编辑推荐：
为解决鲜枣采后保鲜难题，提升食品可持续性与安全性，研究人员开展了阿拉伯树胶（GA）涂层、存储温度和包装方法对 Barhi 枣品质影响的研究。结果表明，真空包装、10% GA 涂层和冷藏组合最佳，ANN 模型预测精准。该研究助力食品品质与供应链管理。
在水果的世界里，鲜枣以其独特的风味和丰富的营养备受青睐，然而，采后保鲜问题却一直困扰着人们。随着人们对食品可持续性和安全性的关注度不断提高，寻找绿色、高效的保鲜方法迫在眉睫。同时，消费者对无合成防腐剂的高品质水果需求日益增长，传统化学保鲜方法存在健康和环境风险，已无法满足市场需求。在此背景下，来自沙特阿拉伯国王费萨尔大学（King Faisal University）和埃及米努夫大学（Menoufia University）的研究人员开展了一项极具意义的研究。
他们聚焦于阿拉伯树胶（GA）涂层、存储温度（ST）和包装方法（PMs）对新鲜 Barhi 枣在存储过程中物理和化学特性的综合影响，并运用人工神经网络（ANN）模型预测枣果品质参数，相关研究成果发表在《Heliyon》杂志上。
在研究过程中，研究人员采用了多种关键技术方法。首先，他们精心挑选来自沙特阿拉伯阿拉哈萨当地农场的 Khalal（黄色）阶段的 Barhi 枣，确保样本的一致性。然后，制备不同浓度（2.5%、5%、7.5% 和 10% （w/v））的 GA 溶液，并利用超声波涂层系统将其均匀地涂覆在枣果上。接着，将涂覆后的枣果分别进行真空包装（VP）、塑料篮包装（PBP）和纸箱包装（CBP），并置于 4℃和 24℃的环境中存储。在存储期间，研究人员定期对枣果的物理特性（如果实重量（FW）、体积（FV）、密度（FD）、硬度（FH）、失重（WL）和腐烂率（DP））、化学特性（如水分含量（MC）、pH、总可溶性固形物（TSS）和水分活度（aw））以及颜色参数（如 L*、a*、b*、色差值（ΔE*）和褐变指数（BI））进行测定。最后，利用 SPSS 软件构建 ANN 模型，通过大量数据训练和优化，实现对枣果品质参数的预测分析。
研究结果主要包括以下几个方面：
- Barhi 枣果实品质
- 物理性质：不同的包装方法、存储温度和 GA 浓度对 Barhi 枣的物理性质影响显著。在 4℃时，较高浓度的 GA（7.5% 和 10%）能有效保持枣果的物理性质。VP 方法在 4℃且 GA 浓度为 5% 和 10% 时，能很好地维持 FW、FV、FD 和 FH，同时降低 WL 和 DP 率。而在 24℃时，CBP 和 PBP 方法会导致枣果物理性质下降。
- 化学性质：4℃下 VP 结合较高 GA 浓度可有效维持果实的 MC、稳定 pH、TSS 和 aw。24℃时，所有包装方法都会降低 MC 和 aw，CBP 和 PBP 的降幅最为明显，这表明低温存储和 GA 涂层有助于保持 Barhi 枣的化学性质。
- 颜色参数：4℃时，VP 包装的枣果 L值较高，颜色更浅。24℃时，所有包装方法的 L值均降低，CBP 和 PBP 的颜色参数变化最为显著。较高的 GA 浓度能使枣果颜色更浅，增强颜色保持效果，主要体现在果实亮度方面。
- ANN-based 预测分析
- 模型架构：构建的 ANN 预测模型包含一个隐藏层，有 18 个单元（不包括偏置单元）。输入层由 11 个代表独立变量的节点组成，输出层由 15 个对应品质参数的节点组成。采用归一化处理和特定的激活函数，通过迭代测试确定了模型结构。
- 模型评估：在训练、测试和评估阶段，ANN 模型的误差指标显示，该模型能有效利用存储温度、包装方法、GA 浓度、存储时间和初始品质参数等独立变量，预测 Barhi 枣在存储过程中的品质。
- 模型验证：通过将测量 / 计算的品质参数与 ANN 模型预测值进行对比，发现模型能有效预测大多数品质参数，预测准确性高，MAPE 和 RMSE 值较低，表明模型可靠。
研究结论和讨论部分指出，10% GA 涂层在延缓果实衰老、保持果实品质方面表现出色，它可以减少水分流失、抑制呼吸作用和酶促反应，从而延长果实货架期。较低的存储温度（4℃）能显著降低果实的代谢速率，减少水分蒸发和营养成分损失，保持果实的硬度和色泽。真空包装则通过减少气体交换和水分蒸发，为果实提供了一个相对稳定的环境，有助于维持果实的品质。ANN 模型在预测 Barhi 枣品质参数方面具有高效性和可靠性，但也存在一定局限性，如对数据集的依赖和可解释性不足。未来可探索结合其他技术，提高模型的泛化能力和可解释性。
这项研究为鲜枣的采后保鲜提供了科学依据和技术支持，通过优化 GA 涂层、存储温度和包装方法，有望减少鲜枣在采后存储过程中的损失，提高其品质和市场价值。同时，ANN 模型的应用为水果品质预测提供了新的思路和方法，有助于实现水果供应链的智能化管理，对推动食品可持续发展具有重要意义。
