【技术实现步骤摘要】
本专利技术属于花青素含量检测，特别是涉及一种基于高光谱成像的茄子皮中花青素浓度确定方法。
技术介绍
1、花青素以c6-c3-c6骨架结构为基础，并带有糖苷(-ovando等，2009)。根据羟基化基团的数量、与其结构中的糖的性质和数量、结合到分子中的糖中的脂肪酸或芳香族羧酸以及这些键的位置，已经确定了大约23种花青苷(-ovando等，2009)。在植物中，只检测到了花青素、花翠素、芍药素、马尔维素、六出花素和洋紫荆素(depascual-teresa和sanchez-ballesta，2007)。除了展示丰富的色彩外，花青素还在植物的应激响应中起着关键作用(naing和kim，2021；yan等，2022；kaur等，2023)。增加植物中的花青素水平已经引起研究人员越来越多的关注，作为提高植物品质和抵抗生物和非生物胁迫的手段(kaur等，2023；li和ahammed，2023)。更重要的是，花青素对改善人类健康具有重要意义(tsuda，2012；speer等，2020)。
2、茄子(茄科茄属solanum melongena l.)是一种在世界范围内广泛种植的经济重要蔬菜。茄子果实中含有丰富的酚类化合物，如花青素、绿原酸、维生素p，对人体健康有益(todaro等，2009；basuny等，2012；plazas等，2013；dong等，2020)。由于茄子中酚类物质含量高，被列为具有抗氧化能力的十大蔬菜之一(-medina等，2017)。茄子果实呈现出白色、绿色、紫色、暗紫色等鲜艳的颜色，这取决于花青素的类型和
3、高光谱成像是一种高通量的植物表型分析方法，包括检测生物、非生物和化学性质的测试(等，2022)。由于其高通量和非破坏性检测的优势，它在化学性质测试中具有显著优势，包括对花青素的分析，并被广泛应用(qin和lu，2008；fernandes等，2011；hernández-hierro等，2013；chen等，2015；yang等，2015；pandey等，2017；zhang等，2017；caporaso等，2018；tian等，2020；dai等，2023；li等，2023)。张等人(2017)的研究结果显示，葡萄酒葡萄皮中花青素的平方相关系数(r2)和均方根误差(rmse)分别达到0.87和0.1442(g/l m3g)。杨等人(2015)证明，在荔枝果皮储存期间，用于定量花青素的最佳预测模型达到了0.1的r2值和0.567％的rmse。在桑葚果实花青素含量的预测中，基于sae-ga-elm的模型表现最佳，在训练数据集中的r2为0.97，在训练和测试数据集中的rmse为0.22mg/g(li等，2023)。这些发现表明，利用高光谱成像技术可以非破坏性地检测植物果皮中的花青素含量。
4、但现有技术中，将高光谱成像技术应用茄子花青素含量尚未见报道，如何实现茄子果皮中花青素的非破坏性检测是当下亟需要解决的技术问题。
技术实现思路
1、提供了本专利技术以解决现有技术中存在的上述问题。因此，需要一种基于高光谱成像的茄子皮中花青素浓度确定方法，构建高光谱成像与茄子果皮中花青素含量之间的预测模型，以实现对茄子果皮中花青素的非破坏性检测。该研究为茄子数量性状位点(qtl)分析提供了基础，用于调控花青素生物合成。
2、本专利技术提供一种基于高光谱成像的茄子皮中花青素浓度确定方法，所述方法包括：
3、基于高光谱装置，获取茄子的平均反射率；
4、提取茄子皮中的花青素；
5、对提取的花青素进行高效液相色谱分析，确定茄子皮中的花青素含量；
6、对茄子的平均反射率进行预处理得到预处理数据集；
7、提取所述预处理数据集中的光谱数据特征；
8、构建ls-svm模型和plsr模型，以光谱数据特征及其对应的茄子皮中的花青素含量作为数据集分别对所述ls-svm模型和plsr模型进行训练，以训练得到的ls-svm模型和plsr模型实现茄子皮中花青素浓度的确定。
9、进一步地，所述高光谱装置包括高光谱相机和灯座，所述高光谱相机的波长为400～1000nm，在波长维度上具有128个像素，所述灯座内设置至少一个卤素灯，所述基于高光谱装置，获取茄子的平均反射率，具体包括：
10、将茄子和光谱球置于高光谱相机下方，使卤素灯发出的光线反射，进行高光谱成像后，收集均匀厚度的果皮，并使用液氮冷冻，存放于温度在-80℃以下的环境中，用于后续的花青素含量分析。
11、进一步地，所述花青素包括洋紫草素、花青素、龙舌兰素、玫瑰苷素、褐黄素和紫苷素，所述提取茄子皮中的花青素，具体包括：
12、配置比例为(1.5～2.5):(0.5～1.5):(0.5～1.5)的无水乙醇、水和盐酸的混合溶液作为提取剂；
13、向所述均匀厚度的果皮中加入适量所述提取剂，摇匀；
14、在避光条件下进行超声提取；
15、超声提取得到的提取液在沸水中煮沸；
16、冷却后加入额外的提取剂使总体积回到最初加入提取剂后的体积，摇匀静置；
17、收集上清液并通过0.1～0.3μm的有机膜进行过滤。
18、进一步地，所述对提取的花青素进行高效液相色谱分析，确定茄子皮中的花青素含量，具体包括：
19、将甲酸和水按体积比为(0.5～1.5)：(8～10)进行混合得到移动相a；
20、将甲醇、乙腈、水和甲酸按照(21.5～23.5)：(21.5～23.5)：(38～42)：(8～12)的体积比进行混合得到移动相b；
21、利用所述移动相a和所述移动相b对提取的花青素进行洗脱，确定茄子皮中的花青素含量
22、hplc分析使用移动相a，其由甲酸和水按1:9的比例组成，而移动相b由甲醇、乙腈、水和甲酸按22.5:22.5:40:10的比例组成。梯度洗脱方法使用特定的时间间隔和移动相b。
23、进一步地，所述利本文档来自技高网...
【技术保护点】
1.一种基于高光谱成像的茄子皮中花青素浓度确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述高光谱装置包括高光谱相机和灯座，所述高光谱相机的波长为400～1000nm，在波长维度上具有128个像素，所述灯座内设置至少一个卤素灯，所述基于高光谱装置，获取茄子的平均反射率，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述花青素包括洋紫草素、花青素、龙舌兰素、玫瑰苷素、褐黄素和紫苷素，所述提取茄子皮中的花青素，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述对提取的花青素进行高效液相色谱分析，确定茄子皮中的花青素含量，具体包括：
5.根据权利要求1所述的方法，其特征在于，所述利用所述移动相A和所述移动相B对提取的花青素进行洗脱，具体包括：
6.根据权利要求1所述的方法，其特征在于，利用CARS方法提取所述预处理数据集中的光谱数据特征。
7.根据权利要求1所述的方法，其特征在于，对茄子的平均反射率进行预处理得到预处理数据集的方法包括标准化变量、自动缩放、归一化、S
...【技术特征摘要】
1.一种基于高光谱成像的茄子皮中花青素浓度确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述高光谱装置包括高光谱相机和灯座，所述高光谱相机的波长为400～1000nm，在波长维度上具有128个像素，所述灯座内设置至少一个卤素灯，所述基于高光谱装置，获取茄子的平均反射率，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述花青素包括洋紫草素、花青素、龙舌兰素、玫瑰苷素、褐黄素和紫苷素，所述提取茄子皮中的花青素，具体包括：
4.根据权利要求3所述的方法，...
【专利技术属性】
技术研发人员：马智玲，肖熙欧，谢市秀，伽文川，魏长宾，
申请(专利权)人：中国热带农业科学院南亚热带作物研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。