Применение массива химических сенсоров для мониторинга степени зрелости плодов авокадо сорта Хасс

Тренд на здоровое питание, высокая пищевая ценность авокадо способствовали резкому увеличению спроса и объемам продаж авокадо в России. За последние 5 лет объем импорта авокадо увеличился более чем в 4 раза. В 2025 г. авокадо импортировали в Россию из 8 различных стран, включая Египет, Кению, Турцию, Израиль, Сирия, Иран, Азербайджан, Узбекистан. Самым популярным и доминирующим сортом авокадо на мировом рынке и в России является сорт Хасс. Пищевая ценность авокадо определяется высоким содержанием мононена-сыщенных и полиненасыщенных жирных кислот, комплексом витаминов (K, C, B5, B6, E), минеральных веществ, флавоноидов, антиоксидантов, клетчатки, необходимых для профилактики алиментарных заболеваний. Широкая география поставок авокадо в Россию, длительная логистика, несоблюдение требований к степени зрелости на этапах сбора урожая и нарушение температурно-временных условий поставки и хранения приводят к значительным потерям плодов. В этой связи управление качеством авокадо на всех этапах товародвижения является критически важным фактором для удовлетворения ожиданий потребителей и поддержания репутации бренда. При хранении, транспортировании и реализации на каждом этапе продвижения плодов к потребителю, осуществляется оценка органолептических свойств и определения степени зрелости, так эти показатели являются определяющими критериями для адекватной оценки потребительских свойств и прогнозирования оптимальных сроков лежкоспособности. Правильное определение степени зрелости авокадо перед сбором урожая влияет на дальнейшее созревание и вкусовые качества плода после дозревания. Практически на всех этапах движения товара от производителя до потребителя происходит трансформация состава ароматических веществ, поэтому количественная оценка летучих ароматических веществ является важным критерием, способным характеризовать уровень зрелости плодов. Объективная оценка этого показателя с возможностью последующей оцифровкой данных позволит обеспечить прослеживаемости потребительских свойств и лежкоспособности авокадо.

Авокадо сорта Хасс характеризуется длительным сроком хранения, прекрасными вкусовыми качествами и узнаваемым внешним видом. Плоды отличается богатым и сложным ароматическим профилем, который формируется созревания. Этот профиль является результатом взаимодействия множества летучих органических соединений (Л.О.С.), которые определяют вкус и аромат плодов. Это делает плоды авокадо сорта Хасс идеальным кандидатом для разработки методов контроля качества, которые могли бы применяться в масштабах всей индустрии для онлайн контроля дозревающих плодов [1].

Аромат является ключевым индикатором при оценке потребительских предпочтений при выборе свежих плодов и овощей. Сложное сочетание летучих ароматических соединений формирует аромат плодоовощной продукции. Изучение динамики паттерна выделяемых летучих соединений, ответственных за формирование разных оттенков аромата авокадо в процессе его дозревания имеет ключевое значение при оценке качества и степени зрелости плодов в цепи поставок. Современные газовые и жидкостные хроматографы, а также масс-спектрометры, предоставляют широкие возможности для анализа и получения данных об ароматических характеристиках пищевых продуктов. Тем не менее, подобные исследования часто характеризуются высокой трудоемкостью, стоимостью и временными затратами. В связи с этим возрастает актуальность создания более доступных, экономичных устройств для быстрой оценки ароматического профиля климактерических плодов, которые позволят объективно определить степень зрелости плодов на любом этапе товародвижения [2].

В настоящее время для оперативного контроля и управления качеством плодов на этапах товародвижения большое значение уделяется разработке и широкому внедрению в практику неразрушающих экспресс-методов инструментального контроля потребительских свойств и оценки потенциальных сроков годности скоропортящейся продукции [3]. Основные тренды при разработке новых методов и приборов для неразрушающего метода анализа плодов, предполагают разработку экономичных инструментов, позволяющих проводить исследования в режиме реального времени, в одну стадию, без нарушения целостности объекта и исключающие сложную процедуру пробопод-готовки [4]. Значимость таких тест-систем особенно актуальна при организации импорта и реализации дорогостоящих плодов, в том числе климактерических плодов авокадо, физиологическое состояние которых постоянно изменяется в результате необратимых процессов дозревания плодов на всех этапах цепи поставок. Для инструментальной оценки легколетучих соединений, эмиссия которых коррелирует со степенью зрелости плодов, был использован анализатор запаха МАГ-8, который позволяет формировать целостное представление об ароматическом профиле объекта. Прибор позволяет получать многомерный аналитический сигнал, отображающий матрицу данных о летучих соединениях, воспринимаемых как аромат плода, в цифровом выражении. В приборе используется набор селективных химических сенсоров на основе пьезоэлектрических кварцевых резонаторов для решения широкого спектра проблем связанных с анализом летучих химических соединений. Для оценки запаха авокадо использовали шесть перекрестно чувствительных к определенному набору летучих соединений сенсоров-датчиков, которые фиксируют особенности содержания и динамику количественных изменений исследуемых данных путем формирования визуального образа в виде диаграммы, отражающей содержание нескольких наиболее значимых компонентов, ответственных за запах. Используя консолидированное изображение можно оценивать изменение показателей, свойственных разному физиологическому состоянию плодов. Визуальные отпечатки сигналов, полученные с помощью используемого набора сенсоров-датчиков, позволили с помощью математических методов обработки ранжировать показатели в соответствии со степенью зрелости плодов [5]. Степень зрелости авокадо имеет большое значение для управления качеством и определения потенциальных сроков хранения. Различают следующие степени зрелости плодов: незрелый плод, который собран рано и не способен к дозреванию (Immature); физиологически зрелый, не достиг потребительской зрелости, пригодный для транспортирования, способен к дозреванию, (Mature green); в потребительской степени зрелости (Ripe); перезревший в стадии старения (Overripe). Для онлайн оценки состояния климактерических плодов могут использоваться интегральные методы диагностики летучих ароматических соединений, сосав которых имеет характерный спектр для каждой стадии зрелости. В этой связи в данной работе была изучена эффективность применения анализатора запахов МАГ-8 для определения визуальных отпечатков сигналов, измеренных в равновесной газовой фазе над образцами, с помощью рекомендуемого набора шести сенсоров-датчиков и последующей их математической обработки.

Приборы и алгоритмы с методологией «Электронный нос» могут стать ценным инструментом для управления качеством авокадо на различных этапах товародвижения, в том числе за счет быстрого анализа зрелости.

Внедрение этой технологии позволит повысить эффективность контроля качества и снизить потери, связанные с порчей продукции.

Цель работы – оценка возможности применения разноселективного массива пьезокварцевых сенсоров для разработки экспрессного неразрушающего способа оценки степени зрелости плодов авокадо, как ключевого фактора позволяющего минимизировать потери продукции на всех этапах цепи поставок.

Материалы и методы

Для исследования летучих органических веществ была использована методика, основанная на сенсорной технологии, имитирующей принципы работы человеческого обоняния. Для контроля изменения состава смеси летучих соединений, выделяющихся через кожицу плодов авокадо сорта Хасс разной степени спелости применяли анализатор газов «МАГ-8» с набором в качестве детектирующих элементов шести пьезосенсоров и закрытой ячейкой детектирования (Россия, ООО «Сенсорика – Новые Технологии»). В работе применялись 6 сенсоров на базе пьезокварцевых резонаторов с основной частотой колебаний 10,0–14,0 МГц с различными по составу и свойствам пленочными нанострук-турированными сорбентами, нанесенными на электроды [6]. Выбор покрытий был обусловлен целью исследований (потенциальной эмиссией различных органических соединений из пищевых систем): сенсор 1, электрод на основе поливинилпирролидона (ПВП) (универсальные покрытия), модифицирован многослойными углеродными карбоксилированными нанотрубками разной массы для обеспечения разной чувствительности микровзвешивания паров полярных ЛОС: спирты, кислоты, фенолы, ацетон и формальдегид [8]. Сенсор 2 – в качестве покрытия используется наногидроксиапатит (н-ГА), который имеет высокое сродство к реакционноспособным молекулам, такими как кислоты, формальдегид, спирты, аммиак и амины [9]. Сенсор 3 покрыт пленкой фазы дициклогек-сан-18-краун-6, селективно связывает пары аммиака, низкомолекулярные амины и ацетонитрил за счёт образования комплексов «гость-хозяин» [7]. Сенсор 4 с наноструктурированным полиэти-ленгликоляадипината (ПЭГА) сорбирует широкий спектр соединений – от полярных спиртов и кислот до кетонов, эфиров и ароматических углеводородов. 5 сенсор покрыт полиэтиленгликоль сукцинатом и проявляет повышенное сродство к основным Л.О.С. (аммиак, амины), а также к формальдегиду, спиртам и кислотам [10].

Сенсор 6 – покрыт тритоном X-100, как амфифильным сорбентом, взаимодействует с гидрофильной частью Л.О.С. со спиртами и гликолями, а также гидрофобной – с ароматическими и хлорированными углеводородами [11].

Используемый метод позволяет получить характерный отпечаток изучаемой смеси летучих ароматических веществ, без разделения и индивидуальной их идентификации. Регистрация эффектов обратимого неспецифического взаимодействия сенсоров с многокомпонентными смесями летучих соединений (Л.С.) выраженных, в виде численных значений и сигналов сенсоров используется для регистрации, оцифровки состава уникальной смеси. Сопоставление и ранжирование многомерных данных, полученных от используемого массива сенсоров в приборе, позволяет принимать решение об изменениях состава и количества ароматических веществ, вызванных процессами дозревания исследуемых плодов. Этот подход позволяет создавать уникальные "отпечатки пальцев" для различных веществ и смесей, что обеспечивает возможность их идентификации, аутентификации и классификации. В процессе работы массивов сенсоров происходит непрерывный мониторинг сигналов от каждого измерительного элемента. Эти сигналы представляют собой аналоговые величины, такие как напряжение, ток или частота колебаний. Полученные аналоговые сигналы преобразуются в цифровые данные с помощью аналого-цифрового преобразователя (А.Ц.П.). Цифровые данные, соответствующие отклику каждого сенсора на воздействие газовой смеси, формируют вектор отклика, который является уникальным "отпечатком пальца" этой смеси.

Обработка полученных данных является критически важным этапом, позволяющим извлечь полезную информацию о составе и концентрации анализируемых веществ. Для этой цели используются различные методы статистического анализа и машинного обучения.

Для идентификации и классификации полученных результатов наиболее эффективным является алгоритм, основанный на максимальных значениях откликов отдельных сенсоров (визуальные проекции максимальных сигналов). Погрешность измерений сигналов не превышает 5%.

Суммарный аналитический сигнал массива сенсоров представлен количественными параметрами:

• 1)    ΣS – общая площадь "визуального отпечатка", (Гц*с) отражающая суммарную

интенсивность запаха, соответствующая концентрации летучих веществ. Этот параметр рассчитывается на основе сигналов всех сенсоров за весь период измерения и является суммой площадей под выходными кривыми сорбции ароматических веществ сенсоров при замере.

• 2)    определение максимальных значений сигналов, которые образуются на наиболее чувствительных сенсорах со специфическим покрытием, адаптированных к определенным летучим веществам – ΔFmax (Гц), они используются для определения суммарного содержания определенных классов органических соединений в равновесной газовой фазе над плодами авокадо (Р.Г.Ф.).

Используя количественный метод нормализации результатов исследования, были определены показатели нормализации суммарной площади (Гц), позволяющие проводить систематизацию полученных результатов. Указанные характеристики были зарегистрированы, обработаны и сопоставлены с использованием специализированного программного обеспечения анализатора «MAG Soft».

Для идентификации отдельных классов веществ в смеси и сопоставления стабильности качественного состава смесей Л.С. используются параметры парной чувствительности Ai/j, вычисляемые как частное максимальных сигналов двух сенсоров. Новым подходом к сравнению качественного состава запаха проб или их компонентов является сопоставление набора наиболее стабильных и информативных параметров, т. е. тех, которые существенно различаются для разных типов проб. Степень схожести состава летучих компонентов образцов оценивается по доле параметров, совпадающих в пределах допустимой погрешности. Образцы считаются обладающими схожим (идентичным) ароматом, если различие не превышает 30% по параметрам.

Для сравнения всей матрицы данных (качественных и количественных) для каждого образца применялся метод сжатия облака чисел в точку по авторскому алгоритму [6].

Для эксперимента были отобраны не спелые (Immature) плоды авокадо сорта Хасс. Плоды разделили на 11 вариантов, однородных по качеству и спелости зрелости плодов: 3 варианта – исследовались на стадии зрелости – «не спелые плоды»; 5 вариантов – в степени зрелости – «спелые плоды» и 3 варианта – в степени зрелости «перезрелые» плоды таблица 1.

Таблица 1.

Средние значимые отклики сенсоров ( Δ Fmax, Гц) в парах РГФ над плодами авокадо, n=5, р=0,95

Table 1.

Average significant sensor responses ( Δ Fmax, Hz) in RGF pairs over avocado fruits, n=5, p=0.95

Варианты опыта Sample	Максимальные значения сигналов на сенсоре, Гц Maximum sensor signal values, Hz						Нормированная суммарная площадь, Гц*.с Normalized total area, Hz*.s
	Сенсор 1, ПВП	Сенсор 2, ГА	Сенсор 3, ДЦГ 186К	Сенсор 4, ПЭГА	Сенсор 5, ПЭГСук	Сенсор 6, ТХ-100
«Не спелые»
№ 1	10	15	40	10	10	19	0,11
№ 2	10	16	41	10	12	21	0,18
№ 3	11	18	44	10	12	20	0,22
«Спелые»
№ 4	15	23	57	14	14	27	0,71
№ 5	16	23	56	15	16	28	0,67
№ 6	15	21	54	15	15	26	0,66
№ 7	14	21	54	17	19	28	0,75
№ 8	13	22	58	16	16	25	0,76
«Перезрелые»
№ 9	19	26	74	21	22	31	1,20
№ 10	23	32	79	21	18	35	1,02
№ 11	22	30	80	20	17	33	1,21

Плоды закладывали на хранение для дозревания при комнатной температуре (20±5) °С, на протяжении двух недель. Каждые сутки проводился анализ равновесной газовой фазы в каждом варианте отобранных плодов. Измерения проводились дважды для каждой пробы с получасовым интервалом, с отбором Р.Г.Ф. над плодами по мере постепенного созревания плодов авокадо по схеме mature green → ripe → overripe степени зрелости, на приборе МАГ-8. Индивидуальным шприцем отбирали по 5 см 3 Р.Г.Ф. не касаясь кожицы плода и инжектировали в ячейку детектирования прибора, одновременно запуская регистрацию откликов сенсоров и фиксировали аналитические сигналы массива 6 сенсоров. После измерения ячейку кратковременно продували свежим воздухом и контролировали восстановление базовых значений сенсоров. Параллельно с регистрацией сигналов сенсоров в Р.Г.Ф. над плодами, проводили контрольное измерение при отсутствии в ячейке плодов. Каждый образец тестировали не менее, чем в 3–5-ти кратной повторности. Параллельно, с помощью органолептических и физико-химических методов определяли показатели, характеризующие степень зрелости плодов по показателям цвет, аромат, консистенция, твердость, содержание сахаров и дифференцировали плоды по полученным результатам на категории: «Не спелые», «Спелые», «Перезрелые» средние значения представлены в таблице 2.

Таблица 2.

Зависимость степени зрелости от маркеров физиологического состояния плодов

Table 2.

The dependence of the degree of maturity on markers of the physiological state of fruits

Варианты опыта Sample	Цветовые характеристики a*b Color characteristics a*b	Содержание сахара, Brix, % Sugar content, Brix, %	Твердость мякоти, кг/см2 Pulp firmness, kg/cm2	Интенсивность дыхания, мг CO2/кг·ч Respiration rate, mg CO2/kg h	Интенсивность выделения этилена, ppm Ethylene emission rate, ppm
«Не спелые»
№ 1	a= -5,6; b=12,5	10,0	25	1313	5
№ 2	a= -4; b=11,8	10,5	22	1326	25
№ 3	a= -3,9; b=6,3	11,9	18	1337	27
«Спелые»
№ 4	a= -3; b=5,2	12,8	16	1344	33
№ 5	a= -2,5; b=4,7	14,7	8	1346	52
№ 6	a= -1,7; b=4,2	14,9	6	1349	61
№ 7	a= -1,5; b=4	14	5	1356	94
№ 8	a= -1; b=3,9	13,8	4	1378	117
«Перезрелые»
№ 9	a=0,5; b=3,6	13,2	3	1422	128
№ 10	a=1; b=3,4	13	2	1470	1331
№ 11	a=1,2; b=3,2	12,9	1	1485	135

Результаты

Результаты тестирования для оценки вариабельности состава равновесной газовой фазы над плодами авокадо и анализ подтверждения сходимости полученных сигналов детекторов представлены в таблице 1. Анализируя максимальные значения сигналов на 6 сенсорах, было установлено, что диапазон максимальных значений для каждого сенсора коррелирует со степенью зрелости плодов. Наиболее чувствительными сенсорами к химическому составу Л.С. авокадо были 2, 3 и 6 сенсоры. По мере созревания плодов от неспелого состояния (образцы 1–3), к спелому плоду (образцы 4–8) и перезрелые плоды (образцы 9–11) происходит значимое увеличение максимального значения на каждом сенсоре. На основании данных значений для каждого выделенного по чувствительности сенсора, установлены характерные диапазоны значений, советующий определенной степени зрелости плодов и установлена корреляция данных с данными физико-химических анализов плодов для каждой степени зрелости в таблице 2.

Используя количественный метод нормализации результатов исследования, были определены показатели нормализации суммарной площади (Гц), представленные в таблице 1. Полученные данные позволяют ранжировать диапазоны значений, соответствующие разным степеням зрелости плодов авокадо. Диапазон значений от 0,11 до 0,22 Гц*с – соответствует плодам недозрелым, но способным к дозреванию. Значения от 0,66 до 0,76 Гц*с соответствуют плодам в стадии «готов к употреблению». Значения для перезрелых плодов находятся в диапазоне 1,02–1,21 Гц*с. Данные характеристики были зарегистрированы и обработаны с использованием программного обеспечения анализатора «MAG Soft».

Для дальнейших расчетов выбраны только статистически значимые сигналы сенсоров в массиве. Максимальные отклики и суммарная площадь под выходными кривыми сенсоров являются в первом приближении критериями количественной оценки смеси Л.С. в Р.Г.Ф., подтверждающие количественное увеличение сигналов сенсоров при переходе от одной категории спелости плодов к последующей группе. Известно, что сложные эфиры, такие как этилбутаноат и метилбензоат, а также альдегид E-2-гексеналь, формируют характерный аромат и вкус авокадо" [12]. Их накопление в процессе созревания, объясняет появление выраженного роста значений откликов сенсоров с полярными сорбентами.

Обсуждение

Ранее также была показана роль четырёх основных сложных эфиров (метилбутаноата, метилбензоата, этилбутаноата и этилбензоата) в созревании авокадо сорта «Фуерте» [13]. Эфиры со сладким и фруктовым запахом образуются в результате этерификации карбоновых кислот и спиртов. Эфиры низших карбоновых кислот и низших одноатомных спиртов имеют приятный запах цветов, ягод и фруктов. Аромат созревающих плодов авокадо обогащается за счет синтеза многоатомных спиртов, со свойственным авокадо запахом. Так, приятный фруктовый аромат обусловлен присутствием нормальных спиртов С5-С6. Спирты с фруктовыми цветочными запахами в основном формируются в результате окисления и разложения липидов. Определенную роль в формировании аромата плодов авокадо играют карбонильные соединения, придающие ему оттенки травянистой зелени и свежести. Благодаря накоплению при созревании бензальдегиду, гептаналю, уксусному альдегиду, мякоть плодов приобретает тонкий сладковатый аромат. Сенсорная характеристика карбонильных соединений разнообразна и зависит от их концентрации в субстрате, многие из этих соединений имеют сильный запах в концентрациях близких к пороговым при традиционной органолептической оценке. Сладковатые нотки в общий аромат плодов вносят также простейшие ароматические углеводороды. В незрелых фруктах содержится больше альдегидов, которые придают аромату зелёные нотки. В спелых авокадо – больше сложных эфиров и спиртов, которые отвечают за фруктовый аромат. Эти данные объясняют реакцию сенсоров на изменения в процессе созревания плодов и накопление соединений, приводящих к увеличению количественных характеристик пьезокварцевого микровзвешивания Р.Г.Ф. над плодами с выбранными сенсорами. При созревании плоды авокадо выделяют набор Л.О.С., которые сенсоры способны сорбировать в зависимости от химического состава и структуры.

Для оценки значимых отличий в количественном составе смеси Л.С., выделяемых авокадо, применим авторский алгоритм многомерной обработки данных «Coloristic». Для выравнивания чувствительности сенсоров к Л.С., средние отклики сенсоров, суммарная площадь под хроночастотограммами при нагрузке пронормированы с учетом заданной нами 15%-ной вариации верхнего и нижнего предела нормирования. Далее полученным значениям присвоены цветовые коды согласно статистически обоснованным границам для применяемого набора сенсоров в таблица 3.

Таблица 3.

Основа для цветового кодирования данных массива сенсоров

Table 3.

The basis for color coding of sensor array data

Номер диапазона Range number	Минимальная граница Minimum limit	Максимальная граница Maximum limit	Цвет кодирования Color coding
1	0,00	0,104	фиолетовый
2	0,105	0,204	синий
3	0,205	0,314	голубой
4	0,315	0,454	зеленый
5	0,455	0,594	желтый
6	0,595	0,804	оранжевый
7	0,805	0,954	красный
8	0,955	2,04	бордовый
9	2,1	5,0	черный

Полученные цветовые метки обрабатывались в доступном программном ресурсе и были получены итоговые интегральные цветовые точки с координатами в системе RGB в таблице 4, которые вносились в трехмерное цветовое пространство на рисунке 1. Применяемый алгоритм стягивания многомерного набора данных позволил получить четко разделенные группы точек для средних значений данных для плодов авокадо из разных групп по степени зрелости.

Таблица 4.

Характерные диапазоны изменения координат цветовых интегральных меток в RGB-пространстве для ранжирования плодов авокадо сорта Хасс по спелости

Table 4. Характерные диапазоны изменения координат цветовых интегральных меток в RGB-пространстве для ранжирования плодов авокадо сорта Хасс по спелости

Группы спелости Group	R-канал		G-канал		B-канал
	min	max	min	max	min	max
«Не спелые»	0*	80	90	260	45	210
«Спелые»	90	250	170	260	0	85
«Переспелые»	130	240	60	160	0	35

Рисунок 1. Интегральные метки средних количественных параметров массива сенсоров в РГФ над образцами авокадо групп «Не спелые» (1–3), «Спелые» (4–8), «Перезрелые» (9–11).

Figure 1. Integral labels of the average quantitative parameters of the sensor array in the RGF over avocado samples of the groups "Not ripe" (1–3), "Ripe" (4–8), "Overripe" (9–11).

На рисунке 2 показано, что для всех измерений Р.Г.Ф. над плодами из выборки «Не спелые» минимален вклад красной составляющей координаты интегральной цветовой метки, все точки имеют синие и сине-зеленые оттенки, что свидетельствует о статистически значимом отличии состава Р.Г.Ф. над плодами разной степени зрелости.

Рисунок 2. Проекции интегральных меток для точечных измерений сигналов сенсоров в Р.Г.Ф. над плодами авокадо из группы «Не спелые» (а), «Спелые» (б), «Перезрелые» (в) и всех групп вместе (г) Figure 2. Projections of integral labels for point measurements of sensor signals in the RGF over avocado fruits from the "Unripe" (a), "Ripe" (b), "Overripe" (c) and all groups together (d) groups

На рисунке 3 представлены координаты интегральных меток средних значений параметров качественного и количественного состава Л.С. в Р.Г.Ф. над пробами из разных выборок: неспелые (1–3), спелые (4–8), перезрелые (9–11) плоды авокадо. Более однородной по цвету является выборка интегральных цветовых меток для проб, выделенных в группу «Спелые». Это свидетельствует об изменении состава Р.Г.Ф. над образцами за счет выделения большего числа соединений, коррелирующих с усилением аромата.

Рисунок 3. Координаты интегральных меток средних значений параметров качественного и количественного состава Л.С. в Р.Г.Ф. над пробами из разных выборок: неспелые (1–3), Спелые (4–8), перезрелые (9–11) плоды авокадо

Figure 3. The coordinates of the integral labels of the average values of the parameters of the qualitative and quantitative composition of drugs in the RGF over samples from different samples: unripe (1–3), Ripe (4–8), overripe (9–11) avocado fruits

Существенно отличается от плодов не спелых аромат плодов группы «Переспелые». Это показывает, что массив сенсоров «электронного носа» адекватно отражает изменения в аромате плодов авокадо в процессе созревания. При этом различия в расположении интегральных цветовых меток связаны не только с изменениями количественного состава, соотношения в смеси отдельных групп соединений, но и появлению более тяжелых Л.С., которые даже в малых концентрациях вызывают заметное изменение аналитического сигнала пьезосесоров, прямо пропорционального массе сорбированных покрытиями летучих молекул.

Заключение

В результате проведенного исследования установлена высокая эффективность применения массива пьезоэлектрических сенсоров с разнонаправленной селективностью для задачи экспресс-мониторинга физиологического состояния плодов авокадо (Persea americana) сорта Хасс. Интеграция технологии «электронного носа», реализованной на базе анализатора МАГ-8, обеспечивает трансформацию субъективных органолептических оценок степени зрелости плодов в область объективных количественных данных. Данный подход позволяет осуществлять непрерывный контроль качества продукции на ключевых этапах логистической цепи, транспортирования и последующей реализации. Разработанный аналитический протокол, включающий алгоритмы многомерной статистической обработки первичных сигналов и их визуализацию через систему цветовых координат RGB, формирует устойчивую классификационную модель. Модель обеспечивает надежное дифференцирование образцов по трем категориям зрелости: незрелые, готовые к употреблению и перезрелые. Реализация такой системы классификации является критически важным фактором для минимизации экономических потерь, обусловленных порчей скоропортящейся продукции в рамках поставок.

Экспериментальные данные демонстрируют наличие выраженной корреляции между динамикой паттерна Л.О.С., выделяемых плодом, и его физиологическим статусом на различных стадиях постуборочного дозревания. Анализ информативности различных параметров показал, что для оперативной диагностики наиболее целесообразно использование прямых показателей откликов сенсоров и значений интегральной площади под выходными кривыми. Применение этих показателей существенно упрощает процедуру принятия решения, исключая необходимость в вычислениях более сложных, избыточных параметров, таких как коэффициенты парной чувствительности.

Таким образом, представленный неразрушающий метод экспресс-анализа равновесной газовой фазы над поверхностью плода обладает высокой чувствительностью к микроколичествен-ным изменениям в его ароматическом профиле. Эти изменения являются прямым следствием метаболических процессов, связанных с созреванием. Разработанный аналитический инструментарий в полной мере отвечает современным индустриальным требованиям, выдвигаемым к системам контроля качества в агрологистике.