常温不同时期1-MCP处理对富士苹果质地的影响

为了研究采后不同时期1-MCP处理对富士苹果果肉软化的影响,本实验采取质构仪质地多面分析法(TPA)对不同时期1-MCP处理的富士苹果果肉质地进行分析。结果表明:果肉脆度与硬度、凝聚性呈显著地正相关,凝聚性与咀嚼性呈显著地正相关,黏着性与其他参数呈负相关,回复性与咀嚼性呈显著性正相关,咀嚼性与硬度、凝聚性、回复性呈显著的正相关。1-MCP处理能够延缓果实脆度、凝聚性、回复性、咀嚼性的降低,抑制黏着性的增加,从而抑制了果实的软化,但效果随着处理时间的延长而降低。常温下1-MCP处理最好不超过5d。     

近红外漫反射技术检测甜樱桃果实质地研究

以萨米脱樱桃为材料,利用近红外光谱技术研究贮藏过程中樱桃果实质地等方面模型建立的相关问题。实验在可见-近红外光谱(408.8~2492.8 nm)范围内,采用樱桃果实硬度、咀嚼性、回复性作为评价指标,对校正模型的不同预处理进行讨论。研究发现,三个模型在一阶微分导数下,果实硬度最优预处理是改进偏最小二乘法(MPLS)结合标准多元散射校正(SMSC),咀嚼性和回复性最优预处理是改进偏最小二乘法(MPLS)结合标准正常处理(SNV)。硬度、咀嚼性、回复性的校正误差SEC分别为0.110、0.035、0.009,校正相关性系数Rcv分别为0.974、0.949、0.921,预测相对分析误差RPD分别为3.38、3.24、3.27。结果表明,近红外光谱技术对贮藏过程中樱桃果实质地的检测具有可行性。     

近红外光谱技术结合神经网络检测苹果咀嚼性

以不同储藏期的135个苹果样品为研究对象,对其近红外光谱数据进行预处理并通过主成分分析法提取光谱特征,采用人工神经网络技术建立苹果咀嚼性的近红外光谱检测模型。结果表明,对苹果光谱咀嚼性的最佳光谱预处理方法是加权多元散射处理(WMSC)的光谱散射处理方法和"2441"的数学处理方法,通过主成分分析法提取3个主成分作为原始信息的特征变量,建立苹果咀嚼性检测的人工网络模型结构为3—16—1,模型对验证集预测的决定系数为0.992 4,均方根误差为0.000 108 2。近红外光谱技术能对苹果咀嚼性进行快速、无损预测。     

近红外光谱技术分析草鱼的质构特性

采用化学计量学方法,测定211个草鱼样品鱼肉的质构参数和持水性,并采集各样品的近红外光谱,以建立基于近红外光谱技术的草鱼质构特性的快速检测方法。结果表明,样品数据范围较大,可满足建模要求,比较多种光谱预处理方法,确定正交信号校正(OSC)适宜分析鱼肉持水性、硬度、回复性、弹性和剪切力的大小,而鱼肉咀嚼性的近红外光谱的最佳预处理方法是数据标准化(S)。采用偏最小二乘法分别建立草鱼各质构指标的近红外定量分析模型。所建立的鱼肉持水性、硬度、回复性、弹性、咀嚼性和剪切力指标的近红外光谱模型的相关系数分别为0.9194、0.9812、0.9830、0.9871、0.7860和0.9896,说明除了咀嚼性模型外,草鱼质构指标各数学模型的预测值和实测值之间具有较高的相关性,采用该方法能较为准确、快速地测出草鱼鱼肉持水性、硬度、回复性、弹性和剪切力的值。     

近红外光谱对甜椒果实质地的无损检测

以黄色甜椒为研究对象,建立其近红外漫反射光谱检测果实质地的数学模型。在400~2 500、400~1100、400~1 450 nm 3个波段内分别建立了甜椒的果肉弹性、回复性和凝聚性定标MPLS模型,并用各波段下最优模型进行预测。结果表明:这3个波段下的定标模型相关系数都很高,但在全光谱下建立的定标模型稳定性最好,所以选取该光谱下的定标模型作为最终的测定模型,果肉弹性、回复性和凝聚性定标集交互验证相关系数(RCV)分别为0.937、0.933、0.932,交互验证标准误差(SECV)分别为0.029、0.013、0.016,预测集的相关系数RP分别为0.924、0.899、0.922,预测标准误差(SEP)分别为0.026、0.018、0.015,相对残差分别为-0.200、0.068、-0.033。结果说明,甜椒果实质地的近红外无损检测是可行的,果实质地与近红外漫反射光谱具有显著相关性。     

保脆剂对腌制大头菜质构特性的影响研究

采用氯化钙、乳酸钙、丙酸钙3种保脆剂对腌制大头菜进行保脆处理,利用质构仪质地多面分析(TPA)方法定时测定大头菜腌制期间硬度、脆度、弹性、咀嚼性、黏附性和凝聚性6个质构参数的变化情况,并分析各质构参数之间的相关性。结果表明,在腌制期间,TPA测试反映了经保脆剂处理后的大头菜各项质地参数总体呈先上升后下降的趋势,且不同保脆剂间各质地参数下降规律有所差异。大头菜的黏附性和硬度、脆度、弹性、咀嚼性、凝聚性均呈负相关;硬度和脆度具有高度的正相关性(R=0.966);咀嚼性与弹性、凝聚性、硬度呈较好的相关性(R=0.876、R=0.964、R=0.923);凝聚性和硬度、脆度的相关性较好(R=0.934、R=0.919)。     

杨梅果实在储存过程中质地变化规律的研究

利用质构仪质地多面分析方法(TPA)研究了杨梅果实在储存期间果肉质地的变化规律.定时测定杨梅贮存过程中硬度、弹性、咀嚼性、粘着性、回复性和凝聚性6个质构参数的变化情况,并分析各质构参数之间的相关性.结果表明.果肉的粘着性、凝聚性、弹性、咀嚼性、硬度参数值呈负相关(R=-0.12～-0.60);凝聚性和硬度、回复性、咀嚼性呈较好的正相关(R=0.89～0.94);弹性与其它质构参数相关性较差.对比了硬度、凝聚性、回复性和咀嚼性参数.用于评价杨梅质地的变化,结果发现硬度、凝聚性、回复性和咀嚼性可灵敏地反映果实质地的变化.储存时间和储存温度对杨梅果实质地的影响显著.储存温度越高,时间越长,杨梅果实的硬度、凝聚性、回复性和咀嚼性的下降越迅速.低温储藏有利于杨梅保鲜.     

苹果脆度的近红外无损检测

为了更好的对苹果的脆度进行检测,试验应用波长范围为643.26～985.11nm的Purespect近红外透射光谱仪对60个富士苹果的校正集样品和20个预测集样品进行了光谱扫描,比较了不同的光谱预处理方法和不同建模波段对模型的影响,最终确立的模型相关系数(Rc)为0.941,校正均方根误差(RMSEC)为0.390。对模型预测性能的验证结果表明:建立的苹果脆度模型性能较稳定,能满足实际应用的要求。     

应用便携式近红外仪检测生鲜羊通脊肉的嫩度

在北京市内收集生鲜羊通脊肉样品98个,研究应用便携式近红外仪快速无损检测生鲜羊通脊肉嫩度,结合化学计量学的方法建立可以快速无损检测生鲜羊通脊肉嫩度的近红外光谱检测模型。在建模过程中,研究了平滑、求导和信号校正等不同光谱预处理方法对模型的影响。结果表明:最佳的光谱预处理方法为均值中心化、Savitzky-Golay(SG)一阶导数、SG平滑和正交信号校正。应用偏最小二乘法建模所得模型的校正集标准偏差0.90、验证集标准偏差2.39、校正集相关系数(R c)=0.94、验证集相关系数(R p)=0.64、主因子数为4,说明模型具备较好的预测准确性,可应用于生鲜羊通脊肉嫩度的快速无损检测中。     

测试因素对苹果质地剖面分析结果的影响

为阐明影响苹果质地剖面分析结果的因素,本文研究样品形态、参数设置和探头变化对苹果质地剖面分析(texture profile analysis,TPA)的影响.结果表明样品直径加大会显著提高TPA图谱上读取的硬度、黏着性和咀嚼性数值,而在考虑单位面积上的作用力后则无显著影响.样品高度变化会导致硬度、黏着性和凝聚性的显著改变.压缩变形量越低,弹性、回复性、凝聚性和咀嚼性越高；压缩速度越低,黏着性越高,弹性越低.对同一样品,除弹性外,不同探头所测结果存在显著差异.