基于綠熟番茄果實L*值的番茄紅素含量預測模型建立

裴嬌艷，楊震峰，許 鳳，鄭永華*

(1.南京農業大學食品科技學院，江蘇 南京 210095；2.浙江萬里學院生物與環境學院，浙江 寧波 315100)

基于綠熟番茄果實L*值的番茄紅素含量預測模型建立

裴嬌艷1,2，楊震峰2，許 鳳1,2，鄭永華1,*

(1.南京農業大學食品科技學院，江蘇 南京 210095；2.浙江萬里學院生物與環境學院，浙江 寧波 315100)

為了研究綠熟番茄果實貯藏期間顏色和番茄紅素含量變化的關系，通過不同溫度下的貯藏實驗研究基于果實明度(L*值)的番茄紅素含量預測模型。將綠熟番茄果實貯藏在283.15、288.15、298.15K條件下，測定了果實L*值和番茄紅素含量的變化。采用指數函數和Gomportz函數分別對不同貯藏溫度下番茄果實L*值和番茄紅素含量進行曲線擬合，建立了果實L*值和番茄紅素含量與貯藏時間和貯藏溫度之間的動力學模型。實驗表明，指數函數和Gomportz函數分別對番茄果實L*值和番茄紅素含量的變化具有較高的擬合精度(R2＞0.95)。在Arrhenius動力學方程基礎上得到綠熟番茄果實貯藏期間L*值和番茄紅素含量變化的活化能(Ea)分別為48.09kJ/mol和67.06kJ/mol，復相關系數分別為0.9644和0.9815。建立的基于果實L*值變化的番茄紅素含量的預測模型所獲得的番茄紅素預測值與實測值之間的平均相對誤差為8.74%，小于10%。這表明，在283.15～298.15K(10～25℃)的貯藏溫度范圍內，可根據番茄果實采后L*值的變化對番茄紅素的含量進行預測。

番茄果實；明度；番茄紅素含量；動力學模型

番茄為躍變型果實，其成熟過程可以分為綠熟期、微熟期、半熟期、堅熟期和軟熟期5個過程[1]。綠熟期到微熟期的番茄果實已充分長成，物質積累過程已完成，在貯藏中完成后熟過程，可以獲得接近在植株上成熟的品質。所以，用于貯藏或長距離運輸的番茄應在這一時期采收。

番茄果實的顏色是評定其等級、衡量其質量的重要指標之一[2]。番茄所含的色素有番茄紅素、類胡蘿卜

素、葉黃素及葉綠素等，各品種番茄的色澤，決定于各種色素的相對濃度和分布。一般番茄紅素含量越高，色澤愈紅。但顏色研究中色素成分的分析過程不僅煩瑣，而且不能給出人眼實際感覺到的顏色，很難令人滿意。目前，較多學者把果實蔬菜表面顏色的物理測試作為研究顏色變化的方法，其變化規律可利用動力學理論進行分析和研究[3-8]。汪琳等[9]研究了綠熟番茄采后成熟過程中果皮顏色的變化規律, 確定了色澤角、色澤比(a*/b*) 和明度(L*)等主要顏色指標變化的動力學模型，并設計了一個色澤角-時溫預測模型，用于預測和監控果實采后貯藏品質的變化；Lana等[10]采用圖像分析技術研究了貯藏溫度和采收成熟度對番茄果實RGB顏色參數的影響，建立了不同貯藏溫度和采收成熟度條件下番茄果實顏色的預測模型。但目前大部分的研究都集中在建立番茄果實采后顏色變化的動力學模型，而對綠熟番茄果實采后顏色變化與呈色物質的相關性及其預測模型的研究卻少有報道。

本實驗通過研究貯藏在283.15、288.15、298.15K條件下綠熟番茄果實的L*值和番茄紅素含量變化的規律，應用動力學模型建立基于番茄果實L*值變化的番茄紅素含量預測模型，旨在為建立番茄果實采后流通過程中品質變化的評價系統提供基礎理論依據。

1 材料與方法

1.1 材料、試劑與儀器

番茄果實品種為“秀麗”，采自寧波飛洪生態農業發展有限公司的生產基地。果實于綠熟期采收，采后2h內運達實驗室。選擇大小均勻，成熟度相對一致，無病蟲害，無機械傷害的果實進行實驗。

1,2-二氯乙烷、碳酸鈉(均為分析純) 國藥集團化學試劑有限公司。

754型紫外分光光度計 上海菁華科技儀器有限公司；DSHZ-300型多用途恒溫水浴振蕩器 江蘇太倉市實驗設備廠；GL-20G-Ⅱ型離心機 上海安亭科學儀器廠；WSC-S型全自動測色色差儀 上海精密科學儀器有限公司。

1.2 方法

1.2.1 材料處理和取樣方法

將挑選好的果實置于低溫下預冷24h后，用0.03mm厚的聚乙烯保鮮袋分裝，每4個番茄裝一袋，再用皮筋扎兩圈，切勿將口扎嚴。將分裝好的番茄置于283.15、288.15、298.15K的恒溫恒濕箱中貯藏，相對濕度控制在85%～95%。另設驗證實驗1組，貯藏在296.15K條件下。每個貯藏溫度均重復3次，每次重復80個果實。定期取樣測定果實顏色和番茄紅素含量。

1.2.2 果實顏色的測定

果實顏色采用自動色差計測定，用標準陶瓷板標定X = 76.74，Y = 81.07，Z = 80.89作為工作標準。測定CIE-Lab表色系中的L*值(明度，反映色澤的明度，從0～100變化，0是黑色，100是白色)，a*值(紅度，正值代表紅色，負值代表綠色)，b*值(黃度，正值代表黃色，負值代表藍色)。每次重復均從80個果實中隨機取4個果實，在果實赤道部位每隔120°取3點測定，結果取平均值[11]。

1.2.3 番茄紅素含量的測定

果實中番茄紅素含量的測定參照沈蓮清[12]的方法，并加以修改。每次重復均從80個果實中隨機取8個果實，在8個果實中隨機取200g果肉切成碎塊后勻漿，同時加入1g 碳酸鈉以中和細胞破碎時釋放出的有機酸。稱取15g果實勻漿于小三角瓶中，用3倍體積的1,2-二氯乙烷在55℃水浴振蕩，振蕩頻率為170r/min。提取1h后，12000×g離心10min，將提取后的殘渣用上述方法再提取2次，合并提取液定容至100mL，用紫外可見分光光度計測定485nm波長處的吸光度。每次測定重復3次。

1.2.4 數據處理和模型擬合度分析

采用Origin7.5軟件進行數據處理分析，用Duncan氏多重比較進行不同溫度貯藏組間差異顯著性檢驗。線性擬合和回歸分析采用Matlab7.1軟件進行分析處理。模型的擬合準確度通過平均相對百分比誤差值來確定，其定義為：

式中：Ve、Vp分別為每次試驗的測試值和預測值；N為試驗次數。P＜10%，認為該模型的擬合度可以接受[13-14]。

2 結果與分析

2.1 不同貯藏溫度下番茄果實 L*值和番茄紅素含量的變化

綠熟番茄采后果實顏色在貯藏期間發生了顯著的變化，由最初的綠色向微紅、粉紅、全紅轉變。由圖1A可知，隨著果實的后熟進程，綠熟期采收的番茄果實顏色逐漸向紅色轉變，果實顏色的明度(L*值)開始下降。貯藏溫度顯著影響綠熟番茄果實采后L*值的變化。在283.15～298.15K的范圍內，貯藏溫度越高，果實L*值下降越快。298.15K貯藏20d后，果實L*值由最初的55.9下降到31.4，下降了43.8%，而在288.15K和283.15K條件下貯藏33d和39d的番茄果實L*值分別下降

了43.1%和33.6%。貯藏后期各溫度下番茄果實L*值下降減慢，這可能與轉色程度較高后果實紅色增加不明顯有關。

綠熟番茄果實后熟過程中番茄紅素含量的變化如圖1B所示。在283.15～298.15K的貯藏溫度范圍內，果實中番茄紅素含量逐漸增加。貯藏前10d期間，果實中番茄紅素的合成較少，各溫度下番茄紅素含量差別不顯著。但10d后，果實開始轉色，果實中番茄紅素大量合成，番茄紅素含量迅速增加，此時貯藏溫度顯著影響果實中番茄紅素的積累。在本實驗溫度范圍內，貯藏溫度越高，果實中番茄紅素的合成速度越快，番茄紅素含量的增加越明顯。298.15K貯藏20d后，果實中番茄紅素的含量為41.92 μg/g mf，含量增加了30倍，而在288.15K和283.15K條件下貯藏33d和39d的果實番茄紅素含量則分別增加了24.8倍和9.7倍。貯藏結束時，綠熟番茄果實全部轉紅變軟，但不同貯藏溫度下番茄紅素含量差異顯著，其中298.15K的含量最高為41.92 μg/g mf，288.15K和283.15K的次之，分別為34.63μg/g mf和14.35 μg/g mf。

2.2 L*值和番茄紅素含量變化的動力學模型

圖1 貯藏溫度對綠熟番茄果實L*值(A)和番茄紅素含量(B)的影響Fig.1 Effect of storage temperature on L value (A) and lycopene content (B) of mature green tomato fruits

根據不同貯藏溫度下番茄果實L*值和番茄紅素含量的變化規律，可以建立L*值和番茄紅素含量隨著貯藏時間變化的一級動力學模型。L*值變化是典型的指數形式[9]，故將貯藏期間L*值的變化進行指數函數曲線擬合，并利用Gomportz函數對番茄紅素含量的變化進行Gomportz曲線擬合[6,15-16]。擬合得到的不同貯藏溫度下L*值和番茄紅素含量變化的一級動力學模型的回歸方程、反應速率常數(k)、決定系數(R2)見表1。

表1 不同貯藏溫度下綠熟番茄果實L*值和番茄紅素含量的動力學模型及參數Table1 Kinetics models and parameters for L value and lycopene content of mature green tomato fruits stored at different temperatures

由表1可知，不同貯藏溫度條件下擬合所得的L*值和番茄紅素含量一級動力學模型回歸方程的決定系數均大于0.95，這表明所得回歸方程具有很高的擬合精度，即實測值和模型的預測值具有較高的一致性。同時發現，生化反應速率常數k隨著貯藏溫度的升高而增加。

圖2 綠熟番茄果實L*值(A)和番茄紅素含量(B)的Arrhenius曲線Fig.2 Arrhenius curves for L value (A) and lycopene content (B) of mature green tomato fruits

生化反應速率常數k是溫度的函數，因此運用Arrhenius方程可以求得在283.15～298.15K貯藏溫度范圍內，果實L*值和番茄紅素含量變化的反應速率常數及反應活化能。用L*值和番茄紅素含量的lnk對1/T分別

所做的Arrhenius曲線如圖2所示。復相關系數分別為0.9644和0.9815，這表明本實驗選用的指數函數和Gomportz函數在建立果實L*值和番茄紅素含量變化動力學模型的過程中適用。

由Arrhenius方程計算得到貯藏期間番茄果實L*值和番茄紅素含量變化的活化能(Ea)分別為48.09kJ/mol和67.06kJ/mol。根據表1中不同貯藏溫度條件下擬合所得的動力學模型回歸方程和由Arrhenius方程計算得到的反應速率常數可建立番茄果實L*值和番茄紅素含量變化的最終預測模型方程。

果實L*值變化的最終預測模型方程：

果實番茄紅素含量變化的最終預測模型方程：

(1)和(2)式中：L*為果實明度；C為果實番茄紅素含量(μg/g mf)；t為貯藏時間/d；T為貯藏溫度/K。下同。

2.3 L*值和番茄紅素含量變化的關系

方程(4)為在確定的貯藏溫度下，基于果實L*值變化的番茄紅素含量的預測方程。在番茄果實L*值和貯藏溫度已知的情況下，可以根據方程(4)預測出番茄果實中番茄紅素的含量。

2.4 預測模型驗證

為了驗證預測模型的準確性，利用建立的基于果實L*值變化的番茄紅素含量的預測方程對驗證實驗中貯藏在296.15K條件下的綠熟番茄果實中番茄紅素含量進行預測，并將預測值和實測值進行比較(圖3)。

圖3 296.15K條件下綠熟番果實茄番茄紅素實測值和預測值Fig.3 Plot of predicted versus measured values of lycopene content of green mature tomato fruits stored at 296.15 K

圖3 中驗證結果顯示，應用本研究建立的基于果實L*值變化的番茄紅素含量的預測模型所獲得的番茄紅素含量預測值與實測值之間平均相對誤差P=8.74%，小于10%，預測值和實測值具有很高的一致性，說明模型的擬合精確度在可接受范圍之內。因此，根據此模型可以快速可靠的預測283.15～298.15K(10～25℃)貯藏條件下綠熟番茄果實采后番茄紅素含量的變化。

3 結 論

在不同貯藏溫度下對綠熟番茄果實L*值和番茄紅素含量的變化及其規律進行研究。實驗結果表明：不同貯藏溫度下綠熟番茄L*值隨著貯藏時間的延長不斷下降，而果實中番茄紅素的含量則隨著貯藏時間的延長逐漸增加，且隨著貯藏溫度的升高，L*值的下降和番茄紅素的積累加快，符合一級化學反應動力學模型；采用指數函數和Gomportz函數分別對不同貯藏溫度下番茄果實L*值和番茄紅素含量進行曲線擬合，擬合所得的L*值和番茄紅素含量一級動力學模型回歸方程的決定系數均大于0.95。并由Arrhenius方程計算得到貯藏期間綠熟番茄果實L*值和番茄紅素含量變化的活化能(Ea)分別為48.09kJ/mol和67.06kJ/mol，復相關系數分別為0.9644和0.9815，這表明本實驗選用的指數函數和Gomportz函數在建立果實L*值和番茄紅素含量變化動力學模型的過程中適用；本實驗建立的基于果實L*值變化的番茄紅素含量的預測模型所獲得的番茄紅素預測值與實測值之間的平均相對誤差為8.74%，小于10%。由此，在283.15～298.15K(10～25℃)的貯藏溫度范圍內，根據番茄果實采后L*值的變化對番茄紅素的含量進行預測，可以判斷和實時監控綠熟番茄采后的新鮮程度和品質變化，更好地控制產品的商品性。

[1]CARAA B, GIOVANNONI J J. Molecular biology of ethylene during tomato fruit development and maturation[J]. Plant Science, 2008, 175: 106-113.

[2]HERTOG M, LAMMERTYN J, DESMET M, et al. The impact of biological variation on postharvest behaviour of tomato fruit[J]. Postharvest Biology and Technology, 2004, 34: 271-284.

[3]任珂, 屠康, 潘磊慶, 等. 青花菜貯藏期間顏色變化動力學模型的建立[J]. 農業工程學報, 2005, 21(8): 146-149.

[4]TIJSKENS L M M, EVELO R G. Modelling colour of tomatoes during postharvest storage[J]. Postharvest Biology and Technology, 1994(4): 85-98.

[5]IBARZ A, PAGN J, GARZA S. Kinetic models for colour changes in pear puree during heating at relatively high temperaturas[J]. Journal of Food Engineering, 1999, 39(4): 415-422.

[6]GODOY C, MONTERUBBIANESI G, TOGNETTI J. Analysis of highbush blueberry (Vaccinium corymbosum L.) fruit growth with exponential mixed models[J]. Scientia Horticulturae, 2008, 115(4): 368-376.

[7]SCHOUTEN R E, TIJSKENS L M M, van KOOTEN O. Predicting keeping quality of batches of cucumber fruit based on a physiological mechanism[J]. Postharvest Biology and Technology, 2002, 26(2): 209-220.

[8]JHA S N, CHOPRA S, KINGSLY A R P. Modeling of color values for nondestructive evaluation of maturity of mango[J]. Journal of Food Engineering, 2007, 78(1): 22-26.

[9]汪琳, 應鐵進. 番茄果實采后貯藏過程中的的顏色動力學模型及其應用[J]. 農業工程學報, 2001, 17(3): 118-121.

[10]LANA M M, TIJSKENS L M M, van KOOTEN O. Effects of storage temperature and stage of ripening on RGB colour aspects of fresh-cut tomato pericarp using video image analysis[J]. Journal of Food Engineering, 2006, 77(4): 871-879.

[11]HERTOG M L A T M, LAMMERTYN J, DESMET M, et al. The impact of biological variation on postharvest behaviour of tomato fruit [J]. Postharvest Biology and Technology, 2004, 34(3): 271-284.

[12]沈蓮清, 許明峰, 王向陽. 番茄紅素的提取工藝研究[J]. 食品研究與開發, 2007, 28(8): 191-192.

[13]BOQUET R, CHIRIFE J, IGLESIAS H A. Equations for fitting water sorption isotherms of foods.Ⅱ. evaluation of various two-parameter models[J]. Journal of Food Technology, 1978, 13(3): 319-327.

[14]KAYMAK-ERTEKIN F, GEDIK A. Sorption isotherms and isosteric heat of sorption for grapes, apricots, apples and potatoes[J]. Lebensmittel Wissenschaft und-Technologie, 2004, 37(4): 429-438.

[15]QUINTASA M, BRANDOA T R S, SILVA C L M. Modelling autocatalytic behaviour of a food model system—Sucrose thermal degradation at high concentrations[J]. Journal of Food Engineering, 2007, 78(2): 537-545.

[16]SINIGAGLIA M, CORBO M R, D AMATO D, et al. Shelf-life modelling of ready-to-eat coconut[J]. International Journal of Food Science & Technology, 2003, 38(5): 547-552.

Prediction Model, Based on L* Value, of Lycopene Content of Mature Green Tomato

PEI Jiao-yan1,2，YANG Zhen-feng2，XU Feng1,2，ZHENG Yong-hua1,*
(1. College of Food Science and Technology, Nanjing Agricultural University, Nanjing 210095, China；2. College of Biological and Environmental Sciences, Zhejiang Wanli University, Ningbo 315100, China)

A kinetic model was developed to predict the lycopene content as a function of the luminosity (L) of mature green tomatoes stored at different temperatures. The L value and lycopene content of mature green tomatoes stored at 283.15, 288.15, 296.15 K or 298.15 K were determined. The kinetic models of L value and lycopene content with respect to length of storage and storage temperature were developed based on exponential function and Gomportz function, respectively. The high regression coefficients (R2＞ 0.95) indicated the acceptability of the exponential function and Gomportz function for predicting the changes of L value and lycopene content in tomato fruits. Activation energies (Ea) and multiple correlation coefficients for L value and lycopene content were obtained based on the Arrhenius equation: 48.09 kJ/mol and 67.06 kJ/mol, 0.9644 and 0.9815, respectively. The average relative error between the predicted and measured values of lycopene content was 8.74% (within ± 10%). These results suggest that lycopene content in mature green tomato fruits stored at a storage temperature from 283.15 to 298.15 K may be accurately predicted based on L value.

tomato fruit；L value；lycopene content；kinetic models

TS255.3

A

1002-6630(2010)10-0296-05

2009-08-08

“十一五”國家科技支撐計劃重點項目(2006BAD30B03)；浙江省科技廳項目(2009C32086)

裴嬌艷(1984—)，女，碩士研究生，研究方向為農產品貯藏加工。E-mail：peijiaoyan84@163.com

*通信作者：鄭永華(1963—)，男，教授，博士，研究方向為果蔬貯運技術。E-mail：zhengyh@njau.edu.cn