生产具有预选的性能和特征的汁液的方法 【发明领域】
本发明涉及生产具有预选的性能和特征的汁液的方法。具体地说，本发明涉及生产具有预选的性能和特征的蔬菜汁或水果汁的方法，它基于通过对用于生产所述汁液的蔬菜或水果的非破坏性试验的分类和分离。
【发明背景】
食品的质量是消费者的购买决定的一个主要因素。购买者考虑所述食品的各种性能和特征。例如，人们评定新鲜度、多汁、坚实度、外观以及其它参数。人们在购买决定时考虑这些和其它性能和特征。具体地说，消费者通过视觉的、手工的、以及有时通过味觉和嗅觉试验来评估蔬菜和水果。然而，味觉试验仅对评价的那个是有根据的，而同一产品批次中的另一个往往具有显著不同的性能和特征。此外，其它试验仅仅表现出所述水果或蔬菜的质量，那么消费者可能被愚弄。例如，尽管感觉一种柑桔属产品重得足以是湿的，但是它可能是干的，它。同样地，很难通过视觉和手工的检查来判断一个苹果是否已被冷冻过。
如果需要的话，为家庭购物的个体消费者能花时间来评定每一个单独的水果或蔬菜。然而，这种单独的做法对于商业食品包装者是不切实际的。相反，由于食品包装者不能检查和尝味试验一定载货量的水果或蔬菜中的每一件，所以只评估一批交付货物中的一小部分。假设这些件代表整批货物的平均质量，而且试验组的平均质量成为所述载货量中其余的水果或蔬菜的假定平均质量。
分批抽样是商业上确定大量水果或蔬菜的质量性能和特征的合理方式。然而，抽样常常不能鉴别该批次内许多件中不合规格的质量。鉴别不合规格的这些件的能力会是有利的，且可改善产生的食品的质量。抽样往往也不能鉴别具有特别或优质性能和特征的那些件。这样的件可能适合于以特别的价格出售。相反，抽样产生“平均值”方法，即，基于抽样试验赋予全部数量的水果(例如，一箱120,000个橙子或未知数量的番茄)一个“平均值”。
已经开发了自动化的、客观的评价单独的件、尤其是水果件的方法。将这些方法用于，例如，将大件与小件分开，或将重件与轻件分开。熟练的专业人员熟悉那些用于确定水果件的颜色或者其重量是否处于预选的范围内的自动化方法。还开发了形状鉴别器。然而，这些性能和特征通常不与质量很好地关联。
还开发了用于非破坏性地评估所述件、还特别是水果件的内部的某些性能和特征的方法。具体地说，应用可见的、近红外(NIR)的和红外的波长来确定，例如，所述水果或蔬菜内的液体中的白利糖度含量或糖浓度(甜度)。坚实度也已经被测量，并且常常已经用作成熟度的标志。还可鉴定密度、酸性pH、碰伤以及其它内部和外部的损伤并将其用来鉴别适合直接食用地水果(也称为“餐用水果”)和不适合销售或食用的水果。
测定水果内部的选定性能和特征的方法是已知的。然而，需要改善这类测定的合格率。尽管本文描述的平均值方法对餐用水果有商业价值，但它们不足以使食品包装者将收到的水果的价值最大化。例如，通常橙子以装有约120,000个橙子的箱的形式供应。可应用特定的箱或箱的组合来生产具有符合宽判据的一般化特征的水果汁。类似的情况见于其它柑桔属，榨汁用的其它水果，和其它被榨汁的蔬菜，如番茄和芹菜。
因此，需要一种方法，它借助非破坏性试验将水果分为特定的等级而保证了超优质的和专用的水果汁的生产。
发明简述
第一个实施方案涉及通过如下步骤生产具有预选的性能和特征的蔬菜汁或水果汁的方法：通过非破坏性试验将用于生产所述蔬菜汁或水果汁的所述蔬菜或水果分类并分成各个等级，选择能产生具有预选的性能和特征的所述蔬菜汁或水果汁的蔬菜或水果，以及进一步加工所述蔬菜或水果以生产所述蔬菜汁或水果汁。
第二个实施方案涉及通过如下步骤生产具有预选的性能和特征的柑桔属水果汁的方法：通过非破坏性试验将用于生产所述水果汁的所述柑桔属水果分类并分成各个等级，选择能产生具有预选的性能和特征的所述水果汁的柑桔属水果，以及进一步加工所述柑桔属水果以生产所述水果汁。
第三个实施方案涉及通过如下步骤生产具有预选的成熟度、白利糖度、酸度或白利糖度/酸度比的橙汁的方法：通过非破坏性试验将用于生产所述橙汁的橙子分类并分成各个等级，选择能产生具有所需的成熟度、白利糖度、酸度或白利糖度/酸度比的橙汁的橙子，以及进一步加工所述橙子以生产所述橙汁。
第四个实施方案涉及由基本上没有等外品的橙子生产橙汁的方法。
发明详述
本发明涉及生产具有预选的性能和特征的蔬菜汁或水果汁的方法。鉴定了能产生具有预选的汁液性能和特征的蔬菜汁或水果汁的蔬菜或水果的性能和特征。然后，基于非破坏性试验的结果将用来制备所述汁液的蔬菜或水果分类并分为各个等级。所述各个等级与那些预选的性能和特征有关。然后从所述那些等级中选择能产生具有所述预选性能和特征的汁液的蔬菜或水果，并且进一步加工所述蔬菜或水果以生产具有所述预选性能和特征的汁液。
本发明能够实现具有提高价值的汁液的生产。因此，它不仅可能为消费者提供优选产品，也能使销售者从销售实现收入最大化。它还为销售者提供以相对较少的数量来销售产品的机会，即通过简化从通常大量供应的蔬菜或水果中选择蔬菜或水果而生产这种产品。具体地说，更简单而高效地生产超优质的和优质的产品。超优质和优质产品是具有提高的价值的产品，因为其性能和特征不易用关于以典型数量(如约120,000个橙子的箱或货车装载量的番茄)供应的蔬菜或水果的‘平均值’法获得。因此，销售者能从装运的整体中选择一个等级的蔬菜或水果并根据本文描述的方法生产优质产品。
专用的汁液具有提高的价值。然而，如熟练的专业人员认识的，每种蔬菜汁或水果汁产品具有可能被认为使汁液成为‘优质’或‘超优质’的不同特点。例如，对于橙汁，专用汁液可能具有选定的高或低的白利糖度、低酸值、或者任何其它性能或特点，具有提高的价值。专用番茄汁可能具有低酸值或高固体物浓度。这些汁液产品通常称为优质或超优质汁液。消费者常常会为这样的汁液产品支付额外费用。此外，通常用比典型产品更少的量生产这样的优质和超优质汁液。能将生产这样的产品的蔬菜或水果分离和分类适用于生产这样更少的量。
第一个实施方案涉及通过如下步骤生产具有预选的性能和特征的蔬菜汁或水果汁的方法：它通过非破坏性试验将用于生产汁液的所述蔬菜或水果分类并分成各个等级，选择能产生具有预选的性能和特征的汁液的蔬菜或水果，以及进一步加工所述蔬菜或水果以生产所述汁液。
任何能榨汁和能非破坏性地试验相关性能和特征的蔬菜或水果都可根据本发明的实施方案加工。合适的蔬菜或水果包括柑桔属水果，包括橙子、柑桔、柠檬、酸橙、葡萄柚、红桔、文旦以及桔和葡萄柚杂交的柑桔种；瓜类，包括白兰瓜、硬皮甜瓜、波斯果(persian)和santa claus；番茄；和胡萝卜。热带水果，如芒果、番石榴、菠萝、香蕉、大蕉、椰子等，也根据本发明的实施方案适当地加工。核果(包括桃、各种李、油桃、杏等)也可根据本发明的实施方案非破坏性地分类和榨汁。如果本发明包括块茎和洋葱，也可根据实施方案合适地加工另外的蔬菜。熟练的专业人员认识到上述列举仅仅是示范性的，而不是穷尽性的。
熟练的专业人员认识到，蔬菜汁或水果汁具有能使该汁液成为优质或超优质产品的各种性能和特征。例如，对于柑桔属水果汁来说重要的性能和特征通常包括白利糖度、酸度、白利糖度/酸度比、口感、涩味、含油量、颜色、酸味和苦味。还有，柑桔属的其它水果风味和特点，如菠萝，热带水果的，和桃特征，是可根据本发明的实施方案评估的重要的性能和特征。对于番茄汁来说，酸度、固体物含量和口感通常是重要的性能和特征。这些指标中每一个都可用作将生产的汁液的预选的性能或特征。熟练的专业人员认识到，这些性能和特征仅是消费者优选的较大组性能和特征中的实例，并可根据本文提供的指导鉴定其它这类性能和特征。
在一个实施方案中，选择橙子以获得具有一定白利糖度范围的汁液，例如从10至14的白利糖度。另外，可选择橙子以生产白利糖度范围约为1的汁液，即，约10白利糖度，或约11白利糖度，约12白利糖度等。鉴于提供的白利糖度特性的窄范围可认为这样的汁液是超优质汁液。根据本文提供的指导，熟练的专业人员将能鉴别将生产预期产品的性能和特征。
在另一个实施方案中，确定成熟度并且用它将柑桔属分类。如熟练的专业人员认识的，在一棵树上同时具有两不同的熟或“开花期”的水果并不罕见。这些不同的熟分别由较成熟的和不太成熟的果实组成。如熟练的专业人员认识的，将同时摘取两熟。因此，将成熟度作为分类特性来分离水果是适用的。所述水果的颜色反映成熟度。在一个实施方案中，应用基于颜色的分类将较成熟的水果与不太成熟的水果分开。在本发明的一个实施方案中，通过确定水果的红(R)和绿(G)谱实施这种颜色分离。成熟水果的R/G比大于约0.9。
为获得具有预选性能和特征的汁液，必须懂得预选的汁液性能或特征与生产具有预选汁液性能和特征的汁液的蔬菜或水果的性能或特征之间的关系。可在例如水果的一个特征(例如，伏令夏橙的红外透射率)与来自那种水果的水果汁的性能或特征(例如，生产的水果汁的白利糖度)之间建立这样的关系或联系。对于葡萄柚汁的白利糖度，伏令夏橙汁的酸度，和葡萄柚汁的酸度可能需要其它的联系。因此，根据本发明的实施方案，非破坏性试验可能是适合鉴定橙子中白利糖度和其它性能的试验。熟练的专业人员已知，或者根据本文提供的指导容易建立蔬菜或水果的性能和特征与由所述蔬菜或水果生产的汁液的性能和特征之间的其它关系。
任何非破坏性试验的方法都可用来确定检查的蔬菜或水果的各种性能和特征。熟练的专业人员熟知用来确定瓜类和柑桔属水果的性能和特征的红外和近红外技术，包括光谱分析。在可见波段的发光、反射率测量，以及可见光和激光源也已用来确定水果的性能和特征。用照相机来确定表面特征。各种方法，包括用喷气碰撞被测量物体的表面或向水果和蔬菜施加机械力(例如挤压)用来确定坚实度，从而确定成熟度。也已知确定蔬菜或水果的存熟的超声波法。熟练的专业人员认识到应用一种技术来确定蔬菜或水果的性能或特征需要在可能呈“透射光的百分数”或“反射光的频率”的形式的测量结果与如上所述的测量的性能和特征之间的关系。这是这些测量的标准方法，并且在涉及测量技术本身的专利和其它文献中公开了这样做的各种方法。例如，测量某种水果的特征，然后将该水果榨汁并测量所述水果的性能，以此寻求它的关系。因此，在本文的指导下，熟练的专业人员将能鉴定和应用一种测量方法来确定蔬菜或水果的性能和特征。
因为它是蔬菜或水果可被测量的性能或特征，而不是控制所述蔬菜或水果的分类的汁液的性能或特征，所以有必要在这两组性能和特征之间建立关系。也就是说，必须在对蔬菜或水果测量的性能或特征与要根据测量的性能或特征预测的汁液的性能或特征之间建立关系。熟练的专业人员能在本文的指导下在所述蔬菜或水果测定的性能或特征与要预测的汁液的性能或特征之间建立关系。
为了根据本发明方法的实施方案获得具有预选性能和特征的汁液，对蔬菜或水果实施非破坏性试验从而实现将蔬菜或水果分成各个等级。确定等级来将具有所需性能和特征的蔬菜或水果与那些不具备的分开。例如，根据本发明的实施方案，可根据汁液的白利糖度将橙子分类。因此，在本发明的一个实施方案中，可将能产生具有选定的白利糖度值(如13)的水果汁的橙子，分别与能产生白利糖度为14或更大和白利糖度为12或更小的水果汁的橙子分类。然后，通过已知的生产橙汁的方法将选择的能产生白利糖度为13的水果汁的橙子加工以生产白利糖度为13的橙汁。因此，可根据该实施方案制备超优质橙汁。同样地，可将能产生白利糖度为12的橙汁的橙子独立地分类以制备白利糖度为12的优质橙汁。
所述水果或蔬菜的其它性能和特征可用作分类的基础。例如，可建立与腐败(如损坏或腐烂)有关的等级。分类可能依据的水果或蔬菜的其它性能和特征包括尺寸、颜色和水果的水分。例如，成熟度(颜色)通常由NIR及其与水果颜色的关系确定。熟练的专业人员可根据本文提供的指导选择性能和特征，根据它们来将蔬菜或水果分类以获得具有预选性能和特征的汁液。
在另一个实施方案中，有可能从基本上没有等外品的水果或蔬菜生产汁液。根据该实施方案，利用非破坏性试验来鉴定有毁损的水果或蔬菜，所述毁损例如是表皮或果蔬皮上的开口、碰伤或软斑、坏斑(rash)、或其它缺陷。将这些水果或蔬菜与其余的水果或蔬菜分别分类。再通过将在分类中没有被鉴定为等外品的橙子榨汁而制备水果汁。
本发明的实施方案涉及通过非破坏性试验将水果或蔬菜分类以鉴定一种或多种性能和特征。通常通过一种性能或特征分类就足够。然而，有时需要两种或更多种性能或特征将水果或蔬菜以导致预期的分类分离的方式分类。
应用两种或更多种性能或特征的分类可根据两种或更多种分类法进行，或者可根据一种分类法进行。例如，如果用性能A、B和C来表征水果，可将水果分拣一次而单独地回收具有A性能的水果。再通过其它性能之一表征这样的水果。另外，如果可一步确定性能A、B和C，那么只需要一种分类法将所述水果适当地分类。
本发明的一个实施方案涉及应用两种性能或特征将水果或蔬菜分类。
应用两种性能和特征以实现分离的本发明的一个实施方案是柑桔属水果等外品与有益健康的水果的分离，这通常由基于所述水果的两种性能和特征的分拣实施。颜色与白利糖度和成熟度与白利糖度是可用来鉴定等外品并将它们从可用的水果中去除的两对性能和特征的实例。产生有用结果的其它成对性能和特征的实例包括白利糖度/酸度的比，尺寸与白利糖度，和尺寸与成熟度。根据本文的指导，熟练的专业人员能鉴定可用来分拣水果以生产超优质产品的性能和特征的其它组合。
用适合此目的可商购的设备进行非破坏性试验。例如，IR/NIR透射/吸收检测装置可从许多来源商购。同样地，按尺寸分级器和目视检测器通常可从许多供应商得到。一个供应各种仪器的公司是Aweta-Autoline公司。除了分拣器，Aweta-Autoline还供应一种缺陷分级器和NIR系统来检测白利糖度。在本文的指导下，熟练的专业人员能鉴别适用于本发明的实施方案中的其它IR/NIR系统、分级器、分拣器和其它系统。
实施例
对于实施例，用Aweta-Autoline IR/NIR可行系统缺陷和尺寸分级器建立联系。通过筛选具有一定成熟度范围的水果(橙子)建立对成熟度的关系，如存熟相关的缺陷中反映的。通过暴露于NIR处理具有已知缺陷的橙子，再测定响应。使对NIR辐射的响应与橙子的成熟度关联以产生一种算法。该算法产生一种从约0至19的无因次比尺范围。通常，认为成熟度值在0与约9之间的水果是不成熟的或腐烂的水果。认为成熟度值从约9至几乎11的水果是软水果或者与可接受的或有益健康的水果混合的低缺陷的水果。成熟度值在约11与19之间的水果是有益健康的水果。
还基于橙子的NIR响应关于白利糖度的确定建立了独立的关系。将所述响应与白利糖度直接相关而产生一种算法。
实施例1
将橙子分成三(3)个成熟度等级；成熟度值在约0.4与约9之间；约9至约11；以及约11至19。第一等级代表所有等外品。第二等级代表有益健康的水果与低缺陷水果的混合物。第三等级仅代表有益健康的水果。第三等级中的水果可进一步分为成熟度值在约10与约12之间，约12与约14之间等的水果。再将这样的水果榨汁以提供高价值的水果汁。
实施例2
将橙子一步分类而得具有规定成熟度值和规定白利糖度范围的水果。通过将成熟度值在约9与约11之间和白利糖度值至少约14.5的水果与其余水果分开将橙子分类。这样同时分离得到具有指定的成熟度值和白利糖度检测结果的分离的水果。这种技术提供将具有较少或较小缺陷的水果与有益健康的水果更好地分离的机会。将这种水果榨汁以生产质量水果汁。
实施例3
将水果分类以生产水果汁，它包含小于6％，而优选小于约3％的来自未成熟水果的汁液。所述水果的成熟度以如下两种方式中的任何一种，或以两种方式的结合确定：排除白利糖度值小于约11的水果；排除R/G比小于约0.9的水果；或者排除具有这两种特点的水果。应用这两种方法增大显示这两种特征的水果将是未成熟的可能性。
实施例4
应用Aweta-Autoline缺陷分级器和NIR检测系统来分类和鉴定白利糖度为约12的橙子。通过NIR扫描处理橙子。测定NIR透光度。较早建立算法而将NIR测定结果与水果的预测的白利糖度联系起来，从而与所述水果汁联系起来。然后，进行NIR的实际测定，并借助预定的算法，预测橙子的白利糖度。
操作所述系统而获得白利糖度为12的橙子，即通过分选以分离白利糖度在约11.95与约12.05之间的橙子。处理橙子直到鉴定认为约200个橙子具有目标白利糖度。从该批次橙子中随机挑选这200个橙子中的40个，单独用Hamilton Beach机械家用榨汁机榨汁。单独测试每个橙子的汁液的白利糖度。通过合并等量的每个单独汁液部分制备了混合果汁。
所得白利糖度值在12.17的平均白利糖度值附近形成正态分布，标准偏差为0.55，白利糖度范围是10.93-12.99。混合果汁的白利糖度为12.14。
实施例5
将实施例4中应用的设备用来将水果基于白利糖度含量分成如下三个等级：9.5至11.0白利糖度；11.0至12.5白利糖度；以及12.5至14白利糖度。处理橙子直到NIR扫描仪鉴定各级中有在约50与约75之间个橙子。随机从各等级中选出15个水果再单独用HamiltonBeach机械家用榨汁机榨汁。检测每种汁液以确定白利糖度，并制备包含等量的各样品的混合物。
在最低白利糖度范围内，所述NIR测量结果和联系得出具有平均10.42白利糖度的正态分布。标准偏差是0.47，白利糖度范围是9.43至11.40。所述混合物的白利糖度是10.61。该范围占拣出的总体的约23重量％。
在中间白利糖度范围内，所述NIR测量结果和联系得出具有平均11.35白利糖度的正态分布。标准偏差是0.62，白利糖度范围是10.29至12.60。所述混合物的白利糖度为11.33。该范围占拣出的总体的约57重量％。
在最高白利糖度范围中内，所述NIR测量结果和联系得出具有平均11.95白利糖度的非正态分布。标准偏差是0.57，白利糖度范围是11.9至13.08。所述混合物的白利糖度是12.03。该范围占拣出的总体的约16重量％。
实施例6
应用Awe ta缺陷分级系统将橙子分成特定尺寸的等级，包括2.0英寸至2.5英寸、2.5英寸至3.0英寸和3.0英寸至3.5英寸。没有足够的水果对剩下的范围3.5”-4.0”和4.0”和更大尺寸进行检测。通过所述系统处理橙子。
利用光学照相机从水果流中选择并取出各尺寸范围的水果直到从该批次中对每个范围选出20个单独的水果。给这些水果按1-20编号并重扫描两次(用2个单独的照相系统各扫一次)。记录大直径和小直径的测量结果。采用Brown Size Gauge(一般化尺寸测量)和采用卡尺(精确的尺寸差)检测所述水果尺寸。
对于Brown尺寸测量，检测所述水果以确定它是否符合选择的范围以及，如果不在合适的范围内，样品尺寸是过大还是过小。对于所有三个范围，所有水果在它的特定范围内都符合Brown尺寸准则。选择的水果没有尺寸过大或过小的。
对于卡尺测量，测定每个水果的两极和赤道直径至每英寸的1/100的精确度。将每个水果的测定结果与大直径和小直径的记录值比较。将两个照相机系统测得的这些值之间的平均偏差的绝对值用来产生测量误差。将绝对值用作不会彼此抵消的负误差和正误差。对于所有这三个范围，平均绝对测量误差是2/16”(0.125”或3.18mm)，范围是1/16”-3/16”。
这些橙子不经受进一步处理或分析。
虽然针对包括目前优选的本发明实施方式的具体实施例描述了本发明，但是本领域技术人员能理解的是，存在着落入附后权利要求书中提出的本发明精神和范围内的、对上述体系和技术的各种改变和置换。