本发明涉及鸭梨的虎皮病检测，特别是基于高光谱成像无损预测鸭梨中α-法尼烯和共轭三烯酚的方法。
背景技术：
1、虎皮病是某些苹果和梨栽培品种的一种生理性病害，主要症状是果皮上形成不规则的褐色或黑色斑块，最初是浅褐色，随着烫伤的发展，浅褐色区域变成深褐色，并扩大到连续的范围。一般来说，这种病症表现为冷害，通常发生在长期冷藏之后，在果实移至温度较高的地方后会变得更加明显。虽然果实的内部质量不会受到明显影响，但果实的外观会使其失去商业价值。因此，全世界的生产者都指出，虎皮病是限制水果长期贮藏的主要因素之一，如果不进行采后预防处理，可能会导致巨大的经济损失。
2、尽管虎皮病的病因和机理尚未完全清楚，但众所周知，无环倍半萜α-法尼烯的氧化产物共轭三烯(cts)与虎皮病的发生有关。rowan等人确定，冷藏“granny smith”苹果中cts的主要成分是2,6,10-三甲基-2,7,9,11-十二碳四烯-6-醇的两种立体异构体共轭三烯酚(ctols)，而不是体外实验产生的相应的6-氢过氧化物。α-法尼烯和ctols都是虎皮病重要的生理生物标记物，因为α-法尼烯可能作为链式反应的引发剂或参与者参与虎皮病的发生，而在“granny smith”苹果的果皮上施用ctols会诱发类似虎皮病的症状。在贮藏和货架期跟踪果皮中α-法尼烯和ctols的含量有助于水果贮藏管理者及时了解水果的状态，从而预测或预防表皮的虎皮病。测定α-法尼烯和ctols的传统方法包括以下几种：将果皮浸泡在正己烷中，然后用紫外光谱法或高效液相色谱法测定提取物；用气相色谱-质谱法测定α-法尼烯和ctols含量。这些方法都是破坏性和劳动密集型的，需要专门的实验仪器和专业技术人员。因此，人们非常希望采用快速、无损和可靠的方法来测量包括α-法尼烯和ctols在内的重要生物标志物，以支持采后决策。
3、目前，可见光-近红外(vis-nir)高光谱成像(hsi)技术已被证明是一种无损测定的强大工具，可用于检测苹果、梨、葡萄等水果的内部特性，如可溶性固形物含量、ph值和硬度等。hsi还可用于检测金针菇的褐变程度、高粱的蛋白质和脂肪含量、水稻种子的水分含量、花生的脂肪含量、忍冬花的绿原酸含量、紫薯的花青素含量、枇杷的三萜酸含量等。因此，作为一种快速、无损的分析工具，可见光-近红外hsi在许多领域都具有非常大的潜力。尽管之前的研究已经利用近红外反射光谱和叶绿素荧光来预测苹果和梨果实中的α-法尼烯和ctols含量，但据我们所知，利用可见光-近红外hsi技术预测梨果实中的α-法尼烯和ctols含量的研究尚未见报道。
技术实现思路
1、为了解决上述技术问题，本发明提供了一种基于高光谱成像无损预测鸭梨中α-法尼烯和共轭三烯酚的方法。
2、为达到上述目的，本发明是按照以下技术方案实施的：
3、基于高光谱成像无损预测鸭梨中α-法尼烯和共轭三烯酚的方法，包括以下步骤：
4、s1、样品制备：首先评估多个不同货架期的鸭梨样品的虎皮病指数，然后利用高光谱成像系统采集所有鸭梨样品的原始高光谱图像，并对原始高光谱图像进行黑白参考校正得到校正高光谱图像；然后测量所有鸭梨样品高光谱成像系统测定的果皮区域的α-法尼烯和共轭三烯酚的含量；
5、s2、使用envi 5.0软件从每个鸭梨样品的校正高光谱图像中选取整个梨作为感兴趣区域roi，计算roi中所有像素的平均光谱，并将其视为每个鸭梨样品的光谱信息，记为原始平均高光谱数据；对原始平均光谱数据进行预处理后，并分别与测量的相应鸭梨样品的α-法尼烯和共轭三烯酚的含量进行标记；
6、s3、使用matlab 2012a软件将所有鸭梨样品按3:1的比例随机分为校准集和预测集；利用校准集中的样本建立基于ls-svm的α-法尼烯预测模型和共轭三烯酚预测模型；
7、s4、使用建立的α-法尼烯预测模型和共轭三烯酚预测模型分别预测预测集中α-法尼烯和共轭三烯酚的含量。
8、进一步地，所述步骤s1中，每个鸭梨样品的果皮褐变面积的比例分为四个等级：0级表示褐变面积比例＝0；1级表示褐变面积比例为0-25％；2级表示褐变面积比例为25％-50％；3级表示褐变面积比例大于50％；虎皮病指数按以下公式计算：
9、
10、进一步地，所述步骤s1中，
11、采集所有鸭梨样品的原始高光谱图像的过程为：
12、鸭梨表面与高光谱成像系统的相机镜头之间的采集距离设定为200毫米，平移台的移动速度为7.35mm s-1，相机的曝光时间为8.50ms；照相机利用二维探测器以线扫描的形式记录样品反射的光谱信息，得到鸭梨样品的高光谱图像，图像尺寸为(x,y,λ)，其中x和y为空间尺寸即以像素为单位的行数和列数，λ为光谱波段数；
13、对原始高光谱图像进行黑白参考校正采用下式进行：
14、
15、其中，ic是校正后的高光谱图像，i0是原始高光谱图像，id是通过完全关闭相机光圈获得的暗图像，iw是通过聚四氟乙烯白板获得的白图像。
16、进一步地，所述步骤s1中，测量所有鸭梨样品的高光谱成像系统测定的果皮区域的α-法尼烯和共轭三烯酚的含量包括：
17、从之前用高光谱成像系统测定的果皮区域去除果皮，然后用软木塞钻从果皮上取下一个直径为10毫米的圆片，将每个梨果上取下的四个圆片浸入5毫升的hplc级的正己烷中，在22℃温度下持续搅拌30分钟，一个梨果做两个重复；使用紫外可见分光光度计测定梨皮正己烷提取物195-360nm的吸收值；根据232nm的摩尔消光系数(ε232nm＝27740l mol-1cm-1)计算α-法尼烯的浓度，同时使用摩尔消光系数(ε25000＝25000l mol-1cm-1)分别在258nm、281nm和(281-290)nm处计算共轭三烯酚的浓度。
18、进一步地，所述步骤s2中，用于建立基于ls-svm的α-法尼烯预测模型时，采用乘法散射校正-一阶导数处理(msc-fd)相结合的方式对原始平均光谱数据进行预处理；用于建立基于ls-svm的共轭三烯酚预测模型时，采用二阶导数(sd)处理的方式对原始平均光谱数据进行预处理。
19、与现有技术相比，本发明利用可见-近红外hsi技术和机器学习模型可以预测鸭梨的虎皮病生物标志物，即α-法尼烯和ctols的含量，然后提出一种基于高光谱成像无损预测鸭梨中α-法尼烯和共轭三烯酚的方法，可使水果贮藏操作人员快速、无损地预测鸭梨中α-法尼烯和共轭三烯酚的含量、跟踪水果的实时状态，预防水果虎皮病，最终减少因水果变质造成的损失。
1.基于高光谱成像无损预测鸭梨中α-法尼烯和共轭三烯酚的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高光谱成像无损预测鸭梨中α-法尼烯和共轭三烯酚的方法，其特征在于，所述步骤s1中，每个鸭梨样品的果皮褐变面积的比例分为四个等级：0级表示褐变面积比例＝0；1级表示褐变面积比例为0-25％；2级表示褐变面积比例为25％-50％；3级表示褐变面积比例大于50％；虎皮病指数按以下公式计算：
3.根据权利要求1所述的基于高光谱成像无损预测鸭梨中α-法尼烯和共轭三烯酚的方法，其特征在于，所述步骤s1中，
4.根据权利要求1所述的基于高光谱成像无损预测鸭梨中α-法尼烯和共轭三烯酚的方法，其特征在于，所述步骤s1中，测量所有鸭梨样品高光谱成像系统测定的果皮区域的α-法尼烯和共轭三烯酚的含量包括：
5.根据权利要求1所述的基于高光谱成像无损预测鸭梨中α-法尼烯和共轭三烯酚的方法，其特征在于，所述步骤s2中，用于建立基于ls-svm的α-法尼烯预测模型时，采用乘法散射校正-一阶导数处理msc-fd相结合的方式对原始
