基于电子鼻的苹果低温贮藏时间及品质预测

【目的】研究利用电子鼻对苹果低温贮藏时间及品质的预测效果,为苹果低温贮藏品质的无损检测及合理加工利用提供参考。【方法】以富士苹果为试材,在(0±1)℃低温条件下贮藏,分别在贮藏后的第0,30,60,90,120,150和180天,随机选取30个果实,利用PEN3型电子鼻检测其香气,并一一对应测定苹果的主要品质指标(硬度、可溶性固形物含量和可滴定酸含量)。利用载荷分析优化电子鼻传感器阵列,对优化后的电子鼻检测数据进行线性判别分析,建立苹果低温贮藏品质的偏最小二乘预测模型、BP神经网络预测模型和贮藏时间的多层感知器预测模型,并对预测效果进行了比较。【结果】线性判别分析能够较好地区分苹果的贮藏品质,且苹果香气在贮藏60～90d时变化较大;建立的多层感知器神经网络模型对苹果贮藏时间有较好的预测效果,预测准确率均>92.0%;利用偏最小二乘法和BP神经网络均能对果实的品质建立有效的预测模型,其中偏最小二乘法对冷藏苹果硬度和可滴定酸含量的预测效果优于对可溶性固形物含量的预测,利用BP神经网络所建立预测模型的决定系数均>0.930 0,预测效果较偏最小二乘法更好。【结论】利用电子鼻的快速无损检测功能可以实现对苹果低温贮藏时间及品质的预测。