نظارت بر کیفیت از راه دور در زنجیره موز

خلاصه
مشکلات کیفیتی که در حین یا بعد از حمل و نقل دریایی موز در ظروف یخچال‌دار رخ می‌دهد، عمدتاً ناشی از خنک‌کردن ناکافی و شرایط جوی نامناسب است، و همچنین به دلیل گرمای تولید شده توسط فعالیت تنفسی موز نیز ایجاد می‌شود. ابزار اندازه گیری و ارزیابی این اثرات می تواند تا حد زیادی به کاهش تلفات در طول زنجیره تامین موز کمک کند. مدل زندگی سبز ارائه شده ابزاری برای پیش‌بینی اثر انحراف دما، رطوبت نسبی و غلظت گاز CO2 و O2 بر پایداری ذخیره‌سازی موز فراهم می‌کند. مدل دوم حرارتی امکان ارزیابی راندمان خنک‌کننده، تأثیر تغییرات در بسته‌بندی و انبار و مقدار گرمای تنفسی از منحنی‌های دمای اندازه‌گیری شده را فراهم می‌کند. رسیدن خود به خود باعث گرمای تنفسی و سرعت تولید CO2 بیشتر می شود. خطر ایجاد نقاط داغ در موقعیت هایی که گرمای تنفسی بیش از ظرفیت خنک کننده موجود است افزایش می یابد. در مطالعات موردی در مورد حمل و نقل موز از کاستاریکا به اروپا، ما مدل ها را تأیید کردیم و نشان دادیم که چگونه می توان از آنها برای تولید پیام های هشدار خودکار برای ظروف با عمر سبز موز کاهش یافته یا با مشکلات دما و همچنین برای نظارت از راه دور فرآیند رسیدن داخل کانتینر استفاده کرد.

معرفی

موز یکی از مهمترین محصولات در تجارت جهانی کشاورزی است. اگرچه سهم بالایی از تولید جهانی به صورت محلی در کشورهایی مانند برزیل و هند مصرف می شود، اما سهم موز صادراتی در سال 2012 به 16.4 میلیون تن رسید [1]. بیش از سه چهارم موز صادراتی در آمریکای لاتین (13 میلیون تن) کشت می شود و حدود یک چهارم صادرات جهانی به اتحادیه اروپا (4.5 میلیون تن) ارسال می شود. زنجیره تامین موز در حال حاضر دستخوش تغییرات مهمی است.

اگرچه در گذشته موزهای پالت شده عمدتاً در کشتی‌های اختصاصی حمل می‌شدند، اما اکنون نحوه حمل و نقل به کانتینرهای کشتی‌های شخص ثالث تغییر می‌کند. این حالت اجازه می دهد تا واکنش انعطاف پذیرتری نسبت به حجم نوسان بازار داشته باشید. با این حال، از سوی دیگر، حمل و نقل از طریق کشتی های شخص ثالث در کانتینرهای اجاره ای می تواند مشکلات مربوط به کیفیت بیشتری را ایجاد کند، اگر مراقبت کافی برای حفظ شرایط حمل و نقل بهینه انجام نشود. از آنجایی که مالکان دیگر در حین حمل و نقل به میوه دسترسی مستقیم ندارند، نظارت از راه دور بر شرایط حمل و نقل و تغییرات کیفیت به یک موضوع مهم تبدیل می شود.

در ادامه مطالعه موردی حمل و نقل موز «کاوندیش» از کاستاریکا به شمال اروپا توسط شرکت Dole Fresh Fruit را به عنوان نمونه ای از نظارت بر کیفیت میوه های استوایی ارائه می کنیم. موز تقریباً 14 هفته پس از ظهور گل آذین “سبز” برداشت می شود. موز (18 کیلوگرم) در یک جعبه بسته بندی می شود. در داخل جعبه، موز توسط یک کیسه پلی اتیلن محافظت می شود تا از کم آبی بدن جلوگیری کند. کیسه یا می‌تواند سوراخ‌های کوچکی داشته باشد تا اجازه نفوذ اتمسفر کنترل‌شده (CA) به داخل جعبه ارائه شده توسط کشتی را بدهد، یا می‌تواند به طور کامل بسته شود تا غلظت CO2 بالاتر و غلظت O2 کمتری با تنفس میوه ایجاد شود.

چهل و هشت جعبه روی هر پالت چیده شده است (هشت طبقه شش تایی) و 20 بار پالت در هر ظرف انبار می شود. حمل و نقل به بندر حدود 4 ساعت طول می کشد. خنک سازی پس از اتصال کانتینر به برق اصلی در ترمینال بندر شروع می شود، اما ممکن است در حین بارگیری در کشتی برای چند ساعت قطع شود. در طول دو هفته حمل و نقل به اروپا، موز از حدود 25 درجه سانتیگراد به 14 درجه سانتیگراد خنک می شود.

حمل و نقل بندر در آنتورپ، بلژیک، می تواند تا 4 روز طول بکشد تا محموله های پالت از کانتینر برداشته شده و در یک انبار مرتفع ذخیره شوند. محموله های پالت در همان روز یا روزهای بعد از انبار گرفته شده و توسط کامیون ها برای مشتریان شمال اروپا ارسال می شود.

در مطالعه موردی خود، از جابجایی انبار دور زدیم و یک کانتینر آزمایشی را مستقیماً با کامیون به تأسیسات رسیدگی Dole در Stelle، آلمان منتقل کردیم. فرآیند رسیدن با یک تیمار فنی گاز اتیلن در مدت 24 ساعت آغاز شد. خنک سازی در طول 5 روز ادامه یافت تا به درجه رسیدن مطلوب با زردی آشکار اما همچنان رنگ سبز غالب به دست آمد. شکل 1 ساختار زنجیره سرد موز را همانطور که در آزمایشات میدانی ما به کار برده شد نشان می دهد.

موز به دلیل فعالیت تنفسی بالا، تقاضای زیادی برای تجهیزات خنک کننده دارد. اگر رسیدن زودرس رخ دهد، موز می تواند گرمای بیشتری نسبت به واحد خنک کننده تولید کند که منجر به ایجاد یک نقطه داغ می شود. علاوه بر این، موز به اتیلن بسیار حساس است. انتشار اتیلن از یک بار پالت در حالت بی کیفیت می تواند باعث رسیدن خود به خود بار کامل ظرف شود. مشکلات کیفیت در دو نقطه بازرسی در طول زنجیره حمل و نقل و پردازش آشکار می شود:

1. قبل از انتقال به انبار بالا، هر پالت تحت بازرسی بصری قرار می گیرد. رنگ از طریق سوراخ های تهویه جعبه ها بررسی می شود. اگر تعداد مشخصی جعبه با علائم زردی تشخیص داده شود، پالت باید از روند عادی خارج شود. بخشی از این به اصطلاح ترنرها می تواند مربوط به عفونت های پاتوژن باشد. با این حال، به نظر می رسد که اکثر ترنرها به طور تصادفی ظاهر می شوند.
2.  جعبه های نمونه از پالت های مختلف پس از رسیدن برای بازرسی بیشتر گرفته می شود. جعبه ها باز می شوند و مرحله رنگ موز جداگانه ارزیابی می شود. در صورتی که جعبه های یک پالت در مرحله رنگ خود انحرافات زیادی داشته باشند، پالت مورد قبول مشتریان نخواهد بود.

اگرچه زنجیره موز قبلاً به استاندارد بالایی دست یافته است و تلفات در این نقاط بازرسی تنها در محدوده چند درصد است، هنوز پتانسیل اقتصادی بالایی برای کاهش بیشتر تلفات وجود دارد. مدیریت بهبود یافته زنجیره تامین نیازمند اطلاعات دقیق تر و به موقع تر در مورد تغییرات کیفیت است. تخمین عمر سبز، با دادن تعداد روزهایی که تا رسیدن خود به خودی ناخواسته آغاز می شود، می تواند به عنوان اطلاعات اساسی برای مدیریت انبار در نظر گرفته شود. اطلاعات باید در زمان واقعی با دسترسی از راه دور به کانتینر در طول حمل و نقل در دسترس باشد. سیستم‌های نظارت از راه دور جدید، مانند نمونه اولیه «کانتینر هوشمند» [2] ما، بهینه‌سازی فرآیندهای زنجیره‌ای را به چند روش ممکن می‌سازد:

1. اگر قبل از ورود کشتی به اروپا مشکل کیفی تشخیص داده شود، می توان مزرعه را مطلع کرد. علاوه بر جست‌وجوی مشکلات آشکار مانند نگهداری بی‌دقتی ظرف، می‌توانند سن برداشت را تنظیم کنند. کاهش سن برداشت به میزان یک هفته، عمر سبز را 3 تا 5 روز افزایش می دهد [3]، اما به قیمت کاهش وزن تا 10٪. اگر افت کیفیت فقط پس از ورود تشخیص داده شود، دو کشتی دیگر حامل کانتینرهایی با مشکلات کیفی مشابه در حال حاضر در راه اروپا خواهند بود.
2. اگر بتوان پیش بینی کرد که تعدادی از کانتینرها در وضعیت نامناسبی قرار می گیرند، آنگاه زمان بیشتری برای سازماندهی تعویض وجود دارد. این امر به ویژه اگر جعبه ها برای یک مشتری خاص مارک شده باشند بسیار مهم است.
3- پیش‌بینی یا حداقل رتبه‌بندی زندگی سبز، مدیریت اولین منقضی شده (FEFO) را ممکن می‌سازد. کانتینرهایی با عمر سبز کم را می توان برای جابجایی بندر در اولویت قرار داد. پالت‌هایی که در معرض خطر رسیدن خود به خود هستند را می‌توان بلافاصله به اتاق‌های رسیدن نزدیک فرستاد، در حالی که پالت‌هایی با عمر سبز طولانی را می‌توان برای مشتریان راه دور یا ذخیره‌سازی میانی نگه داشت.

سیستم های ردیابی کانتینر استاندارد تنها وسیله ای برای تشخیص قطعی برق، مشکلات فنی و تنظیم اشتباه نقطه تنظیم خنک کننده فراهم می کنند. اندازه گیری دمای هوای عرضه شده واحد خنک کننده اطلاعات کمی در مورد تغییرات کیفی داخل پالت بارها نشان می دهد. توسعه یک سیستم نظارت بر کیفیت از راه دور برای موز مستلزم شناسایی اصول و مدل‌های اندازه‌گیری کافی برای تخمین عمر سبز و همچنین ارائه وسیله‌ای برای اندازه‌گیری دمای هسته در بارهای پالت مختلف است.

در بخش بعدی، آزمایش‌های آزمایشگاهی را شرح می‌دهیم که برای تعیین عوامل مؤثر بر زندگی سبز موز انجام شد و مدلی را ارائه می‌کنیم که وابستگی آن به دما، رطوبت و جو را توصیف می‌کند. در §3، منحنی‌های دمای ثبت‌شده در آزمایش‌های میدانی مختلف را در ساحل و ساحل تجزیه و تحلیل می‌کنیم و نشان می‌دهیم که چگونه یک سیستم هشدار خودکار می‌تواند کمبود هوای خنک‌کننده، افزایش فعالیت تنفسی و خطر ناشی از نقاط داغ را بر اساس اندازه‌گیری‌های دمای هسته تشخیص دهد.

در طول آزمایشات میدانی خود، متوجه شدیم که تمرکز بر روی تشخیص مشکلات خنک‌کننده فعلی بسیار کوته‌بینانه است. بهبودهای کلی و طولانی مدت در بسته بندی و انبار پالت می تواند سهم مهمی در بهبود شرایط خنک کننده داشته باشد. سیستم اندازه‌گیری و مدل‌سازی دما ابزار مفیدی برای مقایسه و ارزیابی تغییرات بسته‌بندی جعبه موز و طرح‌های ذخیره پالت بود. توسعه بسته بندی و فناوری های نظارت باید دست به دست هم دهند تا زنجیره غذایی بهبود یابد. با ترکیب تغییرات مختلف، ما نشان دادیم که می‌توان اثر خنک‌کننده را تقریباً 50٪ بهبود بخشید (§3c).

یک سیستم حسگر نه تنها برای نظارت بر حمل و نقل، بلکه برای کنترل مراحل پردازش بعدی نیز مفید است. در حال حاضر، فرآیند رسیدن با بازرسی کیفیت بصری و بررسی آستانه های دمایی چهار پروب دمای سیمی نظارت می شود. نمونه اولیه کانتینر هوشمند ما ارزیابی پیشرفت فرآیند رسیدن را با محاسبه فعالیت تنفسی بر اساس مدل حرارتی امکان پذیر می کند و در نتیجه اگر بازرسی بصری امکان پذیر نباشد، اطلاعات ارزشمندی را ارائه می دهد، به عنوان مثال. زمانی که موز هنوز در داخل ظرف ذخیره می شود یا در کشتی قرار دارد. سه آزمایش میدانی ما امکان نظارت و کنترل از راه دور فرآیند رسیدن در داخل یک ظرف حمل و نقل را نشان داد (§3f). این نه تنها باعث صرفه جویی در هزینه های خشکی می شود، بلکه با شروع رسیدن به خارج از ساحل چند روز قبل از رسیدن کشتی، در زمان نیز صرفه جویی می کند.

اصول بیشتر حسگر که می توانند برای دریافت تصویر دقیق تری از فرآیندهای داخل ظرف استفاده شوند، مانند حسگرهای رطوبت، جریان هوا، CO2 و گاز اتیلن، به طور خلاصه در §3g مورد بحث قرار خواهند گرفت. بخش 4 با نتیجه گیری پایان می یابد.

مدل سازی زندگی سبز برای موز پس از برداشت

مدلسازی بیولوژیکی حیات سبز باید وظایف زیر را انجام دهد. به عنوان اولین گام، باید روشی برای اندازه گیری مرحله بلوغ فعلی یک میوه ایجاد شود. دوم، ما باید ارزیابی کنیم که پیش‌بینی حیات سبز با توجه به واریانس‌هایی که در چندین آزمایش آزمایشگاهی یافتیم چقدر می‌تواند دقیق باشد. در مرحله سوم، تأثیر دما، رطوبت و اتمسفر بر زندگی سبز اندازه‌گیری می‌شود. در نهایت، ما باید تأثیر متقابل پالت‌ها در داخل یک ظرف را با تبادل گاز در نظر بگیریم، اگرچه نمی‌توانیم این اثر را کمی کنیم.

(الف) پارامترهای اندازه گیری برای رسیدن موز

تغییر از زندگی سبز، که پیش از اقلیم نیز نامیده می شود، به مرحله رسیدن میوه های موز با تولید اتوکاتالیستی اتیلن آغاز می شود. علاوه بر این، مرحله رسیدن با افزایش تنفس، از دست دادن کلروفیل، تبدیل نشاسته به قند، نرم شدن و تولید ترکیبات معطر مشخص می شود. برای تعریف پایان زندگی سبز، چندین روش اندازه گیری غیر مخرب را آزمایش کردیم. شاخص گیاهی تفاوت نرمال شده (NDVI) با یک طیف سنج (آنالیز رنگدانه؛ کنترل در فیزیولوژی کاربردی (CP) GbR، Falkensee، آلمان) اندازه گیری شد. NDVI محتوای کلروفیل را در مواد گیاهی نشان می دهد [4،5] و با رابطه بین سهم قرمز و مادون قرمز شدت نور منعکس شده I (I780 nm-I660 nm)/(I780 nm+I660 nm) محاسبه می شود. تولید CO2 در یک سیستم بسته مجهز به حسگرهای مادون قرمز (FYA600؛ Ahlborn، Holzkirchen، آلمان) تعیین شد. الاستیسیته با یک تحلیلگر بافت (TA.XT.plus؛ Stable Microsystems، Godalming، UK) اندازه گیری شد. با استفاده از تولید CO2 به عنوان مرجع، زیرا افزایش همزمان با افزایش اتیلن [6،7] ظاهر می‌شود، به نظر می‌رسد پارامتر NDVI مناسب‌ترین معیار برای تعیین پایان عمر سبز برای آزمایش‌های آزمایشگاهی باشد. کاهش NDVI با افزایش تولید CO2 ارتباط خوبی داشت (شکل 2). به عنوان مقدار حد، NDVI<0 برای رسیدن میوه ها پس از پایان عمر سبز تعریف شد که مربوط به مرحله 2 رسیدن از مقیاس رنگی تجاری مورد استفاده از 1 تا 7 است.

با این حال، برای نظارت بر حمل و نقل در یک ظرف بسته، اندازه‌گیری NDVI کمتر مناسب است، زیرا با روش‌های نوری، ارزیابی رسیدن فقط برای میوه‌ها انجام می‌شود. از سوی دیگر، آزمایش برای افزایش غلظت اتیلن یا CO2 امکان نظارت بر ظرف را به عنوان یک کل برای شروع رسیدن موز – خواسته یا ناخواسته – فراهم می کند.
(ب) پیش بینی میانگین زندگی سبز

هدف یک مدل زندگی سبز این است که پیش بینی کند که حداکثر دوره ذخیره سازی با انحراف از دمای بهینه و شرایط جوی چقدر کوتاه می شود. با این حال، به عنوان یک محصول طبیعی، موز در معرض تغییرات بیولوژیکی است. پس از تعریف مجموعه آزمایشی، ابتدا میزان این تغییرات را ارزیابی کردیم. در مرحله دوم، میانگین دوره زمانی را که پس از آن شروع رسیدن بدون محرک خارجی شروع می شود، ارزیابی کردیم.
(i) روش آزمایشی برای نگهداری موز

میوه های موز برداشت شده در کاستاریکا و انتقال یافته به آلمان توسط Dole Fresh Fruit به منظور بررسی تأثیر شرایط محیطی بر دوره زندگی سبز مورد استفاده قرار گرفت. اثرات دما، رطوبت و غلظت O2 و CO2 در یک سری آزمایش با میوه‌های محموله‌های مختلف مورد مطالعه قرار گرفت. سن خوشه در زمان برداشت با توجه به نیاز رایج برای تجاری سازی بین 12 تا 15 هفته انتخاب شد اما در هر محموله یکنواخت بود. دمای حمل و نقل در جعبه ها در طول حمل و نقل و حمل و نقل کامیون ثبت شد. پس از ورود به آزمایشگاه، میوه‌ها از دست‌ها جدا شدند و انتهای ساقه میوه در یک فیلم پلاستیکی قابل کشش پیچیده شد. برای بررسی اثرات رطوبت و اتمسفر (غلظت O2 و CO2)، میوه‌های موز یا در ظروف شیشه‌ای (سه میوه در هر شیشه) با سطح مقطع باز مخصوص برای تنظیم جو یا در ظروف ذخیره‌سازی با CA نگهداری شدند. آخرین آزمایش ذخیره سازی CA در بهار 2013 با موز سبز “Cavendish” از کلمبیا (شرکت Fyffes) انجام شد که به صورت عمده خریداری و به صورت خوشه هایی از حدود 5 میوه ذخیره شدند. شرایط نگهداری بود

محدوده دمایی بین 12 تا 30 درجه سانتی گراد با رطوبت بالا (98 درصد) و هوای معمولی برای ارزیابی زندگی سبز و محدوده دمایی بین 5 تا 11 درجه سانتی گراد برای مشاهده آسیب سرمایی که باعث تغییر رنگ زیر اپیدرمی میوه می شود. پوست کندن. ما نواحی قهوه ای مایل به خاکستری قابل مشاهده از بیرون را رتبه بندی کردیم.
– رطوبت نسبی بین 50 تا 98 درصد در دمای نگهداری 15 تا 18 درجه سانتی گراد؛ و
– غلظت CO2 بالا (تا 5٪) و غلظت O2 پایین (تا 2٪) در دماهای 13 درجه سانتیگراد، 15 درجه سانتیگراد و 18 درجه سانتیگراد.

تأثیر موقعیت میوه در خوشه با جداسازی میوه‌های پیرتر فیزیولوژیکی در بالای دسته (دست 1 و 2) و میوه‌های جوان در پایین (دسته‌های 6 و 7) در نظر گرفته شد.

علاوه بر اندازه گیری NDVI دو بار در هفته برای تعیین پایان عمر سبز، برای میوه هایی که در دمای پایین کمتر یا مساوی 11 درجه سانتیگراد نگهداری شده بودند، رتبه بندی بصری علائم قهوه ای شدن پوست انجام شد.
(II) تنوع قابلیت نگهداری موز سبز

دوره زندگی سبز میوه‌های موز به وضوح بین نمونه‌های 12 میوه تکی موز که در چهار شیشه شیشه‌ای در یک محیط نگهداری می‌شدند متفاوت بود. به عنوان مثال، شکل 3 دوره از شروع رسیدن اولین میوه نمونه تا شروع رسیدن آخرین میوه را نشان می دهد که گاهی تا دو هفته طول می کشد.

همچنین بین میوه های محموله های مختلف زندگی سبز در شرایط نگهداری یکنواخت بسیار متفاوت است (جدول 1). الاستیسیته پارامترهای رسیدن و NDVI اندازه گیری شده در ابتدای آزمایش تا حدی این تغییرات در قابلیت ذخیره سازی را منعکس می کند، به عنوان مثال. میوه هایی با طولانی ترین عمر سبز در دمای 18 درجه سانتیگراد 44 روز علاوه بر 14 روز حمل و نقل کانتینری (آوریل 2011) در مقایسه با میوه هایی که در ژانویه 2011 وارد شدند، NDVI بالا و مدول الاستیسیته بالایی را نشان دادند. این قابلیت نگهداری طولانی میوه ها در آوریل 2012 ممکن است متوسط دمای انتقال پایین 14.2 درجه سانتیگراد باشد. میوه هایی با عمر سبز کوتاه سریعتر از میوه هایی با عمر سبز طولانی وزن کم کردند. علاوه بر این، تفاوت در اتمسفر حمل و نقل (غلظت CO2 و O2)، که متأسفانه مستند نشده است، بر قابلیت ذخیره‌سازی پس از انتقال تأثیر داشت.

جدول شماره 1.

دوره زندگی سبز و خواص میوه موز از محموله های مختلف.

علاوه بر محیط حمل و نقل و بلوغ در هنگام برداشت [3]، شرایط کشت نیز بر دوره زندگی سبز پس از برداشت موز «کاوندیش» تأثیر دارد. بوگاود و همکاران [8] عمر سبز میوه های برداشت شده در فصل مرطوب در تابستان 8 تا 9 روز کمتر از فصل خشک در زمستان است، اما هیچ ارتباطی با سن فیزیولوژیکی میوه ها در زمان برداشت یا با پارامترهای آب و هوایی ثبت شده وجود نداشت. آنها فرض کردند که دلیل کاهش عمر سبز میوه هایی که در فصل مرطوب رشد می کنند، شیوع بیشتر سیگاتوکا است، یک بیماری قارچی که باعث ایجاد ضایعات نکروز در برگ ها می شود. اثر کاهنده زندگی سبز بیماری سیگاتوکا نیز توسط Castelan و همکاران نشان داده شده است. [9]. علاوه بر این، ما فرض می کنیم که شرایط آب و هوایی در زمستان و بهار (2012) تأثیر مثبتی بر زندگی سبز پس از برداشت موز برای این آزمایش ها در مقایسه با موز برداشت شده در تابستان (2011) داشته است.
(iii) اثر دما، رطوبت و جو بر دوره زندگی سبز

از آنجایی که تنوع در زندگی سبز موز بین نمونه‌های موز متفاوت است، اثرات دما، رطوبت و جو به طور جداگانه ارائه می‌شوند و نمی‌توانند در یک مدل شامل همه عوامل محیطی ادغام شوند. ما یک تابع نمایی برای رابطه بین دمای ذخیره سازی T و میانگین دوره زندگی سبز GP برای محدوده دمایی بین 12 درجه سانتی گراد و 30 درجه سانتی گراد (GP(T) = 159.86·e-0.124T) در هوای معمولی پیدا کردیم. در دمای نگهداری بهینه 13-14 درجه سانتیگراد، دوره زندگی سبز حدود 30 روز پس از حمل و نقل با GP (13 درجه سانتیگراد) = 31.9 روز طول می کشد. به ازای 10 درجه افزایش دما، عمر سبز با ضریب Q10=3.46 کاهش می یابد. عمر سبز در دمای نگهداری 25 درجه سانتی گراد به یک هفته کاهش می یابد.

یک دوره زندگی سبز مشابه توسط Bugaud و همکاران پیدا شد. [8] با 42 تا 50 روز برای موز از سایت‌های تولید مختلف که زمان حمل 14 روز را برای آزمایش‌های خود لحاظ می‌کنیم. پس از چند ساعت قرار گرفتن میوه‌های موز سبز در دمای پایین، رنگ پوست تحت تأثیر علائم جراحت خفیف CP قبل یا بعد از زرد شدن قرار گرفت. این رابطه بین دما و زمان لازم برای القای علائم سرماخوردگی CP نیز نمایی CP(T)=0.0481·e0.1969T بود (شکل 4).

برای نگهداری موز، رطوبت نسبی بالا 90-95٪ توصیه می شود [10]. آزمایشات در بهار 2012 نشان داد که میانگین دوره زندگی سبز میوه های ذخیره شده در رطوبت نسبی کم (50 تا 60 درصد) حدود یک هفته کوتاه تر از پس از نگهداری در رطوبت 98 درصد بود (جدول 2). جورج و همکاران [11] فرض بر این است که تنش آب باعث تولید اتیلن می شود که باعث افزایش زودتر تنفس اقلیم می شود.

جدول 2.

زندگی سبز موز در بهار 2012 برداشت و تحت رطوبت نسبی (RH) و غلظت CO2 مختلف نگهداری شد.

نتایج آزمایشات در سال 2012 برای تأثیر رطوبت و غلظت CO2 بالا به طور کلی ذخیره بسیار بهتری نسبت به نتایج آزمایش های دما در سال 2011 نشان دادند (جدول 1 و 2). افزایش غلظت CO2 (5٪) در مخازن ذخیره سازی منجر به افزایش میانگین عمر سبز 4 روز در دمای 15 درجه سانتیگراد و 11 روز در دمای 18 درجه سانتیگراد در مقایسه با ذخیره سازی در اتمسفر با غلظت CO2 پایین کمتر از 2٪ شد. برخی آزمایش‌ها عمر سبز طولانی‌تری را برای میوه‌های کمتر بالغ از موقعیت‌های پایین دسته‌های موز در مقایسه با میوه‌های بالای دسته‌ها (جدول 2) نشان دادند، اما این تأثیر موقعیت خوشه در چندین آزمایش در طول سال ثابت نبود.

غلظت بالای CO2 5٪ و همچنین غلظت O2 پایین 2٪ یا 5٪ به طور قابل توجهی رسیدن میوه سبز رنگ قبل از اقلیم را در دماهای 13 درجه سانتیگراد، 15 درجه سانتیگراد و 18 درجه سانتیگراد به تاخیر انداخت. میوه های ذخیره شده در این شرایط CA افزایش تنفس و کاهش کلروفیل را در دمای 18 درجه سانتیگراد تا چهار هفته و در دمای 13 درجه سانتیگراد تا شش هفته نشان ندادند و بنابراین در مقایسه با ذخیره سازی هوای معمولی دو هفته ای، عمر سبز طولانی را نشان دادند (شکل 5). به دلیل کپک زدن جزئی روی میوه ها نتوانستیم آزمایش را طولانی کنیم.

این نتایج از توصیه های غلظت O2 و CO2 برای ذخیره سازی موز سبز در محدوده 2-5٪ حمایت می کند [12،13]. با این وجود، کاهش O2 به 2٪ قبل از تیمار اتیلن می تواند منجر به عطر ضعیف موز به دلیل مهار تشکیل استرهای فرار شود [14]. پس از ذخیره CA زیر 3٪ O2، تفاوت موزهای معمولی ذخیره شده در هوا پس از رسیدن توسط مصرف کنندگان قابل درک نیست [15]. درک نحوه عملکرد افزایش CO2 و کاهش O2 بر روی متابولیسم موز پس از برداشت هنوز ناقص است. علاوه بر اثر بر عمل و سنتز اتیلن، اتمسفرهای اصلاح شده (MAs) همچنین می توانند باعث افزایش سطح اتانول در بافت میوه شوند و این ممکن است رسیدن را به تاخیر بیندازد [16].

اثر بازداری از رسیدن شرایط CA به مرحله رسیدگی میوه ها بستگی دارد. ما یک آزمایش CA را با میوه‌ها در مرحله رسیدگی کمی پیشرفته 2-3 با NDVI نسبتاً کم (0.2±0.13) و مدول کشش کم (2.9±0.4) هنگام شروع آزمایش انجام دادیم. O2 کم و غلظت CO2 بالا (2٪/5٪) شروع تنفس اقلیمی و زرد شدن را به تعویق انداخت، به عنوان مثال. در دمای 18 درجه سانتی گراد تا دو هفته و در دمای 13 درجه سانتی گراد و 15 درجه سانتی گراد تا پنج هفته. احتمالاً سنتز اتیلن توسط میوه ها به ویژه در دمای بالای 18 درجه سانتیگراد بیش از حد پیشرفت کرده است، به طوری که فرآیند رسیدن را نمی توان مانند میوه های سبز در مرحله 2 به تاخیر انداخت.

تمام عوامل محیطی آزمایش شده دما، رطوبت و جو تأثیر مهمی بر دوره زندگی سبز میوه های موز برداشت شده دارند. در شرایط نگهداری پایدار (14 درجه سانتیگراد، رطوبت در کیسه های پلی اتیلن بیش از 95٪ و غلظت CO2/O2 5٪) میانگین عمر سبز میوه های آزمایش شده ما بیش از یک ماه است و بنابراین رسیدن زودرس نباید در طول سه بار اتفاق بیفتد. زمان حمل و نقل هفته با این حال، در این تحقیقات آزمایشگاهی، ما اثرات اتیلن را در نظر نگرفتیم، که ممکن است تأثیر مهمی بر رسیدن میوه در طول حمل و نقل در یک ظرف داشته باشد، همانطور که در بخش زیر بحث شد.

ما تنوع زیادی از زندگی سبز را بین میوه‌هایی که در ظروف مختلف در شرایط دمایی تقریباً مشابه حمل می‌شوند، پیدا کردیم. اما حتی در یک ظرف یک تغییر بین 2± و 14± روز وجود دارد. بنابراین، وضعیت فیزیولوژیکی محصول تعیین شده با پارامترهای اضافی غیر از کشش، تنفس و NDVI باید در ابتدای حمل و نقل برای پیش بینی دقیق زندگی سبز در نظر گرفته شود.

(ج) تأثیر متقابل بر رسیدن توسط اثرات اتوکاتالیستی اتیلن

میوه های موز به اتیلن بسیار حساس هستند. پاسخ به بلوغ میوه، زمان قرار گرفتن در معرض و دما بستگی دارد. در دمای 15 درجه سانتیگراد، رسیدن موز سبز “کاوندیش” در هوا با اتیلن 0.1 اینچ در دقیقه به مدت 2 روز آغاز می شود. در دمای 20 درجه سانتی گراد با اتیلن 0.1 پی پی ام، رسیدن میوه از قبل پس از 20 ساعت آغاز می شود [17]. شروع رسیدن با افزایش تولید اتیلن از 0.15μl-kg-1 h-1 به 5μl-kg-1 h-1 در دمای 15 درجه سانتیگراد [12] همراه است، بنابراین همانطور که محاسبه مثال زیر نشان می دهد منجر به اثر اتوکاتالیستی می شود. یک جعبه 18 کیلوگرمی موز زرد در عرض 2.2 روز اتیلن کافی برای افزایش غلظت در کل ظرف با حجم هوای آزاد 47.4 اینچ متر مکعب تا آستانه بحرانی 0.1 اینچ در دقیقه تولید می کند، در صورتی که دریچه های هوا بسته باشند و اتیلن آزاد نشود. به محیط

دما تأثیر کمی بر تولید اتیلن موز سبز در محدوده 0.1-0.3 میکرولیتر کیلوگرم-1 اینچ ساعت-1 دارد [12]. افزایش غلظت CO2 و غلظت کم O2 تحت شرایط CA یا MA منجر به نرخ تولید کمتر و همچنین حساسیت کمتر می شود [18]. تولید اتیلن در تک میوه ها می تواند به دلیل استرس مکانیکی یا عفونت های قارچی افزایش یابد. اثر اتوکاتالیستی باید برای کل کانتینر در نظر گرفته شود و نه به صورت جداگانه برای جعبه های منفرد، زیرا بسته بندی پلی اتیلن نسبت به گاز اتیلن نیمه تراوا است. فرآیند سنتز اتیلن اتوکاتالیستی بر اثر اختلاف دمای متوسط بین بارهای پالت در طول حمل و نقل غالب است. در طول آزمایش‌های آزمایشگاهی، اگر میوه‌ها در شیشه‌های مختلف ذخیره می‌شدند، می‌توانیم تأثیر انحرافات در شرایط محیطی را بر زندگی سبز تأیید کنیم. اما، ما نتوانستیم هیچ ارتباطی بین تغییرات متوسط ​​در دمای میانگین انتقال (15.3-17.5 درجه سانتیگراد؛ شکل 6) و موقعیت دسته (پایین/بالا) با عمر سبز باقیمانده در پایان یک حمل و نقل دو هفته ای در منطقه پیدا کنیم. همان ظرف بنابراین، در مورد انحرافات دمایی متوسط، پیش‌بینی حیات سبز فقط برای یک کانتینر به عنوان یک کل امکان پذیر است و نه برای بارهای پالت جداگانه. مشاهده این که تنها میوه ها یا دست ها در یک جعبه در پایان حمل زرد می شوند ممکن است به این دلیل باشد که زمان کافی برای شروع رسیدن میوه های همسایه وجود ندارد.

اگرچه دانستن دمای متوسط برای محاسبه عمر سبز در بیشتر موارد کافی است، اما انحرافات دمایی محلی برای شناسایی نقاط داغ باید اندازه گیری شوند. دمای بسیار بالاتر در یک نقطه گرم منجر به عمر سبز کوتاه می شود و بنابراین انحرافات شدید دما باعث رفتار متفاوت رسیدن میوه در یک ظرف می شود. پالت های دارای نقطه داغ باید در اسرع وقت جدا شوند تا از رسیدن سریع میوه های همسایه جلوگیری شود.

اگر حلقه بازخورد فرآیند اتوکاتالیستی قطع شود، عمر سبز طولانی می شود. کتسا و همکاران [19] نشان داد که عمر نگهداری موز سبز در جعبه‌های مقوایی در دمای 14 درجه سانتی‌گراد را می‌توان با افزودن 1-MCP که عملکرد اتیلن را مهار می‌کند تا 100 روز افزایش داد، در مقایسه با 40 روز تحت MA بدون تیمار 1-MCP. . از سوی دیگر، پیش‌بینی شروع فرآیند بازخورد دشوار است، زیرا این فرآیند با تغییرات جزئی در شرایط اولیه میوه‌ها پس از برداشت آغاز می‌شود. در حال حاضر، هیچ ابزاری برای پیش‌بینی رسیدن خودبه‌خودی در دسترس نیست، بنابراین ما فقط می‌توانیم اثرات آن را با تولید گرمای بیشتر و غلظت‌های CO2 و اتیلن بالاتر اندازه‌گیری کنیم و خطراتی مانند سرمایش کم را ارزیابی کنیم.

داده های دقیق تر در مورد اثر اتیلن در ظروف بسته در حال حاضر در دسترس نیست، عمدتا به این دلیل که، در حال حاضر، هیچ سیستم سنسور اتیلن متحرک در دسترس وجود ندارد که امکان اندازه گیری تغییرات غلظت در طول حمل و نقل دریایی را فراهم کند.

3. اندازه گیری و مدل سازی دینامیک دما

انتخاب سنسورها برای نظارت بر کیفیت خودکار در حین حمل و نقل در داخل یک ظرف بسته بسیار محدود است. برخی از روش ها نیاز به جابجایی مکانیکی دارند و مخرب هستند، مانند اندازه گیری میزان قند (مقدار بریکس) [20]. روش‌های دیگر مستلزم این هستند که یک دستگاه اندازه‌گیری به یک میوه متصل شود، مانند پارامترهای نوری (NDVI، زاویه رنگ برای رنگ پوست [7]) یا سفتی، و در نتیجه نتواند یک مقدار معرف برای کل جعبه یا بار پالت ارائه کند. سنسورها می‌توانند برای اندازه‌گیری یک مقدار متوسط برای کل کانتینر اختصاص داده شوند، برای مثال با اندازه‌گیری غلظت گاز، یا می‌توانند در جعبه‌ها یا بارهای پالت جداگانه برای تشخیص انحرافات فضایی نصب شوند. برای کاربردهای دوم، انتخاب سنسورها علاوه بر اندازه، تامین انرژی و ملاحظات هزینه به سنسورهای استاندارد مانند دما و رطوبت محدود می شود. به عنوان اولین گام برای برنامه ریزی یک سیستم مانیتورینگ، بنابراین می پرسیم: چه مقدار اطلاعات را می توان از منحنی های دما اندازه گیری شده در چندین نقطه داخل ظرف بازیابی کرد؟

سه آزمایش برای حمل و نقل دریایی و چندین آزمایش در خشکی بین سال‌های 2011 تا 2013 در نمونه اولیه «کانتینر هوشمند» ما انجام شد. کانتینر مجهز به یک واحد خنک کننده Thermoking Magnum plus با ظرفیت اسمی خنک کننده 16.6 کیلووات در دمای 21.1 درجه سانتی گراد و ظرفیت فن 5480 m3 h-1 در منبع تغذیه 50 هرتز در یک ظرف خالی بود [21]. اندازه‌گیری‌های دما توسط مجموعه‌ای از 20 حسگر بی‌سیم و دیتالاگرهای اضافی iButton [22] انجام شد. جزئیات فنی شبکه حسگر بی سیم و دسترسی از راه دور توسط تله ماتیک در مقاله جداگانه ای توضیح داده شده است [2]. سوابق دمایی اضافی از آزمایش های قبلی با سه ظرف با سن 2، 3 و 12 سال در دسترس بود [23].

تغییرات کیفیت به دمای خمیر بستگی دارد. اما اندازه گیری مداوم دمای پالپ امکان پذیر نیست، زیرا موز توسط کاوشگر آسیب می بیند و بنابراین واکنش متفاوتی نسبت به سایر میوه ها نشان می دهد. از طرف دیگر، دمای هوا را در مرکز جعبه اندازه‌گیری کردیم. نمونه های تصادفی نشان داد که دمای خمیر کاغذ بین 0.2 درجه سانتی گراد تا 0.5 درجه سانتی گراد بالاتر از دمای هوا است.

جعبه ها به ارتفاع هشت طبقه روی هر پالت چیده شده اند. هوای خنک کننده از کف (سطح 1) تامین می شود و در نهایت در طول مسیر خود از طریق بار پالت گرم می شود. لایه بالایی (شماره 8) علاوه بر این توسط جریان هوای برگشتی خنک می شود. بالاترین دما در مرکز بارهای پالت بین سطوح 5 و 7 مشاهده شد.

شکل 7 برخی از منحنی های خنک کننده نمونه را در طول حمل و نقل دریایی در سه کانتینر مختلف نشان می دهد. از منحنی ها می توانیم موارد زیر را یاد بگیریم:

– سرعت فرآیند خنک کننده تا حد زیادی به کیفیت و سن تجهیزات خنک کننده بستگی دارد. ظرف 12 ساله به بیش از دو برابر زمان نیاز داشت تا تا دمای 17 درجه سانتیگراد خنک شود. در بدترین حالت، حتی پس از دو هفته سرد شدن، دما 2.2 درجه سانتیگراد بالاتر از نقطه تنظیم شده 13.9 درجه سانتیگراد بود. به خصوص اگر زنجیره تامین به ظروف اجاره شده از شرکت های شخص ثالث بستگی داشته باشد، کیفیت تجهیزات باید بررسی شود.
— هیچ مکان ترجیحی برای داغترین نقطه در داخل ظرف وجود ندارد. در طی سه آزمایش، در انتهای در، انتهای ماشین یا در بین آن یافت شد.
– تجهیزات جدیدتر سریعتر خنک می شوند، اما انحرافات موضعی در عملکرد خنک کننده همچنان وجود دارد. و
حسگرهای روی سطح بارهای پالت به سرعت به تغییرات دمای هوای عرضه شده واکنش نشان می دهند. می توان از آنها برای تأیید توزیع جریان هوا در ظرف استفاده کرد، اما دمای خمیر را نمی توان مستقیماً از آنها استنباط کرد.

در ادامه به تفصیل به بررسی علل انحراف دمای موضعی داخل ظرف می پردازیم. دلایل متعددی وجود دارد که چرا ارزیابی کمی با مقایسه مستقیم منحنی ها امکان پذیر نیست: جعبه ها دمای اولیه متفاوتی دارند. نقطه تنظیم نیز متفاوت است و ممکن است چندین بار در طول حمل و نقل تغییر کند. یک تناسب مستقیم با یک تابع کاهش نمایی تک نیز با شکست مواجه می شود.

علاوه بر این، سیر تغییرات دما تنها در صورتی قابل درک است که نه تنها حذف گرما توسط واحد در نظر گرفته شود، بلکه گرمای تولید شده توسط تنفس نیز در نظر گرفته شود. ما دریافتیم که مدل ارائه شده در شکل 8 تناسب خوبی برای منحنی‌های اندازه‌گیری شده در دریا و همچنین برای آزمایش‌های ساحلی فراهم می‌کند، که در آن ما فقط مجاز بودیم نقطه تنظیم را بین 13 درجه سانتیگراد و 16 درجه سانتیگراد تغییر دهیم.

این مدل دمای هوای T را در مرکز یک جعبه به عنوان تابعی از دمای هوای عرضه‌ی هوا و دو پارامتر وابسته به جعبه kM و kP پیش‌بینی می‌کند. وابستگی دمایی فعالیت تنفس توسط یک مدل Q10 توصیف شده است. Q10=3 عاملی است که به وسیله آن برای تغییر دمای 10 درجه سانتیگراد، فعالیت افزایش می یابد. یک عامل متناسب kP تأثیر جو و وضعیت رسیدن فعلی موز را در یک جعبه خلاصه می کند. رفتار زمانی با یک سری از دو عنصر تاخیر مدل‌سازی می‌شود. از آنجایی که جرم حرارتی برای همه جعبه ها یکسان است، ثابت های زمانی روی مقادیر ثابت 4 و 15 اینچ تنظیم شدند. تفاوت در راندمان خنک‌کننده با بهره ورودی متغیر کیلومتر مدل‌سازی شد. جزئیات مدل را می توان در [24] یافت. kP فقط به وضعیت بلوغ میوه بستگی دارد و فقط برای یک ظرف میوه با منشا یکسان کمی متفاوت است، به جز در مورد رسیدن زودرس در بخشی از جعبه ها. کیلومتر به طور عمده به طراحی جعبه بستگی دارد، اما به دلیل تأثیرات محلی مانند شکاف ها، دودکش ها و مسدود شدن جعبه های مجاور، تغییراتی را در داخل یک پالت یا بار محفظه نشان می دهد.

شکل 9 منحنی های دمای نمونه ثبت شده در ظرف نمونه اولیه ما را در طول حمل و نقل دریایی و یک راه اندازی شبیه سازی شده در ساحل نشان می دهد. پارامتر kM برای راندمان خنک کننده محلی بین 0.312 و 0.964 با مقادیر بالاتر برای خنک کننده سریع متغیر بود. در همه موارد، تناسب رضایت‌بخشی بین مدل و مقادیر اندازه‌گیری شده به دست آمد.

در طول آماده سازی برای آزمایش در ساحل، چهار بار پالت در انبار تأسیسات رسیدگی به مدت 2 روز نگهداری شد و در نتیجه به اشتباه در معرض اتیلن قرار گرفت. میزان تنفس آنها 68 درصد افزایش یافته است. جریان هوا در کنار یکی از این پالت ها با فشار دادن آن به دیواره ظرف مهار شد. میزان سرمایش 43 درصد کمتر از مقدار متوسط بود. همزمانی این دو عامل منجر به وضعیتی شد که در آن گرمای بیشتری در اثر تنفس تولید می‌شد تا با سرد کردن خارج شود. شکل 9b یک منحنی دمای معمولی را برای چنین نقطه داغی نشان می دهد.
الف) عوامل ایجاد تعادل حرارتی

مشکلات مربوط به دما عمدتاً ناشی از عدم تعادل بین گرمای تولید شده و حذف شده است. به منظور تجزیه و تحلیل چنین موقعیت‌هایی و پیش‌بینی ریسک‌های مرتبط، روشی برای جدا کردن این دو عامل از منحنی‌های دمای اندازه‌گیری شده ایجاد کردیم.

در مرحله اول، دو پارامتر مدل kP و kM با استفاده از جعبه ابزار شناسایی سیستم Matlab برآورد می‌شوند. تغییر دما ΔTresp ناشی از فعالیت تنفسی را می توان مستقیماً با وابستگی Q10 به دمای جعبه فعلی T محاسبه کرد. گرمای تولید شده که باعث این تغییر دما شد را می توان به صورت Presp=CB·ΔTresp در واحد وات بر تن با CB= محاسبه کرد. 930.5 Ws K-1 t-1. فاکتور CB شامل ظرفیت حرارتی موز 3350 J K-1 kg-1 و تبدیل از ساعت به ثانیه است. شکل 10a مقادیر محاسبه شده را برای شرایط مختلف جوی نشان می دهد. CA با اتصال ظرف به منبع نیتروژن ارائه شده توسط یک ژنراتور در کشتی به دست می آید. MA را می توان با بسته بندی موز در ضخامت خاصی از پلی اتیلن (Banavac [25])، که منجر به افزایش CO2 در کیسه می شود، یا با کنترل خودکار دریچه هوای تازه ظرف به دست آورد. با یک CA، فعالیت تنفس را می توان به 16 وات در تن در دمای مرجع 15 درجه سانتی گراد، در محدوده مشابهی که توسط استوارت و همکاران ارائه شده است، کاهش داد. [26]، که برای موز سبز کاهش تنفس 60٪ در زیر 3٪ O2 و 3.5٪ CO2 در مقایسه با هوای معمولی در دمای 15 درجه سانتیگراد یافت.

اگر موز به طور خود به خود یا تحت کنترل شروع به رسیدن کند، تولید گرما به طور چشمگیری افزایش می یابد. در دمای 15 درجه سانتیگراد، فعالیت تنفسی می تواند در مقایسه با موز سبز در شرایط CA تا 7 برابر افزایش یابد. اگر واحد خنک کننده نتواند دمای 15 درجه سانتی گراد را حفظ کند، گرمای تولید شده می تواند به بیش از 200 وات در تن افزایش یابد. بنابراین محفظه های رسیدگی در ساحل مجهز به واحدهای خنک کننده و فن های قوی تر هستند. چالش های فنی برای تامین سرمایش کافی با منابع محدود کانتینر حمل و نقل زیاد است.

محاسبه گرمای حذف شده توسط سرمایش به اندازه گرمای تنفسی ساده نیست زیرا به دمای جعبه و هوای عرضه و همچنین به رفتار دینامیکی دو عنصر تاخیری در مدل بستگی دارد. ما داده های آزمایش حمل و نقل دریایی در سال 2011 را در یک ظرف 3 ساله بدون هیچ گونه تغییری در بسته بندی و انبار به عنوان تنظیم مرجع در نظر گرفتیم. میانگین ارزش کیلومتر 16 حسگر در ردیف 5 از 9 پالت 0.524±0.151 برآورد شد. تغییر درجه حرارت ناشی از اثر خنک کننده محلی ΔTcool را می توان با کم کردن ΔTresp از کل تغییر دما ΔT محاسبه کرد. برای مقایسه و خلاصه کردن سه آزمایش، مجبور شدیم اثر انحراف نقاط تنظیم را جبران کنیم. بنابراین، داده‌های آزمایش‌ها برای شرایط مرجع (US = 13 درجه سانتی‌گراد) با شبیه‌سازی مدل با مقادیر kM و kP قبلاً شناسایی‌شده، دوباره محاسبه شدند. ΔT از منحنی برای نقطه زمانی که T به 15 درجه سانتی گراد می رسد خوانده شد. ضرب در CB منجر به میانگین ظرفیت خنک کننده موثر 58.7 اینچ بر تن در دمای 15 درجه سانتیگراد شد.

اگر جریان هوا مسدود شود، خنک کننده موضعی مانع می شود. در یک آزمایش ساحلی در ژانویه 2012، ما عمداً چهار پالت را به دیواره جانبی کانتینر فشار دادیم که منجر به یک مقدار کیلومتر کیلومتر ضعیف برای جعبه‌های کنار دیوار 0.032±0.322 یا بر حسب قدرت 41.6 اینچ وات در تن شد. شکاف باقی مانده در سمت دیگر کانتینر منجر به خنک سازی بهتر با 68 اینچ وات در تن شد.
(ب) بهبود در بسته بندی و انبار

اگرچه ظرفیت اسمی خنک کننده ظرف ما 16.6 اینچ کیلووات مشخص شده است، گرمای حذف شده واقعی فقط حدود 58.7 اینچ بر تن یا 1 کیلووات برای بار کامل ظرف 17.6 تن موز است. به دلیل بسته بندی متراکم موز، فشار ساکن به وضوح افزایش می یابد و تنها بخش کوچکی از جریان هوا در واقع به میوه ها می رسد. حساسیت بالای موز نسبت به جراحات ناشی از سرما (شکل 4) کاهش نقطه تنظیم به زیر 13 درجه سانتیگراد را برای افزایش انتقال حرارت ممنوع می کند. اما، عدم تناسب زیاد بین ظرفیت سرمایش اسمی و کارآمد منجر به این فرض می‌شود که خنک‌سازی بهتر با بسته‌بندی و انبار بهتر امکان‌پذیر است.

به عنوان اولین اقدام برای جلوگیری از تأثیر منفی شکاف های بسته، ما در آزمایش های بعدی در سال 2012 فاصله بین پالت ها و دیوار نصب کردیم (شکل 11a). از آنجایی که اندازه پالت به طور ایده آل با ابعاد داخلی ظرف مطابقت ندارد، نمی توان از فضای خالی «از دست رفته» تقریباً 0.25 اینچ متر مربع جلوگیری کرد که معمولاً در انتهای در باقی می ماند. به منظور استفاده بهینه از این فضا، ما چهار پالت را هر کدام در یک چرخ پین [27] قرار دادیم و دودکشی به عرض 0.22×0.22 اینچ در مرکز تشکیل دادیم (شکل 11b). بالای هر یک از پنج دودکش با یک بلوک فوم بسته شده بود. دودکش ها جریان هوا را بین پالت ها افزایش می دادند. در اواسط سال 2012، Dole طراحی جعبه را تغییر داد. جعبه‌های دریچه‌ای جدید به اصطلاح دارای هشت سوراخ تهویه اضافی با قطر 3.5 سانتی‌متر در چهار لبه (خط امتیاز) سمت بلند جعبه بودند (شکل 11c). از آنجایی که ما فقط یک آزمایش با هر دو نوع جعبه در یک ظرف داشتیم، می‌توانیم فقط یک تخمین تقریبی از مزیت طراحی جعبه جدید برای بهبود خنک‌سازی تقریباً 15٪ ارائه دهیم.

طی دو آزمایش آخر حمل و نقل دریایی در نوامبر 2012 و آوریل 2013، بسته بندی موز را نیز در داخل جعبه ها اصلاح کردیم. موزها در دو کیسه پلی اتیلن بسته بندی شدند که توسط یک فاصله دهنده مقوایی با قطر 4.5 سانتی متر از هم جدا شدند (شکل 11d). این کانال جدید جریان هوای عمودی بسیار بهتری را از طریق جعبه ها فراهم می کند. مقدار kM در مقایسه با کیسه های تکی به میزان 13.7 درصد به 0.098 ± 0.781 یا 92.1 اینچ در تن بهبود یافت (شکل 10b). با این حال، خنک کننده بهبود یافته باید با از دست دادن ظرفیت بسته بندی حدود 4٪ پرداخت شود. در مجموع، ترکیب هر چهار معیار منجر به بهبود بیش از 50 درصدی در مقایسه با آزمون مرجع از سال 2011 شد.
(ج) رویکرد برای یک سیستم هشدار خودکار

یک شرکت لجستیک که روزانه 1000 محموله یا بیشتر را انجام می دهد، می تواند تنها زمان محدودی را به یک کانتینر اختصاص دهد. بازرسی بصری منحنی های دما به سختی امکان پذیر است. راه حل ترجیحی شامل یک نشانگر چراغ راهنمایی در هر کانتینر است که نشان می دهد آیا کانتینر در وضعیت مناسب است (سبز)، نیاز به بازرسی دقیق یا زمان بندی مجدد برنامه ریزی حمل و نقل (زرد) دارد یا احتمالاً با کیفیت قابل قبولی به مشتری نمی رسد. (قرمز).

مدل‌سازی انتقال حرارت توصیف‌شده در بالا، بازیابی اطلاعات دقیق‌تری را از منحنی‌های دمای اندازه‌گیری شده در مرکز جعبه نسبت به یک بررسی آستانه ساده امکان‌پذیر می‌سازد. پارامترهای kM و kP را می توان با برازش منحنی منحنی دمای اندازه گیری شده با مدل ارائه شده در شکل 8 با کمک تکنیک های شناسایی سیستم تخمین زد. در آخرین آزمایش حمل و نقل دریایی، ما توانستیم نشان دهیم که فرآیند تخمین ریاضی می تواند مستقیماً توسط کانتینر انجام شود. شناسایی توسط جعبه ابزار Matlab با یک برنامه JAVA جایگزین شد. کد یک شکل افزایشی از الگوریتم را پیاده سازی می کند و بنابراین می تواند به طور موثر بر روی یک سیستم تعبیه شده اجرا شود. تنها چند عملیات ماتریس برای به روز رسانی تخمین پس از رسیدن هر اندازه گیری دما جدید ضروری است. اگر اندازه‌گیری‌های جدید منجر به تغییر قابل توجهی در پارامترهای مدل تخمینی شود، ظرف به طور خودکار یک پیام به‌روزرسانی را بر روی سیستم ارتباط خارجی ارسال می‌کند. رکوردهای دمای کامل فقط در صورت درخواست یا در صورت بروز مشکل شدید منتقل می شوند. حجم داده ها و هزینه های ارتباطات ماهواره ای را می توان به چند پیام کاهش داد.

دقت تخمین با تعداد اندازه گیری ها افزایش می یابد. شبیه سازی با داده های ثبت شده نشان داد که دقت 10 درصد برای کیلومتر پس از 4 روز و برای kP پس از 7.5 روز پس از خروج کشتی به دست می آید. اطلاعات مربوط به مشکلات خنک کننده و فعالیت تنفسی مشکوک را می توان یک هفته قبل از ورود به اروپا در دسترس قرار داد.

مقدار kP بالا نشان دهنده فعالیت بیولوژیکی بالاتر و در نهایت شروع رسیدن خود به خود است. یک مقدار کم کیلومتر نشان‌دهنده خنک‌سازی ناقص بار پالت است که به احتمال زیاد ناشی از انبار کردن ضعیف است. همزمانی هر دو عامل منجر به خطر بالایی برای یک نقطه داغ می شود، که در آن اتیلن منتشر شده می تواند در نهایت باعث رسیدن در کل ظرف شود. گرمای تولید شده و حذف شده در هر تن را می توان با توجه به §3a محاسبه کرد.

تغییرات زیادی در بلوغ موز در داخل یک ظرف نیز می تواند با واریانس مقدار kP تشخیص داده شود. این می تواند منجر به کیفیت نامناسب پس از رسیدن شود و چنین ظروفی باید جداگانه نگهداری شوند
(د) ترکیبی از مدل حرارتی و بیولوژیکی

اگر هیچ حالت بحرانی یا خطری برای رسیدن خود به خودی تشخیص داده نشود، همانطور که در §3c توضیح داده شده است، می توان از اندازه گیری ها برای اولویت بندی ظروف بر اساس عمر سبز باقیمانده استفاده کرد. منحنی دما به عنوان ورودی برای مدل زندگی سبز در نظر گرفته شده است. از دست دادن عمر سبز در واحد زمان به عنوان تابعی از دمای فعلی بر اساس معادله ارائه شده در §2b (iii) محاسبه می شود و به صورت گام به گام از ارزش اولیه زندگی سبز موز تازه برداشت شده کم می شود. در مثال در شکل 12b، محاسبه مدل منجر به یک عمر سبز باقیمانده 22.8 روز تحت یک MA با CO2 = 5٪ و 10.5 روز در یک جو معمولی در پایان حمل و نقل دریایی می شود.

اگرچه هدف اصلی مدل ما محاسبه سرمایش و تنفس به عنوان عوامل جداگانه است، این مدل همچنین می‌تواند برای پیش‌بینی بخش «از دست رفته» منحنی دما چند روز قبل از ورود به اروپا استفاده شود. مقادیر kM و kP برای دو حسگر نمونه H001 و H013 در شکل 12a بر اساس اندازه‌گیری‌های دما در 5 روز اول حمل و نقل (خطوط پررنگ) شناسایی شدند. سنسورها در ردیف 7 از دو بار پالت مختلف قرار گرفتند. در این نقطه از زمان، مقادیر برآورد شده کیلومتر از مقادیر نهایی ارائه شده در پرانتز اندکی انحراف دارد. منحنی‌های دما برای 8 روز باقی‌مانده بر اساس مدل در شکل 8 شبیه‌سازی شدند و با این فرض که دمای هوای عرضه‌شده usS روی آخرین مقدار اندازه‌گیری شده باقی می‌ماند.

همانطور که در §2b (ii) نشان داده شده است، به دلیل تأثیر واریانس بیولوژیکی و سایر عوامل ناشناخته، مقدار عمر سبز حاصل تنها می تواند به عنوان میانگین برای کل بار ظرف در نظر گرفته شود. به دلیل تأثیر متقابل موز در داخل یک ظرف توسط تبادل اتیلن، ما استفاده از مقادیر متوسط برای kM و kP را برای پیش‌بینی زندگی سبز توصیه می‌کنیم. برای جعبه های جداگانه، انحراف استاندارد معمولاً 5± روز باید در نظر گرفته شود.
(ه) نظارت از راه دور بر رسیدن ظروف

پس از شروع فرآیند رسیدن با قرار دادن پالت ها در معرض غلظت بالای اتیلن در طی 24 ساعت، تبدیل از نشاسته به قند با افزایش تدریجی حرارت تنفسی طی 5 روز آینده آغاز می شود.

پیشرفت فرآیند رسیدن را می توان با دو روش ارزیابی کرد: با باز کردن جعبه های نمونه و بازرسی مکرر بصری و با تجزیه و تحلیل منحنی های دما در ظرف بسته. اگرچه روش اول را نمی توان برای یک ظرف بسته اعمال کرد، روش دوم توسط اندازه گیری دقیق دمای مکانی و مدل حرارتی پشتیبانی می شود.

انحنای رو به بالا نشان دهنده شروع فرآیند رسیدن با افزایش فعالیت تنفسی است. برای یک مقدار نقطه تنظیم ثابت، این را می توان مستقیماً از منحنی دما استنتاج کرد. اما اگر نقطه تنظیم برای جبران تولید گرمای بیشتر اصلاح شود، ابزارهای ریاضی برای تعیین کمیت تنفس جعبه‌های منفرد مورد نیاز است.

از آنجایی که گرمای تنفسی دیگر تنها تابع دمای فعلی نیست، بلکه تابع زمان نیز است، مدل باید تطبیق داده شود. سهم گرمای تنفسی در تغییرات دما ΔTresp به عنوان یک متغیر حالت ناشناخته بیشتر سیستم دینامیکی در نظر گرفته می‌شود. اگر پالت ها همچنان در همان موقعیتی که در طول حمل و نقل در داخل کانتینر وجود داشت قرار دارند، پارامتر kM را می توان روی مقداری که از منحنی دمای حمل و نقل مشخص شد، تنظیم کرد. با ورودی سیستم اندازه گیری شده uS و خروجی T، حالت مجهول را می توان توسط فیلتر کالمن تخمین زد [28]. شکل 13 نمونه ای برای منحنی های دمایی اندازه گیری شده در حین رسیدن پس از آخرین آزمایش ما در سال 2013 و گرمای رسیدن محاسبه شده را نشان می دهد.

تا زمانی که دمای 15 درجه سانتیگراد حفظ شود، گرمای تولید شده بین 70 تا 115 وات در هر تن باقی می ماند. در نقطه تنظیم 13 درجه سانتیگراد، واحد خنک کننده می تواند 92.1 اینچ وات در تن را حذف کند، اگر هر چهار معیار توصیف شده برای افزایش جریان هوا اعمال شود. علاوه بر این، نقطه تنظیم را می توان تا 12.5 درجه سانتیگراد در طی 2 روز آخر رسیدن، زمانی که تولید گرما در بالاترین حد است، کاهش داد. این امکان پذیر است زیرا موز پس از شروع کامل فرآیند رسیدن حساسیت کمتری نسبت به آسیب های ناشی از سرما دارند. با این اندازه گیری، حذف حرارت می تواند به 114.6 اینچ در تن افزایش یابد که برای کنترل کامل فرآیند کافی است. علاوه بر این، می توان تنها آن دسته از ظروف با مقادیر کیلومتر M بالا را برای رسیدن مستقیم انتخاب کرد. ظروف که راندمان خنک کنندگی پایینی برای آنها در طول حمل و نقل تشخیص داده شده است باید جدا شوند و رسیدن باید در اتاقک های اختصاصی در ساحل انجام شود.

در طی آزمایش سوم ما برای رسیدن ظروف در می 2013، با هر چهار اقدام برای بهبود جریان هوا، 80٪ از جعبه ها پس از رسیدن دمای انتهایی زیر 16 درجه سانتیگراد داشتند. پس از 60 ساعت، دمای H013 در شکل 13 در 14.7 درجه سانتیگراد تثبیت شد، اما گرمای تنفسی تولید شده به دلیل پیشرفت رسیدن به افزایش ادامه داد. گرمترین جعبه (H001) با مقدار کیلومتر متر بسیار کمتر از میانگین ظرف، دمای انتهایی آن 16.8 درجه سانتیگراد بود. اگرچه کنترل دما برای چند جعبه دیگر امکان پذیر نبود، اما انحرافات کیفیت را نشان نمی دادند.

امکان‌سنجی رسیدن ظرف را می‌توان طی سه آزمایش با هشت پالت تأیید کرد. تنها در اولین آزمایش، بدون تغییر در بسته بندی داخل جعبه ها، موز باید یک روز زودتر از زمان برنامه ریزی شده از ظرف خارج می شد، زیرا دما در برخی از پالت ها به بالای 17 درجه سانتیگراد افزایش یافت و دیگر امکان خنک سازی وجود نداشت. طی دو آزمایش آخر، کیفیت خوب و یکنواختی پس از 6 روز رسیدن به دست آمد. اما، دمای بالای اندازه‌گیری شده در برخی جعبه‌ها در آخرین آزمایش ما نشان می‌دهد که هنوز خطر کمی وجود دارد که فرآیند از کنترل خارج شود. بنابراین، آزمایشات بیشتری قبل از رسیدن ظرف در تجارت روزانه مورد نیاز است.

(و) حسگرهای اضافی

همانطور که در بالا ذکر شد، انتخاب حسگرهایی که می توانند علاوه بر این در یک ظرف بسته اعمال شوند، به دلایل عملی محدود است. سنسورها نباید به میوه آسیب بزنند و حسگرها برای اندازه گیری چند نقطه ای بی سیم باید با محدودیت های هزینه و انرژی مطابقت داشته باشند. اساسا فقط سنسورهای دما، رطوبت و جریان هوا برای کاربردهای بی سیم مناسب هستند.

یک حسگر جریان حرارتی کوچک شده روی یک پلت فرم گره حسگر بی سیم استاندارد [29] ادغام شد و در ظرف ما آزمایش شد. سنسور میکروساخت [30] فاقد قطعات متحرک و مصرف برق بسیار کم است. سنسور بر اساس اصل اختلاف ولتاژ بین دو ترموپیل کار می کند. مشخصات اتلاف حرارت یک المنت بخاری که بین ترموپیل ها نصب شده است، زمانی که هوا از روی غشای حسگر عبور می کند، مختل می شود.

اگرچه رطوبت بسیار کم می تواند باعث کاهش وزن و رسیدن زودرس شود (§2(b)iii)، چنین مشکلاتی به ندرت در تجارت حمل و نقل عملی گزارش می شود. بنابراین سنسورهای رطوبت برای نظارت بر حمل و نقل موز اهمیت کمتری دارند. رطوبت داخل جعبه ها همیشه بالاتر از آستانه توصیه شده RH=85% [31] برای بسته بندی Banavac و همچنین برای کیسه های سوراخ دار برای حمل و نقل MA یا CA بود. رطوبت تا پایان حمل و نقل تا RH=99% افزایش یافت.

سنسورهای گاز به دلیل هزینه و مصرف انرژی کمتر برای اندازه گیری چند نقطه ای یا بی سیم مناسب هستند. دومی به دلیل گرمایش مورد نیاز عنصر سنسور تا 200 درجه سانتیگراد یا 300 درجه سانتیگراد ایجاد می شود، به استثنای سنسورهای CO2 نوری. علاوه بر این، گازهایی مانند CO2، O2 و اتیلن به دلیل سرعت بالای تبادل هوای 100 گردش در ساعت، به سرعت در داخل ظرف مخلوط می شوند. از آنجایی که نرخ تولید گاز فقط در حجم بسته قابل اندازه گیری است، دریچه های هوا باید در حین اندازه گیری بسته شوند. این نیاز به حضور یک رابط از راه دور و یک سیستم کنترل دریچه هوا دارد که در صخره های مدرن موجود است.

میزان تولید CO2 یک شاخص مهم برای وضعیت فیزیولوژیکی موز و برای شروع رسیدن خود به خودی ناخواسته است. در آزمایش‌های آزمایشگاهی، ما نرخ CO2 را بین 12 و 18 میلی‌گرم بر کیلوگرم در ساعت 1 برای موز سبز در محدوده دمایی بین 14 تا 18 درجه سانتی‌گراد در هوای معمولی و تا 180 میلی‌گرم کیلوگرم کیلوگرم در ساعت در طول رسیدن اندازه‌گیری کردیم. در 18 درجه سانتی گراد در طول حمل و نقل دریایی تحت یک MA، ما نرخ تنها 4.5 میلی گرم بر کیلوگرم-1 در ساعت-1 را اندازه گیری کردیم.

همانطور که در §2c نشان داده شده است، اتیلن تأثیر زیادی بر واکنش های اتوکاتالیستی دارد. اما، در حال حاضر هیچ دستگاه تلفن همراهی وجود ندارد که وضوح بالای مورد نیاز کمتر از 0.1 ppm را ارائه دهد. اگرچه در آزمایش‌های آزمایشگاهی نشان دادیم که می‌توان چنین غلظت‌های پایینی را با یک دستگاه فشرده و متحرک تشخیص داد [32]، اما در نهایت نتوانستیم تمام مشکلات فنی نصب دستگاه را در ظرف هوشمند خود برای اندازه‌گیری در حین حمل و نقل دریایی برطرف کنیم.

4-خلاصه و چشم انداز

تلفات در زنجیره حمل و نقل موز را می توان با افزایش عمر سبز با شرایط حمل و نقل بهینه و با ارائه ابزارهایی برای نظارت از راه دور و پیش بینی تغییرات زندگی سبز کاهش داد. اجرای فرآیندهای مدیریتی جدید، که بر اساس کیفیت واقعی – اندازه‌گیری یا پیش‌بینی شده – استوار است، باید همراه با پیشرفت‌های کلی در فرآیندهای زنجیره‌ای باشد.

موز سبز در مرحله پیش از اقلیم، که با نشانگر نوری NDVI>0 نشان داده شده است، محصول بسیار پایداری است. اهمیت خنک‌سازی کافی و شرایط اصلاح‌شده (MA) یا CA در طول آزمایش‌های آزمایشگاهی ما تأیید شد. MA با افزایش CO2=5% عمر سبز را یک هفته افزایش داد. CA با کاهش اضافی O2 = 2٪ منجر به تمدید بیش از دو هفته در مقایسه با ذخیره سازی هوای معمولی شد. کاهش دما به میزان 2 درجه سانتی گراد، عمر سبز را تا 28 درصد افزایش می دهد (شکل 5؛ هوای معمولی). با این حال، دمای زیر 13 درجه سانتیگراد به دلیل خطر جراحات سرد باید اجتناب شود.

راندمان خنک کننده را می توان با بسته بندی و انبار بهتر تا حد زیادی بهبود بخشید. برای بسته بندی استاندارد، تنها 10 درصد از ظرفیت خنک کننده موجود در واقع بر میوه های داخل جعبه ها تأثیر می گذارد. ما نشان دادیم که جریان هوا و بنابراین ظرفیت خنک‌کننده را می‌توان تا 50 درصد از طریق تغییر در الگوی بسته‌بندی و انبار بهبود بخشید.

علاوه بر این اقدامات ثابت برای بهبود فرآیند حمل و نقل، تلفات را می توان با نظارت آنلاین بهتر عوامل خطر بالقوه و با پیش بینی زندگی سبز کاهش داد. مدل حرارتی ارائه شده جعبه‌هایی را شناسایی می‌کند که رابطه بین گرمای تولید شده و حذف شده در معرض خطر از بین رفتن تعادل است. بنابراین امکان پیش‌بینی اولیه یک نقطه داغ بالقوه را فراهم می‌کند. اگرچه خطر نقاط داغ را می‌توان برای پالت‌ها یا جعبه‌های جداگانه پیش‌بینی کرد، پیش‌بینی باقی‌مانده عمر سبز تنها به‌دلیل تأثیر متقابل تبادل اتیلن به‌عنوان میانگین برای کل ظرف امکان‌پذیر است. انحراف استاندارد بالا معمولاً 5± روز باعث می شود که محاسبه عمر سبز به دور از پیش بینی دقیق باشد.

دقت پیش‌بینی حیات سبز را می‌توان بهبود بخشید اگر فرآیند اتوکاتالیستی با تبادل اتیلن بهتر درک و کمیت شود. بنابراین، تقاضای زیادی برای سنسور اتیلن با وضوح بالا وجود دارد که بتوان آن را در ظروف دریایی نصب کرد، هم برای کاربردهای آزمایشی و هم برای نصب دائم. تفاوت در عمر سبز پیش بینی شده می تواند برای اولویت بندی کانتینرها برای تخلیه در بندر تخلیه یا برای اجرای استراتژی های مدیریت انبار مبتنی بر کیفیت مانند FEFO استفاده شود. هدف از چنین استراتژی‌هایی افزایش تعداد کانتینرهایی است که قبل از پایان زندگی سبزشان به اتاق‌های در حال رسیدن می‌رسند، با تعویض مسیرها برای حمل‌ونقل بعدی. گزینه اجرای مدیریت انبار مبتنی بر FEFO تنها یکی از مزایای سیستم نظارت بر کیفیت از راه دور است.

مفاهیم زنجیره ای جدید مانند تحویل درب به درب کانتینرها به طور مستقیم به مشتریان با نظارت بهتر امکان پذیر می شود. شکایات مشتریان را می توان تا حد زیادی با تشخیص زودهنگام مشکلات کیفیت با نظارت از راه دور دمای هسته پالت کاهش داد. رسیدن ظرف تنها در صورتی امکان پذیر می شود که ابزار کافی برای نظارت بر پیشرفت فرآیند رسیدن از راه دور فراهم شود.

اگرچه مزیت تجاری این برنامه‌های نظارت بر کیفیت از راه دور هنوز اندازه‌گیری نشده است، اما پتانسیل بالایی برای بهبود فرآیندهای حمل‌ونقل و کاهش تلفات در زنجیره موز دارند.

سپاسگزاریها

اطلاعات بیشتر در مورد پروژه را می توان در http://www.intelligentcontainer.com یافت. ما از Ingersoll Rand Climate Control Technologies برای تهیه تجهیزات خنک کننده و Dole Fresh Fruit Europe برای ارائه امکانات آزمایشی تشکر می کنیم.

بیانیه تامین مالی

پروژه تحقیقاتی “کانتینر هوشمند” توسط وزارت آموزش و تحقیقات فدرال آلمان با شماره مرجع پشتیبانی شد. 01IA10001.

منابع:

1. Food and Agriculture Organization of the United Nations. 2013. Commodity markets monitoring and outlook: banana—world imports and exports. Rome, Italy, FAO; See http://www.fao.org/economic/est/est-commodities/bananas/banana-exports/en/. [Google Scholar]
2. Jedermann R, Pötsch T, Lloyd C. 2014. Communication techniques and challenges for wireless food quality monitoring. Phil. Trans. R. Soc. A 372, 20130304 ( 10.1098/rsta.2013.0304) [PMC free article] [PubMed] [CrossRef] [Google Scholar]
3. Turner DW. 1997. Bananas and plantains. In Postharvest physiology and storage of tropical and subtropical fruits (ed. Mitra SK.), pp. 47–83. New York, NY: CAB International. [Google Scholar]
4. Kuckenberg J, Tartachnyk I, Noga G. 2008. Evaluation of fluorescence and remission techniques for monitoring changes in peel chlorophyll and internal fruit characteristics in sunlit and shaded sides of apple fruit during shelf-life. Postharvest Biol. Technol. 48, 231–241. ( 10.1016/j.postharvbio.2007.10.013) [CrossRef] [Google Scholar]
5. Zude M. 2003. Comparison of indices and multivariate models to non-destructively predict the fruit chlorophyll by means of visible spectrometry in apple fruit. Anal. Chim. Acta 481, 119–126. ( 10.1016/s0003-2670(03)00070-9) [CrossRef] [Google Scholar]
6. Dominguez M, Vendrell M. 1994. Effect of ethylene treatment on ethylene production, EFE activity and ACC levels in peel and pulp of banana fruit. Postharvest Biol. Technol. 4, 167–177. ( 10.1016/0925-5214(94)90018-3) [CrossRef] [Google Scholar]
7. Golding JB, Shearer D, Wyllie SG, McGlasson WB. 1998. Application of 1-MCP and propylene to identify ethylene-dependent ripening processes in mature banana fruit. Postharvest Biol. Technol. 14, 87–98. ( 10.1016/s0925-5214(98)00032-5) [CrossRef] [Google Scholar]
8. Bugaud C, Daribo MO, Dubois C. 2007. Climatic conditions affect the texture and colour of Cavendish bananas (Grande Naine cultivar). Sci. Hort. 113, 238–243. ( 10.1016/j.scienta.2007.03.013) [CrossRef] [Google Scholar]
9. Castelan FP, Abadie C, Hubert O, Chilin-Charles Y, de Bellaire LD, Chillet M. 2013. Relation between the severity of Sigatoka disease and banana quality characterized by pomological traits and fruit green life. Crop Protect. 50, 61–65. ( 10.1016/j.cropro.2013.02.019) [CrossRef] [Google Scholar]
10. Cantwell MI. 2002. Summary table of optimal handling conditions for fresh produce. In Postharvest technology of horticultural crops (ed. Kader A.), 3rd edn. Oakland, CA: University of California. [Google Scholar]
11. George JB, Marriott J, Palmer JM, Karikari SK. 1982. Sensitivity to water-stress and ethylene of stored plantain fruits. J. Exp. Bot. 33, 1194–1201. ( 10.1093/jxb/33.6.1194) [CrossRef] [Google Scholar]
12. Kader A. 1996. Banana. Recommendations for maintaining postharvest quality. See http://postharvest.ucdavis.edu/PFfruits/Banana.
13. Yahia EM, Singh SP. 2009. Tropical fruits. In Modified and controlled atmospheres for the storage, transportation and packaging of horticultural commodities (ed. Yahia EM.), p. 589 Boca Raton, FL: CRC Press. [Google Scholar]
14. Imahori Y, Yamamoto K, Tanaka H, Bai JH. 2013. Residual effects of low oxygen storage of mature green fruit on ripening processes and ester biosynthesis during ripening in bananas. Postharvest Biol. Technol. 77, 19–27. ( 10.1016/j.postharvbio.2012.11.004) [CrossRef] [Google Scholar]
15. Madrid M, Lopez-Lee F. 1998. Differences in ripening characteristics of controlled atmosphere or air-stored bananas. Acta Hort. (ISHS) 464, 357–362. [Google Scholar]
16. Yi C, Jiang YM, Sun J, Luo YB, Jiang WB, Macnish A. 2006. Effects of short-term N2 treatment on ripening of banana fruit. J. Hort. Sci. Biotechnol. 81, 1025–1028. [Google Scholar]
17. Inaba A, Nakamura R. 1988. Numerical expression for estimating the minimum ethylene exposure time necessary to induce ripening in banana fruit. J. Am. Soc. Hort. Sci. 113, 561–564. [Google Scholar]
18. Beaudry RM. 1999. Effect of O2 and CO2 partial pressure on selected phenomena affecting fruit and vegetable quality. Postharvest Biol. Technol. 15, 293–303. ( 10.1016/s0925-5214(98)00092-1) [CrossRef] [Google Scholar]
19. Ketsa S, Wisutiamonkul A, van Doorn WG. 2013. Apparent synergism between the positive effects of 1-MCP and modified atmosphere on storage life of banana fruit. Postharvest Biol. Technol. 85, 173–178. ( 10.1016/j.postharvbio.2013.05.009) [CrossRef] [Google Scholar]
20. Mustaffa R, Osman A, Yusof S, Mohamed S. 1998. Physico-chemical changes in Cavendish banana (Musa cavendishii L var Montel) at different positions within a bunch during development and maturation. J. Sci. Food Agriculture 78, 201–207. ( 10.1002/(sici)1097-0010(199810)78:2%3C201::aid-jsfa106%3E3.0.co;2-k) [CrossRef] [Google Scholar]
21. Ingersoll Rand Climate Control Technologies. 2008. TK 60275-4-MM magnum + maintenance manual. Ingersoll Rand Climate Control Technologies. See http://arcticstore.co.uk/files/Termo_King_Magnum_manual.pdf
22. Maxim Integrated. 2013. DS1922L/DS1922T: iButton temperature loggers with 8KB data-log memory. See http://datasheets.maximintegrated.com/en/ds/DS1922L-DS1922T.pdf
23. Jedermann R, Becker M, Görg C, Lang W. 2011. Testing network protocols and signal attenuation in packed food transports. Int. J. Sensor Networks 9, 170–181. ( 10.1504/IJSNET.2011.040238) [CrossRef] [Google Scholar]
24. Jedermann R, Geyer M, Praeger U, Lang W. 2013. Sea transport of bananas in containers: parameter identification for a temperature model. J. Food Eng. 115, 330–338. ( 10.1016/j.jfoodeng.2012.10.039) [CrossRef] [Google Scholar]
25. Snowdon AL. 2010. Carriage of bananas (Musa spp.) in refrigerated ships and containers: preshipment and shipboard factors influencing cargo out-turn condition. Acta Hort. (ISHS) 879, 375–383. [Google Scholar]
26. Stewart OJ, Raghavan GSV, Golden KD, Gariepy Y. 2005. MA storage of Cavendish bananas using silicone membrane and diffusion channel systems. Postharvest Biol. Technol. 35, 309–317. ( 10.1016/j.postharvbio.2004.10.003) [CrossRef] [Google Scholar]
27. Hui KC, Vigneault C, Sotocinal SA, de Castro LR, Raghavan GV. 2008. Effects of loading and air bag bracing patterns on correlated relative air distribution inside refrigerated semi-trailers transporting fresh horticultural produce. Can. Biosyst. Eng. 50, 27–35. [Google Scholar]
28. Welch G, Bishop G. 2006. An introduction to the Kalman filter. See http://www.cs.unc.edu/~welch/kalman/kalmanIntro.html.
29. Lloyd C, Issa S, Lang W, Jedermann R. 2013. Empirical airflow pattern determination of refrigerated banana containers using thermal flow sensors. In Fifth Int. Workshop Cold Chain Management, Bonn, Germany, 10–11 June 2013, Bonn, Germany: University of Bonn. [Google Scholar]
30. Sosna C, Walter T, Lang W. 2011. Response time of thermal flow sensors with air as fluid. Sensors Actuators A, Phys. 172, 15–20. ( 10.1016/j.sna.2011.02.023) [CrossRef] [Google Scholar]
31. Scharnow R. 1986. Codiertes Handbuch der Güter des Seetransports. Rostock, Germany: Deutfracht/Seereederei. [Google Scholar]
32. Janssen S, Schmitt K, Blanke M, Bauersfeld ML, Wöllenstein J, Lang W. 2014. Ethylene detection in fruit supply chains. Phil. Trans. R. Soc. A 372, 20130311 ( 10.1098/rsta.2013.0311) [PMC free article] [PubMed] [CrossRef] [Google Scholar]