物流過程中鮮食葡萄品質的研究.pdf

1、葡萄果實風味獨特、酸甜適口、營養(yǎng)價值高，深受消費者喜愛。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，運輸、貯藏、銷售期間很容易發(fā)生硬度衰減、腐爛變質、落粒、干梗等現(xiàn)象，大大降低了商品價值。隨著市場對鮮食葡萄品質要求的提高及葡萄物流、保鮮技術的發(fā)展，針對葡萄在采后貯、運、銷物流過程中品質的快速檢測及評價已成為果蔬產業(yè)領域的重要研究課題。
　　本研究主要內容包括：⑴以玫瑰香葡萄為材料，以振動不同時間模擬不同運輸模式，對

2、不同模式下葡萄感官指標、可溶性固形物、總酸、穿刺指標、TPA指標等進行了評價與比較；在全波長范圍建立了一階導數(shù)、標準正常化預處理近紅外光譜對運輸模式的判別模型，判定準確率最高達96.67％；電子鼻PCA及LDA方法，可以實現(xiàn)不同振動時間葡萄的區(qū)分；GC-MS共檢出香氣物質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，模擬運輸過程中其相對含量有所降低。⑵對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間進行感官評價及可溶性固形物、總酸、VC、表面色澤、質地品質指標的檢測。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相結合、交互驗證決定系數(shù)RCV2為0.8312、0.8270，預測決定系數(shù)Rp2分別為0.9205、0.8312，驗證相對分析誤差RPD為3.96、2.02。TPA參數(shù)硬度、

4、彈性、凝聚性和回復性模型最優(yōu)方法為PLS結合1stD Log(1/R)+SNV and Detrend，其SECV分別為121.18、0.0374、0.0203，其交互驗證相關系數(shù)RCV分別為0.7985、0.8769、0.8497、0.7850。全光譜范圍內，偏最小二乘法結合二階導數(shù)、去散射的光譜預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，其交互驗證誤差SECV、交互驗證相關系數(shù)RCV2分別為0.4591、0.9476；a

5、*、b*值適用于一階導數(shù)結合加權多元離散校正處理，SECV分別為0.1239、0.4496，RCV2為0.9508、0.8648。紅提葡萄VC含量模型預測決定系數(shù)Rp2為0.9318，RPD為3.64；因此，應用可見/近紅外漫反射技術對葡萄可溶性固形物、總酸、VC、表面色澤快速檢測模型穩(wěn)定且精度較高，質地指標檢測模型有待提高。電子鼻對三種葡萄不同貯藏時間的PCA及LDA分析是可行的且區(qū)分效果明顯，PLS結合因子判別可以有效識別葡萄貯藏期

6、。GC-MS檢測得到揮發(fā)性成分相對含量變化規(guī)律與電子鼻分析結果有一致性。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，對葡萄5天貨架期內各品質指標進行檢測及感官評價，得到其貨架期內變化規(guī)律。電子鼻的PCA方法可以將不同貨架模式不同時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技術對玫瑰香葡萄常溫及模擬超市貨架1d、3d、5d揮

7、發(fā)性物質的定性、定量檢測，得到對電子鼻判別及其他指標變化的印證。⑷對玫瑰香葡萄物流過程中各環(huán)節(jié)的感官評價、理化指標、微生物指標等進行相關性分析和旋轉因子分析，簡化評價變量，提取到前4個主因子，累積貢獻率達84.37%，根據(jù)因子得分系數(shù)計算出樣品的4個公因子分值 Fjn，從而計算公因子方差貢獻率的乘積之和，為樣品的綜合因子評價分值Sn，可以用來快速對葡萄品質評價、定級。以SSC、TA、TPA硬度、彈性4個指標建立的近紅外漫反射光譜模型，選

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

9、指標進行相關性分析，質地穿刺試驗參數(shù)果皮強度和韌性，果肉最大硬度和平均硬度間相關性極顯著，TPA測試指標果肉硬度和彈性、凝聚性、回復性呈極顯著負相關，彈性與凝聚性、回復性呈極顯著正相關，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。其標準化的回歸系數(shù)R為0.936，對應顯著性水平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，從而對葡