Einsatz von NIR-Food Scannern zur Bestimmung und Optimierung relevanter Qualitätsparameter von Mango und Avocado (NIR Mango + Avocado)

Zielsetzung

Im Projekt sollen NIR-Modelle für Mango und Avocado zu relevanten Qualitätsparametern (insbesondere Brix und Trockenmasse) erstellt werden. Der Qualitätsverlauf soll dann anhand von Messungen in einem Praxisbetrieb mit umfassender Erfahrung in der Fruchtreifung sowie in anschließenden Lagerversuchen dokumentiert werden. Darauf basierend sollen konkrete Grenzwerte für den optimalen Reifeverlauf definiert werden. Die Bestimmung der Trockenmasse, die ein wesentliches Kriterium für den Reifeverlauf darstellt, ist ein sehr zeitintensives Verfahren und wird daher im Fruchthandel nur stichprobenweise eingesetzt.

Bei erfolgreicher Etablierung der Modelle könnte die aufwändige Trockenmassebestimmung durch ein schnelles und zerstörungsfreies Verfahren ersetzt werden und die Messung besser in die tägliche Praxis integriert werden. Es soll darüber hinaus eine visuelle Datenaufbereitung erfolgen, um die Prozessoptimierung im Praxisalltag der Fruchtreifung anhand anschaulicher Parameter zu unterstützen. Durch die Möglichkeit, den aktuellen Reifestatus objektiv messbar zu machen, soll zudem eine nachvollziehbare Fruchtqualität gewährleistet werden.

Fazit und Ausblick

Für Avocados der Sorte Hass wurden für sämtliche Farbparameter der Fruchtschale sowie für die Trockenmasse gute NIR-Vorhersagemodelle entwickelt. Für Mangos der Sorte Kent konnte ein gutes Modell zur zerstörungsfreien Vorhersage des L*-Wertes des Fruchtfleisches sowie der Trockenmasse entwickelt werden. Außerdem konnte für Mangos der Sorte Kent ein robustes Modell zur Vorhersage der Fruchtfleischfestigkeit entwickelt werden, wobei hier die NIR-Spektren direkt am Fruchtfleisch aufgenommen wurden. Mittels dieser Modelle ist es nun möglich, die eben genannten Parameter mittels NIR-Scannern zerstörungsfrei und in sehr präziser Annäherung zu schätzen. Für Mangos der Sorte Kent wurden für die drei relevantesten Qualitäts- und Reifeparameter erste Grenzwertmodelle entwickelt. Diese sind Fruchtfleischfestigkeit, Fruchtfleischfarbe und °Brix. Für Avocados der Sorte Hass konnten ebenfalls Grenzwertmodelle für den Parameter Fruchtschalenfarbe entwickelt werden.

Diese hier entwickelten Modelle enthalten sowohl die üblichen Ausprägungen der jeweiligen Parameter zum Zeitpunkt des Wareneingangs, als auch Grenzwerte, die als Indikatoren für den optimalen Auslieferungszeitpunkt definiert wurden. Mittels dieser Grenzwertmodelle lässt sich zukünftig die gezielte Reifung optimal Koordinieren, um den Endverbraucher Früchte in höchster Genussqualität zu bieten.

Aus den Ergebnissen dieses Projektes leiten sich außerdem einige Handlungsempfehlungen für den Großhandel ab. Zukünftig sollte sich der Großhandel an den NIR-Vorhersage- und Grenzwertmodellen bedienen, um die gezielte Reifung optimal zu koordinieren. Außerdem sollten NIR-Scanner als schnelle und zerstörungsfreie Wareneingangskontrolle von Avocados und Mangos für den Parameter Trockenmasse herangezogen werden. Hier kann der Großhandel schnell überprüfen, ob die gelieferte Ware (Avocado) den Mindestanforderungen entspricht und dahingehend eine Lieferantenbewertung aufbauen. Außerdem wurden Empfehlungen für Mindesttrockenmassengehälter für verschiedene Mangos widergegeben, die ebenfalls als Grundlage zu einer Lieferantenbewertung herangezogen werden sollten.

Eine weitere Erkenntnis in diesem Projekt war, dass die gezielte Reifung von Mangos in Reifekammern positive Effekte auf die Homogenität, Qualität sowie Geschwindigkeit der Reifung von Mangos hat. Dementsprechend sollte nach Möglichkeit, eine Reifung der Früchte, stets unter kontrollierten Bedingungen durchgeführt werden, um dem Endverbraucher die höchste Genussqualität darbieten zu können. Zukünftige Forschungen sollten auf den Ergebnissen dieses Projektes aufbauen. Wichtig ist, die Modelle über einen gesamten Saisonverlauf mit allen Ursprungsländern und weiteren Sorten zu validieren und ergänzen. Diese Daten können dazu genutzt werden, um bestehende Vorhersage- sowie Grenzwertmodelle zu erhalten und zu verbessern.

Weiterführende Forschungen, um den Effekt der Temperatursummen auf die Reifung zu untersuchen, könnten wichtige Grundlage für eine weitere Standardisierung liefern. Ersten Untersuchungen zufolge liegt zwischen den Parametern Temperatursumme und dem Fortschritt der Reifung (Fruchtfleischfestigkeit) eine starke Korrelation. Des Weiteren könnte ein Reifeindex für Mangos (Cortés et al. 2016) aus mehreren Parametern eine sehr robuste Bewertung des Reifestadiums ermöglichen. Hier wären ergänzende Versuche unter Einbeziehung der Säure notwendig. In Folge dessen könnten sortenspezifische NIR-Vorhersagemodelle sowie weitere Grenzwertmodelle entwickelt werden, die eine präzise Zuordnung des Reifestadiums sowie weitere Optimierungen entlang der gezielten Reifung zulassen.

Publikationen

Predicting shelf life along horticultural supply chains: Evaluation of applicable quality parameters using near-infrared scanner

Huneck, L.; Kulko, R.; Wittmann, S.; Elser, B.; Mempel, H. (2022)

DGG Proceedings 2021/10, 5, S. 1-8.
DOI: 10.5288/dgg-pr-10-05-lh-2021


Open Access
 

Visible-Near-Infrared Scanners enable a noninvasive prediction of quality properties of fruit and vegetable based on previously created models. A combination of NIR scanners and
machine learning methods can lead to economic improvements and reduction of food waste by strategies like "first expired, first out" and dynamic pricing. In order to identify parameters
capable of showing dynamic postharvest development, three horticultural products with different postharvest behavior (e. g. strawberry, table grape and mango) were chosen for
morphological and statictical analysis. According to the results, a graduation of spectra in correspondence to the day of measurement was noticeable for strawberry regarding the a-
value as well as presumingly mass loss for both mango and table grape. Furthermore, a PLS model for the a-values r2cv = 0.80 was developed for strawberries.

mehr


Projektleitung


Projektbearbeitung

M.Sc. Simon Gürbüz

Projektdauer

01.10.2021 - 30.09.2022

Adressierte SDGs (Sustainable Development Goals)

Sdg icon de 12
Sdg icon de 15

Weblinks

Abschlussbericht