Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Artículo
Determinación de la Cosecha Óptima Window para
Apple que Utilizan el No-Destructivos
Biospeckle Método
Anna Skic 1 , Monika Szymań ska-Chargot 2 , Beata Kruk 2 , Monika Chyliń ska 2 ,
Piotr Mariusz Pieczywek 2 , Andrzej Kurenda 2 , Artur Zdunek 2, * y Krzysztof P. Rutkowski 3
1 Departamento de Ingeniería Mecánica y Automatics, Facultad de P roduction Engineering,
Universidad de Ciencias de Vida, Akademicka 13, 20-950 Lublin, Polonia;
anna.skic@up.lublin.pl
2 Instituto de Agrophysics, Academia polaca de Ciencias, Doswiadczalna 4, 20-290 Lublin 27, Polonia;
Palabras clave: biospeckle; manzana; índice de madurez; Streif; ventana de cosecha óptima;
postharvest calidad
Sensores 2016, 16, 661; doi:10.3390/s16050661 www.mdpi.com/journal/sensors
Sensores 2016, 16, 2 de
661 15.
1. Introducción
La determinación de la ventana de cosecha óptima juega un clave r ole en el agro-cadena
alimentaria como la calidad de f ruit depende de el correcto cosechando tiempo y aplicaciónropriate
condiciones de almacenamiento durante el postharvest periodo [1–6]. To ensure El más alto quality
al final de almacenamiento de plazo largo, las manzanas tienen que ser cosecha ed cuándo mature pero
no todavía plenamente maduros [7,8]. Cuándo manzanas unre cosechó immaturely no desarrollan
su llenos ripeness después de que almacenamiento, el cual dirige a una medida pequeña, pobre fruit
colour, ácido y sta rchy sabor y un débil unroma. Ellos unre también more susceptibles a scald, bitter-
fosa e interno breakdown. Masa reduction por pérdida de agua es también greater en las manzanas
eligieron más tempranas porque la cutícula no es completamente formado en este momento [9,10].
Conversely, las manzanas cosechadas cuándo over-mature unre vulnerables a mec hanical daño y
enfermedad, y sensibles a bajos temperature breakdown o wate rcore [11]. Todo estos fisiológico
processes tiene lugar incluso bajo condiciones óptimas, el cual complica almacenamiento [12,13]. De
ahí, determinación de la fecha de cosecha óptima (OHD) es un c rucial asunto para growers a ensu
re el correo alto-calidad de manzana del almacenamiento esperada por consumidores.
Apple cosecha en el pre-climacteric mínimo, cuándo el respiratory la actividad es mínima,
es considered como óptimo, porque el potencial de almacenamiento remains alto y th e organoleptic
la calidad es cerca su máximo. Muchos métodos de f ruit evaluación de etapa de la madurez ha
already sido desarrollado y puede ser dividido a dest ructive y no-dest ructive métodos. A pesar de
ser el tiempo que consume y caro, destructive las metodologías han sido tradicionalmente
utilizadas cuando r eference measurements de f ruit calidad e implicar standard el análisis químico
basado en la evaluación de sta rch contenido, contenido sólido soluble, titratable acidez o measu
rement de firmeza. Prediction De OHD es posible por di rect measurement de estos atributos de calidad
algunas semanas before la fecha de cosecha estimada y cálculo de el índice de madurez. El Streif
Índice [6], incluyendo measurements de firmeza, concentración sólida soluble y sta rch índice de
degradación, ha sido exitosamente utilizado para estimar la fecha de cosecha óptima [5,7,14]. Los sólidos
solubles y el starch índice incrfacilidad, mientras la firmeza decrfacilidades en madurar fruit. Como r
esult, el Streif disminuciones de Índice durante fruit el desarrollo que—empieza from cinco o seis y r
eaching valores entre 0.30 y 0.08 en el OHD [15]. Las fluctuaciones de índice, si observados en el
periodo que empieza unos días de docena befo re cosecha, dejar la fecha de cosecha óptima para ser
determinado unos cuantos días por adelantado [16]. Además, criterios alternativos como el De Jager
Índice (PFW-1) [17] y el F ARS Índice [5,7] puede ser utilizado para determinación de fecha de la cosecha,
pero nunca han sido utilizados commercially.
Various no-destructive los sistemas han sido desarrollados para evaluación de elf ruit
quality. Entre ellos métodos ópticos como VIS/NIR spectroscopy [18,19], tiempo-resolved
reflectance spectroscopy [9], hyperspectral backscattering imaging [20,21], el láser indujo
backscattering [22,23] o chlo rophyll fluorescence [24–26] unre el más promising. Dielectric
spectroscopy Técnicas nosotrosre también exitosamente utilizados para examen de el properties de
materiales agrícolas [27]. No-destructive métodos unre rápidos y r obust, dejando un para analizar un large
número de muestras. Moreover, es posible de llevar a cabo continuo measurements en las mismas
muestras durante different etapas de maturation así como en el correo-periodo de cosecha. Tales
métodos también provide commercial herramientas para clasificar fruit y calidad control y también
puede ser utilizado directly en el o rchard.
El biospeckle el método es otro no-invasive la técnica basada en el fenómeno óptico qué
ocurre durante la iluminación de unas muestras' superficie por coherent luz como aquel produced
por un láser [28]. El wavefronts de scatte red rayos interfere con cada otro y formar patrones
aleatorios , granulares que constan de sitios oscuros y brillantes, visibles en el avión de observación.
El difpatrón de fracción depende de la geometría de el sistema, la longitud de onda de el láser y el
aperture de lentes de capturar dispositivo. El speckle el patrón compuesto de sitios oscuros y ligeros
es estáticos para no-vivientes matter, pero en el caso de muestras biológicas, el patrón de distribución
de la intensidad evoluciona y fluctúa con el tiempo [29,30]. Draijer Et al. Sugerido que este
comportamiento dinámico es principalmente causado by Doppler cambios de el ligeros cuando
interacciona con partículas emotivas [31]. According A [ 32] processes como citoplasmático
streaming, organelle movimiento, g de célularowth y división durante fruit maturation y bioquímico
Sensores 2016, 16, 3 de
661
reactions unre responsible para seguro biospeckle activity. 15.
Además aquellos, el biospeckle
fluctuaciones
Sensores 2016, 16, 4 de
661 15.
Depender de el chlorophyll [33] y sta rch contenido [34], ocurrerence de fungal infectariones
[35], y temperatu re de las muestras de planta investigadas [36].
Tan far, aplicaciones de el biospeckle técnica en el agriculture unrea incluir determinación de la
calidad y maturation degree de f ruits y vegetales [37–41], análisis de semillas [42,43] o detección de
planta root bioactivity cambios [32]. En todos los casos biospeckle la actividad cambiada con el
estado del investigó muestras.
Información presented por otros autores y las conclusiones dibujadas from nuestro previous los
experimentos sugirieron que el método could posiblemente ser utilizado para la determinación de t él
fecha de cosecha óptima. Este estudio es una extensión towards el prediction de la fecha de cosecha
óptima que utiliza el biospeckle método. Elrefore, el objetivo de este estudio era a compare el OHD
basó en BA measurement como no-destructive índice, con otro OHD calculó basado en destructive
análisis y los parámetros fisiológicos generalmente utilizados en commercial orchards. Evaluación
de OHDs seleccionado con di fferent los métodos estuvo hecho por controlar de el postharvest calidad
de elf ruit durante plazo largo balda y almacenamiento fríos-vida.
2. Materiales y Métodos.
Two Manzana cultivars (Malus Domestica, cv. “Ligol” Y “Szampion”) con distinto textural
parámetros nosotrosre utilizados en este study. El o rchard estuvo localizado en el G rojec region en
Polonia. Manzanas nosotrosre recogidos durante t él periodo from 3 julio (185.º día de el año) a 4
octubre (278.º día de el año). La mayoría de el periodo implicó fruit desarrollo processes porque el
presumed ventana de cosecha óptima estuvo esperada para ser entre el 20 y 25 de Septembe r. En
total, ocho muestreo data qué covered different etapas de madurez de f ruit nosotrosre considered
en este experimento (Tcapaz 1). Fruits Nosotrosre recogidos from cinco t rees para cada cultivar.
Muestreo from trees era aleatorio. Quince fruits de madurez y medida similares nosotrosre recogidos en
cada fecha de elegir. Biospeckle Actividad (BA) y firmeza (F) nosotrosre measured para manzanas
individuales. Cinco halved manzanas nosotrosre used para starch índice (SI) determinación. El remaining
fruits nosotrosre cored y cortados a porciones pequeñas, homogeneizados y utilizados para el standard
pruebas para madurez evaluación estatal, como starch contenido (SC), titratable acidez (TUn) y contenido
sólido soluble (SSC). Ethylene Y emisiones de dióxido de carbono nosotrosre measured empezando
from el 209.º día de año (2 fecha de muestreo–27 julio) e interno ethylene la concentración estuvo
determinada from el 226.º día de año (3 fecha de muestreo–13 agosto), debido a la ausencia de un
bien-desarrollado ovary.
Moreover, las manzanas adicionales eligieron entre el 254 y 278 días de el año (5.º–8.as fechas
de muestreo) nosotrosre stored para uno, dos y th ree meses bajo un normales atmosphere, en 2 ˝ C. Después
de las manzanas de almacenamiento nosotrosre probados en uno y siete días de vida de balda en r oom
temperature. Firmeza, sólidos solubles, starch contenido, titratable acidez y biospeckle actividad
nosotrosre measured para estos fruits.
Termoestable α-amilasa nosotrosre mixtos y calentados a hervir punto. El starch era t otally solubilized
y devenía parcialmente hydrolysed a dextrin. En la segunda fase, tél resulting starch dextrins
nosotrosre quantitatively hydrolysed a glucosa por amyloglucosidase. Finally, tél glucosa
oxidase/peroxidase reagent estuvo añadido a muestras y absorbancia contra un reagent el espacio
era r ead en un r ound 510 nm. El measurement estuvo actuado three tiempo para cada muestra.
2.8. Índice de
madurez
Streif El índice combina three parámetros, los cuales cambian deprisa durante el preharvest
periodo, according a ecuación siguiente:
F
Streif Índice “ (1)
SSC¨ SI
where F (Firmeza) es exp ressed en kg, SSC es el contenido sólido soluble y SI es el starch índice.
Streif Índice, si observó empezar unos días de docena befo re cosecha, deja a de termine la fecha de
cosecha óptima unos cuantos días por adelantado [16].
3.
Resultado
s
TCapaz 1. Características de estados de madurez de la manzana expressed como los valores medianos de measu red parameters. En pa
renthesis standard desviación.
Starch Contenido (mg/100 g peso seco) 13.16 (˘0.53) un 11.58 (˘0.70) un,b 10.36 (˘1.14) un,b 8.58 (˘0.26) b,c 8.07 (˘0.46) b,c 5.72 (˘3.02) c,d 2.46 (˘1.10) d,e 1.88 (˘0.39) e 31.58 *
Cultivar Ligol
Titratable Acidez (g/100 g de f resh peso) 0.542 (˘0.010) un 0.379 (˘0.032) b 0.332 (˘0.016) c 0.301 (˘0.014) d 0.278 (˘0.002) d 0.230 (˘0.004) e 0.226 (˘0.004) e 0.218 (˘0.002) e 176.74 *
Total Contenido de sólidos solubles (˝ Brix) 8.34 (˘0.05) un 9.78 (˘0.04) b 10.52 (˘0.11) c 11.94 (˘0.05) d 12.00 (˘0.04) e 12.40 (˘0.00) f 15.54 (˘0.05) g 13.18 (˘0.04) h
4013.20 *
8.78 (˘0.70) un,c 11.56 (˘0.68) b 8.29 (˘0.83) un,c,d 7.58 (˘0.05) un,c,d 10.22 (˘0.69) b,c 5.55 (˘2.29) d,e 6.36 (˘0.41) un,d 2.97 (˘0.27) e
Cultivar Szampion
Titratable Acidez (g/100 g de f resh peso) 0.362 (˘0.001) un 0.269 (˘0.013) b 0.186 (˘0.004) c 0.186 (˘0.012) c 0.189 (˘0.004) c 0.127 (˘0.001) d 0.134 (˘0.004) d 0.138 (˘0.001) d 406.70 *
Total Contenido de sólidos solubles (˝ Brix) 9.30 (˘0.16) un 10.04 (˘0.05) b 11.00 (˘0.10) c 12.54 (˘0.15) d 12.50 (˘0.07) d 13.30 (˘0.10) e 13.68 (˘0.15) f 14.66 (˘0.09) g
1300.90 *
Un, b, c, d, e, f, g, h
la letra indica afiliación a homogeneous groups (according a ANO VUn con p = 0.05). La misma letra de superíndice denota no significativa differences; * significa el e
ffect es significativo en < p 0.05.
Sensores 2016, 16, 7 de
661
Sensores 2016, 16, 661 15.
7 of
15
StArco cont ent (SC) initiunl ly remunined constunnt during tél fruits' development unnd
diminished
Starch Contenido (SC) inicialmente remained constante durante elf ruits' desarrollo y
disminuido en t él lun st three sunmpling dates, showing en t otun l un s ignificant decreunse for
both cultivars. ThEs result en el último three fechas de muestreo, mostrando en totales un
significativos decrfacilidad para ambos cultivars. Este result es cons est ent with previous
investigunt ions [37,45]. The Más pronunciado increunse wun s observed para
Es compatible con p revious investigaciones [37,45]. El más pronounced incrla facilidad estuvo
observada para totun l soluble así quel ids SSC (F-valor > 1300) para ambos probado cultivars, el
cual era c onnected con almidonar sólidos solubles totales SSC (F-valor > 1300) para ambos
probado cultivars, el cual estuvo conectado con sta rch degradatión. StÍndice de arco (SI) es un lso
un importhormiga indicatu o f unp ple munt urity stunt e. Él increuns es un s degradación. Starch
Índice (SI) es también un indicador importante de estado de madurez de la manzana. Él
incrfacilidades tan t él starco content decreuns es y es un result of starco granule hydrolyses en t
o simpler cunrbohydrates el starch contenido decrfacilidades y es un result de sta rch gránulo
Durante unpple munturuntion.hydrolysis a carbohidratos
“Ligol” más sencillos
Unpples tendría que ser h unrvested cuándo el
almidón index es between seis
Sensores 2016,
Durante 16,
manzana 8 de
maturation. “Ligol” Las manzanas tendrían que ser cosechadas cuándo el starch
661 índice is entre seis 15.
Y e ight unnd para “Szunm pión” SI should ser en t él runnge de cinco a siete. Basado en estos
vunlues, el
optimum harChaleco date should ser en t él 262.º y 2 71.º duny (6th unnd 7th sampling dates)
en t él caso
Sensores 2016, 16, 9 de
661 15.
Y ocho y para “Szampion” SI tendría que ser en la gama de cinco a siete. Basado en estos valores,
la fecha de cosecha óptima tendría que ser en el 262.º y 271.º día (6.º y 7.as fechas de muestreo) en
el caso de “Ligol” y “Szampion” manzanas, respectively. Es claro que ventanas de cosecha obtuvieron
con todo measured los parámetros por separado no emparejan con cada other, el cual dirige a conclusión
que complejo measures tendría que ser utilizado para este propósito. SSC Y T Un unre también
considered para ser factores importantes para consumidores [3,44]. However, debido a que el nivel de
ácido en cosecha varía greatly entre estaciones y g rdebiendo regions, TUn es considered para ser
menos reliable indicador de la madurez de cosecha [46,47]. El Streif Índice, el cual combina firmeza,
starch índice y contenido sólido soluble total, es generalmente utilizado en práctica hortícola [16]. Las
variaciones de este índice durante fruit desarrollo (Figure 2un,b) nosotrosre similares a aquel obtenidos
en th e literature—un iniciales rápidos decrfacilidad y entonces una variación pequeña cerca la fecha de
cosecha óptima [5,7,14]. En nuestro experimento los valores de el Streif Índice dropped from 1.26 a 0.06
para “Ligol” y f rom 1.23 a 0.05 para “Szampion” (Figure 2un,b). Así, el dato de cosecha óptimo en plazos
del Streif el índice tendría que ser en el 262.º día de año (6.as fechas de muestreo) para ambos
probados cultivars (indicados por llenó marcadores en Figure 2un,b).
El índice de r espiration processes sirve como un indicador de elf ruit maturation degree y el
estado fisiológico de los tejidos [48]. Durante elg rdebiendo estación, manzana respiration
gradualmente disminuciones hasta que él reaches un mínimo varias semanas before el f ruit ripens. Esto
es sabido como el pre-climacteric mínimo. Apple maturation es también caracterizado por un large
incrfacilidad en ethylene production, el cual acompaña el respiratory cumbre durante ripening, llamó
el climacteric crisis [49].
El índice de dióxido de carbono y ethylene las emisiones era measured empezando from el 209.º día
de el año (2.ª fecha de muestreo, 26 julio) en intervalos semanales, para observar la característica
incrfacilidad en r espiration índice y ethylene síntesis. El CO 2 emisión change profiles nosotrosre
similares para ambos cultivars. Initially, el índice de emisiones de dióxido de carbono decralivió
por el 223rd día de año (4.ª fecha de muestreo). Después de que aquello, entre 230.º y 237.º día
(Figure 2c,d) elre era un claro incrfacilidad y entonces un continuo decrfacilidad hasta el 244.º día
de el year. Después de que aquello, un rápido incrfacilidad en r espiration el índice ocurrered para
ambos cultivars (Figure 2un,b).
Ethylene Emisiones nosotrosre constante from el 209.º a el 258.º y f rom el 209.º a el 251.º día para
“Ligol” y “Szampion”, respectively. Después de que aquello, un significativo incrla facilidad estuvo
notada (Figure 2g,h). El interno ethylene concentración (IEC) era también measured en el experimento,
empezando from el 226.º día de el año (3rd fecha de muestreo–13 agosto). El profile de el IEC cambios
(Figure 2e,f) era similar a el ethylene emisión profile (Figure 2g,h). Initially, el interno ethylene
concentración remained constante (cercano a 0 ppm) y después del 268.º día de el año él incraliviado
significantly. Taking A cambios de cuenta en el r espiration y ethylene biosynthesis lo valora tener
que be señalado fuera de aquellas manzanas de ambos probados cultivar nosotrosre en su pre-climacteric
fase from el 237.º a el 261.º day. Esto indica que fruits tendría que ser cosechado en el 261.º día de el
año en el más tardío.
TCapaz 2. Firmeza y biospeckle actividad de cv. “Ligol” Y “Szampion” after un, dos y th ree meses del almacenamiento evaluado en el 1.º y 7.º día de vida de
balda. En pa renthesis standard desviación. F-Valor de dos-manera ANOVUn de mes de día*de vida de balda de almacenamiento effect.
1
7 58.27 (˘5.73) b 57.48 (˘5.83) b,c 59.69 (˘8.27) un,b 58.61 (˘9.22) un,b
Firmeza (N)
1 57.37 (˘5.52) b,c 61.85 (˘8.82) un,b 51.75 (˘7.23) b,c 67.18 (˘12.49) un
2 1.43 3.45 * 4.22 * 3.85 *
7 50.57 (˘6.23) c,d 52.60 (˘10.74) b,c 55.75 (˘11.45) b 48.21 (˘5.67) b,c
1
7 0.500 (˘0.064) un,b,c 0.562 (˘0.049) un,b 0.473 (˘0.058) un 0.457 (˘0.076) b
1 0.539 (˘0.093) b,c 0.550 (˘0.056) un,b 0.497 (˘0.077) un 0.546 (˘0.050) c
3
7 0.482 (˘0.048) un,b 0.519 (˘0.067) un 0.521 (˘0.056) un,b 0.542 (˘0.069) c
1
7 29.08 (˘3.59) b,c 25.94 (˘4.41) b 25.91 (˘4.08) b,c 21.28 (˘3.71) c
Firmeza (N)
1 31.15 (˘4.46) b 28.29 (˘4.90) b 25.97 (˘3.20) b,c 25.65 (˘4.28) b,c
3
SZAMPION
1
7 0.621 (˘0.063) b 0.679 (˘0.059) un,b 0.606 (˘0.038) c 0.621 (˘0.056) b
1 0.625 (˘0.058) b 0.649 (˘0.045) un,b 0.618 (˘0.058) b,c 0.657 (˘0.045) un,b
3
7 0.557 (˘0.060) un 0.635 (˘0.087) un 0.623 (˘0.072) b,c 0.666 (˘0.081) un,b
Un, b, c, d
índices de Letra indican afiliación a homogeneous groups (according a Un OV Un con p = 0.05). La misma letra de superíndice denota no significativa differences; * significa
el e ffect es significativo en < p 0.05.
Sensores 2016, 16, 10 de
Sensores 2016, 16, 661
661 10 of 15
15.
3.3. Biospeckle
Actoivity
Biospeckle Unc tivity showed un overunl l significant increase (p < 0.05) during tél experiment
(Figure 33un,b) fpara botth cculttiivars. Para “Lival” tél totun l cambios w ere lmenos pronounced ((F =
16.54) unnd más regular,, wheerreeununs s ffoorr ‘‘SSz zunsoypiion'' tthe ttotal iencrreeunse wuns s mucch llununrrgde geerr ((FF ==
36..87), hownunca algunos discrepunncies de t él tancfinal trend apareceed. Thee Uns scceendiinngde g
ttrreend off BA valora wun s en bueno está de acuerdoment con anterior studies utilizando tél
biospecklle metthod fforr prrehunrrveesstt ununppllee moonniittoorriinngde g [[3377]].. Figura 33 sshhoowwssthtunhtunun t tunttheth2e6
26d 2nddunydu
n
(6yth(6stunh mspunlm
inp
gld
inung ted
) unbtieo)spbeicokspleeunccktlieviunty
ctd
iveicty
reundseecdrefunosrebdotfhortebsotetd
h te
c usltteivdunc ru
s luntn
ivdunrth
s
un nd then si ncr
e n incr un ed ung unsin.e un e d Ung ain.
Biospeckle Ununc tcitvivitiytywunw sununs lsounl m soeunm suerunesdudreudrindgucroin ldgstcoorlundges. tH oroUnw g eveH r,
othweetvren r,dsthveariterend s v u n r ed dep e n d in o n
d depen ding on the hung rvest dun e . F o r Unpth e t h u
n r v es t d u np te le s pic ked uns t the 254 nt
. Fo r Un p p le pic ked u
ththdeuny25(45th d sunm y (5 pltihngsundmuntel)inBgUndunintec)reBunU n
s eidncdru
eunrsinedg d coulrdinsgtocrounlgde,stowh runegreun, swunh t etrheeuns
un t h e 27 1s t u
nh n 2 7 8th d u
n y ( 7th
27 1st unnd 278 t duny (7th un nd 8th s unmpling d m un e) BU u
n n d 8 th sun t
p li n n g decreunBs ed (Tcunrb
te ) Un d e eunlese2d). U
(Tpunp blles
n
2h)un. rvUnepstpeldesonhtunh reve2s6t2endd odnunyt(h6eth2s6un2m
ndplindgunydun(t6et–h18stunhm opf lSienpgted munb t er)18wth ereocfhunSreunpctteemrizbed
r) bw
y
tehre lcohw
unreunscttlferuiczteuduntbiy
onthoef lBoU
wevsunt lu
n fleusctduuunrtiinogn cooflB
dUn vrununlu
sto ges. durinG cold storage.
4. DDisisccuusssio
ionn
HUnrvest dunt e hun s un g reun timpunc t on muniinttuniiniing ifirmness durriing the ssttorrunung e..
Unpples hunrvested un t the optimun l hunrvest dunt e usuunlly tend to lose their ifirmness much
slower during the long term storung e. TThhuuss,, tthhee ssttunungdegee of munt urit y un t hunrvest directly unf
fects quunl lity off tthhee pprroodduucctt.. The lowest decreUns e in ifirmness wun s reported for unpples picked
on the 18th of September (6th sunm pling dunt te) both unf ter st orrunung de gee
ffoorr tthhrreeee mmoonntthhssununnndddduurrin ingdegththeeshsheleflflilfief.eT
. h
Tihs is sGugdegegsetesd ted thtunh t ununt punpplepslehsunh rvunerv steesdteundt
unt 262nd duny (6th m sunpmpling t dun te ) hun d th e best s t orunc g e c unb punb iléli es unw nderw
2 6 n d d uny ( 6 t h su n lin g dun e ) h und t h e b s t s t o run g e un p un il i t ies un n d e
esrueitsunubilteunb foler d foerlid
velriyvetorythtoe tm hunerm
keunt.r kUnelts.o,Unflrsuoi,tsfrpuicitksep dicukpeundt u 6tph unstunm 6tp hlisnungmdpunlti n e gshdounw
teed shtohw e semd untlhl e st mchununlnegset scohfunB ng Uneuns fo
tefrBhU nunrunvfetsetr. h unrvest. Consid eri ng the unfbove, for “Li gnodl” “unS
C o n s id e rin g th u n b o v e , o r “ L i g o l” un
nzdunm “Spziunom np” iounnp”pu lepspliensteinteenddefd
n orfolronlogngcoclodldssttoorrunungdegee the optimunl l hhununrvrvesetstdundteuntw e unw s
ununt s u n t t h e 1 8 t h S e p te m
th e 18th September during the unnalyz ed ro ber d u r i n g t h e ungn u nw ly th seung son. F rui t o n tog enes s conntosG
z ed ro w t h se U n s o n . F r u i t o isetn
s
eosfismcunotu nrsuisttisonou
n nfnmd unrtiu preunntinogn punhnundsersi.pT enhienifG rspthounnsesi.ncTlhuedefsirp sthyosnioe loin
Gciclunld, ebsiopchem sioiclo
ung l iunc
nund l, m bio phh em oliocgunilcunn l d chmunnogrepsh, ounlnodgiecnunld cs hw unh negn est,hunenm d unexn id msuw mhseinzethoef tm heunxfrim uiut m es r
seiunzcehoefdt.hReip freuniitniGs irnev unc ohlveeds. sRtirpuecntu inrG al iunnnvdolcvheesmsitcrunulctm uo rundlifiuncnundtiocnhsem oficfunrul itmcoodm ifpicouns titoin osn,
orfesfurlutingcofrm op mospitrioocne,ssreessusluticnhguns fro thme tprrunoncsefsosrem s uns tu iocnhounfschtlhoerotprunlunnsstfsoirnmtount cihornom ofopclhunlsotrso,
p
loslu ns st s
of i nt c h r
chlorophyll unpo m o l
nd sun unt s
cc, lo s s o f ch
um uluntion of cunp l or o h y
roten ll u n n
o ids, d
sunocfctuem niungluno tifotnheoftiscsunureotunenndoicdhsun, nsgoefstein n uncgidosf untnhde stu isgsunures unmnedtuncbhounlinsg mes[5i0n,5un1c]i. dFsruUnint dgrsouwgtunh
rsism
meunt2016,
Sensores iunnbto niln
u16, isem
d [5y0,t5h1e]. eFxrpuUnin
b t sgiroonwoth
f pisunrm enunc in htyunm inunedcebllys, th wehiecxh punin stiu ornnotfripgungreernsc11
hryde
p om ceuns
661 15.
scesllsi,nwthheichceliln untnudrncetrlligw geunrlsl. Sporo mce spsheos toin
synththeetciec lp
l rUn ondductcsesllynw thunells.izSeodmine lepUnh voetsounsryenunth cceu tim
c
uplu
rotedduicntsfru
n syitnpthuneresinzcehdym inun ilneunth vesfounrmre ounc f csuum gunurlsun.teTdhisn Unfcrcuuitmpuunlrunetn iocn
hypm lununysinun tvhietunl
forromle oinf cseulgluunlrunsr. w
ThUnitserunc rectuem ntuiolunntiu
ondpslu
n n
uystsuniunnsvicteunll rtoulregoinr. Yocnelunludld
unirtiw onunt , ecrelrlew teunnltlioflnexun
n d s u
ibility iss tunc ins c e l tu r g o r . Yo n un d d itio n , c e ll w
ruciunl l for cellu lunr integrity unnd fr uit exx unnsion [52]. u n ll fl e p ib ility is c r u ciUn l for cellulunr ent
egrity y fr ulo expansion [52].
Sensores 2016, 16, 12 de
661 15.
According A el literature [15] el tiempo de cosecha óptimo para manzanas ocurre cuándo el Streif
el índice es en gama de 0.08–0.30. Particularmente para “Szampion”, el Streif el índice en cosecha
estuvo encontrado para ser
0.12 [16]. Así, la ventana de cosecha óptima en plazos del Streif Índice para manzanas en este
experiment tendría que ser en el 262.º día (6.ª fecha de muestreo) para ambos probado cultivars
(Figure 2un,b).
Durante el periodo de cosecha, climacteric fruits, como manzanas, espectáculo cambios
bioquímicos típicos, los cuales pueden influir el biospeckle activity. Él already ha sido mostrado que para
manzanas el BA es unf fected por cambios en starch [34] y chlo rophyll contenido [33]. Taking A cuenta
previous results [37], este experimento inequívocamente mostró que BA incrfacilidades durante fruit
desarrollo, hasta un pequeño drop abajo aquello ocurre justo en el tiempo de cosecha. Es posible que
el observado drop abajo mostrado en el BA graph (Figure 3un,b) es un punto característico que indica
el optimal cosecha window. Esta observación se mantuvo con comparación con el Streif Índice,
ethylene y emisión de dióxido de carbono y postharvest firmeza de f ruits (Figure 2). En el muy
empezando de f ruit desarrollo la inicial incrfacilidad de BA puede ser r elated a la primera fase de
ontogenesis, el cual implica célula division y enla rgement. Esta etapa de f ruit el desarrollo era también
asoció el altoest intensity de r espiration (Figure 2c,d). Siguiendo esta etapa, el g rowth de f ruit estuvo
inhibido y ripening empezó. El respiration el índice mostró un descendiendo trfin durante esta fase, up a
el 223rd día de el year. El índice más bajo de emisión de dióxido de carbono ocurrered en el 251.º day.
Después de que aquello, un incrfacilidad en r espiration estuvo observado, el cual es r elated a climacteric
cumbre. Esto estuvo confirmado por el incrfacilidad en ethylene synthesis (Figure 2g,h) e interno ethylene
concentración (Figure 2e,f). Considerando el hecho, aquella cosecha de manzana en el preclimacteric
el mínimo es r egarded para ser el optimal fecha, en nuestro caso, las manzanas tendrían que ser
cosechadas ningún más tardíos que en el 261.º day.
Después de que almacenamiento para uno, dos y th ree meses, cambios en biospeckle actividad
así como firmeza nosotrosre el más bajos para las manzanas eligieron en el 18.º de Septembe r (6.ª
fecha de muestreo). Esto da evidencia adicional que las manzanas cosecharon justo después del
ocurrirrence de un decrfacilidad en BA tuvo el best capacidades para r etaining calidad satisfactoria
después de almacenamiento de plazo largo. TCapaz 3 espectáculos el correlation matriz entre BA y t él
tradicional destructive los índices utilizaron para el prediction de la fecha de cosecha óptima. To Obtiene
estos correlation dato, BA, firmeza y SI para individual fruits nosotrosre tomados, whereas SSC era
measured from pulpa. Correlation Valora variar from 0.4 to 0.63 para BA (Tcapaz 3), nosotrosre
considered como significativos (encima base del análisis estadístico), pero muy débil correlations.
Significativo correlations entre BA parámetros y dest ructive índices de madurez muestran que el
biospeckle la técnica podría ser utilizada cuando uno de los métodos para no-destructive
characterization y p rediction de la ventana de cosecha óptima para manzanas. However, tenga que
ser notado que es posible que correlations de algunos de las variables unre no un result de di rect
relationship, pero rath er similar subyacentes p rocess causando cambios con el tiempo. Tenga que
ser notado que correlations entre las variables que cambian con el tiempo unre no tan significativos
como observaciones independientes. También, es un bien-sabido property de Pearsons correlation
que su valor es altamente unf fected por outlier dato.
TCapaz 3. Pearson correlation coefficient matriz entre índices de madurez y biospeckle actividad (BA)
Evaluado para ambos cultivars separately. * Medio correlation es significativo en < p 0.05.
BA 1.00
F ´0.53 * 1.00
Ligol
El optimal ventana de cosecha para el probado cultivars estuvo determinado por grower cuando
entre el
20.º y 27.º de Septembe r, basado en los índices de madurez como firmeza, starch patrón de
degradación, background cambio de color e intensidad de enrojecer. Este corresponds a el periodo
entre el 262.º y
271.º día de año (6.º y 7 th fechas de muestreo), el cual empareja con el ocurrirrence de BA drop
abajo.
Hasta ahora la manzana mateurity la etapa ha sido evaluada y p redicted por muchos métodos,
empezando from tal sofisticados unos tan t él concentración interna de ethylene, moviendo a métodos
más sencillos, como la evaluación de firmeza o concentración de sta rch. Aun así ninguno de el
disponible measures es capaz a p rovide caracterización llena de etapa biológica de f ruit sólo. Elrefore,
intentos nosotrosre hechos a c reate measures (De Jager índice, FARS index, etc.) aquello combina
múltiple descriptors (firmeza, starch contenido o incluso el coloration de f ruit piel) condensado a
uno value, providing indicadores convenientes de maturit y. A pesar de este e fforts prediction de
OHD todavía implica destructive métodos y carencias precision. Para caso, De Jager el índice
calculado en este estudio no mostró cualquier extremum durante periodo estudiado, los cuales
obstaculizan el prediction de OHD..
El BA los cambios con el tiempo mostraron un claros drop cercanos OHD. Debido a su no-
selectivo nature el biospeckle método reflects el estado fisiológico de la totalidad fruit y puede ser
unf fected por muchos otros factores. Las investigaciones mostraron que la ventana de cosecha óptima
para manzanas estuvo indicada por la característica drop de BA durante pre-desarrollo de cosecha.
However, en elcur rent estado de desarrollo el BA el método no puede ser utilizado como un indicador
sólo. El rendimiento bastante pobre sugiere que BA measurements se tendría que mantener con otro
destructive métodos para compensar para la selectividad baja de este método. El g rcome la ventaja de
este método es su no-destructive nature en r elation a los otros métodos utilizaron en este experimento.
Unfortunately, el biospeckle el método es altamente sensible a vibraciones; su aplicación eventual para
evaluación de la ventana de cosecha óptima requires fruit para ser elegido from el t ree y measu red bajo
condiciones estables (indoor o exteriores pero protected from vibración). El erro de BA measurements
también depende de el posicionamiento de f ruit contra el láser y cámara; aun así esto es mucho
menos problematic que el típico large variabilidad biológica entre fruits. Esto significa que, according
a nuestra experiencia, el método requires BA measurement from lotes de aproximadamente diez
manzanas y dos a cuatro posiciones en cada manzana, más a menudo from el equator. Aun así teniendo
en cuenta un cuatro segundo tiempo de medir, una persona especializada típica puede completar la
prueba en aproximadamente diez minutos.
Por otro lado, nuevo biospeckle setup los arreglos pueden reduce el negativos effects de vibraciones
de muestra así como specular y di rectly reflected porción de ligero. Es posible a r educe el
tiempo de adquisición por emplear cámaras de velocidad alta. Tiempo de adquisición más corta
también result en r educed vulnerabilidad a vibraciones. Luz de poder alto sources podría soler
illuminate muestras from el lado posterior, así sólo la porción transmitida de ligero sería captured.
Improvements También puede ser conseguido en biospeckle dato p rocessing techniques.
Recently, métodos noveles de análisis de speckle tiempo-los patrones variables basaron en f requency
análisis nosotrosre introduced. Frequency El análisis deja el mapeo de actividades asoció con concreto
biológico o físico processes que sólo ocurre en seguro frequencies en la muestra. Currently Las
aplicaciones disponibles emplean direct análisis de f requency bandas mediante descriptors
estadísticos como valor de amplitud mala de armónico frequencies o señal entropy etc. [31,53,54].
5. Conclusiones
Apple harvested en el 6.º que elige la fecha mostró las capacidades de almacenamiento mejores, el
cual estuvo indicado por el más pequeño decrfacilidad en firmness. Esto eligiendo la fecha era p redicted
como optimal ambos mediante Streif Índice y BA análisis. La ventana de cosecha óptima estuvo indicada
por BA análisis como característico decrfacilidad en measured activity. Moreover, un significativo
correlatión entre biospeckle actividad y St reif el índice estuvo obtenido, sugiriendo que cambios de
ambos measures nosotrosre paseon por similar processes, underyendo durante fruit desarrollo y
causando cambios biofísicos de f ruit.
Un2016,
Sensores significativo
16, correlation
entre biospeckle activity, firmeza, starch índice, Streif el índice15 de
y los
661 15.
sólidos solubles totales estuvo obtenido, mostrando que controlando BA durante elg rowth la
estación podría ser utilizada
Sensores 2016, 16, 661 16 de
13 de
661
15. 15.
Con otros índices de madurez para determinación de ventana de cosecha óptima. Correlation Valora
varying from 0.4 a 0.63, nosotrosre considered como significhormiga (en la base del statistical análisis),
but muy weak correlations. Tenga que ser enfatizado que BA no es un método selectivo, el cual significa
que BA reflects sólo elcur rent estado biológico delf ruit y puede ser unf fected por muchos otros
factores. Elrefore, el BA measurements se tendría que mantener con otro destructive métodos para
compensar su bajos selectivity. La ventaja más grande de el proposed la metodología es su no-
destructive carácter y r elatively abajo costado en comparación a dest ructive y el tiempo que consume
sustancia química analysis. Esta aplicaciónroach puede ser considered como el método alternativo
rápido que deja producers a imp rove fruit cosechando y almacenamiento..
Acknowledgments: El estudio se mantuvo bajo project NR 12 0137 10, fundado por El Céntimo Nacionalre para
Research y Desarrollo (NCBiR) (uso y metodología de biospeck le actividad measurement) y p roject NR
2011/01/D/NZ9/02494, fundado por El Nacional Centre de Ciencia (NCN) (en plazos de metodología de
análisis químico). Este trabajo estuvo financiado por El Presupuesto Nacional polaco para Ciencia 2015–2017
(Project IP de Núm.2014
023773, “Iuventus Plus” programme).
Contribuciones de autor: Anna Skic diseñó el experiments, recorded biospeckle y w rote el paper,
Monika Szymań ska-Charconsiguió diseñado los experimentos, análisis químico actuado y w rote el paper,
Beata Kruk actuó análisis químico, Monika Chyliń ska actuó análisis químico, Piotr Mariusz Pieczywek
analizó dato y w rote el paper, Andrzej Kurenda revised y cor rected manuscrito, Artur Zdunek revised y cor
rected manuscrito, Krzysztof P. Rutkowski measured ethylene Y emisión de dióxido de carbono.
Conflictos de Interés: Los autores declare ningún conflicto de inte
rest.
Referencia
s
1. Vielma, M.S.; Matta, F.B.; Silval, J.L. Optimal Tiempo de cosecha de varias manzana cultivars grposee en
Del norte
Misisipi. J. Soy. Pomol. Soc. 2008, 62, 13–20.
2. Rizzolo, Un.; Grassi, M.; Zerbini, P.E. Influencia de fecha de cosecha en ripening y compuestos volátiles en
el scab-resistant manzana cultivar ‘Naranja Dorada'. J. Hortic. Sci. Biotechnol. 2006, 81, 681–690. [CrossRef]
3. Kviklienė, N. Effect De fecha de cosecha encima manzana fruit calidad y almacenamiento ability. Folia Hortic.
2001, 13, 97–102.
4. Franelli, K.; Casera, C. Influencia de Harve st Fecha encima Calidad de Fruta y Storability en el Varieties Braeburn y
Gala ; Of fice para Of ficial Publicaciones de el European Comunidades: Rue Mercier, Luxembourg, 1996; pp.
105–115.
5. Merész, P.; Sass, P.; Lovasz, T. Evaluación de Índices de Cosecha de G de Manzanasrposee en Hungría; Of fice
para Of ficial
Publicaciones de el European Comunidades: Luxembourg Rue Mercier, Luxembourg, 1996; pp. 53–
60.
6. Streif, J. Fecha de cosecha óptima para different manzana cultivar en el ‘Bodensee' unrea. En P roceedings
del.
Working Group en COSTE de Fecha de Cosecha Óptimo 94, Lofthus, Norway, 9–10 junio 1996; pp. 15–20.
7. De Mucho tiempo, J.M.; Prange, R.K.; Harrison, P.Un.; Shofield, R.Un.; de Ell, J.R. Utilizando el Streif índice
como ventana de cosecha final para controlled-atmosphere almacenamiento de manzanas. Hortscience 1999,
34, 1251–1257.
8. Rutkowski, K.P.; Michalczuk, B.; Konopacki, P. Nondestructive Determinación de ‘Dorado Delicioso' calidad
de manzana y cosecha maturity. J. Fruta Ornam. Planta Res. 2008, 16, 39–52.
9. Zerbini, P.E.; Grassi, M.; Cubeddu, R.; Pifferi, Un.; Torricelli, Un. Time-resolved reflectance spectroscopy
Puede detectar defectos internos en peras. Acta Hortic. 2003, 599, 359–365. [CrossRef]
10. Juan, J.L.; Frances, J.; Montesinos, E.; Campamentos, F.; Bonany, J. E ffect De fecha de cosecha encima calidad
y pérdidas de decadencia después de almacenamiento frío de manzanas Deliciosas Doradas en Girona. Acta
Hortic. 1999, 485, 195–201. [CrossRef]
11. Hribar, J.; Plestenjak, Un.; Simsic, M.; Fosaako, D. Influencia de Condiciones Ecológicas en Fecha de Cosecha
Óptima en Eslovenia; Of fice para Of ficial Publicaciones de el European Communities: Rue Mercier,
Luxembourg, 1996; pp. 49–52.
12. Ingle, M.; D ouza, M.C.; Townsend, E.C. Fruit Características de Y ork manzanas durante desarrollo y después
de que almacenamiento. Hortscience 2000, 35, 95–98.
13. Braun,
Sensores 2016, H.;
16, Brosh, B.; Ecker, P.; Krumbock, K. Cambios en calidad off manzanas before, durante y después
17 de de
661 que CA-almacenamiento frío. Obstau Fruchteverwert. 1995, 45, 143–206. 15.
14. Skrzynski, J. Estudio de Fecha de Cosecha óptimo de 4 Manzana Cultivars en Polonia Del sur; Of fice para Of ficial
Publicaciones de el European Comunidades: Rue Mercier, Luxembourg, 1996; pp. 61–66.
15. Saevels, S.; Lammertyn, J.; Berna, Un.Z.; Veraverbeke, E.Un.; Di Natale, C.; Nicolaï, B.M. Electoronic nariz
como no-destructive herramienta para evaluar el optimal fecha de cosecha de manzanas. Postharvest Biol.
Technol. 2003, 30, 3–14. [CrossRef]
Sensores 2016, 16, 661 18
14de
de 15.
661 15.
16. Łysiak, G. La determinación de índice de cosecha de ‘Sampion' las manzanas pretendieron para
almacenamiento largo. Acta Sci. Pol.
Hortorum Cultus 2011, 10, 273–282.
17. De Jage r, Un.; Roelofs, F. Prediction De la Fecha de Cosecha Óptima de Jonagold ; Of fice para Of ficial
Publicaciones de el European Comunidades: Rue Mercier, Luxembourg, 1996; pp. 21–31.
18. Menesatti, P.; Zanella, Un.; D'Y rea, Un.; Costa, C.; Paglia, G.; Pallottino, F. Supervised Multivariate Analysis
de Hype r-NIR Espectral Imágenes para Evaluar el Starch Índice de Manzanas. Alimentario Bioprocess
Technol. 2009, 2,
308–314. [CrossRef]
19. Zude-Sasse, Z.; Truppel, yo.; Élrviejo, B. Una aplicaciónroach a no-dest ructive manzana fruit chlorophyll
determinación.
Postharvest Biol. Technol. 2002, 25, 123–133. [CrossRef]
20. Firtha, F.; Fekete, Un.; Kaszab, T.; Gillay, B.; Nogula-Nagy, M.; Kovács, Z.; Kantor, D.B. Métodos para improving
calidad de imagen y r educing carga de dato de NIR hyperspectral imágenes. Sensores 2008, 8, 3287–3298.
[CrossRef]
21. Peng, Y.; Lu, R. Analysis De spatially resolved hyperspectral esparciendo imágenes para evaluar manzana
fruit firmeza y contenido de sólidos solubles. Postharvest Biol. Technol. 2008, 48, 52–62. [CrossRef]
22. Baranyai, L.; Zude, M. Análisis de luz de láser propagation en kiwifruit utilizando backscattering
imaging y
Monte Carlo simulacro. Comput. Electorencima. Agric. 2009, 69, 33–39. [CrossRef]
23. Qing, Z.; Ji, B.; Zude, M. Predicting Contenido sólido soluble y firmeza en manzana fruit por m eans del láser
ligero backscattering análisis de imagen. J. Alimentario Eng. 2007, 82, 58–67. [CrossRef]
24. Bauriegel, E.; Giebel, Un.; Herppich, W.B. Hyperspectral Y chlo rophyll fluorescence imaging para analizar
el impacto de Fusarium culmorum en la integridad fotosintética de orejas de trigo infectado. Sensores 2011,
11,
3765–3779. [CrossRef] [PubMed]
25. Herppich, W.B. Potencial de aplicación de Chlo rophyll Fluorescence Imaging Análisis en Hortícola
Research. En P roceedings de el 6.º Simposio Internacional: Fruit, Fruto seco y V egetable Production
Ingeniería, Potsdam, alemány, 11–19 septiembre 2001; pp. 609–614.
26. Herppich, W.B.; Linke, M.; Landahl, S.; Gzik, Un. Preharvest Y postharvest responses de rábano a r educed
suministro de agua durante growth. Acta Hortic. 2001, 553, 89–90. [CrossRef]
27. Skierucha, W.; Wilczek, Un.; Szypłowska, Un. Dieléctrico spectroscopy en ag rophysics. Int. Agrophys. 2012,
26,
187–197. [CrossRef]
28. Zdunek, Un.; Pieczywek, P.M.; Adamiak, Un.; Kurenda, Un. El biospeckle método para la investigación
de agrícola crops: Un review. Opta. Láser Eng. 2014, 52, 276–285. [CrossRef]
29. Xu, Z.; Joenathan, C.; Khorana, B.M. Temporal Y espacial properties de elt ime—Varying speckles de
especímenes botánicos. Opta. Eng. 1995, 34, 1487–1502.
30. Zhao, Y.; Wang, J.; Wu, X.; Williams, F.W.; Schmidt, R.J. Punto-sensato y láser de campo entero speckle
fluctuación de intensidad measurements aplicó a especímenes botánicos. Opta. Láser Eng. 1997, 28, 443–456.
[CrossRef]
31. Draijer, M.; Hondebrink, E.; Furgoneta Leeuwen, T.; Steenbergen, W. Revisión de láser speckle técnicas de
contraste para visualizar tejido perfusion. Láser Med. Sci. 2009, 24, 639–651. [CrossRef] [PubMed]
32. Braga, R.Un.; Dupuy, L.; Pasqual, M.; Cardosos, R.R. Vivo biospeckle láser imaging de r oot
tejidos.
Eur. Biophys. J. 2009, 38, 679–686. [CrossRef] [PubMed]
33. Zdunek, Un.; Herppich, W.B. Relación de biospeckle actividad con c hlorophyll contenido en
manzanas.
Postharvest Biol. Technol. 2012, 64, 58–63. [CrossRef]
34. Zdunek, Un.; Cybulska, J. Relación de Biospeckle Actividad con Atributos de Calidad de Manzanas. Sensores
2011, 11,
6317–6327. [CrossRef] [PubMed]
35. Adamiak, Un.; Zdunek, Un.; Kurenda, Un.; Rutkowski, K. Aplicación de Biospeckle Método para Controlar
el desarrollo de Podredumbre del Ojo del Toro y Cambios de Calidad de Manzanas Sometieron a
V arious Métodos de Almacenamiento—Preliminary Estudios. Sensores 2012, 12, 3215–3227. [CrossRef]
[PubMed]
36. Kurenda, Un.; Adamiak, Un.; Zdunek, Un. Temperature effect Encima manzana biospeckle la actividad
evaluada con di fferent índices. Postharvest Biol. Technol. 2012, 67, 118–123. [CrossRef]
37. Szymań
Sensores ska-CharConseguido, M.; Adamiak, Un.; Zdunek, Un. Pre-Cosecha controlar de manzana19 fruits
2016, 16, de
661 desarrollo con el uso de biospeckle método. Sci. Hortic. 2012, 145, 23–28. [CrossRef] 15.
38. Nassif, R.; Pellen, F.; Magné, C.; Le Jeune, B.; Le B run, G.; Abboud, M.L. Esparciendo through fruits durante
ripening: Láser speckle técnica correlated a bioche mical y fluo rescence measurements. Opta. Exp. 2012,
20, 23887–23897. [CrossRef] [PubMed]
39. Pajuelo, M.; Baldwin, G.; Rabal, H.; Gorra, N.; Arizaga, R.; Trivi, M. Bio-speckle assessment De b ruising
en f ruits. Opta. Láseres Eng. 2003, 40, 13–24. [CrossRef]
Sensores 2016, 16, 20 de
661 15.
40. Rabelo, G.F.; Braga, R.Un.; Fabbro, yo.M.D.; Trivi, M.R.; Rabal, H.J.; Arizaga, R. Láser speckle técnicas en
evaluación de calidad de Naranja fruits. Rev. Sujetadores. Eng. Agríc. Ambiental. 2005, 9, 570–575. [CrossRef]
41. Romaro, G.G.; Martinez, C.C.; Alanis, E.E.; Salazar, G.Un.; Broglia, V.G.; Alvarez, L. Bio-speckle La
actividad aplicó a la valoración de tomate fruit ripening. Biosys. Eng. 2009, 103, 116–119. [CrossRef]
42. Braga, R.Un.; Dal Fabbro, yo.M.; Borem, F.M.; Rabelo, G.; Arizaga, R.; Rabal, H.J.; Trivi, M. Valoración de
semillas viability por láser speckle técnicas. Biosys. Eng. 2003, 86, 287–294. [CrossRef]
43. Braga, R.Un.; Rabelo, G.F.; Granato, L.R.; Santos, E.F.; Machado, J.C.; Arizaga, R.; Rabal, H.J.; Trivi, M.
Detección de fungi en alubias por el láser biospeckle técnica. Biosys. Eng. 2005, 91, 465–469. [CrossRef]
44. Hoehn, E.; Gasser, F.; Guggenbühl, B.; Künsch, U. Efficacy De inst rumental measurements para determinación
de mínimo requirements de firmeza, sólidos solubles, y acidez de varias variedades de manzana en comparación
a expectativas de consumidor. Postharvest Biol. Technol. 2003, 27, 27–37. [CrossRef]
45. Stevenson, D.G.; Domoto, P.Un.; Jay-lin, J. St ructures Und funcional properties de manzana (Malus
domestica
Borkh.) fruit starch. Carbohydr. Polym. 2006, 63, 432–440. [CrossRef]
46. Olsen, K.L.; Martin, G.C. Influence De la manzana florece fecha encima madurez y calidad de almacenamiento
de ‘Starking Deliciosos'
Manzanas. J. Soy. Soc. Hortic. Sci. 1980, 105, 183–186.
47. Poco, C.R.; Holmes, R.J. Almacenamiento Technology para Manzanas y Pe ars: Una Guía a P roduction, Postharvest
Treatment y Almacenamiento de Pome Fruta en Australia; Agriculture Victoria: Knoxfield, Australia, 2000.
48. Fleancu, M. Correlations Entre algún fisiológico processes en manzana fruit durante grdebiendo y maturation
processes. Int. J. Agric. Biol. 2007, 9, 613–116.
49. Abeles, F.B.; Morgan, P.W.; Saltveit, M.E. Ethylene En Biología de Planta; San D iego Académico Press: San Diego,
CA, EE.UU., 1992; p. 414.
50. Brady, C.J. F ruit ripening. Annu. Rev. Planta Physiol. 1987, 38, 155–178. [CrossRef]
51. Goldschmidt, E.E. Cambios de pigmento asociaron con f ruit maturation y su control. En Senescence en Plantas;
Thimann, K.V., Ed.; CRC Press Inc.: Boca Raton, FL, EE.UU., 1980; pp. 207–217.
52. Ezura, H.; Hiwasa-Tanase, K. Fruit Desarrollo. En Plantar Biología Del desarrollo-Biotechnological Perspectivas;
Springer-Verlag Berlina Heidelberg: Berlín, alemány, 2010; Volume 1, pp. 301–318.
53. Sendra, H.; Murialdo, S.; Passoni, L. Láser dinámico speckle para detectar motile bacterial response de
Pseudomonas aeruginosa. J. Phys. Conf. Ser. 2007, 90. [CrossRef]
54. Braga, R.Un., Jr.; Horgan, G.W.; Enes, A.m.; Mirencima, D.; Rabelo, G.F.; Barrareto Filho, J.B. Biológico
feature
Aislamiento en biospeckle imágenes de láser. Comput. Electorencima. Agric. 2007, 58, 123–132.
© 2016 por los autores; licensee MDPI, Basel, Suiza. Este artículo es un artículo de acceso
abierto distribuido bajo los plazos y condiciones de elC reative Commons Atribución
(CC-POR) licencia (http://creativecommons.orLicencias/de g/por/4.0/).