不同乳酸菌菌株对小米发酵饮料理化性质和风味的影响

《Foods》:Effects of Different Lactic Acid Bacterial Strains on the Physicochemical Properties and Flavor of Millet Fermented Beverages

【字体: 大 中 小 】 时间:2026年07月16日 来源:Foods 6.0

编辑推荐:

  甜罗望子果的品质由其总可溶性固形物(TSS)、可滴定酸度(TA)和TSS/TA比值决定,这对于消费者满意度非常重要。因此,需要无损技术来评估甜罗望子果的品质。本研究探讨了在935–1720 nm波长范围内的近红外高光谱成像(NIR-HSI)是否可以作为一种无损

  
甜罗望子果的品质由其总可溶性固形物(TSS)、可滴定酸度(TA)和TSS/TA比值决定,这对于消费者满意度非常重要。因此,需要无损技术来评估甜罗望子果的品质。本研究探讨了在935–1720 nm波长范围内的近红外高光谱成像(NIR-HSI)是否可以作为一种无损方法,用于评估甜罗望子果的TSS、TA和TSS/TA比值,并据此将其按照商业标准进行分类。应用了基于NIR-HSI的化学计量学和机器学习建模进行定量和定性分析。使用偏最小二乘回归(PLSR)和支持向量机回归(SVMR)开发了用于测定TSS、TA和TSS/TA比值的校准模型。优化了一阶导数与SNV光谱预处理的组合,以建立用于测定TSS的SVMR模型。优化了MSC光谱预处理以开发用于评估TA的SVMR模型,并优化了一阶导数光谱预处理以建立用于TSS/TA比值的SVMR模型。在TSS、TA和TSS/TA比值的评估中,分别获得了0.959、0.961和0.957的预测相关系数(Rp),预测均方根误差(RMSEP)分别为1.102%、0.369%和7.850,性能偏差比(RPD)分别为3.29、3.52和3.34。使用偏最小二乘判别分析(PLS-DA)和支持向量机分类(SVMC)根据商业酸度标准(≤4%)对甜罗望子果进行分类。结合SNV光谱预处理的SVMC在区分标准和非标准甜罗望子果方面产生了最佳的预测结果,准确率为82.86%。NIR HSI可用于无损预测罗望子果的品质。它可以应用于在线分选,以在工厂环境中评估单个甜罗望子果的分级和质量控制。
甜罗望子果是一种具有独特酸甜风味且营养丰富的热带豆科水果,具有重要的商业价值。消费者对该水果的偏好主要取决于其成熟度以及与风味密切相关的含糖量和含酸量。然而,由于甜罗望子果内部属性无法通过常规视觉检查评估,且传统针对总可溶性固形物(TSS)和可滴定酸度(TA)的化学分析方法耗时、具有破坏性且不够环保,因此亟需开发无损检测方法。近红外光谱(NIRs)虽已广泛应用于农产品无损检测,但传统NIR仅能获取测量点局部的光谱信息,对于长荚果状的甜罗望子果而言,需要多点测量并取平均值,在生产环境中难以实施。近红外高光谱成像(NIR-HSI)作为结合成像与光谱技术的先进方法,可获取样品大面积的三维数据立方体,从而实现对整个果体的代表性表征。为解决长荚果水果整体品质快速无损评估的技术难题,研究人员开展了基于NIR-HSI技术结合化学计量学方法的研究,以实现对甜罗望子果TSS、TA和TSS/TA比值的预测,并根据商业酸度标准进行分级。研究证实了该技术的可行性,并表明其在工厂环境下对单个完整水果进行在线分选和质量控制具有重要工业应用价值,本论文发表在《Foods》期刊。

为实现上述目标,研究人员采用了以下关键技术方法。样本队列来源于泰国碧差汶府种植的115个商业级甜罗望子果样本。技术人员使用推扫式高光谱相机在935–1720 nm波长范围内对每个完整果体进行扫描获取光谱图像。随后,通过主成分分析(PCA)去除背景并提取感兴趣区域(ROI)的平均光谱数据。在数据分析方面,采用不同的光谱预处理方法(如Savitzky–Golay平滑、一阶/二阶导数、多元散射校正(MSC)和标准正态变量(SNV))以消除噪声和基线漂移。定量和定性分析分别运用了偏最小二乘回归(PLSR)与支持向量机回归(SVMR),以及偏最小二乘判别分析(PLS-DA)与支持向量机分类(SVMC)。研究采用k-折交叉验证评估模型性能,并比较了各模型的预测精度与分类准确性。

光谱数据
通过分析平均原始吸光度光谱,发现甜罗望子果在1180–1220 nm和1400–1470 nm附近有两个宽峰,反映了各组分泛频带的重叠。归一化光谱分析表明,果肉、种子、果壳和整果在1200 nm和1425 nm附近有主峰,分别对应碳氢键(C-H)的二级倍频吸收和与水分相关的氢氧键(O-H)的一级倍频吸收。应用二阶导数光谱预处理分离重叠峰后,确定980 nm和1425 nm对应水分吸收,1170 nm对应纤维吸收,1208 nm对应碳水化合物吸收。该研究得出了不同光谱波段与水果内部特定化学成分高度相关的结论。

甜罗望子果TSS、TA和TSS/TA比值的模型
在定量分析中,样本被划分为校准集和预测集,各集合中TSS、TA和TSS/TA比值的分布范围、平均值和标准差相似。通过建立并比较PLSR和SVMR校准模型,发现SVMR模型表现优于PLSR模型。研究采用一阶导数与SNV组合预处理建立的TSS预测SVMR模型(Rp = 0.959, RMSEP = 1.102%),采用MSC预处理建立的TA预测SVMR模型(Rp = 0.961, RMSEP = 0.369%),以及采用SNV预处理建立的TSS/TA比值预测SVMR模型(Rp = 0.957, RMSEP = 7.850)均取得了最优预测精度。结论指出,SVMR模型在准确性和鲁棒性上均优于PLSR模型,相关预处理方法能够有效抑制基线漂移和散射效应,提升光谱分辨率。

标准与非标准甜罗望子果的分类
在定性分析中,依据商业标准(TA ≤ 4%)将样本划分为可接受(标准,-1)和不可接受(非标准,1)两组。基于SNV光谱预处理的PLS-DA分类模型获得82.50%准确率,而SVMC分类模型获得88.75%准确率。通过对比验证集分类表现,结合SNV预处理的SVMC在区分标准与非标准水果时达到最佳的预测效果,准确率为82.86%,特异性和敏感性分别为81.48%和87.5%。研究得出结论,尽管两类样本数据分布存在不均衡,但SVMC结合SNV预处理仍能有效按商业酸度标准对甜罗望子果品质进行分类。

讨论与结论部分总结指出,本研究表明对于呈现一定非线性关系的甜罗望子果光谱数据,支持向量机(SVM)模型在定量和定性分析中均优于偏最小二乘(PLS)模型。与仅能进行局部测量的传统技术相比,NIR-HSI能够通过单次扫描获取整个长荚果的代表性光谱,极大提高了检测效率。研究明确表明,NIR-HSI是一种快速、无损、准确且可靠的技术,能够成功预测甜罗望子果的关键品质属性。光谱中980 nm、1170 nm、1208 nm和1425 nm等特征峰支持将其发展为工业多光谱在线分选系统,在未来可商业化应用于对单个完整甜罗望子果进行分级和质量控制。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号