水果品質無損檢測方法研究進展

王順，黃星奕，呂日琴，潘思慧

(江蘇大學 食品與生物工程學院，江蘇 鎮(zhèn)江，212013)

我國是水果生產大國，自20世紀90年代開始產量居世界首位，其中蘋果、梨、桃、葡萄等果品產量均位居世界第一[1]。水果產業(yè)已成為我國農業(yè)種植業(yè)中繼糧食、蔬菜之后的第三大產業(yè)，是國家戰(zhàn)略——發(fā)展現(xiàn)代農業(yè)的重要組成部分，也是主產區(qū)農村經濟發(fā)展的支柱產業(yè)，以及農民增收致富的主要來源。

2016年我國水果產量達2.71億t，但如此巨大的水果產量，出口總量卻只有440萬t[2]，基本用于國內消費。出現(xiàn)這種局面，主要是由于我國市場上水果優(yōu)質率低。部分水果雖有資源優(yōu)勢，然而整體國際競爭力差，以致造成出口高端市場份額與發(fā)達國家相差很大，面臨著“低價行銷”的困境[3]。提高水果品質檢測技術水平，快速精準鑒別水果品質，有助于增強我國水果的國際競爭力。

無損檢測技術是盡可能在不破壞待測物原有狀態(tài)的前提下，對待測物的品質進行檢測的方法。因其快速、簡便、高效的特點，尤其是非破壞性這個優(yōu)勢，越來越多地被應用于食品農產品品質的檢測研究中。本文著重對在水果品質檢測研究中應用較多的無損檢測方法進行論述。主要有基于基本特性的聲學特性分析法、電學特性分析法；基于計算機視覺、電子鼻等智能感官仿生技術的檢測方法；以及基于光譜特性的近紅外光譜、高光譜成像技術等方法。

1 水果品質無損檢測方法應用現(xiàn)狀

1.1 聲學特性檢測法

在聲波的作用下，物體有著不同的反射、透射和吸收特性。聲波的傳播速度、頻率和受到的阻力等均與物體的屬性有著一定的聯(lián)系[4]。通過這種聯(lián)系可以幫助判斷物體的品質。在購買西瓜之類的水果時，有經驗的購買者通過拍打聽聲的方法來挑選成熟度高的西瓜，這就是利用水果聲學特性進行水果品質無損檢測的一個典型案例。

葛明[5]研究了聲波在西瓜中的傳播頻率與其含糖量的關系。采用小波變換分析提取傳播頻率特性，進而獲得頻率特征與含糖量的關聯(lián),由含糖量反演西瓜成熟程度。結果表明了西瓜含糖量與聲波頻率為二階函數關系，確定相關系數R2為0.905 7。含糖量在12%以上為已成熟西瓜，10%～12%為成熟度中等的西瓜，10%以下的為未熟西瓜。根據含糖量可判斷西瓜的成熟程度，從而實現(xiàn)了對西瓜成熟度的無損檢測。張帥等[6]通過測定香瓜受到敲擊后所發(fā)出的聲波對香瓜品質(硬度、質量和厚度等)進行檢測。對聲頻信號數據處理，建立打擊音波功率譜峰值與香瓜硬度、質量和厚度的關系，結果表明香瓜的聲學特性與香瓜的質量和厚度無顯著關系，與硬度有著較好的相關性。硬度與音波功率譜峰值的相關系數R2為0.937 7。對3種成熟度的香瓜的敲擊聲波頻率測定，發(fā)現(xiàn)適熟香瓜基頻為246～287 Hz，熟香瓜為242～265 Hz，過熟香瓜為234～244 Hz。

近年來，基于超聲波技術的分析方法得到了極大的發(fā)展。MORRISON等[7]分析柑橘表面超聲波反射情況，經過處理計算得到特征信息，建立與柑橘密度的關系，研究表明反射信息與密度有著很高的相關性，R2=0.858，較為準確地預測了儲藏9 d的柑橘的硬度，提供了一種檢測柑橘成熟度的無損檢測方法。SRIVASTAVA等[8]開發(fā)了一種非接觸式的超聲波系統(tǒng)用于測量番茄硬度，實驗測得超聲信號衰減量與番茄硬度存在一種非線性關系，因番茄硬度與其成熟度呈正相關關系，因此得以建立超聲信號與成熟度的相關關系。開發(fā)的系統(tǒng)能夠識別成熟、未成熟和腐敗的番茄，與商業(yè)阿爾法MOS系統(tǒng)檢測結果匹配度高達90%。該方法可推廣應用到其他類型水果的成熟度檢測。

聲學特性無損檢測技術適應氣體、液體、固體等多種介質環(huán)境，適應性強，適合在線檢測，應用前景良好。但值得注意的是通過敲擊水果發(fā)聲操作難度大，若力度掌握不當，容易損傷水果。

1.2 電學特性檢測法

電學特性法是利用水果自身在電場中電特性參數的變化來反應水果的品質，是對水果綜合品質的評價。

孔繁榮等[9]探究了發(fā)育后期蘋果的介電特性與其內部品質的關系，相對介電常數和介質損耗因子在特定的頻率范圍內與可溶性固形物、硬度和pH存在較好的線性關系，實驗發(fā)現(xiàn)相對介電常數和介質損耗因子隨著果實的成熟不斷減小。相對介電常數與可溶性固形物相關系數大于0.93，與硬度相關系數大于0.79，與pH相關系數大于0.88。介質損耗因子與可溶性固形物相關系數大于0.89，與硬度相關系數大于0.73，與pH相關系數在0.98左右。研究表明介電參數值可以預測蘋果內部品質。SOLTANI[10]研究了在香蕉成熟過程中介電常數的變化，開發(fā)了一種等效電容裝置測量香蕉果實介電常數。在正弦波頻率為100 kHz時，成熟度預測效果最好，成熟度預測相關系數R2為0.94。郭文川[11]利用果品的介電特性預測其內部品質，測量貯藏期間油桃的相對介電常數和介電耗損因子，糖度作為品質指標，建立了油桃糖度的偏最小二乘、支持向量機及極限學習機預測模型。實驗結果表明極限學習機的預測效果最好，基于介電特性的油桃糖度無損檢測方法是可行的。李子文等[12]測量了不同成熟度的靈武長棗的電學參數，篩選出了與長棗成熟度密切相關的參數：復阻抗、串聯(lián)等效電容、電抗、串聯(lián)等效電感和相對介電常數等。實驗結果表明在不同電場激勵下能夠區(qū)分六到十成熟的靈武長棗。MARIA等[13]探究了柑橘果實組織的介電性能，研究發(fā)現(xiàn)柑橘基質水分與介電常數γ-松弛呈線性關系，R2為0.948。表明了在γ-松弛下介電常數是預測柑橘果實水分含量的有效工具。

研究表明，電學特性在果品成熟程度的無損檢測中的應用是可行的。利用電特性對水果進行無損檢測的研究為數不少，但仍未見大范圍的實際應用。

1.3 智能感官仿生技術

智能感官仿生技術是利用現(xiàn)代信息技術和傳感技術模仿人或動物的視覺、聽覺、味覺和嗅覺等感覺行為，自動獲取反映被檢測對象品質特性的信息，并模擬人對信息的理解和判別對所獲取的信息進行處理的技術[14]。在水果品質檢測領域常見的主要有機器視覺技術、電子鼻技術和嗅覺可視化技術等。

1.3.1 機器視覺技術

趙杰文等[15]利用計算機視覺技術識別棗干制過程中出現(xiàn)的缺陷棗。在HSI顏色模型下提取H的均值和均方差作為顏色特征值，利用支持向量機識別缺陷棗。識別準確率高達96.2%。蔣益女等[16]構建了一個基于機器視覺的蘋果質量自動識別系統(tǒng)。通過圖像處理得到目標區(qū)域，提取特征信息，經過篩選后采用模糊最近鄰函數分析建立判別模型，4種等級(拒絕、重傷、輕傷、正常)平均識別率為83%。SOFU等[17]構建了一套基于機器視覺技術的蘋果品質自動分選系統(tǒng)，對結痂，有污漬和腐爛三類蘋果進行在線檢測。該系統(tǒng)分類速度為每秒15個蘋果，分類準確率為73%～96%。CRDENAS等[18]利用機器視覺系統(tǒng)對蘋果按照成熟階段分類。使用CIELab顏色空間、色度C和色調角h將3個成熟度階段(未成熟、成熟和腐敗)與顏色變化進行比較，使用4個顏色參數(a*，b*，C和h*)成熟階段區(qū)分可達100%準確率。葉晉濤等[19]基于圖像特征對新疆哈密瓜分級，通過主成分分析提取8個特征(R均值、G均值、B均值、RG求和值、RG求差值、H均值、S均值和V均值)建立支持向量機判別模型。在圖像信息主成分因子數為4時，模型訓練集和預測集識別率分別為100%和97.22%。

1.3.2 電子鼻技術

徐賽等[20]提出了一種基于電子鼻技術的果園荔枝成熟階段檢測方法，用電子鼻采集樣品數據，用載荷分析優(yōu)化傳感器陣列，線性判別分析提取特征信息，建立與果實可溶性固形物的預測模型，k最近鄰函數分析和概率神經網絡預測模型效果較好，訓練集判別正確率均為100%，對測試集的識別率均為96.67%。證明采用電子鼻進行果園荔枝成熟度監(jiān)測是可行性的。SANAEIFAR等[21]利用電子鼻技術預測香蕉品質指標(可溶性固形物、可滴定酸、pH值和硬度)，電子鼻響應值與品質指標建立偏最小二乘回歸、多元線性回歸和支持向量機回歸模型。結果顯示支持向量機回歸模型對于硬度和可溶性固形物的預測效果最好，相關系數分別為0.885 2和0.960 8。

計算機技術的快速發(fā)展加快了機器視覺技術的不斷進步，機器視覺技術具有快速、準確、無損，能完成多項品質指標檢測，特別滿足現(xiàn)代機械自動化流水線生產的要求。在水果外部顏色特征、形狀大小和內部品質如成熟度、色素含量等的檢測上有著廣泛的應用前景。電子鼻技術在果品成熟度檢測，貨架期預測，品種分類及危害分析中都有應用。由于其傳感器的特性及氣體采集方式的限制，電子鼻在商業(yè)上應用規(guī)模較小。隨著傳感器技術的發(fā)展，電子鼻有著更廣闊的未來，在水果檢測中也將發(fā)揮重要的作用。

1.4 光譜特性分析法

由于水果的內部成分和外部特性不同，在不同波長光線照射下會有不同的吸收、反射或者透射特性，即水果的光譜反射率或吸收率在某一段或者幾段特定波長內出現(xiàn)峰值[22]，根據特征峰值與水果的質量指標建立關系，進而對果品質量檢測。可見光譜法和近紅外光譜分析法是常見的光譜檢測方法。

OLAREWAJU等[23]利用近紅外光譜法分析檢測鱷梨的成熟度，通過偏最小二乘回歸模型預測鱷梨果肉含油率、干物質和水分含量。其中干物質和水分含量預測準確率高，相對誤差分別為2.00和2.13。對比2013年和2014年兩年份鱷梨的預測結果表明干物質和水分含量預測模型的魯棒性好。研究結果顯示反射模式下的近紅外系統(tǒng)對鱷梨成熟指標參數(干物質和水分含量)快速無損檢測是十分可靠的。RUNGPICHAYAPICHET等[24]通過對芒果顏色分析和近紅外光譜分析檢測β胡蘿卜素，建立多元線性回歸模型。表明2種方法都有較好的預測能力，但果肉顏色分析會破壞樣品，而近紅外光譜法不損壞完整的芒果樣品，預測準確率高(相關系數R2>0.800)，近紅外光譜對食品質量控制是可行的。郎雷[25]開發(fā)了小型水果糖度檢測儀，建立糖度預測模型，以蘋果作為檢測對象進行實時糖度預測，預測精度達到94.3%。翟建龍[26]設計了基于Android平板的便攜式水果品質檢測裝置。以臍橙為研究對象，采用近紅外漫反射技術檢測糖度、pH值和皮厚。建立臍橙糖度和pH值的偏最小二乘回歸模型，其模型相關系數分別為0.825和0.745。利用化學計量學方法建立臍橙皮厚的偏最小二乘回歸模型，模型相關系數為0.864。

在光學特性中，近紅外光譜法應用最為廣泛，發(fā)展最為迅速，出現(xiàn)在水果品質檢測的方方面面，如水果的堅實度[27]、糖分含量[28]、酸度[29]、可溶性固形物含量[30]、VC含量[31]和農藥殘留[32]等。近紅外光譜分析技術具有適應力強，對人體無害，操作簡單等優(yōu)點。但研究型的臺式近紅外光譜設備造價昂貴，移動性差，數據處理復雜，更多的便攜式近紅外光譜儀正在研究應用[33]，需要不斷完善其硬件和軟件系統(tǒng)。

1.5 高光譜成像技術

高光譜圖像是一系列光波在不同波長處的光學圖像，既包含光譜信息，又包含圖像信息。能全面反映水果的物理結構、化學信息、外在特征和表面情況。在水果表面缺陷污染、成熟度和化學成分等方向應用廣泛。

趙凡[34]利用高光譜圖像技術檢測獼猴桃品質，研究表明光譜提取面積越大，其模型的預測能力越好。建立了糖度、硬度和含水率的最小二乘支持向量機預測模型。其糖度預測模型相關系數0.886 3，均方根誤差0.886 7；硬度預測模型相關系數0.940 3，均方根誤差0.778 0；含水率預測模型相關系數0.805 5，均方根誤差0.005 5。高光譜對于水果內部檢測具有很好的優(yōu)勢。RAJKUMAR等[35]利用高光譜圖像技術檢測在20、25、30 ℃條件下香蕉的質量和成熟度。使用偏最小二乘法處理光譜數據，預測殘差平方和確定最佳波長，建立與可溶性固形物、水分和硬度多元線性回歸模型，相關系數分別為0.85、0.87和0.91?？扇苄怨绦挝锖陀捕茸兓c香蕉成熟時溫度呈多項式關系，水分含量與不同成熟階段呈線性關系。PAN等[36]采用高光譜圖像系統(tǒng)檢測冷庫中凍傷桃子。通過人工神經網絡模型篩選了8個特征波長，凍傷和正常桃子在果實品質參數有著極大的差異。特征波長作為神經網絡模型輸入，凍傷桃子分類正確率為95.8%。研究結果表明高光譜圖像技術檢測果品凍傷是可行的。

高光譜圖像技術具有圖像和光譜的2種特性，能夠無損檢測水果內外部品質。但因其數據龐大，存儲、傳輸和處理都十分麻煩，不利于在線實時檢測，研究新的數據建模方法有利于提高檢測效率。高光譜圖像技術還有較多問題值得深入研究，隨著科技的進步以及信息時代的來臨，此技術必將越來越成熟，應用也會越來越廣泛。

1.6 其他無損檢測技術

除了上述的幾種無損檢測技術外，在水果檢測中涉及到的其他無損檢測技術還有嗅覺可視化技術、X射線成像技術、激光技術、葉綠素熒光法、紅外熱成像技術和核磁共振技術等等。

(1)嗅覺可視化技術是利用可視化傳感器與待測氣體反應前后顏色的變化對待測氣體進行分析的技術。嗅覺可視化技術報道較多的有在肉制品、水產品、酒、醋等發(fā)酵品品質中的檢測研究。在水果品質檢測中的應用目前僅見到1篇[37]，開發(fā)針對水果氣味敏感的嗅覺可視化材料是嗅覺可視化技術的發(fā)展方向之一。

(2)X射線成像技術是利用X射線穿透能力對物體內部透射成像。由于X射線具有很強的穿透能力，X射線圖像能更直觀地反映產品結構缺陷、結構變化等內部品質，因此在農產品內部品質檢測方面受到越來越多的重視。在水果品質檢測中，需要低強度的X射線，稱為軟X射線。多用于水果內部蟲害檢測[38-39]。

(3)激光技術是利用由受激發(fā)射的光放大產生輻射產生的激光完成產品質量檢測。具有無需樣品前處理，靈敏度高，分析快速等優(yōu)點，水果農藥殘留檢測[40]、水果的硬度檢測[41]、水果褐變檢測[42]等上有所應用。

(4)葉綠素熒光法是根據水果葉綠素熒光強度的變化反映水果品質。葉綠素熒光能夠靈敏地反映水果組織在脅迫條件下的生理代謝情況。因此，葉綠素熒光技術能檢測水果貯藏過程中低溫傷害損傷程度[43]。葉綠素熒光技術容易受到溫度等外界條件影響，將其商業(yè)應用仍需要進一步的研究。

(5)紅外熱成像技術是將物體自身各部分紅外熱輻射的差異轉換為可見圖像的技術[44]。水果在生長、成熟過程中代謝強度不同會產生溫差，在受到傷害時其部位也會出現(xiàn)溫差，進而發(fā)射紅外輻射，這些輻射帶有物體特征信息。利用紅外熱成像技術可以非接觸式地探測水果表面的紅外輻射特性，可以實現(xiàn)水果缺陷[45]、成熟度[46]的無損檢測。但紅外熱成像技術容易受到氣候的影響，成像精度不高。在研究水果生理特性與病蟲害檢測等上有很強的研究潛能和價值，在水果檢測上還處于研究階段，在實際生產中有巨大的應用價值。

(6)核磁共振技術是一種能夠提供有關組織中氫質子數量信息的無損檢測技術，操作簡便且靈敏度高[47-48]。核磁共振技術在水果內部品質、成熟度和內部缺陷等上有著一定的應用[49]。商業(yè)核磁共振儀價格昂貴是限制在水果領域應用的重要因素，隨著核磁共振技術的發(fā)展及核磁共振儀的開發(fā)，核磁共振技術在未來的水果研究方向會有更廣的應用前景。

2 展望

利用聲學特性對果品品質進行的無損檢測和分級技術具有適應性強、檢測靈敏度高、對人體無害、成本低廉、可在各種環(huán)境中工作和易實現(xiàn)自動化等優(yōu)點。已經完成的研究工作均是研究農產品聲學特性中的某一特性與農產品某一品質指標的關系，而對多種聲學特性對果品內部品質指標的綜合影響的研究還未見有報道。對這方面進行深入研究將大大有利于檢測精度的提高。此外，開發(fā)便攜的，非接觸式的水果品質檢測聲學特性系統(tǒng)也是未來發(fā)展趨勢。

利用介電特性對農產品品質進行快速無損檢測的研究可以追溯到20世紀60年代，但經歷了這么長時間的發(fā)展，大多數研究僅僅證明了基于介電特性的水果品質無損檢測系統(tǒng)在技術上和原理上都是可行的，仍然沒有達到真正實用階段，其分選精度和分選效率受到很大的限制。表明目前的研究還不夠深入，今后的研究可以從兩個方面入手：(1)加強對水果介電特性的機理研究，搞清楚水果采后生理變化對其介電特性的影響機理；(2)加強對檢測裝備的研發(fā)。市售的裝備無法滿足新思路的迅速實施和新技術的快速研發(fā)要求，建立一個性能更加良好的介電特性測量裝置將有效推進電特性檢測方法的實用化進程。

智能感官仿生技術發(fā)展迅速，在環(huán)境、食品、農業(yè)和制造業(yè)等上都有廣泛的應用，隨著人工智能的發(fā)展，未來的前景也十分巨大。機器視覺技術在水果品質檢測的應用最為廣泛，已經在自動化流水線生產上發(fā)揮作用，相關的處理算法正不斷成熟，模型越來越完善。機器視覺系統(tǒng)也越來越貼近各種水果品質檢測的實際需求。今后在水果產業(yè)初始端如產地初加工和儲藏階段加大機器視覺檢測技術的應用程度，研制適合該階段的機器視覺系統(tǒng)和算法，將有利于從源頭上減少果品的損耗，保障后期的質量。傳感器材料是電子鼻技術的最重要部分，對傳感器材料的研究是關鍵，開發(fā)穩(wěn)定，靈敏的電子鼻系統(tǒng)是其現(xiàn)代化生產應用的必經之路。

在利用光學特性對果品品質檢測上，近紅外光譜法是分析化學領域發(fā)展迅速的高新分析技術，具有快速、無損和可實現(xiàn)多組分同時測定的特點。未來的近紅外光譜設備將朝著小型輕便化發(fā)展，操作平臺更加趨近于手機、平板等移動端。

高光譜圖像技術集圖像信息與光譜信息于一身，光譜信息反映樣品內部結構的差異，圖像信息反映樣品的形狀、缺陷等外部品質特征，在水果品質檢測方面具有獨特的優(yōu)勢。高光譜圖像系統(tǒng)采集的數據精度高，適合實驗階段。數據量過大，處理時間長，不適合在線檢測。未來可根據具體的檢測對象要求，尋找最佳的檢測波長等參數，減少數據量，設計對應的光譜圖像系統(tǒng)。在不降低精度的前提下，降低成本和節(jié)約時間。

隨著科學技術的發(fā)展，無損檢測方法越來越成熟，以數字化、圖像化和信息化為代表的無損檢測方法是未來檢測方法發(fā)展的必然趨勢。