基于CiteSpace 對水果無損檢測研究進展和趨勢的可視化分析

丁 燕，孫元明，李冬升，李同璽，張永成，劉 揚，蘭海鵬,

（1.塔里木大學機械電氣化工程學院，新疆阿拉爾 843300；2.塔里木大學圖書館，新疆阿拉爾 843300；3.新疆生產建設兵團第一師阿拉爾職業技術學校，新疆阿拉爾 843300）

近年來，隨著科學技術的發展和人民生活水平的不斷提高，國際水果進出口市場競爭的增加，水果的質量管理變得尤為重要。水果無損檢測是指在不損傷待檢水果的前提下，運用一定的檢驗技術和方法對水果的內在及外在質量進行檢查，并按照相應的要求對其進行評估的過程[1]。水果的外觀、缺陷、色澤、成分等品質用傳統的檢驗方法均難以實現無損傷、在線檢測。所以，研究快捷、高效、準確的果蔬質量監測技術，對改善果蔬交易價格有著非常關鍵的現實意義[2]。

當前，國內外學者對水果無損檢測的研究已有大量成果，主要集中在對水果的無損檢測方法、水果品質檢測、水果分級等方面。事實上，研究者如果只通過閱讀大量文獻來開展科研，則難以精確掌握當前該領域的研究趨勢、研究熱點及前沿，加上每個研究者的科研能力差異，便造成了對研究領域的發展趨勢產生判斷偏差[2]。文獻計量學是指以研究領域機構共引、作者合作網絡以及主題和領域共現為主體，用數學和統計學的方法，定量描述和監測已發表的研究文獻，解析當前研究領域的學術發展趨勢和科研熱點[3]。2004 年，陳超美博士團隊開發了一款文獻計量的建模軟件—CiteSpace，由于該軟件能夠將研究領域的結構、動態模式和趨勢進行可視化分析，在學術界備受關注[4]。所以，本文選擇該軟件對水果無損檢測領域的文獻進行可視化分析。

考慮到水果對人類生活的重要性，本文基于CNKI及Web of Science 核心數據庫中水果無損檢測領域的研究文獻為主體，選取2012～2022 年的文獻數據，利用CiteSpace 軟件對水果無損檢測領域的相關文獻進行計量分析，利用其系統的、透明的、可重復的審查過程，準確掌握水果無損檢測領域前沿的演進路徑及經典基礎文獻，以期為水果無損檢測領域的后續研究學者提供借鑒。

1 研究設計

1.1 數據來源

本文數據選取CNKI 核心期刊庫和Web of ScienceTM核心數據集為數據來源。由于在CiteSpace中，有針對性的主題檢索效果相對最好，因此本研究CNKI 數據以主題途徑檢索，檢索式=“水果+農產品+梨+蘋果+西瓜+葡萄+柑橘+香蕉”AND“無損檢測+無損傷檢測+無損檢驗+無損傷檢驗”精確檢索，時間節點選取2012 年1 月1 日～2022 年9 月30 日，并手動剔除報道、會議文件、卷首語等數據，共獲得相關文獻1322 篇。外文期刊數據選擇Web of ScienceTM核心數據集，以主題=“（*Nondestruct* *Test* OR Nondestructive OR No damage Test）and （*Fruit OR Apple OR Agricultural products OR citrus OR crops OR Watermelon OR grape OR banana OR pear）”進行檢索，共檢索到文獻3857 篇，通過手動剔除重復、無效等文獻，最終獲得有效文獻3526篇。

1.2 分析方法

本研究采用CiteSpaceV.6.1.R2 軟件進行可視化分析。將從CNKI 核心期刊庫及Web of ScienceTM核心數據庫檢索到的相關文獻數據以文本格式導出，經過CiteSpace 軟件進行格式轉化后導入CiteSpace主界面中，時間跨度選擇2012 年1 月～2022 年9 月，時間分區為1 年，設置Top N=10，TopN%=20，閾值分別設置為（2、2、20）、（4、3、20）、（4、3、20）。對獲取的文獻數據進行作者、機構、國家、關鍵詞及引文文獻進行可視化分析。

1.3 數據處理

本文通過CNKI 和Web of Science 系統自帶的統計分析功能對年度發文量及被引情況進行量化分析，并用Excel 軟件繪制圖表。此外從CNKI 和Web of Science 核心數據庫將全部文獻相關信息導出并保存為txt 格式，利用CiteSpace 軟件的數據分析板塊進行處理，對水果無損檢測領域的發文國家、機構、作者合作關系及關鍵詞進行統計分析，在繪制知識譜圖的基礎上，闡明不同時期的研究熱點以及未來的研究趨勢。

2 結果與分析

2.1 歷年發文量分析

2.1.1 國內發文量及被引分析 發文量反映了科研人員對該領域熱點問題的關注程度，表明了相關領域研究的發展程度和發展速度[5]，2012～2022 年間水果無損檢測研究文獻的年度發文量總體呈上升趨勢（圖1）。通過對CNKI 核心期刊庫發文量數據進行分析，2012 年至2015 年是水果無損檢測領域發表相關文獻研究的起步階段，年度發文量均保持在100上下，通過對文獻被引頻次數據進行分析（表1），2014年北京市農林科學院張保華、李江波等人團體通過深入了解高光譜成像技術的檢測原理并跟蹤國內外最新的研究進展，將高光譜成像技術應用在水果和蔬菜外部品質、內部品質和品質安全檢測中[6]，并簡要介紹和討論了高光譜成像系統的構成、常用的數據分析方法、發展趨勢及面臨的挑戰，該研究確立了無損檢測技術的主要研究對象及研究方法，截止2022年10 月7 日，該文獻被引用118 次，下載3900 次，成為這一時期高被引、高下載文獻。2016 年至2022 年該領域研究文獻發表量持續增加，趨勢明顯加快，增長率介于1.3%～14.44%之間，年平均增長率為7.82%，這一時期共發表文獻1055 篇，通過文獻分析，發現這一時期主要針對無損檢測技術將水果及農產品進行分級分類，并出現了電子鼻等新的無損檢測技術，研究的方向主要為品質檢測、成熟度檢測及損傷程度分析等，同時也可以看出，這一時期的研究基本成型[6-10]，研究的主體以及方向大體一致。

圖1 國內外發文量Fig.1 Number of posts at home and abroad

表1 排名前5 的高被引論文Table 1 Top 5 highly cited papers

2.1.2 國外發文量及被引分析 通過對Web of ScienceTM核心數據庫檢索到的相關文獻數據進行分析（圖1、表1），可明顯看出，從2012 年起，該領域研究文獻一直呈顯著增長，年均發文量約為321 篇，并且研究方向大致分為兩個階段，2015 年之前以無損檢測技術方法為主要研究方向，2015 年之后以無損檢測技術用途為主要研究方向，其中，西班牙的Lorente, D 團隊研究的光譜成像的最新進展和應用水果和蔬菜質量評估于2012 年5 月發表在《Food and Bioprocess Technology》期刊上，通過高光譜成像系統對食品質量評估的短板出發，開發基于該技術的新系統，該系統能夠分析無法使用可見成像檢查的質量特征，可用于對這些產品的內部和外部特征進行無損檢測[11-15]，該文獻被引頻次達401 次，這為水果無損檢測領域的研究奠定了方向。

通過對國內外發文量及被引分析可知，國內外的研究主體及方向大多保持一致，并持續呈上升趨勢，全球發文量的飛速增長很大程度上得益于水果無損檢測研究領域的快速發展，同時也吸引了更多的學者關注該領域，因而近些年文獻發表量出現持續增長趨勢。

2.2 發文國家（機構）分析

2.2.1 發文國家分析 如表2 所示，對Web of ScienceTM核心數據庫檢索到的3526 篇文獻進行分析，可以看出，該領域的發文量在全球分布不均。中國發文880 篇，占比達24.96%，是該研究領域發文最多的國家。我國目前是全球人口最大的發展中國家，同時也是全球人口第二大經濟體，隨著2021 年的脫貧攻堅全面勝利，人們的生活水平逐漸提升，對水果的品質要求也越來越高，因此對該領域的研究最多。第二為美國，共發文786 篇，占比21.68%。其次為巴西、西班牙、意大利等國家，根據前瞻產業研究院《中國水果制品行業市場前瞻與投資戰略規劃分析報告》可以看出，全球水果種植產量和種植面積60%以上均來自于中國和美國，這也是其他國家在研究領域發文較少的重要原因。通過對排名前5 的發文國家年度發文量分析（圖2），各個國家在水果無損檢測領域的研究文獻呈持續上升，自2012 年以來，水果無損檢測方面的文獻發表量逐年遞增，2021 年全球發文量達到最高（276 篇），當年發文量占2012 年～2022年總發文量的13.84%，表明水果無損檢測研究已經成為當下全球關注的焦點。可以看出，隨著社會經濟快速發展，越來越多的國內外學者關注水果無損檢測領域的發展。

圖2 排名前5 的發文國家的年度發文量Fig.2 Annual publication volume of the first 5 published countries

表2 發文量排名前10 的國家Table 2 Top 10 countries in the number of publications

2.2.2 發文機構分析 通過對獲取的國內外文獻進行發文機構分析（表3）。可以看出，國內發文機構均為大學，這些機構構成了我國該領域的研究的主要力量。其中發文最多的機構為中國農業大學，共發文84 篇，其次為浙江大學（32 篇）、江蘇大學（30 篇）等機構。外文文獻發文機構前十中有6 個來自于中國，4 個來自于美國，且是由8 所高等院校和2 所農業科學研究院組成，說明該研究領域全球發文量極不平衡，且以國家級科研機構為主體。其中，浙江大學以發文105 篇成為該領域研究最多的機構，其次為美國農業部農業研究所（80 篇）、中國農業大學（76篇），說明了中國學者對該領域研究關注度較高，在全球已具有一定的影響力。

表3 排名前10 的國內外研究機構Table 3 Top 10 domestic and foreign research institutions

通過將發文機構中的國內機構進行整合，得出4 個研究機構的發文量，分別為中國農業大學160篇、浙江大學137 篇、西北農林科技大學69 篇、江蘇大學64 篇，并對其年度發文趨勢進行分析（圖3），大致分為3 個階段，2012 年～2015 年，國內研究機構處于快速發展階段，說明國內學者對水果無損檢測研究的重視程度在不斷增加；2015 年～2018 年，國內研究機構發文量相對平穩；自2019 年開始，水果無損檢測相關研究成果出現了緩慢下降的趨勢，但2021 年稍有回升，這種現象可能與新冠疫情有關，相信在不久的將來人類終將戰勝疫情，恢復科研生產力。

圖3 國內研究機構年度發文量Fig.3 Nnual publication volume of domestic research institutions

2.3 核心研究團隊分析

2.3.1 國內發文作者分析 通過發文作者共現網絡分析可以得出合作密切的學者群發掘學術研究的團隊效應[16]，為進一步了解主要研究作者間的合作關系，將從CNKI 核心期刊庫獲取的文獻數據導入CiteSpace 中，進行發文作者的可視化分析（圖4），圖譜共產生節點440 個，連線492 條，網絡密度為0.0051。圖中的結點代表發文作者，結點標簽文字越大則代表該作者發文量更多，之間的連線則代表寫作雙方的合作程度，而連線的顏色越深則代表雙方合作更緊密[17]。根據分析可得，國內該研究領域以團體研究居多，其中應義斌—劉燕德團體、于小庭—任圓—何賢團體、彭彥昆—李永玉團體、北京農林科學院團體發文量較多，在水果無損檢測領域中處于領先地位，說明目前水果無損檢測領域研究是靠幾位核心作者帶動的；且應義斌是合作網絡中與外界聯系較多的主要作者，可以看出，我國該研究領域的作者之間合作較為緊密，獨立研究作者相對較少，且已經形成了較為穩定的研究團體。

2.3.2 國外發文作者分析 通過對國外發文作者合作圖譜（圖5）進行分析，共產生1014 個節點，988 條連線，網絡密度為0.0019。其中有2 個較大的研究團體，Jiangbo Li 與其他17 位作者構成的合作群最大，這2 個中心網絡內的作者間協作較為緊密，也代表了在水果無損檢測研究領域最為活躍的科研團隊；周圍還分布著不少的5～10 人的中型合作團體，與其他團隊間合作較少，表明大部分水果無損檢測研究人員分布廣泛且獨立性較強，如果能夠加強作者之間，尤其是來自不同國家或機構的作者之間的合作研究，可以極大地促進該研究領域學術思想的交流和創新。從發文量來看，排名前3 位的作者有Jiangbo Li、Wenqian Huang 和Shuxiang Fan，分別發表了30、24、20 篇文章，他們在該研究領域較為活躍，表明其在水果無損檢測領域的研究具有較強的影響力。通過上述分析可以發現，兩大合作集團的主要成員分別來自中國和美國，這也進一步表明了中國與美國在水果無損檢測研究領域的重要地位。

圖5 國外發文作者合作圖譜Fig.5 Cooperative map of foreign published authors

2.4 高被引文獻網絡分析

2.4.1 文獻共被引分析 如果前兩篇（或多篇文章）一起被后來的或多篇文章所引證，則稱這兩篇論文構成共被引關系。共被引分析通過同時被其他文獻引用的頻次來表達文獻間的關系[18]，引文的頻率越高，就表示聯系越密切，也就表示了這兩種文獻的學術背景更接近。但鑒于文獻共被引的可視化功能僅用于Web of Science 文獻數據信息，所以本研究只針對于外文的文獻數據信息中的共被引現象研究[19]。通過可視化共得到278 個節點，1189 條連線，網絡密度為0.0309，生成文獻共引網絡圖譜（圖6）。在圖表中的結點表示被引的文章，結點數量越大代表其被引用頻率越高，而結點相互之間的連接則代表共引關聯，粗細代表共引的大小。從圖6 可以看出，Mendoza F（2011）這篇文章是一篇非常重要的論文，因為他的被引頻次最高，說明其在該領域內具有重要影響，此外，還發現文獻共引網絡有比較明顯的自然聚類，大體分為2 類，通過13 篇關鍵文獻使這兩個聚類緊密聯系在一起，且兩個聚類的活躍時間也有著顯著區別[20]，2014 年以前的主要在圖的左上方，2015 年之后的主要在圖的右下方，這說明該領域主要有2 個研究方向，并且聯系緊密。

圖6 文獻共被引圖譜Fig.6 Document co-citation map

2.4.2 文獻共被引聚類分析 利用CiteSpace 聚類功能進行文獻共被引的聚類分析，可以讓我們挖掘相似文獻的共同主題，從主題角度分析共被引每一個簇所代表的主題，無需我們在共被引的圖譜上再進行人工歸納總結[21]。通過對該領域文獻共被引分析圖譜進行聚類分析，生成22 個聚類，聚類效果良好。并自動生成8 個聚類標簽視圖（見圖7），通過分析聚類標簽，將該領域研究劃分為2 個研究方向。

圖7 文獻共引網絡聚類標簽圖譜Fig.7 Document co-citation network cluster label map

一是水果無損檢測技術的研究對象。該研究方向中共有4 個聚類標簽，分別為#0 發霉的蘋果心（moldy apple core）、#1 荔枝果皮（lychee pericarp）、#2 柑橘類果實（clementine mandarin fruit）、#5 農產品（agro-food product），可以看出，無損檢測技術的應用領域特別廣，但主要集中在人們生活中可食用的范圍之內，研究對象針對性強。

二是水果無損檢測技術的研究方法。該研究方向中共有4 個聚類標簽，分別為#3 在線預測（online prediction）、#4 溶液法（solution method）、#6 可見光譜線性化梯度偏移（visible spectral linearisation gradient shift）、#5 機器視覺系統（using machine vision system），可以看出，隨著時代的不斷進步，人們針對無損檢測技術的方法不斷改善，針對不同產品的不同品質檢測需求都有相對較好的檢測方法，為該領域的研究提供了技術保障[22-24]。

2.5 關鍵詞共現及研究領域分析

2.5.1 關鍵詞共現分析 關鍵詞是對文獻研究內容的高度概括，高頻關鍵詞可以在一定程度上反映某一研究領域的熱點。CiteSpace 的關鍵詞共現分析可以直觀反映某一研究領域當前的研究熱點以及過去的研究熱點[25]。本研究中通過對水果無損檢測領域的國內外研究文獻進行關鍵詞共現分析，見圖8 和圖9。關鍵詞節點較大，文獻提及次數較多，關鍵詞間的連線密集，被共現程度高。

圖8 CNKI 關鍵詞共現圖譜Fig.8 CNKI Keyword co-occurrence map

圖9 Web of Science 關鍵詞共現圖譜Fig.9 Web of Science Keyword co-occurrence map

對CNKI 數據庫中目標文獻進行關鍵詞共現，得到262 個關鍵詞節點、306 條節點間連線。國內水果無損檢測研究領域文獻中除檢索詞“無損檢測”和“水果”外，與其共現次數較多的節點有“蘋果”、“糖度”、“介電特性”、“內部品質”、“成熟度”等，這反映出蘋果是水果無損檢測領域的重要研究對象，糖度、品質、成熟度是水果無損檢測的重要目的，此外，“光譜分析”、“機器視覺”也是一個較大的結點，是水果無損檢測的重要手段，由此可以看出，國內針對水果無損檢測的研究已經形成了相對成型的知識網絡。

對Web of Science 數據庫中目標文獻進行關鍵詞共現，得到353 個關鍵詞節點和510 條連線。國外圍繞該領域的研究的高頻關鍵詞之間聯系網絡顏色較深、線條較粗、網絡較為密集，說明它們之間共現時間、共現次數和共現程度較高[26]。水果無損檢測研究領域文獻中除檢索詞“fruit（水果）”和“nondestructive measurement（無損檢測）”外，高頻關鍵詞主要包括“quality（品質）”、“soluble solids（可溶性固形物）”、“firmness（硬度）”等，說明在水果無損檢測時，往往將實際問題建模為多目標優化問題，此外在附近還出現了一些比較大的節點，包括“near infrared spectroscopy（近紅外光譜）”、“spectroscopy（光譜分析）”等等[27-28]，這說明在水果無損檢測時，光譜分析是比較適合當前研究的重要內手段。由此可以看出，國內外對該研究領域的方向大體一致，國外對該領域研究起步較早、成果更為豐富，研究涉及方面更多，內容更細，也為國內的研究者們提供了更多的研究方向。

2.5.2 關鍵詞聚類分析 圖10、圖11 分別為基于CNKI 和Web of Science 數據庫的關鍵詞聚類時間序列圖譜。在關鍵詞聚類分析網絡中，CiteSpace 依據網絡結構和聚類清晰度提供了聚類模塊值（Q 值）和聚類平均輪廓值（S 值）兩個指標，可以作為我們評判圖譜繪制效果的依據。一般而言，Q 值一般在區間[0,1]內，Q＞0.3 就意味著劃分出來的社團結構是顯著的；當S＞0.7 時，聚類是高效率且令人信服的[29]。本研究中，基于CNKI 數據庫的關鍵詞聚類分析結果Q 值為0.8358，S 值為0.9831；基于Web of Science數據庫的關鍵詞聚類分析結果Q 值為0.8484，S 值為0.9701，可認為該圖譜的分析結果是令人信服的。

圖10 CNKI 關鍵詞聚類時間序列圖譜Fig.10 CNKI Keyword cluster time series map

圖11 Web of Science 關鍵詞聚類時間序列圖譜Fig.11 Web of Science Keyword cluster time series map

圖譜中的結點和顏色分別代表關鍵詞出現的頻率和年份，關鍵詞間的連線代表關鍵詞共現的年份。國內文獻中，通過對聚類時間序列圖譜進行分析，可以看出，該研究領域的聚類標簽可以分為兩類，第一類為該領域的研究對象（#1 紅提、#3 西瓜、#6 蘋果）。第二類為水果無損檢測的檢測方法，（#2 介電特性、#4 電子鼻、#5 光譜分析、#7 機器視覺、#8 光譜校正），提示二者相互伴生。從序列知識圖譜的演變來看，水果無損檢測中品質檢測是長期的，檢測手段也從外部特征到電學參數至現在的光譜分析，而水果的分級及貯藏將會成為以后的研究重點。

國外該研究領域中，聚類標簽大體可分為研究指標（#0 radio protective effect 抗輻射指數、#4drosophila suzukii 果蠅、#5 overload-induced renal oxidative damage 損傷程度、#6 internal qualities 內部品質）和研究方法（#1 non-invasive monitoring 無損檢測、#2 direct analysis 直接分析法、#3 early detection早期檢測、#8 spectral shift 光譜偏移度），說明國外研究以研究方法為主體，更注重無損檢測的技術更新，并且該研究方向還在持續。綜合聚類標簽來看，國內外水果無損檢測的研究聚焦的大趨勢基本一致，但國內研究更注重于技術的應用領域，國外研究領域更為全面，研究更注重技術的更新，在研究方向上存在部分差異。

2.6 研究進展與前沿熱點分析

通過對關鍵詞的共現和聚類分析不難發現，除出現中心量較大的關鍵詞之外，也有產生突現值高的關鍵詞，突現值高則表明了關鍵詞在某一時期快速產生的數量，能夠反映某一時段該領域的研究熱點及前沿[30-31]。本文通過導出突現值關鍵詞，獲得CNKI 高突現值關鍵詞11 個，Web of Science 高突現值關鍵詞17 個，見圖12、圖13。

圖12 高突現值關鍵詞（CNKI）Fig.12 High present value keywords (CNKI)

圖13 高突現值關鍵詞（Web of Science）Fig.13 High present value keywords (Web of Science)

通過對CNKI 高突現值關鍵詞圖譜進行分析，可以看出，在2012 年～2022 年突現時間較早的詞是“西瓜”，是該領域最早被研究的水果；2013 年之后出現突現強度高的關鍵詞是“西瓜”（4.25）、“分級”（3.97）和“硬度”（3.84），表明西瓜的無損檢測、果實的分級和硬度檢測是2018 年之前的研究重點，近幾年受關注的的關鍵詞是“隨機森林”、“光譜分析”和“臍橙”，突現強度最高的是“臍橙”（2.13），表示對臍橙的無損檢測研究是目前該領域的研究前沿。突現時間最長的是“光譜分析”，并且仍在繼續，說明無損檢測目前最常用的研究方法方法主體是光譜分析[32]。

通過對Web of Science 高突現值關鍵詞圖譜進行分析，得出在2012 年～2022 年突現時間較早的詞是“Sugar 糖分”，說明水果無損檢測領域一開始的目的是為了檢測水果的含糖量；出現突現強度高的關鍵詞是“Nondestructive prediction 無損預測”（5.5）、“Optical property 光學性質”（5.42）、和“Spectra 光譜”（5.1），表明國外對于水果無損檢測領域研究重點是檢測技術，2020 年之后同時出現的高突現關鍵詞是“Nondestructive prediction 無損預測”、“Machine leaning 機器學習”、“Algorithm 算法”和“Water 水”，表示現在的消費者更注重水果的新鮮程度，因為水果的貯藏期與水分的流失有著密不可分的關系，因此對水果含水率的檢測也成為了該領域的研究前沿，并且結合計算機領域的新的算法和新的科學（Machine leaning 機器學習）進行研究，并且會持續在該領域進行技術更新，為國內的水果無損檢測研究提供了新的方向。突現時間最長的是“Vis/nir spectroscopy（VIS/NIR 光譜技術）”，與國內研究方法一致，說明光譜技術分析在該研究領域應用時間最長[33]。

3 結論

本研究通過CiteSpace 文獻計量分析軟件對水果無損檢測研究領域的近十年中外文文獻進行可視化研究，較為直觀科學的呈現了該領域的研究熱點及趨勢。水果無損檢測領域在2012～2022 年間發文總量總體呈上升趨勢，特別在2016 年以后，發文總量有明顯的大幅提升，結果表明，越來越多的國內外學者開始關注水果無損檢測研究領域。發文國家中，中國及美國發文總量占到的全球的46.64%，是水果無損檢測研究領域具有較大影響力的國家。通過繪制和分析關鍵詞共現圖譜和聚類圖譜，發現：蘋果是水果無損檢測領域的重要研究對象，糖度、品質、成熟度是水果無損檢測的重要目的，光譜分析是水果無損檢測的重要手段。通過對國內外發表文獻的聚類圖譜及高突現值圖譜進行分析，可以得出，國內外相關研究在熱點領域基本一致，但在側重點和研究進展略有不同，國內更專注于該領域的研究對象和檢測指標，而國外則在果實品質監測的指標更為細致和充分，并且在技術更新領域研究較為活躍。

未來應加強各國研究團體之間的科研協作，關注該領域的研究熱點及發展趨勢，擴寬對水果無損檢測研究的深度和廣度，從而全面推進水果無損檢測向國際化發展。