蘋果是一種常見而又神奇的水果。很多人學會的第一個英語單詞可能就是Apple；從樹上掉下來，砸到牛頓，啟發牛頓的也是蘋果；消費時代數碼潮流的蘋果公司，logo是被咬了一口的蘋果~

對于這種大家經常吃的香甜水果，追本溯源，是來自薔薇科蘋果屬的雜交水果。蘋果的祖先，是一種叫做“新疆野蘋果”的植物，生長在我國新疆和中亞地區，后來伴隨人類活動擴散開來，果農們也一代代與蘋果樹斗智斗勇，通過雜交等方式把他們調教的越來越美味。

現代農業，為滿足大家更多需求，蘋果的雜交育種依舊在進行，人類學會了利用更先進的技術，今天推薦大家了解一篇通過高光譜成像來預測蘋果雜交后香氣的優秀文章。

基于Resonon PIKA XC2高光譜成像預測蘋果雜交后代香氣

蘋果是世界上非常受歡迎且有價值的水果之一。質地、風味和營養是蘋果最重要的品質。一般來說，香氣在蘋果風味中發揮著重要的作用。提高蘋果香氣是育種和篩選的目標。因此，構建蘋果香氣成分評估模型至關重要。高光譜成像技術（HSI）結合二維成像技術實現光譜全圖像信息獲取，因其快速、有效和無損特征而廣泛應用在農業、食品和化學領域。

基于此，在本文中，來自西北農林科技大學園藝學院的研究人員利用高光譜成像（PIKA XC2 高光譜相機，Resonon Inc., Bozeman，MT，USA）建立了‘Honeycrisp’בMaodi’雜交后代的香氣成分預測模型，初步實現了蘋果成分的即時檢測，以提供理論基礎。

【結果】

高光譜圖像光譜預處理

酯（a）、醛（b）、酮（c）和乙醇（d）測量值和預測值散點圖。

酯（a）、醛（b）、酮（c）和乙醇（d）特征光譜帶分布。

【結論】

在育種中，雜交后代香氣成分的快速無損檢測可以簡化篩選過程并有效降低成本。在本研究中，作者利用高光譜成像來評估‘Honeycrisp’ × ‘Maodi’雜交后代的香氣成分。基于光譜的SNV-RF模型在化學類別預測方面表現良好，但在單個化學物質預測方面表現不佳。在化學類別的預測中，酒精的結果很可靠，其次是酯類。分析化學基團的特征光譜，酯類的特征光譜為413、493、512、551、592、600、721、727、729、733 nm，醇類的特征光譜為519、562、570、571、660、676、700、737、738 nm，均在可見光范圍內。醛和酮的特征光譜數量相對較多，分別為20和19個。

在單個揮發性成分的預測中，大部分化學成分的預測效果較差，僅對環辛醇和2-十一烯醛預測結果基本可用。為了改進本工作的方法研究，今后將考慮和實踐更多的雜交后代、建模方法和指標。結果表明，高光譜技術可用于雜交后代芳香化學類別和單個香氣成分檢測，但模型的穩定性和可靠性有待提高，為蘋果育種過程中香氣特征的初步篩選提供新選擇，為基于蘋果香氣的自動分級提供理論依據。