【技術實現步驟摘要】
本專利技術涉及鴨梨的虎皮病檢測，特別是基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法。
技術介紹
1、虎皮病是某些蘋果和梨栽培品種的一種生理性病害，主要癥狀是果皮上形成不規則的褐色或黑色斑塊，最初是淺褐色，隨著燙傷的發展，淺褐色區域變成深褐色，并擴大到連續的范圍。一般來說，這種病癥表現為冷害，通常發生在長期冷藏之后，在果實移至溫度較高的地方后會變得更加明顯。雖然果實的內部質量不會受到明顯影響，但果實的外觀會使其失去商業價值。因此，全世界的生產者都指出，虎皮病是限制水果長期貯藏的主要因素之一，如果不進行采后預防處理，可能會導致巨大的經濟損失。
2、盡管虎皮病的病因和機理尚未完全清楚，但眾所周知，無環倍半萜α-法尼烯的氧化產物共軛三烯(cts)與虎皮病的發生有關。rowan等人確定，冷藏“granny?smith”蘋果中cts的主要成分是2,6,10-三甲基-2,7,9,11-十二碳四烯-6-醇的兩種立體異構體共軛三烯酚(ctols)，而不是體外實驗產生的相應的6-氫過氧化物。α-法尼烯和ctols都是虎皮病重要的生理生物標記物，因為α-法尼烯可能作為鏈式反應的引發劑或參與者參與虎皮病的發生，而在“granny?smith”蘋果的果皮上施用ctols會誘發類似虎皮病的癥狀。在貯藏和貨架期跟蹤果皮中α-法尼烯和ctols的含量有助于水果貯藏管理者及時了解水果的狀態，從而預測或預防表皮的虎皮病。測定α-法尼烯和ctols的傳統方法包括以下幾種：將果皮浸泡在正己烷中，然后用紫外光譜法或高效液相色譜法測定提取物；用氣相
3、目前，可見光-近紅外(vis-nir)高光譜成像(hsi)技術已被證明是一種無損測定的強大工具，可用于檢測蘋果、梨、葡萄等水果的內部特性，如可溶性固形物含量、ph值和硬度等。hsi還可用于檢測金針菇的褐變程度、高粱的蛋白質和脂肪含量、水稻種子的水分含量、花生的脂肪含量、忍冬花的綠原酸含量、紫薯的花青素含量、枇杷的三萜酸含量等。因此，作為一種快速、無損的分析工具，可見光-近紅外hsi在許多領域都具有非常大的潛力。盡管之前的研究已經利用近紅外反射光譜和葉綠素熒光來預測蘋果和梨果實中的α-法尼烯和ctols含量，但據我們所知，利用可見光-近紅外hsi技術預測梨果實中的α-法尼烯和ctols含量的研究尚未見報道。
技術實現思路
1、為了解決上述技術問題，本專利技術提供了一種基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法。
2、為達到上述目的，本專利技術是按照以下技術方案實施的：
3、基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法，包括以下步驟：
4、s1、樣品制備：首先評估多個不同貨架期的鴨梨樣品的虎皮病指數，然后利用高光譜成像系統采集所有鴨梨樣品的原始高光譜圖像，并對原始高光譜圖像進行黑白參考校正得到校正高光譜圖像；然后測量所有鴨梨樣品高光譜成像系統測定的果皮區域的α-法尼烯和共軛三烯酚的含量；
5、s2、使用envi?5.0軟件從每個鴨梨樣品的校正高光譜圖像中選取整個梨作為感興趣區域roi，計算roi中所有像素的平均光譜，并將其視為每個鴨梨樣品的光譜信息，記為原始平均高光譜數據；對原始平均光譜數據進行預處理后，并分別與測量的相應鴨梨樣品的α-法尼烯和共軛三烯酚的含量進行標記；
6、s3、使用matlab?2012a軟件將所有鴨梨樣品按3:1的比例隨機分為校準集和預測集；利用校準集中的樣本建立基于ls-svm的α-法尼烯預測模型和共軛三烯酚預測模型；
7、s4、使用建立的α-法尼烯預測模型和共軛三烯酚預測模型分別預測預測集中α-法尼烯和共軛三烯酚的含量。
8、進一步地，所述步驟s1中，每個鴨梨樣品的果皮褐變面積的比例分為四個等級：0級表示褐變面積比例＝0；1級表示褐變面積比例為0-25％；2級表示褐變面積比例為25％-50％；3級表示褐變面積比例大于50％；虎皮病指數按以下公式計算：
9、
10、進一步地，所述步驟s1中，
11、采集所有鴨梨樣品的原始高光譜圖像的過程為：
12、鴨梨表面與高光譜成像系統的相機鏡頭之間的采集距離設定為200毫米，平移臺的移動速度為7.35mm?s-1，相機的曝光時間為8.50ms；照相機利用二維探測器以線掃描的形式記錄樣品反射的光譜信息，得到鴨梨樣品的高光譜圖像，圖像尺寸為(x,y,λ)，其中x和y為空間尺寸即以像素為單位的行數和列數，λ為光譜波段數；
13、對原始高光譜圖像進行黑白參考校正采用下式進行：
14、
15、其中，ic是校正后的高光譜圖像，i0是原始高光譜圖像，id是通過完全關閉相機光圈獲得的暗圖像，iw是通過聚四氟乙烯白板獲得的白圖像。
16、進一步地，所述步驟s1中，測量所有鴨梨樣品的高光譜成像系統測定的果皮區域的α-法尼烯和共軛三烯酚的含量包括：
17、從之前用高光譜成像系統測定的果皮區域去除果皮，然后用軟木塞鉆從果皮上取下一個直徑為10毫米的圓片，將每個梨果上取下的四個圓片浸入5毫升的hplc級的正己烷中，在22℃溫度下持續攪拌30分鐘，一個梨果做兩個重復；使用紫外可見分光光度計測定梨皮正己烷提取物195-360nm的吸收值；根據232nm的摩爾消光系數(ε232nm＝27740l?mol-1cm-1)計算α-法尼烯的濃度，同時使用摩爾消光系數(ε25000＝25000l?mol-1cm-1)分別在258nm、281nm和(281-290)nm處計算共軛三烯酚的濃度。
18、進一步地，所述步驟s2中，用于建立基于ls-svm的α-法尼烯預測模型時，采用乘法散射校正-一階導數處理(msc-fd)相結合的方式對原始平均光譜數據進行預處理；用于建立基于ls-svm的共軛三烯酚預測模型時，采用二階導數(sd)處理的方式對原始平均光譜數據進行預處理。
19、與現有技術相比，本專利技術利用可見-近紅外hsi技術和機器學習模型可以預測鴨梨的虎皮病生物標志物，即α-法尼烯和ctols的含量，然后提出一種基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法，可使水果貯藏操作人員快速、無損地預測鴨梨中α-法尼烯和共軛三烯酚的含量、跟蹤水果的實時狀態，預防水果虎皮病，最終減少因水果變質造成的損失。
本文檔來自技高網...【技術保護點】
1.基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法，其特征在于，所述步驟S1中，每個鴨梨樣品的果皮褐變面積的比例分為四個等級：0級表示褐變面積比例＝0；1級表示褐變面積比例為0-25％；2級表示褐變面積比例為25％-50％；3級表示褐變面積比例大于50％；虎皮病指數按以下公式計算：
3.根據權利要求1所述的基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法，其特征在于，所述步驟S1中，
4.根據權利要求1所述的基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法，其特征在于，所述步驟S1中，測量所有鴨梨樣品高光譜成像系統測定的果皮區域的α-法尼烯和共軛三烯酚的含量包括：
5.根據權利要求1所述的基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法，其特征在于，所述步驟S2中，用于建立基于LS-SVM的α-法尼烯預測模型時，采用乘法散射校正-一階導數處理MSC-FD相結合的方式對原始
【技術特征摘要】
1.基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于高光譜成像無損預測鴨梨中α-法尼烯和共軛三烯酚的方法，其特征在于，所述步驟s1中，每個鴨梨樣品的果皮褐變面積的比例分為四個等級：0級表示褐變面積比例＝0；1級表示褐變面積比例為0-25％；2級表示褐變面積比例為25％-50％；3級表示褐變面積比例大于50％；虎皮病指數按以下公式計算：
3.根據權利要求1所述的基于高光譜成像無損預測鴨梨中α-法尼...
【專利技術屬性】
技術研發人員：程紅，張子申，關軍鋒，程玉豆，
申請(專利權)人：河北省農林科學院生物技術與食品科學研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。