無損檢測技術(shù)在水果品質(zhì)評價中應(yīng)用的研究進展

竇文卿,柴春祥,魯曉翔

(天津商業(yè)大學(xué)生物技術(shù)與食品科學(xué)學(xué)院,天津 300134)

我國是水果產(chǎn)量大國,國內(nèi)外都有很大的市場需求。隨著生活水平的提高,消費者對水果品質(zhì)的要求也愈來愈高。水果品質(zhì)評價能力的提高不僅有利于我國水果產(chǎn)業(yè)的發(fā)展,而且有利于增強我國在水果出口方面的競爭力。水果的品質(zhì)包括外部品質(zhì)和內(nèi)部品質(zhì)[1]。外部品質(zhì)包括水果的大小、形狀、顏色、光澤、表面損傷等,內(nèi)部品質(zhì)包括糖度、酸度、可溶性固形物、內(nèi)部缺陷等。近年來,為克服實驗室檢測操作繁瑣以及感官評價主觀性強、耗時費力的缺點,無損檢測技術(shù)成為了研究熱點。水果無損檢測是指在不損害水果物理狀態(tài)、內(nèi)部組織的前提下,利用光、聲、電、磁等手段檢測水果的化學(xué)成分和物理特性[1]。

由于計算機技術(shù)、材料科學(xué)、現(xiàn)代物理學(xué)的快速發(fā)展,無損檢測技術(shù)也在飛速前進。國內(nèi)外對水果品質(zhì)的無損檢測均有相當(dāng)?shù)难芯?。電子鼻在檢測時不只得到某幾種物質(zhì)定性定量的結(jié)果,而是獲得樣品中揮發(fā)性氣味的整體信息[2],可以判別水果的新鮮度、成熟度,進行質(zhì)量分級。計算機視覺技術(shù)兼具人眼、人腦功能,可以同時檢測水果的大小、形狀、顏色及表面缺陷等多種指標(biāo),對于水果自動分級系統(tǒng)的研發(fā)具有重要作用。近紅外光譜技術(shù)是水果品質(zhì)無損檢測的有效手段,可以同時測定水果的糖度、酸度、可溶性固形物以及損傷病害,快速準(zhǔn)確;還可以進行水果自動分級,避免了人為誤差,可以保證產(chǎn)品品質(zhì)的一致性。核磁共振技術(shù)可以測定水果的糖度、水分、褐變、損傷?；陔妼W(xué)特性的無損檢測技術(shù)可以測定水果的病害、腐爛度及成熟度,基于聲學(xué)特性的無損檢測技術(shù)則大多用于檢測水果的硬度和成熟度。因此,無損檢測技術(shù)可以較為全面地評價水果品質(zhì),且具有高效、快速、準(zhǔn)確性好的特點。

目前,水果品質(zhì)評價具有客觀性不強、耗時費力及成本高等問題。為了解決該問題,從事水果品質(zhì)評價的科研工作者關(guān)注了無損檢測技術(shù),開展了該技術(shù)在水果品質(zhì)評價中的應(yīng)用研究。為了更清晰的理解無損檢測技術(shù)在水果品質(zhì)評價中的應(yīng)用特點,本文綜述了無損檢測技術(shù)在水果品質(zhì)評價中的研究及應(yīng)用,分析了各技術(shù)的優(yōu)缺點。本文可為無損檢測技術(shù)在水果品質(zhì)評價中的應(yīng)用提供參考。

1 電子鼻

20世紀(jì)90年代,Bartlett首次提出電子鼻一詞,并定義為:“是一類由具有部分選擇性的化學(xué)傳感器陣列與相關(guān)的模式識別系統(tǒng)組成的,通過傳感器的部分專一性和系統(tǒng)的模式識別功能,用來檢測簡單或復(fù)雜氣味的電子儀器設(shè)備”[3]。經(jīng)過幾十年的發(fā)展,電子鼻技術(shù)在不斷的完善進步。應(yīng)用范圍十分廣泛,其不僅可以用于環(huán)境監(jiān)測、農(nóng)產(chǎn)品及食品的檢測[4],還可以應(yīng)用在安檢、易燃易爆品和有毒氣體等方面的檢測[5]。電子鼻模擬生物嗅覺,其系統(tǒng)主要由氣敏傳感器陣列、信號預(yù)處理單元和模式識別單元三部分組成[6]。

1.1 水果品質(zhì)評價中的應(yīng)用

1.1.1 內(nèi)部品質(zhì)測定 利用電子鼻可以測定水果的可溶性固形物、酸度、成熟度及腐爛度等[7-10]。Sanaeifar等[7]檢測了不同儲存期下香蕉的總可溶性固形物(TSS)、可滴定酸度(TA)和硬度,運用偏最小二乘法(Partial Least Squares,PLS)、多元線性回歸(Multiple Linear Regression,MLR)和支持向量回歸(Support Vector Regression,SVR)對三種品質(zhì)指標(biāo)分別建模。結(jié)果表明,使用SVR建模的檢測結(jié)果要優(yōu)于其他方法,且電子鼻對TSS和硬度表現(xiàn)出了良好的預(yù)測性能,但TA模型的預(yù)測性能稍差。類似的,Zhang等[8]運用MLR、PLS和主成分回歸(Principal Component Regression,PCR)對“雪晴”梨的酸度、硬度和SSC建模,結(jié)果也是硬度和SSC模型的預(yù)測性能優(yōu)于酸度模型,且使用MLR建模的效果更好。李敏等[9]則利用PLS和BP神經(jīng)網(wǎng)絡(luò)建立了芒果的可溶性固形物(SSC)和可滴定酸的預(yù)測模型,與上述兩個研究相同,SSC模型預(yù)測性能要略高于TA模型,使用PLS建模的效果稍差。在水果的腐爛度檢測中,Liu等[10]采用電子鼻與高光譜信息融合的方法,對草莓在儲存過程中的真菌污染情況進行評估,所建模型對菌落總數(shù)的預(yù)測能力較好。浦宏杰等[11]采用zNoseTM電子鼻測定芒果的揮發(fā)性成分,經(jīng)數(shù)據(jù)分析后,建立成熟度的分段指數(shù)模型和新鮮度的高斯模型來判斷其成熟度和腐爛度。

1.1.2 貨架期預(yù)測 貨架期是判定水果品質(zhì)的重要指標(biāo)。傅均等[12]將自己設(shè)計的便攜式智能電子鼻系統(tǒng)用于葡萄貨架期的評價研究,采集了6個巨峰葡萄平行樣品組10 d的貨架期數(shù)據(jù),運用主成分分析法(Principal Component Analysis,PCA)和多重判別分析法(Multiple Discriminant Analysis,MDA)分析識別葡萄貨架期,再用留一法進行了驗證,平均識別率分別為83.3%和80.6%,驗證了電子鼻評價葡萄貨架期的有效性。張鵬等[13]則通過雷達圖和負荷加載(Loadings)分析研究主要傳感器對蘋果揮發(fā)物質(zhì)響應(yīng)值的變化,利用PCA和線性判別分析法(Linear Discrimination Analysis,LDA)進行數(shù)據(jù)分析,結(jié)果表明,PCA、LDA均可準(zhǔn)確辨別常溫下不同貨架期的蘋果,并且LDA方法更加準(zhǔn)確。

1.2 優(yōu)缺點

水果品質(zhì)變化,其氣味改變。電子鼻通過檢測水果氣味信號評價其品質(zhì),具有處理方便,成本低,快速高效的優(yōu)點,可以用于水果品種鑒別、新鮮度和腐爛度的判別及貨架期預(yù)測等方面的研究。但電子鼻易受環(huán)境影響,并且受到氣敏傳感器靈敏度、制造工藝等方面的限制,其檢測結(jié)果與期望值有一定差距[14],電子鼻技術(shù)在水果品質(zhì)評價中的應(yīng)用還需進一步研究。

2 計算機視覺技術(shù)

2.1 概述

計算機視覺技術(shù)是隨著計算機技術(shù)的快速發(fā)展而延伸出來的一個新的計算機應(yīng)用領(lǐng)域,是一門包含圖像處理及分析,模式識別和人工智能等方面的交叉性學(xué)科[15]。計算機視覺技術(shù)是通過CCD相機采集水果的圖像信息,再利用圖像處理技術(shù)進行特征提取,然后運用各種算法及分析方法獲得水果的大小、形狀、外部損傷等品質(zhì)信息,進而對水果的品質(zhì)進行評價分級。計算機視覺技術(shù)通常由CCD攝像機、圖像處理軟件、裝有圖像采集卡的計算機、光照系統(tǒng)組成[16],可以同時檢測多項品質(zhì)指標(biāo),具有快速、準(zhǔn)確、高效、無損的特點。

2.2 水果品質(zhì)評價中的應(yīng)用

2.2.1 缺陷及病害檢測 處理圖像是計算機視覺技術(shù)中的關(guān)鍵一步。徐瑩瑩[17]在甜瓜品質(zhì)檢測研究中運用灰度轉(zhuǎn)換、快速中值濾波、高斯濾波去噪、全局閾值背景分割、腐蝕膨脹運算進行圖像預(yù)處理;采用角點提取判斷瓜蒂區(qū),擦除瓜蒂提高精確度;然后通過Otsu算法分割不同區(qū)域,再以灰度紋理與顏色作為綜合特征,建立支持向量機(Support Vector Machine,SVM)進行模式識別,對甜瓜缺陷的識別準(zhǔn)確率達到92.2%。Dubey等[18]在對蘋果病害的檢測分類中通過灰度轉(zhuǎn)換、中值濾波、邊緣檢測、形態(tài)學(xué)操作進行圖像分割;采用鏈碼直方圖和像素密度對病害區(qū)域進行病害特征提取;最后采用徑向基核的SVM進行病害分類,準(zhǔn)確率為98%。

2.2.2 品質(zhì)分級與品種分類 計算機視覺技術(shù)可以通過檢測水果的大小、形狀、紋理等特征評估水果品質(zhì)或進行品種分類[19-20]。在水果品質(zhì)分級的研究中,雖然對圖像的處理較為繁瑣,但結(jié)果準(zhǔn)確度較高。朱佳明[19]利用SONY DSC-W830相機采集山竹的正面圖、左側(cè)圖及右側(cè)圖,使用彩色空間變化、平滑處理、ROI區(qū)域提取對山竹圖像進行預(yù)處理;利用Otus閾值分割法獲取完整的山竹圖像輪廓,采用果實區(qū)域擬合圓法、灰度共生矩陣、HSI彩色空間的H通道等方法對山竹的大小、紋理及顏色進行特征提取;進而采用BP神經(jīng)網(wǎng)絡(luò)對山竹進行智能分級,分級正確率在91%以上。伍光緒[20]在對血橙的無損檢測及分級技術(shù)研究中,使用領(lǐng)域平均法、中值法、拉普拉斯算子、梯度法和約束最小二乘濾波對圖像進行預(yù)處理;將預(yù)處理后的圖像進行二值化、Soble算子及大津法處理,得到血橙的大小、周長和成熟度;最后建立血橙分級隸屬函數(shù)將血橙分為四個等級,以人工檢測結(jié)果為標(biāo)準(zhǔn),準(zhǔn)確率為90%。

計算機視覺技術(shù)對不同品種及不同類別的水果均有很好的識別能力[21-22]。Cavallo等[21]開發(fā)了一個簡化的計算機視覺系統(tǒng),將其用于兩個葡萄品種(意大利品種和維多利亞品種)的分類。對意大利品種和維多利亞品種來說,系統(tǒng)的分類精度分別為100%和92%。Peng等[22]以蘋果、香蕉、柑橘、梨、楊桃和火龍果為研究對象,采用機器視覺技術(shù)對這6種水果進行分類。實驗運用高斯濾波、直方圖均衡化、Otsu分割算法、Canny邊緣檢測算子等方法處理圖像,利用SVM分類器對提取的特征向量進行分類識別。結(jié)果表明,對6種水果的識別能力較好,但由于香蕉的樣本量較少,該方法對香蕉的識別率最低。

2.3 優(yōu)缺點

計算機視覺技術(shù)可以根據(jù)水果顏色、紋理、缺陷等特征信息,高效快速地對水果品質(zhì)進行評價分級,可以大量節(jié)省人力物力。但計算機視覺技術(shù)對于明顯的外部損傷檢測結(jié)果更好,對于水果內(nèi)部損傷或輕微的外部損傷的檢測能力較差。

3 近紅外光譜技術(shù)

3.1 概述

近紅外光譜是人類最早認識的非可見光譜區(qū),介于可見光和中紅外光之間,波長范圍為780～2526 nm。近紅外光譜技術(shù)是一種利用物質(zhì)對光的吸收、反射和散射等特性來確定其成分含量的一種無損檢測技術(shù),具有快速、非破壞性、高效的特點。該技術(shù)可應(yīng)用于水果內(nèi)部品質(zhì)(糖度、酸度、可溶性固形物等)的檢測,并且可以同時檢測多種成分[23]。

3.2 水果品質(zhì)評價中的應(yīng)用

3.2.1 內(nèi)部品質(zhì)測定 近紅外光譜技術(shù)可以用于水果可溶性固形物、可滴定酸度、總糖、硬度等方面的測定[24-27]。國外對于近紅外光譜技術(shù)的研究起步較早,研究得較多。Nturambirwe等[24]對蘋果總可溶固形物(TSS)、可滴定酸度(TA)、TSS/TA建模,運用遺傳算法優(yōu)化PLS模型,模型的預(yù)測值與實際測得的值接近。Maniwara等[25]檢測了百香果的TSS、TA及果肉含量(PC),采用偏最小二乘法對光譜數(shù)據(jù)進行分析,對TSS、TA和PC分別建立預(yù)測模型,預(yù)測結(jié)果與參考值有很好的相關(guān)性。Oliveira-Folador等[26]也對百香果的SSC、TA、葡萄糖、果糖、VC進行了分析,但是由于VC的含量較低,未能很好的預(yù)測其含量。Nordey等[27]對芒果的固定部位進行了紅外光譜檢測,建立的可溶性固形物、干物質(zhì)、酸度的PLSR模型均有很好的預(yù)測能力。

國內(nèi)雖起步較晚,但近年來也進行了大量研究。Wang等[28]對歐洲梨的SSC和硬度進行檢驗,通過標(biāo)準(zhǔn)化、二階導(dǎo)數(shù)和S-G平滑進行光譜預(yù)處理,用PLS和MLR建立預(yù)測模型,兩種模型都顯示出了對SSC和硬度的良好預(yù)測能力。Chen等[29]使用近紅外光譜測定了草莓中可溶性固形物含量,為提高模型精度,使用了網(wǎng)格搜索技術(shù),實驗建立的間隔偏最小二乘法模型和移動窗口偏最小二乘模型的相關(guān)系數(shù)均在0.93以上,驗證均方根誤差均在0.3左右,模型的預(yù)測能力良好。蔡雪珍[30]則分析了葡萄的總酚、總糖、果糖、蔗糖和可溶性固形物。不同于上述研究,Tian等[31]利用基于蘋果大小的光譜校正技術(shù)對蘋果內(nèi)部霉變進行了研究,實驗驗證了蘋果肉的消光率隨厚度呈對數(shù)線性變化,因此根據(jù)蘋果光譜得出了蘋果內(nèi)部消光系數(shù)方程;用消光系數(shù)對透射光譜進行修正,建立了基于修正光譜和原始光譜的反向傳播人工神經(jīng)網(wǎng)絡(luò)和支持向量機模型,結(jié)果表明,修正后的光譜模型精度較高,對訓(xùn)練集的準(zhǔn)確率達98.04%、測試集的準(zhǔn)確率為90.20%。

3.2.2 水果分選 近紅外光譜技術(shù)檢測速度快、可同時檢測多種指標(biāo),將其用于水果在線分選可以保證水果品質(zhì),提高效率。劉燕德等[32]利用梨的近紅外漫反射光譜建立可溶性固形物的預(yù)測模型,實現(xiàn)了梨的在線檢測,分選準(zhǔn)確性為94.4%。龔志遠等[33]利用近紅外技術(shù)研發(fā)了一種水果糖酸度在線分選系統(tǒng),可以通過改變輸入模型檢測水果的糖度、酸度及VC含量,但是由于系統(tǒng)限制,檢測精度不夠高。檢測精度直接影響分選結(jié)果,提高檢測精度是研究的關(guān)鍵。

3.3 優(yōu)缺點

近紅外光譜技術(shù)具有快速、非破壞性、高效的特點,在水果品質(zhì)檢測方面的應(yīng)用得到了快速發(fā)展。近紅外光譜技術(shù)在水果品質(zhì)評價的研究大部分集中在水果可溶性固形物、糖度、總酚含量、VC含量等指標(biāo)的檢測,而在水果分級、分類方面的研究較少。與國外相比,我國研究近紅外光譜技術(shù)起步較晚,在技術(shù)的成熟度和應(yīng)用程度方面無法與一些發(fā)達國家相媲美,相關(guān)標(biāo)準(zhǔn)的制定也明顯落后,還需進一步加強完善[34]。

4 核磁共振技術(shù)

4.1 概述

核磁共振技術(shù)(Nuclear Magnetic Resonance,簡稱NMR)在醫(yī)學(xué)上的應(yīng)用廣為人知。核磁共振技術(shù)根據(jù)其使用射頻場頻率的高低,分為高場核磁共振技術(shù)和低場核磁共振技術(shù)[35]。NNR可以通過探測濃縮氫核和油水混合團料的響應(yīng)變化,顯示水果內(nèi)部結(jié)構(gòu)的圖像[36],在檢測水果方面極具潛力。由于其快速、簡便、非破壞性的特點,將其用于水果檢測已經(jīng)成為了一種趨勢。

4.2 在水果品質(zhì)評價中的應(yīng)用

4.2.1 內(nèi)部成分測定 核磁共振技術(shù)可以檢測水果中的含水量、含糖量及褐變等情況。核磁共振成像的亮暗變化與水分含量有關(guān),陳森等[37]對常溫儲存條件下櫻桃內(nèi)部水分變化和遷移規(guī)律進行了研究。用低場核磁共振技術(shù)對常溫儲存24、120、216、312、408、480 h的櫻桃進行了檢測,得到了櫻桃中心縱向截面的核磁共振成像。從圖像中可以明顯看出,水分隨著儲存時間的增加而減少,櫻桃果皮、果核、果肉的輪廓也隨儲存時間的增加而逐漸明顯。由于自由感應(yīng)衰減信號(FID)、橫向弛豫時間(T2)及縱向弛豫時間(T1)會受到含糖量的影響,熊婷等[38-39]成功用低磁場核磁共振技術(shù)測定了蘋果不同部位的含糖量和圣女果中的含糖量。Suchanek等[40]則采用低場核磁共振技術(shù)檢測了梨貯藏期間內(nèi)部的褐變情況,用T2橫向弛豫時間成功區(qū)分了褐變組織和正常組織,評價了梨的褐變程度。

4.2.2 外部損傷測定 核磁共振對水果的外部損傷測定與計算機視覺技術(shù)有相似之處,在獲得圖像后都要進行一系列的圖像處理。周水琴等[41]使用核磁共振掃描儀獲取鴨梨的冠狀面圖像,采用Otsu閾值分割、二值化和邊界提取對圖像進行預(yù)處理,并使用角點檢測進行輕微損傷的判定,結(jié)果表明,該方法檢測鴨梨表面輕微損傷的準(zhǔn)確率達92.1%,且可以100%識別正常水果和畸形水果。熊婷[39]則使用CPMG序列進行分析,選取T2加權(quán)像進行檢測,并結(jié)合圖像偽彩色處理技術(shù)檢測蘋果的機械損傷,結(jié)果表明,可以正確檢測出蘋果的機械損傷。此外,與正常組織相比,損傷組織會有更高的含水量,可以根據(jù)信號的強弱與圖像的亮暗檢測損傷部位[42]。

4.3 優(yōu)缺點

核磁共振技術(shù),不會破壞被測水果的外觀,也不存在輻射的潛在危害,并且穿透力強不會受到果皮厚度的限制,是一種方便快捷的檢測技術(shù)。但是將NMR檢測用于不同水果時,就要進行相應(yīng)的NMR研究,而且核磁共振儀造價昂貴,會增加成本,這在一定程度上限制了NMR的應(yīng)用[43]。

5 基于聲學(xué)特性的無損檢測技術(shù)

5.1 概述

水果的聲學(xué)特性是指水果對聲波的反射、透射、散射、吸收及其本身的聲阻抗和固有頻率等[2]。聲學(xué)特性檢測裝置通常包括聲波發(fā)生器、聲波傳感器、電荷放大器、動態(tài)信號分析儀、計算機和繪圖儀[2]。水果內(nèi)部組織改變會使其聲學(xué)特性發(fā)生變化,不同水果具有不同的聲學(xué)特性,同一種水果因為其內(nèi)部品質(zhì)的不同也會存在差異[44]。因此,可以利用水果不同的聲學(xué)特性,檢測水果品質(zhì)。

5.2 在水果品質(zhì)評價中的應(yīng)用

利用聲學(xué)特性檢測水果的內(nèi)部缺陷、水分和硬度等指標(biāo)可以判斷水果品質(zhì)[45-50]。危艷軍等[45]采集西瓜不同部位的聲信號,對聲信號進行特征提取,運用判別分析函數(shù)分析西瓜是否空心。Ikeda等[46]、Mao等[47]分別利用表面彈性波的傳播速率與硬度的良好線性關(guān)系以及f2m、MI1(一階矩指標(biāo))和MI2(二階矩指標(biāo))三個硬度指標(biāo)與硬度的關(guān)系測定西瓜的硬度。類似的,Belie等[48]利用聲脈沖響應(yīng)技術(shù)監(jiān)測了梨在4周儲藏期內(nèi)的硬度變化,發(fā)現(xiàn)梨的硬度與其聲脈沖響應(yīng)特性有很好的相關(guān)性,可以用來確定梨的硬度。在水分檢測中,張索非等[49]根據(jù)蘋果被敲擊后發(fā)出的聲音頻譜不同,確定不同儲藏時間下蘋果的水分,結(jié)果表明,可以通過受激發(fā)聲的總強度和頻率峰值來測定蘋果中的含水量,聲音強度越大,蘋果越新鮮。Costa等[50]則利用聲學(xué)-機械分析相結(jié)合的方法檢測蘋果品質(zhì),獲取86個不同品種蘋果的聲學(xué)及力學(xué)參數(shù),運用主成分分析對數(shù)據(jù)進行統(tǒng)計分析;同時,對蘋果進行了感官評價,結(jié)果表明,可以將不同脆度的蘋果區(qū)分出來。

5.3 優(yōu)缺點

基于聲學(xué)特性的無損檢測技術(shù)具有靈活方便、成本低、適應(yīng)性強的特點,具有極大發(fā)展空間[51]。但目前該技術(shù)在水果品質(zhì)評價中的研究大多是探討水果某一聲學(xué)特性與其品質(zhì)指標(biāo)的關(guān)系,這就限制了監(jiān)測精確度的提高[52],因此,該技術(shù)還需進一步深入研究。

6 基于電學(xué)特性的無損檢測技術(shù)

6.1 概述

水果不同,其成分、狀態(tài)不同,就會有不同的介電特性參數(shù)(電容、電阻、電感及衍生的一些電學(xué)特性)?；诮殡娞匦詫λ焚|(zhì)的檢測就是通過考察水果介電特性參數(shù)的差異,分析出水果的結(jié)構(gòu)及內(nèi)部信息[53]。該技術(shù)具有設(shè)備簡單、便于操作、信號易處理的特點,應(yīng)用前景廣闊[54]。

6.2 在水果品質(zhì)評價中的應(yīng)用

6.2.1 病害及腐爛檢測 基于介電特性無損檢測技術(shù)可應(yīng)用于水果品質(zhì)病害及腐爛問題的檢測[55-57]。王若琳等[55]將主成分分析結(jié)合Fisher判別、徑向基神經(jīng)網(wǎng)絡(luò)和多元感知器神經(jīng)網(wǎng)絡(luò)建模,檢測了蘋果的水心病。實驗發(fā)現(xiàn),利用低頻率下?lián)p耗因子結(jié)合人工神經(jīng)網(wǎng)絡(luò)對蘋果水心病的正確識別率達到 100%,表明該技術(shù)可用于蘋果水心病的檢測。在水果的腐爛檢測中,胥芳等[56]發(fā)現(xiàn)腐爛蘋果的相對介電常數(shù)與等效電容均明顯增加,可對腐爛蘋果進行良好的檢測。Euring等[57]則是通過測量蘋果的電壓及阻抗對蘋果是否腐爛及其腐爛程度進行了確定,實驗表明,電壓會隨著蘋果腐爛程度的提高而增加,該方法可以區(qū)分正常與腐爛的蘋果,并且可以反映蘋果的腐爛程度。

6.2.2 成熟度測定 基于介電特性無損檢測技術(shù)在水果成熟度的檢測中,Mohapatra等[58]根據(jù)水果成熟度增大,其電容、相對介電常數(shù)增大,阻抗減小的特點,研發(fā)了一種電學(xué)特性檢測系統(tǒng),檢測了紅香蕉介電特性在不同成熟條件下成熟過程中的變化,結(jié)果表明,該技術(shù)能夠較好地估計香蕉果實成熟過程中品質(zhì)的變化。與Mohapatra的研究不同,Castro-Giráldez等[59]發(fā)現(xiàn)介電成熟度與0.5 GHz和偶極馳豫頻率下的損耗因子有關(guān),基于此對蘋果的成熟度進行了檢測,結(jié)果表明可以很好地預(yù)測蘋果成熟度。

6.3 優(yōu)缺點

基于介電特性無損檢測技術(shù)檢測水果品質(zhì),具有快速、簡便、高效、數(shù)據(jù)量較少的特點。該技術(shù)在水果品質(zhì)評價中的應(yīng)用前景良好。但由于影響水果介電特性的因素很多,包括測試的頻率、電壓、溫度、濕度,水果的含水率、成熟度、損傷、含糖量、酸度等[60],這就使得該技術(shù)研究進展較慢。該技術(shù)目前的研究內(nèi)容主要集中在測試信號的頻率、溫度及水果含水率對介電特性的影響,其他方面較少,需要進一步的研究。

7 結(jié)語

水果品質(zhì)變化,其氣味、色澤、成分、組織結(jié)構(gòu)狀態(tài)等都發(fā)生變化,而如何快速、簡捷地檢測水果品質(zhì)的這些變化是當(dāng)前研究的熱點。無損檢測技術(shù)具有高效、快速、準(zhǔn)確性好的優(yōu)點,適用于水果品質(zhì)評價。本文綜述了無損檢測技術(shù)(電子鼻技術(shù)、計算機視覺技術(shù)、近紅外光譜技術(shù)、核磁共振技術(shù)、基于聲學(xué)特性和介電特性檢測技術(shù))在水果品質(zhì)評價中的應(yīng)用,總結(jié)了這些技術(shù)在水果品質(zhì)評價中的應(yīng)用,并分析了它們的優(yōu)缺點。電子鼻技術(shù)可以解決水果品質(zhì)評價的部分問題,但其準(zhǔn)確性和穩(wěn)定性還有待進一步探討,而且為了更加高效全面地檢測水果的各項指標(biāo)可進行與其他分析技術(shù)相結(jié)合的研究。計算機視覺技術(shù)不僅需解決水果內(nèi)部損傷或輕微的外部損傷的檢測能力較差的問題,而且為了使該技術(shù)具有普遍性、提高檢測的準(zhǔn)確性建立一個全面完整的數(shù)據(jù)庫是很有必要的。近紅外光譜技術(shù)經(jīng)過多年的研究發(fā)展已經(jīng)相對成熟,但其模型的應(yīng)用范圍有限,應(yīng)提高模型傳遞能力,在建模時既要考慮到樣品的代表性也要注意引進新的算法;在探究近紅外分選系統(tǒng)時,不應(yīng)局限于一種指標(biāo)的檢測,需進行多品質(zhì)同時測量的研究,并且提高在線檢測的精確度。核磁共振技術(shù)在損傷和成分測定方面效果較好,但在微生物、有毒有害物質(zhì)方面的檢測需進行進一步研究,并且需克服檢測成本較高的問題。基于聲學(xué)特性和介電特性檢測技術(shù)還需解決檢測精確度和穩(wěn)定性等問題。每種檢測技術(shù)都有其特點、適用性、優(yōu)勢及劣勢,需要進一步進行研究。在水果品質(zhì)評價時,應(yīng)根據(jù)實際情況進行選擇這些無損檢測技術(shù)。