可溶性固形物含量(soluble solids content,SSC)和pH是决定芒果内在品质的关键因素,贮放潜力是果商进行芒果销售决策时首要的参考指标.本研究以海南省三亚市代表性的芒果品种'台农'为材料,利用NIRMagic2400型近红外光谱仪,连续采集果实从采摘到完熟过程中在600～1100 nm波长的近红外吸收光谱,以经典方法实测果实SSC和pH,建立芒果采摘后SSC、pH变化和贮放潜力预判的无损检测模型.结果表明:在600～670 nm的波长范围内,采摘后未后熟的芒果对近红外光的吸光度随波长的增加而增加,并在670 nm达到峰值,随后吸光度快速降低,在725 nm左右达到谷值;采摘后达到完熟的芒果在600–700 nm波长范围内吸光度持续下降,并在700 nm处达到谷值.受果皮颜色差异等影响,不同芒果个体在704～746 nm区域的吸光度出现较大的分离,之后在725～1025 nm整体呈缓慢上升的趋势,在1025 nm左右达到第二个峰值.实测结果显示SSC在芒果采摘后0～5 d快速增,第6和第7天变化较小,期间的前4 d的pH保持稳定增加,之后迅速提升.使用Kennard-Stone算法将芒果样本的SSC和pH实测数据划分为校正集和预测集,测试多元散射校正、标准正态变换、SG卷积导数、SG卷积平滑等9种对近红外光谱数据进行预处理的方法,发现矢量归一化最适合SSC光谱数据的处理,多元散射校正最适合pH光谱数据的预处理,建立的SSC和pH的最佳偏最小二乘法(PLS)模型的校正相关系数分别为0.952和0.936,校正均方根误差分别为1.055和0.184,预测相关系数分别为0.959和0.918,预测均方根误差分别为0.974和0.202;采用偏最小二乘法建立的芒果贮放潜力预判模型的正确率为96.9％.以上结果表明,基于近红外光谱所建立的芒果无损检测模型能够较可靠地检测芒果采摘后的SSC、pH动态变化及贮放潜力.研究结果对提升基于内在品质的芒果分级与选品能力,预测芒果的最佳销售时间及选择销售市场等都具有重要意义.

芒果;无损检测;近红外光谱;可溶性固形物含量;pH;偏最小二乘法;贮放潜力

郝瑞龙;鲁任翔;王哲;袁玉洁;王福军;芦卫东;韩东海;张文;马会勤

中国农业大学园艺学院,北京 100193;三亚中国农业大学研究院,海南三亚 572000;北京伟创英图科技有限公司,北京 100070;中国农业大学食品科学与营养工程学院,北京 100083

热带作物学报

[1]郝瑞龙;鲁任翔;王哲;袁玉洁;王福军;芦卫东;韩东海;张文;马会勤-.基于近红外光谱的芒果采后品质与贮放潜力预判的无损检测模型)[J].热带作物学报,2022(09):1918-1927

贮放潜力,NIRMagic2400

近红外光谱,采后品质,无损检测模型,可溶性固形物含量,soluble,solids,content,SSC,内在品质,海南省,三亚市,果品,红外光谱仪,连续采集,摘到,完熟,红外吸收光谱,经典方法,采摘后,后熟,吸光度,速降,谷值,果皮颜色,色差,实测结果,天变,Kennard,Stone,数据划分,多元散射校正,正态变换,SG,导数,光谱数据,偏最小二乘法,PLS,预判模型,果无,芒果分级,选品,销售市场

0.220088