水果品質無損檢測研究進展

張 磊，連 爽，陸雅麗，吳 健，祝賢芳，高瑜悅，唐藝玲

（貴陽市食品藥品檢驗檢測中心，貴州貴陽 550081）

近年來，在鄉村振興背景下，我國許多中西部地區城市將水果產業作為當地經濟發展的重要抓手，種植規模及產量不斷擴大。我國水果產業已成為繼蔬菜和糧食之后的第三大產業，是我國發展現代化農業的重要組成部分。2021 年我國水果產量達到2.997 億t，是世界第一水果生產國，但出口總量卻僅有0.355 億t，貿易逆差達到91.6 億美元[1]。這主要是因為我國水果產業雖然有資源優勢，但在高端水果產業發展上明顯落后于西方國家，導致我國水果出口面臨“低價銷售”的窘境。因此，發展水果品質快速檢測，實現對水果品質的篩選分類，有助于提高我國水果產業的發展及國際競爭力[2]。

水果無損檢測技術是在不破壞水果原有物理和化學性質的前提下，獲取水果內部和外部信息所采取的檢測方法。與傳統的水果品質檢測方法相比，具有高效、無損等優勢。隨著水果產業的發展，無損檢測技術被越來越多地用于水果品質檢測中，已成為該領域的研究熱點。目前，水果無損檢測的主要方法分為近紅外光譜無損檢測技術、高光譜成像無損檢測技術、智能感官仿生無損檢測技術、聲學特性無損檢測技術及電學特無損檢測技術[3]。

1 近紅外光譜無損檢測技術

近紅外光譜無損檢測技術是利用波長介于780～2 500 nm 的近紅外線照射被檢測物質，不同物質對光的吸收、散射、反射和透射等特性不同而獲得特定的光譜信息，以此確定物質化學、物理信息的一種無損檢測技術[4]。例如，章林忠等人[5]利用近紅外光譜采集10 種不同葡萄品種、不同成熟期及1 種病害，共計188 個葡萄樣品的總酚、總糖、果糖、蔗糖和可溶性固形物的紅外光譜數據，并結合偏最小二乘（PLS）算法建立了葡糖果實與以上5 個指標的定量預測模型。結果表明，該模型與以上指標的相關系數在0.77 以上，均方誤差在0.022～1.410，具有較高的可信度；同時，采用主成分分析法（PCA）對光譜結果在4 119.20～9 881.46 cm-1的區域建立區分葡萄糖果實品種、成熟度和是否受病害的判別分析模型，結果表明該模型識別率高達92.11%，88.89%和96.16%，可快速實現葡萄果實品質分類。黎新榮[6]采用近紅外光譜分析儀對5 個種植園內不同成熟度，共計150 kg 的滑皮金橘果實進行光譜數據采集和糖度測定，并利用S-G 卷積平滑對光譜數據進行優化處理，選擇720～920 nm 為建模波段，結合偏最小二乘法建立了滑皮金橘糖度預測模型。結果表明，該模型在滑皮金橘糖度預測值與實際值的相關系數達0.958 2，均方根誤差為0.518 7，相對分析誤差為3.24，可實現對滑皮金橘糖度的快速無損檢測。章海亮等人[7]使用近紅外光譜儀采集168 個贛南臍橙光譜信息并測定其總酸含量，選取400～880 nm 作為建模波段范圍，使用平滑算法和遺傳算法對數據進行特征提取，結合最小二乘支持向量機算法建立贛南臍橙總酸含量預測系統。結果表明，該模型預測集均方根誤差為0.01 6，預測集決定系數為0.983 4，相對分析誤差為7.76，可較為準確地檢測贛南臍橙的總酸含量。

雖然，近紅外光譜檢測技術具有無損、快速和操作簡便等優點，但由于傳統近紅外光譜儀價格昂貴，便攜式紅外光譜儀穩定性和精密度不夠，因此實際應用中亟需兼具穩定性、精密度和價格低廉的便攜式光譜儀。同時，紅外光譜儀容易受到溫度、濕度和測量距離等因素的影響，因此在特定環境下采集的光譜數據用于預測模型建立，在實際應用時會受到環境因素的影響，導致結果準確度的下降。

2 高光譜成像無損檢測技術

高光譜成像技術是使用幾十個到數百個波長同時對物體進行掃描成像，從而獲得待測物的圖像信息和光譜信息，其波長范圍（200～2 252 nm）覆蓋了從紫外光譜到近紅外光波段，光譜分辨率可達納米級別，能全面反映待測物體的外部和內部信息[8-9]。許麗佳等人[10]利用高光譜分選儀對120 個獼猴桃采集波長400～1 000 nm 內的高光譜圖像并測定其糖度，使用自適應重加權算法和連續投影算法對光譜圖像數據進行數據處理，結合極限學習模型，建立了獼猴桃糖度預測模型。結果表明，糖度預測模型相關系數達0.839 0，均方差根為0.598 3，相對分析誤差為2.535 1，說明該方法可對獼猴桃的糖度實現無損精準測定。Zhang Dongyan 等人[11]采集了160 個蘋果在波長1 000～2 500 nm 內的高光譜圖像并測定其可溶性固體含量，使用重加權算法和連續投影算法對光譜圖像數據進行處理，并結合偏最小二乘法建立蘋果可溶性固體的預測模型。結果表明，該模型相關系數達0.907，均方差根0.479，說明該方法可實現對蘋果可溶性固體無損精確測定。有研究表明，使用高光譜成像系統采集135 個獼猴桃光譜信息，并結合主成分回歸模型建立貯藏期內獼猴桃酸度預測回歸模型。結果表明，該方法預測集相關系數為0.9，剩余預測偏差為2.13，均方根偏差為0.08，能較為準確地檢測獼猴桃果實酸度。

高光譜成像技術能獲取水果豐富的圖像和光譜信息，可以更加全面反映水果的外部形狀、大小、缺陷及內部組成成分等信息，因此該技術在對水果品質進行無損檢測時能達到更高的精準度。但是高光譜成像技術也存在不足，如雖然高光譜圖譜的信息豐富，但數據冗余度和數據處理量大、系統檢測時間長，對計算機資源配置的要求高，且高光譜儀價格昂貴。因此，在實際應用中的發展緩慢。

3 智能感官仿生無損檢測技術

智能感官仿生檢測技術是利用現代傳感技術和信息技術模仿人體感官感知行為，如視覺、嗅覺、觸覺、嗅覺、味覺等，以此來獲取待測物品質信息，并模擬人對信息的理解和判別進行待測物品質檢測，目前應用于水果品質無損檢測的智能感官技術主要是電子鼻和機器視覺[12-13]。丁慶行等人[14]采用8 種氣敏傳感器模擬人的嗅覺細胞，檢測白心火龍果、趙州雪花梨、翠玉獼猴桃和富士康4 種水果，在倉庫環境模擬器內檢測乙醇、甲烷、丙烷、丙烯、丁烷、丁烯、一氧化碳、氫氣、氨氣、硫化物、硫化氫、醛醇、酮及芳族化合物氣體含量變化，每12 h 測量一次，持續測量120 h。將檢測數據結合主成分分析法，建立倉儲果品腐爛電子鼻監測系統。結果表明，該系統可有效區別水果的微腐敗和嚴重腐敗程度。張建超等人[15]使用便攜式電子鼻，采集不同病變程度霉心蘋果數據，通過PCA，HCA 和OPLS-DA 分析法對數據進行降維處理和特征信息提取，結合Fisher函數、多層感知器神經網絡和徑向基函數神經網絡算法，建立霉心病蘋果病變程度的判別模型。結果表明，多層感知器神經網絡模型判別效果最好，其對訓練集和驗證集的預測判別率分別為88.61%和88.46%。李頎等人[16]使用CCD 彩色工業相機動態采集紅富士蘋果2 個面的實時圖像，采用泛洪填充+自適應Ostu 閾值分割算法、最小外接圓法和最小外接矩形法對圖像信息進行特征提取，結合粒子群SVM決策樹算法建立蘋果分級評判模型。結果表明，該方法對蘋果分級準確率達到94%以上，分級速率達到4 個/ s，可滿足蘋果在線分級要求。

計算機和傳感器技術的快速發展促使智能感官仿生無損檢測技術不斷進步，其快速、準確、無損等優點能較好滿足現代化機械自動化流水線生產要求，在水果品質分級篩選中應用廣泛。但是，智能感官仿生無損檢測技術也存在智能仿生感官傳感器設備成本價格過高、電子鼻仿生系統易受到環境溫濕度影響而導致靈敏度降低等問題。

4 聲學特性無損檢測技術

聲學特性無損檢測技術是指水果在聲波刺激下的反射、散射、透射、吸收、衰減系數、頻率、傳播速度與聲阻抗等特性會隨著水果內部組織變化（如成分、結構、物理狀態等）特性的改變而發生變化，因此可依據水果聲學特性的改變，實現對水果品質的檢測[17]。Alfadhl Y 等人[18]通過聲脈沖響應采集健康蘋果和患蠹蛾蘋果的數據信息，結合K -近鄰和嶺回歸模型建立蠹蛾蘋果檢測系統。結果表明，該系統對蠹蛾蘋果識別準確率達90%以上。Morrison D S 等人[19]通過超聲反射采集柑橘表面信息，建立柑橘超聲反射信息與柑橘密度模型，該方法可較為準確地測定9 d 內柑橘硬度的變化，從而可較為準確地預測柑橘成熟度變化。

目前，基于聲學特性的水果品質無損檢測技術具有操作簡便、設備簡單、不易受到外界環境干擾等特點，但也存在弊端，如高頻的超聲波容易造成水果營養的流失和硬度損害，同時高能量超聲儀器價格昂貴限制其廣泛的商業化應用。

5 電學特性無損檢測技術

電學特性無損檢測技術是指通過對水果施加外部電場來觀察水果內部導電特性和介電特性的變化，而水果在生長成熟、發生病害和損傷等過程中其內部會發生一系列生理生化反應，造成果實組織中所攜帶電荷的數量和空間分布發生變化，影響果實內部電場強度和分布，導致水果電學特性變化。因此，可依據水果電學特性的改變，實現對水果品質的檢測[20]。王若琳等人[21]在100.00 Hz～3.98 MHz 頻率范圍采集200 個健康蘋果和300 個水心病蘋果的11 個電學指標，結合多層感知器人工神經網絡和徑向基人工神經網絡模型建立水心病蘋果分析判定系統。結果表明，2 種模型對好果和水心病果的識別正確率均能達100%，能高效實現蘋果水心病的無損檢測。李小龍等人[22]使用電學特性檢測儀在1 MHz 頻率下采集庫爾勒香梨等效電容、品質因素、并聯等效電阻、復阻抗、復阻抗相角和電抗6 個電學參數并測定香梨質量，建立電學參數與質量之間關系。結果表明，庫爾勒香梨并聯等效電容與質量呈顯著相關，相關性系數可達到0.917 8，該方法可快速實現對庫爾勒香梨果實質量無損測定。羅安偉等人[23]在100 Hz～3.98 MHz 頻率范圍測定患青霉病獼猴桃電學參數及生理指標，建立患青霉病獼猴桃判別模型。結果表明，等效串聯電阻與β -1,3 -葡聚糖酶活性及等效串聯電容與可滴定酸均呈顯著相關，依據獼猴桃β -1,3 -葡聚糖酶活性和可滴定酸預測值可實現對患青霉病獼猴桃的準確識別，在貯藏期15～45 d 時準確率達到83%。

電學特性的水果品質無損檢測技術具有儀器反應靈敏、操作步驟簡單等優點，但電學特性受儀器設備限制其檢測精度和效率較低，同時水果在導電狀態下的電學特性波動較大，并且電學特性與水果內部成分之間的相關性不高，因此基于電學特性的無損檢測在實際水果品質檢測中應用并不多。

6 結語

水果品質無損檢測研究技術解決了傳統檢測方法操作繁瑣、破壞樣品等問題，具有獨特的優勢，所以近年來發展迅速，研究對象涵蓋了目前市場上大部分水果。檢測儀器、檢測原理及建模算法的創新都已成為當前水果品質無損檢測技術研究的熱點。但水果品質無損檢測研究技術仍然存在著許多不足，如目前檢測儀器存在設備價格昂貴、體積過大等問題，導致在實際推廣過程中難以滿足需求。另外，目前的檢測設備只能針對單一品種和單一指標進行檢測，而水果在品質分類篩選中往往需要多品種、多指標、多維度的綜合分析評判。目前，檢測設備多基于光學、電學、聲學等原理建立，而這些設備儀器容易受到環境條件的影響，同時品質分類模型在建立時，數據的采集通常是在實驗室特定條件下進行，導致在實際應用中隨著環境條件的改變模型準確率會明顯降低。雖然目前研究者們積極開展水果光學參數、電學參數及聲學參數與水果品質存在的關系和影響，但對其影響機理的研究還很缺乏。上述問題的解決，勢必都將促進水果品質無損檢測技術在實際應用中的發展，從而提高我國國產水果在國際市場中的競爭力，為我國水果產業發展創造更強大的發展動力。