We present here a protocol to construct and validate models for nondestructive prediction of total sugar, total organic acid, and total anthocyanin content in individual blueberries by near-infrared spectroscopy.
Nondestructive prediction of ingredient contents of farm products is useful to ship and sell the products with guaranteed qualities. Here, near-infrared spectroscopy is used to predict nondestructively total sugar, total organic acid, and total anthocyanin content in each blueberry. The technique is expected to enable the selection of only delicious blueberries from all harvested ones. The near-infrared absorption spectra of blueberries are measured with the diffuse reflectance mode at the positions not on the calyx. The ingredient contents of a blueberry determined by high-performance liquid chromatography are used to construct models to predict the ingredient contents from observed spectra. Partial least squares regression is used for the construction of the models. It is necessary to properly select the pretreatments for the observed spectra and the wavelength regions of the spectra used for analyses. Validations are necessary for the constructed models to confirm that the ingredient contents are predicted with practical accuracies. Here we present a protocol to construct and validate the models for nondestructive prediction of ingredient contents in blueberries by near-infrared spectroscopy.
Infravermelho próximo (NIR) é amplamente aplicada como uma técnica não destrutiva para analisar o conteúdo de frutas e vegetais de vários tipos. Analisa 1,2 Nondestructive por espectroscopia NIR habilitar o envio de apenas deliciosas frutas e vegetais com qualidades garantidas. espectroscopia NIR já foi aplicada ao laranja, maçã, melancia, cereja, fruta de kiwi, manga, papaia, pêssego e assim por diante para saber o seu Brix que corresponde ao teor total de açúcar, acidez, TSC (teor de sólidos totais), e assim por diante . Recentemente, relatou a aplicação da espectroscopia NIR para a avaliação de mirtilos qualidade. 3 Medimos não só o teor de açúcares totais e o teor de ácido orgânico total correspondente à acidez, mas também o conteúdo de antocianina total. A antocianina é um componente bioactivo que se crê melhorar a saúde humana. É conveniente para os consumidores se eles podem comprar deliciosos blueberries com uma garantia de seu teor de açúcar, acidity e teor de antocianinas.
Em NIR espectro de absorção de frutas e legumes, apenas largas bandas de absorção são observados. Eles são principalmente as bandas devido à fibra e à humidade. Embora muitas bandas fracas devido a vários ingredientes de o alvo não-destruído são observados simultaneamente, as bandas observadas não podem ser atribuídos a modos de vibração específicos de componentes específicos do alvo, na maioria dos casos. Portanto, a técnica tradicional para determinar o teor de um componente específico utilizando a lei de Lambert-Beer não é eficaz para espectros NIR. Em vez disso, modelos de calibração para prever o conteúdo dos componentes alvo a partir dos espectros observados são construídos utilizando quimiometria por examinar a correlação entre o espectro observado e o conteúdo de ingrediente correspondentes aos espectros de 4,5. Aqui, um protocolo para a construção e validar os modelos para a previsão de teor de açúcares totais, teor de ácido orgânico total correspondente ao ACIDIty, e teores de antocianinas totais de mirtilos de espectros NIR é apresentado.
A Figura 1 mostra o fluxograma geral para a construção de modelos de calibração confiáveis e robustas. Amostras de número suficiente são coletados. Alguns deles são utilizados para a construção de modelos enquanto os outros são utilizados para a validação dos modelos construídos. Para cada uma das amostras recolhidas, um espectro de NIR é medida, e em seguida, os componentes alvo são analisados quantitativamente com os métodos de análise química destrutivas tradicionais. Aqui, cromatografia líquida de alta eficiência (HPLC) é utilizada para as análises químicas de açúcares, ácidos orgânicos, e antocianinas. mínimos quadrados parciais (PLS) A regressão é usada para a construção de modelos de calibração em que a correlação entre o espectro observado e o conteúdo de ingrediente determinado por análise química é examinada. A fim de construir modelos robustos com a melhor capacidade de previsão, os pré-tratamentos de observed espectros e os comprimentos de onda utilizados para a predição são também examinados. Por fim, os modelos construídos são validados para confirmar a sua capacidade de previsão suficiente. Na validação, o conteúdo previsto a partir do espectro observado pelo modelo construído (valores previstos) são comparados com o conteúdo determinado pelas análises químicos (valores observados). Se a correlação suficiente não pode ser encontrada entre os valores previstos e observados, o modelo de calibração deve ser re-construída até que seja obtida a correlação suficiente. Embora seja preferível utilizar diferentes grupos de amostras para a construção e a validação de um modelo, como mostrado nesta figura (validação externa), amostras em um mesmo grupo são usados tanto para a construção e a validação (validação cruzada) quando o número de amostras não é grande o suficiente.
Figura 1. Fluxograma para a construção e validação do modelo de calibração. Os procedimentos cercado por linhas azuis e verdes correspondem, respectivamente, para a construção de um modelo de calibração e sua validação. Por favor clique aqui para ver uma versão maior desta figura.
Alguns comentários adicionais sobre o protocolo são descritos aqui. Em primeiro lugar, no passo 1.1, menciona-se para decidir as cultivares incluídos no alvo. Embora seja possível construir modelos que cobrem blueberries de muitos cultivares ou sem especificar cultivares, as precisões de previsão com os modelos são, por vezes, muito mais baixa do que aqueles com os modelos para um único cultivar e para as cultivares limitados. Deve também notar-se que os modelos de calibração deve ser construído para mirtilo…
The authors have nothing to disclose.
This work was partially supported by the project “A Scheme to Revitalize Agriculture and Fisheries in Disaster Area through Deploying Highly Advanced Technology” of Ministry of Agriculture, Forestry and Fisheries, Japan.
FT-NIR spectrophotometer | Bruker Optics GmbH | MPA | |
High-Performance Liquid Chromatography | Shimadzu Corporation | 228-45041-91, 228-45000-31, 228-45018-31, | For sugar analysis |
223-04500-31, 228-45010-31, 228-45095-31 | Refractive Index Detector | ||
High-Performance Liquid Chromatography | Shimadzu Corporation | 228-45041-91, 228-45003-31, 228-45000-31, | For organic acid analysis |
228-45018-31, 228-45010-31, 223-04500-31 | Ultraviolet-Visible Detector | ||
High-Performance Liquid Chromatography | Shimadzu Corporation | 228-45041-91, 228-45018-31, 228-45000-31, | For anthocyanin analysis |
228-45012-31, 228-45119-31, 228-45005-31, | Photodiode Array Detector | ||
228-45009-31 | |||
pH meter | Mettler-Toledo | 30019028 | S220, Automatic temperature compensation |
Ultra-pure water treatment equipment | ORGANO Corporation | ORG-ULXXXM1; PRA-0015-0V0 | PURELAB ultra; PURELITE |
Biomedical Freezers | SANYO | 2-6780-01 | MDF-U338 |
Ultra-Low Temperature Freezer | Panasonic healthcare Co.,Ltd. | KM-DU73Y1 | -80°C |
Vacuum lyophilizer | IWAKI GLASS Co.,Ltd | 119770 | DRC-3L;FRD-82M |
Homoginizer | Microtec Co., Ltd. | Physcotron | |
Ultracentrifuge | Hitachi Koki Co.,Ltd | S204567 | CF15RXII |
Mini-centrifuge | LMS CO.,LTD. | KN3136572 | MCF-2360 |
Centrifuge | Kokusan Co.,Ltd | 2-5534-01 | H-103N |
Filter Paper | Advantec | 1521070 | 5B, Eqivalent to Whatman 40 |
Sep-Pak C18 column | Waters Corporation Milford | WAT020515 | |
Sep-Pak CM column | Waters Corporation Milford | WAT020550 | |
Sep-Pak QMA column | Waters Corporation Milford | WAT020545 | |
Centrifugal Filter Unit | Merck Millipore Corporation | R2SA18503 | PVDF, 0.45 μm |
Microtube | As One Corporation | 1-1600-02 | PP, 2 mL |
Syringe Filter | GE Healthcare CO.,LTD. | 6788-1304 | PP, 0.45 μm |
Sucrose | Wako Pure Chemical Industries,Ltd | 194-00011 | Reagent-grade |
Glucose | Wako Pure Chemical Industries,Ltd | 049-31165 | Reagent-grade |
Fructose | Wako Pure Chemical Industries,Ltd | 123-02762 | Reagent-grade |
Citric acid | Wako Pure Chemical Industries,Ltd | 036-05522 | Reagent-grade |
Malic acid | Wako Pure Chemical Industries,Ltd | 355-17971 | Reagent-grade |
Succinic acid | Wako Pure Chemical Industries,Ltd | 190-04332 | Reagent-grade |
Quinic acid | Alfa Aesar, A Johnson Matthey Company | 10176328 | Reagent-grade |
Phosphoric acid | Wako Pure Chemical Industries,Ltd | 162-20492 | HPLC-grade |
Trifluoroacetic acid | Wako Pure Chemical Industries,Ltd | 208-02746 | Reagent-grade |
Methanol | Wako Pure Chemical Industries,Ltd | 131-01826 | Reagent-grade |
Acetonitrile | Wako Pure Chemical Industries,Ltd | 015-08633 | HPLC-grade |
Grade cyanidin-3-O-glucoside chloride | Wako Pure Chemical Industries,Ltd | 306-37661 | HPLC-grade |
Software for analyses | Bruker Optics GmbH | OPUS ver. 6.5 | |
Softoware for preprocessing | Microsoft | Excel powered by Visual Basic for Applications | |
Software for construction of models | Freemat 4.0 | http://freemat.sourceforge.net/ |