基于相關性和時序分析的鮮食黃桃安全貯藏期的確定及品質預測

周慧娟 高曉沨 葉正文 馮子耀 蘇明申 杜紀紅 張夏南 李雄偉 張明昊

(1. 上海市農業科學院林木果樹研究所，上海 201403；2. 上海市設施園藝技術重點實驗室，上海 201403；3. 上海交通大學數學科學學院，上海 200204)

桃屬于薔薇科植物，其果實尤其是溶質桃，為典型的呼吸躍變型果實，質地柔軟，采后易腐爛變質[1]。低溫可延長果實的保鮮期，但長期的低溫(<8 ℃)冷藏易使果實產生木質化、絮敗、果肉褐變、糖酸比失調、固有芳香成分喪失、有害揮發性物質生成等品質劣變癥狀[2-3]，影響其品牌化的建立[4]。篩選果品品質表征評價因子，研究評價因子與感官評價的相關性，提高表征評價因子預測果實安全貯藏期的科學性和準確性，預警預測果品安全貯藏期及品質，是保障貯藏品質和效益的有效措施。

張海英等[5]將桃果實單果重、硬度、水分含量、固酸比和風味作為品質評價的主要表征因子；李麗娜等[6]報道，蘋果TPA參數與感官指標之間存在一定的相關性，尤其與口感質地和手感質地間呈極強正相關；果實硬度、黏性、彈性、內聚性、耐咀性、回復性與感官評定指標的外觀、氣味、風味、口感質地、手感質地及感官評定總分間存在顯著相關性。目前，貯藏期間果實品質的常規檢測方法為有損抽檢，既損壞了果實的商品性，又無預見性，不能做到對果實品質及安全貯藏期的預警預測，一定程度上影響了果實的商品價值，增加了貯藏風險性。目前，利用數學模型預警預測果實安全貯藏期和果品質量成為研究的熱點。關于果品品質評價的數學模型包括堆疊式自動編碼器和全連接神經網絡、線性判別分析、主成分分析、多元聚類分析、因子分析以及偏最小二乘回歸等[7-11]。傅澤田等[12]根據感官評分確定了藍莓的貨架期；Varela等[13]研究表明應根據消費者是否對蘋果有購買意愿來決定蘋果的貨架期；侯曉蕾等[14]建立了基于模糊鑒別主成分分析的生菜貯藏時間鑒別模型，其準確度高達93.33%。其中，Tareen等[15-17]通過聚類分析對桃和蘋果果實顏色進行了分類；Beaudry等[18]通過沖擊力學建立了恢復系數和沖擊下能量吸收率與藍莓果實硬度之間的關系；朱娜等[19]利用電子鼻與消費者的感官評估相結合對‘霞輝5號’桃果實品質進行了預測；于懷智等[20]利用近紅外光譜實現了對蒙陰黃桃硬度和可溶性固形物含量的在線無損檢測。

研究擬以長三角廣泛種植的錦繡黃桃為試材，選取品質表征因子及品質評價指標進行測定，通過主成分分析、聚類分析和相關性分析相結合，探究錦繡黃桃冷藏和貨架期期間品質變化的差異性，品質表觀特征因子與感官評價的相關性，建立安全期預測模型，旨在對果實安全貯藏期及品質進行預警預測，實現減損增效。

1 材料與方法

1.1 材料與儀器

1.1.1 試驗材料

鮮食黃桃：錦繡黃桃，分別于2020年度和2021年度分3批采摘入庫貯藏，果品采摘于上海市奉賢區黃桃種植基地(北緯31°14'N，東經121°29')，行株距4 m×5 m，樹齡8年，三主枝型，常規栽培管理，果實套單層內黑外黃袋。每批果實于固定的50株樹冠外圍高1.5 m處隨機采摘向陽面果實，每株隨機采摘50個成熟度一致(入庫果實帶皮硬度為2.5～7.0 kg/cm2，果肉硬度為1.3～6.0 kg/cm2，可溶性固形物含量為8.8%～14.5%)、大小均一、色澤均勻、無病蟲害、無機械損傷的果實，采摘后立即運至基地冷庫進行分裝處理。3批次果實的入庫品質見表1，以2021年度的數據進行分析。

1.1.2 儀器與設備

防霧保鮮袋：0.03 mm，零度包裝科技有限公司；

質構儀：TA. XT. Plus型，英國SMS公司；

色差計：CR-400型，日本產美能達公司；

折光儀：ATAGO-1型，日本ATAGO公司。

1.2 試驗方法

1.2.1 試驗處理 將分選好的果實放置于外襯0.03 mm防霧保鮮袋、內帶凹槽的塑料筐中，單層擺放，溫度為(10.0±0.5) ℃、相對濕度80%～85%的冷庫中貯藏16 d。每2 d取30個果實，對果實帶皮硬度、果肉組織硬度、可溶性固形物含量、果實色差等指標進行測定；并對同一批次果實的質地、風味、色澤、香氣4個模塊進行人工感官評分。

1.2.2 指標測定

(1) 單果重：按式(1)計算。

(1)

式中:

mi——第i個果實的單果重(i=1,2,…,30)，g；

M——平均單果重，g。

(2) 果實縱橫徑：分別按式(2)、式(3)進行計算。

(2)

式中:

ni——第i個果實的縱徑(i=1,2,…,30)，cm；

N——平均縱徑，cm。

(3)

式中:

ci——第i個果實的橫徑(i=1,2,…,30)，cm；

C——平均橫徑，cm。

(3) 色差：參照周慧娟等[21]的方法并改善，選取每個時期的10個果實，采用“Hunter Lab”表色系統測定果實縫合線對稱兩側處L值、a*值、b*值及色角度h。每處理測定10個果實，設3次重復。

(4) 質構：圓柱形探頭(P/5)直徑5 mm，測前速度60 mm/min，測試速度120 mm/min，測后速度600 mm/min，觸發力0.5 N。第1次下壓距離3 mm，測定參數為果皮硬度；第2次下壓距離20 mm，測定參數為果肉組織硬度。

(5) 可溶性固形物含量：取左右赤道對稱部位果肉，20 ℃下，用手持阿貝折光儀測定未經稀釋的汁液的可溶性固形物含量，每次隨機取30個果實進行測定。

(6) 感官評價：感官檢驗鑒定小組由15人組成，檢驗內容分別為色澤、質地、糖酸、香氣4個評分模塊，各項目均以高分者為優，每項最高分100分，最低分0分。為縮小感官評分的誤差，選一個品質中等的桃果實作對照，先品嘗對照，計算其各模塊得分作為待鑒定項目模塊的參考。每個貯藏時間點取30個果實，品嘗樣品時，每個果實取中縫線對稱兩側的果肉，取中間部位，切片，裝盤，每個時間點每人品嘗兩次。將各模塊評分結果進行方差分析和差異顯著性比較。

1.3 數據處理

采用統計軟件R(版本3.5.0)對指標的相關性和時間序列進行分析；采用K-means聚類使聚類內的方差最小(歐氏距離的平方)，計算輪廓曲線的系數四類最佳聚類數；數據顯著性差異水平為P<0.05。

2 結果與分析

2.1 黃桃機械指標和感官評價結果

貯藏期間，共采集3批次貯藏的870個桃果實的機械指標數據。由表1可知，果實帶皮硬度、果肉組織硬度、可溶固形物含量、單果重和果實紅綠色差顯示了較大的變異度，帶皮硬度變異范圍為0.44～6.83 kg/cm2，果肉組織硬度變異范圍為0.18～5.96 kg/cm2，紅綠色差變異范圍為-11.78～28.44，可溶固形物含量變異范圍為7.35%～15.95%。這種較高的變異度能夠較好地反映桃子10 ℃貯藏條件下品質變化的全過程，果實帶皮硬度、果肉組織硬度、可溶固形物含量、果實紅綠色差為(10.0±0.5) ℃貯藏條件下的關鍵品質變化表征因子，與蘋果和藍莓感官評價中的關鍵品質表征因子有一定差異[12,22]。

2.2 相關性分析

2.2.1 品質表征因子相關性分析 皮爾遜(Pearson)相關系數表示不同指標間的線性相關程度，絕對值<0.3表示不相關，0.3～0.7表示弱相關，0.7～1.0表示強相關。由圖1可知，貯藏時間與果實帶皮硬度呈強負相關(PCC=-0.71)，與果肉組織硬度呈弱負相關(PCC=-0.53)，進一步說明了果實質地是影響果實商品性的重要參數[2,18]；貯藏時間與果實紅綠色差呈弱正相關(PCC=0.47)，說明果實色澤的保持是貯藏技術研發的重要因素[15]；(10.0±0.5) ℃下，可溶性固形物含量隨貯藏時間的延長變化差異較大，相關性較弱(PCC=0.34)；失重率隨貯藏時間的延長呈下降趨勢(失水)，但無相關性(PCC=-0.24)，說明通過保鮮袋包裝已解決了果實失水的問題[1]。果實帶皮硬度和果肉組織硬度呈強正相關；果實紅綠色差與果實帶皮硬度和果肉組織硬度呈弱負相關，說明果實色澤的變化可作為硬度無損檢測的表征變化因子之一[18]。可溶性固形物含量與果實硬度、果肉組織硬度、果實紅綠色差、黃藍色差等指標均無相關性。綜上，帶皮硬度、果肉組織硬度、可溶性固形物含量、果實重量、紅綠色差5個機械測定指標為(10.0±0.5) ℃下的關鍵品質變化表征因子。

圖1 機械測定指標的相關性分析Figure 1 Correlation analysis of mechanical measurement indexes

2.2.2 品質表征因子與感官評分的Spearman相關性分析 由圖2可知，3個模塊(果實質地、色澤和風味)的感官評分之間有較強的相關性，說明感官評分時，對3個模塊的辨別能力不是很強，基本上是由第一感覺決定的，后續需進一步劃分辨別模塊。果實質地、風味、香氣、色澤4個感官評分模塊與貯藏時間呈弱負相關，Spearman相關性分別為-0.49，-0.27，-0.38，-0.57，進一步說明隨著貯藏時間的延長，果實風味失調和質地降低，綜合口感變差，其中可溶性固形物含量隨貯藏時間的延長劣變不顯著，不是(10.0±0.5) ℃下貯藏導致風味變差的主要因素，與果實采后冷藏期間存在后熟現象和在一定貯藏時間內可溶性固形物及糖含量呈上升趨勢有關[1]。

圖2 機械指標與感官評分的相關性分析Figure 2 Correlation analysis of mechanical index and sensory score

果實色澤模塊感官評分與果實帶皮硬度、果肉組織硬度以及質地、風味和香氣3個模塊均呈正相關(相關系數分別為0.60，0.47,0.75,0.63，0.68)，與果皮的紅綠色差呈負相關(相關系數為-0.42)；果實質地模塊評分與果實帶皮硬度和果肉組織硬度呈正相關(相關系數分別為0.54，0.42)，與果皮的紅綠色差呈負相關(相關系數為-0.47)；果實風味和香氣兩個模塊評分均與果實硬度呈弱相關(相關系數為0.38，0.31)。4個模塊的感官評分均與果實硬度有一定的相關性，進一步說明果實硬度指標是檢驗果實商品性的重要且不可或缺的指標之一[18]。果實紅綠色差與果實帶皮硬度、果肉組織硬度呈強負相關(相關系數分別為-0.73，-0.82)，可作為硬度無損檢測的發展目標指數之一，表明顏色和質地基本上是決定感官評分的第一印象[19-20]。

表2 貯藏期間3批次果實品質的變化Table 2 Changes of fruit quality in three batches during storage

2.3 聚類分析

2.3.1 最佳聚類數 為了區分3批入庫桃果品整個貯藏期間的品質群體差異情況，根據相關性分析結果，選取果實硬度、可溶性固形物含量、重量、紅綠色差4項指標作為特征表征因子。利用輪廓曲線圖確定最佳聚類數，結果見圖3。由圖3可知，4為最佳聚類數，其平均輪廓寬度最高，后續將以4為聚類數進行聚類分析。

圖3 不同簇中的平均輪廓寬度Figure 3 Average silhouette width in different clusters

2.3.2 聚類分析 利用輪廓曲線圖將桃子聚類成4類，為了可視化聚類結果，使用PCA(主成分分析)進行降維。由圖4可知，第4類果實與其他組間的差異主要體現在紅綠色差，說明第4類果實色澤偏紅。維度1(X軸)為硬度的差異變化，維度2(Y軸)為可溶性固形物含量和紅綠色的差異變化，與消費者關注的質地、色澤和風味3個模塊特征一致[19]。

圖4 K-均值聚類圖Figure 4 K-means cluster plot (k=4)

2.3.3 主成分分析 由圖5可知，在貯藏時間上，前3類出現了明顯的差異，可以將聚類后的桃子分為早(3)、中(2)、晚(1)期3個貯藏時間段。貯藏時間與果實硬度和紅綠色差相關性高，貯藏早期(3)的果實硬度最高，紅綠色差值最低；貯藏晚期(1)的果實硬度最低和紅綠色差值最高，進一步說明了隨著貯藏時間的延長，果實硬度降低、色澤變紅，與果實衰老的癥狀一致[23]。

圖5 不同表征因子的4個聚類的箱線圖Figure 5 Box plots for the 4 cluster of different features

除表征因子單果重外，其他因子均顯著(P<0.05)。第4類主要是根據其紅綠色差值進行聚合，均呈較強紅色，但其余特征均處于平均水平，未與紅色產生較強聯系。從數值大小解釋了前3類主要是隨貯藏時間的逐漸增加，硬度變低，可溶性固形物含量變高，顏色變紅分為不同程度3類，對應貯藏過程中的3種狀態。

2.4 機械指標的時序分析

2.4.1 果實帶皮硬度的時間回歸模型建立 根據相關性分析結果可知，果實帶皮硬度和果肉組織硬度與貯藏時間呈強負相關，建立時間變化模型較易。前人[5]報道，桃果實的硬度在成熟過程中隨貯藏時間呈指數變化，但擬合形式較粗糙，缺乏精確性。因此，采用非線性指數模型模擬貯藏期間的果實硬度變化。對第1、2批次采摘的果實帶皮硬度進行非線性指數模型的擬合，第3批果實進行驗證。建立的數學模型如圖6所示，其表達形式為：

f[T.(a,k,b)]=a×exp(k×T)+b,

(4)

式中：

f——硬度，kg/cm2;

T——貯藏時間，d;

a、k、b——函數參數。

由圖6可知，兩批次果實對方程式互相驗證的效果較佳，R2分別為0.98，0.94，符合非線性指數模型條件。整個貯藏期間，兩批次果實硬度均隨貯藏時間的延長呈下降趨勢，分為貯藏前期(0～8 d)的快速下降階段和貯藏后期(10～18 d)的緩慢下降階段，8～10 d為果實硬度變化速率的關鍵時間點。貯藏期間，兩批次采摘果實的帶皮硬度下降速率差異不顯著，說明10 ℃貯藏條件下，采摘時間與果實硬度的下降速度無關。各回歸函數的系數基本接近，表明不同采收期桃硬度變化的相似性，進一步證明了方程式的可信度。綜上，非線性指數模型可預測10 ℃貯藏條件下果實帶皮硬度的變化速率及不同貯藏時間點的硬度范圍，根據果實硬度的狀態，以較佳的商品狀態決定果品出庫的時間，可降低損耗。

圖6 果實帶皮硬度與貯藏時間的擬合結果Figure 6 Fitting results of fruit firmness with skin and storage time

2.4.2 果肉組織硬度的時間回歸模型建立 對第1、2批次采摘的果實果肉組織硬度進行非線性指數模型的擬合，第3批果實進行驗證。建立的數學模型與果實帶皮硬度一致，參數有所變化。由圖7可知，3批次果實對方程式互相驗證的效果較佳，R2分別為0.82，0.97，符合非線性指數模型條件。具體表達形式見式(4)。

圖7 果肉組織硬度與貯藏時間擬合結果Figure 7 Fitting results of firmness without skin and storage time

貯藏期間，兩批次采摘果實的果肉組織硬度下降速率差異不顯著，說明10 ℃貯藏條件下，采摘時間與果肉組織硬度的下降速度無關。各回歸函數的系數基本接近，表明不同采收期桃硬度變化的相似性，進一步證明了方程式的可信度。綜上，非線性指數模型可預測10 ℃貯藏條件下果肉組織硬度的變化速率及不同貯藏時間點的硬度范圍，根據果實硬度的狀態，以較佳的商品狀態決定果品出庫的時間，可實現減損增效。

2.4.3 紅綠色差時間序列分析 根據相關性分析結果可知，貯藏時間與果實紅綠色差呈弱正相關，說明隨著貯藏時間的延長，果實底色由綠轉乳白轉紅色，與果實成熟衰老的現象一致。對第1、2批次采摘的果實進行線性擬合方程，第3批果實進行驗證，擬合結果見圖8，其表達形式為：

圖8 紅綠色差與貯藏時間擬合結果Figure 8 Fitting result of red color difference and storage time

f(x)=kx+b，

(5)

式中：

f(x)——紅綠色差的具體值(正值為紅，負值為綠色)；

x——貯藏時間，d。

2.4.4 其他質量指標的擬合分析 采用線性或非線性回歸對其他質量指標和貯藏時間進行擬合分析，但可溶性固形物含量隨貯藏時間變化的擬合并無一個普適性的變化規律且擬合的方程較為復雜，未達到較為滿意的模型精度，可能是由于桃果實在冷藏期間物質與細胞結構隨貯藏時間變化差異較大導致的，需進一步進行驗證分析，這與蘋果的建模結論一致[24]。

3 結論

結果表明，溫度(10.0±0.5) ℃、相對濕度80%～85%條件下，果實硬度、可溶性固形物含量、果實紅綠色差為桃果實品質的關鍵表征因子。桃果實的最佳聚類數為4，主要表現為果實硬度、可溶性固形物含量及果實紅綠色差的差異，與消費者關注的質地、風味和色澤3個模塊特征一致；果實質地、色澤和風味3個模塊感官評分間有較強共線性，貯藏時間與果實硬度和果肉組織硬度呈負相關，與果實紅綠色差呈正相關；果實紅綠色差與果實帶皮硬度和果肉組織硬度呈負相關，可作為硬度無損檢測的表征因子之一。貯藏時間與可溶性固形物含量的相關性較弱，擬合的方程較為復雜，未達到模型精度，需進一步進行驗證分析。使用指數方程能較好地擬合硬度的變化，線性方程能夠較好地描述紅綠色差的變化。建立的非線性果實帶皮硬度和果肉組織硬度預測模型為f[T.(a,k,b)]=a×exp(k×T)+b，線性果實紅綠色差預測模型為f(x)=kx+b，兩個預測模型的預測誤差較低。