鲁棒性的番茄干物质质量评估使用便携式Vis-SWNIRS和颜色

文摘

手持visible-short波近红外分光光度计的实用程序利用一个interactance光学几何在上下文的无创性测定评估完整的番茄干物质含量,作为最终成熟的含糖量,指数和色,成熟指数来指导决定收成。偏最小二乘回归模型鲁棒性证明通过使用人群不同的收获日期或生长条件对校准和预测。干物质独立的预测数量的水果从0.86到0.92,偏见从−0.14到0.03%。在CIE颜色模型,预测范围从0.85到0.96和偏见从1.18−−0.08。更新校准模型与新样本扩展范围感兴趣的属性和样本矩阵是更好的预测性能的关键。手持谱系统建议实际实现番茄栽培。

1。介绍

番茄果实品质评估的干物质含量(DM,也称为总固体含量),含糖量(SSC),和外部的颜色,和一般的坚定和可滴定酸度1,2]。番茄红素的水平也有兴趣,给出建议健康的好处(3]。

淀粉是存储在不成熟的水果,转化为还原糖(例如,葡萄糖和果糖)开花后40天左右(4]。附近的水果成熟,番茄浆的DM包括可溶性糖(50% w / w),不溶性固体(25%)、有机酸(13%)、矿物质(8%),和其他(4%)5]。番茄加工业,种植者支付可能与DM低俗的内容,番茄酱等加工产品包括可溶性固形物含量的浓度。最大化的水果固体含量的碳水化合物最大化进口水果,通过使用适当的遗传物质(品种)、生长条件和农艺实践(2]。例如,评估糖尿病和含糖量的水果品种筛选项目的练习(6]。它也建立了水果的植物暴露于中等盐度会积累一个更高层次的固体(7]。衡量收获的合适时间是一个关键农艺决定,平衡需要离开水果葡萄固体含量、最大化和之前采收果实成熟坚定的收益,损失意味着期间将受损的水果丰收,运输和处理。

近红外光谱(NIRS)是一种潜在的几个水果无损测量的工具属性。NIRS评估完整的水果(蔬菜)首次报道DM内容洋葱(8]。众多报道随后产生了使用这种技术的一系列水果商品;然而许多研究也妥协的匹配光采样体积的体积组织取样分析,供参考或过度拟合的多变量模型,而无需测试在一个真正独立的人口。尽管如此,这项技术在商业使用,对于在线排序的水果操作输送机系统移动1米/秒的伤害,对评估的水果树,基于手持近红外光谱仪的使用,例如,在DM的芒果水果树的非侵入性评估(9]。这样的数据是使用在评估决策支持系统的水果成熟或成熟(例如,约旦和Loeffen [10])。

首先要考虑的使用技术来评估完整的番茄可溶性固形物含量(SSC)是由屠宰et al。11)使用实验室前系统(近红外光谱系统6500)使用光纤interactance几何。光谱是在四个赤道位置和向顶的水果。偏最小二乘回归(PLSR)模型基于光谱从赤道地区比向顶的结束相关系数和均方根误差校准(RMSEC)。基于800 - 1000 nm光谱窗口,使用12请因素 , 0.85和RMSEC SSC 0.27%是实现,验证统计= 0.79,预测的均方根误差(RMSEP)的0.33%,和0.05%的偏差。然而,验证集的并不是独立的校准人口(400光谱最初,300被用作训练和100年预测集)。

随后,许多研究人员认为使用近红外/红外光谱质量评估参数的番茄汁、泥、或完整的水果(12- - - - - -14]。这些研究涉及到一系列的设备,在波长范围不同,波长色散机制,和几何光学(反射率、扩散反射、透射率或interactance),在数据预处理(一阶导数、二阶导数和乘法散射修正,MSC),和校准模型开发方法(主成分回归,PCR;多元线性回归,高钙;PLSR1;PLSR2;和修改部分线性平方,MPLSR)。例如,对于一组完整的水果收购的透射光谱MMS1近红外光谱仪、Khuriyati和松岗15)报道,SSC的PLSR模型时更好的基于二阶导数光谱(= 0.92,RMSEC =比平滑日志(1 / 0.36%))光谱。然而,这项研究缺乏文档的回归系数(它允许的平滑度的判断可能模型鲁棒性),再一次验证和校准设置从一个种群(即被选中。,验证集不是独立的校准设置)。

总体上有了转变,从使用反射interactance或部分透光率的几何图形。事实上,克莱门特et al。16)严重批评使用反射光谱SSC完整的水果,估计由于验证性能差。

许多工人使用900纳米以上的光谱范围PLSR校准番茄汁和泥SSC模型13,14,17),但邵和他(18)企图使用完整的水果。时间越长波长吸光度高的水,光的有效深度评估很低(1 - 2毫米),从而有效地只有皮肤会被评估。预计这个模型将缺乏鲁棒性;也就是说,它将执行在预测独立完整的数量相对不佳水果不同皮肤的属性。

赫歇尔波长区域(720 - 1100 nm,也被称为短波近红外光谱或SWNIR)通常采用将生物组织,从而更有效的穿透比波长较长的光采样体积。微型蔡司MMS1硅光电二极管阵列分光计运行在300 - 1100纳米波长范围,已经用于一些研究涉及番茄。例如,与Khuriyati和松岗15)和沃尔什等。(19),Khuriyati et al。12)使用该光谱仪发展的干物质请番茄DM模型,基于interactance光谱。确定系数()达到了0.88,但是模型并不是独立的水果数量上测试过。最近,Radzevicius et al。20.]报道使用便携式的NIR例NCS001A(萨克米伊莫拉南卡罗来纳州,Italy) for estimation of tomato DM, SSC, and firmness, but calibration statistics were not presented.

其他过去的研究的局限性包括较低的标准偏差(SD)的兴趣培训或验证的属性集,作为一个低范围的人口必然会被关联到一个明显低RMSEC和低 。例如,可怜的SSC模型性能数据集基于interactance SWNIR光谱完整的番茄果实是由于人口SD仅为0.3% (19]。

西红柿颜色使用便携式SWNIR仪表的测量(FQA-NIRGUN、interactance光学、623 - 1052 nm)被Kusumiyati等报道。(21西红柿葡萄树和表外),更好的结果通过使用一个比PCR PLSR模型。CIE的PLSR模型 ,校准(= 0.92;RMSEC = 3.31;= 4)和预测统计9月= 3.19 = 0.92,RPD(偏差纠正9月比标准差)4.76被报道。克莱门特et al。16)评估番茄的颜色(猎人)基于反射光谱(400 - 1500 nm)完整的番茄使用瓦里安卡里500年收购UV-Vis-NIR分光光度计(瓦里安公司,帕洛阿尔托,CA)。PLSR模型统计了猎人RMSECV = 1.126 = 0.981,标准差比率(特别提款权,RMSECV比SD) = 7.32。400 - 1000 nm的光谱窗口产生一个更好的结果比900 - 1500 nm窗口,如预期这个属性。最近,营地(22]报道使用手持漫反射近红外光谱仪使用900 - 1700 nm地区(Phazir;评估CIE Analyticon仪器,德国)和值的番茄,校准报告0.903和0.846和RMSECV 2.26和3.02,分别。这将是有趣的比较结果基于visible-SWNIR地区,独立测试集和预测。

因此之前的报告显示的潜力在反射几何SWNIRS评估完整的番茄的颜色,和interactance DM和SSC评估或传输的几何图形。许多研究是指潜在的野外便携式仪器,允许应用程序的农艺作物。然而,一致批评所有先前的研究是使用一个种群分为校准和一套“确认”,确认样品经常故意选择具有代表性的校准设置(即。,同样的意思和SD)。这种验证集不是独立的校准和验证数据可以将乐观的未来的性能预测模型的预测,在实际应用必须发生。目前的研究是进行评估的使用便携式SWNIRS实地评估颜色和DM完整的番茄,涉及一个严格的验证研究在真正独立的验证集。

2。材料和方法

2.1。植物文化

四周老番茄(一百Lycopersicum esculentuml,var. Roma) seedlings were transplanted to a hydroponic system consisting of 10 L plastic containers (single plant per container), connected to an irrigation system to supply nutrient solution. The base nutrient solution consisted of a solution of electrical conductivity of 1.36 mS cm⁻¹和pH值6.0。温度25 - 31°C之间的解决方案不同的整个试用期。诱导果实干物质和色彩范围,一些治疗。

在水果轴承阶段,植物被分为五组,每组四个复制(即。每治疗,20植物)在随机完全区组设计。五个处理(i)正常植物水培溶液(基地),(2)基地KNO补充道₃(198毫克升⁻¹;女士最终解决导电率为1.6厘米⁻¹),(3)基地添加氯化钠(2 g L⁻¹女士最终解决导电率为5.5厘米⁻¹),与叶切除(iv)基地(一个叶/桁架),(v)基地和水果去除(四个水果/桁架)。为了解₃和生理盐水治疗、盐添加到基础解决方案一旦工厂开始生产花卉、树叶和水果去除治疗始于小果实是可见的。开花后4周,正常的力量水培的解决方案是增加到1.63厘米女士⁻¹而生理盐水和先₃女士治疗解决方案是增加到6.1和1.93厘米⁻¹,分别。

2.2。水果测量

Visible-SWNIR光谱的完整的水果是“涅槃”SWNIR光谱仪(不再生产,但相当于F750,费利克斯仪器,佤邦,美国)。这单位雇佣一个interactance几何,卤素灯,蔡司MMS1硅光电二极管阵列大约3.3像素间距和10 nm波长分辨率。interactance调查涉及接收光学探头放置在前面的平行光源,这样调查投下的影子在样本和探针上的投影视图示例(23]。因此检测光通过水果的一部分。

五套番茄果实(称为人口1到5)收获每隔10天的第七周从所有五个种植后越来越多的治疗条件。在每个收获日期,两个植物从每个治疗和水果都是随机抽取的收获从第一到第四个桁架(导致在50到215每个收获果实,表1)。这些水果是编号,进入实验室(22°C),和标记位置水果赤道地区。SWNIR谱仪是用于收集interactance光谱,一式两份,在每一个标记的位置。现货的颜色在CIE1976读书空间是在相同的位置,美能达色度计(cr - 400 D65光源2°角观察者)。这些测量后,一个1厘米的立方体的水果肉从扫描收集,切成小方块,放在一个强迫空气炉在65°C为干物质估计48小时。

模拟现场使用的手持式光谱仪监测水果成熟,五个植物从每个被随机选择五个治疗(总 每个植物)和四个水果(至少一个水果的第二到第四桁架)标记(总数 水果)。标记的水果进行扫描手持式光谱仪在水果赤道的位置。扫描是每周重复相同的位置在每个水果,种植后第六周,直到大部分的红色果实完全成熟的种植(11周后)。

2.3。数据准备和分析

从手持式光谱仪获得的吸光度光谱数据被转换为(3海里)内插二阶导数(Savitzky-Golay二阶,7点窗口)光谱(称为二阶导数光谱)。偏最小二乘回归模型使用多元数据分析软件开发(整理机V 10.2,这种公司,挪威)。模型被开发使用NIPALS(非线性迭代偏最小二乘)算法和交叉验证随机子集的四个样品。

糖尿病和CIE模型被开发使用人口1和“更新”的连续扩张校准设置人口2到5。这些PLSR模型进行了测试在不同的水果数量(即。,模型based on population 1 used in prediction of population 2, and model based on populations 1 and 2 used in prediction of population 3, etc., with the model based on populations 1 to 5 used in prediction of the populations of fruit from the five growing conditions).

3所示。结果与讨论

3.1。光谱特性

水果吸收光谱的特征是一个高峰在675 nm归因于叶绿素,峰值归因于番茄红素在575 nm,山峰归结为地震动在840和960海里的水(数字1(一)和1 (b))。水果成熟,吸光度光谱的特点是积极的峰值下降在675 nm叶绿素和相关峰值的增加番茄红素在575海里。类似的色素相关峰值的变化趋势和水景也报道了克莱门特et al。16]。

3.2。校准模型

干物质比吸光度更好的模仿使用二阶导数光谱(数据未显示),产生的交叉验证确定系数()从0.90到0.93和RMSECV < 0.5%,人口RMSECV比SD > 3.0(表1,图2)。完整的番茄DM模型优于报道了沃尔什et al。19]由于贫穷的标准差(SD)的人口从事那项研究(0.30,而在当前的研究中1.5%以上)。报告的结果也优于Khuriyati和松岗15]虽然研究就业人口与SD = 1.84% DM和使用短波近红外光谱interactance几何。正如预期的那样,结果不如番茄酱DM模型的中红外反射光谱据Ścibisz et al。14),因为水果皮肤完整的水果光谱的影响。PLSR模型系数权重是一致的跨模型(基于不同的治疗/数量),加权约830,880和910海里(图4),类似于报告的沃尔什et al。19,一致地参与第二次泛音,第四次泛音碳氢键,第三个碳氢键的泛音特性,分别24,25]。相对的存在“光滑”在模型系数、一致,预示着在预测模型的鲁棒性的独立集。

(CIE颜色)模型基于二阶导数光谱贫困人口数据集包括1只,由于较低的属性范围不成熟,绿色水果(表1)。随后对CIE的种群模型 ,与RMSECV ~ 3.5 > 0.9,特别提款权> 4(图3),尽管对于一个人口(流行2)采用过多的因素。颜色PLSR模型具有负权重在500 - 600海里和积极加权600至720纳米(图5)。至于DM模型,CIE模型根据不同人群在模型系数是一致的。

3.3。校准模型的鲁棒性

先前的研究报告分开的一个子集用于验证给定的人口预测模型的其余部分的人口。在商业实践中,必须使用现有的模型在预测传入的人口,不包括在校准设置。新的人口样本可能被用来更新模型,在准备预测新的设置。效仿这种做法,他开发了一个模型,用于预测一个独立集,然后这个组合数据集被用来创建一个新的模型,用于预测另一组水果。

一个单一的人口(流行1)DM模型相对强劲, RMSEP = 0.86,预测偏差=−0.26%的水果从随后的收获(表2);然而,基于人口总和DM模型(图2)更有效。例如,人口5预测的模型是基于人口的1到4, RMSEP = 0.5, = 0.03和偏见。模型用来预测DM的水果从给定农艺治疗取得较低比时间序列预测,由于较低的SD的验证集。一般来说,预测精度(RMSEP)达到了0.5%,偏差小于0.2%(表2)。

番茄的颜色是由色素的内容,也就是说,中果皮叶绿素和番茄红素,水果。鉴于番茄的皮薄,颜色测量用的漫反射率光学美能达色度计将收集信息从几毫米到水果,深度而interactance SWNIR光谱仪的光学将收集信息更大深度(ca, 10 - 20毫米)。然而,鉴于SWNIR仪器性能良好的基础模型使用从美能达单位参考数据,创建组织卷取样的两个仪器必须有类似的色素沉着。CIE模型基于单个或几个人口预测性能差,这些人群包括狭窄的色域校准设置(表2)。除了水果的颜色校准设置阶段,预测结果是可以接受的。例如,预测基于人口统计的模型1到4用于预测人口5和水果主题包括各种农艺治疗值从0.82到0.95−1.18到0.67的偏见。

作为一个例子的实际实现,DM和CIE PLSR模型(基于水果种植各种生长条件下)被用于预测的这些属性光谱无损收集每周从水果的各种农艺治疗(图6)。这模拟手持谱分析系统可以用于农场监控水果成熟。

4所示。结论

手持interactance几何visible-SWNIR分光光度计适合野外实习是用来判断成熟的基于索引的色素CIE番茄果实由DM和食用品质,索引,葡萄树和表外。PLSR模型基于可见光波在预测新数据集的健壮,较低的偏见,> 0.75和0.82,RMSEP < 0.84和6.88 DM(%)和CIE的属性 ,分别。DM在水果的范围从植物在给定的增长条件下相对有限,所以用一系列生长条件来实现各种水果DM DM模型发展建议。水果的不同期限从给定生长条件提供一系列颜色来说是足够的。“更新”校准模型通过增加当前样本训练人口扩展的范围感兴趣的属性和化学和物理的范围矩阵被发现与番茄果实建议实现健壮的实际应用。这种技术在番茄育种程序应该有价值选择工具,水培生产商希望操纵溶液电导率提高饮食质量,和作为一个定量工具估算时间收获。时间的课程属性(图发展6)可用于通知作物管理。

附加分

高光。(我)应用手持visible-NIR光谱仪使用interactance几何判断番茄果实的成熟度和质量的基础上(CIE颜色)和DM、葡萄树和表外。(2)干物质的预言实现从0.86到0.92,偏见从−0.14到0.03%。在CIE ,预测范围从0.85到0.96和偏见从1.18−−0.08。

信息披露

英国的当前地址Acharya尼泊尔农业研究理事会,辛格接见室广场,44600年加德满都,尼泊尔。

的利益冲突

作者声明参与涅槃和F750手持式光谱仪的发展。

确认

金融支持来自澳大利亚园艺有限公司(项目ST15005)和一个澳大利亚奖奖学金Umesh Acharya是高度赞赏。

引用

1. k . h . s .裴伟士g . g .迟钝,r·g·莱弗勒和s·j·凯斯,“可溶性固体或干物质含量的空间变异性在个体水果,灯泡,或块茎:对近红外光谱技术的开发和使用,“HortScience,34卷,不。1,第118 - 114页,1999。视图:谷歌学术搜索
2. d . m . Beckles”因素影响番茄采后可溶性固体和糖含量(茄属植物lycopersicuml .)水果。”采后生物学和技术,卷63,不。1,第140 - 129页,2012。视图:出版商的网站|谷歌学术搜索
3. l . Helyes z .油漆,“番茄果实品质和内容取决于成熟阶段,“HortScience第41卷。。6,1400 - 1401年,2006页。视图:谷歌学术搜索
4. m . e . Balibrea a . m .圣克鲁斯,m . c . Bolarin和f . Perez-Alfocea”Sucrolytic活动与水槽强度和碳水化合物组成在番茄果实生长盐度下,“植物科学期刊,卷118,不。1,47-55,1996页。视图:出版商的网站|谷歌学术搜索
5. j·n·戴维斯、g·e·霍布森和w·b·McGlasson“番茄果实的成分——环境的影响,营养,和基因型,”C R C食品科学与营养的关键评论,15卷,不。3、205 - 280年,1981页。视图:谷歌学术搜索
6. m . Ecarnot p . Baogonekczyk l . Tessarotto和c -谢尔文“番茄果实的快速表现型模型、Micro-Tom便携式可见光谱仪,”植物生理学和生物化学卷,70年,第163 - 159页,2013年。视图:出版商的网站|谷歌学术搜索
7. Segura m . l . j .孔特雷拉斯,r·萨利纳斯和m . t .老挝”的影响,盐度和施肥水平对温室番茄产量和品质,“通信在土壤科学植物分析40卷,第497 - 485页,2009年。视图:谷歌学术搜索
8. g s, g . g .枯燥、w·t·Renfoe和s·j·凯斯,“无损干物质的光谱determinatin洋葱,”美国园艺科学学会杂志》上卷,110年,第303 - 297页,1985年。视图:谷歌学术搜索
9. p . p . Subedi k·b·沃尔什和g·欧文斯,“芒果饮食质量的预测使用短波近红外光谱法在收获,”采后生物学和技术,43卷,不。3、326 - 334年,2007页。视图:出版商的网站|谷歌学术搜索
10. r·b·约旦和m . p . f . Loeffen”,一个生物变异使用分位数函数建模的新方法,”采后生物学和技术卷,86年,第401 - 387页,2013年。视图:出版商的网站|谷歌学术搜索
11. d . c .屠宰、d·巴雷特和m . Boersig“无损测定可溶性固体在番茄使用近红外光谱,”食品科学杂志,卷61,不。4、695 - 697年,1996页。视图:出版商的网站|谷歌学术搜索
12. n . Khuriyati t松岗,s .【“监控植物番茄果实的内部属性使用近红外光谱学为控制在无土栽培营养液,”环境控制在生物学,43卷,不。1,39-46,2005页。视图:出版商的网站|谷歌学术搜索
13. t .香港和美国祖文萃”,通过近红外光谱测定番茄质量。”近红外光谱学杂志》上》第六卷,没有。1,第324 - 321页,1998。视图:出版商的网站|谷歌学术搜索
14. Ścibisz, m .帝国,美国统计局et al .,“中红外光谱作为一种工具,用于快速测定茄,内部质量参数”食品化学,卷125,不。4、1390 - 1397年,2011页。视图:出版商的网站|谷歌学术搜索
15. n Khuriyati t .松岗,“近红外透射率方法无损测定种植番茄果实可溶性固形物含量,”在生物环境控制,42卷,不。3、217 - 223年,2004页。视图:出版商的网站|谷歌学术搜索
16. a·克莱门特·m·Dorais m·弗农,“无损测量的新鲜番茄番茄红素含量和其他物理化学特征使用可见近红外光谱,”农业与食品化学杂志》上卷,56号21日,第9818 - 9813页,2008年。视图:出版商的网站|谷歌学术搜索
17. l .谢,y,, t,“结合和比较的化学计量学方法鉴定转基因西红柿使用可见光和近红外漫射透光率技术,”《食品工程,卷82,不。3、395 - 401年,2007页。视图:出版商的网站|谷歌学术搜索
18. 他邵和y y,“无损测量内部质量的杨梅汁使用vi /近红外光谱,”《食品工程,卷79,不。3、1015 - 1019年,2007页。视图:出版商的网站|谷歌学术搜索
19. k·b·沃尔什,m . Golic和c . v . Greensill”排序使用近红外光谱学的水果:应用一系列的水果和蔬菜可溶性固体和干物质含量、”近红外光谱学杂志》上,12卷,不。3、141 - 148年,2004页。视图:出版商的网站|谷歌学术搜索
20. a . Radzevicius j . Viskelis r . Karkleliene d . Juskeviciene和p . Viskelis”测定番茄质量属性使用近红外光谱和参考分析,“Zemdirbyste-Agriculture卷,103年,第98 - 91页,2016年。视图:谷歌学术搜索
21. t . Kusumiyati m . Akinaga s .田中和川崎重工。,“On-tree and after-harvesting evaluation of firmness, color and lycopene content of tomato fruit using protable NIR spectroscopy,”食品农业和环境杂志》上》第六卷,第332 - 327页,2008年。视图:谷歌学术搜索
22. c .营地,“非破坏性测量番茄品质的便携式近红外光谱,”Revuesuisse葡萄栽培的培植和园艺,42卷,第303 - 298页,2010年。视图:谷歌学术搜索
23. c . v . Greensill和k·b·沃尔什”远程验收探针和光谱评估内部照明配置属性的完整的水果,”测量科学与技术,11卷,不。12日,第1684 - 1674页,2000年。视图:出版商的网站|谷歌学术搜索
24. h .岑和y”理论和应用近红外反射光谱法测定食品质量,”食品科学与技术的趋势,18卷,不。2、72 - 83年,2007页。视图:出版商的网站|谷歌学术搜索
25. m . Golic k·沃尔什和p·劳森,“短波近红外光谱的蔗糖、葡萄糖和果糖对糖浓度和温度,“应用光谱学,53卷,不。2、139 - 145年,2003页。视图:出版商的网站|谷歌学术搜索

版权

版权©2017年英国Acharya等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。