多變量統(tǒng)計分析融合小波包能量提取3D熒光特征信息監(jiān)測黃瓜貯藏品質(zhì)

劉瑞敏, 殷 勇, 于慧春, 袁云霞

河南科技大學(xué)食品與生物工程學(xué)院, 河南 洛陽 471023

引 言

黃瓜是一種全世界常見的蔬菜, 在我國也有很大的種植面積[1]。 其營養(yǎng)豐富, 經(jīng)濟(jì)價值高, 但組織脆嫩, 含水量超過90%, 采摘后呼吸及蒸騰作用旺盛, 易失水萎蔫; 采摘及運(yùn)輸?shù)冗^程中易受機(jī)械損傷, 不易貯藏, 容易軟爛腐敗, 會產(chǎn)生嚴(yán)重的經(jīng)濟(jì)損失。 目前, 相關(guān)研究主要集中在考察某種物質(zhì)或貯藏條件對黃瓜貯藏品質(zhì)和貯藏期長短的影響[2-3], 而對貯藏中黃瓜品質(zhì)監(jiān)測方面的研究并不多[4-5]。 黃瓜的貯藏情況會受到黃瓜品種、 人為和機(jī)械損傷等因素的影響, 進(jìn)而提高黃瓜貯藏期的預(yù)測和品質(zhì)監(jiān)測的難度。 因此, 采取有效的技術(shù)手段測量黃瓜貯藏過程中的品質(zhì)變化, 對于最大限度減少經(jīng)濟(jì)損失具有重要意義。

目前, 果蔬質(zhì)量測定方法主要包括傳統(tǒng)的感官分析和理化指標(biāo)測量。 感官分析[6]結(jié)果主觀且未必準(zhǔn)確。 理化指標(biāo)測量[7]通常會使用化學(xué)試劑, 費(fèi)時費(fèi)力。 快速、 綠色、 可靠的品質(zhì)監(jiān)測方法研究非常必要。

眾所周知, 果蔬貯藏室中存在大量的芳香揮發(fā)物[8], 這些揮發(fā)物和浮游微生物及微生物代謝產(chǎn)物等共同構(gòu)成了貯藏室的貯藏氣氛。 貯藏室氣氛并非一成不變, 會隨果蔬品質(zhì)的變化而改變。 有研究表明通過檢測貯藏氣氛可以實(shí)現(xiàn)香蕉、 蘋果品質(zhì)的預(yù)測[9-10], 因此通過測量貯藏氣氛的熒光信息有效監(jiān)測黃瓜貯藏過程中的品質(zhì)變化是可行的。

3D熒光技術(shù)因其光譜指紋特性和高靈敏度而得到了迅速發(fā)展, 已有報道其在快速監(jiān)測香蕉貯藏中品質(zhì)變化方面的應(yīng)用[11]。 本工作采用3D熒光技術(shù)嘗試構(gòu)建黃瓜貯藏過程中的品質(zhì)變化的快速監(jiān)測方法, 在獲取貯藏室氣氛3D熒光信息的基礎(chǔ)上, 通過特征熒光信息的提取, 運(yùn)用馬氏距離(Mahalanobis distance, MD)表征黃瓜貯藏中的品質(zhì)變化, 以實(shí)現(xiàn)品質(zhì)監(jiān)測的目的。

1 實(shí)驗(yàn)部分

1.1 材料

黃瓜品種為黑優(yōu)868, 產(chǎn)地山東聊城, 總質(zhì)量400 kg, 2021年10月10日采購于當(dāng)?shù)爻? 并于當(dāng)天轉(zhuǎn)移到貯藏室。 由于低溫貯藏僅延長貯藏時間, 并不影響貯藏品質(zhì)變化規(guī)律的研究結(jié)果, 故為了減少試驗(yàn)時間, 選擇在常溫下貯藏黃瓜。 貯藏溫度19.0～20.9 ℃, 濕度64%～65%RH。 在8 d的貯藏期間, 每天采集貯藏室氣氛樣本并測量黃瓜的葉綠素含量、 硬度和失重率。

1.2 儀器與設(shè)備

采集貯藏室氣氛樣本: 廣東環(huán)凱微生物科技有限公司生產(chǎn)的HKM-Ⅱ型空氣浮游微生物采樣器。

離心濃縮氣氛樣本溶液: 上海盧湘儀離心儀器有限公司生產(chǎn)的TG16A臺式高速離心機(jī)。

均勻混合離心后的樣本溶液: 采用海門市其林貝爾儀器制造有限公司生產(chǎn)的XW-80A型漩渦混合器。

測量貯藏室氣氛3D熒光信息: 實(shí)驗(yàn)室自制的紫外增強(qiáng)型三維熒光光譜儀, 其光源為150 W紫外增強(qiáng)型連續(xù)氙燈, 激發(fā)、 發(fā)射帶寬均為5 nm, 波長精準(zhǔn)度±1 nm, 信噪比大于800∶1, 積分時間為0.1～24 s。

測定黃瓜葉綠素: 上海儀電分析儀器有限公司制造的722N可見分光光度計。

測定黃瓜硬度: 英國Stable Micro Systems公司生產(chǎn)的SMS TA.XT Express型質(zhì)構(gòu)儀。

測定黃瓜質(zhì)量: 常熟市佳衡天平儀器有限公司生產(chǎn)的DT-500B型電子天平。

1.3 樣本采集

1.3.1 氣氛樣本3D熒光信息采集

(1)貯藏室氣氛樣本制備

采用空氣浮游微生物采樣器采集1 000 L貯藏室氣氛, 并將氣氛用生理鹽水制成溶液, 再將其離心濃縮得到2 mL樣本溶液, 詳見文獻(xiàn)[9,11]。

(2)3D熒光信息測量

用自制的3D熒光光譜儀進(jìn)行三維熒光檢測。 參數(shù)設(shè)置為: 激發(fā)波長為200～450 nm, 步長為5 nm; 發(fā)射波長為260～800 nm, 步長為0.4 nm; 積分時間為1 s。 實(shí)驗(yàn)過程中所使用的生理鹽水、 玻璃培養(yǎng)皿、 移液槍槍頭和離心管均經(jīng)121 ℃, 20 min滅菌, 空氣浮游微生物采樣器用浸濕75%乙醇的脫脂棉花擦拭消毒。

1.3.2 黃瓜樣本理化數(shù)據(jù)采集

(1)葉綠素含量測定

樣品葉綠素提取采用95%乙醇研磨-過濾法, 用削皮刀削下黃瓜頭部外皮, 稱取5.0 g置于研缽中, 加入10 mL95%乙醇研磨成漿, 勻漿過濾到25 mL棕色容量瓶中。 分別測定665、 649 nm處的吸光度并計算葉綠素含量。 具體測量要求按NY/T 3082—2017《水果、 蔬菜及其制品中葉綠素含量的測定 分光光度計法》執(zhí)行。

(2)硬度測定

樣品硬度采用質(zhì)構(gòu)儀在距黃瓜頂部2 cm處穿刺測量, 每天隨機(jī)選取3個樣本, 平行測量三次。 具體測量要求按NY/T 2009—2011《水果硬度的測定》執(zhí)行。

(3)失重率測定

實(shí)驗(yàn)開始前一天, 在貯藏室隨機(jī)選取6根黃瓜并編號, 用電子天平測量其質(zhì)量, 記為m0。 每個貯藏日黃瓜質(zhì)量記為m, 根據(jù)式(1)計算失重率X, 6根黃瓜的失重率取平均值。

(1)

1.4 數(shù)據(jù)分析

1.4.1 氣氛樣本熒光數(shù)據(jù)預(yù)處理

在提取樣本3D熒光數(shù)據(jù)特征信息之前, 要對原始數(shù)據(jù)進(jìn)行預(yù)處理。 采用eemscat函數(shù)消除瑞利散射的影響[9], 采用SG多項(xiàng)式平滑法消除噪聲信號的影響。

1.4.2 特征激發(fā)波長提取方法

采用Wilks Λ統(tǒng)計量結(jié)合主成分分析(principal component analysis, PCA)的方法選擇特征激發(fā)波長。 Wilks Λ統(tǒng)計量可用于驗(yàn)證多個樣本中每個變量的辨別能力, 可以根據(jù)Λ值來選擇具有最高判別能力的特征向量。 由于Wilks Λ統(tǒng)計量要求所輸入的變量是相互無關(guān)的, 因此預(yù)先處理的熒光數(shù)據(jù)不能直接用于Λ值的計算, 需要對數(shù)據(jù)進(jìn)行轉(zhuǎn)換, 以消除波長變量之間的相關(guān)性。 作為一種數(shù)據(jù)融合方法, PCA具有一個重要性質(zhì): 每個主成分變量是相互正交的, 因此運(yùn)用PCA得到的主成分變量代替原始熒光數(shù)據(jù)來構(gòu)造Wilks Λ統(tǒng)計量[9]。

貯藏過程中黃瓜的品質(zhì)每天都會發(fā)生微小的變化, 因此把每天設(shè)為1個級別, 8天即為8個級別。 每天的光譜數(shù)據(jù)為651×41的矩陣(41是激發(fā)波長的個數(shù), 651是發(fā)射波長的個數(shù), 每一列數(shù)據(jù)是相應(yīng)激發(fā)波長下不同發(fā)射波長對應(yīng)的熒光強(qiáng)度, 不同的發(fā)射波長可看成這一級別下的不同樣本), 把8 d的試驗(yàn)數(shù)據(jù)組合到一起得到一個5 208×41的分析矩陣。 對該矩陣進(jìn)行PCA分析得到主成分矩陣, 然后運(yùn)用各主成分變量構(gòu)造Wilks Λ統(tǒng)計量, 當(dāng)Λ統(tǒng)計量較小時, 表示不同級別樣本的差異性越顯著, 選擇的特征向量越容易識別不同級別的樣本。 Λ統(tǒng)計量的計算如式(2)所示

(2)

式(2)中,D為類內(nèi)離差的平方和矩陣, 即主成分矩陣中一列數(shù)據(jù)(一列代表一個主成分變量)的組內(nèi)離差,T為每一列數(shù)據(jù)的總離差。

Λ值越小, 選出的主成分變量的鑒別能力越強(qiáng)。 再根據(jù)選取的主成分變量選擇原始數(shù)據(jù)特征激發(fā)波長變量。 各主成分變量均為原始變量的線性組合, 因此在確定了主成分之后, 可以根據(jù)主成分構(gòu)造時的各組合系數(shù)來選擇特征激發(fā)波長。 系數(shù)絕對值越大, 說明該原始變量對主成分的貢獻(xiàn)度越大, 該變量也越能夠體現(xiàn)不同樣本間差異性, 即越能反映不同貯藏日黃瓜品質(zhì)的變化。

1.4.3 特征發(fā)射波長提取

特征發(fā)射波長的提取可按如下步驟實(shí)施:

(1)對由特征激發(fā)波長構(gòu)造的熒光光譜矩陣按發(fā)射波長從小到大進(jìn)行波段劃分, 然后對每個波段中的光譜信息按特征激發(fā)波長由小到大進(jìn)行首尾連接, 構(gòu)造出對應(yīng)每個波段的一維光譜數(shù)據(jù), 最后分別對每個波段的一維光譜數(shù)據(jù)進(jìn)行小波包分解(wavelet packet decomposition, WPD)。

(2)計算每個波段中的小波包能量, 選取能量最大的波段中的發(fā)射波長作為初選的特征發(fā)射波長。

(3)運(yùn)用偏最小二乘回歸結(jié)合理化指標(biāo)對初選的特征發(fā)射波長進(jìn)行特征發(fā)射波長精選。

小波包分解可以在幾乎不損失信息的情況下對信號進(jìn)行分解和重構(gòu), 并且對于含有大量中、 高頻信息的信號提供了更好的時頻分析能力[12]。 以三層分解為例, 小波包分解的樹示意圖如圖1所示, 低頻部分為A0, 高頻部分為A1, 第三層小波包分解共有8個節(jié)點(diǎn), 每個節(jié)點(diǎn)都對應(yīng)一個頻段和一組小波包分解系數(shù), 小波包分解系數(shù)表示原信號與從處理后信號中捕獲的信息之間的相似性。

圖1 三層小波包分解的樹示意圖

小波包節(jié)點(diǎn)的能量是該節(jié)點(diǎn)相應(yīng)頻帶小波包分解系數(shù)的平方和, 以小波包分解第3層為例, 節(jié)點(diǎn)能量計算可用式(3)表示

(3)

式(3)中,E3j是信號小波包分解第3層的第j個小波包節(jié)點(diǎn)(第j個頻帶)的能量,C3j, k是信號小波包分解第3層第j個頻帶中第k個小波包系數(shù),n是小波包分解第3層的每個頻帶中小波包系數(shù)的數(shù)量。

小波包分解的低頻部分保留了更多的原始信號, 是有效信息, 而高頻部分是噪聲, 因此選擇第3層中最低頻段部分作為提取特征發(fā)射波段的工具。 在小波包分解過程中, 最低頻段能量越大的波段, 小波包系數(shù)絕對值也相應(yīng)越大, 說明小波包基函數(shù)與原信號的逼近程度越高, 特征提取的效果越好[13], 因此選擇小波包分解后最低頻段中能量值最大的波段作為初選發(fā)射波段, 此波段中的發(fā)射波長初選為特征發(fā)射波長。 這不僅大大簡化了計算, 而且很大程度的保留了原始光譜數(shù)據(jù)所包含的信息。

為了進(jìn)一步簡化數(shù)據(jù), 更精確地提取特征發(fā)射波長, 采用偏最小二乘回歸(partial least squares regression, PLS)[4]結(jié)合黃瓜硬度、 失重率和葉綠素含量對小波包分解初選的特征發(fā)射波長進(jìn)行回歸分析。 回歸系數(shù)絕對值越大, 對應(yīng)的波長越能表征黃瓜貯藏過程中的品質(zhì)變化, 因此可根據(jù)回歸系數(shù)選擇合適且能表征黃瓜品質(zhì)變化的特征波長。

1.4.4 黃瓜品質(zhì)監(jiān)測基準(zhǔn)確定方法

由于無法準(zhǔn)確判斷第一個貯藏日黃瓜的成熟度、 新鮮度, 因此擬選擇黃瓜品質(zhì)迅速轉(zhuǎn)變, 即腐敗的當(dāng)天作為監(jiān)測基準(zhǔn)日。 貯藏過程中黃瓜品質(zhì)不斷發(fā)生變化, 水分不斷喪失, 果實(shí)硬度下降, 表皮顏色逐漸由墨綠轉(zhuǎn)黃綠。 由于果蔬品質(zhì)變化速率不恒定, 一般貯藏前期品質(zhì)下降速率快, 后期變緩, 而中間轉(zhuǎn)折處正是果蔬品質(zhì)迅速轉(zhuǎn)變的節(jié)點(diǎn), 因此可以通過對黃瓜理化指標(biāo)變化趨勢的分析再結(jié)合試驗(yàn)過程中感官分析共同確定黃瓜品質(zhì)監(jiān)測基準(zhǔn)日。 考慮到每天試驗(yàn)時間長短對黃瓜水分蒸發(fā)速度影響較大, 可能會影響其對品質(zhì)轉(zhuǎn)折點(diǎn)的判斷, 因此選擇黃瓜硬度和表皮葉綠素含量的變化趨勢作為監(jiān)測基準(zhǔn)日的選擇依據(jù)。

1.4.5 黃瓜品質(zhì)變化監(jiān)測方法

馬氏距離是一種有效計算兩個樣本相似性的方法, 獨(dú)立于量綱和變量之間的相關(guān)性。 選擇一個監(jiān)測基準(zhǔn), 根據(jù)式(4)計算不同貯藏日的特征光譜矩陣與監(jiān)測基準(zhǔn)之間的距離。

(4)

式(4)中,x為不同貯藏日的特征光譜矩陣中元素依次展開排成一行得到的向量,y為監(jiān)測基準(zhǔn)日特征光譜矩陣按同樣方法得到的表征向量, ∑為監(jiān)測基準(zhǔn)日特征光譜表征向量的協(xié)方差。

根據(jù)DM(x)值的大小, 可以判斷不同貯藏日的光譜信息偏離基準(zhǔn)的程度, 也是不同貯藏日黃瓜的品質(zhì)偏離監(jiān)測基準(zhǔn)日的程度。 馬氏距離值越大, 說明黃瓜品質(zhì)越接近監(jiān)測基準(zhǔn)日, 反之, 說明黃瓜品質(zhì)越遠(yuǎn)離監(jiān)測基準(zhǔn)日, 以此實(shí)現(xiàn)對貯藏室黃瓜品質(zhì)的監(jiān)測。

2 結(jié)果與討論

2.1 三維熒光光譜數(shù)據(jù)預(yù)處理

為了消除散射和噪聲信號的影響, 對三維熒光數(shù)據(jù)進(jìn)行去瑞利散射和SG多項(xiàng)式平滑法處理。 以第一個貯藏日采集的貯藏室氣氛數(shù)據(jù)為例, 得到如圖2所示的熒光光譜等高線圖。 對比圖2(a)和圖2(b), 可以看出, 經(jīng)去瑞利和SG平滑處理后, 瑞利散射峰已經(jīng)被去除, 樣本的實(shí)際光譜曲線在等高線圖中顯現(xiàn)出來, 且光譜曲線平滑。 同時, 從每天觀察試驗(yàn)得到的三維熒光光譜等高線圖發(fā)現(xiàn), 發(fā)射波長520～800 nm間熒光強(qiáng)度幾乎為零, 分析價值不大, 甚至還會帶來較大的試驗(yàn)誤差, 因此去除發(fā)射波長520～800 nm間的數(shù)據(jù), 260～520 nm之間共計651個發(fā)射波長。 從全部8天試驗(yàn)的等高線圖可知, 熒光峰主要都集中在激發(fā)波長250～450 nm之間, 且位置基本固定, 而激發(fā)波長200～250 nm之間的熒光峰時而顯現(xiàn)時而消失, 為了避免對后面特征信息提取的干擾, 去除激發(fā)波長200～250 nm間的數(shù)據(jù), 250～450 nm之間共計41個激發(fā)波長。 三維熒光光譜預(yù)處理均在MATLAB2014b軟件平臺上完成。

圖2 散射去除及平滑處理前后等高線熒光光譜對比圖

2.2 特征激發(fā)波長提取

首先對預(yù)處理后熒光數(shù)據(jù)進(jìn)行PCA處理, 對主成分變量采用Wilks Λ統(tǒng)計量的方法進(jìn)行變量選取。 通過計算, 最小Λ值對應(yīng)的主成分變量為第11主成分。 圖3為第11主成分的權(quán)重系數(shù)變化圖, 根據(jù)1.4.2的原理和方法共選取8個特征激發(fā)波長: 255、 260、 360、 380、 390、 410、 415和445 nm。

圖3 第11主成分的權(quán)重系數(shù)圖

2.3 特征發(fā)射波長提取

特征激發(fā)波長提取后, 按照1.4.3的方法對得到的光譜矩陣進(jìn)行3層sym4小波包分解。 采用sym4小波是因?yàn)槠洳ㄐ伪容^接近試驗(yàn)的原始熒光信號[10]。 小波包分解提取特征波段作為特征激發(fā)波長的初選, 波段不宜過大也不宜過小, 考慮到常見熒光儀波長步長設(shè)置一般選為2、 5、 10和12 nm, 故將每個波段長度設(shè)置為10 nm。 圖4為不同波段分解出的最低頻段的能量值變化曲線。 根據(jù)計算出的能量值提取特征發(fā)射波段為11～14, 即初選的發(fā)射波長范圍為370～399.6 nm。

圖4 不同波段分解出的最低頻段的能量值變化曲線

圖5為在此發(fā)射波長范圍內(nèi)運(yùn)用PLS提取特征波長的權(quán)重系數(shù)變化圖。 根據(jù)1.4.3中的原理提取了7個特征發(fā)射波長: 375.6、 378、 382、 386、 391.2、 394.8和398 nm。

圖5 基于PLS的特征波長提取結(jié)果

2.4 品質(zhì)監(jiān)測模型構(gòu)建

2.4.1 監(jiān)測基準(zhǔn)選擇

圖6為黃瓜貯藏過程中硬度變化曲線, 分析圖6可知, 貯藏前5天, 黃瓜硬度下降迅速, 而第5天之后黃瓜軟化速度變慢, 說明黃瓜已經(jīng)不再新鮮, 逐漸喪失商品價值, 第5天就是黃瓜質(zhì)量轉(zhuǎn)變的節(jié)點(diǎn)。 通過圖6中黃瓜硬度變化曲線發(fā)現(xiàn), 貯藏第5天之后硬度變化呈波動趨勢, 但整體是慢下降, 貯藏第7天黃瓜硬度值高于前兩天, 這可能是由于每次測試的隨機(jī)取樣和黃瓜軟化速度變慢造成的。

圖6 黃瓜貯藏過程中硬度變化曲線

對黃瓜葉綠素含量進(jìn)行5階多項(xiàng)式擬合, 結(jié)果如圖7所示, 擬合度R2為0.997 7, 說明擬合效果極佳。 從圖7可以看出, 貯藏前兩天, 葉綠素含量下降, 第3到第4天略微上升, 第5天又迅速降低, 第6到第8天微微上升, 總體呈下降趨勢。 圖8為葉綠素多項(xiàng)式擬合曲線的一階導(dǎo)數(shù), 貯藏1～8天之中共有3個拐點(diǎn), 第1個拐點(diǎn)大約在第3個貯藏日, 對應(yīng)一階導(dǎo)數(shù)值為正值; 第2個拐點(diǎn)在第5個貯藏日, 對應(yīng)一階導(dǎo)數(shù)值為負(fù)值; 第3個拐點(diǎn)在第7個貯藏日對應(yīng)一階導(dǎo)數(shù)值為正值。 一階導(dǎo)數(shù)為正表示原函數(shù)呈上升趨勢, 一階導(dǎo)數(shù)為負(fù)則相反。 拐點(diǎn)是曲線凹弧與凸弧的分界點(diǎn), 也就是原函數(shù)曲線方向向上和向下趨勢改變的點(diǎn)。 結(jié)合圖7, 第5個貯藏日黃瓜的葉綠素含量迅速下降, 說明黃瓜品質(zhì)在第5個貯藏日迅速變劣。

圖7 黃瓜葉綠素含量的多形式擬合曲線

圖8 黃瓜葉綠素含量多項(xiàng)式擬合曲線的一階導(dǎo)數(shù)

結(jié)合貯藏過程中感官情況: 前4個貯藏日, 黃瓜顏色墨綠, 光澤度高, 手觸摸硬度高, 光滑度低, 瓜刺多, 頂花帶刺, 個別黃瓜出現(xiàn)腐敗, 貯藏室有黃瓜香味, 幾乎無腐敗氣味; 從第5個貯藏日開始, 黃瓜顏色逐漸由綠轉(zhuǎn)黃, 光澤暗淡, 果實(shí)變軟, 光滑度高, 瓜刺部分脫落, 頂花萎蔫, 貯藏室黃瓜部分腐敗, 貯藏室腐敗氣味明顯。 綜上所述, 選擇第5個貯藏日為貯藏監(jiān)測基準(zhǔn)日。

2.4.2 品質(zhì)監(jiān)測模型

構(gòu)建黃瓜品質(zhì)監(jiān)測模型時考慮了兩種情況, 第一種情況是通過小波包分解初選的特征發(fā)射波段為切入點(diǎn), 第二種情況是以精選后的特征發(fā)射波長為切入點(diǎn), 分別得到相應(yīng)的特征光譜信息, 并用1.4.5的方法構(gòu)建了不同貯藏日到監(jiān)測基準(zhǔn)日之間馬氏距離值變化趨勢模型, 如圖9(a, b)所示。 通過對比發(fā)現(xiàn), 隨著貯藏時間的延長, 二者的馬氏距離值都是越來越小直到零, 表明黃瓜品質(zhì)逐漸下降直至腐敗。 同時, 隨著貯藏天數(shù)的增加, 二者馬氏距離下降趨勢差別不大。 說明上述兩種情況提取得到的特征光譜信息構(gòu)建的馬氏距離模型均可實(shí)現(xiàn)對黃瓜品質(zhì)的監(jiān)測。 但后者大大減少了特征發(fā)射波長的個數(shù), 既簡化了計算, 又保證了較好的黃瓜品質(zhì)監(jiān)測效果。 因此在小波包能量初選的發(fā)射波段內(nèi)采用PLS進(jìn)行發(fā)射波長的精選十分必要。

圖9 不同貯藏時間氣氛樣本的馬氏距離折線圖

3 結(jié) 論

為實(shí)現(xiàn)黃瓜貯藏中品質(zhì)變化監(jiān)測, 論文提出了一種多變量統(tǒng)計分析融合小波包能量的特征波長提取方法。 在去除瑞利散射和SG平滑降噪預(yù)處理黃瓜不同貯藏氣氛三維熒光信息的基礎(chǔ)上, 運(yùn)用PCA和Wilks Λ統(tǒng)計量提取了8個特征激發(fā)波長, 采用小波包能量初選了發(fā)射波段, 并采用PLS在該波段精選了7特征發(fā)射波長。 同時基于黃瓜硬度和表皮葉綠素含量以及試驗(yàn)中的感官評價選定了監(jiān)控基準(zhǔn)日, 并采用特征熒光信息構(gòu)建了馬氏距離監(jiān)測模型。 結(jié)果表明, 基于上述特征波長提取方法得到的特征熒光信息可以表征黃瓜貯藏品質(zhì); 建立的馬氏距離模型能很好地反映黃瓜貯藏中品質(zhì)變化進(jìn)程; 精選發(fā)射波長在確保品質(zhì)監(jiān)測模型可靠的基礎(chǔ)上大大簡化了計算。 因此基于PCA和Wilks Λ統(tǒng)計量的特征激發(fā)波長和小波包能量結(jié)合PLS的特征發(fā)射波長提取方法以及馬氏距離模型可以實(shí)現(xiàn)對黃瓜貯藏品質(zhì)的監(jiān)測。 該研究表明, 多變量統(tǒng)計分析融合小波包能量的特征波長提取方法和應(yīng)用特征熒光信息構(gòu)建的馬氏距離監(jiān)測模型有望成為黃瓜貯藏過程中品質(zhì)監(jiān)測的一種可行方法。