宋小青，任亞梅，張艷宜，李 瑩，彭國勇，馬 婷

（西北農(nóng)林科技大學(xué)食品科學(xué)與工程學(xué)院，陜西 楊凌 712100）

電子鼻對低溫貯藏獼猴桃品質(zhì)的預(yù)測

宋小青，任亞梅*，張艷宜，李 瑩，彭國勇，馬 婷

（西北農(nóng)林科技大學(xué)食品科學(xué)與工程學(xué)院，陜西 楊凌 712100）

為了探索電子鼻技術(shù)快速檢測獼猴桃品質(zhì)的方法，以“秦美”獼猴桃為試材，利用電子鼻技術(shù)對低溫貯藏獼猴桃的芳香成分進行檢測，采用多元線性回歸（multiple linear regression，MLR）、偏最小二乘法（partial leastsquares regressions，PLS）、BP（back-propagation）網(wǎng)絡(luò)3 種分析方法建立評價低溫貯藏期獼猴桃的可溶性固形物含量、pH值和硬度的數(shù)學(xué)模型。結(jié)果表明：在貯藏0～45 d，S1、S2、S3、S4、S7、S8、S9和S10傳感器響應(yīng)值變化顯著（P＜0.05），即芳香苯類、氮氧化物、氨類、氫氣、硫化氫、乙醇、有機硫化物、芳香烷烴這幾類化合物在獼猴桃低溫貯藏期變化顯著。同時線性判別分析比主成分分析能更好地區(qū)分不同貯藏期的獼猴桃。MLR、PLS和BP網(wǎng)絡(luò)3 種分析方法都能很好地預(yù)測低溫貯藏獼猴桃的品質(zhì)，但相比之下，BP網(wǎng)絡(luò)的分析精度更高。應(yīng)用電子鼻技術(shù)預(yù)測獼猴桃的品質(zhì)是可行的。

獼猴桃；電子鼻；可溶性固形物；硬度；pH值

近年來，隨著國際市場的全球化，人們對水果品質(zhì)要求也越來越高，而貯藏水果質(zhì)量的好壞決定了市場分布和消費者的喜好程度，所以對貯藏期的水果品質(zhì)進行檢測及控制就顯得相當重要。目前水果品質(zhì)檢測技術(shù)的研究得到了不斷發(fā)展，但它們絕大多數(shù)采用的是有損檢測。

電子鼻技術(shù)是一種集分析、識別、檢測復(fù)雜揮發(fā)性成分功能于一體的新型儀器，具有檢測速度快、操作簡單、靈敏度高、重現(xiàn)性好等特點[1]。近年來，電子鼻無損檢測技術(shù)在水果檢測中得到了探索與利用。電子鼻對水果無損檢測的研究主要集中在電子鼻對柑橘、桃、蘋果、梨等水果貯藏和貨架品質(zhì)的檢測[2-10]、最佳收獲期的預(yù)測[11]、水果成熟度的檢測[12-15]以及對水果中滋生的微生物的種類和含量的檢測[16-17]等方面。Saevels等[11]研究了利用電子鼻來預(yù)測蘋果的最佳收獲期，Saevel等[18]還研究了利用電子鼻和氣譜-質(zhì)譜相結(jié)合來檢測貯藏期的蘋果質(zhì)量。Brezmes等[19]發(fā)現(xiàn)電子鼻能很好地區(qū)分不同成熟度的桃和梨，正確率在92%以上。朱娜等[20]發(fā)現(xiàn)通過電子鼻的檢測及多元統(tǒng)計分析，所建判別模型可以準確區(qū)分不同霉菌早期感染的草莓果實。Brezmes等[21]還發(fā)現(xiàn)電子鼻傳感器的信號與水果的硬度、淀粉含量、酸度品質(zhì)指標有很好的相關(guān)性。但關(guān)于電子鼻對獼猴桃品質(zhì)檢測的研究還未見報道。因此本實驗以采前經(jīng)過膨大劑處理的“秦美”獼猴桃為試材，利用電子鼻技術(shù)檢測獼猴桃在低溫貯藏期間芳香成分的變化，采用偏最小二乘（partial least-squares regressions，PLS）法、多元線性回歸（multiple linear regression，MLR）和BP網(wǎng)絡(luò)3種分析方法建立評價獼猴桃可溶性固形物含量（soluble solids content，SSC）、硬度、pH值質(zhì)量指標的數(shù)學(xué)模型，以實現(xiàn)對低溫貯藏獼猴桃品質(zhì)的預(yù)測。

1 材料與方法

1.1 試材

供試樣品為“秦美”獼猴桃，在幼果謝花后10～20 d的細胞分裂期，用1.4%“大果靈”藥液噴灑果面。獼猴桃于2012年9月23日采自陜西省楊凌區(qū)管理良好的果園，果實SSC為6%～7%。當天運回實驗室，選擇成熟度一致、大小均勻、無病蟲害及機械損傷的果實為試材。將果實用0.03 mm厚聚乙烯袋密封包裝放入紙箱中，貯藏于（0±1）℃，相對濕度為85%～90%的冷庫中。在貯藏的0、15、30、45 d，將30 個獼猴桃從冷庫中取出，在20 ℃的室溫放置12 h，用于電子鼻和SSC、硬度、pH值等指標的測定。

1.2 儀器與設(shè)備

德國Airsense公司PEN3型便攜式電子鼻。它是一種由一組復(fù)合化學(xué)傳感器和識別軟件組成的分析儀器，其硬件結(jié)構(gòu)主要包括傳感器陣列、采樣及清洗通道、數(shù)據(jù)采集系統(tǒng)及計算機。PEN3電子鼻包含S1（W1C芳香苯類）、S2（W5S 氮氧化物）、S3（W3C氨類）、S4（W6S氫氣）、S5（W5C 烷烴）、S6（W1S甲烷）、S7（W1W硫化氫）、S8（W2S 乙醇）、S9（W2W 有機硫化物)）和S10（W3S 芳香烷烴）10 個金屬氧化物傳感器陣列。SI～S10表示為10 個傳感器的響應(yīng)信號強度。

1.3 方法

1.3.1 電子鼻測定

將獼猴桃放置于500 mL燒杯，用封口膜封口，于（20± 0.5）℃靜置30 min后測定電子鼻數(shù)據(jù)。揮發(fā)性氣體以300 mL/min流速通過采集管吸到電子鼻的傳感器通道里，使傳感器響應(yīng)值發(fā)生改變，然后排除。結(jié)束一次檢測后進行清零和標準化，再進行第2輪頂空采樣。多次預(yù)備實驗確定電子鼻的檢測從40 s左右開始趨于穩(wěn)定，為了保證數(shù)據(jù)穩(wěn)定性和準確度，本實驗檢測時間設(shè)定為80 s，特征值提取時間點為60 s，有利于減小選定時間點造成的誤差，清洗時間設(shè)置為300 s，可以基本使傳感器響應(yīng)恢復(fù)到初始狀態(tài)。

1.3.2 理化品質(zhì)指標的測定

SSC測定：采用WYT-4型手持糖量儀；硬度測定：采用TA-XTplus型質(zhì)構(gòu)分析儀測定。測試選用直徑5.0 mm的圓柱探頭（p/5），測前速率1.0 mm/s，測試速率1.0 mm/s，測后速率1.0 mm/s，插入深度10.0 mm。測量時在獼猴桃的赤道部位相隔120°選取3 個測量點，取3 個測量點的平均值作為水果的硬度值，單位記為N；pH值測定：PHS-3C精密pH計。

每個 果實的SSC、pH值和硬度測定3 次，取其平均值，得到與樣本的電子鼻數(shù)據(jù)相對應(yīng)的SSC、pH值和硬度數(shù)據(jù)。

1.4 數(shù)據(jù)處理

實驗結(jié)果由SPSS.v 19.0和MATLAB R2010a軟件對數(shù)據(jù)進行主成分分析（principal component analysis，PCA）和線性判別分析（linear discriminant analysis，LDA）所得，并用PLS、MLR和BP網(wǎng)絡(luò)進行指標預(yù)測。從4 個貯藏期的獼猴桃數(shù)據(jù)中分別隨機抽取20 個共80 個獼猴桃作為訓(xùn)練集用于建立模型，剩余的40 組作為測試集用于對所建模型進行測試。以模型的決定系數(shù)（R2）、校正均方根誤差（root mean square error of calibration，RMSEC）和預(yù)測均方根誤差（root mean square error of prediction，RMSEP）作為評價模型性能的指標。R2越高，RMSEC和RMSEP越小，模型效果越好。RMSEC和RMSEP定義如下：

2 結(jié)果與分析

2.1 獼猴桃在低溫貯藏過程中品質(zhì)指標的變化

圖1 獼猴桃貯藏期間SSC（A）、硬度（B）和pH值（C）的變化Fig.1 Changes in SSC, firmness and pH of kiwifruit during cold storage

由圖1A可見，獼猴桃果實在貯藏的0～45 d，SSC增加比較緩慢，從8.2%增加到12.3%，增加了50%。由圖1B可見，隨著貯藏時間的延長，硬度逐漸降低，從37.97 N下降到6.80 N，下降了82.10%。獼猴桃在貯藏0～30 d，硬度顯著下降；在貯藏30～45 d，硬度下降緩慢。由圖1C可見，在整個貯藏過程中，pH值增加顯著，從3.10增加到3.59，增加了15.81%。

2.2 電子鼻對獼猴桃芳香特征的響應(yīng)

圖2 電子鼻傳感器對獼猴桃芳香物的響應(yīng)圖Fig.2 Response curves of sensor array s for kiwifruit aroma

對每批 30 個獼猴桃進行電子鼻檢測，獲得電子鼻10 個傳感器的響應(yīng)圖（圖2）。圖中每一條曲線代表著一個傳感器，曲線上的點代表著獼猴桃的芳香成分通過傳感器通道時，相對電阻率（G/G0）隨檢測時間的變化情況。由圖2可見，電阻比剛開始時較低，隨著揮發(fā)物在傳感器表面富集， 傳感器電阻比不斷增大，最后趨于平緩，達到一個穩(wěn)定的狀態(tài)。另外，傳感器S2（氮氧化物）、S7（硫化氫）、S9（有機硫化物）較其他傳感器有更高的相對電阻率值。通過電子鼻傳感器對獼猴桃芳香特征的響應(yīng)試驗，可得出電子鼻對獼猴桃的芳香氣味有明顯的響應(yīng)，并且每一個傳感器對獼猴桃的響應(yīng)各不相同，表明利用電子鼻PEN3系統(tǒng)預(yù)測獼猴桃低溫貯藏期的品質(zhì)是有可能的。

2.3 獼猴桃在低溫貯藏過程中傳感器響應(yīng)值的變化

圖3 獼猴桃在低溫貯藏過程中傳感器響應(yīng)值變化的分析圖Fig.3 Change in sensor array responses to kiwifruit during cold storage

電子鼻傳感器對低溫貯藏獼猴桃芳香氣味響應(yīng)值的變化如圖3所示。可見，在貯藏0～45 d，傳感器S1、S2、S3、S4、S7、S8、S9、S10響應(yīng)值變化均顯著（P＜0.05），即芳香苯類、氮氧化物、氨類、氫氣、硫化氫、乙醇、有機硫化物、芳香烷烴這幾類化合物在獼猴桃低溫貯藏期變化顯著。據(jù)報道，獼猴桃果實的特征香氣成分主要有苯甲酸甲酯、苯甲酸乙酯、2-己烯醇等[22]，傳感器S1（芳香苯類）、S8（乙醇）在整個貯藏過程中響應(yīng)值變化顯著，這與獼猴桃的特征香氣成分一致。在貯藏45 d，傳感器S2、S4、S7、S10的響應(yīng)值顯著高于其他貯藏時間（P＜0.05），說明該階段氮氧化物、氫氣、硫化氫、芳香烷烴的含量較豐富，此階段大部分醇類和醛類物質(zhì)的增加會嚴重破壞獼猴桃香氣的整體感官質(zhì)量，影響獼猴桃的鮮食品質(zhì)[23]。由圖3可見，傳感器響應(yīng)值的變化不規(guī)律，這與獼猴桃品質(zhì)的變化趨勢不一致，但前人[24-26]研究表明電子鼻傳感器的信號與水果的硬度、SSC、酸度品質(zhì)指標有很好的相關(guān)性，因此利用電子鼻預(yù)測低溫貯藏獼猴桃的品質(zhì)是有可能的。

2.4 獼猴桃在低溫貯藏過程中的PCA和LDA分析

選擇響應(yīng)值變化顯著的傳感器S1、S2、S3、S4、S7、S8、S9和S10進行LDA和PCA分析，結(jié)果如圖4所示。從圖4A可見，4 個貯藏期的獼猴桃分布比較集中，第0、30、45天區(qū)域有部分重疊，不同貯藏時間的獼猴桃沒能完全區(qū)分開，說明PCA不能很好地預(yù)測不同貯藏時間的獼猴桃。由圖4B可見，判別式LD1和判別式LD2的貢獻率分別為61.80%和30.10%，總貢獻率為91.90%，能很好地區(qū)分不同貯藏時間的獼猴桃。第0、15、30天沿著LD1的正方向依次出現(xiàn)，第45天則沿著LD2正方向和LD1的逆方向出現(xiàn)，完全不同于其他貯藏時間，說明貯藏第45天獼猴桃的芳香成分與其他貯藏時間的不一樣，這與圖3的結(jié)果相一致。圖4B可見，獼猴桃的芳香速率變化呈波浪形。從第0～15天速率變化較大，但從第15～30天的過程中速率變化（距離）明顯變小，而從第30～45天的速率變化又加快，這種變化可能與獼猴桃的呼吸強度有關(guān)。由此可得出，LDA比PCA能更好地區(qū)分不同貯藏時間的獼猴桃。

圖4 貯藏期獼猴桃電子鼻檢測的PCA（A）和LDA（B）分析圖Fig.4 PCA (A) and LDA (B) plots of kiwifruit during cold storage by electronic nose

2.5 PLS方法

將10 個傳感器對獼猴桃60 s的響應(yīng)信號作為自變量，糖度、硬度、pH值作為因變量。從4 個貯藏期的獼猴桃數(shù)據(jù)中分別隨機抽取20 組數(shù)據(jù)共80 組作為訓(xùn)練集用于建立模型，剩余的40 組作為測試集用于對所建模型進行測試。

建立的傳感器信號與獼猴桃品質(zhì)指標之間的回歸模型如下：

方程（2）的R2=0.94，RMSEC=0.36。

方程（3）的R2=0.88，RMSEC=2.18。

方程（4）的R2=0.88，RMSEC=0.06。

為檢驗?zāi)Ｐ偷目煽啃裕謩e利用已建立的獼猴桃SSC、pH值和硬度的PLS數(shù)學(xué)模型對未知樣品進行預(yù)測。表1為PLS方法對獼猴桃SSC、硬度、pH值質(zhì)量參數(shù)的預(yù)測結(jié)果。表明采用PLS校正方法建立的模型具有較高的預(yù)測精度，其中對SSC的預(yù)測值與測量值的R2為0.88，RMSEP為0.62；對pH值的預(yù)測值與測量值的R2為0.85，RMSEP為0.08；對硬度的預(yù)測值與測量值的R2為0.87，RMSEP為2.58。測試集中預(yù)測值和測量值之間的擬和結(jié)果如圖5所示?？芍?，測試集樣品中SSC、硬度和pH值的預(yù)測值與測量值有很高的相關(guān)性。由此得出，PLS能很好地預(yù)測低溫貯藏獼猴桃的品質(zhì)。

表1 基于電子鼻信號的PLS方法對獼猴桃質(zhì)量參數(shù)的預(yù)測結(jié)果Table1 Results of prediction for kiwifruit quality indices based on the electronic nose signal by PLS

圖5 PLS模型對測試集樣品的SSC（A）、硬度（B）和pH值（C）的預(yù)測值與測量值的擬和圖Fig.5 Correlation between measured and predicted values from PLS model for SSC (A), firmness (B) and pH (C) in test set

2.6 MLR方法

將10個傳感器對獼猴桃的響應(yīng)信號作為自變量，獼猴桃的SSC、pH值、硬度分別作為因變量。電子鼻系統(tǒng)所測的120 組數(shù)據(jù)，80 組用于建立回歸模型，40 組用于對所建模型進行預(yù)測。用逐步回歸方法得到預(yù)測模型，在逐步回歸過程中，如果自變量的顯著水平大于0.0l，剔除該變量，即所引入模型中的變量要在0.01水平下顯著。

傳感器信號與獼猴桃SSC之間的回歸模型如下：

方程（5）的顯著性檢驗F值=341.50，顯著性水平P＜10－4，決定系數(shù)R2=0.96，RMSEC=0.28，DW= 2.27，各回歸系數(shù)的偏相關(guān)系數(shù)的顯著性水平均小于0.05，說明該模型有效。

傳感器信號與獼猴桃硬度之間的多元線性逐步回歸模型如下：

方程（6）的顯著性檢驗F值=263.60，顯著性水平P＜10－4，決定系數(shù)R2=0.91，RMSEC=1.86，DW= 1.99，各回歸系數(shù)的偏相關(guān)系數(shù)的顯著性水平均小于0.05，說明該模型有效。

傳感器信號與獼猴桃pH值之間的多元線性逐步回歸模型如下：

方程（7）的顯著性檢驗F=196.45，顯著性水平P＜10－4，決定系數(shù)R2=0.89，RMSEC=0.06，DW=1.84，各回歸系數(shù)的偏相關(guān)系數(shù)的顯著性水平均小于0.05，說明該模型有效。

表2 基于電子鼻信號的MLR方法對獼猴桃質(zhì)量參數(shù)的預(yù)測結(jié)果Table2 Results of prediction for kiwifruit quality indices based on the electronic nose signal by MLR

圖6 MLR模型對測試集樣品的SSC（A）、硬度（B）和pH值（C）的預(yù)測值與測量值的擬和圖Fig.6 Correlation between measured and predicted values from MLR model for SSC (A), firmness (B) and pH (C) in test set

MLR對獼猴桃品質(zhì)的預(yù)測結(jié)果如表2所示?？梢姡瑴y試集中SSC、硬度和pH值的預(yù)測值和測量值之間的R2分別為0.92、0.90、0.86，RMSEP分別為0.51、2.38、0.08。測試集中預(yù)測值和測量值之間的擬和結(jié)果如圖6所示?？梢姡瑴y試集樣品中SSC、硬度和pH值的預(yù)測值與測量值有很高的相關(guān)性?？傊捎肕LR方法所建模型對獼猴桃品質(zhì)參數(shù)具有很高的預(yù)測能力。

2.7 ANN方法

表3 基于電子鼻信號的ANN方法對獼猴桃質(zhì)量參數(shù)的預(yù)測結(jié)果Table3 Results of prediction for kiwifruit quality indices based on the electronic nose signal by ANN

將10 個傳感器對獼猴桃的響應(yīng)信號作為輸入層，獼猴桃的SSC、pH值、硬度分別作為輸出層。電子鼻系統(tǒng)所測的120 組數(shù)據(jù)，80 組作為訓(xùn)練集，40 組作為測試集。采用BP神經(jīng)網(wǎng)絡(luò)來進行測試。在網(wǎng)絡(luò)學(xué)習的過程中，隱含層和輸出層采用tan-sigmoid傳輸函數(shù)，BP算法的訓(xùn)練函數(shù)為trainglm。訓(xùn)練集和測試集代人BP網(wǎng)絡(luò)進行模擬，硬度、SSC和pH值的預(yù)測值和測量值的關(guān)系如表3所示。訓(xùn)練集中SSC、硬度、pH值的預(yù)測值和測量值之間的R2分別為0.98、0.97、095，相應(yīng)的RMSEC分別為0.22、1.16、0.04。測試集中SSC、硬度、pH值預(yù)測值和測量值之間的R2分別為0.93、0.90、0.90，相應(yīng)的RMSEP分別為0.48、2.15、0.08。測試集中預(yù)測值和測量值之間的擬和結(jié)果如圖7所示?？梢?，測試集樣品的SSC、硬度和pH值的預(yù)測值與測量值的相關(guān)性較高。由此可見，BP網(wǎng)絡(luò)對獼猴桃質(zhì)量參數(shù)的預(yù)測精度較高。

以上分析可見，PLS、MLR和BP網(wǎng)絡(luò)均能很好地預(yù)測獼猴桃的品質(zhì)。通過比較訓(xùn)練集和測試集的預(yù)測值和測量值之間的R2和相應(yīng)的RMSE值，可看出BP網(wǎng)絡(luò)的分析精度高于MLR模型，MLR的預(yù)測能力優(yōu)于PLS，這一結(jié)果與已有研究[24-25]的結(jié)果一致。同時，PLS、MLR、BP網(wǎng)絡(luò)對SSC的預(yù)測結(jié)果優(yōu)于對硬度和pH值的預(yù)測結(jié)果。BP網(wǎng)絡(luò)對SSC、硬度、pH值所建立的預(yù)測模型的R2分別為0.93、0.90、0.90，這一結(jié)果優(yōu)于于慧春等[26]通過BP網(wǎng)絡(luò)模型預(yù)測桃子品質(zhì)的結(jié)果。

圖7 BP模型對測試集樣品的SSC（A）、硬度（B）和pH值（C）的預(yù)測值與測量值的擬和圖Fig.7 Correlation between measured and predicted values from BP model for SSC (A), firmness (B) and pH (C) in test set

3 結(jié) 論

利用電子鼻技術(shù)快速無損檢測低溫貯藏獼猴桃芳香氣味的變化，建立評價獼猴桃的硬度、pH值和SSC指標的數(shù)學(xué)模型。結(jié)論如下：

獼猴桃在貯藏0～45 d，S1（芳香苯類）、S2（氮氧化物）、S3（氨類）、S4（氫氣）、S7（硫化氫）、S8（乙醇）、S9（有機硫化物）、S10（芳香烷烴）傳感器響應(yīng)值變化顯著。獼猴桃在貯藏45d，氮氧化物、氫氣、硫化氫、芳香烷烴含量較豐富，顯著高于其他貯藏時間（P＜0.05）。LDA比PCA分析方法能更好地識別不同貯藏時間的獼猴桃。采用PLS建立評價獼猴桃SSC、硬度、pH值的數(shù)學(xué)模型，其中測試集模型的R2分別為0.88、0.86、0.85，相應(yīng)的RMSEP為0.62、2.58、0.08；采用MLR建立獼猴桃SSC、硬度、pH值與電子鼻信號之間關(guān)系的模型，其中測試集模型的R2分別為0.92、0.88、0.86，相應(yīng)的RMSEP為0.51、2.38、0.08；BP網(wǎng)絡(luò)的測試集SSC、硬度、pH值的預(yù)測值和測試值的R2為0.93、 0.90、0.90，相應(yīng)的RMSEP分別為0.48、2.15、0.08?？梢夿P網(wǎng)絡(luò)預(yù)測能力高于MLR方法，MLR的分析精度優(yōu)于PLS。利用定量分析方法建立水果質(zhì)量指標與電子鼻信號之間的數(shù)學(xué)模型，并用于水果質(zhì)量的預(yù)測是可行的。

[1] 陳利梅, 李德茂, 馬淑鳳. 不同生產(chǎn)日期山楂罐頭的電子鼻檢測研究[J]. 安徽農(nóng)業(yè)科學(xué), 2010, 38(9): 4792-4822.

[2] 惠國華, 吳玉玲, 陳裕泉. 基于電子鼻的香蕉儲存時間鑒別方法研究[J]. 傳感技術(shù)學(xué)報, 2012, 25(5): 566-569.

[3] 紀淑娟, 張麗萍, 卜慶狀, 等. 基于電子鼻技術(shù)對冷藏后南果梨貨架期間氣味的變化分析[J]. 食品科學(xué), 2012, 33(7): 123-126.

[4] RIZZOLO A, BIANCHI G, VANOLI M, et al. Electronic nose to detect volatile compound profile and quality changes in ‘spring Belle’peach (Prunus persica L.) during cold storage in relation to fruit optical properties measured by time-resolved reflectance spectroscopy[J]. Journal of Agricultural and Food Chemistry, 2013, 61(8): 1671-1685.

[5] ZHANG H, WANG J, YE S, et al. Application of electronic nose and statistical analysis to predict quality indices of peach[J]. Food Bioprocess Technology, 2009, 5(1): 65-72.

[6] 江琳琳, 潘磊慶, 屠康, 等. 基于電子鼻對水蜜桃貨架期評價的研究[J].食品科學(xué), 2010, 31(12): 229-232.

[7] 張曉華, 張東星, 劉遠方, 等. 電子鼻對蘋果貨架期質(zhì)量的評價[J].食品與發(fā)酵工業(yè), 2007, 33(6): 20-23.

[8] 張麗萍. 基于電子鼻技術(shù)對冷藏后南果梨貨架期間氣味的變化分析[J]. 食品科學(xué), 2012, 33(7): 123-126.

[9] 胡桂仙, 王俊, 海錚, 等. 不同儲藏時間柑橘電子鼻檢測研究[J]. 浙江農(nóng)業(yè)學(xué)報, 2006, 18(6): 458-461.

[10] 高利萍, 王俊, 崔紹慶. 不同成熟度草莓鮮榨果汁的電子鼻和電子舌檢測[J]. 浙江大學(xué)學(xué)報: 農(nóng)業(yè)與生命科學(xué)版, 2012, 38(6): 715-724.

[11] SAEVELS S, LAMMERTYN J, BERNA A Z, et a1. Electronic nose as a non-destructive tool to evaluate the optimal harvest date of apples[J]. Postharvest Biology and Technology, 2003, 30(1): 3-14.

[12] GOMEZ A H, WANG J, HU G X, et a1. Electronic nose technique potential monitoring mandarin maturity[J]. Sensors and Actuators B, 2006, 113(1): 347-353.

[13] PATHANGE L P, MALLIKARJUNAN P, MARINI R P, et a1. Nondestructive evaluation of apple maturity using an electronic nose system[J]. Journal of Food Engineering, 2006, 77(4): 1018-1023.

[14] 胡桂仙, GOMEZ A H, 王俊, 等. 電子鼻無損檢測柑橘成熟度的實驗研究[J]. 食品與發(fā)酵工業(yè), 2005, 31(8): 57-61.

[15] 周亦斌, 王俊. 基于電子鼻的番茄成熟度及貯藏時間評價的研究[J].農(nóng)業(yè)工程學(xué)報, 2005, 21(4): 113-117.

[16] GOBBI E, FALASCONI M, CONCINA I, et al. Electronic nose and Alicyclobacillus spp. spoilage of fruit juices: an emerging diagnostic tool[J]. Food Control, 2010, 21(10): 1374-1382.

[17] KARLSH?J K, NIELSEN P V, LARSEN T O. Prediction of Penicillium expansum spoilage and patulin concentration in apples used for apple juice production by electronic nose analysis[J]. Journal of Agricultural and Food Chemistry, 2007, 55(11): 4289-4298.

[18] SAEVELS S, LAMMERTYN J, BERNA A Z, et a1. An electronic nose and a mass spectrometry-based electronic nose for assessing apple quality during shelf life[J]. Postharvest Biology and Technology, 2004, 31(1): 9-19.

[19] BREZMES J, LLOBET E, VILANOVA X, et a1. Fruit ripeness monitoring using an electronic nose[J]. Sensors and Actuators B, 2000, 69(3): 223-229.

[20] 朱娜, 毛淑波, 潘磊慶, 等. 電子鼻對草莓采后貯藏早期霉菌感染的檢測[J]. 農(nóng)業(yè)工程學(xué)報, 2013, 29(5): 266-273.

[21] BREZMES J, LLOBET E, VILANOVA X, et al. Correlation between electronic nose signals and fruit quality indicators on shelf-life measurements with pinklady apples[J]. Sensors and Actuators B, 2001, 80(1): 41-50.

[22] YOUNG H, PATERSON V J. The effects of harvest maturity, ripeness and storage on kiwifruit aroma[J]. Journal of the Science of Food and Agriculture, 1985, 36(5): 352-358.

[23] 李德英. 1-MCP對獼猴桃冷藏過程中采后生理及香氣的影響[D]. 西安: 陜西師范大學(xué), 2008.

[24] ZHANG H, CHANG M, WANG J, et al. Evaluation of peach quality indices using an electronic nose by MLR, QPST and BP network e[J]. Sensor Actuators B, 2008, 134(1): 332-338.

[25] ZHANG H, WANG J, YE S. Predictions of acidity, soluble solids and firmness of pear using electronic nose technique[J]. Journal of Food Engineering, 2008, 86(3): 370-378.

[26] 于慧春, 張紅梅, 李欣. 基于電子鼻技術(shù)桃子內(nèi)部品質(zhì)無損評定方法的研究[J]. 食品科技, 2009, 34(7): 226-231.

Prediction of Kiwifruit Quality during Cold Storage by Electronic Nose

SONG Xiao-qing, REN Ya-mei*, ZHANG Yan-yi, LI Ying, PENG Guo-yong, MA Ting
(College of Food Science and Engineering, Northwest A & F University, Yangling 712100, China)

In order to explore the applicability of electronic nose technique for rapid and non-destructive evaluation of kiwifruit quality, the volatile compounds of “Qinmei” kiwifruit during cold storage were studied by electronic nose. Multiple linear regression (MLR), partial least-squares regression (PLS) and back-propagation (BP) network were applied to predict the firmness, soluble solid content (SSC) and pH of kiwifrui t based on the signal of electronic nose. The results showed that the response values of sensors S1, S2, S3, S4, S7, S8, S9 and S10 were relatively high and changed significantly during 45 days of storage (P ＜ 0.05). In addition, aromatic benzene, nitrogen oxide, ammonia, hydrogen, hydrogen sulfide, ethanol, organic sulphur compounds and aromatic alkane also exhibited a significant change during cold storage. Linear discriminant analysis was able to better distinguish among different storage periods of kiwifruit than principal component analysis. PLS, MLR and BP network were able to predict the firmness, soluble solid content an d pH of kiwifruit during cold storage. However, BP network led to more precise predictions than PLS and MLR. The results in dicate that it is possible to use this non-destructive technique for measuring quality characteristics of kiwifruit, and electronic nose technique provides a method for rapid and non-destructive evaluation of kiwifruit quality.

kiwifruit; electronic nose; solid soluble content; firmness; pH

TS255

A

1002-6630（2014）20-0230-06

10.7506/spkx1002-6630-201420046

2014-01-22

西北農(nóng)林科技大學(xué)科技創(chuàng)新與成果轉(zhuǎn)化項目（Z222021313）

宋小青（1988—），女，碩士，主要從事果蔬貯藏與加工研究。E-mail：qing4066@126.com

*通信作者：任亞梅（1970—），女，副教授，博士，主要從事果蔬貯藏與加工的教學(xué)與研究。E-mail： yameiren@yahoo.com