点击蓝字
关注我们
文献解读
猕猴桃贮藏
152
6.4 Postharvest Biology and Technology
第一作者、通讯作者
Zhang Jingzhong
Zeng Yunlin*
华中农业大学
A physical twin model for simulation of kiwifruit core temperature during pre-cooling and cold storage
01
研究概述
✦
果核温度的测定对果实采后管理至关重要。然而，目前还缺乏用于预冷过程和长期储存的果核温度的精确实时智能监测技术。本研究旨在建立一个能够模拟猕猴桃果核温度的物理模拟果实模型。首先，探究了两个猕猴桃品种的预冷效率与六个果实特征之间的关系。其次，开发了一个由特殊粘土和特殊土壤组成的物理模拟果实模型以精确模拟猕猴桃果核温度。最后，通过实时检测算法和无线传输，该模型成功用于猕猴桃预冷过程中果核温度的智能测定。
02
研究背景
✦
预冷已成为易腐园艺产品采后的重要步骤，因为温度是影响园艺作物采后寿命和品质的最重要因素。预冷可以从产品中去除现场热量，减缓新陈代谢，降低腐烂风险，从而延长其储存寿命。在预冷过程中，确定园艺作物的核心温度对于评估其冷却状态至关重要。果核温度是衡量果实热状况的重要指标，被广泛地用于衡量果实品质变化和保质期。多年来，商业运营中经常监测空气或水果表面温度，而不是核心温度。然而，空气或水果表面的温度会随着环境和零星冷却条件的瞬时变化而变化，而由于热惯性效应，水果核心温度的变化往往滞后于环境温度的变化。因此，在采后冷链的几个商业单元操作中测量核心温度（而不是空气温度）。此外，通过取样确定温度通常是不完整的，也不容易。这些问题可能会给预冷和储存过程中的智能管理带来许多困难。
03
研究目的
✦
本研究首先利用‘翠香’和‘徐香’猕猴桃探究了果实预冷效率与果实特性之间的关系，并得出了不同重量猕猴桃在预冷时的换算方程。其次，基于果实预冷，开发了一个物理模拟果实模型，通过模拟果实组织构成并运用特殊的材料配方来模拟猕猴桃的果核温度。该模型能够实现果核温度数据的智能判定以及实时无线传输。
04
材料与方法
✦
用于模拟猕猴桃的孪生果实组成如Fig. 1A所示，由材料填充区和无线传感区组成。其中，材料填充区由特殊粘土和特殊土壤的混合物组成，中心放置一个高精度温度探头；无线传感区由集成电路板、接收温度信号的芯片和特定封装材料组成，能够实现信号的传输和接收（Fig. S1A）。此外，由于整个无线传感器模块需要长时间（即超过 6 个月）自供电，并且考虑到稳定无线传输区域不能小于 75 毫米，最终确定了尺寸为 110×81 毫米的树脂外壳（Fig. S1B）。
具体实验方案见论文原文
05
研究结果
✦
1 猕猴桃的预冷效率
1.1 猕猴桃的预冷曲线和时间
为了研究猕猴桃预冷效率与果实特性之间的关系，从‘翠香’和‘徐香”’猴桃中各选取了100个果实。果实样本的重量在50-150 g之间，体积在50-150立方厘米之间，硬度在0–60 N之间，SSC在12-20%之间，可滴定酸含量（TA）在0-3%之间，干物质含量（DM）在16-25%之间。对这些生理指标与预冷速率的相关性进行了调查和分析。结果显示，果实硬度和TA对预冷速率的影响较小，相关系数仅为-0.03至0.28（Table 4）。另一方面，SSC和DM对预冷速率的影响则更为复杂。在‘翠香’猕猴桃中，SSC 和TA与预冷速率呈负相关，范围在-0.18至-0.49之间，而在‘徐香’猕猴桃中，它们与预冷速率则没有关联。果实重量和果实体积对预冷速率的影响更大，其相关系数比其他因素要高得多（Table 4）。例如，在7/8冷却温度时，相关系数仍维持在0.7左右。此外，随着预冷时间的延长，相关系数逐渐降低，果实体积也呈现出相同的趋势。针对每个品种使用300个果实进行了三次生物学重复实验，证实了数据的可靠性（Table S4）。综上所述，预冷曲线主要与果实重量或体积相关。
使用重量在60-140 g之间的‘翠香’和‘徐香’猕猴桃，研究了果实重量和体积对猕猴桃预冷速率的影响。结果表明，果实重量与预冷效率成反比关系（Fig. 3A & 3C）。以“翠香”为例，60 g、100 g和140 g果实的冷却系数分别为0.79、0.65和0.55（Table S7）。两个猕猴桃品种的冷却系数差异显著，但趋势相同，果实重量越大，冷却系数越小。水果体积也得到了类似的结果（Fig. 3B & 3D）。
为了研究果实重量与果实体积之间是否存在既定关系，分别选取了至少280个‘翠香’和‘徐香’猕猴桃果实作为样本。通过测量果实的长度和宽度，利用椭圆体公式计算理论体积，并使用电子天平测定实际果实重量，采用线性建模方法构建了回归方程。运用回归分析来评估理论体积与实际果实重量之间的线性关联，旨在找出果实重量与果实体积之间的关系。结果显示，‘翠香’猕猴桃理论体积与实际果实重量之间的线性方程为y = 1.0509x + 0.554（R² = 0.9252），而‘徐香’猕猴桃的线性方程为y = 0.9341x + 5.414（R² = 0.9331）（Fig. 4）。这两个回归模型的R²值均高于0.9，这表明回归模型很可能是有效的，即果实重量能够代表果实体积。
先前的研究发现，不同品种和重量的果实在预冷过程中表现出不同的预冷速率（Fig. 3）。然而，尚不清楚在不同重量下不同品种之间是否存在相关性以及这种相关性是否具有可转移性。因此，在‘翠香’和‘徐香’猕猴桃之间建立了重量范围从60 g到140 g的相互拟合方程（Table 5）。相关系数>0.999表明，在品种和不同重量的预冷速率之间可以很好地转换（Table 6）。综上所述，未知重量的水果的预冷状态可以根据已知重量的水果进行预测。
为了研究不同配方的模拟果实与不同重量的真实果实之间的传热相似性，在相同的冷却条件下，利用‘翠香’和‘徐香’猕猴桃设置了七种配方（Table 1）。在初步实验中，使用三种配方对果实预冷进行了模拟：100%特殊黏土、100%特殊土壤以及50%特殊黏土 + 50%特殊土壤。结果显示，‘翠香’猕猴桃与这三种配方的相似性较低（Fig. 5A），而‘徐香’猕猴桃与50%特殊黏土+50%特殊土壤（Recipe 4）的相似性较高（Fig. 5B）。因此，将这两种材料混合使用可能对模拟更为有效。
随后，利用七种配方开展了实验以模拟‘翠香’和‘徐香’猕猴桃（Table 1 & Fig. 5C）。比较分析显示，Recipe 1与60 g的‘翠香’猕猴桃果实高度相关，但与其他重量的果实相关性较低，而Recipes 4-7的情况则与之相反。Recipes 2和3与‘翠香’和‘徐香’所有重量的果实都具有高度相关性，特别是Recipe 3，其R²值达到了0.9998（Fig. 5D）。因此，后续选择了“Recipe 3”来模拟猕猴桃的组织成分。
鉴于不同重量果实的预冷速率存在差异，建立方程来模拟不同重量果实的预冷情况就显得至关重要。因此，开发了一种智能监测果核温度的功能。为了预测所绘制的各个果实的温度曲线，并确定各个曲线对应的准确程度，选取了重量范围在80-120 g的‘翠香’和‘徐香’猕猴桃，并将它们与模拟果实进行对比（Fig. 6A-F）。曲线拟合和相关性分析表明，每种重量的果实都有其自身的冷却曲线，在初始阶段约有1.5℃的温差，在后续阶段温差则减小至约0.25℃。此外，模拟果实与不同重量的猕猴桃之间存在着很强的关联性（R² > 0.9996）。
为了进一步评估模拟果实的预测准确性，随机选取了5个‘徐香’猕猴桃样本，并将其与模拟果实放在一起进行预冷处理。结果显示，利用Table S2中的方程进行转换后，模拟果实能够非常精确地模拟猕猴桃的预冷情况（Fig. 6G）。在预冷过程中，模拟果实与真实果实之间的相关系数高达0.9999。此外，模拟果实还能够准确地模拟在1.4 ± 0.5℃储存条件下果核温度的变化，其偏差小于±0.25℃（Fig. 6H）。综上所述，本研究中设计的孪生果实模型能够很好地匹配猕猴桃的热响应，并且能够准确地模拟猕猴桃在预冷和储存过程中的果核温度。
06
结果讨论
✦
果实中的热传递主要受其物理性质影响，包括密度、孔隙率和粘度。因此，可以通过寻找与猕猴桃组织成分相似的材料来模拟其热传递。猕猴桃主要由果皮和果核组成（Fig. 1A）。果皮细胞相对松散，而果核细胞相对紧密。为了模拟其组织成分，对各种土壤混合材料进行了实验评估。通过系统分析，确定特殊粘土是猕猴桃果皮的合适模拟物，特殊土壤适合代表其核心。值得注意的是，这两种材料的组合在预冷和储存过程中对猕猴桃热传递的模拟效果极佳，相关系数最高达到约0.9998。通过准确模拟猕猴桃的热传递来开发合适的材料，再结合先进的传感和3D打印技术，本研究成功开发了猕猴桃的物理模拟果实模型。它是一种基于物联网技术的模拟器，将现实世界中的物理对象（猕猴桃）或过程（预冷和储存）映射到其数字对应物。与早期的研究相比，本研究中提出的物理孪生果实模型具有几个优点（Table 7）。首先，它解决了以往方法中非实时监测的问题。其次，本研究开发的孪生果实模型在供电方面具有良好的性能，因此可以在整个工业储存期间使用。第三，本研究收集了大量生理数据，从而生成了一个全面的数据集，提高了结果的真实性和准确性。
Biot number（Bi）是果实内部传导热阻与果实表面对流阻力的比值，它主要与果实形状、果实大小和物理性质以及环境风速、果实表面温度与环境温度之差有关。然而，不同猕猴桃的形状、重量和体积明显不同，这导致我们无法根据已知的Bi参数推测真实果实的Bi。为了解决这个问题，使用回归分析方程来寻找物理孪生果实模型与真实猕猴桃之间的相关性，并明确了果实重量和体积是影响热传递的关键因素（Table 4）。此外，如Fig. 6所示，拟合的冷却曲线进一步提高了温度拟合的准确性。为了检验本研究数据是否可靠，对数据进行了无量纲分析。结果发现，原始公式数据（Table S2）和无量纲分析后的数据（Table S8）几乎没有区别，这表明本研究中使用的方法相对可靠。
果蔬模拟模型的开发是一个令人兴奋且有前景的研究方向。这些模型能够实时测定果核温度，从而有助于保持果实的品质。此外，它可能代表了农业物联网技术进步的新途径。未来的研究可能会朝着以下方向进行。首先，通过整合环境温度和湿度检测、气体成分监测以及GPS定位等功能，增强模拟果实的功能。其次，模拟果实的大小可以减小到更接近猕猴桃，从而扩大其在更广泛环境中的应用。第三，可以建立其他猕猴桃品种的模拟果实模型，如黄肉猕猴桃，以覆盖所有猕猴桃品种。此外，可以在物联网技术与果蔬采后技术之间开展跨学科研究，并基于冷藏过程中的果核温度开发智能管理系统。总之，本研究开发的用于测定猕猴桃果核温度的物理模拟模型是水果采后预冷和储存期间温度监测与控制的有用工具。
07
研究结论
✦
本研究调查了猕猴桃及其模拟果实模型的预冷效率。分析了各种因素对猕猴桃预冷速率的影响，并评估了在预冷和冷藏期间，不同材料配方模拟果实与真实果实之间的相关性。此外，该研究提出了一种能够模拟不同重量猕猴桃果核温度的物理模拟模型。该模型是对现有预冷系统的重要补充，可以解决以往研究中的一些问题。此外，该研究为物联网技术在水果和蔬菜中的应用提供了宝贵的见解，为猕猴桃物联网技术的研究奠定了基础，并为智能果核温度管理提供了可靠的理论和技术支持。该研究还为减少水果和蔬菜采后损失提出了新的思路和方法，并证实了物联网技术在该领域的巨大潜力。
End
猕猴桃加
微信号｜kiwifruitplus
✦
✦
