کیفیت‌سنجی غیر مخرب انگور رقم عسگری بر پایه طیف‌سنجی فروسرخ نزدیک

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار موسسه تحقیقات فنی و مهندسی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

2 دانشیار گروه باغبانی دانشگاه تهران

چکیده

برای اندازه­گیری ویژگی­های کیفی میوه­ها و سبزی­ها از روش­های مخرب و غیر مخرب متعددی استفاده می­شود. روش­های مخرب عمدتاً هزینه­بر و وقت­گیر هستند. در این پژوهش، برخی ویژگی­های کیفی میوۀ انگور رقم عسگری شامل مواد جامد حل­شدنی (SSC)، اسید قابل تیترکردن (TA)، pH، و فنل کل (TP) با طیف­سنجی فروسرخ نزدیک (NIRS) اندازه­گیری شدند. بدین منظور از 110 نمونه در دامنۀ طیفی 1700-900 نانومتر طیف­سنجی شد و بلافاصله از روش­های شیمیایی برای اندازه­گیری ویژگی­های کیفی انگور رقم عسگری استفاده گردید و پس از آن مدل­های کالیبراسیون برای ارتباط بین داده­های طیفی و داده­های حاصل از روش­های شیمیایی تدوین شدند. بهترین مدل­های رگرسیون حداقل مربعات جزیی (PLS)
دارای ریشۀ میانگین مربعات خطای پیش­بینی (RMSEP) 580/0 درجه بریکس، 020/0 درصد، 125/0 و 441/23 میلی­گرم بر لیتر و ضریب همبستگی (rp) 927/0، 806/0، 898/0 و 866/0 به­ترتیب برای SSC، TA، pH و TP بودند. مقایسۀ میانگین­های پیش­بینی شده با بهترین مدل­های برازش و اندازه­گیری شده با روش­های مرجع برای هر صفت نشان می­دهد که بین مقادیر اندازه­گیری شده و پیش­بینی شده با بهترین مدل در سطح احتمال 5 درصد اختلاف معنی­دار وجود ندارد. نتایج این پژوهش همچنین نشان می­دهد که NIRS می­تواند روشی سریع برای اندازه­گیری برخی ویژگی­های کیفی درونی انگور رقم عسگری، حتی ویژگی­هایی باشد که اندازه­گیری آنها دشوار است.  

کلیدواژه‌ها


Arana, I., Jaren, C. and Arazuri, S. 2005. Maturity, variety and origin determination in white grapes (Vitis Vinifera L.) using near infrared reflectance technology. J. Near Infrared Spec. 13(1): 349-357.

 

Bobelyn, E., Serban, A. S., Nicu, M., Lammertyn, J., Nicoli, B. M. and Saeys, W. 2010. Postharvest quality predicted by NIR-spectroscopy: Study of the effect of biological variability on spectra and model performance. Postharvest Biol. Tec.  55, 133-143.

 

Cao, F., Wu, D. and He, Y. 2010. Soluble solids content and pH prediction and varieties discrimination of grapes based on visible – near infrared spectroscopy. Comput. Electr. Agr. 71, 15-18.

 

Cen, H. and He, Y. 2007. Theory and application of near inferared reflectance spectroscopy in determination of food quality. Trends Food Sci. Tech. 18, 72-83.

 

Chen, P. and Nattuvetty, V.  R. 1980. Light transmittance through a region of an intact fruit. Trans. Am. Soc. Agr. Eng. 23(2): 519–522.

 

Coombe, B. G. 1992. Research on development and ripening of the grape berry. Am. J. Enol. Viticult.
43, 101-110.

 

Ebadi, A. and Hadadninejad, M. 2014. Physiology, Breeding and Production of Grapevine. University of Tehran Press. (in Persian)

 

Fadock, M. 2011. Non-destructive vis-NIR reflectance spectrometry for red wine grape analysis.  M. Sc. Thesis. Faculty of Graduate Studies. University of Guelph. Ontario, Canada.

 

Fu, X., Ying, Y., Lu, H., Xu, H. and Yu, H. 2007. FT-NIR diffuse reflectance spectroscopy for kiwifruit firmness detections. Sens. Instrum. Food Qual. Saf. 1, 29-35.

 

Herrera, J., Guesalaga, A. and Agosin, E. 2003. Shortwave–near infrared spectroscopy for non-destructive determination of maturity of wine grapes. Meas. Sci. Technol. 14, 689-697.

 

Giovenzana, V., Beghi, R., Mena, A., Civelli, R., Guidetti, R., Best, S. and Leon G, L. F. 2013. Quick quality evaluation of Chilean grape by a portable vis/NIR device. Acta Hortic. 978, 93-100.

 

Golic, M. and Walsh, K. B. 2006. Robustness of calibration models based on near infrared spectroscopy to the in-line grading of stone fruit for total soluble solids. Anal. Chim. Acta. 555, 286-291.

 

 

Guidetti, R., Beghi, R. and Bodria, L. 2010. Evaluation of grape quality parameters by a simple VIS/NIR system. Trans. Am. Soc. Agr. Bio. Eng. 53(2): 477-484.

 

Jaiswal, P., Jha, S. N. and Bharadwaj, R. 2012. Non-destructive prediction of quality of intact banana using spectroscopy. Sci. Hortic. 135, 14-22.

 

Jamshidi, B., Minaei, S., Mohajerani, E. and Ghassemian, H. 2012. Reflectance Vis/NIR spectroscopy for nondestructive taste characterization of Valencia oranges. Comput. Electr. Agr. 85, 64-69.

 

 Larraín, M., Guesalaga, A. R. and Agosín, E. 2008. A multipurpose portable instrument for determining ripeness in wine grapes using nir spectroscopy. Trans. Instrum. Meas. 57(2): 294-302.

 

Mitcham, B., Cantwell, M. and Kader, A. 1996. Methods for determining quality of fresh commodities. Perishable Handling Newsletter. 85, 1-5.

 

Moghimi, A., Aghkhani, M. H., Sazgarnia, A. and Sarmad, M. 2010. Vis/NIR spectroscopy and chemometrics for the prediction of soluble solids content and acidity (pH) of kiwifruit. Biosyst. Eng. 106, 295-302.

 

Nicolai, B. M., Beullens, K., Bobelyn, E., Peirs, A., Saeys, W., Theron, K. I., Karen, I. T. and Lammertyn, J. 2007. Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review. Postharvest Biol. Tec. 46, 99-118.

 

Nicolai, B. M., Defraeye, T., Ketelaere, B. D., Herremans, E., Hertog, M. L., Saeys, W., Torricelli, A., Vandendriessche, T. and Verboven, P. 2014. Nondestructive measurement of fruit and vegetable quality.Food Sci. Tech. 5, 285- 312.

 

Rahemi, M. 2010. Postharvest: An Introduction to the Physiology and Handling of Fruit, Vegetables and ornamentals. Shiraz University Press. (in Persian)

 

Raja, H. N.,  Dara, N. E., Hobaika, Z., Boussetta, N., Vorobiev, E., Maroun, R. G. and Louka, N. 2014. Extraction of total phenolic compounds, flavonoids, anthocyanins and tannins from grape byproducts by response surface methodology. Influence of solid-liquid ratio, particle size, time, temperature and solvent mixtures on the optimization process.  J. Food Nutr. Sci. 5, 397- 409.

 

Sanchez, M. T., Joze Del La Haba, M., Benitez-Lopez, M., Fernandez-Novales, J., Garrido-Varo, A. and Perez-Marin, D. 2011. Non-destructive characterization and quality control of intact strawberries based on NIR spectral data. J. Food. Eng. 110, 102-108.

 

Shao, Y., He, Y., Gomez, A. H., Pereir, A. G., Qiu, Z. and Zhang, Y. 2007. Visible/near infrared spectrometric technique for nondestructive assessment of tomato ‘Heatwave’ (Lycopersicum esculentum) quality characteristics. J. Food. Eng. 81, 672-678.

 

Tafazoli, A., Hekmati, J. and Firozeh, P. 1993. Grape. Shiraz University Pub. (in Persian)

 

Teye, E., Huang, X. and Afoakwa, N. 2013. Review on the potential use of near infrared spectroscopy (NIRS) for the measurement of chemical residues in food. Am. J. Food Sci. Technol. 1(1): 1-8.

 

Viscarra-Rossel, R. A. 2008. ParLeS: Software for chemometric analysis of spectroscopic data. Chemom. Intell. Lab. 90, 72-83.

 

Wold, S., Sjostrom, M. and Erikson, L. 2007. PLS-regression: a basic tool of chemometrics. Chemom. Intell. Lab. 58, 109-130.28.