無損檢測(cè)技術(shù)在果蔬品質(zhì)評(píng)價(jià)中應(yīng)用的研究進(jìn)展

鄒攀 白雪 陳秋生 李娜 郭永澤

摘要 果蔬是人體維生素、礦物質(zhì)、蛋白質(zhì)、碳水化合物等的重要來源，含有多種功能性成分，是維持人體生理活動(dòng)和增進(jìn)健康的重要食物。隨著居民受教育程度和家庭收入的普遍提高，消費(fèi)者對(duì)于果蔬的消費(fèi)觀念發(fā)生了根本性改變，關(guān)注點(diǎn)從價(jià)格轉(zhuǎn)向品質(zhì)。我國(guó)果蔬生產(chǎn)總量大、品種多，但是果蔬產(chǎn)業(yè)供給側(cè)結(jié)構(gòu)性矛盾也逐漸凸顯，高品質(zhì)果蔬供不應(yīng)求，而普通果蔬過剩滯銷。目前，果蔬采后品質(zhì)分級(jí)評(píng)價(jià)仍靠人工、簡(jiǎn)單機(jī)械粗略檢測(cè)，或者采用破壞性抽檢的方法，從而衍生了多種簡(jiǎn)單、高效品質(zhì)評(píng)價(jià)方法，如近紅外光譜、高光譜成像等無損檢測(cè)技術(shù)。針對(duì)我國(guó)果蔬產(chǎn)業(yè)現(xiàn)狀，綜述果蔬品質(zhì)分析評(píng)價(jià)中所使用的無損檢測(cè)技術(shù)及其應(yīng)用情況，為完善果蔬品質(zhì)評(píng)價(jià)系統(tǒng)提供參考。

關(guān)鍵詞 果蔬;品質(zhì);評(píng)價(jià);無損檢測(cè)技術(shù);應(yīng)用

中圖分類號(hào) TS255.7? 文獻(xiàn)標(biāo)識(shí)碼 A? 文章編號(hào) 0517-6611（2021）02-0001-04

doi：10.3969/j.issn.0517-6611.2021.02.001

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Research Progress on the Application of Nondestructive Testing Technology in Fruits and Vegetables Quality Evaluation

ZOU Pan1，2， BAI Xue1，2， CHEN Qiusheng1，2 et al

（1. Tianjin Institute of Agricultural Quality Standard and Testing Technology， Tianjin 300380; 2. Lab of Agricultural Product Quality Safety Risk Assessment （Tianjin）， Ministry of Agriculture and Rural Affairs， Tianjin 300380）

Abstract Fruits and vegetables are important sources to maintain physiological activity and to improve health， which contain various vitamins， minerals， proteins， carbohydrates， and other functional nutrients. With the general improvement of residents education and household income， consumers attitude towards fruits and vegetables has been changed， focusing on quality over price. The total amount of fruit and vegetable production in China is large and there are many varieties， but the structural contradictions on the supply side of the fruit and vegetable industry have gradually become prominent. The supply of highquality fruits and vegetables is in short supply， while the surplus of ordinary fruits and vegetables are surplus.At present， the postharvest quality evaluation of fruits and vegetables still relies on manual， simple mechanical rough inspection， or destructive sampling methods， which has derived a variety of simple and efficient quality evaluation methods， such as nearinfrared spectroscopy， hyperspectral imaging and other nondestructive inspection techniques.In view of the status quo of the fruit and vegetable industry in China， this study summarized the nondestructive testing technology used in the application of fruit and vegetable quality analysis and evaluation and its application， so as to provide references for perfecting the fruit and vegetable quality evaluation system.

Key words Fruits and vegetables;Quality;Evaluation;Nondestructive testing technology;Application

我國(guó)果蔬產(chǎn)量和銷量均居世界首位，基本上滿足了城鄉(xiāng)居民對(duì)果蔬數(shù)量、品種的需要。隨著果蔬的生產(chǎn)和消費(fèi)正由產(chǎn)量規(guī)模型向質(zhì)量效益型轉(zhuǎn)變，消費(fèi)者對(duì)于果蔬品質(zhì)安全的要求越來越高。目前，我國(guó)農(nóng)業(yè)生產(chǎn)中以分散種植、小農(nóng)經(jīng)營(yíng)為特點(diǎn)，果蔬生產(chǎn)區(qū)域廣、以家庭生產(chǎn)種植為主，因此，我國(guó)果蔬產(chǎn)品存在著品質(zhì)差異大、商品率偏低、生產(chǎn)過程中化肥和農(nóng)藥等使用不規(guī)范等諸多弊端。隨著消費(fèi)者對(duì)于高品質(zhì)果蔬的需求增多，果蔬進(jìn)口量持續(xù)增長(zhǎng)，特別是高端水果。與之相反，普通果蔬經(jīng)常出現(xiàn)滯銷的新聞，自2016年3月至2018年6月底，全國(guó)農(nóng)產(chǎn)品滯銷事件共發(fā)生319起，涉及區(qū)域范圍廣、品種多、數(shù)量大[1]。因此，我國(guó)果蔬產(chǎn)業(yè)急需調(diào)整，以市場(chǎng)為導(dǎo)向，提升果蔬品質(zhì)，發(fā)展品牌化道路，提高產(chǎn)品附加值。在提升果蔬品質(zhì)的過程中，為果蔬品質(zhì)評(píng)價(jià)系統(tǒng)提出了更高的要求，從而催生了多種果蔬品質(zhì)評(píng)價(jià)技術(shù)，尤其是無損檢測(cè)技術(shù)，不僅可以避免對(duì)果蔬樣品造成破壞性測(cè)量，還能對(duì)樣本進(jìn)行跟蹤分析和重復(fù)檢測(cè)，適用于產(chǎn)業(yè)化生產(chǎn)和儲(chǔ)藏保鮮的在線檢測(cè)[2]。

1 果蔬的品質(zhì)概述

品質(zhì)是指物品的質(zhì)量，是產(chǎn)品能夠滿足一定需求的特性的總和。對(duì)于果蔬來說，品質(zhì)包括其商品品質(zhì)、營(yíng)養(yǎng)品質(zhì)和安全品質(zhì)、貯藏加工品質(zhì)[3]。商品品質(zhì)指果蔬的色澤、形狀、口感、質(zhì)地、風(fēng)味等，是影響消費(fèi)者購(gòu)買欲的直接因素，決定了果蔬的商品價(jià)值。營(yíng)養(yǎng)品質(zhì)包括其所含碳水化合物、礦物質(zhì)、維生素、蛋白質(zhì)等營(yíng)養(yǎng)成分的含量，決定了果蔬的營(yíng)養(yǎng)價(jià)值。安全品質(zhì)是指果蔬中的生物污染、化學(xué)污染等。貯藏加工品質(zhì)指果蔬的耐儲(chǔ)存性和適用于各種用途的屬性。其中，營(yíng)養(yǎng)品質(zhì)和安全品質(zhì)與人們的營(yíng)養(yǎng)和健康息息相關(guān)[4]，受到了廣大消費(fèi)者和食品專家的重視。

2 果蔬品質(zhì)常規(guī)評(píng)價(jià)方法

2.1 感官評(píng)價(jià)

果蔬的感官品質(zhì)對(duì)于消費(fèi)者來說非常重要，在無法快速、準(zhǔn)確地了解某種果蔬營(yíng)養(yǎng)價(jià)值和安全品質(zhì)的情況下，果蔬的商品品質(zhì)決定著消費(fèi)者的購(gòu)買欲望[5]。感官評(píng)價(jià)是通過人的視覺、嗅覺、味覺、觸覺和聽覺來反映食品的外觀、氣味、滋味、質(zhì)構(gòu)等特性的一種評(píng)價(jià)方法。經(jīng)過專業(yè)培訓(xùn)的評(píng)定人，通過其感官的感知，按照一定的評(píng)分標(biāo)準(zhǔn)，對(duì)果蔬的形態(tài)、顏色、氣味、味道等商品品質(zhì)做出判斷。雖然感官評(píng)定不依賴于精密的儀器設(shè)備，但對(duì)評(píng)定人員的專業(yè)水平要求較高，且評(píng)定結(jié)果容易受到品評(píng)人的專業(yè)水平和品評(píng)環(huán)境的影響[6]，導(dǎo)致評(píng)價(jià)等級(jí)缺乏一致性和穩(wěn)定性。

2.2 理化檢測(cè)

果蔬品質(zhì)的理化檢測(cè)分析是指通過物理檢驗(yàn)、化學(xué)分析、儀器分析、微生物分析、酶分析和免疫學(xué)分析等手段來測(cè)定果蔬中的成分、性能、微觀結(jié)構(gòu)等[7]。理化檢測(cè)一般可以測(cè)定果蔬的營(yíng)養(yǎng)品質(zhì)和安全品質(zhì)。常見的理化檢測(cè)品質(zhì)指標(biāo)包括葉綠素、含糖量、可溶性固形物、維生素C、總酸度、粗纖維、農(nóng)獸藥殘留、微生物污染情況等。理化檢測(cè)的技術(shù)較為成熟，結(jié)果客觀可行，但是需要專業(yè)的實(shí)驗(yàn)人員操作，檢測(cè)前還需要對(duì)樣品進(jìn)行前處理，會(huì)破壞樣品，且檢測(cè)過程操作繁瑣、耗費(fèi)時(shí)間長(zhǎng)[8]。

3 果蔬品質(zhì)的無損檢測(cè)

隨著人們對(duì)食品營(yíng)養(yǎng)和安全問題的日益關(guān)注，如何尋找一種簡(jiǎn)便、快速且能現(xiàn)場(chǎng)實(shí)時(shí)監(jiān)測(cè)、無損的果蔬品質(zhì)檢測(cè)方法，對(duì)于指導(dǎo)果蔬產(chǎn)業(yè)發(fā)展有很大的實(shí)用價(jià)值。無損檢測(cè)是一門新興的綜合應(yīng)用學(xué)科，在不損壞被檢測(cè)物品的前提下，利用各種物理學(xué)方法，如熱、聲、光、電、磁等手段來獲取待測(cè)物品質(zhì)有關(guān)的內(nèi)容、性質(zhì)或成分。

3.1 高光譜成像技術(shù)（hyperspectral imaging system）

高光譜成像技術(shù)可以同時(shí)獲取研究對(duì)象的光譜及空間信息，是一種光譜及圖像融合技術(shù)，可以捕獲目標(biāo)物在特定波長(zhǎng)下的空間值，而不是測(cè)定單點(diǎn)的光譜數(shù)據(jù)。當(dāng)入射光照射于目標(biāo)物表面時(shí)，除去少數(shù)鏡面反射損失外，剩余的光能量進(jìn)入目標(biāo)物的細(xì)胞組織并在其內(nèi)部發(fā)生光吸收和漫反射現(xiàn)象[9]。光吸收主要取決于待測(cè)物的化學(xué)組成，如糖分等，而漫反射則與待測(cè)物的結(jié)構(gòu)和物理特性（如密度、粒子大小等）緊密相關(guān)。

光譜數(shù)據(jù)可以分析物體內(nèi)部物理結(jié)構(gòu)及化學(xué)成分，而圖像數(shù)據(jù)又能將果蔬的外部特征、斑點(diǎn)或表面缺陷反映出來，因此，高光譜成像技術(shù)在果蔬品質(zhì)評(píng)價(jià)中的應(yīng)用研究越來越多。通過高光譜成像技術(shù)獲取不同果蔬相應(yīng)的品質(zhì)指標(biāo)的光譜特征，運(yùn)用化學(xué)計(jì)量方法建立各指標(biāo)含量的預(yù)測(cè)模型，再結(jié)合圖像分析，就能夠?qū)咂焚|(zhì)進(jìn)行準(zhǔn)確快速的評(píng)價(jià)[10]。Itoh等[11]采用近紅外高光譜成像技術(shù)測(cè)定了葉菜的硝酸鹽分布情況;通過對(duì)葉片高精度圖像分析估算硝酸鹽濃度，結(jié)果可以提示葉片內(nèi)部硝酸鹽濃度變化情況。高光譜激光成像技術(shù)還可用于測(cè)定果蔬內(nèi)部品質(zhì)的檢測(cè)，如可溶性固形物[12]、土豆中糖含量[13]、葡萄中花青素含量[14]和靈武長(zhǎng)棗蔗糖含量[15]，以及外部品質(zhì)的評(píng)價(jià)，包括蘋果的瘀傷[16]、黃瓜凍傷損傷[17]和草莓的硬度[18]等。

高光譜成像技術(shù)分析樣品的效率高、速度快，操作簡(jiǎn)捷，樣品無需復(fù)雜的前處理，實(shí)現(xiàn)無損檢測(cè)，可同時(shí)對(duì)多個(gè)樣品進(jìn)行定性和定量分析。此外，在檢測(cè)過程中無需使用化學(xué)試劑，安全環(huán)保、無污染。但是前期建模過程需要代表性樣本數(shù)量大[19]，并且需要測(cè)定研究對(duì)象中某項(xiàng)品質(zhì)指標(biāo)實(shí)際含量，因此在小批量樣品品質(zhì)評(píng)價(jià)應(yīng)用不大;獲取光譜數(shù)據(jù)過程容易受到環(huán)境和儀器等因素的影響，具有一定的局限性[20]。隨著實(shí)驗(yàn)設(shè)備的不斷改善及光譜分辨率的不斷提高，高光譜成像能夠記錄越來越豐富的農(nóng)產(chǎn)品品質(zhì)信息，將會(huì)是實(shí)現(xiàn)果蔬品質(zhì)快速、無損檢測(cè)的重要工具。

3.2 機(jī)器視覺檢測(cè)技術(shù)（machine vision）

機(jī)器視覺是融合了人工智能、神經(jīng)生物學(xué)、心理物理學(xué)、計(jì)算機(jī)科學(xué)、圖像處理、模式識(shí)別等多學(xué)科的交叉學(xué)科[21]。機(jī)器視覺是用相機(jī)替代人眼對(duì)目標(biāo)進(jìn)行圖像采集，并運(yùn)用計(jì)算機(jī)進(jìn)行圖像處理，對(duì)圖像中的目標(biāo)區(qū)域進(jìn)行分析，完成待測(cè)物某品質(zhì)指標(biāo)的測(cè)定、識(shí)別等任務(wù)[22]，具有非接觸性、速度快、精度高等特點(diǎn)，在食品質(zhì)量與安全領(lǐng)域得到逐步的應(yīng)用推廣，尤其是果蔬的形狀分類、缺陷檢測(cè)及質(zhì)量分級(jí)[23]。

新鮮度是影響菠菜食用品質(zhì)和商品品質(zhì)的重要因素，基于機(jī)器視覺技術(shù)搭建了適用菠菜圖像采集的機(jī)器視覺硬件系統(tǒng)，建立基于菠菜圖像信息的新鮮度等級(jí)判別模型和葉綠素定量預(yù)測(cè)模型，判別準(zhǔn)確率在85%以上，實(shí)現(xiàn)了圖像信息對(duì)菠菜葉綠素含量的預(yù)測(cè)[24]。Gongal等[25]利用3D機(jī)器視覺系統(tǒng)評(píng)價(jià)樹冠上蘋果大小，根據(jù)三維坐標(biāo)主軸的判斷精度為69.1%，而基于像素大小判斷蘋果尺寸的精度提高至848%，表明在室外環(huán)境下利用3D機(jī)器視覺系統(tǒng)來評(píng)估水果大小具有一定的應(yīng)用潛力。Rashidi等[26]對(duì)獼猴桃果實(shí)形狀的算法進(jìn)行了定量分類，該法結(jié)果與排水計(jì)算體積法無顯著性差異，為估算獼猴桃體積提供了一種準(zhǔn)確、簡(jiǎn)單、快速、無創(chuàng)的方法，可方便地用于監(jiān)測(cè)各種管理措施下獼猴桃的生長(zhǎng)發(fā)育情況，以及在收獲后的加工過程中對(duì)獼猴桃進(jìn)行分選。Alfatni等[27]使用RGB顏色模型開發(fā)了一種油棕果實(shí)自動(dòng)分級(jí)系統(tǒng)，以區(qū)分油棕果實(shí)的3種不同類別，結(jié)果表明，基于RGB強(qiáng)度，果實(shí)的成熟度可以在不同種類的果實(shí)之間進(jìn)行區(qū)分。

果蔬分級(jí)是采后加工的關(guān)鍵環(huán)節(jié)，一般按照大小、形態(tài)、新鮮程度等方面對(duì)其進(jìn)行外部品質(zhì)分級(jí)。國(guó)內(nèi)普遍采用的人工分級(jí)受主觀鑒別能力等因素的影響，往往偏差較大，工作效率低;機(jī)械分級(jí)雖然生產(chǎn)效率高，但是精度不夠，適應(yīng)性較差，且儀器設(shè)備容易對(duì)果蔬造成損傷。與之相反，機(jī)器視覺技術(shù)可以廣泛應(yīng)用于農(nóng)業(yè)和園藝，使勞動(dòng)密集型轉(zhuǎn)化為自動(dòng)化操作。機(jī)器視覺技術(shù)在食品行業(yè)中的普及程度不斷提高，并指出其發(fā)展也為食品行業(yè)提供了一個(gè)強(qiáng)有力的水平和具有競(jìng)爭(zhēng)力的價(jià)格。然而，計(jì)算機(jī)視覺精確度受圖像質(zhì)量的影響。由于典型農(nóng)業(yè)環(huán)境的非結(jié)構(gòu)化和其中植物的生物變異，在這些應(yīng)用程序中進(jìn)行對(duì)象識(shí)別要困難得多。如果在昏暗或夜間條件下進(jìn)行研究或操作，還需要人工照明[28]。

3.3 電子鼻（electronic nose）

同一果蔬在不同生長(zhǎng)階段的氣味也不完全相同。這是因?yàn)楣咧械娘L(fēng)味物質(zhì)是由不同揮發(fā)性成分組成的混合物，包括醇類、醛類、酯類、酮類、含硫化合物等。果蔬的香氣可以客觀體現(xiàn)成熟程度和風(fēng)味特點(diǎn)，是評(píng)價(jià)果蔬風(fēng)味品質(zhì)的重要指標(biāo)[29-30]。果蔬的風(fēng)味物質(zhì)是影響其香氣的重要因素，目前對(duì)于果蔬的風(fēng)味物質(zhì)組成的研究較少，缺少對(duì)果蔬風(fēng)味品質(zhì)的評(píng)價(jià)標(biāo)準(zhǔn)。充分了解果蔬香氣形成機(jī)理，不僅可以了解果蔬生長(zhǎng)過程生理變化，而且能夠發(fā)掘影響果蔬感官品質(zhì)的主要因素，對(duì)于提高果蔬商品率具有重要意義。分析食品風(fēng)味物質(zhì)組成的常用方法為頂空固相微萃取-氣相色譜質(zhì)譜聯(lián)用法[31]，該法能夠?qū)悠愤M(jìn)行高效的提取和分析，但是需要破壞樣品，無法實(shí)現(xiàn)無損在線監(jiān)測(cè)。

電子鼻是一種用于分析、識(shí)別、檢測(cè)復(fù)雜氣味和大多數(shù)揮發(fā)性成分的新型智能仿生儀器，通過模擬人和動(dòng)物的鼻子，獲取樣品中揮發(fā)性成分的數(shù)據(jù)信息[32]。Raigar等[33]采用無損電子鼻與模糊邏輯相結(jié)合的方法對(duì)去殼花生的貯藏品質(zhì)進(jìn)行評(píng)價(jià)，利用電子鼻所得數(shù)據(jù)估算氣味指數(shù)，結(jié)果表明電子鼻數(shù)據(jù)可以準(zhǔn)確預(yù)測(cè)花生貯藏時(shí)間與化學(xué)酸敗指數(shù)的關(guān)系。Rocchi等[34]比較了同位素比率質(zhì)譜、氣相色譜質(zhì)譜及電子鼻對(duì)藏紅花來源、加工及年限的區(qū)別作用，結(jié)果表明電子鼻作為一種替代的快速、無損工具可以表征復(fù)雜的香氣組成，并鑒別藏紅花樣品的真實(shí)性?；陔娮颖羌夹g(shù)，優(yōu)化電子傳感器陣列，建立菠菜新鮮度等級(jí)判別模型，對(duì)于訓(xùn)練集和測(cè)試集的判別正確率分別為84%和75%，表明電子鼻技術(shù)可以實(shí)現(xiàn)菠菜儲(chǔ)藏期新鮮度的高效判別[24]。梨果在運(yùn)輸過程中容易出現(xiàn)內(nèi)部腐敗變質(zhì)，即便專家也很難分辨其內(nèi)部果肉的好壞，因此，趙策等[35]利用電子鼻技術(shù)對(duì)皇冠梨的腐敗等級(jí)進(jìn)行分類，準(zhǔn)確率均在73%以上，為皇冠梨品質(zhì)無損檢測(cè)提供了新方法。Xu等[36]采用PEN3電子鼻評(píng)價(jià)不同貯藏環(huán)境中荔枝的品質(zhì)，分析荔枝貯藏時(shí)間及硬度與風(fēng)味的關(guān)系。

隨著電子鼻的深入推廣，越來越多的研究人員不再局限于固定傳感器陣列的商業(yè)電子鼻，而是根據(jù)待測(cè)物品的特性，設(shè)計(jì)相應(yīng)的傳感器陣列，從而獲得更好的分析結(jié)果。但是電子鼻的傳感器只針對(duì)果蔬的氣味，所獲得果蔬品質(zhì)的指標(biāo)信息具有一定的局限性。

49卷2期??? 鄒 攀等 無損檢測(cè)技術(shù)在果蔬品質(zhì)評(píng)價(jià)中應(yīng)用的研究進(jìn)展

3.4 近紅外光譜技術(shù)（near infrared spectroscopy）

近紅外光譜介于可見光和中紅外光譜之間，波長(zhǎng)為780～2 526 nm，是吸收光譜中的第一個(gè)非可見光區(qū)。果蔬中化合物組成不同，其所含基團(tuán)（C=C、N=C、O=C、N=C等）運(yùn)動(dòng)在紅外線照射下產(chǎn)生共振，在近紅外區(qū)域形成不同的光譜信息，從而基于光譜信息和組分特征可以實(shí)現(xiàn)果蔬中部分化合物的定性或定量分析[37]。近紅外光譜技術(shù)需要利用定標(biāo)樣品集的理化測(cè)定數(shù)據(jù)與近紅外光譜信息建立定標(biāo)，再選取未知樣品利用化學(xué)計(jì)量學(xué)的多變量統(tǒng)計(jì)模型預(yù)測(cè)未知樣品集的理化指標(biāo)，因此該技術(shù)屬于間接分析方法。

近紅外光譜技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用非常廣泛，從植物品種鑒別到果蔬谷物品質(zhì)、營(yíng)養(yǎng)成分測(cè)定等多個(gè)方面均有涉及。近紅外光譜技術(shù)已經(jīng)廣泛地用于果蔬的無損品質(zhì)評(píng)價(jià)中，如可溶性固形物[38-39]、酸度、可滴定酸[40]、水分、干物質(zhì)[41-42]、硬度[43]以及纖維、蛋白、脂肪、維生素C[44]、灰分等含量的快速篩查。王丹[45]通過建立不同品種及不同貯藏期柿子的近紅外無損鑒別模型，不同品種的鑒別準(zhǔn)確率達(dá)98%，不同貯藏期的準(zhǔn)確率為88.9%以上，這說明近紅外光譜技術(shù)可以應(yīng)用于柿子品種及貯藏期的快速判別中。肖慧等[46]開發(fā)了便攜式葡萄專用可見-近紅外光譜檢測(cè)儀器，用于“美人指”和“白玉霓”2種葡萄中可溶性固形物和總多酚含量的測(cè)定，建模效果較好，可以滿足不同品種葡萄多個(gè)理化指標(biāo)的建模預(yù)測(cè)。

近紅外光譜滲透性高，幾乎用于所有含氫基團(tuán)化合物的分析中，且不需要前處理，分析效率高，可以實(shí)現(xiàn)多組分同時(shí)檢測(cè)，適用于多種狀態(tài)的分析對(duì)象，能夠在線、無損分析[47]。但是由于近紅外光譜區(qū)的吸收較弱，光譜信噪比低，因此不適用于水分含量高于80%的果蔬[48];此外近紅外光譜技術(shù)的模型需要不斷修正和維護(hù)，而建模工作難度大，需要專業(yè)技術(shù)人員和代表性的樣品[49]。

3.5 其他無損檢測(cè)技術(shù)

上述無損檢測(cè)技術(shù)是根據(jù)果蔬品質(zhì)指標(biāo)與其光學(xué)特性、聲學(xué)特性的相關(guān)性建立模型，從而在不損壞研究對(duì)象的前提下探測(cè)果蔬的品質(zhì)。根據(jù)植物色素產(chǎn)生的葉綠素?zé)晒猥@得植物信息，建立葉綠素?zé)晒鈾z測(cè)技術(shù)。葉綠素?zé)晒鈾z測(cè)技術(shù)結(jié)合化學(xué)計(jì)量方法建立生菜葉片硝酸鹽含量的快速無損檢測(cè)模型，總體評(píng)價(jià)準(zhǔn)確率為9333%，實(shí)現(xiàn)了生菜硝酸鹽安全品質(zhì)的合理評(píng)價(jià)[50]。簡(jiǎn)訊等[51]基于智能手機(jī)光譜系統(tǒng)建立蔬菜葉綠素和含水量反演模型，該系統(tǒng)結(jié)合網(wǎng)絡(luò)云端服務(wù)和實(shí)時(shí)數(shù)據(jù)反饋的特點(diǎn)，實(shí)現(xiàn)了蔬菜品質(zhì)和新鮮度指標(biāo)的智能檢測(cè)。利用果蔬的電學(xué)特性，研究人員發(fā)現(xiàn)介電常數(shù)隨著果蔬種類而不同，但在某段頻率范圍內(nèi)，所測(cè)得果蔬的介電常數(shù)和介質(zhì)損耗隨頻率的增加而減少[45]。利用果蔬的聲波振動(dòng)特性，建立堅(jiān)硬系數(shù)與聲波頻率的相關(guān)性，來檢測(cè)西瓜[52] 和哈密瓜[53]的成熟度。通過自行研制的禽蛋裂紋檢測(cè)裝置，采集并分析敲擊雞蛋產(chǎn)生的響應(yīng)信號(hào)，檢測(cè)雞蛋裂紋，判別的準(zhǔn)確率均高于72%[54]。

4 展望

果蔬的品質(zhì)對(duì)于人類健康意義重大，但是由于種類繁多，品質(zhì)成分復(fù)雜，缺乏果蔬品質(zhì)評(píng)價(jià)的科學(xué)性、系統(tǒng)性，因此，應(yīng)該制定全面的果蔬品質(zhì)評(píng)價(jià)體系，對(duì)果蔬的品質(zhì)進(jìn)行全面綜合評(píng)價(jià);在評(píng)價(jià)過程中，確定各個(gè)指標(biāo)對(duì)品質(zhì)影響的權(quán)重系數(shù);同時(shí)開展不同產(chǎn)地、不同品種、不同茬口、不同施肥條件、不同種植環(huán)境間果蔬的品質(zhì)評(píng)價(jià)，為優(yōu)質(zhì)果蔬品種選育、栽種提供指導(dǎo)，實(shí)現(xiàn)農(nóng)業(yè)生態(tài)環(huán)境的可持續(xù)發(fā)展，并滿足人們對(duì)于健康生活品質(zhì)的需求。此外，部分果蔬還含有其獨(dú)特的功能性營(yíng)養(yǎng)因子，如番茄紅素、大蒜素、異硫氰酸鹽、類胡蘿卜素、槲皮素、白藜蘆醇、類黃酮等成分，這些功能性成分也是引起消費(fèi)者購(gòu)買欲的重要影響因素，因此，可考慮在品質(zhì)評(píng)價(jià)中引入功能性營(yíng)養(yǎng)因子這一指標(biāo)，有助于果蔬品牌的建設(shè)，提高其在國(guó)內(nèi)外的知名度和品牌影響力。

無損檢測(cè)是近年來發(fā)展的高新技術(shù)之一，為果蔬品質(zhì)的檢測(cè)提供了極大的便利，但是無損檢測(cè)技術(shù)均具有各自的優(yōu)劣勢(shì)，只能單獨(dú)評(píng)價(jià)一項(xiàng)或幾項(xiàng)品質(zhì)指標(biāo)，不能實(shí)現(xiàn)果蔬品質(zhì)的系統(tǒng)性評(píng)價(jià)。隨著無損檢測(cè)技術(shù)的廣泛應(yīng)用，檢測(cè)方法由外部質(zhì)量向內(nèi)部質(zhì)量轉(zhuǎn)變，由單一指標(biāo)向綜合指標(biāo)轉(zhuǎn)變。同時(shí)，測(cè)試設(shè)備正在向便攜、數(shù)字化、智能化方向發(fā)展。

參考文獻(xiàn)

[1] 竇曉博，邵娜.消費(fèi)升級(jí)背景下中國(guó)蔬果生產(chǎn)發(fā)展策略[J].農(nóng)業(yè)展望，2018，14（11）：47-51.

[2] ABOONAJMI M，F(xiàn)ARIDI H.Nondestructive quality assessment of Agrofood products[C]∥Proceedings of the 3rd Iranian international NDT conference.Tehran，Iran：[s.n.]，2016：1-9.

[3] CHAUHAN O P，LAKSHMI S，PANDEY A K，et al.Nondestructive quality monitoring of fresh fruits and vegetables[J].Defence life science journal，2017，2（2）：103-110.

[4] 李會(huì)合.蔬菜品質(zhì)的研究進(jìn)展[J].北方園藝，2006（4）：55-56.

[5] 李會(huì)合，田秀英，季天委.蔬菜品質(zhì)評(píng)價(jià)方法研究進(jìn)展[J].安徽農(nóng)業(yè)科學(xué)，2009，37（13）：5920-5922.

[6] 孟留偉，楊良，王靜禹，等.基于高光譜成像技術(shù)對(duì)桑椹品質(zhì)無損檢測(cè)的研究進(jìn)展[J].蠶桑通報(bào)，2017，48（3）：9-14.

[7] 潘思慧.貯藏過程中番茄成熟度的智能化檢測(cè)方法研究[D].鎮(zhèn)江：江蘇大學(xué)，2018：1-8.

[8] 陳慧芝.基于智能包裝標(biāo)簽的典型生鮮配菜新鮮度無損檢測(cè)的研究[D].無錫：江南大學(xué)，2019：1-2.

[9] PU H B，LIN L，SUN D W.Principles of hyperspectral microscope imaging techniques and their applications in food quality and safety detection：A review[J].Comprehensive reviews in food science and food safety，2019，18（4）：853-866.

[10] 王巧男.基于高光譜成像技術(shù)的蔬菜新鮮度快速檢測(cè)方法研究[D].杭州：浙江大學(xué)，2015：5-9.

[11] ITOH H，KANDA S，MATSUURA H，et al.Measurement of nitrate concentration distribution in vegetables by nearinfrared hyperspectral imaging[J].Environment control in biology，2010，48（2）：37-49.

[12] MO C，KIM M S，KIM G，et al.Spatial assessment of soluble solid contents on apple slices using hyperspectral imaging[J].Biosystems engineering，2017，159：10-21.

[13] RADY A，GUYER D，LU R F.Evaluation of sugar content of potatoes using hyperspectral imaging[J].Food and bioprocess technology，2015，8（5）：995-1010.

[14] GUTIRREZ S，TARDAGUILA J，F(xiàn)ERNNDEZNOVALES J，et al.Onthego hyperspectral imaging for the infield estimation of grape berry soluble solids and anthocyanin concentration[J].Australian journal of grape and wine research，2019，25（1）：127-133.

[15] 程麗娟，劉貴珊，何建國(guó)，等.靈武長(zhǎng)棗蔗糖含量的高光譜無損檢測(cè)[J].食品科學(xué)，2019，40（10）：285-291.

[16] WANG N，ELMASRY G.Bruise detection of apples using hyperspectral imaging[M]∥SUN D W.Hyperspectral imaging for food quality analysis and control.Amsterdam：Elsevier Press，2010：295-320.

[17] CEN H Y，LU R F，ZHU Q B，et al.Nondestructive detection of chilling injury in cucumber fruit using hyperspectral imaging with feature selection and supervised classification[J].Postharvest biology and technology，2016，111：352-361.

[18] ZHANG C，GUO C T，LIU F，et al.Hyperspectral imaging analysis for ripeness evaluation of strawberry with support vector machine[J].Journal of food engineering，2016，179：11-18.

[19] 歐陽(yáng)愛國(guó)，吳建，劉燕德.高光譜成像在農(nóng)產(chǎn)品無損檢測(cè)中的應(yīng)用[J].廣東農(nóng)業(yè)科學(xué)，2015，42（23）：164-171.

[20] 盧娜，韓平，王紀(jì)華.高光譜成像技術(shù)在果蔬品質(zhì)安全無損檢測(cè)中的應(yīng)用[J].食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2017，8（12）：4594-4601.

[21] 章煒.機(jī)器視覺技術(shù)發(fā)展及其工業(yè)應(yīng)用[J].紅外，2006，27（2）：11-17.

[22] 商晉.柚子品質(zhì)無損檢測(cè)方法研究進(jìn)展[J].現(xiàn)代食品，2018（2）：60-62.

[23] ELMESERY H，MAO H P，ABOMOHRA A.Applications of nondestructive technologies for agricultural and food products quality inspection[J].Sensors，2019，19（4）：846-869.

[24] 徐海霞.基于機(jī)器視覺和電子鼻技術(shù)的菠菜新鮮度無損檢測(cè)研究[D].鎮(zhèn)江：江蘇大學(xué)，2016：17-40.

[25] GONGAL A，KARKEE M，AMATYA S.Apple fruit size estimation using a 3D machine vision system[J].Information processing in agriculture，2018，5（4）：498-503.

[26] RASHIDI M，SEYFI K，GHOLAMI M.Determination of kiwifruit volume using image processing[J].ARPN Journal of Agricultural and Biological Science，2007，2：17-22.

[27] ALFATNI M S M，SHARIFF A R M，SHAFRI H Z M，et al.Oil palm fruit bunch grading system using red，green and blue digital number[J].Journal of applied sciences，2008，8（8）：1444-1452.

[28] PATEL K K，KAR A，JHA S N，et al.Machine vision system：A tool for quality inspection of food and agricultural products[J].Journal of food science and technology，2012，49：123-141.

[29] 王建華，王漢忠.果蔬芳香物質(zhì)的研究方法[J].山東農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），1996，27（2）：219-226.

[30] 馮蕾.基于電子鼻及低場(chǎng)核磁共振的黃瓜與櫻桃番茄新鮮度智能檢測(cè)研究[D].無錫：江南大學(xué)，2019：3-8.

[31] 劉瑤，徐冬穎，劉婧，等.基于電子鼻的運(yùn)輸振動(dòng)蔬菜氣味品質(zhì)檢測(cè)[J].北方園藝，2019（18）：100-109.

[32] 曹玉棟，祁偉彥，李嫻，等.蘋果無損檢測(cè)和品質(zhì)分級(jí)技術(shù)研究進(jìn)展及展望[J].智慧農(nóng)業(yè)，2019，1（3）：29-45.

[33] RAIGAR R K，UPADHYAY R，MISHRA H N.Storage quality assessment of shelled peanuts using nondestructive electronic nose combined with fuzzy logic approach[J].Postharvest biology and technology，2017，132：43-50.

[34] ROCCHI R，MASCINI M，F(xiàn)ABERI A，et al.Comparison of IRMS，GCMS and ENose data for the discrimination of saffron samples with different origin，process and age[J/OL].Food control，2019，106[2020-03-05].https：//doi.org/10.1016/j.foodcont.2019.106736.DOI：10.1016/j.foodcont.2019.106736.

[35] 趙策，馬颯颯，張磊，等.基于電子鼻技術(shù)的皇冠梨腐敗等級(jí)分類研究[J].食品工業(yè)科技，2020，41（3）：246-250，258.

[36] XU S，L E，LU H Z，et al.Quality detection of litchi stored in different environments using an electronic nose[J].Sensors，2016，16（6）：852-866.

[37] 郭志明，郭闖，王明明，等.果蔬品質(zhì)安全近紅外光譜無損檢測(cè)研究進(jìn)展[J].食品安全質(zhì)量檢測(cè)學(xué)報(bào)，2019，10（24）：8280-8288.

[38] LI X N，HUANG J C，XIONG Y J，et al.Determination of soluble solid content in multiorigin ‘Fuji apples by using FTNIR spectroscopy and an origin discriminant strategy[J].Computers and electronics in agriculture，2018，155：23-31.

[39] ZHANG D Y，XU X F，HUANG W Q，et al.Nondestructive measurement of soluble solids content in apple using near infrared hyperspectral imaging coupled with wavelength selection algorithm[J].Infrared physics & technology，2019，98：297-304.

[40] XIE L J，YE X Q，LIU D H，et al.Prediction of titratable acidity，malic acid，and citric acid in bayberry fruit by nearinfrared spectroscopy[J].Food research international，2011，44（7）：2198-2204.

[41] CLARK C J，MCGLONE V A，DE SILVA H N，et al.Prediction of storage disorders of kiwifruit （Actinidia chinensis）based on visibleNIR spectral characteristics at harvest[J].Postharvest biology and technology，2004，32（2）：147-158.

[42] SUN X D，SUBEDI P，WALSH K B.Achieving robustness to temperature change of a NIRSPLSR model for intact mango fruit dry matter content[J/OL].Postharvest biology and technology，2020，162[2020-03-25].https：//doi.org/10.1016/j.postharvbio.2019.111117.

[43] WEI X，HE J C，ZHENG S H，et al.Modeling for SSC and firmness detection of persimmon based on NIR hyperspectral imaging by sample partitioning and variables selection[J/OL].Infrared physics & technology，2020，105[2020-03-25].https：//doi.org/10.1016/j.infrared.2019.103099.

[44] 李鴻強(qiáng).基于高光譜分析的蔬菜品質(zhì)檢測(cè)方法研究[D].北京：中國(guó)農(nóng)業(yè)大學(xué)，2019：49-62.

[45] 王丹.柿子采后品質(zhì)近紅外檢測(cè)模型的研究[D].天津：天津商業(yè)大學(xué)，2014：13-23.

[46] 肖慧，孫柯，屠康，等.便攜式葡萄專用可見-近紅外光譜檢測(cè)儀器開發(fā)與實(shí)驗(yàn)[J].食品科學(xué)，2019，40（8）：300-305.

[47] 崔艷莉，冀曉磊，古麗菲婭，等.近紅外光譜在果蔬品質(zhì)無損檢測(cè)中的研究進(jìn)展[J].農(nóng)產(chǎn)品加工（學(xué)刊），2007（7）：84-86.

[48] JIMAR? BENITO M T，BOSCH OJEDA C，SANCHEZ ROJAS F.Process analytical chemistry：Applications of near infrared spectrometry in environmental and food analysis：An overview[J].Applied spectroscopy reviews，2008，43（5）：452-484.

[49] 向延菊，蒲云峰，王大偉.近紅外光譜在果蔬品質(zhì)定性分析中的應(yīng)用研究進(jìn)展[J].食品工業(yè)，2019，40（4）：255-259.

[50] 趙紅星.基于葉綠素?zé)晒夤庾V分析的生菜葉片硝酸鹽檢測(cè)與評(píng)價(jià)[D].長(zhǎng)春：吉林大學(xué)，2017：33-43.

[51] 簡(jiǎn)訊，張立福，楊杭，等.智能手機(jī)的主要葉類蔬菜品質(zhì)和新鮮度指標(biāo)的光譜檢測(cè)[J].光譜學(xué)與光譜分析，2019，39（5）：1524-1529.

[52] 王書茂，焦群英，籍俊杰.西瓜成熟度無損檢驗(yàn)的沖擊振動(dòng)方法[J].農(nóng)業(yè)工程學(xué)報(bào)，1999，15（3）：241-245.

[53] 呂吉光，吳杰.基于智能手機(jī)聲信號(hào)哈密瓜成熟度的快速檢測(cè)[J].食品科學(xué)，2019，40（24）：287-293.

[54] 秦炎炎.雞蛋裂紋在線檢測(cè)系統(tǒng)的研究與試驗(yàn)[D].武漢：華中農(nóng)業(yè)大學(xué)，2018：8-20.