该研究由Phanaphon Jomnong、Sujitra Funsueb、Chanat Thanavanich、Parichat Theanjumpol、Nadthawat Muenmanee、Kietsuda Luengwilai、Rattapon Saengrayap、Sujitra Arwatchananukul、Saowapa Chaiwong、Pramod Mahajan、José Blasco和Sila Kittiwachana*等作者共同完成，分别来自泰国清迈大学、德国莱布尼茨农业工程与生物经济研究所、西班牙瓦伦西亚农业研究所等机构。研究于2025年发表在《Postharvest Biology and Technology》期刊上，题为《Non-destructive shelf-life prediction models for sweet corn via NIR spectroscopy and integrated postharvest quality parameters》。

学术背景

甜玉米（Zea mays L.）是全球重要的农产品之一，但由于其高水分和糖含量，极易腐烂。采后储存条件（如温度、气氛和包装）对甜玉米的品质有显著影响，尤其是在运输和零售过程中，温度波动会加速品质的劣化。因此，开发一种快速、简单且非破坏性的方法来评估甜玉米的货架期（shelf-life）对生产者和消费者都至关重要。传统的货架期预测模型通常基于单一品质参数，无法全面反映产品的整体品质变化。近年来，多变量加速货架期测试（Multivariate Accelerated Shelf-Life Testing, MASLT）模型被提出，能够同时利用多个品质参数进行货架期预测。近红外光谱（Near-Infrared Spectroscopy, NIR）作为一种非破坏性检测技术，已被广泛应用于多种农产品的品质评估，但在甜玉米货架期预测中的应用仍有限。本研究旨在利用NIR光谱和多变量分析技术，结合多个采后品质参数，开发一种非破坏性的甜玉米货架期预测模型。

研究流程

研究分为以下几个主要步骤：

1. 样品准备与NIR光谱采集
   甜玉米样品采自泰国清迈的本地农场，收获后根据均匀大小和无病虫害的标准进行筛选。样品分为训练集和测试集，分别在4°C、13°C和25°C的恒温箱中储存17天。NIR光谱使用Bruker MPA光谱仪在800-2500 nm范围内采集，每个玉米穗的中心部位采集10次光谱并取平均值，以提高测量精度。

2. 品质参数分析
   研究分析了多个品质参数，包括重量损失、干物质含量、硬度、总可溶性固形物（Total Soluble Solids, TSS）、呼吸速率、果糖、葡萄糖和蔗糖含量。重量损失通过称重法测定，干物质含量通过烘干法测定，硬度使用质地分析仪测量，TSS通过折射仪测定，糖含量通过高效液相色谱法（HPLC）分析，呼吸速率通过气相色谱法测定。

3. 品质参数聚合与玉米品质指数（Corn Quality Index, CQI）计算
   为了综合评估甜玉米的整体品质，研究将所有品质参数聚合为一个数值化的玉米品质指数（CQI）。首先，通过评分曲线将每个品质参数转换为0到1之间的子指数值，然后通过几何平均法计算CQI值。CQI值范围为0到100，数值越高表示品质越好。

4. 货架期预测模型的建立与验证
   研究使用NIR光谱数据和CQI值建立了动力学降解模型和阿伦尼乌斯（Arrhenius）模型。动力学模型基于一级反应方程，描述了品质参数随储存时间的变化。阿伦尼乌斯方程用于估计温度对反应速率的影响。模型的验证通过测试集的光谱数据进行，使用偏最小二乘回归（Partial Least Squares Regression, PLS）进行预测。

主要结果

1. 品质参数变化
   储存温度显著影响了甜玉米的品质。在25°C下，甜玉米的糖含量和TSS迅速下降，硬度增加，且出现了明显的霉变。而在4°C下，甜玉米的品质变化较小，糖含量和TSS保持较高水平。CQI值在不同温度下的变化也反映了这一趋势，4°C下的CQI值显著高于13°C和25°C。

2. NIR光谱分析
   NIR光谱数据通过主成分分析（Principal Component Analysis, PCA）揭示了不同储存条件下样品的特征差异。光谱数据与CQI值之间的相关性通过PLS模型进行了预测，结果显示NIR光谱能够有效预测甜玉米的整体品质。

3. 货架期预测
   基于CQI值和NIR光谱的动力学模型预测了甜玉米在不同储存温度下的货架期。在CQI临界值为36.6的情况下，预测的货架期分别为4°C下36.1天、13°C下9.0天和25°C下4.7天。NIR光谱的预测结果与传统的破坏性方法结果接近，证明了NIR光谱在货架期预测中的有效性。

结论

该研究提出了一种基于NIR光谱和多变量分析的甜玉米货架期预测方法，能够在不破坏样品的情况下快速评估甜玉米的整体品质。通过将多个品质参数聚合为CQI值，并结合动力学模型和阿伦尼乌斯方程，研究实现了对不同储存条件下甜玉米货架期的准确预测。该方法不仅减少了传统品质评估的复杂性，还为采后甜玉米的品质管理提供了科学依据。

研究亮点

1. 多变量分析与NIR光谱结合：研究首次将多变量加速货架期测试（MASLT）模型与NIR光谱技术结合，全面评估了甜玉米的采后品质变化。
2. 非破坏性检测：NIR光谱技术的应用使得货架期预测过程无需破坏样品，为快速、无损的品质评估提供了新思路。
3. 综合品质指数（CQI）：通过将多个品质参数聚合为CQI值，研究实现了对甜玉米整体品质的量化评估，为货架期预测提供了更全面的依据。

研究价值

该研究不仅为甜玉米的采后品质管理提供了科学依据，还为其他易腐农产品的货架期预测提供了参考。NIR光谱技术的应用有望在农产品供应链中推广，帮助生产者和消费者更好地控制产品质量，减少食品浪费。