桃果实成熟度预测模型的建立方法技术

本发明专利技术公开了桃果实成熟度预测模型的建立方法，其步骤包括：分别采收转色期和达到采摘成熟度的桃果实，并分别标记为成熟度I和成熟度II；对采摘下来的桃果实测量果皮吸光度差值I

【技术实现步骤摘要】
桃果实成熟度预测模型的建立方法
本专利技术涉及一种桃果实成熟度预测模型的建立方法。
技术介绍
在桃市场流通中，果实采收成熟度始终是制约其商品价值的主要因素。桃果实成熟度的准确判断对适时采收、分级、包装、运输、保证商品性等至关重要。桃作为一种呼吸跃变型水果，其果实在成熟期间乙烯释放量急剧上升，同时伴随着基因的转录，这些变化往往都是通过激素来调节的。在此过程中，果实的硬度、内含物组分含量和比例及果皮底色等都会发生相应的变化，不同成熟度的果实相关品质指标具有明显差异。基于破坏性或非破坏性方法探测桃果实成熟度已有较多研究。张斌斌等公开了基于桃果实可溶性固形物含量与成熟度的相关性，通过研究‘湖景蜜露’果实可溶性固形物含量与品质指标的回归关系，采用二次多项式回归法初步建立了带皮硬度、去皮硬度与可溶性固形物含量的预测方程。在近红外光谱法预测桃果实成熟度方面，Nascimento等对短低温桃可溶性固形物含量和果实硬度的最小二乘法模型进行了研究，分别建立了可溶性固形物含量和果实硬度的预测模型，但同时也指出该模型仍需优化。Matteoli等提出了一种基于光谱的桃果实成熟度无损分级方法，它通过将多元检索技术应用于所获得的反射率光谱及通过模糊分类系统来估算果肉硬度进而进行成熟度分级，为实现桃果实成熟度自动分级奠定了基础。果皮吸光度差值指标(IAD)是基于果实成熟前期果皮叶绿素降解及其与成熟度的密切关系而建立的一种指标，它利用近红外光谱技术，通过读取670nm和720nm的吸光度差值来形成IAD指标，直接反映叶绿素a的实际含量。IAD的无损测定对果实不具破坏性，读数快捷方便，优点强于硬度和可溶性固形物含量的破坏性测定，对果实供应链端进行果实品质估测具有较好的应用效果。
技术实现思路
本专利技术的目的在于提供一种桃果实成熟度预测模型的建立方法。本专利技术的目的通过以下技术方案实现：一种桃果实成熟度预测模型的建立方法，其步骤包括：(1)分别采收转色期和达到采摘成熟度的桃果实，并分别标记为成熟度I和成熟度II；转色期时桃果实大致7成熟，果皮青色，颜色开始向红色转变；达到采收成熟度的果实大致8.5成熟，果皮底色的青色逐渐褪去，红色着色程度高；(2)对采摘下来的桃果实测量果皮吸光度差值IAD，测定桃果实的硬度；(3)将成熟度I、成熟度II果实的硬度与IAD值进行拟合，建立桃果实成熟度预测方程y＝ax2+bx+c，其中y为硬度，x为IAD值，a、b、c为回归分析拟合出的二次多项式系数。优选的，所述硬度为带皮硬度。优选的，所述硬度为去皮硬度。优选的，所述桃果实为同一品种的桃果实。优选的，所述桃果实的品种为晚熟普通桃霞晖8号或者晚熟油桃霞光。优选的，将带皮硬度与IAD数据在SPSS软件中排列，利用二次多项式回归模块进行拟合，得到拟合的桃果实成熟度预测方程。优选的，将去皮硬度与IAD数据在SPSS软件中排列，利用二次多项式回归模块进行拟合，得到拟合的桃果实成熟度预测方程。优选的，所述步骤(1)中成熟度I的桃果实为30个，成熟度II的桃果实为30个。优选的，所述IAD值使用DA-Meter测定。本专利技术基于近红外技术无损测定的果实果皮吸光度差值IAD建立了桃果实成熟度预测模型，经回归预测，估计值与实际观察值差异不显著，说明预测模型具有较高的准确性，测量、计算方法简单，可实现桃果实适时采收。附图说明图1为‘霞晖8号’桃果实硬度与IAD值的回归曲线。图2为‘霞光’桃果实硬度与IAD值的回归曲线。具体实施方式实施例1本桃果实成熟度预测模型的建立方法，其步骤包括：(1)以7年生晚熟普通桃‘霞晖8号’和晚熟油桃‘霞光’2个品种的果实为试验材料。果实成熟期，于晴朗天气上午8:00采收每品种树体中部外围生长发育较一致的转色期(约7成熟，成熟度I)和达到采收成熟度(约8.5成熟，成熟度II)的果实各30个，立即带回实验室。将每个果实编号，并将每个果实的2个侧面中部进行标记。参试植株树势中庸，南北行向栽植，树形为自然开心形，起垄栽培，按常规栽培措施管理。(2)使用DA-Meter(TRTuronisrl，Forlì，Italy)测定果皮的IAD值，采用TA.XT.Plus型质构仪测定果实的带皮硬度和去皮硬度，探头直径8mm，测试深度5mm，贯入速率1mm·s-1。(3)分别以‘霞晖8号’、‘霞光’全部果实的带皮硬度与IAD、去皮硬度与IAD进行二次多项式回归，拟合出的图形见图1、图2，建立的桃果实成熟度预测方程y＝ax2+bx+c如表1所示，其中y代表带皮硬度或去皮硬度，y为硬度，x为IAD值。可以看出，各回归模型的R2均较高，P值均为0.0001，回归关系均达极显著水平。进一步对各回归方程的二次项进行方差分析，显著性检验结果表明(表2)，‘霞晖8号’的带皮、去皮硬度模型及‘霞光’带皮硬度模型的二次项方差分析结果偏回归系数达极显著水平(P<0.01)，而对‘霞光’果实的去皮硬度模型而言，二次项的偏回归系数为显著水平(P<0.05)，Durbin-Watson统计量未明显偏离2。经回归预测，估计值与实际观察值差异不显著，回归方程拟合效果良好。表1基于硬度与IAD值的回归模型表2回归系数的方差分析采用美国HunterLab公司生产的ColorQuestXE色差计测定果皮亮度值(L*)、红绿色差值(a*)和黄蓝色差值(b*)，并计算色饱和度(C)、色调角(h)(Voss，1992；Koukounarasetal.，2009)和a*/b*。将2个侧面的果肉分别削下，果肉匀浆，果肉可溶性固形物含量(SSC)用ATAGO便携数显折光仪(PAL-1)测定，用美国Agilent公司生产的Agilent1100高效液相色谱仪测定果肉中蔗糖、葡萄糖、果糖、山梨醇、苹果酸、奎尼酸和柠檬酸含量(Zhangetal.，2015)。总糖含量为各可溶性糖组分含量的总和，总酸含量为各有机酸组分含量的总和，根据总糖、总酸含量计算糖酸比。分别计算2个品种成熟度I和成熟度II果实各指标的平均值、标准差、变幅、极差和变异系数，结果见表3-表6。可见，处于成熟度I的‘霞晖8号’和‘霞光’果实的IAD、色差、硬度、SSC、蔗糖、果糖、山梨醇、柠檬酸、和总糖含量与成熟度II的果实相比均具有相似的高低趋势。成熟度II果实的IAD、L*、b*、h、带皮硬度、去皮硬度、山梨醇、柠檬酸含量均较成熟度I的果实降低，但a*、C、a*/b*、SSC、蔗糖、总糖含量则相反。在葡萄糖、苹果酸、奎尼酸、总酸含量和糖酸比方面，不同成熟度的2个品种具有差异：成熟度I的‘霞晖8号’葡萄糖含量和糖酸比较成熟度II的果实低而苹果酸、奎尼酸和总酸则较高，‘霞光’果实的这些指标则表现为相反的趋势。表明桃果实成熟度越高，IAD值越小，果实硬度下降，红色色泽加深，内含物水平增加，但可溶性糖和有机酸组分因品种类型不同而有所差别。由表3、4可见，2个成熟度的‘霞晖8号’果实的IAD、山梨醇、奎尼酸、柠檬酸含量的变异系数都较大。此外，成熟度I果实的a*、h、a*/b*、总酸、糖酸比及成熟度II果实的带皮硬度、去皮硬度也具有较大的变异系数。由表5、6可知，2个成熟度的‘霞光’果实的IAD、h、a*/b*、带皮硬度、去皮硬度、山梨醇、奎尼酸、柠檬酸本文档来自技高网...

【技术保护点】
一种桃果实成熟度预测模型的建立方法，其步骤包括：(1)分别采收转色期和达到采摘成熟度的桃果实，并分别标记为成熟度I和成熟度II；(2)对采摘下来的桃果实测量果皮吸光度差值I

【技术特征摘要】
1.一种桃果实成熟度预测模型的建立方法，其步骤包括：(1)分别采收转色期和达到采摘成熟度的桃果实，并分别标记为成熟度I和成熟度II；(2)对采摘下来的桃果实测量果皮吸光度差值IAD，测定桃果实的硬度；(3)将成熟度I、成熟度II果实的硬度与IAD值进行拟合，建立桃果实成熟度预测方程y＝ax2+bx+c，其中y为硬度，x为IAD值，a、b、c为回归分析拟合出的二次多项式系数。2.根据权利要求1所述的桃果实成熟度预测模型的建立方法，其特征在于：所述硬度为带皮硬度。3.根据权利要求1所述的桃果实成熟度预测模型的建立方法，其特征在于：所述硬度为去皮硬度。4.根据权利要求1所述的桃果实成熟度预测模型的建立方法，其特征在于：所述桃果实为同一品种的桃果实。5.根据权利要求4所述的桃果实成熟...

【专利技术属性】
技术研发人员：张斌斌，马瑞娟，张春华，宋志忠，彭斌，
申请(专利权)人：江苏省农业科学院，
类型：发明
国别省市：江苏,32