棒曲霉素（PAT）是苹果汁中最常见的真菌毒素，对消费者健康和经济发展有很大危害，本文研究了辉光放电等离子体（Glow discharge plasma，GDP）对苹果汁中PAT的降解作用及对苹果汁风味物质的保护作用。结果表明：当直流电压为550 V、电流范围为10～90 mA时，GDP处理苹果汁15 min时PAT降解率达到92.89%，在30 min内，可溶性固形物和酚类物质无明显变化，电导率、氧化还原电位、色值略升高，pH略有降低；20 min后利用气相色谱质谱联用仪（Gas chromatography and mass spectrometry，GC-MS）可在苹果汁中检测出38种风味物质，其中包括酯类8种，醇类7种，醛酮类20种和3种其他类，且比原苹果汁增加了苯乙酮和6,10-二甲基-5,9-十一双烯-2-酮，前者具有似甜香味，后者具有香精油的味道，使苹果汁味道更加鲜美。该研究结果可为GDP降解苹果汁中PAT和对苹果汁风味物质的保护作用提供依据。

在利用可见-近红外漫透射光谱技术对苹果的可溶性固形物(SSC)检测时, 由于卤素灯光照射在苹果上的位置不同, 采集到的苹果光谱中所包含的可溶性固形物信息不同, 导致模型得出的结果不同; 找到一个最好的苹果光照位置有利于得到最佳的可溶性固形物评价模型。 利用多模式可调节的光学结构在相同的实验环境和实验条件下采集了购买于同一水果批发商的尺寸相近但照射位置不同的两批苹果的近红外漫透射光谱, 探索苹果可溶性固形物模型建立过程中最佳的照射位置从而得到最佳位置的可溶性固形物评价模型。 通过对样品进行光谱采集、 糖度真值采集并结合化学计量学方法得出最佳的建模位置, 照射位置为上部且光谱没有预处理时的偏最小二乘回归(PLS)模型性能为RMSEC为0.288 2, RMSEP为0.343 6, R_c为0.960 6, R_p为0.934 9; 照射位置为斜上部且光谱没有预处理的PLS模型性能为RMSEC为0.340 7, RMSEP为0.513 3, R_c为0.931 1, R_p为0.863 6; 照射位置为上部且光谱没有预处理的主成分分析回归(PCR)模型性能为RMSEC为0.573 6, RMSEP为0.601 4, R_c为0.842 4, R_p为0.800 7; 照射位置为斜上部且光谱没有预处理的PCR模型性能为RMSEC为0.709 2, RMSEP为0.797 4, R_c为0.701 4, R_p为0.670 7, 最佳照射位置为苹果上部; 进一步地采用多种预处理方法对照射位置为上部的PLS模型进行对比, 得到最优模型为MSC-PLS模型, 其RMSEC为0.2264 4, RMSEP为0.301 5, R_c为0.966 9, R_p为0.949 9。 最后再对相同的46个苹果进行相同的实验操作得到光谱、 真值后, 代入到建立的MSC-PLS模型中进行外部验证, 结果显示外部验证的相关系数为0.930 58, 验证均方根误差为0.843 59, 验证了建立的MSC-PLS模型的稳定性和可靠性, 进一步表明光谱采集位置为苹果上部时的近红外漫透射模型有很好的预测能力, 该研究为预测苹果可溶性固形物的检测提供了技术支持。

苹果产地溯源具有重要的应用价值和现实意义。 为了探寻苹果产地溯源新方法, 以红富士品种为研究对象, 以新疆阿克苏、 山东烟台、 陕西洛川三个产地671个红富士苹果样本为试材, 分别采集其590~1 250 nm的近红外透射光谱, 然后基于分数阶微分(FD)及主成分分析(PCA)-谱回归判别分析(SRDA)进行多模型融合, 构建红富士苹果产地溯源的集成学习模型。 首先, 将经过光谱校正后的光谱数据划分为训练集和测试集, 并利用分数阶微分预处理训练集光谱, 获取不同阶次(取0~2阶, 步长为0.1)的分数阶微分光谱; 结合不同阶次的分数阶微分光谱及PCA-SRDA算法构建基学习器, 将基学习器预测结果构成一个新训练集, 并通过决策树算法完成模型融合, 得到最终分类预测模型; 随后, 采用对应阶次的分数阶微分预处理测试集光谱, 并基于已建立的基学习器, 获得测试集相应的预测结果; 最后, 将预测结果构成一个新测试集, 并基于已建立的分类预测模型, 输出最终的预测结果。 按7:3比例随机划分样本集, 并进行200次重复实验。 结果表明, 结合不同阶次的分数阶微分预处理及线性判别分析(LDA)、 SRDA、 PCA-LDA、 PCA-SRDA算法建立多模型融合集成学习模型, 具有较好的鉴别效果和较强的鲁棒性, 其中, FD-PCA-SRDA多模型融合集成学习模型为最优, 其训练集的平均精度为97.33%, 标准差为0.49%, 测试集的平均精度为94.84%, 标准差为1.48%。 故, 分数阶微分技术及PCA-SRDA算法结合近红外透射光谱可成功、 有效地实现苹果产地溯源。

重金属污染会影响农作物的正常生长, 如何快速准确的实现对农作物中重金属的检测已成为亟待解决的问题之一。 传统植物中重金属检测依赖于化学方法, 虽然可以实现重金属含量的精准检测, 然而其操作过程繁琐, 并且无法实现批量样本的检测, 更无法实现重金属胁迫下植物组织的原位微观检测。 拉曼光谱具备无损探测固体、 液体和气体状态的分子振动信息、 光谱分辨率高和对水分不敏感等优势, 因此利用拉曼光谱技术检测农作物中重金属含量具有可行性。 苹果砧木是苹果树幼苗嫁接的基础, 能够保障后期的苹果树体健康以及苹果果品品质与产量, 而苹果砧木根系受到重金属污染, 阻碍其健康生长并影响苹果树幼苗的抗逆性, 因此探明重金属与苹果砧木根系互作机理十分必要。 该研究以5组不同浓度CuSO₄·5H₂O溶液胁迫下的苹果砧木为研究对象, 首先采集不同铜离子(Cu²⁺)胁迫梯度下苹果砧木根系的拉曼散射光谱, 利用自适应迭代重加权惩罚最小二乘法(Air-PLS)和S-G平滑方法对所获得的拉曼光谱数据进行预处理, 去除荧光影响以及进行基线校正; 其次建立偏最小二乘判别分析(PLS-DA)模型和支持向量机(SVM)判别模型, 结果表明: 基于显微拉曼光谱和SVM, PLS-DA判别模型对苹果砧木根系的铜离子胁迫进行判别, SVM模型准确率可达100%, PLS-DA模型准确率为96%, 能够较好的预测出苹果砧木受重金属铜的胁迫程度; 最后基于特征拉曼光谱峰1 096, 1 329, 1 605和2 937 cm^-1进行苹果砧木根系横截面的化学成像可视化研究。 研究结果表明, 拉曼光谱技术结合Air-PLS和S-G平滑建立的SVM模型和PLS-DA模型可以快速、 有效地进行苹果砧木根系受重金属胁迫程度的诊断, 为重金属胁迫农作物检测提供新的思路, 对农作物的重金属逆境胁迫互作机理诊断具有理论指导意义。

为实现苹果在贮藏过程中有效的腐败预警, 提出一种基于高光谱图像灰度值均值融合方差的二维高光谱信息表征方法, 并构建了苹果样本的巴氏距离(BD)预警模型。 首先, 为获得有效的光谱信息, 对高光谱图像的感兴趣区域(ROI)进行了选择; 同时, 为减少噪声影响, 通过对比分析6种光谱信息的预处理方法, 最终采用Savitzky-Golary(SG)平滑方法, 分别对均值和方差表征的两种光谱信息进行全波段(371.05~1 023.82 nm)光谱曲线降噪处理。 其次, 为获得特征波长, 从降噪后的光谱曲线中运用连续投影算法(SPA)结合样本色调角和失水率2个理化指标, 提取了高光谱图像共同的特征波长, 分别得到了两种表征方式下的7个(均值表征)和8个(方差表征)特征波长。 然后, 通过分析样本色调角随贮藏天数变化的折线图, 确定了图中发生明显转折的数据点所对应的贮藏日期, 并结合样本贮藏期间实际观察的情况, 初步界定第21贮藏日为样本腐败的基准日。 另外, 依据苹果样本表皮叶绿素特征吸收波长(675 nm左右), 绘制出平均光谱反射值变化趋势图, 发现趋势图在第21日升至最高点, 吻合色调角的分析结果, 这表明样本确实从第21日开始腐败。 因此, 第21贮藏日对应的特征波长可用来建立腐败基准日的光谱信息表征向量。 最后, 分别建立基于均值表征、 方差表征及二者相融合表征下的光谱信息巴氏距离腐败预警模型。 结果表明: 基于均值融合方差的光谱表征信息所建立的预警模型相较于它们各自建立的预警模型, 波动性进一步减弱, 可更好地反映苹果样本在贮藏过程中接近腐败的程度。 因此, 融合灰度值均值和方差的光谱表征信息更能全面的表征苹果贮藏过程中的品质变化, 模型预警的稳健性及泛化能力更强, 为利用高光谱图像信息对苹果贮藏进行腐败预警提供了新思路。

光谱质量、 样本个体差异、 检测系统和建模算法等多种因素共同决定水果糖度检测模型的预测精度和稳定性。 采用自主研发的短积分全透射近红外在线检测系统以5 ms积分时间和0.5 m·s^-1运行速度在线获取了“富士”苹果全透射光谱信号。 不同姿态获取的透射光谱强度差异明显, 但曲线走势相近, 均在920 nm波段具有最大的光谱强度, 在850 nm波段存在波谷。 采用移动平均平滑、 标准正态变量变换和多元散射校正等预处理方法有效去除原始光谱的随机噪声和基线偏差, 减小了样本检测姿态引起的光谱差异。 为分析不同检测姿态对苹果整果糖度预测模型的影响, 构建了单一姿态局限模型和多姿态通用模型, 结果表明基于全位点平均透射光谱构建的单一姿态局限模型对检测姿态具有很大的局限性, 而多姿态通用模型预测能力较单一检测姿态相当, 但却对不同的检测姿态具有更强的适用能力。 为进一步提高光谱信号质量, 优化模型预测能力, 采用信号强度阈值优选方法实现了苹果整果糖度预测模型优化, 发现移除中央位点获取的透射光谱信号, 有利于提高苹果整果糖度预测模型精度。 多姿态通用信号强度优化模型综合考虑不同姿态获取的光谱信息有效性, 有效提升了通用信号强度优化模型的预测能力和稳定性, 当多姿态通用模型中信号强度阈值为5 000时, 模型预测性能最佳, 其预测参数R_p, RMSEP和RPD分别为0.79, 0.84%和1.58。 表明短积分全透射近红外在线检测系统用于不同姿态苹果糖度预测是可行的, 多姿态通用模型的建立, 扩大了模型在不同姿态的预测稳健性, 短积分光谱采集方式结合信号强度阈值优选方法提升了光谱信号的质量和模型的预测能力。