激光散射圖像檢測(cè)桃果實(shí)貨架期的食用價(jià)值

徐　苗，孫　柯，王　卓，屠　康*，潘磊慶，彭　菁

（南京農(nóng)業(yè)大學(xué)食品科技學(xué)院，江蘇 南京 210095）

激光散射圖像檢測(cè)桃果實(shí)貨架期的食用價(jià)值

徐苗，孫柯，王卓，屠康*，潘磊慶，彭菁

（南京農(nóng)業(yè)大學(xué)食品科技學(xué)院，江蘇 南京 210095）

研究了應(yīng)用激光散射圖像檢測(cè)桃果實(shí)食用價(jià)值的方法。通過(guò)分析桃果實(shí)貨架期感官得分，將‘霞脆’鮮桃分為有食用價(jià)值和無(wú)食用價(jià)值兩類。通過(guò)檢測(cè)硬度、可溶性固形物含量和可滴定酸含量的變化，驗(yàn)證了此分類的可行性。利用波長(zhǎng)650 nm、功率20 mW的半導(dǎo)體激光搭建激光散斑測(cè)量裝置，采集‘霞脆’桃在貨架期的激光散射圖像，從圖像中提取顏色特征參數(shù)（R、G、B、H、S、I及各標(biāo)準(zhǔn)差）和紋理特征參數(shù)（像素面積、平均灰度值、灰度標(biāo)準(zhǔn)差、平滑度、三階矩、一致性和熵）。最終通過(guò)統(tǒng)計(jì)分析得到像素面積、R、G、B、一致性和熵的變化與貨架期‘霞脆’桃果實(shí)食用價(jià)值有較好的相關(guān)性。以這6 個(gè)特征參數(shù)建立對(duì)‘霞脆’桃果實(shí)貨架期食用價(jià)值判別的支持向量機(jī)模型。結(jié)果表明，訓(xùn)練識(shí)別率為95.0%，預(yù)測(cè)識(shí)別率為92.5%，利用激光散射圖像對(duì)貨架期桃果實(shí)食用價(jià)值進(jìn)行無(wú)損檢測(cè)具有可行性。

激光散射圖像；桃；食用價(jià)值；檢測(cè)

隨著生活水平的提高，消費(fèi)者在采購(gòu)桃時(shí)，除了大小，顏色等外觀品質(zhì)外，對(duì)口感、質(zhì)地和香氣等內(nèi)部品質(zhì)的要求也越來(lái)越高。在貨架期間，隨著乙烯的產(chǎn)生會(huì)影響有機(jī)物質(zhì)轉(zhuǎn)化、組織軟化和香氣物質(zhì)的產(chǎn)生，旺盛的呼吸也會(huì)加快營(yíng)養(yǎng)物質(zhì)消耗、組織老化、失水萎蔫，導(dǎo)致桃果實(shí)品質(zhì)劣變［1-4］。然而，耐儲(chǔ)運(yùn)的桃果在貨架后期雖然喪失了良好風(fēng)味，但果實(shí)外觀正常，未出現(xiàn)腐爛和機(jī)械損傷，消費(fèi)者很難用肉眼甄別。因此，利用有效地方法監(jiān)測(cè)貨架期桃果實(shí)品質(zhì)的變化，剔除不能滿足消費(fèi)者需求的果實(shí)，具有重要的意義。

目前在檢測(cè)水果內(nèi)部品質(zhì)方面，仍主要采用化學(xué)的方法抽樣測(cè)定，檢測(cè)效率較低，經(jīng)濟(jì)損失大，屬于破壞性檢測(cè)。在無(wú)損檢測(cè)方面，光學(xué)技術(shù)被廣泛使用。近紅外因其速度快、重復(fù)性強(qiáng)和樣品無(wú)需處理等優(yōu)點(diǎn)被應(yīng)用于檢測(cè)農(nóng)產(chǎn)品品質(zhì)變化［5-6］，但是設(shè)備昂貴，獲取的數(shù)據(jù)量大［7］。在近紅外檢測(cè)中光的散射效應(yīng)通常被視為干擾因素，因此在光譜數(shù)據(jù)分析中被刪除或修正［8］。然而，激光散斑技術(shù)作為一種基于光子吸收和光散射傳播的方法已被越來(lái)越多地應(yīng)用在預(yù)測(cè)食品質(zhì)量，主要集中在新鮮水果方面。當(dāng)激光光束照射到水果表面，一部分光被反射，剩余的光滲透并分布到多孔的果肉組織中。激光射圖像的變化與樣品化學(xué)成分對(duì)光的吸收和結(jié)構(gòu)性能對(duì)光的散射有關(guān)［9-10］。Qing Zhaoshen等［11］利用了5 個(gè)波長(zhǎng)在680～980 nm的激光檢測(cè)蘋(píng)果可溶性固形物含量和硬度。Hashim等［12］利用激光散斑技術(shù)檢測(cè)到了香蕉的冷害癥狀。Lorente等［13］檢測(cè)到了柑橘的早期腐爛。然而，在這個(gè)領(lǐng)域的研究仍處于初步階段，應(yīng)用激光散斑技術(shù)對(duì)桃貨架期內(nèi)部品質(zhì)的研究還鮮見(jiàn)報(bào)道。因此，建立激光散斑技術(shù)無(wú)損檢測(cè)桃品質(zhì)變化的方法值得研究。

本實(shí)驗(yàn)通過(guò)自制激光散射圖像采集裝置，研究桃果實(shí)貨架期激光散射圖像的變化，建立桃果實(shí)食用價(jià)值的檢測(cè)模型，為開(kāi)發(fā)激光散射圖像檢測(cè)桃果實(shí)貨架期食用價(jià)值的便攜式儀器提供依據(jù)。

1　材料與方法

1.1材料

以八成熟‘霞脆’桃果實(shí)（Prunus persica）（江蘇省農(nóng)業(yè)科學(xué)院果園）為試驗(yàn)材料，采后2 h內(nèi)運(yùn)至實(shí)驗(yàn)室，挑選出成熟度基本一致、色澤相近、無(wú)機(jī)械損傷的果實(shí)，攤開(kāi)經(jīng)自然風(fēng)預(yù)冷2 h后置于溫度（20±1） ℃、相對(duì)濕度約85%的恒溫恒濕箱，模擬貨架條件。

1.2儀器與設(shè)備

CTHI-250B恒溫恒濕箱 上海施都凱儀器有限公司；GY-4硬度計(jì) 浙江托普儀器有限公司；PAL-1數(shù)字折射儀 日本愛(ài)拓公司；FE20精密pH計(jì) 梅特勒-托利多（上海）儀器有限公司；DFK 23U274CCD攝像頭 德國(guó)Image公司；鏡頭（Pentax Tv Lens 16 mm 1∶1.4） 日本進(jìn)賓得公司；EL650-20半導(dǎo)體二極管激光 南京來(lái)創(chuàng)激光科技有限公司；支架 北京派迪威儀器有限公司。

1.3方法

1.3.1實(shí)驗(yàn)設(shè)計(jì)

圖1　桃果實(shí)的測(cè)定部位Fig.1　Measured parts of peach

每4 d取出28 個(gè)‘霞脆’桃，在果實(shí)縫合線兩側(cè)（圖1）采集激光散射圖像，同時(shí)測(cè)定桃果實(shí)的感官評(píng)分、硬度、可溶性固形物含量和可滴定酸含量，共檢測(cè)了140 個(gè)果實(shí)。得到桃果實(shí)貨架期質(zhì)量參數(shù)的變化并進(jìn)行食用價(jià)值的判別。

1.3.2激光散射圖像獲取

實(shí)驗(yàn)室自制激光散射圖像采集系統(tǒng)由可調(diào)節(jié)焦距的高性能CCD攝像頭和功率為20 mW、波長(zhǎng)為650 nm的半導(dǎo)體二極管激光組成（圖2A）。通過(guò)預(yù)實(shí)驗(yàn)確定拍攝參數(shù)為：攝像頭分辨率1 600×1 200，曝光時(shí)間1/15 s，焦距45 mm，光束的入射角15°，攝像頭與桃果實(shí)的距離約30 cm，激光與桃果實(shí)距離約15 cm。獲取激光散射圖像（圖2B），光斑直徑（6±1） mm。

圖2　激光散射圖像采集裝置圖（A）和桃果實(shí)的激光散射圖像（B）Fig.2　Measurement device of laser backscattering imaging （A） and laser backscattering image of peach （B）

1.3.3激光散射圖像處理

參照楊丹等［14］的圖像處理方法，先將采集到的彩色圖像轉(zhuǎn)換為灰度圖像，然后通過(guò)雙峰法對(duì)灰度圖像進(jìn)行閾值分割，得到散斑圓環(huán)的二值圖像［15］，并計(jì)算散斑圓環(huán)區(qū)域像素面積A、平均灰度值m、灰度標(biāo)準(zhǔn)差σm、平滑度R、三階矩μ3、一致性U和熵e。見(jiàn)公式（1）～（6）：

式（1）～（6）中：zi為亮度隨機(jī)變量；p（zi）是一個(gè)區(qū)域中的灰度直方圖；L為可能灰度級(jí)；標(biāo)準(zhǔn)方差σ為圖像灰度的離散程度。

然后以該二值圖像為模板，提取彩色圖像中散斑圓環(huán)區(qū)域的紅、綠、藍(lán)（R、G、B）3 個(gè)分量的平均值及各標(biāo)準(zhǔn)差σR、σG、σB；并將彩色圖像轉(zhuǎn)換為HSI空間圖像，提取HSI空間圖像中散斑圓環(huán)區(qū)域的色調(diào)（H）、飽和度（S）、亮度（I）3 個(gè)分量的平均值及各標(biāo)準(zhǔn)差σH、σS、σI，見(jiàn)公式［16］（7）～（9）：

求各特征參數(shù)（R、G、B、H、S、I及其標(biāo)準(zhǔn)差和三階矩、像素面積、灰度值、灰度標(biāo)準(zhǔn)差、平滑度、一致性和熵）的平均值作為每個(gè)樣品的特征參數(shù)的值。圖像參數(shù)經(jīng)過(guò)降維處理，與感官評(píng)價(jià)結(jié)果相關(guān)聯(lián)，通過(guò)建模判斷桃果實(shí)是否具有食用價(jià)值。

1.3.4指標(biāo)測(cè)定

1.3.4.1感官評(píng)定

評(píng)價(jià)指標(biāo)及其權(quán)重的確定是有效進(jìn)行品質(zhì)評(píng)價(jià)的基礎(chǔ)，參照桃品質(zhì)評(píng)價(jià)研究進(jìn)展［17-19］，建立了本實(shí)驗(yàn)的桃果實(shí)內(nèi)部品質(zhì)評(píng)價(jià)標(biāo)準(zhǔn)（表1），選擇在校食品安全專業(yè)男、女同學(xué)共8 人組成感官評(píng)價(jià)小組。測(cè)定時(shí)由另外1 人負(fù)責(zé)果實(shí)樣品的切取，取切后按次序展示給評(píng)定小組成員，由感官評(píng)價(jià)小組按表1對(duì)各個(gè)桃果實(shí)的評(píng)定指標(biāo)逐項(xiàng)打分，取總分的平均值進(jìn)行分析。以感官評(píng)分作為食用價(jià)值判別的依據(jù)，7～10 分為有食用價(jià)值，7 分以下為無(wú)食用價(jià)值。

表1　桃果實(shí)內(nèi)部品質(zhì)感官評(píng)價(jià)標(biāo)準(zhǔn)Table1　Criteria for sensory evaluation of peach

1.3.4.2理化指標(biāo)的測(cè)定

使用水果硬度計(jì)測(cè)量桃果實(shí)的硬度。探頭直徑7.9 mm，測(cè)量深度10 mm，每個(gè)果實(shí)縫合線兩側(cè)各測(cè)量1 次，樣品所能承受的最大壓力即為該點(diǎn)硬度，求2點(diǎn)的平均值作為果實(shí)的硬度，單位為N/cm2。

將桃果實(shí)榨汁后測(cè)定其可溶性固形物和可滴定酸度的含量?？扇苄怨绦挝锖坑蓴?shù)字折射儀測(cè)定，單位為°Brix；可滴定酸含量由精密pH計(jì)測(cè)定，電位滴定至pH8.1。每個(gè)樣品測(cè)量3 次，取平均值。

1.4統(tǒng)計(jì)分析

采用Excel軟件處理數(shù)據(jù)后，使用SPSS 20軟件，方差分析利用鄧肯氏多重比較法（Duncan’s multiple range test）在P=0.05的水平下進(jìn)行檢驗(yàn)。利用皮爾森相關(guān)系數(shù)（R）進(jìn)行相關(guān)性分析。使用MATLAB 2010b軟件平臺(tái)中的PLS工具箱，建立桃果實(shí)食用價(jià)值的支持向量基判別模型。任選100 個(gè)樣品的數(shù)據(jù)用于模型構(gòu)建，40 個(gè)樣品的數(shù)據(jù)用于模型驗(yàn)證。通過(guò)模型的準(zhǔn)確率評(píng)價(jià)模型的性能。

2　結(jié)果與分析

2.1‘霞脆’桃果實(shí)內(nèi)部品質(zhì)的變化

2.1.1感官評(píng)分的變化

圖3　貨架期桃果實(shí)感官評(píng)分的變化Fig.3　Changes in sensory score of peaches during shelf life

如圖3、4所示，在貨架期內(nèi)（0～16 d），桃果實(shí)感官評(píng)分整體隨著貨架期的延長(zhǎng)逐漸下降，失去食用價(jià)值桃的比例增長(zhǎng)，然而在貨架期為4、8、12、16 d時(shí)，樣本中既存在有食用價(jià)值的桃，又存在失去食用價(jià)值的桃。這表明桃果實(shí)食用價(jià)值雖然與貨架期有關(guān)，但桃個(gè)體差異大，不能僅以貨架期的天數(shù)判斷桃果實(shí)是否還存在食用價(jià)值，應(yīng)檢測(cè)每個(gè)桃果實(shí)的食用價(jià)值。

圖4　貨架期桃果實(shí)有食用價(jià)值所占百分比的變化Fig.4　Changes in the percentage of peach with food value during shelf life

2.1.2理化指標(biāo)的變化

圖5　貨架期桃果實(shí)硬度的變化Fig.5　Changes in firmness of peach during shelf life

如圖5所示，桃果實(shí)的硬度隨貨架期的延長(zhǎng)而降低，前8 d硬度下降速度緩慢，8 d以后硬度降低速度加快，但硬度始終保持在較高的水平，直到16 d以后仍可以達(dá)到31.43 N/cm2?！即唷覍儆谟蔡移贩N，其硬度隨貨架期變化規(guī)律與Haji等［20-21］的研究吻合，楊勇等［22］的研究說(shuō)明了‘霞脆’桃貯藏過(guò)程中硬度可以維持在較高水平，其機(jī)理是采后乙烯相關(guān)基因的表達(dá)水平極低，在貯藏過(guò)程中乙烯釋放量少。

圖6　貨架期桃果實(shí)可溶性固形物含量的變化Fig.6　Changes in soluble solids content of peach during shelf life

如圖6所示，在0～16 d貨架期內(nèi)，桃果實(shí)可溶性固形物含量呈先上升后下降的趨勢(shì)，在第8天達(dá)到最大值10.98°Brix。這是因?yàn)樘夜麑?shí)在成熟過(guò)程中不溶性多糖轉(zhuǎn)化為可溶性糖的含量高于果實(shí)呼吸作用分解的單糖含量。第8天后可溶性固形物含量降低，是由于進(jìn)入衰老期，沒(méi)有新的單糖分解產(chǎn)生，呼吸作用的消耗使得桃果實(shí)的可溶性固形物含量減少［23］。貨架期較長(zhǎng)的桃甜度下降，口感變差，失去食用價(jià)值。

圖7　貨架期桃果實(shí)可滴定酸含量的變化Fig.7　Changes in acidity of peach during shelf life

如圖7所示，在0～16 d的貨架期內(nèi)，桃果實(shí)可滴定酸含量隨貨架期的延長(zhǎng)而下降，前4 d可滴定酸含量保持不變，第4天后可滴定酸含量下降，到第16天可滴定酸含量下降至0.12%。桃中的有機(jī)酸主要包含蘋(píng)果酸、檸檬酸和奎寧酸，蘋(píng)果酸和檸檬酸含量與果實(shí)酸味具有一定相關(guān)性，可滴定酸含量高，果實(shí)味酸，可滴定酸含量低，果實(shí)味甜，介于兩者之間是酸適度區(qū)［10］。貨架期較短的桃處于酸適度區(qū)，隨貨架期延長(zhǎng)，酸含量過(guò)低可能會(huì)使其品質(zhì)劣變，影響桃的風(fēng)味。

2.1.3感官評(píng)分與理化指標(biāo)相關(guān)性分析

表2　貨架期桃果實(shí)感官評(píng)分與理化指標(biāo)相關(guān)性分析結(jié)果Table2　Pearson’s linear correlation coefficients between sensory score and quality parameters

通過(guò)桃果實(shí)感官評(píng)分與理化指標(biāo)的相關(guān)性分析，結(jié)果見(jiàn)表2，表明各個(gè)指標(biāo)間存在著緊密的聯(lián)系，某一性狀的變化可能促使與之相關(guān)聯(lián)的性狀發(fā)生同方向或反方向的顯著變化。硬度、可滴定酸含量、可溶性固形物含量與感官評(píng)分存在極顯著的正相關(guān)關(guān)系（P＜0.01）。說(shuō)明桃果實(shí)貨架期食用價(jià)值的變化是各個(gè)理化指標(biāo)綜合作用的結(jié)果，而本實(shí)驗(yàn)所建立的感官評(píng)價(jià)方法能夠有效地表征‘霞脆’桃果實(shí)在貨架期食用價(jià)值的變化。

2.2激光圖像參數(shù)

表3　桃果實(shí)圖像參數(shù)方差分析結(jié)果Table3　Analysis of variance of characteristic parameters from laser backscattering image of peach

表3為有食用價(jià)值和無(wú)食用價(jià)值的桃果實(shí)散射圖像參數(shù)方差分析的結(jié)果，可以看出，像素面積A、R、G、B、一致性U和熵e存在顯著或極顯著差異，這種變化可能和桃果實(shí)貨架期品質(zhì)變化有關(guān)。通過(guò)相關(guān)性分析，桃果實(shí)感官評(píng)分與像素面積A、R、G、B、一致性U和熵e呈極顯著正相關(guān)或負(fù)相關(guān)（表4）。表5為在95%的置信區(qū)間，不同等級(jí)‘霞脆’桃的像素面積、R、G、B、一致性U和熵e的分布范圍。由此分析可知：所測(cè)圖像參數(shù)的變化與貨架期‘霞脆’桃果實(shí)食用價(jià)值有較好的關(guān)聯(lián)性。

表4　貨架期桃果實(shí)感官評(píng)分與特征參數(shù)相關(guān)性分析結(jié)果Table4　Pearson’s linear correlation coefficients between sensory score and characteristic parameters

表5　在95%置信區(qū)間特征參數(shù)的分級(jí)Table5　Classification of characteristic parameters at the 95% confidence interval

2.3桃果實(shí)食用價(jià)值判別模型的構(gòu)建與驗(yàn)證

支持向量機(jī)（support vector classification，SVC）在解決小樣本、非線性及高緯度識(shí)別中具有優(yōu)勢(shì)［24-25］。本研究利用SVC，建立桃果實(shí)貨架期有無(wú)食用價(jià)值的判別模型。以像素面積、R、G、B、一致性和熵這6 個(gè)特征參數(shù)集作為模型自變量x輸入，感官評(píng)價(jià)有食用價(jià)值的為1，無(wú)食用價(jià)值的為0，作為模型應(yīng)變量y輸出。100 個(gè)樣本數(shù)據(jù)對(duì)SVC進(jìn)行訓(xùn)練，40 個(gè)樣本數(shù)據(jù)對(duì)SVC進(jìn)行預(yù)測(cè)。獲得的判別模型參數(shù)為：核函數(shù)為徑向基函數(shù)，懲罰系數(shù)為31.62，正則化系數(shù)為0.003 1。結(jié)果見(jiàn)表6，訓(xùn)練識(shí)別率和預(yù)測(cè)識(shí)別率分別為95.0%和92.5%。說(shuō)明該模型在桃果實(shí)貨架期食用價(jià)值的定性判別中具有良好的性能。后續(xù)研究可以把‘霞脆’桃激光散射圖像的特征參數(shù)導(dǎo)入該模型直接判別果實(shí)是否存在食用價(jià)值。

表6　基于SVC的桃果實(shí)貨架期食用價(jià)值判別模型執(zhí)行結(jié)果Table6　Two-class classification of peach during shelf life by using SVC model

3　結(jié) 論

‘霞脆’桃果實(shí)在貨架期間，硬度和可滴定酸含量呈下降趨勢(shì)，可溶性固形物含量呈先上升后下降趨勢(shì)，該變化導(dǎo)致激光產(chǎn)生反射、吸收和折射情況的差異，進(jìn)而導(dǎo)致所得激光散射圖像特征參數(shù)的變化。通過(guò)統(tǒng)計(jì)分析發(fā)現(xiàn)，圖像上提取的像素面積、R、G、B、一致性和熵與貨架期‘霞脆’桃果實(shí)食用價(jià)值有較好的相關(guān)性。

采用像素面積、R、G、B、一致性和熵這6 個(gè)特征參數(shù)集作為SVC的輸入，所建‘霞脆’桃食用價(jià)值判別模型的訓(xùn)練識(shí)別率和預(yù)測(cè)識(shí)別率分別為95.0%和92.5%。

結(jié)果表明，激光散斑技術(shù)可以較為準(zhǔn)確地判別桃果實(shí)有無(wú)食用價(jià)值，該研究為繼續(xù)開(kāi)發(fā)基于激光散斑技術(shù)檢測(cè)桃品質(zhì)的便攜式儀器提供了參考依據(jù)。不同品種、產(chǎn)地的桃差異大，今后還可以建立多品種、多產(chǎn)地的桃品質(zhì)預(yù)測(cè)模型，也可以建立不同水果的品質(zhì)預(yù)測(cè)模型，完善激光散斑水果品質(zhì)檢測(cè)儀器的功能。

［1］ 闞娟， 陸燕飛， 劉俊， 等. 不同溶質(zhì)型桃果實(shí)成熟衰老過(guò)程中線粒體內(nèi)細(xì)胞色素氧化酶的變化［J］. 食品科學(xué)， 2014， 35（20）: 276-280. DOI:10.7506/spkx1002-6630-201420054.

［2］ 陳文烜. 水蜜桃、梨減壓保鮮技術(shù)及機(jī)制研究［D］. 北京: 中國(guó)農(nóng)業(yè)大學(xué)， 2015.

［3］ 張?chǎng)? 中晚熟水蜜桃品種主要生物學(xué)性狀及貯藏性研究［D］. 杭州:浙江大學(xué)， 2011.

［4］ TATSUKI M， NAKAJIMA N， FUJII H， et al. Increased levels of IAA are required for system 2 ethylene synthesis causing fruit softening in peach （Prunus persica L. Batsch）［J］. Journal of Experimental Botany，2013， 64（4）: 1049-1059. DOI:10.1093/jxb/ers381.

［5］ LIU Y， CHEN X， OUYANG A. Nondestructive determination of pear internal quality indices by visible and near-infrared spectrometry［J］. Food Science and Technology， 2008， 41（9）: 1720-1725. DOI:10.1016/ j.lwt.2007.10.017.

［6］ KUMAR S， MCGLONE A， WHITWORTH C， et al. Postharvest performance of apple phenotypes predicted by near-infrared （NIR）spectral analysis［J］. Postharvest Biology and Technology， 2015， 100: 16-22. DOI:10.1016/j.postharvbio.2014.09.021.

［7］ LU R. Multispectral imaging for predicting firmness and soluble solids content of apple fruit［J］. Postharvest Biology and Technology， 2004，31（2）: 147-157. DOI:10.1016/j.postharvbio.2003.08.006.

［8］ LU R， QIN J， PENG Y， et al. Measurement of the optical properties of apples by hyperspectral imaging for assessing fruit quality［J］. IEEE Transactions on Information Theory-TIT， 2006， 67（2）: 568-572. DOI:10.1016/j.postharvbio.2008.03.010.

［9］ QIN J， LU R. Monte Carlo simulation for quantification of light transport features in apples［J］. Computers and Electronics in Agriculture， 2009， 68（1）: 44-51. DOI:10.1016/j.compag.2009.04.002.

［10］ 宋火茂. 桃果實(shí)糖酸含量與風(fēng)味品質(zhì)的關(guān)系［J］. 山西農(nóng)業(yè)科學(xué)，1992（5）: 25-26.

［11］ QING Zhaoshen， JI Baoping， ZUDE M. Predicting soluble solid content and firmness in apple fruit by means of laser light backscattering image analysis［J］. Journal of Food Engineering， 2007，82（1）: 58-67. DOI:10.1016/j.jfoodeng.2007.01.016.

［12］ HASHIM N， PFLANZ M， REGEN C， et al. An approach for monitoring the chilling injury appearance in bananas by means of backscattering imaging［J］. Journal of Food Engineering， 2013， 116（1）: 28-36. DOI:10.1016/j.jfoodeng.2012.11.018.

［13］ LORENTE D， ZUDE M， IDLER C， et al. Laser-light backscattering imaging for early decay detection in citrus fruit using both a statistical and a physical model［J］. Journal of Food Engineering， 2015， 154: 76-85. DOI:10.1016/j.jfoodeng.2015.01.004.

［14］ 楊丹. MATLAB圖像處理實(shí)例詳解［M］. 北京: 清華大學(xué)出版社， 2013.

［15］ QING Z， JI B， ZUDE M. Non-destructive analyses of apple quality parameters by means of laser-induced light backscattering imaging［J］. Postharvest Biology and Technology， 2008， 48（2）: 215-222. DOI:10.1016/j.postharvbio.2007.10.004.

［16］ 趙杰文. 食品、農(nóng)產(chǎn)品檢測(cè)中的數(shù)據(jù)處理和分析方法［M］. 北京: 科學(xué)出版社， 2012.

［17］ 張嬙， 潘磊慶， 屠康. 利用半透射高光譜圖像檢測(cè)‘霞暉5號(hào)’水蜜桃冷害［J］. 食品科學(xué)， 2015， 36（2）: 160-167. DOI:10.7506/spkx1002-6630-201502031.

［18］ 焦藝， 畢金峰， 劉璇， 等. 桃品質(zhì)評(píng)價(jià)研究進(jìn)展［J］. 農(nóng)產(chǎn)品加工: 學(xué)刊（中）， 2014（4）: 55-59； 62. DOI:10.3969/jissn.1671-9646（X）.2014.04.017.

［19］ 張海英， 韓濤， 王有年， 等. 桃果實(shí)品質(zhì)評(píng)價(jià)因子的選擇［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 2006， 22（8）: 235-239. DOI:10.3321/j.issn:1002-6819.2006.08.049.

［20］ HAJI T， YAEGAKI H， YAMAGUCHI M. Inheritance and expression of fruit texture melting， non-melting and stony hard in peach［J］. Scientia Horticulturae， 2005， 105: 241-248. DOI:10.1016/ j.scienta.2005.01.017.

［21］ HAJI T， YAEGAKI H， YAMAGUCHI M. Changes in ethylene production and flesh firmness of melting hard peaches after harvest［J］. Engei Gakkai Zasshi， 2001， 4（70）: 458-459.

［22］ 楊勇， 馬瑞娟， 張斌斌， 等. 不同溶質(zhì)桃果實(shí)的軟化與乙烯合成相關(guān)基因的差異表達(dá)［J］. 園藝學(xué)報(bào)， 2015， 42（10）: 1869-1878. DOI:10.16420/j.issn.0513-353x.2015-0126.

［23］ 王亦佳. 白花鳳凰水蜜桃采后生理、腐爛機(jī)理及其綜合保鮮技術(shù)的研究［D］. 南京: 南京大學(xué)， 2012.

［24］ ZHANG W， PAN L， TU S， et al. Non-destructive internal quality assessment of eggs using a synthesis of hyperspectral imaging and multivariate analysis［J］. Journal of Food Engineering， 2015， 157: 41-48. DOI:10.1016/j.jfoodeng.2015.02.013.

［25］ PAN L， QIANG Z， WEI Z， et al. Detection of cold injury in peaches by hyperspectral reflectance imaging and artificial neural network［J］. Food Chemistry， 2016， 192: 134-141. DOI:10.1016/ j.foodchem.2015.06.106.

An Approach for Monitoring Food Value of Peach during Shelf Life by Laser Backscattering Imaging

XU Miao， SUN Ke， WANG Zhuo， TU Kang*， PAN Leiqing， PENG Jing（College of Food Science and Technology， Nanjing Agricultural University， Nanjing 210095， China）

This study developed a nondestructive test method based on laser backscattering image to monitor the food value of ‘Xiacui’ peach during shelf life. Classification criteria of food value for ‘Xiacui’ peach were established based on sensory score. By detecting the changes in hardness， soluble solids content （SSC） and titratable acid for each peach， this classification method was proved to be credible. Moreover， a semiconductor laser generator with 650 nm wavelength and 20 mW power was used to build laser speckle measurement device. Laser backscattering images were captured and analyzed to extractcolor（R， G， B， H， S， I and each standard deviation） and texture parameters （pixel area， average gray value， standard deviation，smoothness， third-order moments， consistency and entropy）. The changes in pixel area， R， G， B， consistency and entropy were correlated with the food value of ‘Xiacui’ peach. Finally， these six characteristic parameters were chosen as input to develop a support vector classification （SVC） model with overall training and testing classification accuracy of 95.0% and 92.5%， respectively. Our findings suggest that laser backscattering imaging can be useful to non-destructively detect the food value of ‘Xiacui’ peach during shelf life.

laser backscattering imaging； peach； food value； monitoring

10.7506/spkx1002-6630-201618039

TS255.2

A

1002-6630（2016）18-0244-06

徐苗， 孫柯， 王卓， 等. 激光散射圖像檢測(cè)桃果實(shí)貨架期的食用價(jià)值［J］. 食品科學(xué)， 2016， 37（18）: 244-249. DOI:10.7506/ spkx1002-6630-201618039. http://www.spkx.net.cn

XU Miao， SUN Ke， WANG Zhuo， et al. An approach for monitoring food value of peach during shelf life by laser backscattering imaging［J］. Food Science， 2016， 37（18）: 244-249. （in Chinese with English abstract） DOI:10.7506/spkx1002-6630-201618039. http://www.spkx.net.cn

2016-01-13

公益性行業(yè)（農(nóng)業(yè)）科研專項(xiàng)（201303088）；“十二五”國(guó)家科技支撐計(jì)劃項(xiàng)目（2015BAD19B03）；江蘇省優(yōu)勢(shì)學(xué)科建設(shè)項(xiàng)目；國(guó)家自然科學(xué)基金面上項(xiàng)目（31671925；31671926）

徐苗（1990—），女，碩士，研究方向?yàn)檗r(nóng)產(chǎn)品無(wú)損檢測(cè)。E-mail：403244237@qq.com

屠康（1968—），男，教授，博士，研究方向?yàn)檗r(nóng)產(chǎn)品無(wú)損檢測(cè)、農(nóng)產(chǎn)品貯藏與加工。E-mail：kangtu@njau.edu.cn