テーブルブドウの貯蔵中の可溶性固形分、滴定酸度、pH予測のための可視-近赤外分光法に基づくモデリング

科学分野:

• 農業科学
• 分光法
• 機械学習

背景:

• テーブルブドウの品質は、可溶性固形分（SSC）、滴定酸度（TA）、およびpHに依存します。
• 従来の品質評価方法は破壊的で時間がかかります。
• 貯蔵中の効率的なブドウ品質評価には、非破壊的な方法が必要です。

研究 の 目的:

• 可視-近赤外（Vis-NIR）分光法を用いたテーブルブドウの品質を迅速かつ非破壊的に評価する方法を開発すること。
• テーブルブドウのSSC、TA、およびpHの予測モデルを確立すること。
• リアルタイムの品質モニタリングを可能にし、収穫後の管理を改善すること。

主な方法:

• 種子なし白テーブルブドウに可視-近赤外（Vis-NIR）分光法（200-1100 nm）を使用しました。
• 偏最小二乗回帰（PLSR）、サポートベクターマシン（SVM）、および極限学習機（ELM）を使用してキャリブレーションモデルを構築しました。
• 特徴選択戦略（SPA、UVE、CARSを含む）を使用して、特徴的な波長を特定しました。

主要な成果:

• SNV-CARS-SVMモデルは、SSC（Rp=0.928、RMSEP=0.673）を正確に予測しました。
• SNV-SPA-SVMモデルは、TA（Rp=0.873、RMSEP=0.553）で優れた予測精度を示しました。
• SNV-CARS-PLSRモデルは、pH（Rp=0.758、RMSEP=0.113）の予測で良好なパフォーマンスを達成しました。

結論:

• 可視-近赤外（Vis-NIR）分光法は、複数のテーブルブドウ品質属性の同時かつ迅速な非破壊的決定を可能にします。
• 開発されたスペクトル予測モデルは、リアルタイムの品質評価と収穫後の管理のための効率的な戦略を提供します。
• 多様な品種と貯蔵条件に関するさらなる研究は、モデルの堅牢性と産業的適用性を向上させるでしょう。