水果無損檢測技術的研究與應用

劉明濤　劉亞　郭俊先

摘要：我國是水果生產大國，水果無損檢測技術對于提高我國鮮食水果的市場競爭力和利潤水平具有重要意義。綜述國內外水果無損檢測技術的研究進展與應用現狀，展望我國水果無損檢測技術發展前景，以期為促進我國果業發展提供支持。

關鍵詞：水果；無損檢測技術；研究；應用；現狀

中圖分類號：S661.1 文獻標識碼：A 文章編號：1674-1161（2017）06-0051-05

我國是水果生產大國，水果產業自20世紀90年代以來發展迅速，已成為我國農村經濟發展的一大支柱產業，為促進農民增收、改善生態環境做出了貢獻。我國水果產量很大，但國內水果價格低廉，“賣果難”問題時有發生。在國際市場上，由于采后檢測、分級技術落后而導致品質較差、規格不統一等問題，使得我國水果缺乏競爭力，出口量不到國際水果貿易的3%。由水果產銷趨勢可知，水果產值大部分是由產后處理和產后加工創造來的。水果的產后商品化處理包括清洗、打蠟、分級、包裝。目前我國水果商品化處理過程中的清潔、打蠟設備已經比較成熟，而分級技術還比較落后。水果的分級指標分為外部品質和內部品質兩個方面。外部品質指標包括果形、大小、色澤、表面質量及顏色等，其中水果的表面質量可以通過表面光潔度、表面缺陷（斑點、污點、爛壞）及損傷來描述。內部品質指標包括糖度、硬度、酸度、可溶性固形物等。傳統的水果內部品質化學分析方法存在破壞樣品、操作繁雜、周期長及無法實現實時在線檢測等缺點。近年來興起的物理檢測方法已逐漸成熟，具有快速、高效、無損的優點，且適于實時生產線自動化檢測。水果無損檢測技術不僅對于提高我國水果商品化處理的水平和能力具有重要意義，更可以改進我國水果栽培技術及加工工藝，縮小與發達國家的差距，最終提高我國果品在國際貿易中的競爭力和貿易份額。因此，運用基于光學特性的內部品質無損檢測技術在水果后期加工和處理上具有廣闊的市場應用前景。

水果無損檢測（Nondestructive Detection Technology，NDT）又稱非破壞性檢測，即在不破壞水果物理狀態、化學性質等前提下，獲取其與待測物品質有關的內容、性質或成分等理化信息所采取的檢測方法。根據檢測原理的不同，水果無損檢測可以分為力學性質分析法、聲學性質分析法、電學性質分析法、電磁與射線檢測法及機器視覺技術檢測法五大類。其中，以近紅外光譜、X光衍射、高光譜成像、激光誘導熒光、生物傳感器、核磁共振技術等為代表的水果無損檢測技術和方法成為該領域的熱點。

1 水果無損品質檢測主要技術

1.1 近紅外光譜技術

近紅外光（NIR）是指波長在780～2 526 nm范圍內的電磁波，是最早發現的非可見光區域，但由于受當時計算分析條件的限制，一直沒有得到足夠的利用。近紅外光譜技術是利用有機物及部分無機物分子中與化學鍵結合的各種基團（如O—H，C=O，N—H，C—H）的伸縮、振動、彎曲等運動（運動時均有一定的振動頻率）進行物質檢測分析。當分子受到紅外線照射時會被激發而產生共振，同時使得光的能量被部分吸收，測量分子的吸收光可以得到極為復雜的圖譜，這種圖譜即反映出被測物質的某些特征。近年來，隨著計算機技術的發展，近紅外光譜在檢測果品品質和農藥殘留方面有了突破性進展。

1.2 X射線技術

X射線檢測主要基于其對物質具有穿透能力，在檢測樣品時利用其衍射作用和激發熒光的特性，通過捕獲X射線與樣品內部缺陷或異物引起的射線強度的變化，按照一定的方法轉換成樣品內部的二維圖圖像，進而對樣品進行檢測。隨著電子計算機的發展，人們根據X射線成像技術進行改進，發明了X射線電子計算機斷層攝影技術，即CT技術。X射線穿過物體某一層斷面的組織，由于不同物質對X射線的吸收值存在差異，CT機探測器接收衰減后的X射線，并將其轉換成電信號輸入到計算機，經過計算機的數據處理后顯示出圖像，并獲得相應點的CT值，通過建立CT值與目標檢測值的數學模型，達到無損檢測的目的。

1.3 高光譜圖像技術

高光譜圖像技術是一種集成計算機圖像技術和光譜技術優點為一體的水果無損檢測新方法，可獲得大量包含連續波長光譜信息的圖像，這些光譜信息可用于水果內部的糖度、酸度、含水量、蛋白質等成分的檢測，圖像信息可用于水果的顏色、大小、表面缺陷、污染物等的檢測，進而實現根據水果品質精確分級的目的。高光譜圖像技術在農產品品質檢測中已經過多年的研究，其在水果品質檢測方面具有廣闊的應用前景。在果品中，薛龍等人應用高光譜技術在625～725 nm范圍內檢測臍橙表面的農藥殘留，采用主成分分析方法獲得了特征波長的圖像，證明高光譜技術對較高濃度農藥殘留有很好的檢測效果。

1.4 激光誘導熒光

激光誘導熒光（Laser induced fluorescence）技術利用激光激發物質發射熒光，通過獲得熒光光譜的熒光譜峰值強度（譜線寬度）和其分布的特性對物質進行定性和定量分析。每種物質分子的能級結構不同，即使在相同的激發條件下，每種物質分子所發射熒光的特性也不相同，可以通過測量這些熒光特性參量對不同物質的種類和數量進行檢測。近年來，由于其高度的靈敏度，激光誘導熒光檢測技術發展相對較快，檢測濃度限可達到2×10-13 mol/L，對于某些熒光效率高的熒光探針可以達到單分子探測水平。該方法未來在果品質量安全檢測中將有很好的前景。

1.5 新興傳感器

由于技術的進步和新材料的發明，最近30 a在水果無損檢測技術方面出現了許多新興的傳感器，典型的有生物傳感器和仿生類傳感器（電子舌、電子鼻）。生物傳感器（biosensor，BS）利用生物活性物質（即生物元件）作敏感器件，配以適當的轉換元件（即信號傳導器）構成分析檢測工具，被測樣品與分子識別元件特異性結合后發生生物化學反應，通過信號轉換元件將其濃度轉化為光信號或電信號，所得信號經放大和輸出后即可對其進行分析檢測。電子鼻由氣敏傳感器陣列、信號轉換電路、計算機決策系統3個部分組成，其核心是能夠識別多種氣體的傳感器陣列。工作時揮發性氣體與傳感器活性材料表面接觸產生瞬時響應信號，信號通過轉換電路變為數字信號，傳送到計算機信號處理單元進行分析，與數據庫中已存有的大量揮發性化合物的信息進行比對、鑒別，來確定氣體的種類，從而鑒別出相應的物質。endprint

2 水果無損品質檢測技術研究現狀

2.1 國外研究現狀

國外早期的水果品質方法主要通過CCD彩色相機，采用無損檢測、計算機分析處理等手段對水果逐一進行分析判別后得出綜合結論。利用機器視覺技術實現水果內部品質無損檢測是目前國際上正在研究的熱點課題。除了使用高效的信息處理技術，水果品質無損檢測手段還包括近紅外線光譜技術和高光譜圖像、激光誘導、X射線等。

人工神經網絡是模仿生物大腦結構和功能而構成的信息處理技術，在機器視覺系統中應用可提高品質識別的智能性。Kavdi等人使用神經網絡算法對柑橘進行分級，把缺陷和物理特征作為神經網絡分類器的輸入參數，對柚子和橙子的分級準確率為98.5%，對橘子的分級準確率為98.3%。使用神經網絡分類，訓練好網絡后，利用ANN的泛化功能，對橙子的彩色RGB圖像結合顏色和果形分析，獲得魯棒性、實時性的分類結果。

紅外線波段是人眼不可視波段，其在水果的檢測中有許多優良的性能，如碳氫化合物（糖、酸、水、維生素等）在近紅外波段有不同的吸收峰，可作為檢測的依據，這是近年來發展起來的水果內部品質檢測的首選方法。2001年Greensill的試驗表明，使用雙棱鏡散射的近紅外分光計能可靠、快速地進行在線水果分級。Renfu Lu運用近紅外多光譜散射圖像（光譜段范圍為670～16 060 nm，間隔10 nm）來預測紅富士蘋果的硬度和含糖度，將不同光譜段的散射率輸入神經網絡的輸入層，結果發現波長為680，880，905，940 nm的近紅外多光譜散射圖像用于預測紅富士蘋果的硬度和含糖度效果最好。

機器視覺系統數據的提取需要高質量的圖像，采用高光譜和多光譜技術可以快速得到高精度圖像。高光譜圖像的光譜分辨率相當高，能夠精確獲得果品缺陷、污點、損傷等的特征光譜段。而多光譜利用高光譜的分析結果，能夠快速、實時采集信息，降低了軟件識別的不確定性。Throop JA等人的研究表明，利用計算機視覺通過檢測平均灰度來確定可見光在蘋果中的透射能力，可以百分之百地測量蘋果中是否有水芯存在，但無法確定水芯的嚴重程度。ZwiggelaarReyer等人研究采用計算機視覺技術檢測桃和杏的撞傷問題，對有傷果品檢測的成功率約為65%。

熱紅外圖像檢測基于損傷處和正常處的熱輻射不同，運用熱紅外圖像對損傷的判別準確率達100%。試驗證明，在損傷30～180 s后，擦傷處和正常處存在一定的溫差。不過熱紅外圖像必須在環境溫度變化下才可檢測。

激光圖像檢測是利用激光照射在相對粗糙（與光的波長相比）物體表面上，經過不同光程的散射光之間相互干涉，會形成隨機干涉的圖樣（即激光散斑圖像），這些圖像包含了物體的表面信息、反射粒子的運動信息和溫度信息等。經CCD攝像機將圖像信號轉化為數字信號，以供后續圖像處理系統進行處理。英國的N.Abramson博士用激光照射蘋果時發現，從蘋果表面產生的激光散斑是運動的。A.Zdunek等人采用激光散斑技術對蘋果上架期的新鮮度進行檢測，可以很好地檢測出蘋果的新鮮度。法國學者Oulamara研究西紅柿、橙子、蘋果等生物產生的激光散斑的時間相關性。Briers J D等人發現生物樣品的一些特性的改變可以通過散斑圖樣來反應。

沖擊檢測是最近發展起來的一種品質檢測方法。2001年Jaren等人對蘋果和梨采用軟件控制沖擊力度，計算出分級所需的水果硬度等參數，并設計了在線沖擊設備、自動硬度檢測軟件。

THz技術檢測是根據水對太赫茲輻射的強吸收作用，利用透射、反射、漫反射時域光譜分析和THz成像技術檢測水果內的水分和不同水果之間微小水分差異。Ogawa等人建立了基于THz波反射光譜的番茄內部品質檢測系統，研究內部受損番茄和正常番茄的不同光譜特征。他們首先采用THz-TDS方法對番茄表皮的折射率進行測量計算，得出折射率在1 THz時約為1.8；同時采用后向波振蕩器（BWO）作為THz源，用于產生連續線性的1 THz探測光束照射番茄，通過判斷番茄表皮層濕度的差異來對其內部品質進行無損檢測。

2.2 國內研究現狀

我國在水果品質檢測和分級方面起步較晚，但經過數十年的研究和發展，也取得了一些成果。

李慶中等人在實數域分形盒維數計算方法的基礎上，提出雙金字塔數據形式的盒維數快速計算方法。對待識別水果圖像的可疑缺陷區，提出用5個分形維數作為描述該區域粗糙度和紋理方向性的特征參數，并用所提出的快速計算方法進行計算，然后利用人工神經網絡（BP）作為模式識別器，區分水果表面的缺陷區和梗萼凹陷區，識別的準確率為9.3%，一個可疑缺陷區的判別時間為4～7 ms。李慶中等人還介紹了蘋果顏色自動分級系統的硬件組成，確定了蘋果顏色特征的提取方法，利用遺傳算法進行多層前饋神經網絡識別器的學習設計，實現了蘋果顏色的實時分級，并通過試驗驗證了該方法的有效性。

籍保平、李永華提出基于計算機視覺的蘋果形狀和尺寸識別的方法。在對蘋果圖像進行形狀和尺寸識別時，首先通過中值濾波和閾值法去除圖片中的噪音和背景信息，并轉換成二值圖像，然后進行邊緣提取。獲取的蘋果邊緣中包括果柄的邊緣點，必須給予剔除，最后針對剔除果柄后的蘋果邊緣進行快速傅立葉變換（或通過幾何參數法）來提取包含形狀和尺寸信息的傅立葉系數（或幾何參數），用來作為蘋果形狀和尺寸分級的依據。

應義斌等人提出用計算機視覺進行黃花梨果梗識別，判斷有無果梗的正確率為100%，判斷果梗是否完好的正確率為93%，其運用的算法具有一定的魯棒性，對移位、旋轉不敏感，可應用于其他果品的果梗識別。蔣煥煜等人對水果圖像的背景分割和邊緣檢測技術、蘋果果梗和表面缺陷的計算機視覺檢測方法、蘋果圖像的預處理及尺寸檢測，以及水果分級自動生產線等也進行了深入研究。

李公平等人利用核磁共振原理測定甜菜含糖量，通過大量試驗，在采用對甜菜含糖量折光計分析法的基礎上，建立了核磁共振方法中甜菜的含糖量模型。該原理適用于所有水果含糖量測定的研究。endprint

張索菲等人以獲取蘋果受敲擊后聲音的頻譜特性為手段，對蘋果在貯存期的品質進行評價和分類，發現隨著存放時間的延長，蘋果受敲擊發聲的頻譜峰值逐漸減小，而質量越小的蘋果受敲擊后發出聲音的基頻越低，從而開展了對蘋果等水果的聲學特性試驗。

劉燕德等人利用傅里葉光譜儀結合智能光纖傳感器，研究近紅外光譜與蘋果糖度的關系。通過主成分回歸、偏最小二乘法和逐步回歸法3種多元校正算法對水果光譜數據的分析，得出3種模式下水果糖度預測值與真實值之間的相關系數分別為0.86，0.85，0.72。研究表明，選擇合適的波段并用光纖傳感技術檢測蘋果糖度是可行的，這對檢測酸度、維生素C等成分均有應用參考價值。

3 水果無損品質檢測技術應用現狀

3.1 國外應用現狀

國外水果無損檢測技術的推廣和應用發展較快，依靠這種技術制造的水果分級設備已經可以解決多種水果和蔬菜商品化處理關鍵問題，為水果類經濟的增長做出了巨大貢獻。

1995年美國研制成功的Merling高速高頻計算機視覺水果分級系統，其生產率約為40 t/h，美國每年有50%以上的蘋果經過該設備處理。

美國Autoline公司的水果分級設備在世界上處于領先地位，其產品已經系列化（5個型號），能夠按照質量、顏色、形狀分級，傳送通道可達9道，分級出口可達60個，每道的最高傳送速率為12個/s，其傳輸系統可以容納不同尺寸的水果。Model 6型機器視覺水果分級機采用雙CCD，其中一個裝有RGB顏色傳感器，另一個裝有近紅外傳感器，可以同時進行形狀、尺寸、大小、體積、顏色和缺陷分級。其所有的控制可以通過臺式中央計算機控制完成，操作員可對設備進行分級、選擇，根據用戶需要進行定量包裝、統計。

日本開發出可見光和近紅外線測定梨、蘋果成熟度的傳感器，又研制出快速判別水果成熟度和色澤的選果裝置，并將該技術用于自動化選果線上，把成熟度、色彩傳感器與自動化分級、包裝線連在一起，率先實現了高度自動化的無損傷檢測選果。日本三菱電器公司研制的水果成熟度分級機，利用傳感器綜合測出梨的表面顏色、對特定光的透光率、形狀和大小，并與事先存儲在計算機中的優良梨數據進行對比，推算出成熟度和糖分。

3.2 國內應用現狀

我國目前應用無損檢測技術的水果分級設備主要依靠大小和質量來進行分級工作。對水果內部品質進行檢測的自動分級設備在市場上銷售的并不多，但是國內許多高校及科研單位都在進行這方面的研究。山東省棲霞茂源機械設備公司生產的GXJ-W系列臥式果蔬分選機，是一種將類似球形的水果或蔬菜（梨、蘋果、柿子、桃子、檸檬、石榴、番茄、柑橘、土豆等）按質量分級的高效自選設備。浙江大學承擔了國家863項目——水果品質實時檢測和分級機器人的研究，成功研制出智能柑橘分級設備，采用雙排雙錐式滾筒同時輸送和翻轉水果。利用圖像處理分析軟件對視場內每個水果的形狀、大小、色澤、表皮光潔度、表面缺陷、損傷等外觀品質特征進行提取、分析和判斷，確定柑橘的分類等級，并由位置傳感器確定水果位置的信息，然后通過控制模塊將指令傳遞到水果分級系統中的分級執行機構，使該水果在對應分類級別的位置落下，從而實現水果的分級。浙江工業大學設計了基于蘋果的介電特性的水果品質自動檢測分級原型機。

中國農業大學籍保平等人研發出基于機器視覺的水果分級系統，可以對水果的外部缺陷、色澤、尺寸和形狀進行全面檢測，在此基礎上對水果進行高速和精確的分級。使用簡單算法判斷水果的大小和色澤，提高了分級速度；采用光譜和圖像技術進行缺陷檢測，保證了檢測的精度和速度；可以根據用戶的要求或市場的需要任意調整分級基準和級數。該生產線目前已經申請發明專利4項、實用新型專利1項，并于2004年與江蘇牧羊集團簽訂了成果轉讓協議，目前產品已經投放市場。

4 結語

無損檢測技術是實現我國水果商品化處理的關鍵技術，在我國的發展已有數十年的歷史，取得了一定的成績，但要達到大規模普及和推廣還具有很大困難，在研究理論的實踐中還存在許多難以想象的問題。面對我國機械分選水果的自動分級設備仍依賴進口的現狀，需要研究新理論和新方法，緊跟國際發展趨勢，利用國內外已取得的研究成果，發展新型全自動分級設備，實現多種手段綜合檢測、多個樣品在線檢測、多項指標同時檢測等目標，從而提高我國國產水果的品質，增強參與國際競爭的能力，創造巨大的經濟效益和社會效益。

參考文獻

[1] 白菲，孟超英.水果自動分級技術的現狀與發展[J].食品科學，2005（26）：145-148.

[2] 張方明，應義斌.水果分級機器人關鍵技術的研究和發展[J].機器人技術與應用，2004（1）：34-37.

[3] 莫潤陽.無損檢測技術在水果品質評價中的應用[J].物理學和高新技術，2004，33（11）：848-851.

[4] 韓東海，劉新鑫，涂潤林.果品無損檢測技術在蘋果生產和分級中的應用[J].世界農業，2003（1）：42-44.

[5] 李志霞，聶繼云.無損檢測技術及其在果品質量安全檢測中的應用[J].中國農業科技導報，2013，15（4）：31-35.

[6] 郭文川，朱新華，郭康.果品內在品質無損檢測技術的研究進展[J].農業工程學報，2001，17（5）：1-5.

[7] 韓平，潘立剛，馬智宏，等.X射線無損檢測技術在農產品品質評價中的應用[J].農機化研究，2009（10）：6-10.

[8] 薛龍，莊宏，黎靜，等.基于激光誘導熒光高光譜技術無損檢測臍橙表面敵敵畏殘留[J].中國農機化，2012（1）：189-193.

[9] 孫玲，周壽桓，閻吉祥，等.激光誘導熒光技術在農藥殘留物探測中的應用[J].激光與紅外，2003，33（6）：417-418.

[10] 石亞麗，袁濤，任婷婷，等.生物傳感器在食品安全快速檢測中應用研究[J].糧食與油脂，2012（2）：5-9.

[11] RENFU LU.Predicting apple fruit firmness and sugar content using near-infrared scattering properties[J].ASAE Annual Meeting，2003（3）：6 212.

[12] ZW IGGELAARREYER.Use of spectral information andmachine vision for bruise dection on peaches and apricots[J].Journal of Agricultural Engineering Research，1996，63（4）：323-332.

[13] ZDUNEK A，MURAVSKY L I，FRANKEVYCH L， et al.New nondestructive method based on spatial-temporal speckle correlation technique for evaluation of apples quality during shelf-life[J].Int.Agrophysics，2007（21）：305-310.

[14] 李慶中，張漫，汪懋華.基于遺傳神經網絡的蘋果顏色實時分級方法[J].中國圖像圖形學報，2000，5（9）：779-784.

[15] 籍保平，吳文才.計算機視覺蘋果分級系統[J].農業機械學報，2000，31（6）：118-121.

[16] 蔣煥煜，應義斌，王劍平，等.水果品質智能化實時檢測分級生產線的研究[J].農業工程學報，2002，18（6）：158-160.

[17] 張索非，陳斌，褚靜.基于聲學特性的蘋果無損檢測方法[J].現代儀器，2007（2）：11-17.endprint