水果無(wú)損檢測(cè)技術(shù)綜述

劉非凡

摘 要：隨著經(jīng)濟(jì)發(fā)展與消費(fèi)觀(guān)念的轉(zhuǎn)變，相比于水果價(jià)格，消費(fèi)者更關(guān)注水果品質(zhì)，當(dāng)前我國(guó)水果采摘后的品質(zhì)分級(jí)手段仍依賴(lài)人工或者簡(jiǎn)單粗略的機(jī)械篩選。本文介紹了電子鼻技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)、紅外光譜技術(shù)以及電學(xué)特性檢測(cè)技術(shù)的原理及發(fā)展，并比較了這些技術(shù)在水果無(wú)損檢測(cè)領(lǐng)域中的不同應(yīng)用。

關(guān)鍵詞：水果；無(wú)損檢測(cè)；計(jì)算機(jī)視覺(jué)；近紅外光譜

A Review of Fruit Nondestructive Testing Techniques

LIU Feifan

（School of Electronic Information， Xijing University， Xian 710123， China）

Abstract： With the development of economy and the change of consumption concept， consumers pay more attention to the quality of fruit compared to the price of fruit. At present， the quality classification means of fruit picking in our country still rely on manual or simple or rough mechanical screening. This paper introduces the principle and development of electronic nose technology， computer vision technology， infrared spectroscopy technology and electrical characteristics testing technology， and compares the different applications of these technologies in the field of fruit nondestructive testing.

Keywords： fruit; nondestructive testing; computer vision; near infrared spectroscopy

近年來(lái)我國(guó)水果產(chǎn)量增加，目前國(guó)內(nèi)市場(chǎng)以及國(guó)外市場(chǎng)對(duì)高品質(zhì)水果的需求也不斷增加，水果無(wú)損檢測(cè)和分級(jí)能夠提升水果的競(jìng)爭(zhēng)力，有利于我國(guó)水果行業(yè)的發(fā)展。水果品質(zhì)檢測(cè)主要有內(nèi)部品質(zhì)以及外部品質(zhì)，原始的外部品質(zhì)檢測(cè)主要是使用專(zhuān)門(mén)的分級(jí)器械來(lái)對(duì)水果的大小、重量進(jìn)行簡(jiǎn)單分類(lèi)，或者人工對(duì)水果的外觀(guān)、紋理、表面缺陷等進(jìn)行分類(lèi)。傳統(tǒng)的分級(jí)器械較為煩瑣、速度慢且易對(duì)水果造成損傷。人工分選又帶有感官評(píng)價(jià)，主觀(guān)性強(qiáng)，無(wú)法形成統(tǒng)一的標(biāo)準(zhǔn)。傳統(tǒng)的內(nèi)部檢測(cè)主要通過(guò)化學(xué)方法進(jìn)行測(cè)定，這種方法需要破壞水果，通過(guò)分析少量樣本推測(cè)整個(gè)批次的水果品質(zhì)，可靠性不高。為了克服這些缺陷，水果無(wú)損檢測(cè)技術(shù)應(yīng)運(yùn)而生，水果無(wú)損檢測(cè)要求在不破壞水果外表皮以及內(nèi)部環(huán)境的情況下，利用聲、電、磁、光等技術(shù)得到水果的外部特征以及內(nèi)部營(yíng)養(yǎng)成分含量等數(shù)據(jù)，相比傳統(tǒng)檢測(cè)方法更高效。伴隨著物理、材料、計(jì)算機(jī)多個(gè)領(lǐng)域技術(shù)的發(fā)展，無(wú)損檢測(cè)技術(shù)也日益完善。

1 電子鼻技術(shù)

Gardne在1994年首次確定了“電子鼻”的定義，并且在該領(lǐng)域發(fā)表了論文，在近30年來(lái)電子鼻技術(shù)突飛猛進(jìn)。電子鼻的靈感來(lái)源于仿生學(xué)，它的核心器件是氣體傳感器，捕捉氣體的特征，將氣體特征轉(zhuǎn)化為可以量化的模擬信號(hào)，通過(guò)處理變?yōu)閿?shù)字信號(hào)，PC端再通過(guò)神經(jīng)網(wǎng)絡(luò)或模式識(shí)別等算法進(jìn)行處理。電子鼻技術(shù)相對(duì)成熟，檢測(cè)和等待結(jié)果耗費(fèi)時(shí)間少，誤差小，在食品檢測(cè)、癌癥檢測(cè)、有毒有害氣體檢測(cè)等方面有廣泛的應(yīng)用。

1.1 在水果無(wú)損檢測(cè)中的應(yīng)用

劉強(qiáng)等[1]利用電子鼻技術(shù)結(jié)合不同的特征提取方案分別建立了草莓果實(shí)真菌病害的PLSR模型，區(qū)分了健康果實(shí)和病害果實(shí)，準(zhǔn)確率達(dá)到92.9%。尹芳緣等[2]基于電子鼻對(duì)芒果的可貯藏時(shí)間進(jìn)行了預(yù)測(cè)，將檢測(cè)數(shù)據(jù)使用非周期隨機(jī)共振方法處理，提取互相關(guān)系數(shù)極大值，并擬合得到芒果儲(chǔ)存期預(yù)測(cè)模型，經(jīng)驗(yàn)證準(zhǔn)確率為87.5%。胡桂仙等[3]基于電子鼻，采用線(xiàn)性判別法判斷柑橘的成熟度，準(zhǔn)確率達(dá)到88%。

1.2 優(yōu)缺點(diǎn)

電子鼻操作簡(jiǎn)單、成本低、反應(yīng)快，可以用于果實(shí)病害檢測(cè)、果實(shí)成熟度檢測(cè)、果實(shí)儲(chǔ)存期的預(yù)測(cè)等。缺點(diǎn)是在無(wú)損檢測(cè)領(lǐng)域易受環(huán)境的溫濕度、氣壓影響，而且檢測(cè)結(jié)果受到傳感器靈敏度以及模型算法的制約，需要提高傳感器的精密性以及模式識(shí)別算法的通用性。隨著機(jī)器嗅覺(jué)等技術(shù)的研究，電子鼻技術(shù)在水果無(wú)損檢測(cè)領(lǐng)域會(huì)得到更進(jìn)一步的發(fā)展。

2 計(jì)算機(jī)視覺(jué)技術(shù)

近幾年人工智能領(lǐng)域發(fā)展迅猛，這也促進(jìn)了計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展。通過(guò)攝像頭相機(jī)等代替人眼來(lái)進(jìn)行圖像獲取，再利用計(jì)算機(jī)對(duì)采集的圖形進(jìn)行特征提取，將圖像的灰度、亮度等轉(zhuǎn)化為數(shù)字信號(hào)，通過(guò)相關(guān)算法程序自動(dòng)生成結(jié)果。

2.1 在水果無(wú)損檢測(cè)中的應(yīng)用

伍光緒[4]通過(guò)圖像采集、預(yù)處理、分割技術(shù)，提取了血橙的成熟度、大小、周長(zhǎng)的3個(gè)特征參數(shù)，并將血橙分為極好、好、一般、差4個(gè)等級(jí)。徐瑩瑩[5]利用計(jì)算機(jī)視覺(jué)技術(shù)研究了甜瓜的缺陷算法，根據(jù)甜瓜瓜蒂區(qū)域和其他部分的角點(diǎn)差，可以找到并去除瓜蒂，魯棒性好，有較小的耗時(shí)以及不錯(cuò)的識(shí)別率。實(shí)驗(yàn)提取了甜瓜的顏色和外部紋路作為特征參數(shù)，采用SVM進(jìn)行模式識(shí)別。對(duì)甜瓜的圖像進(jìn)行分析時(shí)，采用灰度共生矩陣進(jìn)行了特征參數(shù)處理，發(fā)現(xiàn)其中的角二階矩和對(duì)比度這兩個(gè)參數(shù)能夠明顯區(qū)分甜瓜是否病變，經(jīng)驗(yàn)證對(duì)甜瓜的缺陷識(shí)別率達(dá)到92.2%。童旭[6]采用雙目視覺(jué)獲取了蘋(píng)果、梨的圖片，對(duì)其進(jìn)行預(yù)處理特征提取，再優(yōu)化，建立了SVM模型，使用粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法，針對(duì)外表皮對(duì)蘋(píng)果、梨進(jìn)行了分級(jí)。

2.2 優(yōu)缺點(diǎn)

計(jì)算機(jī)視覺(jué)技術(shù)能在一定的距離上對(duì)水果品質(zhì)進(jìn)行檢測(cè)，分級(jí)更穩(wěn)定、精度更高。相較于人眼，能夠長(zhǎng)時(shí)間地對(duì)自動(dòng)化產(chǎn)線(xiàn)進(jìn)行實(shí)時(shí)監(jiān)測(cè)與控制，比對(duì)已有的數(shù)據(jù)庫(kù)來(lái)篩選出病變或者瑕疵的水果。缺點(diǎn)是尚在研究階段，沒(méi)有得到大規(guī)模的應(yīng)用，另外一個(gè)缺陷是只能對(duì)水果外部進(jìn)行檢測(cè)，無(wú)法檢測(cè)到水果的內(nèi)部成分。

3 近紅外光譜技術(shù)

廣義上來(lái)講，波長(zhǎng)為780～2 526 nm的電磁波都被稱(chēng)為近紅外光。近紅外光譜技術(shù)的基本原理來(lái)源于比爾定律，又稱(chēng)為吸光定律，通過(guò)定量分析物質(zhì)在某些光譜區(qū)的吸收強(qiáng)度和吸光粒子數(shù)的關(guān)系來(lái)分析待檢物品。用近紅外光照射被檢測(cè)物品，捕捉被檢測(cè)物品對(duì)光的反射、散射、吸收后的光譜特征，再對(duì)其進(jìn)行特征分析來(lái)確定被檢測(cè)物品各種成分含量，將該技術(shù)應(yīng)用于水果檢測(cè)領(lǐng)域具有檢測(cè)快速、成本低、可檢測(cè)水果內(nèi)部糖度和維生素等優(yōu)點(diǎn)。

3.1 在水果無(wú)損檢測(cè)中的應(yīng)用

近紅外光譜技術(shù)能夠檢測(cè)水果硬度、糖度以及內(nèi)部可溶性物質(zhì)的含量。OLIVEIRA等[7]研究了近紅外光譜和中紅外光譜快速檢測(cè)百香果果肉并分級(jí)，利用PLS回歸分析建立了預(yù)測(cè)果糖、蔗糖、酸度、可溶性固形物含量和維生素的模型。結(jié)果顯示，該模型不能很好地預(yù)測(cè)維生素的含量，能很好地預(yù)測(cè)果糖、蔗糖、酸度、可溶性固形物含量。ABASI等[8]提取了原始的近紅外光譜數(shù)據(jù)，使用了小波變換算法處理數(shù)據(jù)，并與其他常用的預(yù)處理函數(shù)相結(jié)合，基于RMSE（估計(jì)均方根誤差）和相關(guān)系數(shù)評(píng)價(jià)模型決定相關(guān)系數(shù)，預(yù)測(cè)了蘋(píng)果樣品硬度。最終預(yù)測(cè)的蘋(píng)果樣品硬度是可以接受的（RMSEP=3.86），實(shí)驗(yàn)應(yīng)用小波變換去噪預(yù)處理，實(shí)現(xiàn)了PLS回歸模型的快速性和精準(zhǔn)性預(yù)測(cè)。

3.2 優(yōu)缺點(diǎn)

近紅外光譜技術(shù)能夠快速、無(wú)損、高效地對(duì)水果品質(zhì)進(jìn)行檢測(cè)，不僅對(duì)水果表面紋理和內(nèi)部成分進(jìn)行檢測(cè)，還可以預(yù)測(cè)水果的成熟度、儲(chǔ)存期、病變等。缺點(diǎn)是在該領(lǐng)域中相關(guān)技術(shù)不夠成熟，國(guó)內(nèi)的研究起步較晚，溫度變化以及其他無(wú)關(guān)信息變量的噪聲對(duì)檢測(cè)和預(yù)測(cè)的結(jié)果影響較大。BLANCO等[9]驗(yàn)證了溫度變化會(huì)改變液體樣品的近紅外光譜，而且會(huì)大大降低在嚴(yán)格控制的溫度條件下記錄的光譜所構(gòu)建的標(biāo)準(zhǔn)模型的預(yù)測(cè)能力，在這種情況下就需要更復(fù)雜的模型。

4 基于電學(xué)特性的無(wú)損檢測(cè)技術(shù)

水果是一種電介質(zhì)，從微觀(guān)來(lái)看每個(gè)水果內(nèi)部都由無(wú)數(shù)帶電粒子組成，整體構(gòu)成了生物電場(chǎng)，而水果的生長(zhǎng)過(guò)程中經(jīng)歷成熟、病變等過(guò)程，會(huì)產(chǎn)生一系列復(fù)雜的化學(xué)變化，導(dǎo)致內(nèi)部的電荷數(shù)量和空間發(fā)生變化，從而影響整個(gè)生物電場(chǎng)。利用電學(xué)特性可以分析出水果成熟程度、表面堅(jiān)硬程度、病毒害等分級(jí)所需特征，該技術(shù)所需要的設(shè)備不復(fù)雜、信號(hào)易于處理，具有廣闊的應(yīng)用場(chǎng)景。

4.1 在水果無(wú)損檢測(cè)中的應(yīng)用

JACKSON等[10]用電阻抗法檢測(cè)蘋(píng)果損傷，分別對(duì)蘋(píng)果撞擊前后的阻抗進(jìn)行測(cè)量，在50 Hz～1MHz的36個(gè)點(diǎn)頻率下，電阻與電抗描繪了一個(gè)半圓弧，這些曲線(xiàn)的一些特征與瘀傷面積相關(guān)。蘋(píng)果品種和溫度對(duì)電阻抗的影響可能會(huì)造成大規(guī)模應(yīng)用中測(cè)量的困難，但是電阻抗檢測(cè)方法的進(jìn)一步發(fā)展可能會(huì)方便評(píng)估瘀傷技術(shù)的研究。

4.2 優(yōu)缺點(diǎn)

利用基于電學(xué)特性的無(wú)損檢測(cè)技術(shù)對(duì)水果進(jìn)行品質(zhì)檢測(cè)，快速、便捷且數(shù)據(jù)量少。但是果實(shí)發(fā)生病蟲(chóng)害往往會(huì)伴隨多個(gè)生化變化，相應(yīng)的電學(xué)特性也會(huì)變化，果實(shí)不同，果實(shí)生理變化引起的一系列電學(xué)參數(shù)變化也不同，因此挑選出適合的參數(shù)是基于電學(xué)特性無(wú)損檢測(cè)的研究難點(diǎn)與方向。

5 核磁共振技術(shù)

核磁共振技術(shù)因其在醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用被人們所熟知，核磁共振技術(shù)可按頻率分為高場(chǎng)和低場(chǎng)核磁共振技術(shù)，也可以分為核磁共振成像技術(shù)和波譜法。

5.1 在水果無(wú)損檢測(cè)中的應(yīng)用

核磁共振成像技術(shù)可以檢測(cè)水果的成熟度、果皮硬度、營(yíng)養(yǎng)成分等信息，也可以對(duì)水果的外部損傷程度進(jìn)行測(cè)定，進(jìn)而對(duì)水果進(jìn)行分級(jí)。高營(yíng)養(yǎng)價(jià)值的混合果汁消費(fèi)在全國(guó)范圍內(nèi)不斷增加，核磁共振波譜廣泛應(yīng)用在果汁飲品的質(zhì)量檢測(cè)中，它可以檢測(cè)制備果汁的原料來(lái)源，從而分析商家是否采取了欺詐手段進(jìn)行虛假宣傳，保障生產(chǎn)者和消費(fèi)者的權(quán)利，有利于改善居民的飲食安全問(wèn)題。

5.2 優(yōu)缺點(diǎn)

光譜數(shù)據(jù)涵蓋了廣泛的化合物，所以核磁共振波譜法檢測(cè)果汁等其他水果衍生品具有可行性，并且已被證明是十分有效的工具。核磁共振檢測(cè)技術(shù)能夠?qū)崿F(xiàn)無(wú)損檢測(cè)，且結(jié)果穩(wěn)定，受時(shí)間干擾較少。缺點(diǎn)是果汁中含有大量的有機(jī)酸和其他有機(jī)物質(zhì)，可能會(huì)導(dǎo)致復(fù)雜的光譜，需要技術(shù)手段去除冗余的信號(hào)。

6 結(jié)語(yǔ)

水果的品質(zhì)分級(jí)由外觀(guān)、氣味、口感、內(nèi)部營(yíng)養(yǎng)成分含量、儲(chǔ)存期等因素決定，因此低成本、高效、便捷地對(duì)水果進(jìn)行無(wú)損檢測(cè)是當(dāng)前的研究方向。無(wú)損檢測(cè)技術(shù)的準(zhǔn)確性高、響應(yīng)速度快，可以用于水果品質(zhì)分級(jí)。本文綜述了近紅外光譜技術(shù)、電子鼻技術(shù)、基于電學(xué)特性的無(wú)損檢測(cè)技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)，并分析了它們各自的優(yōu)缺點(diǎn)，在實(shí)際應(yīng)用中應(yīng)根據(jù)具體情況進(jìn)行選擇。

參考文獻(xiàn)

[1]劉強(qiáng)，張婷婷，周丹丹，等.基于電子鼻技術(shù)對(duì)草莓采后灰霉病的分析與早期診斷[J].食品科學(xué)，2022，43（12）：341-349.

[2]尹芳緣，曾小燕，徐薇薇，等.基于電子鼻的芒果儲(chǔ)存時(shí)間預(yù)測(cè)方法研究[J].傳感技術(shù)學(xué)報(bào)，2012，25（9）：1199-1203.

[3]胡桂仙，ANTIHUS H G，王俊，等.電子鼻無(wú)損檢測(cè)柑橘成熟度的實(shí)驗(yàn)研究[J].食品與發(fā)酵工業(yè)，2005（8）：57-61.

[4]伍光緒.基于計(jì)算機(jī)視覺(jué)的血橙無(wú)損檢測(cè)與分級(jí)技術(shù)研究[D].重慶：西南大學(xué)，2016.

[5]徐瑩瑩.基于計(jì)算機(jī)視覺(jué)的甜瓜外觀(guān)品質(zhì)檢測(cè)研究[D].蘭州：甘肅農(nóng)業(yè)大學(xué)，2011.

[6]童旭.基于機(jī)器視覺(jué)水果表面等級(jí)分類(lèi)識(shí)別的研究[D].重慶：重慶交通大學(xué)，2018.

[7]OLIVEIRA-FOLADOR G，DE OLIVEIRA BICUDO M，DE ANDRADE E F，et al.Quality traits prediction of the passion fruit pulp using NIR and MIR spectroscopy [J].LWT，2018，95：172-178.

[8]ABASI S，MINAEI S，JAMSHIDI B，et al.Rapid measurement of apple quality parameters using wavelet de-noising transform with Vis/NIR analysis[J].Scientia Horticulturae，2019，252：7-13.

[9]BLANCO M，VALDES D，Suppressing the temperature effect in near infrared spectroscopy by using orthogonal signal correction[J].Journal of Near Infrared Spectroscopy，2006，14：155-160.

[10]JACKSON P J，HARKER F R.Apple bruise detection by electrical impedance measurement[J].Hortscience A Publication of the American Society for Horticultural Science，2000，35（1）：104-107.