《Journal of Food Composition and Analysis》：Modeling RGB-based estimation of apple fruit maturity in the semi-arid Loess Plateau via starch-iodine staining mapping
编辑推荐：
本刊推荐：为解决黄土高原地区苹果品种采收期混乱、缺乏科学判定依据的问题，研究人员通过构建12个苹果品种的淀粉碘染色图谱，并基于RGB颜色模型建立了苹果果实的成熟度估测模型。该研究明确了不同品种的最佳采收花期（例如‘红露’、‘嘎啦’、‘NY543’在花后115-120天成熟），并开发出利用果肉切片RGB颜色线性组合参数估测果实淀粉指数（SI）的可行模型，为苹果产业优质生产提供了精准采收的理论基础。
在广袤的黄土高原，苹果是许多农民的重要经济来源。然而，一个长期困扰果农和产业界的问题是：何时采收苹果才是最合适的？采收过早，果实风味寡淡、不耐储存；采收过晚，果实过熟软化，品质和商品价值下降。传统上，判断苹果成熟度的方法多种多样，比如计算果实发育天数、观察果皮和种子颜色变化、测定可溶性固形物含量或果实硬度，但这些方法要么受气候年际差异影响大，要么因品种差异而难以统一标准，要么操作繁琐难以推广。因此，在黄土高原苹果主产区，采收期判断常常依赖经验，缺乏一套科学、简便、可推广的技术体系。
为了精准确定黄土高原地区新优苹果品种的适宜采收期，提高苹果果实品质，来自兰州大学的研究团队开展了一项创新研究。他们以甘肃静宁县的12个苹果品种为研究对象，系统性地构建了一套基于数字图像分析的苹果成熟度快速评估方法，相关成果发表在《Journal of Food Composition and Analysis》上。
为回答以上问题，研究人员主要运用了以下几个关键技术方法：
研究在甘肃静宁县果树研究所的试验基地进行，对‘红露’、‘嘎啦’、‘NY543’、‘阿诗达’等12个苹果品种进行了分批次采样。关键方法包括：1. 淀粉碘染色：制备碘-碘化钾溶液，对苹果果实横切片进行染色，通过染色深浅和面积评估淀粉含量。2. 图像采集与处理：在标准光照条件下使用数码相机拍摄染色切片图像，并使用Adobe Photoshop软件裁剪背景、提取图像的红（R）、绿（G）、蓝（B）三通道颜色值。3. 颜色特征参数构建：基于R、G、B值，构建了差值（如R-B）、比值（如R/B）、标准化（如B/(R+G+B)）、归一化（如(R-B)/(R+B)）等共计18组颜色特征参数。4. 统计分析与模型建立：运用SPSS和Excel软件进行相关性分析，并采用一元线性回归和逐步回归方法，筛选与果实淀粉指数（SI）最相关的颜色参数，构建苹果果实成熟度估测模型。
研究结果
3.1. 苹果成熟过程中果实淀粉指数的变化
研究团队监测了不同苹果品种在延迟采收过程中淀粉指数（Starch Index， SI）的动态变化。结果显示，随着采收期推迟，所有品种的淀粉指数均持续上升，但不同品种的增长模式存在细微差异。对于早熟品种，‘红露’、‘嘎啦’和‘NY543’在花后115-120天达到成熟期，此时其平均淀粉指数分别约为4.70、5.23和6.10；而‘阿诗达’则在花后130-135天达到成熟，平均淀粉指数约为6.77。对于晚熟品种，‘烟富0号’、‘2001富士’、‘KCo No.8’、‘烟富3号’、‘成纪1号’和‘甘红’在花后180-185天达到最佳采收期，‘授富1号’和‘静宁1号’则在花后185-190天成熟。总体而言，无论早熟还是晚熟苹果，其达到采收成熟度时的淀粉指数均在8.0左右。这表明淀粉指数可以作为判断苹果成熟度的可靠指标。
3.2. 不同苹果品种淀粉染色图谱的建立
淀粉遇碘会变蓝黑色，因此染色后切片上蓝色区域的大小和深浅直观反映了果实中淀粉的含量。研究人员制作了12个苹果品种在不同成熟阶段的淀粉染色图谱，并按染色程度和面积将图谱分为8个等级（1级最深/面积最大，8级最浅/面积最小）。结果表明，所有品种果实的淀粉水解均从果心开始，逐渐向外围扩散。随着采收期推迟，所有品种果实的染色均逐渐变浅、染色面积逐渐缩小，这一趋势与淀粉含量随成熟度增加而降低的生理过程完全一致。该染色图谱为通过视觉对比快速判断果实成熟度提供了实用工具。
3.3. 基于RGB建模的苹果果实成熟度估测
这是本研究的核心创新点。为了将定性的染色图谱转化为定量的、可计算的成熟度指标，研究人员对染色图像进行了RGB颜色分析。
3.3.1. 颜色特征参数与淀粉指数的相关性分析
对18组颜色特征参数与果实淀粉指数进行相关性分析后发现，在差值参数中，R-B（红蓝差值）与淀粉指数的相关性最高（相关系数r=0.7410， P<0.01）。在比值参数中，R/B（红蓝比）和G/B（绿蓝比）与淀粉指数也呈极显著正相关。在标准化参数中，B/(R+G+B)（蓝通道占比）与淀粉指数呈显著负相关。这些结果为利用颜色参数建立估测模型提供了统计依据。
3.3.2. 果实淀粉指数的颜色特征与估测模型
基于上述高相关性参数，研究团队分别建立了一元线性回归模型和逐步回归模型。一元线性回归模型（如以R-B为变量）虽然显著，但决定系数R2相对较低。通过逐步回归分析引入多个变量后，得到了拟合度更优的模型。分析表明，当同时引入R-B、R/B、G/B和B/(R+G+B)这四个颜色特征参数作为自变量时，模型的调整后多重相关系数Ra最大（0.7875），Durbin-Watson统计量最接近2，模型最优。
3.3.3. 模型精度分析
通过比较不同模型的残差标准偏差S、决定系数R2和马洛斯Cp准则（Mallows‘ Cp），确认了逐步回归模型的优越性。最终确立的最佳苹果果实淀粉指数估测模型为：
Yg= -11.407 + 0.049(R-B) + 0.982 R/B + 3.805 G/B + 26.261B/(R+G+B)
该模型的决定系数R2为0.6356，残差标准偏差S为0.2632，马洛斯Cp值为4.2，均优于一元线性回归模型，表明该模型能更准确地根据染色切片的RGB颜色值预测果实淀粉指数，进而判断成熟度。
研究结论与意义
本研究通过测定12个苹果品种在不同采收阶段的淀粉指数，建立了淀粉染色图谱，并创新性地基于苹果果实染色切片的R、G、B颜色值的线性组合参数，开发了一个可行的果实淀粉指数估测模型。该模型能够准确判断苹果果实的成熟度，从而确定最佳采收期，其结果与通过果实品质测量确定的最佳采收期相一致，证明了模型的实际适用性。这项研究为黄土高原地区多个苹果品种确定最佳采收期提供了一种科学、直观的方法。它不仅克服了传统方法受经验、气候和品种差异影响的局限性，而且将复杂的成熟度判断数字化、标准化，为苹果产业的精准采收和优质高效生产提供了重要的理论依据和技术支持。这种基于低成本数字图像分析的方法，易于在产区和基层推广，对于提升我国苹果产业的整体质量水平和经济效益具有积极意义。
