基于Vis/NIR光谱技术的酿酒葡萄成熟期间SSC预测研究

酿酒葡萄成熟度是确定葡萄采收期的重要品质指标,针对酿酒葡萄大田中成熟度检测难度大的问题,利用可见/近红外（Vis/NIR）光谱技术和化学计量学,研究了酿酒葡萄可溶性固形物含量（SSC）与光谱数据之间的内在联系。采用USB2000+光谱仪获取5种酿酒葡萄及其叶片在不同成熟时期的Vis/NIR光谱数据,通过OMNIC 8.0软件提取光谱数据,将化学值与光谱吸收率值通过TQ Analyst8.0软件建立模型。选取信噪比高的450~1 000 nm波段,利用PCA剔除异常光谱数据,将一阶导数（FD）、Savitzky-Golay卷积平滑（S-G）、多元散射校正（MSC）、标准正态变换（SNV）分别组合共4种方法用于光谱数据预处理。利用偏最小二乘（PLS）法分别建立了5种葡萄基于酿酒葡萄光谱数据的SSC预测模型,建立了5种葡萄基于冠层叶片光谱数据的SSC预测模型,对比了不同方式预处理后的建模效果,并选择最优预处理方式建模。最后用外部样本分别验证了SSC预测模型。结果表明,采用S-G平滑+FD+MSC的预处理方法时大多数预测模型性能达到最好。5种葡萄浆果校正集和验证集的R分别达到0.93和0.86以上,最高均方根误差分别为0.30和0.48,5种葡萄冠层叶片校正集和验证集的R分别达到0.73和0.65以上,最大均方根误差分别为0.95和0.75。5种葡萄浆果外部试验样本预测值与真实值间的平均RE最高为0.43%。基于酿酒葡萄浆果光谱的SSC预测模型具备良好的预测能力,优于基于酿酒葡萄冠层叶片光谱的SSC预测模型,SSC预测模型能够为酿酒葡萄成熟度评价研究提供理论参考。Vis/NIR光谱技术适用于在酿酒葡萄大田中快速、无损检测SSC。     

基于NIR的鲜食葡萄物流过程安全系统

针对鲜食葡萄物流过程中的实际模式及通常会使用SO₂保鲜剂的情况,研究了4种温度及定量SO₂胁迫条件下,基于近红外光谱和质构变化的鲜食葡萄货架期预测方法,结合信息技术设计了基于货架期预测的物流过程安全系统,以期减少鲜食葡萄物流过程中的损失。质构变化是鲜食葡萄采后到达货架期终点的重要原因,研究使用SO₂浓度传感器控制电磁阀,通过SO₂自动补偿获得设定SO₂浓度,研究了不同浓度SO₂胁迫条件下鲜食葡萄的质构变化规律及温度的影响。对比了多元散射校正和一阶S-G求导预处理方法对原始光谱的预处理效果,采用偏最小二乘回归方法建立了基于近红外光谱的鲜食葡萄质构无损检测模型,模型决定系数为0.93,均方根误差为1.70,通过交叉验证,模型预测准确度为0.81,均方根误差为2.91。研究表明,近红外快速无损检测可结合品质变化建模和信息技术用于提高果蔬采后物流过程安全管理效率。