基于果柄近红外光谱的榴莲干物质含量预测模型优化及成熟速率影响研究

针对榴莲成熟度无损检测难题，研究人员通过分析不同成熟速率下果柄NIR光谱与果肉干物质(DM)含量的关联性，发现干燥果柄粉末可显著提升预测精度(R2>0.78)，建立的PLS-DA模型对未成熟果实分类准确率达82.7%，为榴莲采后品质分级提供了新方法。

　　

榴莲作为东南亚"水果之王"，其全球出口量十年间激增230%，但成熟度判定仍是产业痛点。传统破坏性检测方法（如果肉干物质DM含量测定）效率低下，而现有基于果柄近红外光谱(NIRs)的预测模型精度不足(R2=0.58)。更棘手的是，泰国东部与南部产区因气候差异导致果实成熟速率不同，可能影响果柄中糖分转运与光谱特性，但这一关键因素长期被忽视。

泰国农业大学(Kasetsart University)联合泰国邮政采收技术创新中心的研究团队开展了一项创新研究。他们发现：将新鲜果柄制成干燥粉末后，NIR光谱预测DM的准确性显著提升，其中慢熟果实模型表现最佳(R2>0.78)。研究首次揭示成熟速率与预测精度的关联——慢熟组果柄糖分线性积累而快熟组呈抛物线模式，这种生理差异解释了为何快熟果实预测误差较大。通过整合三类成熟速率数据构建的PLS-DA模型，成功实现82.7%的未成熟果实分类准确率，且便携式与台式光谱仪效果相当。

关键技术包括：1) 从泰国东部(罗勇、尖竹汶)和南部(春蓬)产区采集不同成熟天数(92-127 DAF)的"金枕头"榴莲建立样本队列；2) 采用化学计量学方法分析果柄NIR光谱(含便携式/台式设备比对)；3) 通过HPLC测定果柄糖分动态验证生理机制；4) 开发基于PLS回归和PLS-DA的分类模型。

主要结果：
【Pulp DM accumulation in fruit with different maturation rates】
东部罗勇产区的榴莲需127天达到出口标准(DM 32%)，而尖竹汶和春蓬产区分别只需120天和106天，据此划分为慢熟、快熟和极快熟三组。

【Influence of durian maturation rate on the accuracy of pulp DM prediction】
干燥果柄粉末模型精度较新鲜样本提升3倍，慢熟组R2达0.783，而极快熟组仅0.43。糖积累模式差异是预测偏差的主因。

【Conclusion】
研究证实成熟速率是影响预测精度的关键变量，建立的分类模型可有效识别未成熟果实，为开发商业化无损检测设备奠定基础。

这项发表于《采后生物学与技术》的研究具有双重突破：方法学上首次证明果柄干燥处理可克服榴莲外形对NIRs的限制，理论上阐明了成熟速率通过调控糖代谢影响光谱预测的机制。该成果不仅适用于榴莲产业，也为其他厚皮水果(如菠萝蜜、椰子)的品质检测提供了新思路。特别值得注意的是，研究团队验证了便携设备的可行性，这对田间实时检测具有重要实践价值，有望改变目前依赖经验判断的落后现状。随着泰国榴莲出口量持续增长，这项技术将助力提升供应链标准化水平，减少因过早采收导致的经济损失。