不同果袋对翠冠梨果实品质的影响

为了明确不同果袋对翠冠梨果实外观和内在品质的影响,本研究采用7种果袋对翠冠梨进行了生长期套袋试验。结果表明,翠冠梨经不同果袋套袋处理后,其外观品质均得到明显改善,但其果实内在品质降低,尤其是套塑膜袋果实的可溶性固形物显著降低。适宜翠冠梨套袋处理的果袋类型为双层纸袋(小林1-W)和双层纸袋(小林1-KK)。     

不同果袋对‘翠冠’梨果实品质的影响

【目的】通过比较 5 种不同果袋处理的‘翠冠’梨果实品质，选出可改善果实外观品质并对果实内在品质影响较小的果袋，为生产上‘翠冠’梨套袋种类的筛选提供依据。【方法】选用 5 种不同的果袋对‘翠冠’梨果实进行套袋处理，以不套袋果实作对照，分析 5 种不同果袋处理对‘翠冠’梨果实品质的影响。【结果】5 种不同果袋处理对‘翠冠’梨果实的单果质量、横径、纵径、果形指数、硬度、果皮 L* 值、果皮 b* 值、可溶性固形物含量、可溶性糖含量的影响较小，变异系数均在 10% 以下，但套袋可使‘翠冠’梨果实的可溶性固形物和可溶性糖含量分别降低 21.9% 和 23.9%，对果实的内在品质产生负面的影响。与对照相比，套袋后‘翠冠’梨果实的叶绿素含量下降 73.6%，果面的绿色度降低导致果面颜色变浅，L* 值上升 20.6%，显著提高果面的亮度和光洁度，使其外观品质与商品价值提高。套袋会影响‘翠冠’梨果皮中的香气物质含量，使果皮中 α- 法尼烯、正己醛、乙酸乙酯的含量上升，2- 己烯醛含量降低，香气更加浓郁。【结论】主成分分析和综合性分析表明，外黄内白双层纸袋可增加‘翠冠’梨果皮 L* 值和果皮 a* 值使果面的光洁度上升，提高‘翠冠’梨果实的外观品质，综合排名较高，可在提升果实外观品质的同时减小套袋对其内在品质的负面影响。     

无纺布果袋对蜜梨翠冠和圆黄果实品质的影响

以蜜梨品种翠冠和圆黄为试材,研究无纺布果袋(简称PP果袋)对梨果品质的影响。结果表明,套袋果实单果重显著提高,果实大小也较为均匀。翠冠套用蓝色和灰色PP果袋在总糖上提高较明显,分别提高1.11和1.31百分点,而圆黄通过套用黑色和蓝色PP果袋提高较明显,分别提高0.53和0.86百分点;但Vc含量翠冠梨套袋果实下降较明显,灰色PP果袋和黄纸袋套袋的Vc含量下降较少,翠冠梨下降幅度较小,圆黄下降低22%;套用白色PP果袋的翠冠和套用蓝色PP果袋的圆黄总酸表现最好,分别比对照下降43.4%和37%;翠冠和圆黄梨果实通过套袋在含水量方面差异不明显,而套用蓝色PP果袋的梨果实含水量有一定幅度的下降。套用灰色PP果袋的翠冠和蓝色PP果袋的圆黄梨果实在糖酸比方面表现较好,果实品质提高较明显。     

不同采收期对‘翠冠’梨常温货架期果实色泽和质地的影响

果皮变黑和果肉软化是造成翠冠梨采后品质下降的重要原因。本文以翠冠梨为试验材料,研究了不同采收期对翠冠梨常温货架期果实色泽和质地的影响。结果表明:随着常温货架期的延长,翠冠梨果实逐渐衰老,果实L*、H*、叶绿素含量以及果实硬度、脆度和咀嚼度均逐渐降低,a*、b*和类胡萝卜素值逐渐上升,C*呈先上升后下降的趋势。较早采收能提高翠冠梨果实货架期总叶绿素含量、减少其类胡萝卜素含量的积累,提高果实色泽和质地;而过晚采收,果实成熟度较高,叶绿素含量低,类胡萝卜素含量高,货架期间果实色泽和质地品质较差。综合比较3个采收期翠冠梨常温货架期果实色泽和质地指标,盛花后105~110 d采收的翠冠梨果实常温货架期色泽和质地品质较好,为翠冠梨适宜的采收期;盛花后115 d采收的翠冠梨果实成熟度过高,不适合作为翠冠梨常温货架期贮藏果实的采收时期。     

不同套袋对“翠冠梨”果实品质的影响

为研究不同套袋及方法对"翠冠梨"品质的影响,特进行了相关试验。结果表明,不同套袋对"翠冠梨"果实硬度和可溶性固形物含量的影响不显著,但二次套袋的"翠冠梨"果面清秀、果斑及果点稀少。     

套袋对梨果实品质和农药残留的影响

研究了翠冠和丰水梨套3种类型果袋对果实品质以及套袋对果实中农药残留量的影响,结果表明:与不套袋对照相比,套3种果袋处理的果实皮色淡而均匀、果锈少、果点不明显,果面光亮美观,外观品质明显改善。在套3种果袋处理间,翠冠梨以套防水双层果袋处理的果实外观品质较优,丰水梨以套防水双层果袋和套黄色单层果袋处理的果实外观品质较优。翠冠梨套防水双层果袋、黄色单层果袋处理以及丰水梨套黄色单层果袋处理的果实糖度、酸度、硬度等食用品质分别与不套袋对照无显著差异。套袋处理可显著降低果实中毒死蜱、多菌灵和氯氟氰菊酯残留量。     

基于NIR高光谱成像技术的番茄叶片叶绿素含量检测

利用近红外高光谱成像技术对番茄叶片叶绿素含量的无损检测进行初步探讨。通过高光谱成像系统(900～1 700 nm)采集了192个番茄叶片图像,基于偏最小二乘回归模型(PLSR)对光谱进行样本集划分,对原始光谱与Kubelka-Munk函数曲线及多种光谱预处理的偏最小二乘回归模型进行对比分析,优选出多元散射校正(MSC)为预处理方法。采用5种方法提取特征波长,并根据特征波长建立偏最小二乘回归、多元线性回归(MLR)、主成分回归(PCR)3种模型的叶片叶绿素含量预测模型。结果表明,建立无信息变量消除法(UVE)挑选特征波长的偏最小二乘回归模型最优,其预测集的相关系数(R_P)为0.8495,均方根误差(RMSEP)为4.3375。因此,利用近红外高光谱成像技术提取特征波长进行叶绿素含量检测是可行的,同时也为今后番茄品质在线检测提供了理论依据。     

基于高光谱成像技术的苹果表面轻微损伤检测

为了研究检测苹果表面轻微损伤的有效的方法,以红富士苹果为试验样本,通过高光谱成像采集系统采集苹果样本的高光谱图像,根据正常苹果表面区域和刚损伤、损伤后(3,10,24h)的损伤区域光谱反射率平均曲线得到有效光谱区域;用掩膜法对图像进行背景分割,并基于有效光谱区域做主成分分析,选取第四主成分(PC4)提取损伤区域,运用阈值分割的方法建立提取损伤区域的算法模型;应用该算法模型对正常苹果和损伤苹果进行检测。检测结果表明:正常苹果样本正确检测率达到100%,损伤苹果样本的正确检测率为97.5%,总体检测精确度高达98.75%,说明利用高光谱成像技术可以有效快速检测出苹果表面的轻微损伤。     

基于高光谱成像的蓝莓内部品质检测特征波长选择方法研究

为了实现蓝莓内部品质快速、准确检测,采用高光谱成像技术对蓝莓的糖度和硬度多指标同时进行检测研究。提出多阶段特征波长选择方法,即采用连续投影法(SPA)和逐步多元线性回归(SMLR)等特征波长选择方法同时将糖度和硬度的特征波长选择出来。通过高光谱成像系统(400~1000nm)采集了200幅蓝莓图像,首先对高光谱图像进行多元散射校正、标准正态变量变换和Savitzky-Golay平滑等光谱预处理,选取最优的预处理方法。然后利用SPA或者SMLR选择出糖度的几个特征波长,在此基础上再利用SPA或者SMLR选择出硬度的几个特征波长,从而形成四个特征波长选择方法 (SPA-SPA、SMLR-SMLR、SPA-SMLR和SMLR-SPA),采用4种多阶段特征波长选择方法提取同时反映蓝莓糖度和硬度的特征波长的组合。最后以全波长光谱信息(FS)和4种多阶段特征波长选择方法得出的光谱信息作为BP神经网络模型的输入矢量,建立了蓝莓糖度和硬度的预测模型。结果表明:Savitzky-Golay平滑为最优的预处理方法 ,结合BP神经网络,采用SPA-SPA多阶段特征波长选择方法所得的预测性能最优,糖度校正集的相关系数(Rc)和校正均方根误差(RMSEC)分别达到0.959和0.318°Brix,硬度校正集的相关系数(Rc)和校正均方根误差(RMSEC)分别达到0.956和0.153°Brix。糖度预测集的相关系数(Rp)和预测均方根误差(RMSEP)分别达到0.952和0.391°Brix,硬度预测集的相关系数(Rp)和预测均方根误差(RMSEP)分别达到0.953和0.234°Brix。该研究表明,应用高光谱成像技术可以对蓝莓糖度和硬度多指标同时进行检测研究,所获得的特征波长可为开发多光谱成像的蓝莓品质检测和分级系统提供参考。     

不同授粉时间对大棚翠冠梨坐果率和果实品质的影响

研究了大棚栽培条件下不同授粉时间对翠冠梨坐果率和果实品质的影响。结果表明,单花不同花期授粉对翠冠梨坐果率和果实单果重的影响显著,单日不同时间授粉对大棚翠冠梨的坐果率和果实品质影响不大。在开花后5 d内授粉均能满足大棚梨生产上的需要,尤以开花后3 d内授粉效果最佳,8：00-17：00均可进行人工授粉。     

抑制翠冠梨果实锈斑产生的研究

根据梨果锈发生的原因分析,于2001～2003年对翠冠梨果实一方面通过套不同纸袋类型和采取不同套袋时间,另一方面通过套袋前的不同处理,采用综合处理技术进行了提高翠冠梨果实外观品质的试验。从综合效果上看,在花后3～4周期间,采用自制果面涂布药剂涂布果面,待药液干后,套用外黄褐内黑双层b纸袋能有效地抑制翠冠梨果面锈斑产生,达到乳白色果面的全无锈果,无锈果率可达80.0%。     

基于高光谱成像技术的生菜叶片水分检测研究

[目的]探索利用高光谱图像技术检测作物含水率的方法。[方法]以意大利全年耐抽苔生菜为试材,利用高光谱成像系统采集生菜叶片的高光谱图像,用ENVI V.4和Matlab V.7.0软件对高光谱图像进行处理。[结果]采用自适应波段选择法从所采集的生菜叶片高光谱图像数据中优选出特征波长1 420 nm;对每个样本特征波长下的图像进行分割,反转以及形态运算等操作得到目标图像;从每个目标图像中提取灰度均值、灰度标准差作为灰度特征,能量、熵、惯性矩、相关性的均值和标准差作为纹理特征;采用GA-PLS法选出最优特征子集,并建立基于最优特征的偏最小二乘回归模型,以检测生菜叶片的含水率。[结论]模型的预测值与实测值的相关系数R为0.902,精度明显高于基于灰度特征或纹理特征的预测模型。     

基于高光谱成像的苹果损伤检测方法研究

【目的】研究苹果损伤高光谱特征,建立基于高光谱成像的苹果损伤区域最佳分类模型,为实时、快速、准确地识别苹果损伤提供重要依据。【方法】以北京平谷区收集的苹果样品为研究对象,利用高光谱图像技术检测水果表面机械损伤。利用 390 ~1 000 nm 范围的高光谱图像（HSI）数据,通过比值光谱分析损伤与正常感兴趣区域（ROI）的光谱响应特性,筛选特征波段,并构建较好地突出损伤区域特征的 3 种类型光谱指数：归一化光谱指数（NDSI）、比值光谱指数（RSI）和差值光谱指数（DSI）。在此基础上,优选提取损伤区域能力较强的光谱指数,利用迭代自组织数据分析（ISODATA）无监督据聚类算法提取苹果损伤区域。【结果】当苹果表面受到损伤时,光谱反射率变化显著。波段优化后发现,528、676 nm 的反射率可以有效识别异常区域。基于选定的特征波段,构建苹果损伤检测的识别光谱指数,包括 NDSI、RSI 和 DSI。光谱指数图像的像素值分析发现,损伤区域特征与正常区域特征在各光谱指数（SI）增强图像中区分明显。两类图像特征的 NDSI 像素平均值相差最大、达到 0.629,表明建立的 NDSI 对损伤区域及正常区域特征具有较强的区分能力。利用无监督分类方法 ISODATA 分类,验证了光谱特征指数在检测苹果损伤方面具有较高的特异性,对苹果损伤的检测正确率 达到 92.50%。【结论】研究结果适用于苹果损伤的实时快速检测,为苹果的精准管理生产提供技术基础与参考。     

基于高光谱成像技术识别苹果轻微损伤的有效波段研究

为了筛选出适用于开发苹果轻微损伤自动分级仪器的有效波段,以200个烟台富士苹果为对象进行研究。首先获取400～1 000 nm波长范围内完好和轻微损伤后0、0.5、1 h的苹果高光谱图像,然后提取完好与损伤样本感兴趣区域的平均光谱反射率数据,再利用载荷系数法（x LW）、连续投影法（SPA）和二阶导数（second derivative）法提取特征波长,分别提取3、9和20个特征波长,并根据特征波长建立基于遗传算法优化的BP神经网络（GA BP）和支持向量机（SVM）损伤识别模型。结果显示,三种基于特征波长提取方法建立的SVM模型对测试集的识别率（分别为77.50%、91.88%、96.88%）均高于BP GA模型（分别为75.63%、90.63%、93.75%）,因此,SVM被确定为最佳苹果轻微损伤识别模型。最后,利用每一特征波长分别作为变量建立SVM模型。结果发现,波段811 nm识别率达到90.63%,优于其他波段,被确定为苹果轻微损伤识别的最优波段。     

基于高光谱成像的苹果果梗完整性识别方法研究

为了实现对苹果品质的等级评价,对果梗的完整性进行检测是必不可少的。选取了苹果样本260个,其中果梗完整果104个、果梗不完整果92个、没有果梗果64个。利用高光谱成像技术提取苹果感兴趣区域光谱信息。采用逐步多元回归算法(stepwise multiple linear regression,SMLR)从全波段(450~970nm)提取了5个特征波长(594.78,572.08,599.84,626.48,666nm),采用连续投影算法(successive projections algorithm,SPA)从全波段(450~970nm)提取了7个特征波长(467.5,672.4,695.4,730.2,840.4,952.6,969.6nm)。然后,提取感兴趣区域的惯性矩、相关性、能量和熵4个纹理特征。将光谱特征、纹理特征、光谱特征结合纹理特征3组数据,分别作为输入矢量,采用支持向量机(support vector machine,SVM)、BP人工神经网络(BP artificial neural network,BPANN)对苹果果梗完整性进行识别,使用交叉验证的方法进行5组交叉验证,每一组分别从训练集和验证集中拿出30个进行互换,将5组验证集正确率的平均值作为评价指标,并且对比分析结果。结果表明:单独使用纹理特征作为输入矢量,果梗识别效果不佳,SVM模型正确率为50.3%,BPANN模型正确率为37.2%。融合光谱特征和纹理特征作为输入矢量识别效果一般,SPA-T-SVM模型正确率为86.6%,SPA-T-BPANN模型正确率为80.3%,SMLR-T-SVM模型正确率为77.2%,SMLR-T-BPANN模型正确率为74.9%。只采用光谱特征作为输入矢量识别效果较好,其中SPA-SVM方法识别效果最好,识别正确率达到91.7%,且数据计算量小。该研究为苹果品质等级评价提供了理论依据。     

早熟品种翠冠梨的特点及丰产技术(一)

1.翠冠梨特点翠冠梨系浙江省农科院与杭州果树研究所协作,用幸水×6号(杭青×新世纪)杂交育成的新品种,1998年已通过浙江省农作物品种审定委员会认定,正式定名为翠冠。其主要特点是:(1)果实高圆形,整齐一致,果皮黄绿色,有锈斑,平均果重250克,大果重450克,套双层袋后,果面光洁,呈黄绿色,外观美。(2)肉质细嫩、松脆、无渣、味甜汁多,含可溶性固形物ll％～12％,果心较小,品质上等。(3)成熟早,7月中     

基于卷积神经网络的茶鲜叶主要内含物的光谱快速检测方法

儿茶素和咖啡碱是茶叶品质的重要评价指标，为了探索深度卷积神经网络(CNN)结合可见近红外光谱(Vis/NIR)用于茶叶儿茶素和咖啡碱无损快速检测的可行性，本研究通过高效液相色谱来测定茶叶中的儿茶素和咖啡碱含量，并与样本的光谱信息建立对应关系；采用回归分析和CNN建模构建了光谱与茶叶内含物的定量关系；采用竞争自适应重加权采样(CARS)和连续投影算法(SPA)选择特征波长，用于开发基于这些特征波长的简单模型。结果表明:4种儿茶素和咖啡碱含量从第1叶位到第6叶位呈现出逐渐降低的趋势；提取特征波长不仅减少了光谱变量数，还获得了比全谱更优或接近的模型性能；CNN在回归分析和特征提取中均表现出良好的性能，预测儿茶素和咖啡碱最优模型的决定系数(R²)和残余预测偏差(RPD)分别达到了0.93和3.28以上。因此，卷积神经网络结合可见近红外光谱可以对儿茶素和咖啡碱的含量进行快速无损检测。     

大棚和露地栽培条件下梨果实发育特性的差异

以‘翠冠’和‘黄冠’梨为试材,分析比较了大棚和露地栽培条件下梨果实生长发育特性的差异。结果表明:大棚栽培的‘翠冠’和‘黄冠’梨果实生长发育期分别比露地栽培的长5 d和13 d,果实可溶性固形物、可溶性糖和单果质量均高于露地栽培的,且成熟果实纵横径比露地果实的大,果实细胞大小与果实大小变化一致。大棚栽培条件下,‘翠冠’和‘黄冠’果实不同发育时期的可溶性总糖、果糖、葡萄糖和蔗糖含量均高于露地栽培的;果实总酚含量较低,仅为露地栽培的54.8%和66.4%,总抗氧化活性的变化与总酚含量一致。大棚栽培条件下‘翠冠’和‘黄冠’果实硬度分别比露地栽培的低14.9%和13.7%。而大棚栽培的‘翠冠’和‘黄冠’梨维生素C含量比露地栽培的低。表明大棚栽培条件下的梨果实品质优于露地栽培条件下的。     

Difference of pear fruit development feature between plastic tunnel and olpen field

以‘翠冠’和‘黄冠’梨为试材,分析比较了大棚和露地栽培条件下梨果实生长发育特性的差异.结果表明:大棚栽培的‘翠冠’和‘黄冠’梨果实生长发育期分别比露地栽培的长5d和13 d,果实可溶性固形物、可溶性糖和单果质量均高于露地栽培的,且成熟果实纵横径比露地果实的大,果实细胞大小与果实大小变化一致.大棚栽培条件下,‘翠冠’和‘黄冠’果实不同发育时期的可溶性总糖、果糖、葡萄糖和蔗糖含量均高于露地栽培的;果实总酚含量较低,仅为露地栽培的54.8％和66.4％,总抗氧化活性的变化与总酚含量一致.大棚栽培条件下‘翠冠’和‘黄冠’果实硬度分别比露地栽培的低14.9％和13.7％.而大棚栽培的‘翠冠’和‘黄冠’梨维生素C含量比露地栽培的低.表明大棚栽培条件下的梨果实品质优于露地栽培条件下的.     

翠冠梨果枝类型及坐果序位与产量和果实品质的关系

以翠冠梨为试材,探讨了不同果枝类型、坐果序位与产量、果实品质的关系。结果表明:翠冠梨长、中果枝结果总量超过短果枝,且长果枝果实可溶性固形物含量较高,中果枝果实果形较端正,修剪上应适量保留这两者结果,以提高产量,增进品质;不同坐果序位的产量分布及果实品质差异明显,第1至第3低序位果在产量上占有绝对优势,综合品质优于中、高位果,尤以第2低序位果所占产量比例最大、果形端正一致、可溶性固形物含量最高,疏果时应尽量加以保留。