第1 d判别准确率分别达到了92.11%与97.37%,可以判别出大部分的患病花椰菜,但是PLSR组合批次建模效果低于PLSR单一批次建模。结果表明,基于近红外光谱技术,通过CARS算法提取特征波段结合PLSR模型的建立,可以在早期检测出感染灰霉病的花椰菜,为花椰菜灰霉病的早期检测提供参考,具有一定的实际应用价值。

可见-近红外光谱对花椰菜色泽的检测研究

花椰菜色泽变化和品质密切相关,利用可见-近红外光谱技术对花椰菜的色泽L*值进行研究。结果表明,归一化为最佳预处理方法,使用连续投影算法提取光谱数据特征波长并建立偏最小二乘回归模型。预测模型的相关系数达到了0.9089,预测均方根误差为0.5411。说明可见-近红外光谱技术检测花椰菜的色泽L*值变化是可行的。

基于可见/近红外光谱对腐烂花椰菜的检测研究

为实现对新鲜和腐烂花椰菜的无损检测,采集样本的近红外光谱信息。选择标准正态变换(SNV)、基线校正(Baseline)和平滑处理(Smoothing)消除噪声及环境影响,使用连续投影算法(SPA)、偏最小二乘回归系数法(RC)、随机蛙跳法(RF)来进行特征波长提取并建立PLS模型。结果表明,运用RC方法的效果最好,对新鲜和腐烂花椰菜判别准确率均为100%。结果表明,运用可见/近红外光谱识别新鲜与腐烂花椰菜是可行的,为在线无损检测花椰菜优劣提供依据。

基于高光谱技术的鲜食水果玉米含水率无损检测

目的:实现对鲜食玉米含水率的快速、准确预测。方法:采用高光谱技术对鲜食水果玉米进行光谱数据采集,比较了变量标准化算法(SNV)、附加散射校正算法(MSC)、卷积平滑(SG)、移动平均法(MA)等数据预处理方法对模型精度的影响,选取MSC进行预处理。基于MSC预处理数据选用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)以及随机蛙跳法(RF)分别提取含水率的特征波长并建模分析。结果:MSC-CARS-PLS模型的含水率预测效果最好,预测集的决定系数(R^(2)_(p))达到0.825 0,预测均方根误差(RMSEP)为0.006 0。结论:利用高光谱技术可实现对鲜食水果玉米含水率的快速无损检测。

基于可见/近红外光谱技术快速检测花椰菜中硫代葡萄糖苷的含量

为了快速无损检测不同品种("松花"、"雪白")花椰菜中硫代葡萄糖苷的含量。本实验采集新鲜收获的"松花"、"雪白"花椰菜样本进行可见/近红外光谱的采集、提取和分析。首先,采用基线校正(Baseline)、标准正态变量变换(Standard Nomal Variate transform,SNV)、中值滤波(Median Filter,MF)、高斯滤波(Gaussion Filter,GF)、S-G平滑(Savitzky-Golay)五种方法进行原始光谱的预处理分析。然后,分别采用连续投影算法(Successive Projections Algorithm,SPA)、回归系数法(Regression Coefficient,RC)进行特征波段的提取,并采用主成分分析法(PrincipalComponentAnalysis,PCA)进行主成分的提取,在此基础上,结合最佳预处理方法建立偏最小二乘回归(Partial Least Squares Regression,PLSR)模型。结果表明:"松花"花椰菜的光谱数据所建立的MF-PCA-PLS模型最佳,校正集模型参数Rc=0.89,RMSEC=1.23,预测集模型参数Rp=0.89,RMSEP=0.63。"雪白"花椰菜光谱数据所建的MF-RC-PLS模型最优,校正集模型参数Rc=0.87,RMSEC=1.31,预测集模型参数Rp=0.73,RMSEP=0.46。由此可见,近红外光谱结合PLSR算法能够快速、无损、准确地检测花椰菜中硫代葡萄糖苷的含量。

基于高光谱的茄子外部缺陷检测

利用高光谱(900~1700 nm)对完好、木栓化和烂果茄子进行识别研究。共采摘了252个茄子样本,包含完好茄子170个,木栓化茄子60个和烂果茄子22个,利用高光谱成像系统采集完好、木栓化和烂果3种区域一共252个样本的高光谱图像,然后提取合理的感兴趣区域(ROI)获得样本光谱数据。采用多种预处理方法进行光谱预处理,建立偏最小二乘(partial least squares method,PLS)判别分析模型,结果表明,经normalize预处理后模型的预测效果最好,因此选择normalize作为预处理方法。基于预处理后的光谱数据,采用连续投影法(SPA)、回归系数法(RC)和竞争性自适应重加权算法(CARS)提取特征波长,并分别建立偏最小二乘(PLS)和多元线性回归(MLR)判别模型进行研究。结果表明:CARS-MLR模型对3种类型样本鉴别效果最佳,其校正集决定系数R_(c)^(2)为0.94,预测集决定系数R_(p)^(2)为0.90,RMSEC和RMSEP分别为0.19和0.21,预测集判别准确率达到96.82%。本研究采用高光谱可以对完好、木栓化和烂果茄子进行有效鉴别,为茄子的缺陷无损检测提供了理论参考。

基于高光谱成像技术的核桃黑斑识别研究

利用高光谱成像技术对黑斑核桃进行识别研究,采集80个正常核桃和80个黑斑核桃高光谱图像,并提取感兴趣区域获得样本光谱数据。利用主成分分析(Principal component analysis,PCA)提取光谱数据前5个主成分信息,建立PLS判别模型,结果表明模型判别率均为100%。提取5个主成分图像,分别采用掩膜(Mask)、"Canny"算子、图像填充、区域生长算法(Region grow)提取模板图像和黑斑区域,实现对黑斑的识别。研究表明,采用高光谱图像技术可以实现核桃黑斑的识别,为核桃的黑斑检测提供理论参考。

北京市农业机械总动力及拥有量变化研究

根据北京市近19年农业机械总动力和农用大中型拖拉机的数量,预测2019年—2024年北京市的农业机械总动力及拥有量。采用一元线性回归模型,对近19年数据进行拟合,回归模型的P值均小于0.0001,农业机械总动力的回归模型的相关系数为0.9813,农用大中型拖拉机回归模型的相关系数为0.8318,结果表明拟合效果较好,并能够根据所建立的模型预测出北京市2019年—2024年的农业机械的发展情况,从而为北京市农机发展以及农机市场的资源配置提供理论依据。

基于近红外光谱的室温贮藏下花椰菜抗坏血酸动力学模型

为了实现花椰菜室温贮藏期的抗坏血酸(Ascorbic Acid,ASA)含量实时监测并对贮藏时间进行预测,建立了室温下花椰菜贮藏期的近红外光谱抗坏血酸动力学模型。采集花椰菜样本的近红外光谱曲线,使用K-S算法(Kennard-Stone)以3:1的比例划分样品集;选择9点平滑预处理(Savitzky-Golay Smoothing,SG)消除干扰因素对光谱数据的影响;使用连续投影算法(Successive Projections Algorithm,SPA)提取特征波长,建立了花椰菜抗坏血酸的近红外光谱定量检测模型;分析了不同贮藏时间的花椰菜抗坏血酸值,建立了零级和一级反应方程;最终确定了花椰菜的光谱动力学模型。结果表明,以特征波段的吸光度为自变量,花椰菜抗坏血酸含量为因变量,应用多元线性回归(Multiple Linear Regression,MLR)建立花椰菜抗坏血酸动力学模型,模型的相关系数达到0.981;在此基础上建立了花椰菜贮藏时间与近红外光谱的线性回归关系。研究表明,结合动力学模型的近红外光谱技术可实现对花椰菜抗坏血酸含量的无损检测并对花椰菜贮藏时间进行有效预测。