2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩100頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、葡萄果實(shí)風(fēng)味獨(dú)特、酸甜適口、營養(yǎng)價(jià)值高,深受消費(fèi)者喜愛。由于葡萄皮薄多汁,含水量、含糖量均高,采后生命力仍比較活躍,運(yùn)輸、貯藏、銷售期間很容易發(fā)生硬度衰減、腐爛變質(zhì)、落粒、干梗等現(xiàn)象,大大降低了商品價(jià)值。隨著市場(chǎng)對(duì)鮮食葡萄品質(zhì)要求的提高及葡萄物流、保鮮技術(shù)的發(fā)展,針對(duì)葡萄在采后貯、運(yùn)、銷物流過程中品質(zhì)的快速檢測(cè)及評(píng)價(jià)已成為果蔬產(chǎn)業(yè)領(lǐng)域的重要研究課題。
  本研究主要內(nèi)容包括:⑴以玫瑰香葡萄為材料,以振動(dòng)不同時(shí)間模擬不同運(yùn)輸模式,對(duì)

2、不同模式下葡萄感官指標(biāo)、可溶性固形物、總酸、穿刺指標(biāo)、TPA指標(biāo)等進(jìn)行了評(píng)價(jià)與比較;在全波長范圍建立了一階導(dǎo)數(shù)、標(biāo)準(zhǔn)正常化預(yù)處理近紅外光譜對(duì)運(yùn)輸模式的判別模型,判定準(zhǔn)確率最高達(dá)96.67%;電子鼻PCA及LDA方法,可以實(shí)現(xiàn)不同振動(dòng)時(shí)間葡萄的區(qū)分;GC-MS共檢出香氣物質(zhì)67種,其中香葉酸、香茅醇、沉香醇、α-松油醇、橙花醇、(E)-2-己烯醛等為玫瑰香葡萄主要香氣成分,模擬運(yùn)輸過程中其相對(duì)含量有所降低。⑵對(duì)0℃貯藏8d、16d、24d

3、、32d、40d的玫瑰香及10℃貯藏3d、6d、9d、12d、的玫瑰香、馬奶、紅提葡萄不同貯藏時(shí)間進(jìn)行感官評(píng)價(jià)及可溶性固形物、總酸、VC、表面色澤、質(zhì)地品質(zhì)指標(biāo)的檢測(cè)。貯藏期間玫瑰香葡萄可溶性固物、總酸綜合模型建模方法為MPLS、1stD Log(1/R)、IMSC相結(jié)合、交互驗(yàn)證決定系數(shù)RCV2為0.8312、0.8270,預(yù)測(cè)決定系數(shù)Rp2分別為0.9205、0.8312,驗(yàn)證相對(duì)分析誤差RPD為3.96、2.02。TPA參數(shù)硬度、

4、彈性、凝聚性和回復(fù)性模型最優(yōu)方法為PLS結(jié)合1stD Log(1/R)+SNV and Detrend,其SECV分別為121.18、0.0374、0.0203,其交互驗(yàn)證相關(guān)系數(shù)RCV分別為0.7985、0.8769、0.8497、0.7850。全光譜范圍內(nèi),偏最小二乘法結(jié)合二階導(dǎo)數(shù)、去散射的光譜預(yù)處理方法建立的貯藏期間馬奶葡萄表面L*值模型效果最好,其交互驗(yàn)證誤差SECV、交互驗(yàn)證相關(guān)系數(shù)RCV2分別為0.4591、0.9476;a

5、*、b*值適用于一階導(dǎo)數(shù)結(jié)合加權(quán)多元離散校正處理,SECV分別為0.1239、0.4496,RCV2為0.9508、0.8648。紅提葡萄VC含量模型預(yù)測(cè)決定系數(shù)Rp2為0.9318,RPD為3.64;因此,應(yīng)用可見/近紅外漫反射技術(shù)對(duì)葡萄可溶性固形物、總酸、VC、表面色澤快速檢測(cè)模型穩(wěn)定且精度較高,質(zhì)地指標(biāo)檢測(cè)模型有待提高。電子鼻對(duì)三種葡萄不同貯藏時(shí)間的PCA及LDA分析是可行的且區(qū)分效果明顯,PLS結(jié)合因子判別可以有效識(shí)別葡萄貯藏期

6、。GC-MS檢測(cè)得到揮發(fā)性成分相對(duì)含量變化規(guī)律與電子鼻分析結(jié)果有一致性。⑶0℃貯藏20d的玫瑰香葡萄出庫分別置于室溫(18℃~20℃)、8℃~10℃,模擬常溫銷售模式、超市貨柜銷售模式,對(duì)葡萄5天貨架期內(nèi)各品質(zhì)指標(biāo)進(jìn)行檢測(cè)及感官評(píng)價(jià),得到其貨架期內(nèi)變化規(guī)律。電子鼻的PCA方法可以將不同貨架模式不同時(shí)間的葡萄樣品有效區(qū)分開,LDA方法體現(xiàn)了氣味變化快慢程度。利用HS-SPME/GC-MS技術(shù)對(duì)玫瑰香葡萄常溫及模擬超市貨架1d、3d、5d揮

7、發(fā)性物質(zhì)的定性、定量檢測(cè),得到對(duì)電子鼻判別及其他指標(biāo)變化的印證。⑷對(duì)玫瑰香葡萄物流過程中各環(huán)節(jié)的感官評(píng)價(jià)、理化指標(biāo)、微生物指標(biāo)等進(jìn)行相關(guān)性分析和旋轉(zhuǎn)因子分析,簡化評(píng)價(jià)變量,提取到前4個(gè)主因子,累積貢獻(xiàn)率達(dá)84.37%,根據(jù)因子得分系數(shù)計(jì)算出樣品的4個(gè)公因子分值 Fjn,從而計(jì)算公因子方差貢獻(xiàn)率的乘積之和,為樣品的綜合因子評(píng)價(jià)分值Sn,可以用來快速對(duì)葡萄品質(zhì)評(píng)價(jià)、定級(jí)。以SSC、TA、TPA硬度、彈性4個(gè)指標(biāo)建立的近紅外漫反射光譜模型,選

8、擇MPLS結(jié)合1stD Log(1/R)+SNV的預(yù)處理方法建模效果最佳,可以實(shí)現(xiàn)一個(gè)模型對(duì)多個(gè)指標(biāo)的預(yù)測(cè)。電子鼻PCA及LDA對(duì)物流全過程樣品的判別效果比單一環(huán)節(jié)更好,前兩個(gè)主成分總貢獻(xiàn)率達(dá)98.97%、96.44%。HS-SPME/GC-MS分析得到玫瑰香葡萄相對(duì)含量最大的特征香氣物質(zhì)沉香醇、香葉醇、(E)-2-己烯醛等在完整物流鏈中的相對(duì)含量即峰面積百分比變化情況,整個(gè)物流環(huán)節(jié)揮發(fā)性物質(zhì)種類總數(shù)呈現(xiàn)規(guī)律性變化。對(duì)完整物流過程中質(zhì)地

9、指標(biāo)進(jìn)行相關(guān)性分析,質(zhì)地穿刺試驗(yàn)參數(shù)果皮強(qiáng)度和韌性,果肉最大硬度和平均硬度間相關(guān)性極顯著,TPA測(cè)試指標(biāo)果肉硬度和彈性、凝聚性、回復(fù)性呈極顯著負(fù)相關(guān),彈性與凝聚性、回復(fù)性呈極顯著正相關(guān),以硬度、凝聚性、彈性建立人工咀嚼模型回歸方程 Y=0.853X1-63.19X2+21.061X3-60.315。其標(biāo)準(zhǔn)化的回歸系數(shù)R為0.936,對(duì)應(yīng)顯著性水平Sig<0.05,方程顯著,可以用硬度、凝聚性、彈性以上述方程表述玫瑰香葡萄咀嚼性,從而對(duì)葡

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論