枣营养丰富且品种繁多,不同品种的内外部品质与市场价格均存在差异,为了实现鲜枣品种分类的快速无损检测,以产自同一地区的板枣、鸡心枣和相枣为研究对象,动态采集光谱数据.采用移动平滑(moving smoothing)与多元散射校正(multiplicative scatter correction,MSC)相结合的方法预处理光谱数据,对预处理后的光谱数据采用连续投影算法(successive projections algorithm,SPA)提取出11个特征波长分别为:980,1 860,1 341,1 386,2 096,1 831,1 910,1 628,441,768,601 nm,其重要程度依次递减.以所提取的特征波长作为输入变量,建立极限学习机(extreme learning machine,ELM)分类模型,进行预测判别,并与偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)和最小二乘支持向量机(least squares support vector machines,LS-SVM)方法进行比较.结果表明:SPA-ELM方法所建校正模型的决定系数R2=0.972 38,校正均方根误差RMESC=0.018 724,SPA-ELM方法与SPA-PLS-DA和SPA-LS-SVM方法判别准确率均为100%,说明ELM是一种有效的分类判别方法.该研究为鲜枣品种分类检测提供了新的理论基础。

裂纹是衡量鲜枣品质的重要指标之一， 果皮裂纹加速鲜枣的腐烂， 导致鲜枣货架期的缩短， 严重降低鲜枣的经济价值。 采用高光谱成像技术在380～1　030　nm波段范围内对鲜枣裂纹的位置及大小信息特征进行快速识别。 选用偏最小二乘回归(PLSR)、 连续投影法(SPA)和全波段图像主成分分析(PCA)， 得到鲜枣裂纹相关的敏感波段。 然后利用选取的鲜枣裂纹的敏感波段对建模集的132个样本建立最小二乘支持向量机(LS-SVM)判别模型， 并对预测集的44个样本进行判别。 对PLSR-LS-SVM， SPA-LS-SVM和PCA-LS-SVM判别模型采用ROC曲线进行评判， 得出PLSR-LS-SVM模型对鲜枣裂纹定性判别的结果(area=1， std=0)最佳。 选取PLSR回归系数挑选出的5条鲜枣裂纹敏感波段(467， 544， 639， 673和682　nm)对应的单波段图像进行主成分分析， 其中将主成分PC4的图像结合图像处理技术， 最终识别出鲜枣裂纹的位置、 大小信息。 结果表明， 采用高光谱成像技术结合光谱图像处理可以实现鲜枣裂纹定性判别和定量识别的研究， 为进一步开发相关仪器的研究提供理论方法和依据。

酵母菌是引起鲜枣发酵的主要微生物。 以室温(20 ℃)贮藏的鲜枣为研究对象, 应用近红外光谱, 建立了检测鲜枣内酵母菌的动力学模型, 从而预测室温贮藏鲜枣的保鲜期, 以确保鲜枣的品质安全。 通过对近红外光谱预处理方法和特征波数的优选, 分别建立了室温贮藏下鲜枣内酵母菌的近红外光谱定量检测模型和反映其变化规律的动力学模型。 结果表明, 在全光谱范围内, 采用多元散射校正光谱预处理方法, 通过多元线性回归, 建立的鲜枣内酵母菌菌落总数的近红外光谱模型预测效果最好, 其中校正集的相关系数为0.950, 均方根误差为2.560, 预测集的相关系数为0.863, 均方根误差为2.477。 结合鲜枣的近红外光谱, 其零级反应动力学模型可以较好地描述酵母菌的变化情况, 鲜枣光谱吸光度值与贮藏时间的动力学模型为Bt=171.395-124.445x1-109.945x2-32.763x3-7.899x4-1.426x5-4.857x6+0.045t, 其相关系数为0.996, 标准偏差为2.561。 酵母菌安全限量为100 000 cfu·g-1, 当酵母菌菌落总数初始值小于等于10 cfu·g-1时, 预测鲜枣在室温下的贮藏时间为8 d, 也可根据鲜枣中的酵母菌菌落总数初始值的不同实现实时监测鲜枣内部酵母菌菌落总数信息及其安全的贮藏时间。

我国的鲜食枣品种多样, 不同的品种其肉质有差异, 其食用品质也有差别。 此外, 鲜枣收获时有裂果, 裂果导致其果肉外露, 腐烂变酸, 失去食用价值, 并且腐烂变质的水果, 很容易传染给完整果, 因此有必要将裂果和完整果进行分开贮藏, 以减少损失。 本研究采用近红外光谱快速鉴别鲜枣品种及裂果。 以室温(20 ℃)贮藏的鲜枣为研究对象, 应用近红外光谱, 对2个不同品种的鲜枣进行光谱分析, 采用平滑法、 多元散射校正、 一阶微分和二阶微分方法对光谱进行预处理, 再用回归关系法和主成分分析法进行波数选择, 建立3层人工神经网络鉴别模型, 结果表明, 鲜枣品种和裂果鉴别的正确率均可达100%, 可鉴别鲜枣品种和裂果, 以减少鲜枣贮藏的损失。 说明近红外光谱可以实现鉴别冬枣和梨枣品种, 以及正确的识别完整果和裂果, 为鲜枣的分类贮藏和加工提供理论依据。