基于生物阻抗特性分析的蘋果霉心病無損檢測

李 芳，蔡 騁，馬惠玲*，王思玲，王 媛

(1.西北農林科技大學林學院，陜西 楊凌 712100；2.西北農林科技大學信息工程學院，陜西 楊凌 712100；3. 西北農林科技大學生命科學學院，陜西 楊凌 712100)

基于生物阻抗特性分析的蘋果霉心病無損檢測

李 芳1，蔡 騁2，馬惠玲3,*，王思玲3，王 媛3

(1.西北農林科技大學林學院，陜西 楊凌 712100；2.西北農林科技大學信息工程學院，陜西 楊凌 712100；3. 西北農林科技大學生命科學學院，陜西 楊凌 712100)

為建立一種蘋果霉心病的無損檢測方法，運用LCR測試儀在100Hz～3.98MHz頻率、1V電壓、(20±1)℃恒溫條件下測定和比較富士蘋果霉心病果和好果的7個阻抗參數變化規律及3個理化品質指標。結果表明：隨著頻率的增加，果實的復阻抗Z和并聯電阻Rp下降，電納B和電導G增加，lgZ、lgB分別與lgf呈極顯著(R2＞0.99)線性關系，果實的復阻抗相角θ、并聯電容Cp的對數值和損耗系數D的對數值均呈起伏式變化，并依次有1、2、3個轉折點。霉心病未改變果實各阻抗參數隨頻率的變化趨勢，卻使果實復阻抗Z減少，B和Cp增大。采用稀疏主元分析(SPCA)篩選出組成14個有效主元的27個非零加載系數的阻抗參數，分別選取支持向量機(SVM)和人工神經網絡(ANN)作為分類器，以SVM對霉心病的識別效果更穩健，經過10輪交叉驗證的分類實驗對霉心病果和好果的正確識別率達到94%，確定了所篩選特征阻抗參數的有效性和SPCA-SVM信息分析軟件用于霉心病識別的可行性。同步理化品質測定表明，霉心病果的密度和可溶性固形物含量較好果下降，這是霉心病果阻抗特性改變的理化基礎。

蘋果；霉心病；阻抗特性；稀疏主元分析-支持向量機；稀疏主元分析-人工神經網絡

蘋果霉心病又稱霉腐病、心腐病。霉心病果主要表現為心室霉變(霉心型)和果心腐爛(心腐型)，果面不出現明顯相關癥狀。因此，霉心病果實較難識別，不易被發現[1]，其混在好果中流入市場，不僅損害了消費者權益，也會影響果商和產地的聲譽，甚至在國際市場上影響國家的聲譽。研究者們非常重視霉心病發病原因及防治措施的研究[2-3]，努力從源頭上控制病果的出現[4]，卻因缺乏有效的檢測手段，無法在果實分級流水線上準確剔除已經發病的果實，霉心病的檢測成為困擾蘋果采后產業的一大難題。阻抗特性是由生物組織的物質成分、分子結構所決定的，是生物的固有特性，實踐中可以在不干擾生物代謝的微弱電場中較容易地對其進行無損測量[5]，生物阻抗特性檢測具有設備簡單、投資費用低、對材料變化反應靈敏等特點[6]。已有研究發現，果實的成熟度、含水率等一些生理指標與其阻抗特性具有一定的相關關系[7]，蘋果表面紅點病、機械損傷以及虎皮病可以通過某些特征阻抗參數的變化表現出來[8-9]。蘋果新鮮度分級也可通過多個阻抗參數特征值構建的主成分結合數學分類器實現[10]。利用阻抗特性這一物理指標對果實進行無損檢測具有廣闊的應用前景，而目前對蘋果阻抗特性與霉心病的關系尚未見報道。本實驗選用采收期的富士蘋果霉心病果和好果為材料，測試分析二者阻抗參數特征值變化的不同規律，以期建立一種基于生物阻抗特性的蘋果霉心病無損檢測方法。

1 材料與方法

1.1 材料

供試蘋果品種為富士，采自陜西省寶雞市扶風縣召公鎮農家果園。于商品成熟期，選取大小均勻、成熟度一致、無機械傷的疑似霉心病果(根據有經驗的果農對果實進行判斷)和好果采收，采后當天運回西北農林科技大學實驗室，置于(20±1)℃、相對濕度80%～85%的室內攤放一晝夜，充分散發田間熱，保持溫度平衡，再次挑選確定均勻一致的霉心病果和好果各260個，備用。

1.2 儀器與設備

3532-50 LCR測試儀 日本Hioki E.E.公司；銅制正方形平行板電極(6cm×6cm) 自制；FT-327水果硬度計意大利Breuzzi公司；LH-T32糖度計 杭州路恒生物科技有限公司。

1.3 方法

1.3.1 阻抗參數和密度測定

對選取的疑似霉心病果和好果逐一編號，逐果測定復阻抗Z、復阻抗相角θ、并聯電容Cp、并聯電阻Rp、介電損耗系數D、電導G及電納B，共7個阻抗參數值。測試頻率為100Hz～3.98MHz。其他測試條件主要參照文獻[11]。每個果實的測定值均取沿其赤道兩個垂直方向重復測定2次的平均值。同時采用排水法逐果測定密度。

1.3.2 樣品果實及其阻抗特性數據庫的選定

阻抗參數測試及密度測定后沿橫徑切開，觀測果實發病情況，從260個疑似病果中選出48個真實發生霉心病的果實，挑取相同數量的好果，分別將好果和病果的各阻抗參數測定值與果實編號對應列表，建立分析數據庫。

1.3.3 品質指標的測定

對挑取的霉心病果和好果各48個果實進行密度測定后，再逐一測定其硬度及可溶性固形物含量。

1.3.4 數據處理

測定數據用SPSS 17.0進行分析，同時對霉心病果和好果各48個果實的阻抗參數值取其平均值，用Excel軟件作圖，用稀疏主元分析-支持向量機聯合運算(sparse principal component analysis-support vector machine，SPCA-SVM)和稀疏主元分析-人工神經網絡聯合運算(sparse principal component analysis-artificial neural network，SPCA-ANN)建立阻抗參數識別霉心病的數據處理模型，確定識別率。

1.3.5 稀疏主元分析的原理

主元分析(principal component analysis，PCA)是模式識別、機器學習和數據分析中一種常用的數據降維或特征提取技術[12]，設D維的原始信號為x，經過主元投影向量w，得到新的變量y=wTx(T代表轉置)，對于訓練樣本集合X={xi}, 1≤i≤N，主元投影向量y的求解如公式(1)所示：

稀疏主元分析(sparse principal component analysis，SPCA)通過加入稀疏約束，使得計算得到的主元方向既能夠保持數據的分布特性，又能夠篩選出更稀疏的投影方向，加入稀疏約束的求解方程由公式(1)演變為公式(2)：

式中：α為加權系數，取值范圍為[0,1]，權衡主元稀疏性的權重，當α取0時，退化為傳統的PCA。

1.3.6 支持向量機分類器的選擇

支持向量機(support vector machine，SVM)基于超平面線性可分假設，尋找一個超平面映射，使得類別中最近的點到該超平面的幾何間隔最大。如果訓練集在原始空間中線性不可分，則SVM將樣本點通過核函數映射到高維空間使其線性可分。本實驗選用徑向基(RBF)核函數，性能較穩定，參數容易篩選。

1.3.7 人工神經網絡分類器的選擇

人工神經網絡(artif i cial neural network，ANN)通過模擬自然神經網絡的連接模型，可以逼近復雜的非線性分布，由于所有定量或定性的信息都等勢分布存儲于網絡內的各個神經元，對于高維空間中的數據分類具有較強的魯棒性。本實驗選取前向反饋神經網絡，具有較強的容錯性能。

2 結果與分析

2.1 霉心病對果實各阻抗參數隨頻率變化規律的影響

2.1.1 果實復阻抗Z和并聯電阻Rp

圖1 果實復阻抗Z和并聯電阻Rp隨頻率的變化Fig.1 Change in impedance (Z) and parallel resistance (Rp) of fruits with frequency

由圖1可知，兩種果實的lgZ和lgRp均隨著lgf的增大而總體下降，這一結果與同一頻率段內測定的富士蘋果好果和虎皮病果[9]、嘎啦蘋果[14]、番茄[15]、紅巴梨[16]、火柿[17]上表現一致。說明100Hz～3.98MHz范圍內，Z與Rp在不同種類、不同品種蘋果果實中均隨頻率增加而下降，蘋果果實發生霉心病不改變這一趨勢。lgZ與lgf之間具有很好的線性相關關系，二者在好果上的擬合方程為lgZ=－1.091lgf＋8.914，R2=0.991，在霉心病果上的線性擬合方程為lgZ=－1.074lgf＋8.733，R2=0.992；lgRp隨lgf增大而下降的過程中，在10～63.1kHz和1.0～3.98MHz區間出現向上振蕩，此時lgRp與lgf不呈現嚴格的線性關系。頻率是影響阻抗特性的最主要因素之一，低頻條件下細胞壁容抗較大，交流電只能通過細胞壁。隨著頻率的增加，細胞膜的容抗降低，導電性增強[18]。因此，反映電阻特性的復阻抗Z和并聯電阻Rp表現出隨頻率增大而增大的總體趨勢。但是，某些頻率條件下離子和水分子會因運動取向調整而發生傳導性和松馳性的改變[19]，使各阻抗參數的取值受到干擾，Rp在兩頻率區間內的波動正是這種干擾的表現，而Z受到的干擾不明顯，說明Z受離子和分子電阻特性轉換的影響不大。

新疆自然環境的獨特性與多民族共同衍生的社會環境，共同形成的民族體育文化生態圈，凝結成了豐富的民族傳統體育非物質文化資源庫。“一帶一路”倡議的提出，使新疆體育非物質文化遺產的項目分類更加清晰，與其發展相關聯的地理空間、文化空間、經濟環境等多因素也促使民族文化實現轉型。體育非物質文化遺產多流傳于民間，因此，有必要清晰地呈現出新疆體育非物質文化遺產的代表性項目名錄，從根源與傳承機制方面了解其發展的歷史演進、空間分布特征，為落實鄉村文化振興戰略提供參考依據(見表1、表2)。

霉心病減少了果實各頻率條件下的Z，與好果的差異在頻率100Hz～1MHz區間達顯著水平(P≤0.05)；霉心病果Rp在100Hz～10kHz范圍內小于好果，差異顯著(P≤0.05)。由于霉心病加速果實衰老[2]，衰老使細胞膜透性增大，細胞膜容抗下降，因此，霉心病引起電阻抗類參數下降。但是，當頻率大于10kHz后，霉心病果與好果的Rp大小有交替現象，如在25.1kHz時病果Rp極顯著高于好果(P≤0.01)，在2.51MHz時又顯著低于好果(P≤0.05)，這與霉心病引起膜容抗下降，可能在某些頻率時引發了其他對Rp有影響的理化性質變化有關，其綜合作用使Rp在不同頻率條件下與好果的Rp不同。可見，Z和Rp兩參數中，只有Z可在寬泛的頻率區間對蘋果霉心病作出一致的響應，其變化預示著霉心病的發生，是可能預告該病的阻抗參數之一。

2.1.2 果實電納B和電導G

圖2 果實電納B和電導G隨頻率的變化Fig.2 Change in susceptance (B) and conductance (G) of fruits with frequency

從圖2可以看出，霉心病果與好果的電納B對數值和電導G對數值均隨著頻率對數值的增大而增大，這與迄今測定的同一頻率段內紅富士蘋果的好果與虎皮病果[9]、紅巴梨[16]、火柿[17]上的表現一致。說明100Hz～3.98MHz范圍內，B與G在不同種類果實中均隨頻率的增大而增大，果實發生霉心病不改變這一變化趨勢。其中，lgB與lgf呈現良好的線性關系, 在好果上的線性擬合方程為lgB=1.069lgf－8.804，R2=0.990，在霉心病果上的線性擬合方程為lgB=1.061lgf－8.660，R2=0.991，幾乎是兩條平行的直線。lgG隨lgf增大而增大的過程中在25.1kHz、2.51MHz條件下出現了兩次向下振蕩，此時lgG和lgf不呈現嚴格的線性關系。與電阻類參數變化原因相同，隨著頻率的增大，交流電逐漸能通過整個原生質體[18]，電導性增強，反映導電性的B與G均呈增大的總趨勢。可是，由于不同頻率下離子傳導性和水分子松馳性不同[19]，又使G在一定頻率段出現向下浮動，而B受離子和分子導電特性轉換的影響不明顯，持續下降。

各頻率下霉心病果的B值均大于好果，并在1580Hz～1MHz區間均達到差異顯著水平(P≤0.05)；霉心病果與好果的G值卻在總體接近水平上大小交替。霉心病有減少果實細胞容抗，增大電導的趨勢，但是這一趨勢只表現在電納B上，電導G可能還受到其他同步理化變化的干擾而沒有出現凈增加。因此，B是可能預告蘋果霉心病發生的另一阻抗參數之一。

2.1.3 果實復阻抗相角θ、并聯等效電容Cp和介電損耗系數D

圖3 果實復阻抗相角θ(A)、并聯電容Cp(B)、介電損耗系數D((CC))隨頻率的變化Fig.3 Change in impedance phase angel (θ) (A), parallel capacitance (Cp) (B) and loss coefficient D (C) of fruits with frequency

由圖3可知，霉心病果和好果復阻抗相角θ、并聯電容Cp和介電損耗系數D 這3種參數的對數值均隨頻率對數的增加呈現先由慢到快下降，再快速上升的起伏式變化。3種參數出現第1個下伏波谷的頻率依次減少，分別為398、63.1、25.1kHz。在紅巴梨上測定Cp也出現了相似的波谷[16]，說明不同種類果實Cp隨頻率的變化趨勢趨于一致，θ和D方面還有待在其他果實上進一步觀測。θ、Cp和D中，波谷出現最晚的θ只有1次拐點；第1波谷出現較早的Cp和出現最早的D分別在較高頻率區又出現了第2個、第3個變化拐點。霉心病果實在各個頻率條件下的Cp對數值均大于好果，并在631Hz～1.0MHz區間內差異顯著(P≤0.05)。霉心病果的θ和D在低頻端有低于好果的趨勢，在高頻端又有高于好果的趨勢，大部分頻率條件下與好果相同，說明霉心病使果實的復阻抗相角θ和損耗系數D對頻率變化的響應延遲，而對Cp的影響在各頻率下趨于一致，Cp被選為第3個可能預告霉心病發生的參數。

根據諧振點前介電損耗系數D減小，電容容量隨頻率的增加而減小，諧振點后介電質無序運動活躍，D增大，電容容量隨頻率的增加而增加的原理，和本實驗中觀測到D在10～63.1kHz和1～3.98MHz兩個頻段內各躍變性增大1次(圖3C)的現象推知，在本實驗測定頻率范圍內存在2個諧振點，由于諧振點處電損耗加大引起電阻增大和電導下降，因此Rp和G在對應頻段內出現隨頻率增大而下降和上升方向上的相反浮動。但是，復阻抗Z和電納B受頻率和果實發生霉心病的影響大于受諧振的影響，這為霉心病的無損檢測提供了可能。

綜合上述7個阻抗參數的測定結果，3個參數都在各頻率區段可能預告霉心病的發生，其他參數也偶爾在幾個頻率點處在好果與病果間有所差異，因此具有選取特征參數、構建識別霉心病模型的實際依據。采用稀疏主元分析進行有效特征參數的篩選，再分別通過SVM分類器和ANN分類器試著區分兩類果實。

2.2.1 SPCA主元數對霉心病識別準確率的影響

圖4 不同主元數對霉心病的SPCA-SVM和SPCA-AANNNN識別準確率的影響Fig.4 Discrimination accuracy with SPCA-SVM and SPCA-ANN under different sparse principal component numbers

由圖4可見，對于SVM和ANN分類器，隨著SPCA主元數的增加，霉心病識別準確率隨之增大。從總體的趨勢看，SVM分類器要比ANN分類器更加穩健，這是由于SVM分類器中引入了結構風險，能夠取得更好的泛化性能，為了使算法模型更具普適性，建議選取SVM分類器。可以看到針對SVM分類器，當主元數從1增加至14～20時，識別準確率從55%上升到96%，而主元數在20～90之間雖然識別準確率保持在90%附近起伏變化，但整體有所下降，說明主元數過多時對分類結果有所干擾，因此，選取前14個最有效的主元為SVM分類器的向量。

2.2.2 識別霉心病果最少有效阻抗參數的選出

由表1可知，2.2.1中確定的14個有效主元(sparse principal component，SPC)依次由1～14個非零加載系數的特征阻抗參數組成，除SPC1和SPC2外，構成其他各主元的阻抗參數間有所重復，使構成所有14個最有效主元的阻抗參數只占全部觀測91個參數(7個阻抗特性指標在13個頻率點處的觀測值，7×13=91)中的27個，而且這27個特征參數只涵蓋Z、Cp和B這3種阻抗參數，與霉心病果與好果的Z、Cp和B在各個頻率點處觀測值普遍有所差異的直觀結果一致，并使這3個指標的有效觀測頻率和用于區分霉心病果和好果的方法具體化。其他阻抗特性指標以及Z、Cp和B的非入選頻率區均可省去不測，達到了精簡測定指標數的效果。采取這14個主元用于霉心病果與好果區分，選取支持向量機作為分類器，10輪交叉驗證的分類實驗表明，霉心病果正確識別率達到94%，驗證了所篩選阻抗參數的有效性，也確定了SPCA-SVM用于識別霉心病的可行性。

表1 最高正確分類率所需至少14個稀疏主元的特征阻抗參數及其加載系數Table1 Specific impedance parameters and their loading coefficient for the least 14 SPCs required for the maximum classification accuracy

2.3 霉心病對果實理化品質的影響

表2 不同果實的3個理化品質值Table2 Three physiochemical attributes of different fruits

從表2可以看出，霉心病造成果實密度和可溶性固形物含量顯著減少(P≤0.05)。霉心病果的硬度雖然小于好果，但是差異未達顯著水平。有報道[20]稱霉心病果的可滴定酸顯著下降，說明霉心病的發生促進了果實衰老，表現為固形物消耗增大，密度下降等。

3 討論與結論

蘋果霉心病果是由真菌感染引起的病害，灰綠、灰白、灰黑等顏色的霉菌在果心滋生，進而導致果心區果肉從心室向外腐爛，果肉味苦[1-2]。隨著霉心病的發生，果實內部特別是近心室部分的細胞形狀產生變化，可滴定酸減少[19]，可溶性固形物含量降低，可推知病果較好果電解質減少，Z和Rp增大，B和G減小，可是實際結果卻相反；是因為病果內多酚氧化酶、過氧化氫酶和過氧化物酶活性和總酚含量較高，促進細胞膜透性增大的丙二醛含量也大大增加[21]，電解質向胞間滲漏較多，組織疏松度大于好果，自由空間比例高。病果中電流通過外質體傳導較好果中更加通暢，運行障礙減少，阻力小，抵消了糖、酸等電解質減少的影響，表觀出電阻減少，電導增大的現象。可見，果實阻抗特性的改變是內部化學組分、組織結構變化的綜合結果，二者之間既相互依賴，又相對獨立，各自遵循著不同的變化規律。

本課題組在前期工作得出，果實新鮮度(綜合內在品質)的下降與多個阻抗參數的特征值有關，揭示了阻抗特性與果實內在品質變化相關關系的復雜性[8]，本實驗得出霉心病的發生主要改變了蘋果果實3種阻抗參數的27個特征值的大小，進一步支持了果實阻抗特性對內部品質改變的響應是多對多的關系，而非多對一，即非個別1～3個敏感特征值所能反映。因為病害或品質改變往往以多項理化和生理指標的共同變化表現出來，相應地，阻抗特性改變也會以一整套參數觀測值的變化表現出來。另外，不同的果實性狀變化引起同步變化的阻抗參數會有所不同，找出一種快速篩選敏感參數的方法是利用阻抗特性進行果實無損檢驗的關鍵。本實驗通過稀疏主元(SPCA)分別結合兩種分類器的分析方法比較得出，采用SPCA-SVM可快速篩選出用于識別蘋果霉心病的特征阻抗參數，它們涉及了3個阻抗參數不同頻率下的觀測值，比較全面而且準確地錨定了特征參數，是比較穩妥的數據分析方法。

蘋果霉心病果與好果的復阻抗Z、并聯電容Cp、電納B在100Hz～3.98MHz頻段內各個頻率點下的觀測值均具有一致性差異，并聯電容Rp、電導G、復阻抗相角θ和介電損耗因子D的規律性差異不明顯。通過稀疏主元分析(SPCA)從7種阻抗參數13個頻率點下的共91個特征值中提取了Z100Hz～1MHz、Cp1580Hz～1MHz、B1580Hz～1MHz范圍內的27個特征值構成14個有效主元，采用SPCA-SVM對霉心病及好果分類識別率達到94%。

[1] 李曉榮, 陳小飛, 李曉萍. 蘋果霉心病發生原因及防治措施[J]. 果農之友, 2009, 9(11): 26-27.

[2] 劉秀玲. 蘋果霉心病的發生及防治技術[J]. 北京農業, 2009, 28(16): 37-38.

[3] REUVEN M , PRUSKY D. Improved control of moldy-core decay (Alternaria alternata) in red delicious apple fruit by mixtures of DMI fungicides and captan[J]. European Journal of Plant Pathology, 2007, 118(4): 349-357.

[4] XIN Yucheng, QIN Shulian, LI Baodu, et al. Control efficacy and inhibitoryaction of Bacillus subtilis XM16 strain on disease and pathogens of apple mould core[J]. Acta Phytopathol Sin, 2000, 30(1): 66-70.

[5] 王文艇, 鐘季康, 馬駿, 等. 生物阻抗技術概述[J]. 上海針灸雜志, 2005, 24(11): 40-44.

[6] 郭文川, 郭康權, 朱新華. 介電特性在番茄和蘋果品種識別中的應用[J]. 農業機械學報, 2006, 37(8): 130-132.

[7] 郭文川, 郭康權, 王乃信. 電激勵信號的頻率和電壓對果品電特性的影響[J]. 農業工程學報, 2004, 20(2): 62-65.

[8] 馬海軍, 宋長冰, 張繼澍, 等. 電激勵信號頻率對紅點病蘋果采后電學特性影響[J]. 農業機械學報, 2009, 40(10): 97-101.

[9] 馬海軍, 馮美, 張繼澍. 100Hz～3.98MHz下蘋果虎皮病果實電特性研究[J]. 農業機械學報, 2010, 41(11): 105-108.

[10] 蔡騁, 李曉龍, 馬惠玲, 等. 基于100Hz～3.98MHz下生物阻抗特性無損測定的蘋果新鮮度SPCA- LDC法分級[J]. 農業機械學報, 2013, 44(2): 147-152.

[11] 馬海軍. 用電學參數標志蘋果采后病害和機械損傷響應機制的研究[D]. 陜西: 西北農林科技大學, 2010.

[12] WOLD S. Principal component analysis[M]. Proceedings of the Multivariates Statistical Workshop for Geologists and Geochemists, 1987: 3-752.

[13] HEIN M, B?HLER T. An inverse power method for nonlinear eigenproblems with applications in 1-spectral clustering and sparse PCA[M]. NIPS, 2010: 847-855.

[14] 王玲, 黃森, 張繼澍, 等. ‘嘎拉’蘋果果實品質的電學特性研究[J]. 西北植物學報, 2009, 29(2): 402-407.

[15] 陳志遠, 張繼澍, 劉亞龍, 等. 番茄成熟度與其電學參數關系的研究[J]. 西北植物學報, 2008, 28(4): 826-830.

[16] 王瑞慶, 張繼澍, 馬書尚. 基于電學參數的貨架期紅巴梨無損檢測[J]. 農業工程學報, 2009, 25(4): 243-247.

[17] 周永洪, 黃森, 張繼澍, 等. 火柿果實采后電學特性研究[J]. 西北農林科技大學學報: 自然科學版, 2008, 36(4): 117-122.

[18] 郭文川, 朱新華, 郭康權. 采后蘋果電特性與生理特性的關系及其應用[J]. 農業工程學報, 2005, 21(7): 136-139.

[19] 朱新華, 郭文川, 郭康權. 電激勵信號對果品電參數的影響[J]. 西北農林科技大學學報: 自然科學版, 2004, 32(11): 125-128.

[20] 辛玉成, 秦淑蓮, 李寶篤, 等. 蘋果品種霉心病發生與果實糖和酸含量的相關性研究初報[J]. 青島農業大學學報: 自然科學版, 1996, 13(4): 286-287.

[21] LI Shunfeng, ZHANG Lihua, LIU Xinghua. Effects of mouldy core and core rot on physiological and biochemical responses of apple fruit[J] . Food Agriculture, 2011, 91(14): 2674-2678.

Nondestructive Detection of Apple Mouldy Core Based on Bioimpedance Properties

LI Fang1，CAI Cheng2，MA Hui-ling3,*，WANG Si-ling3，WANG Yuan3
(1. College of Forestry, Northwest A & F University, Yangling 712100, China；2. College of Information and Engineering, Northwest A & F University, Yangling 712100, China；3. College of Life Science, Northwest A & F University, Yangling 712100, China)

In order to explore and establish an non-destructive method for the detection of mouldy core in apples, the changes of seven impedance parameters with frequency and three physiochemical quality properties were measured on normal fruits and mouldy-core fruits of Fuji apple using LCR instrument under 100 Hz to 3.98 MHz, 1.0 voltage and constant temperature of (20 ± 1) ℃. The results showed that with increasing frequency, complex impedance (Z) and parallel resistance (Rp) of apples revealed a decrease whereas susceptance (B) and conductance (G) exhibited an increase. Signif i cant linear relationship between lgf and lgZ or lgB was observed, respectively (R2＞ 0.99); phase angle (θ), logarithm of parallel capacitance (lgCp) and logarithm of loss coeff i cient (lgD) revealed a fl uctuating trend, with 1, 2 and 3 turning points, respectively. Mouldy-core incidence did not change the trend of each impedance parameter-frequency curve in fruits, but the values of some parameters were altered, for example, Z decrease, B and Cpincreased. Totally 27 specif i c impedance parameters with non-zero loading coefficient for the construction of 14 effective principal components were screened through sparse principal component analysis (SPCA). When recognizing mouldy-core fruits using classifiers of support vector machine (SVM) and artificial neural network (ANN), SVM provided higher accuracy. In addition, in 10 crossvalidation classif i cation tests, mouldy core fruits could be discriminated with an accuracy of 94%, conf i rming the validity of impedance parameters screened and the feasibility of SPCA-SVM analysis software for discriminating mouldy-core from normal fruits. Moreover, the incidence of mouldy-core fruits presented a decrease in density and soluble solid contents in comparison to normal fruits, which provided a physiochemical basis for changes in bio-impedance properties.

apple；mouldy core；impedance property；Sparse principal component-SVM；SPCA-ANN

S183；S661.1

A

1002-6630(2013)18-0197-06

10.7506/spkx1002-6630-201318040

2012-09-24

農業部現代農業(蘋果)產業技術體系建設專項；國家自然科學基金青年科學基金項目(6120218)

李芳(1985—)，女，碩士研究生，主要從事果實采后技術研究。E-mail：xiaoaoshenghuo1986@163.com

*通信作者：馬惠玲(1965—)，女，教授，博士，主要從事果實采后生理與技術研究。E-mail：ma_huiling65@hotmail.com